오치아이 요이치의 AI 마스터리: 노력의 '회전 속도'를 높이는 법

노력의 회전 속도를 높이기 (AI에 노력을 위임하는 것이 아닌)

생성형 AI를 사용하면 노력 없이도 결과물을 얻을 수 있습니다.

AI가 글을 쓰고,

AI가 이미지를 만들고,

AI가 문서를 요약하고,

AI가 코드를 구현하고,

AI가 정보를 수집합니다.

이렇게 보면 AI는 노력을 줄여주는 기계처럼 보입니다.

하지만 오치아이 요이치의 AI 활용 방식을 추적해보면 완전히 다른 그림이 나타납니다.

그는 AI를 사용해서 사고의 양을 줄이지 않습니다.

그는 같은 시간 내에 테스트할 수 있는 가설, 조사할 수 있는 범위, 만들 수 있는 프로토타입, 실패에서 다음 시도로 넘어가는 속도를 늘리고 있습니다.

AI로 하나의 작업을 쉽게 끝내는 것이 아닙니다.

한 번 하면 끝이었던 작업을 열 번, 백 번 다시 할 수 있게 만드는 것입니다.

즉, 그가 AI로 증폭시키는 것은 재능 자체가 아니라 노력의 회전 속도입니다.

2023년 공식 아티스트 스테이트먼트에서 오치아이는 약 두 달 동안 아침부터 저녁까지 대규모 언어 모델과 대화를 이어갔다고 밝혔습니다. 2025년에는 ChatGPT, Gemini, Grok, Claude 등 여러 AI를 동시에 실행하고 프로세스별로 연구, 이미지 생성, 구현 등의 작업을 할당하는 워크플로우가 도입되었습니다. 나아가 2026년에는 기존 AI 서비스를 사용하는 데 그치지 않고 오프라인에서 실행되는 'vibe-local'과 여러 AI 제공자를 넘나드는 'co-vibe' 같은 코딩 에이전트를 출시했습니다.

이는 일반적으로 상상하는 'AI로 시간을 절약하는' 행동이 아닙니다.

몇 시간 동안 AI와 대화하기.

여러 모델 비교하기.

출력물을 여러 번 다시 만들기.

사용 환경 자체를 설계하기.

불투명한 부분이 있으면 직접 도구를 만들기.

만든 도구를 다시 AI로 검증하기.

연구, 작업, 공간, 신체와 연결하기.

AI로 노력을 없애는 것과는 거리가 멉니다. 오히려 AI를 사용해서 이전보다 더 많은 시도를 스스로에게 부과하고 있습니다.

이 글에서 사용된 '노력의 천재'라는 용어는 그가 스스로 내세운 칭호가 아닙니다. 오치아이 요이치의 공개 발언, 저술, 작품, 공개 소프트웨어에서 드러난 작업의 구조를 설명하기 위해 여기서 사용된 용어입니다. 그의 공식 프로필은 미디어 아티스트, 츠쿠바 대학 교수, 도쿄 대학 준교수, 2025년 오사카/간사이 엑스포 테마 프로젝트 프로듀서로 설명합니다.

또한 오치아이의 AI 대화 기록이나 일상 업무 기록이 모두 공개된 것은 아닙니다. 다음은 공개된 사례를 바탕으로 그 행동 이면에 있는 '노력의 설계'를 분석한 것입니다.

1. 오치아이 요이치에게 노력은 '오래 참는 것'이 아니다

사람들이 '노력'이라는 단어를 들으면 많은 이들이 인내를 떠올립니다.

졸린데도 책상에 앉아 있는 것.

괴로워도 계속하는 것.

방대한 양의 텍스트를 읽는 것.

같은 것을 반복해서 연습하는 것.

다른 사람보다 더 오래 일하는 것.

물론 인내와 끈기가 필요한 일도 있습니다. 하지만 오치아이의 작업을 단순히 일한 시간의 길이로만 설명하는 것은 본질을 놓치는 것입니다. 그의 강점은 단순히 노력의 양을 늘리는 것이 아니라 한 번의 노력에서 얻는 정보의 양을 늘리는 것에 있습니다.

같은 주제를 하나의 AI에게만 묻지 않고 여러 AI에 동시에 던집니다. 텍스트로만 생각하지 않고 이미지로 만듭니다. 이미지만 보지 않고 움직이는 프로토타입으로 만듭니다. 프로토타입으로 끝내지 않고 물리적 공간에서 움직입니다. 문제가 발생하면 손으로만 고치지 않고 재발하지 않도록 도구나 시스템을 바꿉니다.

이러한 작업 방식은 다음 공식으로 표현할 수 있습니다.

결과의 품질 = 탐구의 질 × 시도 횟수 × 검증 능력 × 구현 속도 × 현실로부터의 피드백

생성형 AI는 시도 횟수와 구현 속도를 크게 높입니다. 하지만 탐구의 질, 검증 능력, 현실로부터의 피드백을 자동으로 높여주지는 않습니다. 실제로 출력이 증가하면 무엇을 믿고, 무엇을 버리고, 어디를 고쳐야 하는지에 대한 판단의 양도 늘어납니다. AI 이후의 노력은 한 글자씩 입력하는 작업에서 방향을 계속 선택하는 작업으로 옮겨갑니다.

오치아이 스타일의 AI 활용은 노력을 제로로 만드는 것이 아닙니다. 노력의 자리를 낮은 가치의 반복에서 높은 가치의 판단으로 옮기는 것입니다.

2. 완벽한 질문을 만든 후에만 AI를 열지 마라

AI에 어려움을 겪는 사람들은 종종 첫 번째 프롬프트를 완벽하게 만들려고 합니다. 목적을 쓰고, 조건을 정리하고, 역할을 지정하고, 출력 형식을 결정해야 한다고 느낍니다. 생각하는 동안에는 일이 되고 결국 AI를 사용하지 않게 됩니다.

오치아이의 방법은 그 반대입니다. 2025년 저서 '고양이도 이해하는 생성형 AI'의 발췌문에서 AI 사용법을 모르면 AI 자체에게 사용법을 묻고, 음성으로 대화하며 감을 잡고, 원하는 답변과 다르면 AI가 사용자를 인터뷰하도록 하라고 소개합니다. 여기서 핵심은 '질문 준비'를 인간 혼자서 완성하지 않는 것입니다.

예를 들어, 새 프로젝트를 구상 중이지만 스스로 목적을 말로 표현하지 못한다고 가정해 보겠습니다. 보통은 AI에게 묻기 전에 스스로 정리하려고 할 것입니다. 하지만 다음과 같이 시작할 수 있습니다.

새 프로젝트를 구상 중인데 아직 목적을 스스로 말로 표현하지 못했어요. 대상 고객, 해결해야 할 문제, 가용 자원, 피해야 할 사항을 하나씩 질문해 주면서 명확히 해 주세요. 제 답변에 모순이 있으면 그 자리에서 지적해 주세요.

그러면 AI와의 대화 자체가 요구사항 정의가 됩니다. 누구에게 도달하고 싶은가? 왜 하는가? 현재 대안은 무엇인가? 예산은 얼마인가? 무엇이 실패인가? 양보할 수 없는 부분은 무엇인가? 완성된 명령을 AI에게 주는 것이 아니라 AI와의 대화를 통해 명령을 완성하는 것입니다.

이 차이는 엄청납니다. 먼저 완벽한 프롬프트를 만들려고 하면 자신이 이미 이해하고 있는 범위 내에서만 쓸 수 있습니다. AI가 질문하게 함으로써 아직 생각하지 못한 조건을 발견할 수 있습니다. AI는 답변 기계인 동시에 인간의 모호함을 발견하는 질문 장치가 됩니다. 노력의 천재는 처음부터 올바른 탐구를 가진 사람이 아니라, 모호한 상태에서 시작하여 상호작용하면서 탐구의 해상도를 높일 수 있는 사람입니다.

3. 떠오르는 생각은 먼저 음성으로 포착하라

인간의 생각이 반드시 문장 형태로 발생하는 것은 아닙니다. 어떤 것이 흥미로워 보인다거나, 어제의 대화가 오늘 본 이미지와 연결된다거나, 설명할 수 없는 불쾌감이나 이름 없는 이미지가 떠오를 수 있습니다. 이 상태에서 문장을 쓰려고 하면 생각이 멈춥니다. 첫 문장을 고치고, 단어 뜻을 확인하고, 배경을 추가하고, 논리를 재정렬하는 편집을 하게 됩니다. 아이디어를 기록하려고 했는데 중간에 편집이 되어 버립니다.

2023년, 오치아이는 음성 인식 도구 Whisper와 GPT-4를 결합하여 자신을 디지털 방식으로 보완하는 방법에 대해 썼습니다. 아이디어의 맥락은 나중에 보충할 수 있으므로 설명에 소요되는 시간을 더 앞선 생각에 재투자할 수 있다고 말했습니다. 이는 AI 시대에 매우 강력한 메모 기술입니다. 일반적인 메모에서는 기록과 편집이 동시에 일어납니다. 오치아이 방식에서는 이 두 가지가 분리됩니다.

먼저 생각을 멈추지 않고 말합니다. "이것과 저것이 비슷한 것 같아." "왜 그런지 모르겠지만 궁금해." "이런 이미지를 만들면 어떻게 될까?" "전제가 틀렸을 수도 있어." "아까 생각한 것과 모순되지만..." 문법을 고치거나 순서를 걱정할 필요가 없습니다. 그런 다음 AI가 받아쓰기를 다음 범주로 분류하도록 합니다.

• 관찰된 사실
• 개인적 해석
• 검증되지 않은 가설
• 제작 또는 연구를 위한 아이디어
• 다음에 조사할 항목
• 설명이 부족한 부분
• 모순된 진술

그런 다음 인간이 AI가 정리한 결과에 맥락을 추가합니다. 이 순서로 진행하면 창의적 단계가 글쓰기 능력에 방해받지 않습니다. 생각의 속도를 유지하고 나중에 설명 가능한 형태로 되돌릴 수 있습니다. AI는 아직 말이 되지 않은 생각을 잃지 않도록 하는 버퍼로 사용할 수 있습니다. 단, 음성을 녹음할 때는 타인의 대화, 기밀 정보, 개인 데이터가 포함되지 않았는지 확인해야 합니다. 모든 것을 AI에 보내는 것은 아닙니다. 기록 속도가 빨라질수록 어떤 정보를 입력할 수 있는지 그 경계를 관리하는 것이 더 중요해집니다.

4. 하나의 AI만 믿지 말고 여러 AI를 동시에 실행하라

오치아이의 AI 활용을 상징하는 것은 여러 모델의 병렬 운영입니다. 2025년 말 PIVOT 기사에서 새 프로젝트나 연구를 시작할 때 ChatGPT, Gemini, Grok, Claude를 동시에 실행하고 딥 리서치 기능을 사용하여 배경 정보를 한꺼번에 조사한다고 소개되었습니다. 이 가치는 단순히 정보량이 4배가 되는 것만이 아닙니다. 각 모델은 구성, 참조 정보, 주의 사항, 작성 스타일에서 강점이 다릅니다.

같은 질문에도 하나는 제도적 측면을, 다른 하나는 기술적 측면을, 또 다른 하나는 미래 예측 쪽으로, 또 다른 하나는 많은 반대 의견을 제공할 수 있습니다. 중요한 것은 네 가지 답변을 평균내는 것이 아니라 답변이 충돌하는 지점을 살펴보는 것입니다. 일관된 부분은 상대적으로 안정적인 정보일 수 있습니다. 하나의 AI만이 제기한 포인트는 새로운 발견일 수 있습니다. 숫자가 다르면 대상 기간이나 정의에 차이가 있을 수 있습니다. 인용이 다르면 원출처로 돌아가야 합니다.

하나의 AI를 상사처럼 사용하면 답변을 채택하거나 거부하는 이분법적 선택이 됩니다. 여러 AI를 연구팀으로 사용하면 답변을 서로 충돌시킬 수 있습니다. 예를 들어, 역할을 나눌 수 있습니다. 첫 번째는 표준 설명을 만들고, 두 번째는 표준 설명이 성립하지 않는 반례를 찾고, 세 번째는 1차 출처만 수집하고, 네 번째는 구현 장애물과 비용을 추정하고, 다섯 번째는 일반 사용자가 이해할 수 있는 언어로 번역하는 식입니다.

2026년 7월 기준, 일부 딥 리서치 기능은 웹 검색뿐만 아니라 사용자가 허용한 파일, 클라우드의 문서, 이메일까지 조사 대상에 포함할 수 있습니다. 코딩 에이전트는 코드베이스를 읽고, 여러 파일을 편집하고, 명령을 실행하는 수준으로 발전했습니다. 이런 상황에서 '어느 AI가 가장 똑똑한지' 한 번 결정하는 것은 큰 의미가 없습니다. 모델은 업데이트되고, 가격은 변하며, 전문 분야도 바뀝니다. 중요한 것은 특정 브랜드에 대한 충성심이 아니라 작업을 분해하고 그 작업에 맞는 능력을 배치하는 것입니다.

5. 하나의 채팅으로 기획부터 완료까지 모두 처리하지 마라

AI에게 "신제품을 기획하고, 조사하고, 디자인하고, 홍보 카피를 작성하고, 구현해"라고 요청하는 것은 효율적으로 보입니다. 하지만 모든 단계를 같은 대화에서 진행하면 AI가 처음 만든 가설이 이후 단계에서 사실로 취급될 가능성이 높습니다. AI는 스스로 만든 시장 가설을 바탕으로 계획을 세우고, 그 계획이 옳다고 가정하고 카피를 작성한 다음, 계획 자체를 평가합니다. 내부적으로는 일관되지만, 그 일관성은 초기 가정이 모든 단계에 걸쳐 전달된 결과일 수 있습니다.

오치아이의 공개 워크플로우에서는 정보 수집에 여러 언어 모델, 개념 시각화에 Midjourney 또는 Stable Diffusion, 구현에 Cursor 등 단계별로 다른 도구를 사용합니다. 이 방법에는 두 가지 장점이 있습니다. 하나는 각 단계에 가장 적합한 AI를 사용할 수 있다는 점입니다. 다른 하나는 단계 사이에 인간의 판단을 끼워 넣을 수 있다는 점입니다. 연구 결과를 읽고 인간이 가설을 선택합니다. 선택된 가설을 바탕으로 이미지를 만듭니다. 이미지를 보고 방향을 수정합니다. 수정된 방향을 사양으로 변환합니다. 사양을 코드 생성 AI에 전달합니다. 인간이 움직이는 제품을 시험해 보고 문제를 찾습니다. 즉, AI 작업을 직접 AI에 연결하지 않고 그 사이에 선택 게이트를 배치하는 것입니다. 이 게이트에서 인간은 무엇을 유지하고 무엇을 버릴지 결정합니다. 오치아이 스타일 워크플로우를 추상화하면 다음과 같습니다.

연구 → 인간의 가설 선택 → 시각화 → 인간의 방향 수정 → 구현 → 실제 환경 테스트 → 인간의 평가 → 재연구

AI 활용이 얕은 사람들은 AI로부터 완성된 결과물을 받으려고 합니다. AI 활용이 깊은 사람들은 프로세스를 세분화된 단계로 자르고 각 단계에서 AI와 인간의 할당을 재구성합니다.

6. 딥 리서치는 '답변'을 만드는 기능이 아니다

딥 리서치는 짧은 시간에 방대한 자료를 찾고, 비교하고, 인용을 포함한 긴 보고서로 요약합니다. 2025년 2월, 오치아이는 자신의 노트에 딥 리서치 테스트 결과로 '디지털 네이처', '객체 지향 존재론', '포스트휴머니즘', '엑스포 파빌리온'을 넘나드는 약 25,000자의 출력물이 한 번에 생성되었다고 소개했습니다. 이것만 보면 "AI가 25,000자를 쓰게 하면 연구가 끝난다"고 생각할 수 있습니다. 하지만 긴 생성 텍스트와 올바른 내용은 다른 것입니다.

AI는 존재하지 않는 인용을 만들 수 있습니다. 같은 이름의 연구자나 논문을 혼동할 수 있습니다. 사실과 추측을 매끄러운 문장으로 연결할 수 있습니다. 오래된 숫자를 마치 현재인 것처럼 설명할 수 있습니다. 오치아이주쿠 워크숍을 요약한 자료에도 AI가 문헌 검색, 분석, 가설 구축 속도를 높일 수는 있지만 출력의 정확성과 인용의 타당성은 인간이 검증해야 한다고 명시되어 있습니다. 따라서 딥 리서치에 요청해야 할 것은 "진실을 알려줘"가 아니라 다음과 같은 작업입니다.

• 이 주제에 포함된 포인트는 무엇인가?
• 중요한 1차 출처는 무엇인가?
• 연구자들 사이에 의견 차이가 있는 부분은 어디인가?
• 해당 숫자에 대한 정의는 몇 가지 유형이 있는가?
• 어떤 주장이 검증되지 않았는가?
• 추가로 확인해야 할 자료는 무엇인가?

요컨대 딥 리서치의 주요 역할은 연구 지도를 만드는 것입니다. 지도에 그려진 길을 실제로 확인하는 것은 인간입니다. 연구 정확도를 높이려면 AI에 다음 출력을 요구하는 것이 좋습니다.

• 사실, 추측, 예측을 분리할 것.
• 각 주장에 출처를 첨부할 것.
• 출처의 발행일과 다루는 데이터의 대상 기간을 분리할 것.
• 1차 출처와 2차 출처를 구분할 것.
• 확인할 수 없었던 항목을 명확히 밝힐 것.
• 반증을 별도 열에 제공할 것.
• 여러 자료에서 숫자가 다르면 차이의 이유를 추정할 것.

딥 리서치로 절약한 시간을 다른 작업에 바로 사용해서는 안 됩니다. 절약한 시간의 일부를 검증에 재투자하십시오. 이것이 AI로 대량의 정보를 처리하는 인간의 책임입니다.

7. 긴 프롬프트는 장문 쓰기 경쟁이 아니다

2024년 중고등학생을 위한 워크숍에서 오치아이가 프롬프트를 길고 구체적으로 만들라고 조언했으며, AI는 여러 번 다시 하라고 요청해도 괜찮아한다고 소개했습니다. 참가자들은 ChatGPT로 '2300년을 배경으로 한 이야기'를 만들고 생성형 AI를 사용하여 스토리보드로 확장했습니다. 하지만 '길수록 좋다'는 말을 문자 그대로 받아들여서는 안 됩니다. 관련 없는 정보를 대량으로 쓰면 명령이 모호해집니다. 가치는 길이 자체에 있는 것이 아니라 인간의 머릿속에만 있었던 전제를 AI가 처리할 수 있는 형태로 만드는 데 있습니다.

2024년, 오치아이는 입력 가능한 정보량이 늘어남에 따라 추상적 개념과 객체 지향적 구조를 프롬프트에 가져올 가능성에 대해 썼습니다. 또한 ChatGPT의 검색 지원에 맞춰 커스텀 인스트럭션을 업데이트하고 있습니다. 여기서 보이는 것은 일회성 '신 프롬프트'를 찾는 태도가 아니라 작업에 따라 명령 시스템 자체를 업데이트하는 태도입니다. 깊이 있는 프롬프트에는 최소한 다음 요소가 포함됩니다.

• 목적: 이번에 궁극적으로 무엇을 결정하려고 하는가?
• 배경: 왜 이 작업이 필요한가?
• 현재 알려진 것: 확인된 사실, 과거 이력, 가용 자원.
• 알려지지 않은 것: 확인되지 않은 항목, 모호한 정의, 상충되는 정보.
• 제약 조건: 예산, 마감일, 권리, 금지 사항, 대상 고객.
• 평가 기준: 좋은 출력을 판단하는 기준은 무엇인가?
• 작업 프로세스: 연구, 아이디어 도출, 비교, 구현, 검증을 어떻게 나눌 것인가?
• 도구 권한: 검색, 파일 보기, 코드 실행 등 무엇을 허용할 것인가?
• 중단 조건: 자동 실행을 중단하고 인간이 확인해야 하는 시점은 언제인가?
• 출력 형식: 사실, 가설, 제안, 확인되지 않은 항목을 분리하여 표시할 것.

이것은 프롬프트라기보다는 소규모 작업에 대한 사양서에 가깝습니다. AI 시대에는 글을 쓰는 능력과 시스템을 설계하는 능력이 수렴합니다. '영리한 요청'을 작성하는 것이 아니라 목적, 상태, 제약 조건, 판단 기준을 AI가 처리할 수 있는 형태로 기술하는 것입니다. 오치아이 스타일의 긴 프롬프트는 단어 수를 늘리는 것이 아니라 구조화된 사고를 전달하는 것입니다.

8. 첫 번째 답변은 '완성품'이 아니라 탐색을 위한 재료다

AI 사용을 시작하는 사람들은 첫 번째 답변을 기준으로 판단합니다. 좋으면 채택하고, 나쁘면 "AI는 쓸모없다"고 생각합니다. 하지만 오치아이의 공개 사례에서 볼 수 있는 것은 첫 번째 출력을 완성품으로 취급하지 않는 태도입니다. 대화를 레이어링합니다. 세부 사항을 끌어냅니다. 형식을 바꿉니다. 다른 AI에 던집니다. 이미지로 만듭니다. 코드로 만듭니다. 실제로 움직여 봅니다. 문제가 발생하면 다시 명령을 바꿉니다. 2023년 오치아이는 단계적으로 대화를 진행함으로써 세부 사항이 드러나고 자연어에서 코드, 이미지, 음성으로 확장하기 쉬워진다고 썼습니다.

AI의 가장 큰 특징은 처음부터 정답을 줄 수 있다는 것이 아니라 재시도의 사회적 비용이 낮다는 것입니다. 인간 디자이너에게 근거 없이 백 번 수정을 요구하면 관계가 깨집니다. 직원에게 변덕으로 같은 문서를 여러 번 다시 만들게 하면 시간과 동기를 빼앗게 됩니다. AI는 같은 요청을 몇 번을 바꿔도 지치지 않습니다. 그렇기 때문에 AI를 사용할 때는 인간에게 의미 없는 수정을 강요하는 대신 AI 단계에서 탐색의 양을 늘릴 수 있습니다. 하지만 "더 좋게 만들어"라고만 반복하면 한계에 부딪힙니다. 필요한 것은 수정 이유를 기록하는 것입니다.

• 이 계획은 누구에게나 적용됩니다.
• 이 이미지는 색상이 아니라 구도가 약합니다.
• 이 코드는 작동하지만 유지보수가 어렵습니다.
• 이 텍스트는 정확하지만 제 경험이 부족합니다.
• 이 프로젝트는 흥미롭지만 실행자가 없습니다.

거부 이유를 AI에 돌려주는 것이 다음 세대의 조건이 됩니다. 그러면 명령 시스템은 반복할 때마다 더 똑똑해집니다. 노력은 같은 작업을 여러 번 반복하는 것이 아니라 각 실패를 다음 조건으로 변환하는 것입니다.

9. 자연어를 구현 언어로 사용하라

오치아이는 생성형 AI가 자연어와 프로그래밍 언어 사이의 거리를 좁힌다는 점을 일찍이 지적했습니다. 2023년 글에서 그는 음성 인식과 ChatGPT의 출현으로 자연어에서 코드로의 변환이 쉬워져 단어를 통해 비디오, 음악, 텍스트 등 다양한 출력물을 만들 수 있다고 주장했습니다. 이것은 "프로그래밍을 몰라도 무엇이든 만들 수 있다"는 단순한 이야기가 아닙니다. 오히려 요구 사항을 언어화하는 능력의 중요성이 증가합니다.

• 무엇을 입력할 것인가?
• 어떤 데이터를 사용할 것인가?
• 처리 순서는 무엇인가?
• 오류 발생 시 어떻게 대응할 것인가?
• 사용자에게 무엇을 표시할 것인가?
• 무엇을 저장할 수 있는가?
• 완료를 위해 충족해야 할 조건은 무엇인가?

이전에는 이러한 설계가 코드로 작성되었습니다. 이제 그 일부를 자연어로 AI에 전달할 수 있습니다. 하지만 모호한 자연어를 전달하면 모호한 프로그램이 나옵니다. 따라서 AI 코딩이 발전할수록 코드 작성 속도보다 사양의 모순을 발견하는 능력이 더 중요해집니다. 2026년 PIVOT은 '생산성 32배'라는 제목의 단편 영화에서 오치아이의 AI 사용을 소개했습니다. 하지만 공개된 페이지에서만 대상 작업, 비교 기간, 품질 평가와 같은 계산 조건을 확인할 수 없습니다. 이 숫자는 엄격한 기업 생산성 지표라기보다 AI 코딩이 구현 속도를 크게 변화시켰다는 상징적 표현으로 받아들이는 것이 적절합니다.

실제로 코드 줄 수가 32배가 되어도 가치가 반드시 32배가 되는 것은 아닙니다. 버그도 32배가 될 수 있습니다. 검증해야 할 코드도 늘어납니다. 사양 변경 시 영향 범위도 넓어집니다. 사용되지 않는 기능을 대량으로 만들어낼 가능성도 있습니다. AI 코딩의 진정한 결과는 가설에서 프로토타입까지의 시간, 사용자 반응을 얻는 시간, 문제를 찾고 수정하고 재배포하는 시간, 그리고 비용 때문에 이전에는 테스트할 수 없었던 아이디어가 실제로 테스트된 횟수로 측정되어야 합니다.

10. 편리한 AI를 사용하는 데 그치지 말고 AI를 사용할 도구를 직접 만들어라

오치아이의 최신 AI 활용을 특히 상징하는 것은 'vibe-local'과 'co-vibe'입니다. Vibe-local은 Python과 로컬 LLM 실행 환경을 사용하는 오픈소스 코딩 에이전트로 출시되어 네트워크 연결이나 유료 클라우드 서비스 없이 실행할 수 있습니다. 단일 Python 파일을 중심으로 설계되었으며 교육, 연구, 오프라인 워크숍에서 사용하기 위한 것입니다. Co-vibe는 Anthropic, OpenAI, Groq, 로컬 모델 등 여러 제공자를 넘나들며 복잡성에 따라 작업을 분배하는 메커니즘을 가지고 있습니다. 단일 터미널 환경에서 웹 연구, 파일 작업, 코딩, 여러 에이전트의 병렬 실행, 세션 지속을 처리하도록 설계되었습니다.

이 두 가지에서 볼 수 있는 것은 기존 서비스를 있는 그대로 받아들이지 않는 태도입니다. 클라우드에 연결할 수 없는 환경이 있습니다. 학생들은 유료 서비스를 구독할 수 없습니다. 단일 AI 제공자에 의존하고 싶지 않습니다. 내부에서 무슨 일이 일어났는지 확인하고 싶습니다. 연구 장비와 연결하고 싶습니다. 긴 연구 작업을 계속하고 싶습니다. 이러한 불만에 대해 다른 제품을 계속 찾는 대신 필요한 환경을 직접 구축합니다. AI 네이티브 노력은 단순히 프롬프트를 고안하는 것만이 아닙니다. 도구 개선을 통해 반복되는 불편함을 없애는 것입니다. 매일 5분씩 걸리는 작업이 있습니다. 매일 수동으로 계속하면 일년에 많은 시간이 됩니다. 스크립트를 한 번 만들면 다음 날부터는 거의 시간이 들지 않습니다. 나아가 그 스크립트를 AI 에이전트에 통합하여 같은 유형의 작업을 자동으로 판단할 수 있게 하면 다른 작업에 사용할 수 있습니다. 노력의 천재는 눈앞의 작업을 빠르게 처리하는 사람이 아니라 다음부터는 노력이 필요하지 않은 부분을 찾아내고 그만큼 새로운 노력으로 넘어가는 사람입니다.

11. 블랙박스 상태로 편리하게 사용하지 마라

AI 도구는 편리해질수록 내부를 보기가 어려워집니다. 명령을 입력하고 잠시 기다리면 완성된 결과물이 나옵니다. 사용자는 중간에 어떤 모델이 사용되었는지, 몇 번 실패했는지, 무엇을 검색했는지, 어떤 파일을 변경했는지 알 수 없습니다. 간단한 작업이라면 괜찮을 수 있습니다. 하지만 연구, 비즈니스 시스템, 개인 정보, 장비 제어 등 실패의 영향이 큰 작업에서는 나중에 '왜 그렇게 되었는지' 확인할 수 있어야 합니다.

Co-vibe 의 포지션 페이퍼는 상업용 AI 코딩 지원을 높이 평가하지만, 연구 목적으로는 투명성 부족이 문제가 되며, API 호출, 모델 선택, 도구 실행을 추적할 수 있는 구조가 필요하다고 주장합니다. 또한 단일 AI 제공업체에 고정되지 않고 로컬 모델과 클라우드 모델 간 전환이 가능해야 한다는 점을 설계 요구사항으로 제시합니다. 이는 Ochiai 스타일 AI 활용의 중요한 특징입니다. AI를 마법처럼 사용하지 말고, 관찰 가능한 장치로 사용하라는 것입니다. 어떤 명령이 실패했는가? 몇 번이나 재시도했는가? 어떤 모델이 무엇을 처리했는가? 비용은 얼마나 들었는가? 어떤 파일이 변경되었는가? 몇 개의 테스트를 통과했는가? 인간은 어디에서 승인했는가? 이 모든 것이 기록된다면, 실패는 재현 가능해집니다. 재현 가능한 실패는 개선될 수 있습니다. 반대로, "어쩌다 이번엔 잘 됐다"는 상태는 다음 작업에서 재현할 수 없습니다. AI 내부의 비공개적인 생각을 읽을 필요는 없습니다. 필요한 것은 확인 가능한 행동의 기록입니다. 검색한 자료, 실행한 작업, 변경 사항의 차이, 테스트 결과, 비용, 처리 시간과 같은 것들입니다. AI에 더 많은 작업을 맡길수록 로그를 소홀히 해서는 안 됩니다. 제품만 보지 말고, 제품이 만들어지기까지의 과정을 저장하세요. 이것이 AI를 도구로 훈련시키는 기초입니다.

12. 창작에서는 AI가 인간의 말에 너무 복종하게 하지 마라

업무에 AI를 사용할 때는 사용자의 의도대로 움직이는 것이 중요합니다. 하지만 창작에서는 상황이 다릅니다. 인간이 상상한 대로만 결과물이 나온다면 AI를 사용하는 의미가 옅어집니다. 완성된 형태가 이미 머릿속에 있다면, 인간이 그냥 직접 만드는 것이 낫습니다. AI의 가치는 때때로 사용자가 예상하지 못한 연결을 만들어내는 데 있습니다. Ochiai는 당시 GPT-4.5의 "문학적" 성격, 즉 논리적 형식에 갇히지 않고 단어와 기호 사이를 뛰어넘는 능력을 평가하는 방식으로 소개되었습니다. 이는 모델 우월성에 대한 보편적인 평가가 아니라, 예측 불가능한 연결을 만들어내는 AI를 창작에 활용하려는 태도입니다.

다른 글에서 Ochiai는 AI 창작을 인간이 모든 것을 통제하는 경우, 완전히 자동 생성에 맡기는 경우, 그리고 인간이 AI 생성을 기반으로 선택과 미세 조정만 수행하는 경우로 분류하고 그 사이의 모순을 검토했습니다. 인간이 너무 세밀하게 수정하면 AI 특유의 일탈이 사라지고, 완전 자동화하면 인간의 창작 욕구를 충족시키기 어렵습니다. 여기서 도출되는 것은 "AI가 좋은 작품을 만들게 하는 프롬프트"가 아니라, AI의 예상치 못한 면을 얼마나 남겨둘 것인가에 대한 편집 기술입니다. 예를 들어, AI가 만든 이미지에 이상한 형태가 나타났다고 가정해 보겠습니다. 보통은 결함으로 간주하고 삭제할 것입니다. 하지만 그 이상함 속에서 새로운 인상을 발견했다면, 전체 구성을 그 형태에 맞출 수도 있습니다. AI가 만든 텍스트에서 평소에는 연결되지 않는 개념들이 나란히 놓여 있다면, 무의미하다고 잘라낼 수 있습니다. 반면, 인간은 왜 그 두 가지가 나란히 놓였는지 생각하고 그것을 새로운 탐구로 전환할 수 있습니다. Ochiai의 "Liquid Universe" 비디오에서는 액정이 깨진 이미지가 유동적으로 변화하는 모습이 생성형 AI로 제작되었습니다. 2025년 전시에서는 생성형 AI에 의한 비디오가 끊임없이 변화하고, 해양 생물과 용 조각상의 이미지가 생성되고 사라지는 구성이 채택되었습니다. AI가 작가의 손을 완전히 대체하는 것은 아닙니다. 인간은 생성 방법, 재료, 디스플레이 장치, 공간, 시간, 남겨둘 변화, 관객과의 거리를 설계합니다. 창작에서 인간의 노력은 모든 것을 손으로 그리는 것에서 계속해서 생성되는 것들에 경계를 부여하는 것으로 전환됩니다.

13. AI를 채팅 화면 밖으로 꺼내 공간과 신체에 연결하라

많은 사람들에게 AI는 브라우저 안에 있습니다. 질문을 입력하면 텍스트가 돌아옵니다. 하지만 Ochiai의 AI 활용은 화면에 머물지 않습니다. 그의 모바일 작업 환경에서는 Apple Vision Pro 를 "시각을 위한 헤드폰"으로 사용하여 주변 시각 정보를 차단하고 거대한 가상 화면을 확장하는 방식이 소개됩니다. 이는 신칸센 안에서도 자신의 집중 환경을 재구성하려는 발상입니다. 오사카/간사이 엑스포의 "null²"에서 AI는 단순히 텍스트를 반환하는 것을 넘어, 사용자의 분신, 목소리, 비디오, 공간 연출에 연결되었습니다. Mirrored Body 에서는 사용자가 정보와 음성을 등록하여 AI 아바타를 만들고, 이를 파빌리온 연출에 연결하는 메커니즘이 채택되었습니다. 또한, 거기서 사용된 3D 실시간 아바타 기술의 일부는 엑스포 이후 오픈 소스로 공개되었습니다.

AI 활용을 이해하는 데 있어 여기서 중요한 시사점을 얻을 수 있습니다. AI를 사용하는 것은 단순히 채팅에 작업을 요청하는 것이 아닙니다. 인간이 보는 것을 바꾸십시오. 인간이 있는 공간을 바꾸십시오. 신체 움직임을 입력으로 사용하십시오. 음성을 인터페이스로 사용하십시오. 실제 장치를 움직이십시오. 관객의 반응에 따라 표현을 바꾸십시오. AI를 환경의 일부로 설계하십시오. 물론 모든 사람이 값비싼 헤드셋이나 대규모 전시 장비를 준비할 필요는 없습니다. 이식해야 할 것은 장비가 아니라 원칙입니다. 집중을 방해하는 알림을 차단하십시오. 동일한 작업 환경에서 항상 AI를 호출할 수 있게 만드십시오. 음성, 사진, 문서, 코드를 하나의 프로젝트로 통합하십시오. 자주 사용하는 명령어를 템플릿화하십시오. 실제 작업 결과를 AI에 다시 반영하십시오. 인간이 매번 의지력으로 집중할 필요가 없도록 먼저 집중이 발생하는 환경을 만드십시오. 노력을 지속할 수 있는 사람은 단지 의지가 강한 것이 아니라, 주변에 노력이 쉬워지는 환경을 조성하는 사람입니다.

14. AI 시대일수록 구식 수동 경험의 가치는 더욱 커진다

AI를 마스터하려면 최신 도구만 알면 된다고 생각하는 경우가 많습니다. 그러나 Ochiai는 직접 코드를 작성하고, 메커니즘을 이해하고, 기술 변화를 겪어본 "아날로그 올드맨" 같은 경험의 가치를 강조합니다. AI가 코드나 텍스트를 생성하더라도 내부 구조를 이해하지 못하면 문제 발생 시 원인을 판단할 수 없습니다. 직접 손을 움직여 본 경험이 있다면 결함의 징후나 오류 위치를 재빨리 알아차릴 수 있습니다. 이는 단순히 나이 많은 사람이 젊은 세대보다 우월하다는 이야기가 아닙니다. 중요한 것은 나이가 아니라 기본 프로세스를 직접 경험해 보았는지 여부입니다. 텍스트를 여러 번 다시 써본 사람은 AI 텍스트에서 부자연스러운 논리적 연결을 알아차릴 가능성이 높습니다. 사진을 찍어본 사람은 생성된 이미지에서 광원이나 렌즈 표현의 모순을 알아차릴 수 있습니다. 프로그램을 디버깅해본 사람은 실행만으로 위험한 코드를 발견할 가능성이 높습니다. 논문을 읽어본 사람은 존재할 것 같지만 실제로는 없는 인용에서 불편함을 느낄 수 있습니다. 고객 서비스를 담당해본 사람은 AI가 만든 이상적인 업무 흐름이 현장에서 사용될 수 없는 이유를 상상할 수 있습니다.

AI는 초보자의 출력 속도를 높여줍니다. 하지만 초보자를 자동으로 전문가로 만들어주지는 않습니다. 출력이 올바른지 평가하려면 해당 분야에 대한 감각이 필요합니다. 따라서 AI 시대의 학습은 모든 기초를 생략하는 것이 아닙니다. 기본 작업을 필요한 만큼 경험하고, 이후의 방대한 반복을 AI로 가속화하는 것입니다. 계산기가 있다고 해서 숫자의 의미를 배울 필요가 없는 것은 아닙니다. 번역 AI가 있다고 해서 언어의 문화적 차이를 알 필요가 없는 것은 아닙니다. 코딩 AI가 있다고 해서 데이터, 권한, 테스트, 보안을 이해할 필요가 없는 것은 아닙니다. AI 리터러시만으로 전문성을 대체할 수는 없습니다. Ochiai 스타일의 AI 활용은 오래된 기술을 버리는 것이 아니라, 오래된 기술을 AI 출력의 검사 장치로 사용하는 것입니다.

15. 시간을 채우지 말고, 호기심이 움직일 여유를 남겨두라

엄청난 양의 작업을 해내는 사람을 보면 그들이 시간을 분 단위로 관리할 것이라고 생각합니다. 그러나 Ochiai는 과도한 시간 관리가 호기심을 앗아간다는 생각을 보여줍니다. 반면에, 그는 아무것도 관리하지 않는 것이 아니라 아침 시간을 창작 작업에 사용하는 등 집중할 시간대를 설계합니다. 이는 효율성에 관한 중요한 역설입니다. AI로 1시간을 절약했습니다. 그 시간에 새로운 회의를 넣었습니다. 또 1시간을 절약했습니다. 또 다른 요청을 받습니다. 절약된 시간을 모두 계획으로 채우면 처리량은 증가합니다. 하지만 우연한 발견은 줄어듭니다. AI의 효율성을 오로지 일을 쌓는 데만 사용한다면, 인간은 AI가 만든 작업 목록을 소화하는 장치가 됩니다.

Ochiai의 작업 방식에 대한 인터뷰에서는 인류가 아직 만들어내지 못한 결과물을 목표로 하고, 기술적 기반과 예술적 완성도를 모두 끌어올리려는 태도가 언급됩니다. 또한, 처음부터 주제를 고정하기보다는 손을 움직이고 주변 관심사를 시도하면서 주제가 드러난다는 생각도 나타납니다. 새로운 것은 계획의 빈칸을 채우는 것에서 탄생하지 않습니다. 왠지 궁금한 것을 조사해보는 것. 유용할지 모르는 코드를 작성해보는 것. 다른 분야의 책을 읽는 것. 재료를 만져보는 것. 사진을 찍는 것. 이상한 조합을 AI에 던져보는 것. 실패를 살펴보는 것. 이런 시간은 단기적으로는 비효율적으로 보입니다. 하지만 계획된 제품 외부에서 알려지지 않은 주제가 들어옵니다. AI가 일상적인 작업을 더 빠르게 만든다면, 인간은 그 여유를 더 많은 일상적인 작업으로 채워서는 안 됩니다. 고정된 목적 없이 탐험에 사용해야 합니다. 노력의 천재는 하루 종일 계획을 쪼개 넣을 수 있는 사람이 아니라, 무엇에 집중할지, 무엇을 자동화할지, 그리고 어디에 목적 없는 시간을 남겨둘지 선택할 수 있는 사람입니다.

16. '똑똑함'을 AI에 넘긴 후, 인간은 무엇에 노력을 기울여야 하는가?

2026년 인터뷰에서 Ochiai는 인간이 노력과 지능을 통해 얻어온 것을 기계가 대체함에 따라 많은 사람들이 "무엇을 해야 할지"에 대한 실존적 불안에 직면할 가능성에 대해 이야기했습니다. 이는 모든 직업이 이미 대체되었다는 사실이 아니라, 그에 대한 그의 미래 전망입니다. 이 문제는 AI 활용 기술의 최종 지점에 있습니다. 작업을 더 빠르게. 문서를 더 빠르게. 코드를 더 빠르게. 연구를 더 빠르게 끝내는 것. 그 이후가 실현되면, 인간은 무엇을 할까요? 더 많은 문서를 만들까요? 더 많은 코드를 작성할까요? 더 많은 작업을 떠맡을까요? 그렇다면 AI 사용의 목적은 영원히 처리량 증가를 향하게 될 것입니다. Ochiai는 특정 커뮤니티와 관계를 유지하면서 그 가장자리에서 우연히 새로운 것을 발견하는 "마타기" 같은 삶의 방식을 구상합니다. 이는 환경, 신체성, 의례, 공동체와의 접촉을 잃지 않으면서 기술을 사용하는 삶의 방식입니다.

"똑똑하게 처리해야 할 작업"을 AI에 넘긴다면, 인간에게는 다음과 같은 일들이 남습니다:

• 무엇에 놀랄 것인가?
• 무엇을 아름답다고 느낄 것인가?
• 어떤 문제를 무시할 수 없다고 생각할 것인가?
• 누구와 함께 있을 것인가?
• 무엇에 시간을 쓸 것인가?
• 어떤 실패를 감수할 것인가?
• 어디에서 책임을 질 것인가?
• 실제 몸으로 어떤 경험을 얻을 것인가?

이것들은 단순한 정보 처리가 아닙니다. AI는 후보를 만들 수 있습니다. 예측할 수도 있습니다. 하지만 어떤 후보를 자신의 삶으로 선택할지는 오직 인간만이 감당할 수 있습니다. AI 시대의 노력은 더 많은 정답을 기억하는 것에서 자신이 가치 있게 여기는 것을 지속적으로 업데이트하는 것으로 옮겨가고 있습니다.

17. 절대 따라해서는 안 되는 것은 극단적인 생활 습관이다

유명 프로듀서의 작업 기술이 소개될 때, 기상 시간, 수면 시간, 식사 횟수가 주목받는 경향이 있습니다. Ochiai의 경우에도 아침 시간 활용법이나 독특한 식습관이 소개됩니다. 하지만 이러한 생활 습관은 AI 활용 기술의 핵심으로 모방되어서는 안 됩니다. 식단, 수면, 운동, 약물 복용은 체질, 나이, 만성 질환, 업무 내용에 따라 적절한 조건이 다릅니다. 그 사람이 하는 것과 일반적으로 권장될 수 있는 것은 다릅니다. 이 글에서 추출해야 할 것은 식사 횟수가 아닙니다. 그것은 다음과 같습니다:

• 여러 AI를 비교할 것.
• 음성으로 자료를 남길 것.
• 작업 프로세스를 분해할 것.
• 초안을 완성품으로 간주하지 말 것.
• 출처를 확인할 것.
• AI 실행 기록을 남길 것.
• 필요하면 직접 도구를 만들 것.
• 실제 몸과 환경으로 돌아갈 것.

AI로 생산량을 늘리기 위해 수면을 줄이는 것은 장기적인 노력 설계가 아닙니다. AI가 단축시킨 시간을 수면에서 더 빼앗는 대신, 회복, 학습, 관찰, 가족 또는 타인과의 시간에 할당하십시오. 노력의 천재에게서 배워야 할 것은 고통을 견디는 방법이 아닙니다. 동일한 고통을 반복하지 않아도 되도록 시스템을 만들고, 그만큼 알려지지 않은 작업으로 나아가는 방법입니다.

공개된 사례에서 추출한 'Ochiai 스타일 AI 노력 OS'

지금까지의 내용을 일반 업무에 적용할 수 있는 형태로 정리합니다. 이는 Ochiai本人이 공개한 정확한 일일 작업 절차가 아닙니다. 본 기사가 공개된 AI 사용 사례에서 추출한 실용적인 모델입니다.

1단계: 정리되지 않은 상태에서 시작하라

처음부터 제안서를 작성하지 마십시오. 먼저 5~10분 동안 머릿속에 있는 것을 목소리나 텍스트로 그대로 꺼내십시오. 목적, 배경, 감정, 불편함, 아이디어, 우려를 섞어도 좋습니다. 그런 다음 AI에 다음과 같이 요청하십시오:

내 진술을 확인된 사실, 해석, 가설, 희망, 제약 조건, 미확인 항목으로 분류해 주세요. 아직 결론을 내리지 말고, 목적을 명확히 하기 위해 한 번에 하나씩 질문해 주세요.

여기서 AI가 답을 주도록 하지 마십시오. 인간 쪽의 모호함을 발견하도록 하십시오.

2단계: 동일한 작업을 세 개 이상의 AI에 전달하라

하나의 AI에 의존하지 마십시오. 동일한 배경 자료와 질문을 여러 AI에 전달하십시오. 하지만 단순히 세 개의 동일한 답변을 수집하지 말고, 역할을 변경하십시오. 하나는 표준 조사를, 하나는 반례를 찾도록, 다른 하나는 구현 방법과 비용을 생각하도록 하십시오. 가능하다면 또 다른 하나는 사용자나 반대자의 관점을 처리하도록 하십시오. 출력 후에는 비교표를 만들도록 하십시오:

• 모든 AI가 동의한 사항
• 일부만 주장한 사항
• 숫자나 사실이 충돌한 사항
• 1차 출처에서 확인해야 할 사항
• 아무도 고려하지 않은 사항 인간은 답변 자체가 아니라 답변 간의 차이를 읽습니다.

3단계: 텍스트로 끝내지 말고 다른 형식으로 변환하라

연구 결과를 읽는 것에 만족하지 마십시오. 계획이라면 단일 다이어그램으로 만드십시오. 제품이라면 화면 프로토타입을 만드십시오. 작업물이라면 이미지나 짧은 비디오로 만드십시오. 시스템이라면 사용자가 거치는 절차 다이어그램으로 만드십시오. 연구라면 가설과 검증 방법으로 나누십시오. 아이디어는 텍스트 속에 모순을 숨길 수 있습니다. 구현하려고 할 때 누락된 조건이 나타납니다. 누가 사용하는가? 어떤 버튼을 누르는가? 데이터는 어디서 오는가? 실패 시 어떻게 되돌아오는가? 구현은 아이디어를 위한 검사 장치입니다.

4단계: 하나의 AI가 만든 것을 다른 AI가 분석하게 하라

생성 AI가 오직 자기 평가만 수행하도록 하지 마십시오. 결과물을 다른 대화, 다른 모델, 다른 역할에 전달하십시오. 다음 관점에서 문제를 찾도록 하십시오:

• 사실 오류
• 인용의 부재
• 보안 문제
• 권리 문제
• 대상 청중 오인
• 실행 비용 과소 평가
• 유지보수가 불가능한 부분
• 일반론으로 회피하는 부분
• 인간의 승인이 필요한 부분
• 실패 시 복구 불가능한 부분 인간은 1차 출처나 실제 환경에서 우선순위가 높은 문제를 확인합니다. AI의 검사는 최종 보장이 아닙니다. 인간이 검사해야 할 장소를 좁히는 데 사용하십시오.

5단계: 거절 사유를 다음 프롬프트 자산으로 전환하라

잘못된 출력을 그냥 삭제하고 끝내지 마십시오. 왜 좋지 않았는지 한 줄로 남기십시오.

• "대상 청중이 너무 광범위합니다."
• "기술적으로 가능하지만 사용 사례가 없습니다."
• "텍스트는 정리되었지만 경험이 부족합니다."
• "이미지는 아름답지만 목적과 관련이 없습니다."
• "연구 결과에 1차 출처가 부족합니다."
• "코드는 작동하지만 권한 관리가 부족합니다." 이를 프로젝트 금지 사항이나 평가 기준에 추가하십시오. 다음 번에는 AI가 같은 실수를 할 가능성이 줄어듭니다. 인간의 경험은 커스텀 인스트럭션, 사양, 테스트, 체크리스트로 변환됩니다. 이것은 노력을 축적 가능한 형태로 전환하는 작업입니다.

6단계: 반복되는 불편함을 자동화하거나 도구화하라

매번 같은 명령어를 작성한다면 템플릿으로 만드십시오. 매번 같은 형식으로 변환한다면 스크립트로 만드십시오. 매번 같은 자료를 찾는다면 연구 프로세스를 저장하십시오. 매번 같은 검사를 수행한다면 테스트로 만드십시오. 매번 모델을 선택한다면 작업별 규칙을 만드십시오. 매번 수동으로 파일을 전달한다면 안전한 연결 방법을 고려하십시오. 중요한 것은 단일 작업을 3분 단축하는 것이 아닙니다. 그 3분이 미래에 수백 번 발생하지 않도록 하는 것입니다.

7단계: 마지막으로, 현실로 가져가라

AI 간의 대화로만 평가하지 마십시오. 사람들에게 보여주십시오. 현장에서 움직여 보십시오. 인쇄해 보십시오. 프로젝션해 보십시오. 고객이 사용하게 하십시오. 밖을 걸으며 생각하십시오. 재료를 만져보십시오. 자신의 몸으로 경험하십시오. AI는 그럴듯한 사용자 페르소나를 만들 수 있습니다. 하지만 실제 사용자가 어디에서 길을 잃는지는 현실로 가져가야 알 수 있습니다. 현실은 AI가 만든 아름다운 논리를 깨뜨립니다. 그 파괴가 다음 노력의 방향을 결정합니다.

실용적인 노력 순환 프롬프트

다음은 Ochiai 자신의 프롬프트를 재현한 것이 아닙니다. 이 기사에서 분석된 구조(병렬 연구, 단계적 구현, 반증, 로깅)의 단일 대화 프로토콜입니다.

1당신은 저를 대신하여 한 번에 완성품을 만드는 AI가 아니라, 연구, 프로토타이핑, 반증, 개선의 회전 속도를 높이는 "연구 개발 오케스트레이터"입니다.
2
3【주제】
4{{이번에 작업할 주제}}
5
6【궁극적으로 결정하고 싶은 것】
7{{아는 대로 최대한 채워 주세요. 미정이어도 됩니다}}
8
9【현재 가지고 있는 자료】
10{{메모, 음성 기록, 문서, 데이터, 코드 등}}
11
12【기본 원칙】
131. 내 목적이 모호한 상태에서는 최종 계획을 수립하지 마십시오.
142. 목적, 대상, 제약 조건, 성공 조건을 명확히 하기 위해 한 번에 하나씩 질문하십시오.
153. 사실, 해석, 가설, 제안을 명확히 구분하십시오.
164. 사실에는 출처를 첨부하고 1차 출처를 우선시하십시오.
175. 확인할 수 없는 것은 추측으로 채우지 말고 "미확인"으로 표시하십시오.
186. 첫 번째 계획을 최종 계획으로 취급하지 마십시오.
197. 연구, 아이디어 구체화, 구현, 평가를 별도의 프로세스로 취급하십시오.
208. 동일한 AI가 창작자와 유일한 평가자를 겸해서는 안 됩니다.
219. 인간의 승인이 필요한 부분을 명확히 표시하십시오.
2210. 모든 거절 사유를 다음 생성의 조건으로 기록하십시오.
23
24【1단계: 목적 발견】
25내 입력을 다음으로 분류하십시오:
26- 확인된 사실
27- 나의 해석
28- 검증되지 않은 가설
29- 감정 또는 불편함
30- 사용 가능한 리소스
31- 제약 조건
32- 아직 정의되지 않은 용어
33누락된 정보에 대해 한 번에 하나씩 질문하십시오.
34
35【2단계: 병렬 연구 설계】
36주제를 다음 역할로 나누십시오:
37A. 표준 설명과 주요 자료를 수집하는 연구자
38B. 반례, 반대 증거, 실패 사례를 찾는 반증자
39C. 구현 방법, 비용, 마감일을 생각하는 실무자
40D. 사용자, 비사용자, 불이익을 받는 사람을 생각하는 이해관계자 분석가
41E. 다른 분야와의 예상치 못한 연결을 찾는 탐험가
42각 역할에 대한 질문을 만들어 조사하되, 포인트가 겹치지 않도록 하십시오.
43
44【3단계: 증거 원장】
45연구 결과를 다음 형식으로 작성하십시오:
46- 주장 / 근거 / 출처 / 발행일 / 데이터 기간 / 1차 또는 2차 / 반증 / 신뢰 수준 / 인간 검증 사항
47
48【4단계: 프로토타이핑】
49연구 결과에서 최소 3개의 프로토타입 계획을 만드십시오. 각 계획에 대해 다음을 제시하십시오:
50- 검증할 가설 / 만들 것 / 만들지 않을 것 / 필요 시간 / 필요 비용 / AI가 처리할 프로세스 / 인간이 처리할 프로세스 / 실패 조건
51제가 하나의 계획을 선택할 때까지 전체 구현으로 진행하지 마십시오.
52
53【5단계: 반대 감사】
54프로토타입 또는 초안에 대해 다음 관점에서 문제를 찾으십시오:
55- 사실 / 논리 / 기술 / 안전 / 권리 / 비용 / 대상 / 유지보수성 / 독창성
56심각도를 4단계로 표시하십시오: 중단 / 수정 필요 / 관찰 / 허용.
57
58【6단계: 개선 로그】
59수정이 있을 때마다 다음을 기록하십시오:
60- 변경 전 / 문제 / 변경 내용 / 변경 이유 / 새로 발생한 문제 / 다음부터 프롬프트나 테스트에 추가할 조건
61
62【최종 단계】
63최종 결정을 대신 내리지 마십시오. 옵션, 증거, 반대 의견, 미확인 항목을 정리하고, 제가 채택할 계획과 그 이유를 직접 작성하도록 하십시오.
64
65첫 번째 응답에서는 제안을 하지 말고, 이 주제에 대해 제가 느끼는 가장 구체적인 불편함이나 목적에 대해 한 가지 질문을 하십시오.

결론 — 낙양일치 Yoichi Ochiai는 AI로 '노력을 포기하지 않았다'

낙양일치 Yoichi Ochiai의 AI 활용을 편리한 프롬프트 모음으로 이해한다면 그 본질을 놓치는 것입니다.

여러 AI를 동시에 실행하는 것. 정리되지 않은 생각을 음성으로 복구하는 것. 긴 명령어를 구조화하는 것. 첫 번째 답변을 여러 번 다시 만드는 것. 연구, 이미지, 구현을 다른 도구로 나누는 것. 하나의 AI가 다른 AI의 출력을 비판하게 하는 것. 직접 손을 움직인 경험으로 이상 징후를 발견하는 것. 블랙박스가 문제라면 관찰 가능한 도구를 만드는 것. AI를 텍스트뿐만 아니라 비디오, 공간, 신체, 연구 장비에 연결하는 것. 그리고 AI가 절약한 시간을 호기심과 실제 경험으로 되돌리는 것.

이 일련의 행동들에 공통된 것은 게을러지려는 생각이 아닙니다. 같은 시간 안에 더 많은 것을 시험해보려는 생각입니다. AI 이전에는 하나의 가설을 조사하고 구현하는 것만으로 하루가 끝났습니다. AI 이후에는 여러 가설을 조사하고, 세 개의 프로토타입을 만들고, 실패 이유를 비교하고, 그 결과를 다음 명령어에 반영할 수 있습니다. 그 결과 생긴 여유는 휴식에 사용할 수 있습니다. 다른 작업에 사용할 수 있습니다. 새로운 표현이나 연구에 사용할 수 있습니다. 무엇에 사용할지 결정하는 것은 인간입니다.

낙양일치 Yoichi Ochiai를 '노력의 천재'라고 부른다면, 그 이유는 단순히 그가 다른 사람보다 더 오래 일하기 때문이 아닙니다. 노력을 정신주의로 만들지 않기 때문입니다. 생각을 기록 가능한 형태로 만드는 것. 실패를 다음 조건으로 바꾸는 것. 반복을 자동화하는 것. 도구를 업데이트하는 것. 환경을 조성하는 것. 여전히 인간이 판단해야 할 부분을 남겨두는 것. 그가 AI로 늘리고 있는 것은 완성품의 수만이 아닙니다. 알려지지 않은 것에 도달할 때까지 포기하지 않고 회전을 계속할 수 있는 횟수입니다. AI 시대에 질문되는 것은 "어떤 AI를 사용하고 있습니까?"가 아닙니다. AI가 출력하는 동안 인간은 무엇을 관찰하고 있는가? AI가 만든 후 인간은 무엇을 수정하고 있는가? AI가 더 빨라진 결과, 인간은 어디로 가려고 하는가? 최고의 AI 활용 기술은 노력을 회피하는 방법이 아닙니다. 노력이 일회성으로 사라지지 않고, 다음 노력을 가속화하는 시스템으로 변화하는 것입니다.