기술 협업에서 AI의 예절: 인간의 노력을 보여주기

핵심 원칙: 인간의 주의는 인간의 노력을 필요로 함

AI가 방대한 양의 코드, 문서, 디버그 조사 등을 생성할 수 있는 시대에, 새로운 전문 예절이 등장했습니다: 인간의 주의를 요청한다면, 인간의 노력을 보여주어야 합니다.

이 원칙은 소프트웨어 엔지니어와 기술 전문가들 사이에서 커져가는 “AI 피로”에 대응합니다. 팀원이 가공되지 않은 AI 출력을 전달할 때—종종 “읽지 않았으니 정확하지 않을 수도 있습니다”와 같은 면책 조항이 함께 붙어 있곤 합니다—이는 해당 내용이 발신자가 검토할 가치가 없었음을 의미하며, 논리적으로 수신자가 읽을 가치도 없다는 신호가 됩니다.

기술 팀에서 “AI 슬롭”의 위험

인간이 선별하지 않은 원시 AI 출력에 과도하게 의존하면 엔지니어링 팀 내에서 여러 시스템적인 문제가 발생합니다:

신뢰 침식 및 검토 피로

팀원들이 검증되지 않은 대규모 AI 생성 Pull Request(PR)나 장황한 설계 문서에 휩쓸리면, 검토자는 무의식적으로 이를 회피하기 시작합니다. 대규모 AI 생성 텍스트 블록에서 환상과 오류를 걸러내는 데 필요한 노력은 선별된 인간 기여물을 검토하는 것보다 훨씬 큽니다.

책임 상실 및 “인지 부채”

작성자가 AI가 만든 선택을 더 이상 내면화하지 않는 “프롬프트 기반 개발” 추세가 커지고 있습니다. 이는 소유권에 위험한 격차를 만듭니다:

• 유지보수 부족: 작성자가 특정 코드 라인이 왜 작성됐는지 설명할 수 없으면, 효과적으로 유지보수할 수 없습니다.
• 숨겨진 가정: AI는 종종 잘못된 초기 가정을 확대해 타당하고 전문적으로 들리게 하여, 원 작성자의 불확실성이나 오류를 가립니다.
• 하위 에이전트화: 검토자는 인간 동료와 협업하기보다 LLM의 “하위 에이전트”로 전락한 느낌을 받습니다.

“대체 가능성” 역설

일부 업계 관찰자들은 작업자의 결과물이 기계와 구별되지 않을 때, 그들의 역할이 자동화될 수 있음을 무의식적으로 신호한다는 점을 지적합니다. 깊은 지식 작업은 AI가 아직 복제할 수 없는 인간의 노력과 비판적 사고를 필요로 하기 때문에 가치가 있습니다.

워크플로에 AI를 통합하기 위한 모범 사례

전문적인 관계나 코드 품질을 해치지 않으면서 AI를 활용하려면, 다음 지침을 권장합니다:

• 공유 전에 선별: 원시 AI 출력을 절대 전달하지 마세요. 모든 주장이나 코드 라인을 팀원에게 전달하기 전에 검토, 편집, 검증합니다.
• 명확한 라벨링: 커뮤니케이션의 어느 부분이 AI 생성이고 어느 부분이 인간의 코멘트인지 명시합니다.
• 인간 가치 추가: AI 출력이 왜 관련 있는지와 수신자가 수행해야 할 구체적인 행동을 설명하는 종합 또는 “TL;DR”을 제공합니다.
• 간결성 우선: AI는 종종 장황합니다. 인간의 노력은 AI 출력을 가능한 가장 간결하고 영향력 있는 버전으로 편집함으로써 보여줍니다.

반론 및 대안적 관점

“인간 노력” 원칙이 널리 지지받고 있지만, 일부는 이것이 가치 노동 이론의 오용일 수 있다고 주장합니다.

"내가 나에게 쉬운 일을 하고, 그것이 당신에게 가치가 있다면, 당신은 여전히 그것을 원할 겁니다... 누군가가 그것을 만드는 것이 불쾌했는지는 요인이 아닙니다."

이 관점에서 문서의 가치는 그것을 만드는 데 투입된 노력보다 유용성에 있습니다. 또한 AI는 단순히 도구이며, AI 생성 출력은 결과적으로 인간의 출력이라고 주장하는 사람도 있습니다. 그러나 실무자들의 합의는 선별의 부재—도구 자체의 사용이 아니라—가 전문적인 위반을 구성한다는 것입니다.