AI에 대한 기대의 상당 부분은 하나의 오래된 꿈에서 나온다. 세부 사항에 파고들지 않고도 원하는 것을 현실로 불러낼 수 있으리라는 기대다. 프롬프트 한 줄로 코드가, 디자인이, 문서가 완성되는 장면을 보면 이제야 그 꿈이 실현되는 듯 보인다. 그러나 데이비드 니콜라스 윌리엄스는 이 기대의 전제 자체를 정면으로 반박한다. 디테일은 결코 넘길 수 없으며, 그것을 넘기려는 태도야말로 무언가를 잘하게 되는 길과 정반대라는 것이다.
그의 논지는 단순하지만 날카롭다. 어떤 대상이든 가까이 들여다볼수록 더 지저분하고 미묘해진다. 새롭거나 훌륭한 것을 만들려면 깊이 들어가 꼼꼼해지는 수밖에 없고, 이 과정을 우회하게 해 주는 추상화 계층은 존재하지 않는다. 추상화는 복잡성을 감추는 것이지 없애는 것이 아니기 때문이다. 소프트웨어를 다뤄 본 사람이라면 이 감각이 낯설지 않을 것이다. 프레임워크가 추상화한 계층은 문제가 생기는 순간 결국 그 아래를 열어 봐야만 해결된다.
넘길 수 있는 디테일과 넘길 수 없는 디테일
윌리엄스도 모든 디테일을 직접 붙들어야 한다고 말하지는 않는다. 일부는 넘길 수 있다. 문제는 '어떤 일부'를 넘겨도 되는지 판단하는 능력 자체가 그 분야에 능숙한 사람에게만 있다는 점이다. 무엇을 위임해도 안전하고 무엇을 반드시 직접 확인해야 하는지는, 그 일을 제대로 이해한 사람만이 안다. 그렇지 못한 사람은 애초에 그 경계를 알지 못한다. 결국 AI로 무언가를 잘 해내려면 그 일에 스스로 능숙해야 한다는 역설이 성립한다.
더 뼈아픈 지점은 그다음이다. 어떤 분야에 능숙해지는 과정은, 디테일을 넘겨 버리고 싶어 했던 바로 그 마음가짐을 완전히 뒤집어야만 가능하다. 전문성은 세부 사항에 지독하게 관심을 갖고 몰두하는 데서만 자란다. 디테일을 지겨워하고 회피하려는 태도로는 결코 그 경지에 이르지 못한다. 그러니 '디테일에 신경 쓰지 않으면서도 잘하는 사람'이 되겠다는 그림은 논리적으로 자기모순이다.
LLM도 예외가 아닌 이유
많은 이들이 LLM에 열광하는 진짜 이유는, 그것이 이전의 어떤 기술보다도 그 꿈에 다가가는 그럴듯한 경로처럼 보이기 때문이다. 노코드 도구도, 각종 자동화도 비슷한 약속을 했지만 번번이 한계를 드러냈다. LLM은 자연어로 대화하고 스스로 판단하는 듯 보이기에 이번에는 다를 것이라는 기대를 준다. 그러나 윌리엄스는 LLM 역시 같은 이유로 그 약속을 지키지 못할 것이라고 본다. 현실이 그런 식으로 작동하지 않으며, 그래야 할 이유도 없기 때문이다. 기술이 발전한다고 해서 이해 없이 좋은 결과가 나오는 세계가 열리는 것은 아니다.
그의 결론은 도발적이다. 무언가를 할 지식이나 기술이 없다는 것은 좋은 상태가 아니며, 디테일을 넘기는 것은 권한을 얻는 일이 아니다. 오히려 위임이 성공적으로 이뤄진 정도는 곧 내가 아무 역할도 하지 않은 정도, 아무것도 하지 않은 정도와 정확히 일치한다. 그것은 임파워먼트가 아니라 그 반대다.
실무자에게 남는 함의
이 글은 AI 무용론이 아니라는 점을 분명히 해야 한다. 윌리엄스도 일부 디테일의 위임 자체는 인정한다. 실무자에게 의미 있는 메시지는 위임의 성패가 도구가 아니라 사용자의 역량에 달려 있다는 것이다. 코드를 읽고 검증할 줄 아는 개발자에게 AI는 속도를 배가하지만, 산출물의 옳고 그름을 판단하지 못하는 사람에게는 검증되지 않은 결과를 그럴듯하게 포장해 줄 뿐이다. AI 시대에 오히려 기본기와 도메인 이해의 가치가 올라간다는 주장은 이 지점에서 설득력을 얻는다.
다만 이 글은 개인의 학습 태도라는 좁은 렌즈에 머문다는 한계도 있다. 협업이나 분업 구조에서는 개인이 모든 디테일을 통달하지 않고도 조직 차원에서 품질을 확보하는 방식이 존재하며, AI를 학습의 회피가 아니라 학습을 가속하는 도구로 쓰는 경로도 이 논의에서는 다뤄지지 않는다. 그럼에도 '이해 없이 결과만 얻겠다'는 유혹이 강해지는 지금, 유능함은 디테일을 견디는 데서 나온다는 그의 지적은 곱씹어 둘 만하다.