AI로 내 문제 풀기-비개발자와 개발자가 함께 문제를 탐구한 실험

AI로 내 문제 풀기"는 "비개발자도 자신의 현실적인 문제를 LLM과 함께 해결할 수 있을까?"라는 질문에서 출발했다. 바이브 코딩을 배우는 것이 목표가 아니라, 각자의 문제를 AI와 함께 탐구하며 협업적으로 풀어보는 경험을 만드는 데 초점을 두었다.

3명의 운영자가 최대 3명의 참여자와 함께 오리엔테이션에서 다루고 싶은 문제와 AI 활용의 어려움을 공유했다. 이후 두 번의 오프라인 세션(각 3시간)에서 문제를 작게 쪼개고, 페어 작업과 라운드 기반 협업을 통해 실제 문제 해결을 시도했다.

실험의 목적

비개발자들에게는 혼자 해소하기 어려운 기술적 허들이 있다. 또한 AI를 개발에 활용하는 멘탈 모델이나, 비개발자가 AI로 문제를 해결하는 전략도 필요하다. 이 두 가지가 어떻게 시너지를 내는지 살펴보고자 했다. 이를 위해 페어워크 모델을 활용했고, 개발자와 비개발자가 짝으로 작업하도록 실험을 설계했다.

이 활동을 하면서 느낀 점 중 하나는, LLM의 능력이나 기능 자체도 중요하지만, 그것을 활용하는 전략이 실질적인 도움이 된다는 것이었다.

효과적인 전략들

1. Seeing is Believing — 빠른 피드백으로 확신 얻기

"어떻게 할 수 있을까?"라는 고민이 생길 때, 페어워크에서는 LLM에게 "만들어서 보여줘"라고 바로 요청했다.

유튜브 콘텐츠를 제작하는 기은님의 사례가 대표적이다. 기은님은 고객이나 동료와 피드백을 주고받는 효과적인 방법을 찾고 있었다. 자막을 보면서 메모로 피드백하는 시스템을 Chrome 브라우저 플러그인으로 만들려고 개발자인 동생과 시도했지만 어려움을 겪고 있었다.

GPT를 사용하던 중 프로토타이핑이 가능하다는 것을 알게 되었고, "계속 수정이 필요하지만, 영상 URL과 자막 업로드가 되었고 시간에 맞게 실행된다"며 원하던 핵심 경험을 만들어냈다. 단순한 시각화만으로도 인지 부하가 줄어들었고, 다른 것들을 고민하며 나아가려는 힘이 생겼다.

2. Small Step — 문제를 작게 쪼개기

요구사항이 복잡해지고 커지면서 이 전략이 유용하게 작동했다. 요구사항이 커지면 PRD 형태가 되어가고, LLM은 사용자가 원하는 것의 맥락을 놓치기 쉽다. 이때 작게 접근하는 것이 효과적이다.

PM 업무를 하는 기림님은 Slack으로 업무를 많이 하는데, 올해를 돌아보기 위해 Slack 채널의 대화들을 분석하는 것이 목표였다. 문제를 작게 만들기 위해 먼저 자신의 Workspace에서 동작을 확인한 뒤, 회사 Workspace로 이동해서 테스트했다.

이 과정에서 채널 중에 2023년 것도 있었고, 가져오려는 채널 수도 2000개가 넘어 시간이 오래 걸리는 것을 확인했다. 문제를 더 작게 만들기로 하고, 빠른 피드백을 얻으려고 두세 번 시도했다. 많은 채널의 아주 오래된 메시지까지 확인하는 것을 보고, 다루려는 채널 수와 시간 범위를 줄였다. 추가로 데이터를 가져오는 진행 상황을 사용자에게 계속 피드백하도록 만들었다.

3. Holding Hands — 익숙한 사람과 함께 걷기

마지막에 이야기한다고 해서 가장 덜 중요한 전략은 아니다. 단순히 자신이 가져온 문제를 "함께" 해결하는 것만이 다가 아니었다. 주로 사용하지 않는 도구나 익숙하지 않은 환경을 내 문제에 적용하는 것도 어려웠다. 조금 더 익숙한 사람의 걸음을 따라 적용해보니 난이도가 낮아졌다. 또한 자신의 문제에 바로 도구를 적용해보니 만족감이 더 높다는 것을 알게 되었다.

기림님의 사례가 떠오른다. GPT의 가이드만으로 접근할 때 Python 환경 설정이 잘 되지 않는 부분이 있었고, 나도 Mac 환경 설정이 쉽지 않았다. Cursor의 Agent 기능이 이런 문제를 잘 다루는 것을 기억하고 Cursor를 제안했다. 기림님에게는 익숙하지 않은 도구였지만, 해결되지 않던 Python 환경 설정 문제를 쉽게 해결했고, 기존에 쓰던 GPT와도 병행해서 잘 사용하는 것을 볼 수 있었다.

실험을 통해 배운 것

이번 실험을 통해 비개발자와 개발자가 한 팀을 이루어 LLM을 실제 문제 해결에 적용할 때, 학습·도구·사고방식이 서로를 북돋우며 빠르게 확장된다는 사실을 직접 체감했다.

위에서 설명한 몇 가지 전략은 단순한 기법이 아니라, AI와 함께 문제를 풀어가는 새로운 협업 모델의 기반이 되었다. 특히 비개발자들이 '할 수 있다'는 감각을 얻게 만드는 강력한 촉매제였다.

반면 LLM이 놓치는 맥락, 추상화 전환의 어려움, 범위가 커질 때의 한계 등은 페어워크 구조가 있어야만 효과적으로 보완된다는 점도 확인했다.

결국 이번 실험은 AI를 잘 쓰는 법을 가르치는 과정이 아니라, 각자가 가진 문제·도메인·경험·역량을 연결해 새로운 방식의 협업을 만들어내는 실험이었다. 이 작은 시도로부터 "AI 시대의 문제 해결은 혼자 하는 공부가 아니라, 함께 문제를 탐구하는 일"임을 확인했다.

앞으로도 이 경험을 기반으로, 더 다양한 문제 영역과 더 다양한 사람들과 함께 실험을 확장해 보고자 한다.