나는 고등학교를 중퇴하고 AI에게 배워 오픈AI 연구원으로 역전 성공했다
저자: 김광호
최근 나는 상하이에서 열린 AI 모임에 참석했다.
행사 자체도 AI의 실제 적용에 대해 많은 이야기를 나누었다.
하지만 내게 가장 강한 인상을 남긴 것은 한 베테랑 투자자의 학습 방법 공윈다.
그는 이 방법이 자신을 구했으며, 투자 시 사람을 바라보는 기준조차 바꿨다고 말했다.
구체적으로 무엇이냐면, 바로 '질문하는 법'을 배우는 것이다.
문제에 관심이 생기면 DeepSeek와 대화를 나누고, 계속해서 대화를 하다 보면 결국 답을 못 하는 순간이 온다.
이러한 '무한 질문' 기술을 들었을 때 나는 매우 충격을 받았지만, 행사가 끝난 후에는 곧 잊어버리고 말았다.
시도해보지도 않았고, 다시 생각해보지도 않았다.
최근 가브리엘 페테르손(Gabriel Petersson)이 중퇴 후 AI로 학습해 OpenAI에 입사한 이야기를 보게 될 때까지 말이다.
비로소 나는 그 베테랑이 말했던 '끝까지 묻는 것'이 AI 시대에 어떤 의미인지 깨닫게 되었다.
가브리엘 인터뷰 팟캐스트｜이미지 출처: YouTube
01 '고등학교 중퇴생'에서 OpenAI 연구원으로 역전
가브리엘은 스웨덴 출신으로 고등학교를 졸업하지 못하고 중퇴했다.
가브리엘 소셜미디어 메인 페이지｜이미지 출처: X
그는 예전엔 너무 멍청해서 AI 관련 일을 할 수 없을 거라고 생각했다.
몇 년 전, 전환점이 찾아왔다.
스톡홀름에서 형편단계형 제품 추천 시스템 스타트업을 창업한 사촌이 그를 도와달라고 요청한 것이다.
기술적 배경도 없었고 저축도 없던 가브리엘은 그냥 갔다. 초기에는 회사의 공용 휴게실 소파에서 무려 일년 동안 잤다.
하지만 이 일년 동안 그는 많은 것을 배웠다. 학교에서 배운 게 아니라 실질적인 문제에 부딪혀 어쩔 수 없이 익힌 것이었다: 프로그래밍, 영업, 시스템 통합 등.
학습 효율을 높이기 위해 그는 계약직으로 전환했다. 이를 통해 더 유연하게 프로젝트를 선택할 수 있었고, 가장 뛰어난 엔지니어들과 협력하며 능동적으로 피드백을 요청할 수 있었다.
미국 비자를 신청할 때 그는 난감한 문제가 있었다. 해당 비자는 지원자가 해당 분야에서 '뛰어난 능력'을 증명해야 한다고 요구하는데, 일반적으로는 학술 논문이나 인용 자료 같은 것이 필요하다.
고등학교 중퇴자가 그런 자료를 어떻게 구할 수 있겠는가?
가브리엘은 해결책을 떠올렸다. 개발자 커뮤니티에 올린 고품질의 기술 글들을 정리해 '학술적 기여'의 대체 증거로 제출한 것이다. 이 방법이 이민국에 의해 받아들여졌다.
샌프란시스코에 도착한 후에도 그는 ChatGPT를 이용해 수학과 머신러닝을 계속해서 자율 학습했다.
현재 그는 OpenAI의 연구 과학자로서 Sora 비디오 모델 개발에 참여하고 있다.
여기까지 듣고 나면 누구나 궁금할 것이다. 그는 도대체 어떻게 이런 성과를 이룬 걸까?
가브리엘의 견해｜이미지 출처: X
02 재귀적 지식 보완: 반직관적인 학습법
답은 '무한 질문'이다. 구체적인 문제 하나를 선정한 후 AI를 통해 완전히 해결하는 방식.
가브리엘의 학습 방법은 대부분의 직관과 정반대다.
전통적인 학습 경로는 '밑에서 위로': 먼저 기초를 다지고, 그 다음에 응용을 배운다. 예를 들어 머신러닝을 배우고 싶으면 선형대수, 확률론, 미적분을 먼저 배우고, 통계학습, 딥러닝을 거쳐서야 비로소 실제 프로젝트에 접근할 수 있다. 이 과정은 몇 년이 걸릴 수 있다.
그의 방법은 '위에서 아래로': 바로 구체적인 프로젝트부터 시작하여 문제를 만나면 해결하고, 지식의 공백을 발견하면 그때 그때 메워간다.
그는 팟캐스트에서 예전에는 이런 방법을 널리 사용하기 어려웠다고 말한다. 왜냐하면 모든 것을 아는 선생님이 있어야 했기 때문이다. 언제나 '다음에 무엇을 보충해야 하는지' 알려줄 수 있는 존재 말이다.
하지만 지금은 ChatGPT가 바로 그 선생님 역할을 해낸다.
가브리엘의 견해｜이미지 출처: X
구체적으로 어떻게 실행할까? 그는 확산 모델 학습을 예로 든다.
첫 번째 단계, 거시적 개념부터 시작한다. 그는 ChatGPT에게 "비디오 모델을 배우고 싶은데, 가장 핵심적인 개념은 무엇인가?"라고 묻는다. AI는 자동 인코더라고 답한다.
두 번째 단계, 코드 우선. 그는 ChatGPT에게 확산 모델 코드를 바로 작성해 달라고 요청한다. 처음엔 이해되지 않는 부분이 많지만 괜찮다. 일단 코드를 돌려보는 것이 중요하다. 실행 가능성이 확인되면 디버깅의 기반이 마련된다.
세 번째 단계, 가장 핵심적인 부분. 재귀적 질문을 진행하며 코드 속 각 모듈마다 질문을 던진다.
이렇게 층층이 파고들어가며 최종적으로는 근본 로직을 완전히 이해한다. 그리고 다시 위로 올라가 다음 모듈에 대해 질문을 이어간다.
이를 그는 '재귀적 지식 보완(recursive knowledge filling)'이라고 부른다.
재귀적 지식 보완｜이미지 출처: nanobaba2
이 방식은 체계적으로 6년을 배우는 것보다 훨씬 빠르며, 사흘 만에 기본적인 직관을 세울 수 있다.
소크라테스식 질문법에 익숙하다면 이것이 본질적으로 동일한 사고방식임을 알 수 있다. 계속된 질문을 통해 사물의 본질에 접근하며, 각 답변이 다음 질문의 출발점이 된다.
다만 이제 그는 AI를 질문의 대상으로 삼았고, AI가 거의 전지전능하기 때문에 사물의 본질을 쉬운 언어로 설명해주는 역할을 한다.
실제로 가브리엘은 이러한 방식을 통해 AI로부터 '지식을 추출(knowledge extraction)'해내며 본질을 배운 것이다.
03 우리가 AI를 사용할수록 오히려 멍청해지는 이유
팟캐스트를 듣고 난 후, 가브리엘의 이야기는 나에게 의문을 갖게 했다.
같은 AI를 사용하면서, 왜 그는 이렇게 잘 배우는 반면, 많은 사람은 AI를 쓰고 나서 오히려 퇴보하는 느낌을 받을까?
이건 단지 내 주관적인 느낌만은 아니다.
마이크로소프트 리서치의 2025년 논문에 따르면 [1], 사람들이 생성형 AI를 자주 사용할수록 비판적 사고 능력이 눈에 띄게 감소한다.
즉, 우리는 사고를 AI에게 외주를 맡겼고, 그 결과 우리의 사고 능력도 함께 위축된 것이다.
기술은 '사용하면 발전하고, 안 쓰면 퇴화한다'는 법칙을 따른다. AI로 코드를 작성할 때, 우리 자신의 손과 두뇌로 코드를 짜는 능력은 조용히 퇴화한다.
AI를 활용한 'vibe coding' 작업 방식은 표면적으로 효율이 높아 보이지만, 장기적으로 보면 프로그래머의 코딩 실력은 점점 낮아지고 있다.
요구사항을 AI에 던지면 코드를 출력해주고, 실행만 되면 기분이 좋다. 하지만 만약 당신이 AI를 끄고 핵심 로직을 직접 손으로 작성하라고 하면, 많은 사람이 머릿속이 하얘지는 것을 느낄 것이다.
의학 분야에서는 더욱 극단적인 사례가 있다. 한 논문에 따르면 [2], 의사들이 AI 보조를 도입한 지 세 달 만에 대장내시경 검사 숙련도가 6% 하락했다.
이 수치는 작아 보일 수 있지만, 생각해보라. 이것은 실제 임상 진단 능력이며, 환자의 건강과 생명에 직결되는 문제다.
따라서 문제는 이렇게 제기된다. 같은 도구인데, 왜 누군가는 강해지고, 누군가는 약해지는가?
차이는 당신이 AI를 무엇으로 여기는가에 있다.
AI를 당신을 대신해 일을 해주는 도구로 여기고, 코드 작성, 글쓰기, 결정까지 모두 맡긴다면, 당신의 능력은 실제로 퇴화할 것이다. 왜냐하면 사고 과정을 건너뛰고 결과만 얻기 때문이다. 결과는 복사 붙여넣기가 가능하지만, 사고 능력은 공중에서 생겨나지 않는다.
하지만 AI를 코치 또는 멘토처럼 여기고, 자신의 이해를 검증하고, 자신의 지식 공백을 질문하며, 모호한 개념을 명확히 표현하도록 스스로를 몰아붙인다면, 사실상 당신은 AI를 통해 학습 사이클을 가속화하고 있는 것이다.
가브리엘의 핵심은 'AI에게 나를 대신해 공부하게 하라'는 것이 아니라, 'AI와 함께 내가 공부하게 하라'는 것이다. 그는 항상 능동적으로 질문하는 주체이며, AI는 피드백과 자료를 제공할 뿐이다. 모든 '왜'라는 질문은 그 자신이 던진 것이며, 모든 이해의 층은 그 자신이 파고든 것이다.
이제야 오래된 말이 떠오른다. '물고기를 주는 것보다 낚시하는 법을 가르쳐주는 것이 낫다'는 말이.
재귀적 지식 보완｜이미지 출처: nanobaba2
04 실질적인 몇 가지 교훈
여기까지 이야기하자면, 누군가는 이렇게 물을 수 있다. "나는 AI 연구자도 아니고 프로그래머도 아닌데, 이 방법이 나에게 무슨 도움이 되는가?"
나는 가브리엘의 방법론을 보다 일반화된 5단계 프레임워크로 추상화할 수 있다고 본다. 누구나 AI를 통해 모르는 분야를 배울 수 있다.
1. 교과서 1장부터 시작하지 말고, 실제 문제에서 출발하라.
배우고 싶은 것이 있으면 바로 행동으로 옮기고, 막히는 부분이 나오면 그때 그때 보충하라.
이렇게 배운 지식은 맥락과 목적이 있으므로, 개념을 외우는 것보다 훨씬 효과적이다.
가브리엘의 견해｜이미지 출처: X
2. AI를 끝없이 인내심 있는 멘토로 여겨라.
당신은 어떤 어리석은 질문이라도 할 수 있고, 같은 개념을 다른 방식으로 설명해 달라고 요청할 수 있으며, '다섯 살 어린이에게 설명하듯이' 설명해 달라고 할 수도 있다.
AI는 당신을 조롱하지도 않고, 짜증 내지도 않는다.
3. 능동적으로 질문을 계속해가며 직관을 형성할 때까지 파고들어라. 표면적인 이해에 만족하지 마라.
어떤 개념을 당신의 말로 다시 설명할 수 있는가? 원문에 없는 예시를 들 수 있는가?
외행자에게 설명할 수 있는가? 그렇지 않다면 계속 질문하라.
4. 주의해야 할 함정: AI도 환각(hallucination)을 일으킬 수 있다.
재귀적 질문을 진행할 때, AI가 기본 개념을 잘못 설명하면 당신은 틀린 길로 점점 더 멀리 벗어날 수 있다.
따라서 핵심 지점에서는 여러 AI를 통해 상호 검증을 하여 질문의 기반이 탄탄한지 확인하는 것이 좋다.
5. 당신의 질문 과정을 기록하라.
이렇게 하면 재사용 가능한 지식 자산이 형성된다. 다음에 비슷한 문제가 생길 때, 돌아볼 수 있는 완전한 사고 경로를 갖게 된다.
전통적인 관념에서 도구의 가치는 저항을 줄이고 효율을 높이는 데 있다.
하지만 학습은 정반대다. 적절한 저항과 필요한 마찰이 오히려 학습이 일어나는 전제다. 모든 것이 지나치게 매끄럽다면 두뇌는 절약 모드에 들어가 아무것도 기억하지 못한다.
가브리엘의 재귀적 질문은 본질적으로 마찰을 만들어내는 것이다.
끊임없이 왜를 묻고, 자신을 이해하지 못하는 경계까지 밀어붙인 후, 하나씩 그 구멍을 메워나가는 것이다.
이 과정은 매우 불편하지만, 바로 이 불편함이 지식을 진짜로 장기 기억에 각인시키는 것이다.
05 미래의 직업 트렌드
이 시대에 학력의 독점은 무너지고 있지만, 인지 능력의 장벽은 오히려 은밀히 높아지고 있다.
대부분의 사람들은 AI를 '답 생성기'로만 여기지만, 가브리엘처럼 소수의 사람들은 AI를 '사고 연습기'로 사용한다.
이와 유사한 사용법은 이미 다양한 분야에서 나타나고 있다.
예를 들어, 즉각(지케이)에서 나는 많은 부모들이 nanobanana를 이용해 아이들의 공부를 지도하는 것을 보았다. 하지만 그들은 AI가 바로 답을 주도록 하지 않는다. 대신 AI에게 문제 해결 단계를 생성해달라고 하고, 사고 과정을 단계별로 보여주도록 한 후, 아이와 함께 각 단계의 논리를 분석한다.
이렇게 되면 아이는 답을 배우는 것이 아니라, 문제 해결 방법을 배우게 된다.
프롬프트 「주어진 적분을 풀고, 전체 풀이 과정을 백보드에 쓰라」｜이미지 출처: nanobaba2
또한 Listenhub나 NotebookLM의 기능을 이용해 긴 기사나 논문을 팟캐스트 형태로 변환하고, 두 개의 AI 음성이 서로 대화하며 설명하고 질문하는 사람들도 있다. 누군가는 이것이 게으름이라고 생각하지만, 또 다른 사람들은 대화를 듣고 나서 원문을 다시 읽을 때 오히려 이해 효율이 더 높아진다는 것을 발견한다.
왜냐하면 대화 과정에서 자연스럽게 질문이 제기되기 때문에, '이 지점을 나는 정말 이해했는가?'를 스스로에게 묻게 되기 때문이다.
가브리엘 인터뷰 팟캐스트를 팟캐스트로 전환｜이미지 출처: notebooklm
이 모든 것은 미래의 직업 트렌드를 가리킨다: 전문성을 기반으로 다양한 역량을 갖춘 '일专多能' 인재.
예전에는 제품을 만들고 싶으면 프론트엔드, 백엔드, 디자인, 운영, 마케팅을 모두 알아야 했다. 지금은 가브리엘처럼 '재귀적으로 공백을 메우는' 방법을 사용해 짧은 시간 안에 부족한 분야의 지식 80%를 빠르게 습득할 수 있다.
원래 프로그래머였다면 AI를 통해 디자인과 비즈니스 로직을 보완해 제품 책임자(Product Manager)가 될 수 있다.
훌륭한 콘텐츠 크리에이터였다면 AI를 통해 코드 능력의 부족을 빠르게 메워 독립 개발자가 될 수 있다.
이 트렌드를 기반으로 추론해볼 수 있다: "미래에는 더 많은 '1인 기업' 형태가 등장할지도 모른다."
06 당신의 주도권을 되찾아라
이제 다시 그 투자자 선배의 말을 떠올려본다. 그가 진짜로 말하고자 했던 바를 비로소 이해하게 되었다.
"답을 못 할 때까지 계속 묻는다."
이 말은 AI 시대에 훌륭한 마음가짐이다.
AI가 주는 첫 번째 답에만 만족한다면, 우리는 조용히 퇴화하고 있을 뿐이다.
하지만 질문을 통해 AI로 하여금 논리를 완전히 설명하게 하고, 그것을 자신의 직관으로 내면화한다면, AI는 진정한 외부 확장 장치가 되고, 우리는 AI의 종속이 되지 않는다.
ChatGPT가 당신을 대신해 생각하게 하지 말고, 당신과 함께 생각하게 하라.
가브리엘은 소파에서 자던 중퇴생에서 OpenAI 연구원이 되기까지.
특별한 비결은 없었다. 수천, 수만 번의 질문뿐이었다.
AI에 의해 대체될까 봐 불안해하는 이 시대에, 가장 현실적인 무기는 아마도 다음과 같을 것이다.
첫 번째 답에 머물지 말고, 계속 질문하라.
참조
[1]. The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers.
[2]. Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
极客公园
