티스토리 뷰
생성형 AI가 빠르게 발전하면서 AI를 공부하는 방법도 정말 다양해졌습니다. 유튜브 강의, 온라인 강의, 기술 블로그, 논문, 뉴스레터까지 하루에도 수십 개의 새로운 콘텐츠가 쏟아집니다. 처음 AI를 공부하는 사람이라면 ’ 무엇부터 봐야 할까?’보다 ’ 이렇게 많은 걸 언제 다 공부하지?’라는 생각이 먼저 들기도 합니다.
저 역시 처음에는 최대한 많이 배우는 것이 중요하다고 생각했습니다. 새로운 AI 기술이 나오면 관련 영상을 찾아보고, 블로그를 읽고, 강의를 저장했습니다. 새로운 용어가 나올 때마다 하나라도 놓치면 뒤처질 것 같은 마음이 들었습니다. ’충분히 공부한 뒤에 직접 만들어 봐야지.’라는 생각도 늘 가지고 있었습니다.
하지만 시간이 지나면서 예상과는 다른 문제가 생겼습니다. 분명 공부는 많이 했는데 막상 무언가를 직접 만들려고 하면 어디서부터 시작해야 할지 막막했습니다. 개념은 알고 있었지만 실제로 구현해 본 경험이 없었기 때문입니다. 머릿속에는 정보가 많이 들어 있었지만 손은 쉽게 움직이지 않았습니다.
그때 저는 한 가지를 깨달았습니다.
AI는 완벽하게 이해한 뒤 만드는 기술이 아니라, 만들면서 이해하는 기술이라는 것을요.
이 깨달음 이후부터 공부하는 방식이 완전히 달라졌습니다. 이제는 모든 개념을 먼저 이해하려고 하지 않습니다.
오히려 작은 결과물 하나를 먼저 만들어 보고, 그 과정에서 부족한 부분을 다시 공부하는 방식을 선택하고 있습니다.
이해하고 만들려고 했을 때보다, 만들면서 이해했을 때 훨씬 빨리 성장했습니다
학교에서 우리는 보통 먼저 이론을 배우고 나중에 실습을 합니다. 시험을 준비할 때도 개념을 충분히 익힌 뒤 문제를 풀곤 합니다. 그래서 자연스럽게 AI도 먼저 공부를 끝내야 프로젝트를 시작할 수 있다고 생각하기 쉽습니다. 하지만 실제로는 AI 분야가 너무 빠르게 변화하기 때문에 ‘충분히 공부한 뒤’라는 시점은 좀처럼 오지 않습니다. 새로운 모델이 나오고, 새로운 프레임워크가 등장하고, 새로운 기술이 계속 생겨나기 때문입니다.
그래서 저는 오히려 순서를 바꿔 보기 시작했습니다. 예를 들어 새로운 AI 기능을 알게 되면 먼저 간단한 예제를 따라 만들어 봅니다. 처음에는 오류도 많이 나고 모르는 개념도 계속 등장합니다. 하지만 신기하게도 그때 배우는 내용은 훨씬 오래 기억에 남았습니다. 왜냐하면 이미 ‘왜 이 개념이 필요한지’를 몸으로 경험했기 때문입니다.
예를 들어 AI API를 처음 연결할 때는 인증 방식이나 요청 구조를 잘 몰랐습니다. 하지만 직접 구현을 시도하면서 오류를 하나씩 해결하다 보니 문서를 읽는 이유가 분명해졌습니다. 단순히 문서를 읽을 때는 지나쳤던 내용도, 실제 문제를 해결해야 하는 상황에서는 훨씬 집중해서 보게 되었습니다. 결국 공부는 책상 위에서 끝나는 것이 아니라, 문제를 해결하는 과정에서 시작된다는 사실을 알게 되었습니다.
지금도 새로운 AI 기술을 접하면 가장 먼저 드는 생각은 “이걸 어디에 써볼 수 있을까? “입니다. 그 질문 하나가 공부의 방향을 완전히 바꿔 주었습니다. 배우기 위해 만드는 것이 아니라, 만들기 위해 배우는 것. 저는 이 차이가 AI를 이해하는 속도를 크게 바꿔 주었다고 생각합니다.
작은 결과물 하나가 열 개의 강의보다 더 많은 것을 가르쳐 주었습니다.
작은 결과물 하나가 열 개의 강의보다 더 많은 것을 가르쳐 주었습니다
AI를 공부하면서 가장 놀라웠던 점은, 작은 결과물 하나를 만드는 과정에서 배우는 양이 생각보다 훨씬 많다는 것이었습니다. 단순히 강의를 듣거나 책을 읽을 때는 ‘이 기능이 있구나’ 정도로 넘어갔던 내용도, 직접 구현을 시작하는 순간 전혀 다른 의미로 다가왔습니다.
예를 들어 아주 간단한 AI 기능 하나를 만들어 본다고 가정해 보겠습니다. 처음에는 “금방 만들 수 있겠지. “라고 생각하지만, 막상 시작하면 예상하지 못했던 문제를 계속 만나게 됩니다. API는 어떻게 연결해야 하는지, 프롬프트는 어떻게 작성해야 원하는 결과가 나오는지, 응답 속도는 왜 느린지, 오류가 발생하면 어디를 확인해야 하는지 등 책에서는 쉽게 지나쳤던 내용들이 실제 문제로 나타납니다.
신기한 점은 바로 이 과정에서 공부가 가장 많이 이루어진다는 것입니다. 필요가 생기니 문서를 읽게 되고, 오류를 해결하기 위해 공식 문서를 찾아보고, 다른 사람의 사례도 참고하게 됩니다. 그 과정에서 단순히 개념을 외우는 것이 아니라 “왜 이런 구조로 만들어졌는지”, “어떤 상황에서 이 기능을 사용해야 하는지”까지 자연스럽게 이해하게 됩니다.
저는 그래서 AI 분야에서는 실전이 가장 좋은 교재라고 생각합니다. 결과물이 크거나 완성도가 높을 필요도 없습니다. 작은 챗봇 하나, 간단한 자동화 프로그램 하나, AI API를 연결해 보는 작은 예제 하나만으로도 수많은 개념이 하나의 경험으로 연결됩니다. 그리고 이렇게 경험을 통해 배운 내용은 단순히 읽고 지나간 정보보다 훨씬 오래 기억에 남습니다.
무엇보다 직접 만들어 본 경험은 자신감을 만들어 줍니다. “이 기능도 해봤으니 다음에는 이것도 할 수 있겠다. “라는 생각이 생기기 시작하면, 새로운 기술이 나와도 두려움보다 호기심이 먼저 앞서게 됩니다. 저는 이 작은 성공 경험들이 쌓이면서 AI를 대하는 태도 자체가 바뀌었다고 느꼈습니다.
AI 시대에는 ‘공부 → 실전’보다 ‘실전 → 공부 → 개선’이 더 자연스러운 학습법입니다
우리는 오랫동안 ‘먼저 공부하고, 나중에 실전으로 나간다’는 방식에 익숙했습니다. 물론 기초를 배우는 과정은 중요합니다. 하지만 AI처럼 변화가 빠른 분야에서는 모든 것을 공부한 뒤 시작하려고 하면 출발선에 서기도 전에 새로운 기술이 등장하는 경우가 많습니다.
그래서 저는 순서를 조금 바꿔 보는 것이 더 효과적이라고 생각합니다. 작게 시작하고, 필요한 것을 배우고, 다시 개선하는 것. 이 과정이 반복될수록 실력은 자연스럽게 성장합니다.
예를 들어 새로운 AI 기능을 알게 되었다면 먼저 간단하게 구현해 봅니다. 구현 과정에서 모르는 부분이 생기면 그때 관련 문서를 읽고, AI와 토론하며 개념을 이해합니다. 이해한 내용을 다시 코드나 결과물에 적용하고, 부족한 부분을 수정합니다. 이렇게 한 번의 사이클이 끝나면 단순히 하나의 기능을 배운 것이 아니라 문제를 해결하는 사고방식까지 함께 익히게 됩니다.
이 방식의 가장 큰 장점은 공부가 더 이상 지루하지 않다는 것입니다. 모든 학습에는 분명한 목적이 생깁니다. 지금 배우는 이유가 시험 때문이 아니라, 눈앞의 문제를 해결하기 위해서이기 때문입니다. 목적이 있는 공부는 훨씬 오래 기억되고, 실제로 활용할 가능성도 높습니다.
앞으로 AI는 계속 발전할 것입니다. 새로운 모델이 등장하고, 새로운 서비스와 도구도 끊임없이 나올 것입니다. 하지만 어떤 기술이 등장하더라도 ‘직접 만들어 보면서 배우는 사람’은 빠르게 적응할 수 있습니다. 기술은 바뀌어도 배우는 방식은 그대로 적용되기 때문입니다.
마무리
예전의 저는 AI를 충분히 공부한 뒤에 무언가를 만들어야 한다고 생각했습니다. 하지만 지금은 생각이 완전히 달라졌습니다.
오히려 만들기 시작했기 때문에 공부하게 되었고, 공부했기 때문에 더 좋은 결과물을 만들 수 있었습니다.
생성형 AI는 정답을 외우는 분야가 아니라, 직접 부딪히며 익히는 분야에 더 가깝습니다. 그래서 처음부터 완벽하게 이해하려고 하기보다 작은 결과물 하나를 만드는 것부터 시작해 보기를 추천합니다.
작은 자동화 하나도 좋고, 간단한 AI 챗봇 하나도 좋습니다. 중요한 것은 얼마나 거창한 프로젝트를 만드는지가 아니라, 직접 손을 움직이며 배우는 경험입니다.
AI 시대에는 가장 많은 강의를 들은 사람이 가장 빠르게 성장하는 것이 아닙니다.
가장 많이 만들어 본 사람이 가장 빠르게 성장합니다.
그리고 그 첫 번째 결과물은 생각보다 훨씬 작아도 괜찮습니다. 중요한 것은 완벽한 시작이 아니라, 오늘 직접 한 번 만들어 보는 것입니다.