LLM에게 답을 빼앗기지 말고, LLM으로 배우기: 'Lathe'라는 발상의 전환

AI가 다 해주는데, 나는 점점 모르겠다

요즘 코딩하다 막히면 ChatGPT나 Claude한테 물어보면 답이 쫙 나오잖아요. 편하죠. 그런데 솔직히 이런 적 없으세요? 답은 받아서 붙여넣었는데, 며칠 지나면 '내가 뭘 한 거지?' 싶고, 비슷한 문제가 또 나오면 또 물어봐야 하는 거요. AI가 우리 대신 '생각의 과정'을 건너뛰게(skip past) 만들어버린 거예요. Lathe는 바로 이 지점을 정면으로 겨냥한 프로젝트예요. 슬로건이 인상적인데, 'LLM을 써서 새 분야를 건너뛰지 말고 제대로 배워라'예요. 이름 그대로 'Lathe(선반, 깎는 기계)'처럼, 거친 무지를 조금씩 깎아내며 이해를 빚어가자는 거죠.

답이 아니라 '학습 경로'를 만들어준다

일반적인 AI 사용법은 '질문 → 정답'이에요. Lathe의 접근은 달라요. 핵심은 LLM을 선생님이자 커리큘럼 설계자로 쓰는 거예요. 어떤 새로운 도메인(예를 들어 '분산 시스템의 합의 알고리즘'이나 '컴파일러 최적화')을 배우고 싶다고 하면, AI가 그걸 한 번에 떠먹여 주는 게 아니라, 이해를 단계별로 쌓아 올릴 수 있게 개념을 잘게 쪼개고, 순서를 잡고, 질문을 던지며 안내하는 방식이에요.

이게 왜 중요하냐면, 학습 과학에서 말하는 '능동적 인출(active recall)' 과 '점진적 부하' 때문이에요. 사람 뇌는 정답을 읽기만 할 때보다, 스스로 떠올리려 애쓰고 살짝 틀려도 봐야 그 지식이 단단히 박히거든요. 답을 즉시 받으면 이 '애쓰는 구간'이 통째로 사라져서, 당장은 문제를 풀었어도 내 것이 안 돼요. Lathe는 일부러 이 마찰을 적당히 남겨두는 도구라고 보면 돼요. AI의 방대한 지식은 빌리되, 이해의 주도권은 학습자에게 돌려주는 거죠.

업계 흐름 속에서 보면

사실 'AI가 사고력을 약화시킨다'는 우려는 점점 커지고 있어요. 학생들이 과제를 통째로 AI에 맡기고, 주니어 개발자가 코드의 작동 원리를 모른 채 복붙만 한다는 이야기들이요. 이에 대한 반작용으로 'AI를 튜터로 쓰는' 흐름이 생기고 있어요. Khan Academy의 Khanmigo가 대표적인데, 얘도 답을 바로 안 주고 소크라테스식으로 되묻는 방식을 택했죠. Duolingo의 AI 대화 연습이나, Anthropic이 강조하는 'AI와 함께 사고하기' 같은 방향과도 결이 같아요. Lathe는 이걸 특정 과목이 아니라 '개발자가 임의의 새 기술 도메인을 익히는' 범용 학습 도구로 가져왔다는 점에서 신선해요. 단순 챗봇 래퍼가 아니라, 학습 방법론 자체를 제품에 녹였다는 거죠.

한국 개발자에게 주는 시사점

국내 개발 문화에서도 비슷한 고민이 많잖아요. 부트캠프 출신이든 비전공자든, 빠르게 결과물은 내지만 기초 CS나 새로운 패러다임을 깊이 파고드는 건 어렵다는 거요. AI가 생산성은 올려주지만, 자칫 '성장 정체' 의 함정이 될 수도 있어요. 손은 빨라지는데 머리는 그대로인 상태요.

그래서 Lathe 같은 도구, 혹은 그 발상 자체가 의미 있어요. 꼭 이 도구를 쓰지 않더라도, AI에게 'OOO 분야를 처음부터 배우고 싶은데, 답을 바로 주지 말고 단계별로 질문을 던지면서 가르쳐줘'라고 프롬프트를 짜는 것만으로도 비슷한 효과를 낼 수 있거든요. 새 프레임워크나 언어를 배울 때 이 방식을 한번 써보면, 복붙으로 끝낼 때와는 다른 단단함이 남을 거예요.

정리하면, AI를 '답 자판기'로 쓸지 '훈련 파트너'로 쓸지에 따라 5년 뒤 실력은 완전히 갈린다는 이야기예요. 여러분은 AI를 주로 답을 얻는 데 쓰시나요, 아니면 이해를 키우는 데 쓰시나요? 그 차이가 만든 변화를 느낀 적 있다면 들려주세요.