Don't be a meat proxy: Why verbatim AI output adds no value

미트 프록시 문제

결론: 미트 프록시—AI 출력을 읽지도 않고 그대로 붙여넣기—는 가치를 더하지 않고 수신자에게 부담을 줍니다.

작가는 슬랙, 머지 리퀘스트, 또는 왓츠앱 그룹에서 질문이 올라올 때 답변이 종종 "Claude said:" 또는 이와 유사한 접두사와 함께 AI 출력의 그대로 블록으로 제공된다고 관찰합니다. 이 관행은 수신자가 간결하고 인간적으로 작성된 답변 대신 AI의 원시 응답을 읽도록 강요합니다. 작가는 자신이これを 해봤고 받는 쪽도 경험했으며, 이는 수신자가 직접 AI에게 질문하고 맥락을 제어할 수 있기 때문에 아무런 가치를 제공하지 않는다고 지적합니다.

왜 그대로의 AI 출력이 부담스러운가

결론: 그대로의 AI 출력은 장황하고 전문 용어가 많으며 종종 그럴듯한 nonsense를 포함하여 독자가 이해하기 위해 추가적인 노력을 기울이게 만듭니다.

작가는 AI 출력이 읽기 위해 추가적인 노력이 필요하고, 자주 장황하며, 그럴듯한 nonsense를 포함하고, 점점 더 전문 용어가 dense해진다고 설명합니다. 예시로, 그들은 Claude로부터 받은 문장을 인용합니다:

NATS 컨트롤 플레인 이벤트: 스트림 리더 선거 / R3 쿼럼 재형성 중 pod churn.

작가는 이 문장을 이해하기 위해 거의 모든 단어를 찾아봐야 했다고 말하며, 이는 독자에게 인지적 부담을 준다는 것을 보여줍니다.

AI를 사용할 때 가치를 더하는 방법

결론: 가치를 더하려면 AI 출력을 읽고 이해하고 correctness를 검증한 뒤, 자신의 말로 응답을 작성하세요.

작가는 AI에 프롬프트를 주는 것은 허용되지만, 출력을 그대로 전달해서는 안 된다고 조언합니다. 대신 사용자는 AI의 응답을 읽고 이해하고 정확성을 검증한 뒤, 자신의 언어로 답변을 작성해야 합니다. 이러한 노력은 이전 단계들이 완료되었음을 증명하는 증표가 되며 대화에 진정한 가치를 제공합니다.

코드 리뷰에서의 미트 프록시 시나리오

결론: 개인 검토 없이 AI를 사용하여 코드 리뷰 피드백을 생성하면 검토자가 미트 프록시가 되고 책임이 AI로 넘어갑니다.

코드 리뷰의 맥락에서 작가는 다음과 같은 패턴을 설명합니다: 리뷰어가 티켓 설명을 Claude Code에 복사하고, 생성된 코드를 검사하지 않은 뒤, 어떤 리뷰어 의견이라도 다시 AI에 전달하여 추가 반복을 수행합니다. 작가는 이 워크플로에서 구현 작업은 AI를 사용하는 리뷰어가 수행하고, 출력을 전달하는 사람은 단지 미트 프록시 역할을 하며 원래의 노력을 기여하지 않는다고 주장합니다.

커뮤니티 반응: 불만과 제안

결론: Hacker News의 댓글 작성자들은 이 관행을 épuising(지치게 만드는)이라고 묘사하고, 개인 책임을 강조하며 문제를 완화할 방법을 제안합니다.

많은 댓글 작성자가 작가의 불만에 공감했습니다. @eddythompson80 wrote:

저는 직장에서 하루 종일これに 직면하고 있으며, 이는 지칩니다. 사람들은 마치 아무도 이것을 생각해보지 않은 것처럼 행동합니다. "Claude에게 무슨 일이 있었는지 물었고, 그것은 300줄의 응답을 뱉어냈어요. 여러분이 읽어보시고 맞는지 확인해 주실 수 있나요?"

@mft_ noted a correlation between the behavior and perceived competence in their organization:

제가 다니는 회사에서, 저는 récemment AI 행동 강령 및 토론의 필요성을 논의하고 있었는데, 이는 바로 기업용 Claude 계정이 라이브되자마자 슬그머니 스며들기 시작한 것과 정확히 같은 종류의 일입니다.

@sandeepkd observed irony in complaints about meat proxying:

지난 8-12개월 동안 제가 직접 본 바에 따르면, 대부분의 상황에서 이런 종류의 불만은 아이러니컬합니다. 불만을 제기하는 대부분의 사람들은 자신이 LLM 생성 콘텐츠를 사용하는 것과 배포하는 데 편안함을 느끼고 좋다고 느끼지만, 다른 사람이 그것을 말할 때는 부담스럽게 느낍니다.

@gimili emphasized understanding the core idea comprehension:

저에게 가장 중요한 것은 해당 사람이 전달하고 있는 것의 핵심을 이해했는지 여부입니다. 보통 텍스트 벽은それを 나타내는 반증입니다. 저는 팀이 어떤 도움 없이도 화이트보드에 핵심 아이디어를 적을 수 있기를 바랍니다. 그 뒤에 공유하거나 구현을 진행하기 전에 말입니다.

@theletterf described a personal etiquette for using AI:

누군가에게 무언가를 물어볼 때 LLM을 사용하여 답변을 조사할 때(내가 'research'라고 말한 것을 주의하세요, 'produce'가 아니라), 저는 그 결과를 Claude와 같은 것으로 조사한 것이라고 프레이밍합니다. 또한 저는 stochastic 기계가 내 정체성을 차지하지 않도록 응답을 편집하고 최소 두 번 직접 읽는 시간을 갖습니다.

@felipeerias suggested a technical approach to reduce AI‑specific language:

인간에게 전달될 텍스트에 명백한 AI 언어가 스며드는 것을 방지하는 한 가지 방법은 모델에게 ASD-STE100 Simplified Technical English bullet points를 생성하도록 요청하는 것입니다.これにより 명확하고 설명적인 문장 목록이 생성되어 재확인이 쉬워지고, 사용자가 인간 목소리로 더 읽기 쉬운 형식으로 다시 작성하기 편리해집니다.

@rockbruno highlighted the risk of treating AI as an independent authority:

여기서 문제는 패러다임이 AI-assisted development임에도 불구하고 많은 사람들이 이를 "AI-independent" development라고 취급한다는 점입니다. 즉, "에이전트에 그냥 보내고 나오는 결과를 blindly 신뢰한다"는 것이며, 여기에는 AI 자체에게 모든 책임과 비난을 전가하는 것도 포함됩니다. 이는 абсолютно ridiculous합니다.

これらのコメントは総合的に、ミートプロキシが負担であると認識されていること、ユーザーはAI出力を確認し言い換えるべきであること、そして自分の理解をはっきりと伝えることが価値があるということを確認しています。