새로운 모델 쫓기를 멈췄더니, 비로소 AI가 쓸모 있어졌다.
i stopped chasing new models. that's when ai finally became useful.
핵심 요약
최신 AI 모델을 쫓기보다 자신의 업무 흐름을 파악하고 자동화하는 것이 생산성에 훨씬 효과적이라는 통찰.
- 모델 피로감 — 신기술을 쫓느라 정작 중요한 결과물을 만들지 못하는 현상
- 워크플로우 최적화 — 매일 반복되는 수동 작업을 파악하여 자동화하는 것이 핵심
- 재사용 가능한 기술 — 성공적인 프롬프트와 대화 내용을 스킬로 저장하여 효율성 증대
- 도구보다 본질 — 도구 자체보다 업무 프로세스를 개선하는 것이 생산성 향상의 지름길
몇 달 전, 저는 실제로 무언가를 만드는 시간보다 새로운 AI 도구를 시도하는 데 더 많은 시간을 쓰고 있다는 걸 깨달았습니다. 매주 새로운 게 나왔거든요. 새로운 Claude 기능, 새로운 Codex 업데이트. 이번 주는 opus 5죠. 몇 주 전에는 다들 fable에 대해 이야기했고요. 저는 다음 릴리스가 제 작업 방식을 완전히 바꿀 거라고 계속 생각했습니다.
바뀌지 않았습니다.
실제로 모든 것을 바꾼 건 훨씬 간단했습니다. 저는 "무엇을 자동화해야 할까?"라고 묻는 것을 멈추고, "내가 매일 수동으로 하고 있는 게 뭐지?"라고 묻기 시작했습니다. 제 자신의 워크플로우를 이해하고 나니, AI를 무작위 아이디어에 억지로 끼워 맞추는 대신 자동화할 수 있는 진짜 무언가가 생겨서 에이전트를 만드는 게 훨씬 쉬워졌습니다.
저에게 큰 도움이 된 또 다른 점은 훌륭한 대화를 재사용 가능한 기술로 바꾼 것입니다. Claude와 시간을 보내며 제가 원하는 정확한 결과물을 얻었을 때마다, 저는 그 대화를 기술로 변환해 달라고 요청했습니다. 같은 프롬프트를 계속해서 다시 쓰는 대신, 이미 효과가 입증된 것을 재사용할 수 있게 된 거죠. 그 간단한 습관이 어떤 모델 업그레이드보다 더 많은 시간을 절약해 주었습니다.
저는 이 교훈을 비싼 대가를 치르고 배웠습니다. 모두가 openclaw에 대해 이야기하길래 테스트하느라 380달러 넘게 썼죠. hermes도 시도해 봤고요. 흥미로운 프로젝트들이긴 하지만, 결국 저는 20달러짜리 Claude 플랜에서 더 나은 결과를 얻었습니다. 모든 새로운 릴리스를 쫓는 대신 워크플로우를 개선하는 데 집중했기 때문이죠.
대부분의 사람들이 놓치는 게 바로 그거라고 생각합니다. 더 나은 모델은 흥미롭지만, 엉망인 프로세스를 고쳐주지는 못합니다. 일단 워크플로우를 이해하고 나면, 거의 모든 좋은 모델이 유용해집니다. 그런 명확함이 없다면, 아무리 최고의 모델이라도 그저 또 다른 반짝이는 도구일 뿐입니다.
여러분의 의견을 듣고 싶습니다.
