기술적 숙련도는 블랙박스 끝의 빛입니다.

기술의 작동 원리를 완전히 이해하지 않고도 구축, 배포, 확장하는 것이 그 어느 때보다 쉬워졌습니다. 오늘날 거의 모든 것이 우리의 이해를 요구하지 않고 작동합니다. 그럼에도 불구하고, 통제력이 손에서 빠져나가는 듯한 불안감이 끊임없이 우리를 괴롭힙니다.

자세히 살펴보면, 오늘날 부족한 것은 한때 모든 위대한 혁신의 핵심이었지만 이제는 기술 분야에서 서서히 사라지고 있는 '장인 정신'입니다. 모든 혁신에는 세심한 주의가 담겨 있었습니다. 누군가는 그 과정에 깊이 몰두하여 상호 의존성, 동작 방식, 제약 조건을 이해하고, 그 지식을 기능하는 시스템으로 구현해냈습니다. 하지만 현재는 우리의 일상생활을 가능하게 하는 도구와 플랫폼들이 놀라울 정도로 빠르게, 완벽하게 조립된 형태로 출시되지만, 그 내부 작동 원리는 거의 알 수 없습니다.

속도에 집착하는 문화 속에서 장인정신은 부자연스럽거나, 오히려 급진적인 것으로 여겨지기 시작했습니다. 하지만 장인정신이 없다면 시스템은 사건의 소용돌이에 휘말릴 위험이 있습니다. 블랙 박스 결정, 결과, 행동이 누구도 완전히 이해할 수 없을 만큼 빠르게 전개되는 세상에서, 장인 정신을 되살리는 것은 그러한 통제력을 어느 정도 되찾고, 인공지능으로 재편된 세상에서 복잡성을 추론하고 책임을 질 수 있는 능력을 회복하는 방법입니다.

소유권 없이 협업이 성공할 수 있을까요?

예전에는 시스템을 구축한 사람이 시스템 전체를 속속들이 알고 있던 시절이 있었습니다. 하지만 오늘날에는 작업이 아주 작은 단위로 쪼개지면서 소유 의식이 희석되고, 심지어 관련된 누구도 전체 시스템을 제대로 이해하지 못하는 경우가 흔합니다. 팀은 훨씬 더 큰 시스템에 특화된 부분을 기여하며, 라이브러리, API, 클라우드 서비스, 관리형 데이터베이스, 분석 플랫폼 등을 통합하여 작동하는 제품을 만들어냅니다. 아이러니하게도, 팀이 직접 소유하는 부분은 외부 공급업체가 관리하는 부분보다 훨씬 작은 경우가 많습니다.

실행에만 치중하고 기술적인 측면을 간과하면 시스템 전반에 걸쳐 조용히 누적될 수 있는 사각지대가 발생합니다. 하나의 요청이 응답을 받기까지 여러 서비스, 제공업체, 지역을 거치게 됩니다. 이러한 계층 간의 미묘한 불일치가 발생하기 전까지는 모든 것이 정상적으로 작동하는 것처럼 보입니다. 하지만 이러한 불일치가 발생하면 실제로는 누구도 명확하게 파악하거나 제어할 수 없다는 사실이 드러납니다. 문제는 결함 있는 구성 요소를 수정하는 데서 끝나는 것이 아니라, 애초에 무엇이 잘못되었는지 설명하는 것에서 시작됩니다.

협업은 현대 소프트웨어의 핵심 동력입니다.이를 통해 팀은 개인이 혼자서는 감당할 수 없는 규모의 시스템을 구축할 수 있게 되었습니다. 특히 인공지능(AI)과 같은 새로운 도구들이 등장하면서 더 많은 작업을 병렬화하고 더 많은 의사 결정을 자동화하거나 지원함으로써 실행 속도를 높이고 참여 범위를 확대할 수 있게 되었습니다. 하지만 이는 시스템에 대한 이해를 약화시키기도 합니다. 고도로 추상화된 도구가 의사 결정을 중재하고, 코드를 생성하거나, 데이터를 해석할 때, 이해보다 행동이 앞서 나가는 경향이 있습니다. 결국, 시스템 작동 방식을 설명할 수 없다면 시스템이 내리는 결정을 신뢰할 수 있을까요?

시스템을 이해하면 그에 대한 책임을 질 수 있습니다.

크래프트(Craft)란 협업이나 AI의 잠재력을 부정하는 것이 아니라, 단순히 실행을 넘어 시스템과의 관계를 유지하는 것을 의미합니다. 이는 작업이 파편화된 환경에서 연속성을 확보하고, 단순히 각 계층 내에서만이 아니라 계층 전반에 걸쳐 동작 방식을 추론할 수 있는 능력을 보존하는 것입니다. 현대적인 워크플로우에서 크래프트는 궁극적으로 명확한 증거가 없더라도 추론 능력을 의도적으로 함양하는 데 있습니다. 이를 통해 팀은 신속하게 움직이면서도 무엇을 만들고 있는지, 왜 그렇게 작동하는지, 그리고 문제가 발생했을 때 어떻게 대응해야 하는지 정확히 파악할 수 있습니다.

오직 이러한 이해만이 예방할 수 있습니다. AI 기반 시스템이 블랙박스가 되는 것을 막다문제는 AI가 우리가 이미 알고 있는 것과 모르는 것을 증폭시킨다는 점입니다. 기술적 전문성을 기반으로 구축된 지식에는 AI가 통찰력을 확장하고 강점을 강화하는 데 도움이 되지만, 그렇지 않은 경우에는 오해와 혼란을 가중시킬 뿐입니다. 잘못된 가정, 편향된 데이터 또는 잘못 이해된 모델에 기반한 자동화된 결정은 사람들의 계정, 개인 정보 및 신뢰에 영향을 미칠 수 있습니다. 한때는 국지적인 버그나 사소한 실수였을 수도 있는 문제가 이제는 삶의 모든 영역에 영향을 미치는 상호 연결성 덕분에 거의 즉각적으로 광범위한 결과를 초래할 수 있습니다.

학습 곡선을 평탄화하는 데 드는 진정한 비용

오늘날 학습 곡선이 지나치게 완만해지면서 의존성이 효율성처럼 보이기 시작했습니다. 이러한 상충 관계에 주의해야 합니다. 작업 속도가 빨라 보이는 이유는 깊이 있는 이해보다는 도구와 추상적인 개념에 의존하기 때문입니다. 절약한 시간과 노력이 예상치 못한 결과로 이어진다면, 이는 오히려 역효과를 초래할 수 있습니다.

물론, 더 간단한 방법과 강력한 도구가 있는데도 굳이 일을 복잡하게 만들자는 주장은 아닙니다. 하지만 복잡한 과정을 무분별하게 건너뛰면 시스템의 작동 방식, 취약점, 그리고 의사 결정이 시스템 전체에 미치는 파급 효과를 제대로 이해할 기회를 놓치게 됩니다. 복잡성을 없애고 싶다는 유혹은 강하지만, 복잡성은 버튼 하나만 누른다고 사라지는 것이 아닙니다. 단지 눈에 띄지 않게 숨어버릴 뿐이며, 문제가 발생했을 때 비로소 드러나는 숨겨진 위험을 남깁니다.

진정한 효율성은 최신 도구의 활용과 이해, 판단, 그리고 전문성을 균형 있게 조화시키는 데서 비롯됩니다. 속도와 단순함이 회복력이나 책임감을 희생시키지 않도록 해야 합니다. 새로운 기술을 도입할 때는 그 기술의 장점과 한계를 모두 이해해야 합니다. 이러한 이해가 없으면 팀은 시스템을 안전하게 적응시키거나 발전시킬 수 있는 능력을 잃게 됩니다. 제대로 이해하지 못한 시스템 부분은 변화로 인해 손상될 수 있습니다. 도구, 기본 설정, 또는 자동화에 의존하게 되면 정보에 기반한 직관이 사라지고 판단력이 저하됩니다. 이는 결국 불확실한 상황에서 현명한 결정을 내릴 수 있는 능력을 감소시킵니다. 설명 가능성 또한 떨어지고, 회복력은 숙련도와 함께 사라집니다. 효율성은 결코 이렇게 취약해서는 안 됩니다.

실제 기술 현장에서의 모습은 어떨까요?

전문성은 팀, 제품, 그리고 리더십이 복잡성을 다루는 방식에서 드러납니다. 팀이 공급업체가 모든 복잡성을 처리해 줄 것이라고 가정하는 대신, 의존하는 시스템을 이해하는 데 책임을 질 때, 문제 발생에 앞서 나갈 수 있습니다. 전문성을 바탕으로 만들어진 제품은 오래 지속되고, 진화하며, 적응할 수 있도록 설계되었습니다. 원인 추적, 가정에 대한 질문, 그리고 직관적인 솔루션 구축을 강조하는 교육은 학습이 내재화되고 지속되도록 보장합니다.

요컨대, 건전한 판단력을 발휘하고 설명 가능성을 유지하는 능력이야말로 훌륭한 제품과 단순히 기능만 하는 제품을 구분 짓는 핵심 요소입니다. 복잡하고 상호 연결된 시스템에서는 인간의 직관과 숙련도가 기술을 이끌어야 하며, 그 반대가 되어서는 안 됩니다. 거의 모든 것을 외주할 수 있지만, 분별력은 결코 외주할 수 없다는 점을 명심해야 합니다.