영상 정리 · Tech Bridge
18분 50초짜리 영상을 처음부터 끝까지 따라 읽는 글
이 영상은 AI에게 다섯 가지 역할을 맡겨서 혼자서도 대학 수준의 학습을 해내는 방법을 보여준다. 다섯 역할의 앞글자를 모으면 ALTER다.
이 글은 영상의 순서를 그대로 따라간다. 낯선 말이 나오면 그 자리에서 풀고 넘어간다.
이 셋만 알면 나머지는 저절로 따라온다.
본문은 다섯 단계를 순서대로 지나간다. 학습이 흘러가는 순서와 같다 — 뭘 배울지 정하고, 어디서 배울지 고르고, 이해했는지 확인하고, 결과물을 다듬고, 마지막으로 낯선 시각을 더한다.
발표자는 이 다섯 글자를 순서대로 배열하면 ALTER가 된다고 말한다. "이 역할들이 네가 생각하고, 배우고, 행동하고, 졸업하는 방식을 바꾼다(alter)"는 뜻과도 맞아떨어진다는 것이다.
발표자는 이 전체 시스템을 university in a box(상자 속의 개인 대학)라고 부른다. 새로운 강의 콘텐츠를 만들자는 게 아니다. 이미 있는 AI를 다섯 가지 역할로 나눠 쓰면, 그 자체가 나만을 위한 대학이 된다는 뜻이다.
조언자도, 튜터도, 에디터도 원래 다 사람을 고용해야 얻는 서비스였다. 그런데 모든 학생에게 개인 맞춤 커리큘럼을 짜 주면 대학은 망한다. 모든 회원에게 개인 트레이너를 붙이면 헬스장도 망한다. 그래서 이런 서비스는 항상 소수만 누리는 사치재였다. 이 영상 전체는 AI가 그 경제 구조를 어떻게 깨는가에 대한 이야기다.
몇 달 전 발표자는 로스앤젤레스에서, 대형 미디어 회사 인턴 120명 앞에서 강연했다. 다들 명문대 출신에 똑똑하고 의욕도 넘쳤다. 그는 질문 하나로 강연을 열었다. "하루 30분 이상 AI를 쓰는 사람?" 모두가 손을 들 거라 예상했지만, 손을 든 건 서른 명이 채 안 됐다. 이어서 물었다. "하루 30분 이상 인스타그램을 쓰는 사람?" 이번엔 전원이 손을 들었다.
발표자는 이 대비 속에 숨은 비극을 짚는다. 주머니 속에는 인스타그램과 나란히, 인류 역사상 가장 강력한 지능 엔진이 들어 있는데 그걸 안 쓴다는 것이다.
하버드, MIT, 스탠퍼드, IIT, 옥스퍼드, LSE 같은 세계 최고 대학들이 학기 전체 강의를 온라인에 무료로 올려놨다. 그런데 이 강의를 시작한 사람 중 88%는 끝까지 못 듣는다. 열 명 중 아홉 명 가까이다.
발표자는 여기서 결론을 낸다. 오늘날 AI를 제대로 쓰면, 25만 달러를 내지 않고도 그 대학 수준의 교육을 손에 쥘 수 있다. 다만 새 노션(Notion) 템플릿 같은 걸 만들자는 게 아니라, AI에게 다섯 가지 급진적인 역할을 맡기자는 것이다 — 0장에서 본 ALTER다. 이제 하나씩 만들어 간다.
1960년대 리버풀, 조선소와 부두로 가득한 도시에서 십 대 셋이 "Johnny and the Moondogs"라는 밴드를 시작했다. 이들이 훗날 세상을 바꾸게 될 줄은 몰랐다. 존 레넌, 폴 매카트니, 조지 해리슨 — 나중에 비틀즈가 된 이들이다. 하지만 한동안은 런던의 모든 음반사에서 퇴짜를 맞았다. 그러다 다섯 번째 비틀즈라 불리는 창작 조언자 조지 마틴을 만난다. 그는 밴드의 음악 프로듀서가 되어, 넷이서는 듣지 못하는 것을 들어 줬다. 그리고 밴드는 역사상 가장 사랑받는 음악을 만들어 냈다.
발표자는 이 패턴이 인류 역사 내내 반복됐다고 말한다. 아리스토텔레스가 없었다면 알렉산더 대왕도 없었다. 마이클 조던 같은 위인에게도 필 잭슨 같은 코치가 필요했다. 좋은 조언자는 나를 연구해서, 나만을 위한 길을 설계해 준다.
0장에서 짚은 경제 구조가 여기서 구체적으로 나온다. 모든 대학이 학생 개개인에게 맞춤 커리큘럼을 준다면 다 망한다. 모든 헬스장이 회원 전원에게 개인 트레이너를 붙인다면 돈을 못 번다. 그런데 오늘날의 AI는, 뭔가를 배울 준비가 됐을 때 완벽한 학업 조언자가 되어 줄 수 있다.
AI에게 이 다섯 가지를 정해 달라고 요구하면 된다.
발표자는 "기업 재무 가르쳐줘" 같은 단순한 프롬프트를 던지지 말라고 한다. 대신 이렇게 쓴다.
내 최고의 학업 조언자 역할을 해 줘. 6주짜리 맞춤 코스를 만들고 싶어. 기업에서 재무가 어떻게 돌아가는지 배워서, 그 지식으로 내 사업을 만드는 데 쓰고 싶어. 먼저 나를 인터뷰해서 내 약점, 즉 기준점을 찾아 줘. 목적지를 정하고, 순서를 짜고, 지금은 뺄 것을 정리하고, 매주 이정표도 줘서 내가 다음으로 넘어갈 준비가 됐다는 걸 증명할 수 있게 해 줘. 다섯 단계마다 최대 다섯 개까지, 한 번에 하나씩 질문해 줘.
발표자는 이 프롬프트 자체가 중요한 게 아니라고 덧붙인다. 오히려 AI에게 "지금 준 것보다 더 나은 프롬프트를 만들어 줘"라고 시켜도 된다. 핵심은 AI를 활용해 나만을 위한 커리큘럼을 만드는 것이다. 이건 사업이나 재무에만 해당하지 않는다. 디자인 이론처럼 인간의 감각과 취향이 중요한 분야를 배우고 싶다면, 같은 구조를 그대로 쓰면 된다. 이때는 제미나이(Gemini)를 쓸 수 있는데, 멀티모달 기능이 있어서 조언자에게 눈을 달아 주는 것과 같아진다.
이 단계를 지나면 AI는 더 이상 게으른 텍스트 생성기가 아니다. 나만의 길을 만들어 주는 지능 엔진이 된다. 하지만 아무리 좋은 길이라도, 그 길에서 배울 자료 자체가 쓰레기면 무너진다. 그래서 다음은 사서다.
커리큘럼을 세운 다음 부딪히는 문제는 거기 붙어 있기다. 스탠퍼드 연구진이 학생 7,800명 이상을 대상으로, 온라인 정보를 얼마나 잘 판단하는지 시험했다. 결과는 민망했다. 중학생의 82%가 협찬 콘텐츠와 실제 뉴스 기사를 구분하지 못했다. 이들은 인터넷을 처음 보는 옛날 사람들이 아니다. 인터넷 사용법을 아는 디지털 네이티브였다. 다만 인터넷이 자신의 신뢰를 얼마나 쉽게 악용할 수 있는지는 몰랐던 것이다.
알고리즘과 피드는 나를 가르치는 데 관심이 없다. 나를 그 자리에 붙잡아 두는 데만 관심이 있다. 그래서 AI 사서가 필요하다. 사서의 일은 커리큘럼을 산만함으로부터 지키는 것이다. 수천 개 중 어떤 10개 자료가 내 시간과 관심을 받을 자격이 있는지 골라내는 걸러내기(triaging) 기능이다. 이건 여기 속하고 저건 안 속한다, 이건 믿을 만하고 저건 너무 수준이 높다, 이건 신호(signal)고 저건 소음(noise)이다 — 이런 걸 가려내 준다.
먼저 선반(shelf)을 만든다. 진짜 중요한 자료 서너 개를 찾는다. 교과서, 유튜브 강의 영상들, 팟캐스트, 학술 논문, 신문 기사 모음 등 뭐든 좋다. 어떤 자료를 찾아야 할지조차 모르겠다면, 제미나이나 클로드, 챗GPT의 딥 리서치 기능을 써서 자료부터 찾을 수 있다. 그다음 이 문서들을 구글의 노트북LM(NotebookLM)에 올린다. 요즘은 제미나이에서 바로 새 노트북을 만들 수도 있다. 이렇게 하면 AI는 더 이상 인터넷을 정처 없이 떠돌지 않고, 내가 준 근거 자료에 발이 묶인다.
노트북LM은 이 자료들을 팟캐스트나 영상, 슬라이드로도 바꿔 준다. 발표자는 이걸 실제로 보여준다. 모건 하우절이 쓴 『심리와 투자(The Psychology of Money)』라는 책을 좋아해서 읽었고, 저자 본인이 출연한 유튜브 인터뷰 영상들을 모아 노트북LM에 넣었다. 스튜디오(studio)를 누르니 팟캐스트가 만들어졌고, 산책이나 출퇴근길에 들을 수 있다. 심지어 실시간으로 질문을 걸어 넣을 수도 있다. 시연에서 AI 진행자 둘이 대화하다가, "청취자 질문이 왔다"며 "이 책의 한 줄 요약이 뭔가요?"라는 질문을 받고 이렇게 답한다.
돈을 잘 다루는 건 얼마나 똑똑한지와는 거의 상관없다. 전부 어떻게 행동하는지에 달려 있다. 재정적 성공은 하드 스킬이 아니라 소프트 스킬이다.
발표자는 이게 미래의 이야기가 아니라 지금 당장 쓸 수 있는 것이라고 강조한다. 하지만 좋은 자료가 있다고 이해가 저절로 되는 건 아니다. 어느 순간 내용이 더 이상 이해가 안 되는 지점이 온다. 그때 필요한 게 튜터다.
선생은 설명한다. 튜터는 내 특정한 혼란을 1:1로 진단한다. 좋은 튜터는 내가 이해한 척을 하기 어렵게 만든다. 튜터링은 늘 교육의 사치재였다.
1980년대에 심리학자 벤저민 블룸(Benjamin Bloom)이 이 현상을 논문으로 다뤘다. 이른바 2-시그마 문제다. 1:1 튜터링을 받은 학생들이 일반 교실에서 수업받은 학생들보다 훨씬 성적이 좋았다. 튜터를 받은 평균 학생이, 일반 학급 학생의 98%보다 성적이 좋았다. 교육 역사에서 가장 중요한 발견 중 하나였고, 동시에 가장 답답한 발견이기도 했다. 튜터링이 효과 있다는 건 다들 알게 됐지만, 개인 튜터를 감당할 수 있는 사람은 많지 않았기 때문이다. 지금까지는.
AI는 인간 지능의 경제 구조를 완전히 깬다. 세계 최고 수준의 튜터가 이제 한밤중에도 내 옆에 앉아서, 불편한 질문을 던지고, 내 논리를 다듬고, 개념이 확실히 이해될 때까지 자리를 뜨지 않을 수 있다.
발표자는 챗GPT 음성이나 제미나이 음성을 주로 쓴다. 튜터링은 오피스 아워처럼 느껴져야 하기 때문이다. 시연에서 아이폰의 제미나이 음성 모드를 켜고 이렇게 말한다.
『심리와 투자』의 "충분함(enough)"이라는 개념에 대해 내 튜터가 되어 줘. 한 번에 질문 하나씩만 해. 강의하지 마. 내 이해의 빈틈을 찾아 줘. 정확하게 짚어 줘.
AI는 곧바로 되묻는다. "남들과 계속 비교하는 게, 나만의 '충분함'을 정의하는 걸 왜 어렵게 만드는가?" 발표자는 이게 완전한 즉흥이었다고 말한다. AI 튜터가 무슨 질문을 할지 자신도 몰랐기 때문이다. 하지만 실제 학습도 그렇게 흘러간다. 답을 모르는 질문을 받을 때가 있고, 그럴 땐 튜터와 함께 풀어 가야 한다. AI에게 하는 최고의 두 명령은 "가르쳐 줘"와 "테스트해 줘"라고 그는 말한다.
하지만 문제가 하나 남는다. 배우는 건 좋지만, 뭔가를 실제로 내놓아야 할 때는 정직한 피드백과 다듬는 과정이 필요하다. 그래서 다음은 에디터다.
F1 자동차 경주는 보통 90분 정도지만, 승패를 가르는 건 단 몇 초 차이다. 그래서 팀마다 대규모 엔지니어 조직이 수천 개의 데이터를 실시간으로 지켜보며, 계속 미세한 수정을 드라이버에게 전달한다. 매 코너에서 몇 분의 1초씩만 줄여도 결과가 바뀌기 때문이다. 실시간 피드백이 모든 걸 가른다. 탁월함은 피드백 속에 산다.
그래서 저자에게는 편집자가 있고, 영화감독에게도 편집자가 있고, 기자에게도 편집자가 있다. CEO에게도 이사회라는 이름의 편집자가 있다.
발표자는 중요한 글을 쓸 때마다 챗GPT나 제미나이, 클로드로 검토를 받는다고 말한다. AI에게 이렇게 요청한다 — 내 생각과 논리에 도전해라. 주장의 약점을 찾아라. 반복을 잘라내라. 구조를 조여라. 언어를 더 정확하고 구체적으로 만들어라. AI는 글을 다듬는 데 강력한 동맹이 될 수 있다. 다만 비행기 조종은 여전히 내가 직접 해야 한다고 그는 덧붙인다.
여기까지 오면 다섯 번째이자 마지막 역할이 남는다 — 룸메이트다.
앞으로 다가올 시대에는 내 전문성의 깊이가 계속 도전받고, 계속 갱신해야 할 것이다. 그러려면 폭이 필요하다. 그 폭은 룸메이트에게서 온다.
발표자가 기숙사에 살던 시절, 룸메이트와는 공통점이 하나도 없었다. 그런데 밤늦게까지 나눈 대화는 언제나 눈을 뜨게 하는 경험이었다. 룸메이트는 늘 디자인의 경제학, 미학적 트레이드오프, 타협, 장인정신 같은 이야기를 했다. 사실상 경영학 교수만큼이나 창업과 취향과 전략에 대해 많이 가르쳐 준 셈이었다.
픽사가 사내 교육 프로그램(픽사 대학)을 만들 때도 똑같은 원리를 썼다. 애니메이터 전원을 조각 수업에 넣었다. 회계사와 경비원은 그림 수업에 넣었다. 왜일까. 나와 다른 세계의 시각을 빌리면, 오히려 내 세계를 더 잘 이해하게 되기 때문이다.
그래서 질문은 이렇다 — AI를, 나에게 신선한 시각을 가져다주는 룸메이트로 어떻게 만들 것인가. 방법은 내 분야와 완전히 동떨어진 것에 대해 물어보는 것이다. 요리와 재무 사이에 무슨 연관이 있을까? 재즈 뮤지션이 다른 연주자와 합주하는 방식은, 팀을 만드는 것과 어떻게 연결될까?
룸메이트는 내가 절대 스스로 묻지 않을 질문을 던져 준다. 낯선 사람의 렌즈를 손에 쥐여줘서, 세상을 처음 보는 것처럼 다시 보게 해 준다.
이게 상자 속의 개인 대학, ALTER 프레임워크 전체다. 조언자, 사서, 튜터, 에디터, 그리고 룸메이트. 프롬프트 하나 거리밖에 안 되고, 오늘 밤부터 바로 시작할 수 있다.
발표자는 마지막으로 이야기 하나를 남긴다. 어느 젊고 다급한 학생이 강가에 도착했다. 서둘러 강을 건너야 했는데 다리가 없고, 크기도 모양도 제각각인 배 여러 척만 놓여 있었다. 학생은 그냥 서 있던 늙은 뱃사공에게 물었다. "어떤 배가 제일 빨리 저를 건너편으로 데려다줄까요?" 뱃사공이 웃으며 답했다.
"당신이 올라타서 노를 젓기 시작하는 배요."
영상의 답을 한 문장으로 묶으면 이렇다. AI에게 조언자·사서·튜터·에디터·룸메이트라는 다섯 역할을 순서대로 맡기면, 원래 사람을 고용해야만 얻을 수 있던 개인 맞춤 교육을 혼자서도 손에 넣을 수 있다.
이 답을 어디까지 믿을지는 부분마다 다르다. 2-시그마 문제(4장)와 스탠퍼드의 82% 연구(3장)는 둘 다 실제 논문·보고서로 확인된 현상이라 근거가 단단하다. 반면 88% 중도 포기율(1장)은 발표자가 출처를 밝히지 않은 수치라 그대로 믿기는 어렵다(부록 B 1번). 조지 마틴이나 픽사 대학 같은 일화는 사실관계 자체는 잘 알려진 이야기지만, "그래서 이 방법이 효과가 있다"는 연결은 발표자의 주장이지 검증된 인과관계는 아니다.
영상은 "이게 어떻게 돈이 되는지"를 직접 말하지 않는다. 여기서부터는 내 판단이다. 조언자·사서·튜터·에디터·룸메이트는 전부 원래 사람을 고용해야만 살 수 있던 전문 서비스였다. 사설 튜터, 편집자, 자문위원, 자료를 걸러 주는 사서를 개인이 상시로 곁에 두는 건 비쌌다 — 2-시그마 문제가 그걸 숫자로 보여준다. 튜터링의 효과는 확실했지만, 그 비용을 감당할 사람이 적어서 결국 학교라는 대량생산 모델을 택할 수밖에 없었다. AI가 이 다섯 가지를 거의 공짜로 만들면, 기회는 두 갈래로 열린다. 하나는 개인 차원이다. 남들이 몇 년씩 걸려 익히는 전문성을 빠르게 따라잡으면, 이직·창업·프리랜스 시장에서 값을 매길 수 있는 실력을 더 짧은 시간에 갖추게 된다. 다른 하나는 사업 차원이다. "AI를 어떤 역할로 부르고 어떻게 쓸 것인가"라는 방법론 자체가 상품이 된다 — 이 영상을 만든 산딥 스와디아도, 앞서 다른 폴더에서 정리한 댄 마텔도 결국 이 방법론을 책·강의·유튜브·팟캐스트로 팔고 있다. 이 정리 폴더 자체도 같은 구조를 실제로 쓰고 있다 — 영상 하나를 골라, 자막을 근거로 구조를 뽑아 정리하고, 스킬 파일로 굳혀서 다음번엔 더 빨리 반복하는 것. 이 영상이 말하는 ALTER 루프와 같은 모양이다.
| 말 | 뜻 | 어디서 |
|---|---|---|
| ALTER | Advisor(조언자)·Librarian(사서)·Tutor(튜터)·Editor(에디터)·Roommate(룸메이트). 이 영상이 말하는 다섯 역할 | 0장 |
| 상자 속의 개인 대학(university in a box) | AI에게 ALTER 다섯 역할을 맡겨서 혼자서도 대학 수준 학습을 해내는 시스템의 별명 | 0장 |
| 다섯 가지 결정(destination·baseline·sequencing·cut list·milestones) | AI를 좋은 조언자로 만들기 위해 요구해야 할 다섯 항목 — 목적지·기준점·순서·뺄 것·이정표 | 2장 |
| 선반(shelf) 만들기 | 노트북LM에 넣기 전, 진짜 중요한 자료 서너 개를 먼저 추려내는 단계 | 3장 |
| 노트북LM(NotebookLM) | 구글의 실제 서비스. 올린 자료만 근거 삼아 대화·퀴즈·팟캐스트·영상을 만들어 줌 | 3장 |
| 2-시그마 문제 | 1:1 튜터링을 받은 학생이 일반 학급의 98%보다 성적이 좋았다는 벤저민 블룸의 1984년 연구 | 4장 |
세계 최고 대학 온라인 강의의 88% 중도 포기율(1장)은 발표자가 출처를 밝히지 않은 채 던진 수치다. 웹 검색으로도 정확히 "88%"라는 값을 뒷받침하는 단일 연구는 찾지 못했다. MOOC(온라인 대중 공개강좌) 완주율을 다룬 여러 연구는 대체로 완주율을 5~15% 수준으로 더 낮게 보고하기도 해서, 88%라는 숫자 자체를 그대로 믿을 근거는 약하다.
스탠퍼드의 82% 연구(3장)는 웹 검색으로 확인한 실제 연구다. 2016년 스탠퍼드 역사교육그룹(Stanford History Education Group)이 미국 12개 주 학생 7,804명을 대상으로 진행한 조사이며, 영상이 말한 "중학생의 82%가 협찬 콘텐츠와 뉴스를 구분 못 했다"는 결과와 실제 조사 결과가 일치한다.
2-시그마 문제(4장)도 웹 검색으로 확인한 실제 논문이다. 벤저민 블룸이 1984년에 발표한 "The 2 Sigma Problem"으로, "튜터를 받은 평균 학생이 일반 학급 학생의 98%보다 성적이 좋았다"는 영상의 설명이 논문 내용과 정확히 일치한다.
이 영상의 영어 원어 자막을 살펴본 결과, 뚜렷하게 깨진 고유명사는 찾지 못했다. 비틀즈 관련 이름(존 레넌, 폴 매카트니, 조지 해리슨, 조지 마틴), 대학 이름(하버드·MIT·스탠퍼드·IIT·옥스퍼드·LSE), 벤저민 블룸 같은 이름이 모두 정확하게 표기돼 있었다. 영어 원어 자막이라 번역을 거치지 않은 것이 도움이 된 것으로 보인다.
발표자 이름은 자막 어디에도 나오지 않는다. 설명글에 걸린 스포티파이 팟캐스트 링크를 열어 확인한 결과, 쇼 이름과 진행자 모두 산딥 스와디아(Sandeep Swadia)였고, 그가 올린 에피소드 중 "How To Become Dangerously Self-Educated With AI (for free)"라는 제목의 에피소드 설명이 이 영상의 내용(AI를 조언자·사서·한밤중 튜터·에디터·룸메이트로 쓰는 다섯 역할)과 정확히 일치했다. 앞서 다른 폴더에서 발표자를 이력만으로 추정했던 것보다 근거가 하나 더 단단하지만, 영상 자막 자체에는 이름이 등장하지 않는다는 점은 동일하게 남아 있다.
발표자가 강연했다는 "대형 미디어 회사"가 어디인지는 영상에 나오지 않아 확정하지 못했다.
받아 둔 자막은 영어 원어(en-orig) 하나뿐이다. 폴더 이름의 "[한글자막]"은 업로더가 영상 화면 안에 한국어 자막을 입혀 놓았다는 표시로 보이지만, 그건 유튜브의 자막 트랙이 아니라 영상에 구워 넣은 이미지라 따로 받을 수 없다. 실제로 유튜브가 제공하는 자막 트랙은 영어 원어 하나뿐이었다. 그래서 이 정리는 영어 원어 자막 하나만을 근거로 썼다.