호기심을 가지고 계속 도전하고 싶어요.

7년차 AI 개발자, 햇

Apr 18. 2025

수학은 어느 정도 해결 방법이 있잖아요. 맞혔을 때 오는 쾌감 그런 게 재미있었던 것 같아요. 국어는 어릴 때부터 읽는 걸 좋아했어요. 문학에서는 ‘이 화자는 이런 식으로 느끼네’ 이런 게 재밌고 비문학은 새로운 정보니까 ‘오! 이런 정보가’ 이런 느낌이었어요.

저한테 호기심은 관심이에요. 호기심이 없다는 건 이제 관심이 없는 거예요. 그러니까 인생에 호기심이 없다 그러면 인생에 관심이 없는 거예요. 사는 거에. 어떤 분야든 계속 호기심이 있으면 좋겠어요. 그런 거에 활력을 얻고 뭔가 해보고 싶고 이렇게 도전하고 싶어요.

지금 서비스를 하시려는 분들은 타겟하는 고객들한테 어떤 서비스가 필요할까 좀 더 생각하면서 해야 되는 게 어려울 것 같아요. AI 모델은 어느 정도는 수준이 다 올라왔거든요. 그걸 이용해 가지고 어떤 프로덕트를 만들까가 어려운 점일 것 같아요.

오늘 아이티백 햇님 모셨습니다.
안녕하세요. 햇님 입니다.

햇님 자기소개 부탁드립니다.
저는 AI 개발 직무를 갖고 있는 햇님이라고 합니다. 오늘 재밌는 얘기 많이 나눠봤으면 좋겠습니다.

반갑습니다. 햇님 AI 개발 하신다고 하셨어요. AI 개발은 뭘 하는 일인가요?

사실 AI 개발자라고 저도 주변에 소개를 하면 꼭 이런 질문하시는 분들이 있어요. 개발자면 개발자지 AI 개발자는 무슨 개발자야 이렇게 하시는데 사실 AI 개발자라고 뭔가 딱 정해져 있는 건 아닌 것 같고요. 제가 생각하기로는 AI 붐이 오면서 많이들 개발을 하면서 AI 관련한 어떤 서비스 같은 것도 있고 또 모델도 개발하시는 분들도 있을 텐데 거기서 각 분야 그런 걸 통칭해서 전체를 일단 AI 개발자라고 하는 것 같고요. AI 개발자 안에 모델을 주로 학습시키는 그런 모델 하시는 분들 모델 학습시키는 거 안에서도 많이 세분화하려면 할 수 있고요. 또 그런 서비스 AI 서비스를 만들려고 하면서 그걸 AI를 위한 인프라 환경도 있어야 돼요. 인프라 쪽을 하시는 분들도 있고 또 그런 서비스를 위한 프론트엔드단 왜냐하면 모델과 통신을 해야 되기 때문에 그런 걸 같이 처리해 주는 프론트단도 있어서 그런 걸 다 총칭해서 다 AI 개발자라고 하는 것 같아요.

햇님은 이 중에 어떤 일을 하는 AI 개발자인 거예요?

저는 주로 모델을 학습시키거나 아니면 API 같은 거를 따와 가지고 실제로 그냥 AI에 할 수 있도록 완전 프론트나 백쪽은 아니고요. 그런 서비스에 들어갈 수 있는 상품을 기획하고 안에도 일부 엔진 같은 걸 참여하고 그런 편이에요.

AI 개발자는 무슨 일을 하는지 궁금해서 그거 먼저 여쭤봤는데 지금 일한 지는 7년 차라고 하셨어요. 그러면 일의 시작을 AI 개발로 하신 건가요?

제가 딱 했을 때쯤이 각 회사에서 조금씩 AI 부서들이 생기고 신입들도 뽑고 이러는 시기였던 것 같아요. 제가 19년도 입사하니까 그때쯤이었고요. 그러면서 그때 하나둘씩 생기고 대학원도 더 많이 생기고 이렇게 됐는데 일단 저는 처음에 오자마자 그런 부서에 들어가서 AI 개발자로 바로 일을 시작했던 것 같아요.

2019년에 신입사원으로 입사했는데 AI 개발 직군으로 입사하신 거예요? 대학 전공은 뭐였어요?
저는 원래는 수학이 주전공이었고 그다음에 컴공 같이 믹싱할 수 있는 게 그때 AI가 수학이랑 그런 거 다 들어간다 이렇게 해가지고 시작을 스터디 같은 걸 하면서 배우고 또 마침 그 직무가 있길래 지원했다가 그때 들어갔죠.

고등학교 때는 내가 대학을 수학과로 가야지라고 생각하셔서 그런건가요?

그건 아니고, 그런데 수학을 좋아하긴 했어요. 제일 좋아했던 과목 중에 하나이긴 해가지고 수업 재밌으니까 하고 들어갔는데 녹록지 않기는 했죠. 들어가고 나니까

재밌는 과목이 수학 말고 또 뭐였어요?
저는 국어

너무 황당하네요.
문학, 비문학 이런 거 다 읽는 거 좋아하고 새로운 지식을 얻는다는 느낌으로 좋아했던 것 같아요. 읽으면서 오 그렇구나 하면서

수학은 어떤 점이 좋았고 국어는 어떤 점이 좋았어요?

수학은요. 일단은 수능 수학 같은 경우는 어느 정도 해결 방법이 있잖아요. 그러니까 그거를 맞혔을 때 오는 그 쾌감 그런 게 좀 재미있었던 것 같아요. 좀 생각하고서 그걸 풀었을 때 이렇게 하는 거요.

국어는요?

국어는 진짜 말 그대로 원래 어릴 때부터 읽는 걸 좋아했어요. 그래가지고 그냥 읽는 거 문학이든 비문학이든 읽으면서 ‘아 그렇구나’ 문학에서는 ‘이 화자는 이런 식으로 느끼네’ 이런 거에 재밌고 비문학 할 때는 새로운 정보니까 ‘오 이런 정보가’ 이러면서 그런 느낌이었어요.

그러면 수학과 갈 때 고민 많이 하셨겠어요?

그건 아니고, 일단 이과였으니까 문과는 배제가 아예 됐죠. 그냥 이과에서 고민하는 거였는데 저때는 생물학과 이런 것도 엄청 인기 많았었거든요. 근데 저는 또 그렇게까진 과학을 안 좋아하니까 근데 수학 가도 될까 이러긴 했는데 일단은 가보자 했다가 솔직히 수학보다는 저는 컴공이 더 맞았던 것 같아요.

컴공 수업에 도대체 어떤 부분이 맞으셨던 거예요?

저는 처음 코딩 할 때도 이것도 약간 수학 문제 푸는 거랑 비슷하다고 생각했어요. 알고리즘적인 게 살짝 있잖아요. 그래가지고 그렇게 어렵지 않은 생각보다 알고리즘이고 또 수학 전공을 가다 보면 한참 그냥 종이와 글씨에 있어서 왜냐하면 다 증명을 하고 살아야 되니까 거기서 이런 코딩을 하면 너무 재미있어요. 오히려 컴공이 더 재밌다 이렇게 생각했던 것 같아요.

그러면 복수 전공인 건가요?

복수 전공같이 그러니까 수학하고 컴콩을 저희 학교는 연계 전공이라고 정보 보호 이런 게 있어요. 정보 보호 복전에 컴공 부전 이런 식으로 하는데 주요 과목은 거의 다 듣긴 해가지고 결국에는

잠깐만요. 주전 수학과 연계 전공 정보보호, 부전 컴공. 학교 몇 년 다니셨어요?

4년이요. 그러니까 연계 전공이 복수로 인정이 되니까. 제가 학교를 좀 늦게 들어갔으니까 칼 졸업해야지 이렇게 생각이 들어서 휴학 안 했었어요.

19년에 입사했을 때는 사실 AI가 이렇게 핫하지 않았잖아요. 그때는 스케일업 할 거라는 예상이 있으셨어요?

알파고가 17년이었던 걸로 알고 있거든요. 그러니까 알파고를 한 번 하면서 AI가 뜨기 시작한 때예요. 19년도가 시작하는 그러니까 AI 분야가 이제 뜬다는데 무슨 스터디도 해봤는데 꽤 재밌고 계속 더 잘 되지 않을까 하면서 지원했던 것 같아요.

7년 동안 일했으니까 그때 그 시절의 결과와 지금의 결과는 본인이 담당자로서 느끼기에 확 차이가 있어요?

그럼요. 완전 다르고요. 일단은 LLM이 요새는 핫한데 그 안에는 트랜스포머라는 아키텍처 구조가 있거든요. 그 구조가 나오기 전과 후가 많이 차이가 나는 거예요. 그 구조가 완전 지금 최근에는 다 씹어 먹고 있는 거죠.

그 구조라는 건 어떤 역할을 하는 거예요?

어떤 AI 모델이 있을 때 그 모델의 구조예요. 진짜 말 그대로 어떤 함수같이 뭔가 하나 유닛이 있다고 치면 그래서 인풋이 들어가서 이 유닛을 통과해서 아웃풋이 나와요. 그러면 이 유닛을 어떻게 구성할지에 따라서 그리고 또 얼마나 많은 유닛을 갖다 붙일지에 따라서 천차만별일 거잖아요. 근데 그 유닛의 트랜스포머는 이런 유닛을 특이한 좀 더 구조로 만든 거고 그 구조가 생각보다 학습이나 결과물이 너무 좋아가지고 이렇게 잘 되고 있는 거죠.

그걸 쓴 게 오픈 AI인 거예요?
네, 챗 GPT 모델이 그런 구조를 따라간 거죠.

그럼 그 구조는 다른 회사에서 따라 할 수 없어요?
아니요. 아니요. 그 구조는 구글이 먼저 논문을 냈었고 그리고 나서 챗 GPT는 그 구조인데 그 구조를 조금 더 크고 계속 반복되게 여러 번 그걸 큰 구조를 반복해서 만들었어요. 그렇게 그냥 늘렸더니 잘 된다 이런 식으로 나온 거예요. 그러니까 다들 이렇게 하니까 그냥 잘 된다고 이러면서 시작하게 된 거예요.

그럼 본인들도 그럴 줄 몰랐는데 그래버린 건가요?
핵심 개발자 말로는 그런 생각이 있긴 했다고 해요. 뭔가 직관 같이 이런 걸 늘리면 될 것 같다 그러다가 컴퓨팅 관점에서 늘리는 거에 대비해서 계산이 워낙 많아지다 보니까 그래서 많이 못하고 있다가 점점 기술이 발전할 거잖아요. 컴퓨팅 기술이 그러면서 이걸 시도해 보게 됐고 잘 됐다 이거가 나온 거죠.

일도 7년째 하셨고 기술도 훌륭해진 상황이어서 지금 일하는 게 너무 행복하실 것 같은데 어때요?

재미있는 것도 있고 자기가 좋아하는 호기심 많은 그런 부분도 있지만 워낙 진짜 빠르게 발전하다 보니까 이 속도를 계속 따라가야 된다는 그런 것 때문에 스트레스받을 때도 있고 그럴 때가 있어요.

AI 개발자 입장에서 속도를 따라가야 된다라고 할 때 제일 신경이 쓰이는 포인트는 뭐예요? 예를 들면 새로운 트렌드를 확인하느라고 힘든 건지 아니면 그 트렌드를 내가 실제로 다 써보고 어떻게 구현할지 체화하는 방향이 힘든 건지

둘 다요. 그만큼 빠르게 많이 나오기도 하고 그걸 갖다 써서 확인을 해봐야지 실제 성능을 알 수 있잖아요. 그러니까 그런 것도 해보고 또 잘 된다 싶으면 이게 왜 잘 될까 분석도 해야 되고 그러니까 할 게 생각보다 많긴해요.

지금은 회사에서 어떤 일을 하고 계신 거예요?

지금은 모델을 튜닝하는 학습하는 일은 지금은 잠깐 멈추고 있고 오픈 소스 모델들을 사용해서 저희 사내 챗봇 서비스로 만들고 있어요. 그리고 그 챗봇 서비스를 좀 더 잘 하기 위한 그런 기능들도 개발을 하고 또 그다음에 이 모델들을 이용해서 다른 사용자들한테 좀 더 도움이 될 만한 번역 서비스라든지 그런 것 서비스들도 기획을 하고 있어요.

요새 담당하시는 메인 프로젝트가 뭐예요?
메인 프로젝트는 번역 서비스 같은 것도 하나 만들고 있고 그다음에 이 사내 챗봇 서비스를 좀 퍼플릭시티처럼 좀 고도화해 가지고 사내 지식을 검색해서 잘 나올 수 있도록 하는 그런 기능에 대해서도 개발을 하고 있어요.

기획도 하시는 거 아니에요?

그렇죠 그냥 이거 해야겠다 하고서 그냥 하는 거죠.

보통은 기획자가 따로 있고 AI 개발자가 있어서 기획의 요구 사항을 AI 개발자가 만들어 준다고 저는 이해했는데 지금 햇님은 기획부터 스스로 다 해서 하나의 챗봇 이런 거를 끝까지 만들고 있나요?

그렇죠. 인원이 그렇게 많지 않다 보니까 어쩔 수 없이 그냥 다 하는 거 같아요. 저희가 제조 회사 쪽이다 보니까 나머지 개발자분들은 제조 제품들을 만들고 있다 보니까 완전히 AI 쪽은 좀 접근으로 가고 있는 것 같아요.

요새 제조에도 AI 기술이 많이 들어가잖아요.

근데 아직은 저희는 많이 하고 있지 않은 것 같아요. 어쨌든 소프트웨어를 개발하고 있긴 하지만 그냥 코딩 어시스턴트나 이런 거 사용하는 정도. 근데 계속 들어오겠죠. 칩이라든지 이런 설계하는 거에 계속 쓰인다고 하고 있으니까.

햇님은 처음에 커리어를 시작할 때부터 AI 개발로 시작하시긴 했는데 그냥 일반 소프트웨어 개발자가 되고 싶다는 생각은 안 해보셨어요?
맨 처음에 고르잖아요. 컴공 들어가면 어느 쪽을 할지 근데 그때 별로 다른 거에 관심이 없었어요. 그냥 AI로 계속해도 괜찮지 않을까 하고 그냥 거의 AI 좀 많이 봤던 것 같아요.

이유가 있어요?
이유라기보다는 그때 생각에는 내가 취업을 한다든지 하면 수학하고 이거를 같이 엮어서 살리고 싶다라는 생각이 강해 가지고 그러려면 AI가 맞지 않을까 이래서 했던 것 같아요. AI는 기본적으로 원래 통계에서 머신러닝을 통해서 만들어졌기 때문에 통계 베이스가 원래 강했었어요. 머신러닝이라고 하면 그리고 그래서 학회도 있는 거고 AI는 계속 학회에서 논문도 나오고 이러고 있는 거고 근데 백이나 프론트도 학회들이 있지만 그런 수식이라든지 약간 좀 느낌이 다를 거잖아요. 물론 거기 안에서도 최적화 이런 쪽은 다 이제 있긴 하겠지만

AI 개발할 때 수학적으로 어떤 수식이나 이런 거를 계속 같이 생각해요?

아니요. 이제는 서비스 개발하는 쪽이다 보니까 엄청 수학으로 파고들거나 그러지는 않는데 처음에 AI 기초 베이스를 쌓을 때 조금 도움이 되죠. 기본 선형 대수라든지 이런 거. 요새는 쉽게 잘 많이 배울 수 있는 콘텐츠들이 많은 것 같아요. 꼭 수학 베이스가 있어야 되는 건 아닙니다.

초창기부터 AI 개발자로 커리어를 시작하셨는데 넥스트를 가져갈 수 있는 분야가 너무 다양할 것 같아요. 넥스트는 이런 거 해보고 싶다는 게 있으세요?

기획 이런 거는 재미있어서 계속할 것 같고 그렇다고 완전 기획자만 하고 싶다는 생각은 조금 덜 하긴 해요. 아직은 이렇게 지금 같이 하는 것처럼 하고 싶고 나중에 때가 되면 좀 더 제가 원하는 어떤 서비스를 만들면 좋긴 하겠죠.

특정한 서비스를 만들 때 혼자서 처음부터 끝까지 다 할 수 있는 상황인 거죠?

아니요. 저희도 어쨌든 웹 서비스이기 때문에 프론트랑 백엔드 하시는 분들도 같이 있고요. 백엔드쪽은 따로 제공해 주시는 분들이 있어서 같이 하는 거죠. 근데 거기서 조금 더 클라이언트 단이라고 해야 되나 서비스에 기획이라든지 어떤 한 부분을 하는 거는 제가 하고 있는 거고 완전 프론트 하시는 분도 있고 좀 더 백엔드 쪽 담당하시는 분도 있고

디자인은 없나 보네요.

그게 회사에 제일 불만 중에 하나인데 그래서 디자인 같은 거 필요하면 저희 감각으로 하는 거예요. 디자인의 중요성을 잘 모르시는 분들도 있는데 저는 이게 생각보다 되게 중요하다고 생각하거든요. 그래 가지고 디자인 공부라도 내가 해야 될까 생각한 적도 있고 최대한 외부 툴 같은 거 보면서 이런 거 따라가야겠다 이런 식으로 하고 결정하고 이러기도 해요. 프론트 담당하시는 분들이랑 같이 얘기하면서 그냥 프론트 개발자분이 하시는 거예요. 디자인 의견이 필요하면 저랑 같은 몇몇 분들이 의견 주는 거고요.

이거는 회사의 문화인 거예요? 특수한 상황인 거예요?

저희 회사가 약간 그런 것 같아요. 보안이라든지 이런 것도 엄청 중요하기 때문에 완전 IT적인 그런 개방적인 그런 문화는 아니거든요. 그러다 보니까 이런 소프트웨어적인 면이 조금 약할 수도 있고 그렇습니다. 그래도 어느 정도는 구색은 맞춰져 있다고 생각해요. 그리고 외부 툴이 이런 거 다 따라 할 수 있으니까 챗 GPT라든지 퍼플렉시티라든지 외부에 이미 서비스들이 있잖아요. 근데 저희는 보안 때문에 그걸 바로 쓸 수가 없어 가지고 그러니까 일단 모범 사례들이 있기 때문에 최대한 쫓아가면서 하는 거죠. 실제로 보여드릴 수 없지만 생각보다 예쁩니다.

일하면서 도전적이거나 어려웠던 경험 이게 비슷한 말인 것 같아요. ‘UX 신경 써야 되는데 어렵기도 하면서 새로워서 재미있었다’고 하셨는데 디자이너 없이 하려니까 그런거네요.
그쵸 그쵸. 왜냐하면 UX 담당자도 없기 때문에 그런 거 기획하거나 할 때 최대한 어떻게 쓸까 이런 거 생각하면서 써야 되니까 그리고 사람들은 기대치는 생각보다 높잖아요. 외부 챗 GPT처럼 써보니까 왜 이거 안 돼 이런 식으로 될 거기 때문에 그런 거를 생각하면서 하다 보니까 좀 어려웠죠. 근데 또 하다 보니까 이것도 컨슈머 관점에서 생각하는 거가 늘더라고요. 그래도 작년보다는 내가 좀 이런 걸 이제 좀 잘하는구나 이렇게 느끼면서 그냥 하고 있는 것 같아요.

AI 개발자 입장에서 내 직무하고 관련된 도전적인 경험이나 어려움은 뭘까요?

모델 학습하시는 분들한테는 제일 어려운 점은 뭐냐고 하면 자기만의 도메인 분야가 있을 거잖아요. 그런 걸 같이 넣어서 학습 하실 때가 많을 텐데 왜냐하면 챗 GPT는 이미 제너럴한 거는 잘 하니까 특수한 그런 걸 섞어서 학습을 시켜야 되는데 그게 생각보다 까다롭거든요. 그런 게 좀 어려운 점이 있어요. 저도 한때는 한참 학습을 했었을 때가 있었기 때문에 그런 게 조금 어려울 것 같고 그다음에 인프라 관점에서는 모델의 아키텍처 같은 거라든지 그런 걸 잘 알아야 모델을 서빙을 할 수 있어요. 그래서 그런 서빙하는 거에 대한 그 안에 또 기술이 있을 텐데 그런 걸 아는 거 또 그것도 계속 새롭게 계속 발전을 해 나가고 있거든요. 그래서 그런 걸 아는 거가 중요할 것 같고 지금 저처럼 뭔가 서비스를 하시려는 분들은 진짜 지금 내가 타겟하는 고객들한테 어떤 서비스가 필요할까 챗 GPT랑 이거랑 차별점이 무엇일까 그런 거를 좀 더 생각을 하면서 해야 되는 게 조금 어려울 것 같아요. 워낙 AI 모델은 어느 정도는 수준이 다 올라왔거든요. 웬만한 거 다 시키면 꽤 하니까 그걸 녹여서 그걸 이용해 가지고 그다음으로 어떤 프로덕트를 만들까가 어려운 점일 것 같아요.

모델을 학습시킨다고 하잖아요. 모델을 어떻게 학습시켜요?

쉽게 말하면 문제 설명지를 주고 문제 이런 거 풀어봐 하고 답을 낼 거잖아요. 그러면 이 답 아니야 이거 다시 해. 공부하는 거랑 똑같아요. 거의 사람 진짜 키우는 교육하는 것처럼 학습 과정 중에는 틀리면 패널티 같이 조금 더 주면서 다시 올바른 방향으로 유도되게끔 하는 것도 있고 그래서 학습이라 하는 것 같아요. 말 그대로

패널티를 어떻게 줘요?

아까 모델에 유닛들이 있다고 했잖아요. 학습을 한다는 게 유닛들한테 한 번 인풋을 좌르락 잘 넣어줘요. 그다음에 답이 나왔을 거잖아요. 끝에 그때 이거에 실제 답과의 오차를 다시 거꾸로 돌아가면서 기울기를 조정해 가지고 여기서 약간 수학이 들어가는 거죠. 이 기울기로 살짝 좀 감소시키거든요. 그런 거라고 생각하시면 될 것 같아요.

모델을 학습시키려고 인풋을 넣을 때 AI 개발자 본인은 이미 정답을 알고 있는 거예요?

그렇죠.

근데 그게 수학처럼 1 더하기 1은 2 이렇게 쉬운 답이 뿅 있는 게 아니고 뭔가 수식처럼 복잡한 답이 있는 거 아니에요?

그렇죠. 그렇게 길게 긴 서술형 답안인 건데 그거를 챗 GPT가 나온 후부터는 그런 답안을 학습을 해서 실제로 자기가 그걸 따라서 말할 수 있는 능력이 생긴 거예요.

그러면 학습시키는 데이터 혹은 인풋과 아웃풋은 쉬운가요?

아니요. 이제는 어느 수준까지 올라왔냐면 벤치마크로 평가를 할 거잖아요. 그럼 벤치마크 중에 박사 수준들 분들이 만든 각 분야에서 만든 문제 그런 거를 테스트해요. 그러니까 그 정도 수준까지 이제 올라온 거죠. 학습도 그런 사람들의 데이터들 모든 글로 써 있는 텍스트 데이터는 싹 그냥 거의 지구상에 있는 거 다 긁어서 학습시키는 거고요. 근데 이미지도 학습시키고 오디오도 학습시키고 비디오도 학습시킬 수 있는 거고

그러면 AI 개발자는 선생님이네요.
약간 그렇죠. 잘 주면서 이거 풀어봐 이런 식으로 문제집 계속 던져주면서 애 실력을 키우는 거죠.

한때 그 얘기를 들었었거든요. 챗 GPT가 LLM이라서 수학 문제를 못 푼다고 여전히 그런가요?

수학이 제일 난도가 높은 문제 중에 하나인데 요새는 올림피아 국제 올림피아드 때 문제도 동상 땄다고 그랬나 이 정도로 계속 발전을 계속하고 있어요.

근데 수학이야말로 정답이 있어서 쉬운 거 아니에요?

정답이 있기는 하지만 풀이 과정도 정확 해야 되는 거고 논리가 있어야지 되는 거잖아요. 왜냐하면 이 모델이 바로 뭔가 혼자서 생각을 하고서 답이 이거야라고 한다기보다는 요새 모델들은 줄글로 생각을 하거든요. 그러니까 자기가 논리적인 자기도 말을 하면서 생각을 하는데 중간에 틀리면 방향이 잘못될 수도 있잖아요. 그런 식으로 틀릴 수도 있는 거죠. 추론 과정까지도 잘 할 수 있도록 학습을 시키고 있어요.

거짓말 못하게 하려면 어떻게 해야 돼요?

어떻게 보면 LLM의 제일 단점인 거죠. 이거를 할루시네이션(Hallucination)이라고 하는데 그래도 옛날보다는 많이 줄어들었고 일단 지금의 시도들은 그것도 계속 줄이려는 시도가 당연히 학회나 이런 데서도 많이 있는데 일단 지금의 큰 방향으로는 학습을 되게 잘 시키면 그런 거를 잘 줄일 수 있지 않겠냐 생각을 논리적으로 하는데 틀릴 수가 없을 수도 있잖아요. 그러니까 그런 식으로 얘기를 하고 모르면 솔직하게 모른다고 말하도록 그것도 따로 학습을 시킨다든지 이런 식으로 하고 요새는 웹 서치 그래서 되잖아요. 퍼플릭시티 같은 경우는 그런 기본 소스를 주면 자신감이 있으니까 틀릴 일도 많이 없죠.

프롬프트 쓸 때 어떤 사람은 칭찬해 주면 더 잘한다고하고 어떤 사람은 이거밖에 못해라고 구박하면 더 잘한다고 하던데 둘 다 맞나요?

둘 다 가능성이 있을 수도 있을 것 같아요. 그러니까 어떤 학습 데이터 중에서는 그런 식으로 있을 수도 있잖아요. 인터넷 상에 있는 데이터 중에서 나 누구한테 이렇게 착하게 부탁했더니 더 잘 되더라 이런 글을 얘가 학습했을 수도 있잖아요. 그런 거 보면 얘가 스스로는 뭔가 착하게 말해주면 착하게 대답하겠다 이런 식으로 생각할 수도 있고 또 반대로 반대의 글도 당연히 있었을 거니까. 그래서 저는 완전히 이거는 정답이 있지는 않고 때에 따라서 다르기는 하지만 아무튼 그런 걸 줬을 때 잘 된다는 반응은 분명히 있는 거죠. 실제로 다시 잘 차근차근 생각해 봐 이게 또 잘 되는 매직. 요새는 이런 단어, 이런 말이 들어가게끔 학습을 시켜서 애의 그 추론 능력을 계속 확인하기도 하거든요. 저는 일단 뭔가 했을 때 마음에 안 들면 그냥 그 세션을 나오고요. 그냥 새로운 세션을 열어서 프롬프팅을 좀 다르게 해가지고 다시 시도를 하는 편이에요. 왜냐하면 히스토리가 쌓이다 보니까 위에 답변에 영향을 아래에서 계속 받거든요. 그래서 이미 한 번 틀렸으면 이걸 고치기가 좀 쉽지 않아요. 그리고 제가 바꾼다고 하면 그냥 제 말을 듣는 거지 완전히 얘가 알고 있는 게 아닐 수도 있어서 일단 저는 그렇게 사용하고 있어요. 새로운 세션으로 살짝 말을 얘가 더 이해하기 쉽게 최대한 뭔가 풀어서 설명을 한다든지 자세하게 물어본다든지 그렇게 하는 편이에요.

햇님은 프로 쓰고 계신다는데 플러스랑 프로는 어떤 점이 달라요?
프로에서는 조금 더 좋은 모델을 제공하고 있고요. 생각을 좀 더 잘하면서 했다는 그런 모델인 거고 그다음에는 딥 리서치라는 기능이 요새 최근에 챗 GPT에 생겼는데 플러스는 10인가 그런데 프로는 무제한이거든요. 그런 기능으로 서베이 같은 거 시키면 기깔 나거든요. 그래가지고 그런 거에 많이 쓰고 그렇게 쓰는 것 같아요.

돈값을 하나요?

돈값 하는 것 같은데 서베이 같은 걸 많이 필요한 사람이라면 그걸로 충분히 뭔가 할 것 같아요. 모델 수준은 사실은 이 돈 가지고 이 모델 수준을 원한다까지는 아니거든요. 프로에만 제공하는 모델 물론 더 잘하긴 하지만 추론이나 이런 걸 좀 더 잘하긴 하거든요. 그렇지만 이 돈까지 업그레이드 해 가지고 할 정도는 아니지만 일단 저는 딥 리서치 기능이 좀 더 핵심으로 좀 유용한 것 같아요. 엄청 너무 좋다 이렇게 큰 차이까지는 아니고 물론 좀 좋은 건 느껴지지만 그 정도라서 돈값을 생각하면 딥 리서치 기능이 아무래도 좀 더 유용한 것 같다

일할 때 중요하게 생각하는 가치로 빠르게 도전하기를 꼽아주셨는데 빠르게 도전할 수 있는 환경인가요?

이거는 저를 위해서 쓴 말인데 저도 약간 신중한 편이거든요. 뭔가를 도전을 할 때 아웃풋을 생각해 보고 이걸 안 했을 때 어떨까 이런 것도 많이 생각을 해서 선뜻 할까 말까 고민할 때가 많은데 그때 좀 완벽하지 않아도 되니까 그냥 일단은 하는 게 좋더라고요. 그래도 뭔가를 알잖아요. 그런 거에서 약간 저 혼자 좀 더 좌우명 같이 이렇게 해보면 좋겠다 싶어서 더 적었던 것 같아요.

저는 이게 좀 웃겼는데 상사랑 소통이 잘 안 될 때 부정적인 자극을 받는다는 거잖아요. 근데 괄호 안에 있는 게 더 웃겼어요. ‘난 소통이 잘 되고 있다고 생각했는데 아니라면 더 최악이다’ 이런 경우가 있었나 봐요.

있었죠. 그래서 뼈저리게 느끼고 소통이 생각보다 중요하구나 난 잘 되고 있다고 생각했는데 그게 아니면 그게 더 문제구나 이렇게 생각을 했던 것 같아요.

내가 일을 하고 있는데 상사가 ‘그래 맞는 것 같아’라고 눈빛 혹은 이야기로 한다고 생각하고 나는 그대로 했는데 실제로는 ‘햇님 이거 왜 이렇게 했어!’라는 케이스가 있었다는 건가요?

그런 거라기보다 개발을 할 때 중간중간 이슈 상황이나 이런 공유를 저는 제가 해결을 하고 얘기를 하고 싶었던 적이 좀 많았었어요. 근데 저희 상사분 스타일은 먼저 이슈가 있으면 일단 얘기를 해주고 그다음에 했으면 좋겠다 이런 건 거예요. 그러니까 이게 막 그렇게 큰 그런 건 아니지만 이런 스타일이 다르더라고요. 그다음에 자기 주도적으로 좀 더 하라든지 이런

자기가 플레이어로서 잘하고 싶은 거랑 매니저로서 잘하고 싶은 거는 느낌이 다르잖아요. 매니저로서 잘하고 싶다는 이유가 있나요?
저도 지금 계속 기획이랑 개발을 같이 하고 있다 보니까 기획에도 생각보다 제가 잘 하는 것 같다는 생각이 들었었고 뭔가 아이디어를 낸다든지 이런 거가 그리고 MBTI가 J예요. 그래가지고 뭔가 배우는 것도 좋아하고 그래서 매니징도 어느 정도 그래도 지금도 약간 그런 느낌처럼 피엠 같이 하는 역할도 살짝 하고 있긴 하거든요. 그래가지고 그때쯤 되면 아마 완전 더 매니저 역할로 내가 하고 있지 않을까 생각이 들었어요.

일하면서 만난 좋은 상사랑 후배 동료가 자신만의 전문 분야가 있고 주위 사람들에게 친절히 도움을 잘 주려는 사람 이라고 써주셨어요. 오늘 햇님만의 전문 분야가 있고 주위 사람들에게 친절히 도움을 잘 주신 것 같은 가요?

제가 오늘 그러면 너무 좋은데요.

시간이 지나도 변하지 않았으면 하는 나의 모습으로 호기심이 넘치는 거 적어주셨어요. 그 호기심이 넘치는 걸로 활력을 계속 얻는 게 있어서 그러신거예요?

아니요. 저한테 호기심은 관심이에요. 그러니까 호기심이 없다는 건 이거에 이제 관심이 없는 거예요. 그러니까 인생에 호기심이 없다 그러면 인생에 관심이 없는 거예요. 사는 거에. 그런 느낌으로써 뭔가의 어떤 호기심이 계속 어떤 분야든 계속 내가 있으면 좋겠다 그런 거에 활력을 얻고 뭔가 해보고 싶고 이렇게 도전하는 그런 뜻으로 적었던 것 같아요.

국어랑 수학을 좋아하셨고 지금 AI 개발자로 업무에 호기심이 많으신데, 일 말고 개인적인 삶에서 호기심을 가지고 있는 건 뭐예요?
저는 그냥 취미로는 미술 전시 같은 거 보러 다니는 거 좋아해가지고 좋은 전시 있으면 가려고 하는 편인 것 같아요. 그렇게 갔다 오면 스트레스도 풀리고 약간 리프레시 받는 경우도 있고 여행도 되게 좋아해 가지고 다음에 휴가가 있다고 하면 어디 나라를 여행해 볼까 뭘 경험해 볼까 이런 거 되게 좋아하는 것 같아요.