모델의 능력은 고르게 자라지 않습니다. 테렌스 타오(Terence Tao)의 표현대로 모델은 "어떤 방향으로는 놀랍지만 어떤 방향으로는 부족"합니다. 이 놀라운 능력을 잘 다루어 마치 날아오르는 듯한 사람들이 있습니다. 제가 만든 제품으로 이들이 믿기 어려운 높이에 도달하는 모습을 지켜보는 일은 중독성이 있습니다. 반면 많은 사람은 아직 새로 얻은 날개를 제대로 펴지 못한 채, "프랑스의 수도가 어디야?"나 "이 이메일을 덜 화난 어조로 고쳐 줘" 말고는 어디에 쓸 수 있을지 고민하고 있습니다.

저는 AI를 다루는 다른 사람들과 함께 AI를 쓸 때 더 야심차게 접근해야 한다고 자주 말해 왔습니다. 이제는 구호처럼 되었죠. 인상적인 사례를 볼 때마다 공유하며 "우린 아직 충분히 야심차지 않다"고 적습니다. 하지만 이 조언을 실천하기가 얼마나 까다로운지 잘 알기에, 더 야심차게 일하는 방법을 튜토리얼로 정리했습니다.

저는 야심을 속도(Speed), 고도(Altitude), 깊이(Depth), 폭(Range)의 네 가지로 나누어 봅니다.

• 속도: 같은 일을 더 짧은 시간에 해내는 것으로, AI가 경제적 가치를 만드는 가장 기본적인 방식입니다. 코드를 짜야 한다면 Claude와 함께 하면 더 빨리 끝납니다. 이미 충분히 자리 잡았고 AI를 활용하는 데 창의성도 거의 필요하지 않으므로 이번 글에서는 다루지 않겠습니다.
• 고도: 추상화 수준을 한 단계 높여 개별 작업이 아니라 최종 결과를 놓고 생각하는 것입니다.
• 깊이: 해당 분야 최고 전문가처럼 작업을 바라보는 것입니다. 작업이 놓인 층위에서만 움직이지 않고 한 단계 더 내려가, 밑바탕에 있는 데이터와 도구, 문제를 직접 다룹니다.
• 폭: 작업에 표면적으로 필요한 분야 하나에 머물지 않고 여러 분야를 끌어와, 평소라면 쓰지 않았을 지식과 도구, 기법을 활용하는 것입니다.

저는 주로 Claude를 쓰지만(당연하죠), 이 조언은 특정 모델에 국한되지 않습니다.

고도

흔히 이를 가볍게 "모델이 더 높은 추상화 수준에서 일하게 한다"고 표현합니다. 모델에게 작업을 맡기면 모델은 원하는 결과를 얻기 위한 여러분의 최선의 추측을 그대로 실행합니다. 고도를 높여 야심차게 일하려면 스스로 물어보세요. 다음에 무슨 일이 일어나길 바라는가? 목표 너머의 목표는 무엇인가? 저는 작년 초만 해도 Claude에게 개별 크래시를 고쳐 달라고 했습니다. 지금은 아예 앱에서 크래시가 나지 않게 관리해 달라고 맡깁니다.

누구나 겪는 평범한(감히 말하자면 따분한) 사무 업무를 예로 들어 보겠습니다. 가상의 회사 Acme Inc에서 분기 사업 리뷰(QBR) 발표 자료를 만들어야 한다고 합시다. 데이터를 잔뜩 주면 Claude는 기꺼이 슬라이드를 만들어 줄 겁니다. 템플릿이 있다면 빈칸만 채우면 되겠죠. 새로운 행성을 찾는 일과는 비교도 안 되니, 접근 방식을 더 야심차게 바꾸는 구체적인 단계를 살펴보겠습니다. 기본에서 출발해 단계마다 야심을 조금씩 키워 갑니다.

• 대부분의 리뷰는 이번 분기에 무엇이 바뀌었고, 왜 바뀌었으며, 어떻게 대응해야 하는지를 알고 싶어 합니다. 템플릿에 있는 숫자만 갱신하고 싶은 마음을 참고, 모델이 비즈니스를 이해할 수 있도록 구할 수 있는 데이터를 최대한 많이 주세요. "이번 분기에 무엇이 바뀌었고, 왜 그랬으며, 우리가 무엇을 해야 하는지 알려줘."
• 회의는 (적어도 좋은 회의라면) 결정을 내리며 끝나야 합니다. Claude에게 이렇게 요청해 보세요. "지금까지 파악한 내용을 토대로 가장 시급한 결정 세 가지를 골라내고, 각각에 대해 찬반 논거를 담아 가능한 방향을 검토해 줘."
• QBR은 좋은 리뷰를 하려면 사람이 데이터를 꼼꼼히 뒤져 의미를 파악하고 사업 방향을 조정할지 판단해야 하던 시대의 산물입니다. Claude에게 이렇게 요청해 보세요. "리뷰는 경영진이 문제를 일찍 포착하고 돈과 인력을 알맞은 곳으로 옮기기 위해 존재해. 분기별 발표 자료보다 나은 방식을 설계하고, 우리 과거 기록으로 그 방식이 문제를 더 일찍 잡아냈을 것임을 보여 준 다음, 한 분기 동안 현재 방식과 나란히 운영해 줘."

고도를 높이는 접근은 궁극적인 결과를 얻는 것이 목적일 때 가장 효과적이고, 창작 작업에는 덜 맞습니다. 고도 면에서 야심을 키우기 좋은 상황인지 알려 주는 신호는 하고 있는 일을 두고 회의를 열게 될 것인가입니다. 현재로서는 한계도 있습니다(2026년 기준으로 "Claude, 가서 돈 벌어 와"라고 하면 대부분의 사업에서는 그것만으로 통하지 않는 듯합니다). 그래도 모델이 유능해질수록 더 높은 추상화 수준에서 일할 수 있게 되는 경향은 대체로 보입니다.

고도는 사람을 루프에서 빼는, 오래 쓸 수 있는 워크플로를 찾아내는 영역이기도 합니다. 작업을 하나씩 계속 넘겨 주며 모델을 갱신해 줄 필요가 줄어듭니다. 이를 제대로 하려면 워크플로 자체를 바꿔야 할 때가 많습니다. Claude가 앱의 크래시를 없애도록 하기 위해, 저는 먼저 크래시 리포트를 쉽게 가져오게 하고, 앱 버전이 어느 git 커밋에 해당하는지 파악하게 하고, Windows, macOS, Linux 컴퓨터를 사용할 수 있게 해서 스스로 문제를 재현하고 수정을 검증하도록 만들어야 했습니다.

깊이

때로는 작업 하나를 정말 잘 해내길 바랄 때가 있습니다. 깊이에서 야심차게 간다는 것은 해당 분야 최고의 전문가들이 쓰는 도구, 기법, 매체, 지식을 모델이 활용하도록 밀어붙이고, 그 전문가들조차 여러분의 결과물에서 새로 배울 점이 있을 때까지 계속 밀어붙인다는 뜻입니다.

분기 사업 리뷰 발표 자료라는 Acme Inc 예시를 이어 가 보겠습니다. Acme Inc가 사용자 이탈(시간이 지남에 따라 고객이 떠나는 현상)로 고민하고 있다고 가정하죠. 제 경험상 다음 기법들을 섞어 쓰면 유용했습니다.

• 업계 최고 전문가가 쓰는 도구를 쓰도록 요구하세요: 전문가처럼 행동하라고 하면 모델은 방법은 그대로인 채 용어만 바꾸는 경우가 많습니다. 이 문제를 깊이 있게 다루려면 최고의 데이터 사이언티스트와 통계학자가 쓰는 도구를 똑같이 써야 합니다. Claude가 마크다운 표를 꺼내 들면 데이터베이스와 통계 모델을 쓰라고 요구하세요. 전문가들이 무엇을 쓰는지 여러분이 굳이 알 필요는 없습니다. 대개 Claude가 알고 있습니다.
• 터무니없는 목표를 정하고, 충분히 달성 가능하다고 모델에게 말하세요: 웹사이트 로딩 시간을 10초에서 5초로 줄이고 싶으신가요? 200ms를 요구해 보세요. 모델이 불가능해 보인다고 하나요? 충분히 풀 수 있는 문제이니 계속 해 보라고 다시 말해 주세요.
• 알고 있는 것에 도전하세요: 특히 비즈니스에서는 사실이라고 믿는 것들 상당수가 현실을 대략 근사한 것에 불과합니다. 모델에게 원본 정보와 데이터를 주고, 가정을 적대적으로 검증하게 하세요. "우리는 이탈이 온보딩 문제라고 믿고 있어. 원본 데이터로 그 결론을 재현해 봐."
• 새로운 지식을 만들어 내세요: 앞의 '알고 있는 것에 도전하기'에 쉽게 덧붙일 수 있습니다. Claude가 이미 데이터 깊숙이 들어가 있으니 사각지대를 찾아보라고 하세요. "로그를 바탕으로 지난 1년을 재현하는 고객 시뮬레이션을 만들어. 그런 다음 우리가 아직 모르는, 이탈의 가장 이른 신호를 찾아내고, 보지 못한 데이터에서도 그 신호가 이탈을 예측함을 보여 줘."
• 외부 심판을 활용하세요: 모델에게 스스로를 평가하게 하지 마세요. 모델 지능이 높아지면 결국 해결될 문제라고 생각하지만, 2026년 10월 현재로서는 외부 검증을 꼭 요구하시길 간곡히 권합니다. 가장 좋은 것은 모델이 직접 실행해 즉시 피드백을 받을 수 있는 도구입니다.

제가 자주 쓰는, 도움이 되는 간단한 프롬프트입니다.

이 작업을 더 크게가 아니라 더 깊게 하고 싶어. 다시 쓰기 전에 다음을 먼저 알려줘. (1) 이 분야의 최고 전문가라면 여기서 내가 요청하지 않은 어떤 일을 할지, (2) 나를 위해 이미 가공된 자료 대신 그들이 출발점으로 삼을 가장 날것의 자료가 무엇인지, (3) 그들이 쓸 구체적인 방법과 도구가 무엇인지, (4) 너나 나 말고 무엇이 결과가 맞다는 것을 보여 줄 수 있는지. 그런 다음 정확히 그것을 요구하도록 내 프롬프트를 다시 써줘.

폭

요컨대 폭에서 야심차게 간다는 것은 하고 있는 일을 여러 분야의 관점에서 바라본다는 뜻입니다. 과거에는 경제성이 맞지 않았을 만큼 많은 분야를 동원하는 것이죠. 특별히 독창적인 통찰은 아닙니다. 범죄 강탈극 영화는 하나같이 초반 30분을 다양한 재능을 가진 인물들을 모으는 데 씁니다. AI 제품 덕분에 멀티 에이전트 시스템(여러 스레드, 오케스트레이터, 혹은 단순한 서브에이전트를 활용하는 구조)을 돌리기가 점점 쉬워지면서, Claude에게 다른 분야를 끌어오라고 적극 요청했을 때 정말 흥미로운 결과가 나오는 것을 봤습니다.

이를 실천하기는 쉽지 않습니다. 창의성이 필요하니까요. 동료 알렉스 앨버트(Alex Albert)가 Blender로 인테리어 디자인을 렌더링하는 모습을 보기 전까지, 저는 제 홈페이지에 쓸 3D 환경을 만드는 데 Claude를 쓸 생각을 해 본 적이 없습니다. 예전에 비디오 게임을 만들어 본 적이 있는데도 말이죠! 하지만 마법 같은 일이 가장 쉽게 일어나는 곳이 바로 여기입니다.

그렇다면 어떻게 해야 할까요? 저는 다음 기법을 씁니다.

• 명사를 동사로 바꿔 보세요: 톰 켈리(Tom Kelley)와 조너선 리트먼(Jonathan Littman)의 The Art of Innovation에 나오는 오래된 요령입니다. 분기 리뷰는 "발표 자료"가 아닙니다. "바쁜 사람들이 원인과 결과에 관한 이야기를 납득하고, 불확실한 상황에서 30분 안에 결정을 내리게 하는 일"입니다. 동사로 바꿔 두면 어떤 분야가 독특하고 유용한 관점을 가져다줄지 저도 Claude도 파악하기 쉬워집니다.
• 팀을 꾸리세요: 이 발표 자료가 놀랍지 않으면 외계인이 지구를 폭파한다고 해 봅시다. 인류는 어떤 팀을 꾸릴까요? 제작 품질을 위해서라면 애널리스트, 기자, 편집자를 부르겠습니다. 직접 발표해야 한다면 모션·오디오 디자이너도 필요하겠죠. 적대적인 "레드팀"을 두는 것도 유용할 수 있으니 공매도 투자자와 포렌식 회계사도 불러 봅시다.
  
  자칫하면 롤플레이로 흘러가기 쉽고, 그러면 대화 기록만 이상해질 뿐 실제 결과는 나아지지 않습니다. 이 방법은 분야와 기법을 찾는 용도로 쓰세요. 모델에게 공매도 투자자처럼 글을 쓰라고 하지 말고, 공매도 투자자가 자기 포지션을 조사할 때 하는 일을 하라고 하세요.

제가 설명한 모든 방식의 야심에는 소프트웨어를 설치할 수 있고 (MCP 커넥터든 다른 방법이든) 관련 데이터에 모두 접근할 수 있는 컴퓨터를 모델에게 주는 것이 필요합니다. 이를 가능하게 해 주는 도구는 많으니 하나쯤 써 보시길 권합니다.

우리는 전에도 이런 적이 있습니다

여기까지가 더 야심차게 일하는 법에 대한 구체적인 조언입니다. 잠시만 더 함께해 주신다면, 애초에 이런 노력이 왜 필요하다고 생각하는지 이유를 말씀드리고 싶습니다.

인간은 언제나 스스로 가능하다고 믿는 범위에 발목을 잡혀 왔습니다. 더 나쁜 것은 우리가 대개 아주 좁은 분야에서만 스스로를 믿는다는 점입니다. 미켈란젤로는 시스티나 성당 천장화를 그리고 싶어 하지 않았다고 유명합니다. 그는 화가가 아니라 조각가였으니까요.

야심의 문제를 조사하다가, 심리학에 이를 가리키는 이름이 있다는 것을 알게 되었습니다. 바로 자기효능감입니다. 간단히 말해 자기효능감이 높은 사람은 자신의 능력을 더 믿고, 그 결과 실제로 더 많은 것을 이룹니다. 자기효능감을 의도적으로 끌어올릴 수 있다는 증거도 있습니다. 로크(Locke)와 레이섬(Latham)은 35년간의 목표 설정 연구를 샅샅이 검토한 끝에, 구체적이고 어려운 목표를 받은 사람이 단순히 최선을 다하라는 말을 들은 사람보다 더 좋은 성과를 낸다고 확신을 갖고 결론지었습니다. Stripe 창업자 패트릭 콜리슨(Patrick Collison)은 대담한 목표와 빠듯한 기한이 주어졌을 때 인류가 이뤄낸 수많은 일을 기록한 "Fast" 목록을 관리하고 있습니다. 잘 알려진 방법들은 다음과 같습니다.

• 가능하다고 믿으면 어려운 일도 해냅니다: 1939년, 조지 댄치그(George Dantzig)는 버클리의 통계학 수업에 지각해 칠판에 적힌 문제 두 개를 베껴 적고는 숙제인 줄 알고 풀이를 제출했습니다. 그 문제들은 통계학에서 아직 풀리지 않은 난제였습니다.
• 다른 사람이 해내는 모습을 보면 어려운 일도 해냅니다: 수십 년 동안 인류는 4분 벽을 깨는 마일 달리기에 도전했습니다. 1954년 5월 로저 배니스터(Roger Bannister)가 그 벽을 깼지만, 그가 유일한 기록 보유자였던 기간은 불과 46일이었습니다. 달리기를 좋아하신다면, 마라톤 2시간 벽에서도 비슷한 일이 벌어지는 것을 보고 계실 겁니다. 올해 4월 런던에서 세바스찬 사웨(Sabastian Sawe)가 사상 최초로 공식 기록으로 2시간 벽을 깼고, 같은 대회에서 2위 선수도 2시간 안에 들어왔습니다.
• 실패해도 된다고 스스로 허락하면 어려운 일도 해냅니다: 다들 가장 좋아한다는 비즈니스 서적이 The Inner Game of Tennis라는데, 저는 바로 지난주에야 알았습니다. 이 책의 핵심 주장은 너무 열심히 애쓰면 오히려 최고의 테니스를 칠 수 없다는 것입니다. 엔지니어라면 Linux가 "그냥 취미일 뿐이고, gnu처럼 크고 전문적인 것은 되지 못할 것"이라는 말로 처음 공개되었다는 사실을 떠올릴 수도 있겠습니다.

자기효능감은 새로운 문제가 아니지만, 지금은 훨씬 더 강력한 문제가 되었습니다. 우리의 능력이 몇 주마다 도약하는 세상에서는, 가능하다고 생각하거나 믿지 못했던 일을 해낼 수 있게 해 주는 기법이 필요합니다. 더 야심차게 일할 수 있는 다른 기법을 발견하셨다면 꼭 알려 주세요!

이 글의 이미지는 프란시스코 고야(Francisco Goya)의 "Modo de volar"(나는 방법)입니다.