AI가 선택지를 늘릴수록 사람의 판단이 더 중요해지는 이유

AI가 선택지를 늘릴수록 사람의 판단이 더 중요해지는 이유

AI 뉴스 썸네일

AI는 짧은 시간에 수십 개의 문안과 디자인, 코드 후보를 만들 수 있어요. 선택지가 많아질수록 제작 속도는 빨라지지만, 무엇을 실제 제품에 넣을지 정하고 결과를 책임지는 일은 그대로 남아요. Addy Osmani는 이 차이를 안목과 판단으로 나눠 설명해요. 2

핵심 요약

구분	핵심	왜 볼 만한가요
안목	근거가 모두 갖춰지기 전에 여러 후보의 품질 차이를 알아보는 능력이에요	생성 결과가 많아질수록 좋은 후보를 걸러내는 기준이 필요해요
판단	위험과 절충을 받아들이고 하나의 선택을 실제 작업으로 내보내는 능력이에요	선택이 실패했을 때 설명하고 고칠 책임은 결정한 사람과 팀에 남아요
AI의 역할	후보 생성과 비교, 순위 매기기는 점점 더 잘할 수 있어요	평가 결과를 참고하되 최종 승인 권한까지 자동으로 넘길지는 별도로 정해야 해요
훈련 방법	좋은 결과물을 폭넓게 보고, 선택 당시 예상과 실제 결과를 비교해요	호불호를 말하는 데서 멈추지 않고 성공과 실패 원인을 축적할 수 있어요

1. AI가 잘 고르는 것과 책임지고 결정하는 것은 달라요

Osmani가 말하는 안목은 모든 근거를 숫자로 설명하기 전에 품질 차이를 알아보는 능력이에요. 같은 화면을 여러 버전으로 만들었을 때 어느 쪽이 더 정돈돼 보이는지, 어떤 코드가 팀의 관례와 제품 방향에 더 잘 맞는지 구별하는 감각에 가까워요. 반복해서 만들고 비교한 경험이 쌓이면 정답이 모호한 상황에서도 더 나은 후보를 찾을 수 있어요. 1

AI는 이 과정의 범위를 크게 넓혀요. 문안 3개를 만들던 시간에 30개를 만들고, 정해진 기준에 따라 후보를 비교하거나 순위를 매길 수 있어요. 다만 후보가 늘었다고 최종 결정이 저절로 쉬워지지는 않아요. 품질 기준이 불분명하면 비슷한 결과물만 쌓이고, 평가 기준을 잘못 주면 그 기준에 맞춘 답을 빠르게 반복할 뿐이에요.

728x90

안목은 다양한 결과물을 비교하면서 자라요

비슷한 스타일만 계속 보면 익숙함과 품질을 혼동하기 쉬워요. Osmani는 좋은 결과물에 폭넓게 노출되고, 같은 대상의 여러 버전을 비교하며 차이가 생긴 이유를 살펴보라고 권해요. “마음에 들어요”에서 끝내지 않고 타이포그래피, 정보 구조, 속도, 오류 처리처럼 구체적인 요소를 짚으면 다음 작업에도 쓸 수 있는 기준이 생겨요. 2

AI 결과를 검토할 때도 같은 방식이 필요해요. 첫 답을 바로 채택하기보다 서로 다른 접근을 요청하고, 각 후보가 어떤 조건에서 실패하는지 확인하는 편이 좋아요. 디자인이라면 화면 크기와 접근성을 함께 보고, 코드라면 테스트와 유지보수 비용까지 비교해야 해요. 선택 횟수보다 선택 뒤에 남긴 이유가 팀의 안목을 더 오래 보존해요.

판단에는 선택의 결과를 감당하는 일이 포함돼요

판단은 가장 좋아 보이는 후보를 찾는 데서 끝나지 않아요. 일정, 비용, 안전, 사용자 영향 사이의 절충을 받아들이고 실제로 내보낼 하나를 정해야 해요. 문제가 생기면 왜 그 결정을 내렸는지 설명하고 후속 조치를 맡는 일도 포함돼요. 2

글에 나온 Apple Maps 사례가 이 차이를 보여줘요. 2012년 처음 나온 Apple Maps는 벡터 렌더링과 타이포그래피에서 시각적 완성도를 보였지만, 위치와 지도 정보의 오류로 큰 비판을 받았어요. Tim Cook은 공개 사과문에 자신의 이름을 걸었어요. 제품의 세부 표현을 다듬는 능력과 출시 전체를 책임지는 판단은 같은 문제가 아니었다는 설명이에요. 1

팀에서는 AI의 권한 경계를 먼저 정해야 해요

AI에게 후보 생성과 1차 평가를 맡기는 것과 최종 승인을 맡기는 것은 위험이 달라요. 문구 초안처럼 되돌리기 쉬운 작업은 자동화 범위를 넓힐 수 있어요. 결제, 보안, 개인정보, 대규모 배포처럼 실패 비용이 큰 결정은 승인자와 중단 조건을 분명히 남겨야 해요.

실무에서는 세 가지 기록이 도움이 돼요. 선택한 후보와 버린 후보를 함께 보관하고, 결정 당시 예상한 결과를 적고, 출시 뒤 실제 지표와 사고를 다시 비교해요. 이 기록이 있으면 결과가 좋았다는 이유만으로 위험한 판단을 미화하거나, 결과가 나빴다는 이유만으로 당시의 합리적인 결정을 전부 부정하는 일을 줄일 수 있어요.

왜 중요한가요

생성 비용이 줄면 팀이 검토해야 할 선택지는 더 많아져요. 이때 병목은 만드는 속도에서 고르는 기준과 승인 책임으로 옮겨가요. AI가 높은 점수를 준 결과라도 제품 맥락, 사용자 피해, 법적 책임까지 대신 떠안을 수는 없어요. 최종 결정권을 가진 사람이 평가 기준과 실패 비용을 이해해야 하는 이유예요. 2

AI를 잘 쓰는 팀은 사람의 판단을 없애기보다 판단이 필요한 지점을 좁힐 수 있어요. 반복적인 후보 생성과 형식 검사는 자동화하고, 되돌리기 어렵거나 사용자에게 큰 영향을 주는 선택에는 사람이 이름을 남겨요. 출시 뒤에는 예상과 실제 결과를 비교해 다음 결정의 기준을 고쳐야 해요. 이런 순환이 있어야 AI의 속도가 품질과 책임을 함께 끌고 갈 수 있어요.

참고 자료

1. 안목, 판단 그리고 AI — GeekNews
2. Taste, Judgment and AI — Addy Osmani, X
3. 안목, 판단 그리고 AI Markdown — GeekNews Markdown