에이전트형 AI를 제대로 배우기 위해서는 겉모습이 아닌 시스템의 구조와 원리를 이해하는 것이 중요합니다. 기능보다 개념, 도구보다 생태계를 중심에 두고 학습하면 변화에도 유연하게 대응할 수 있습니다. 이 글을 통해 지금 할 수 있는 작은 실천부터 시작해, 장기적인 AI 역량을 학습해 보세요.
러닝 디자이너로서, 저는 AI가 제 업무에 어떤 도움을 줄 수 있을지 꾸준히 탐구해 왔습니다. 하지만 새로운 튜토리얼이나 기능을 시도할 때마다 용어는 낯설고, 예외 상황은 복잡하며, 지나친 기대감 속에 방향을 잃는 경우가 많았습니다. 왜 어떤 AI 스킬은 오래 남고, 어떤 건 금세 잊혀지는 걸까요?
지금 이 순간, 에이전트형 AI 시대에 발맞춰 나가기 위해 필요한 건 단순히 최신 도구를 익히는 게 아닙니다. 기술은 너무 빠르게 바뀌기 때문에 그걸 따라잡으려는 건 의미가 없죠. 대신 중요한 건 AI가 ‘어떻게 사고하고, 처리하며, 진화하는지’에 대한 원리를 이해하는 것입니다. 기능보다는 프레임워크에 집중하는 사고 전환이 필요합니다. 구조, 데이터 흐름, 설계 논리를 이해하면, 더는 변화를 따라가는 입장이 아닌 다음 흐름을 만드는 사람으로 나아갈 수 있습니다.
No.1 CRM 세일즈포스의 최신 트렌드 뉴스레터
새로운 소식을 가장 먼저 받아보세요!
AI 학습 설계 적용하기
러닝 디자인을 예로 들면, 초보자는 보통 제공된 템플릿에 따라 강의를 구성하지만, 경험이 많은 디자이너는 다음과 같은 내용들을 생각합니다:
• 다른 사람들은 어떻게 배우는지
• 기억은 어떤 방식으로 작동되고 유지되는지
• 피드백은 어떻게 행동 변화를 유도하는지
이런 이해가 있어야 새로운 포맷에도 유연하게 대응할 수 있고, 학습자 참여를 끌어낼 수 있죠. AI도 마찬가지입니다. 시스템을 이해하고 있으면 변화에 단순히 반응하지 않고, 다음을 기획할 수 있는 여지가 생깁니다.
이게 바로 AI 경험 설계에서 중요한 역량입니다. 표면이 아니라 구조를 배우는 것이죠. 그리고 이건 결코 추상적인 얘기가 아닙니다. 아주 실용적인 이야기입니다. 그렇다면 이 사고방식은 어떻게 기를 수 있을까요?
AI 핵심 개념에 대한 감각 키우기
AI의 핵심 개념은 단순 유행어 수준의 버즈워드가 아닙니다. 함수 호출(Function Calling), RAG(Retrieval-Augmented Generation)과 같은 다양한 플랫폼에 적용되는 기본 역량을 의미합니다. 개념을 이해하면 단순히 각 단계를 따르는 데 그치지 않고 결과를 더욱 구체화하는데 도움이 될 수 있습니다.
디자이너에게는 정보가 어떻게 구성되어 있고 해당 언어가 어떻게 처리되는지 이해하는 것이 매우 중요합니다. 즉, 분류체계(Taxonomy)와 온톨로지(Ontology)의 차이, 구조화/비구조화 데이터, 프롬프트와 함수 호출의 차이, 대형 언어모델과 액션 모델의 차이를 아는 것이 포함됩니다. 이건 더 이상 개발자만의 영역이 아닙니다. 현대의 디자인과 학습 설계자에게도 필수적인 사고 도구가 되고 있습니다.
학습을 시작하는 방법
• 한 번에 하나의 개념에만 집중하기: 하나의 핵심 AI 개념을 선택하고 너무 많은 걸 동시에 이해하려고 하지 마세요. 이렇게 한 개념씩 나누어 학습하면 인지가 훨씬 수월해집니다.
• 반복을 통해 강화하기: 플래시카드, 다이어그램, 요약 정리 등을 활용해 개념을 반복하여 학습하고 핵심 개념에 대한 기억력을 강화하세요.
• 맥락 속에서 적용하기: 학습한 개념을 실제 사례와 연결하세요. Salesforce 같은 툴에서 해당 개념이 어떻게 구현되어 있는지 추적해보거나, 간단한 프로토타입을 만들어보는 것도 좋습니다.
기능을 넘어 역량에 집중하기
눈에 띄는 기능이나 UI에만 집중하면, 매번 새 도구가 나올 때마다 다시 처음부터 배워야 하는 상황이 반복됩니다. 중요한 건 어떤 브랜드의 기능이 아니라, 그 기능이 구현하고 있는 역량 자체입니다. 예를 들어, 요약, 검색, 번역, 분류, 추론 같은 능력은 도구가바뀌어도 여전히 핵심입니다.
이 본질을 이해하면, 툴 간 비교가 쉬워지고, 새로운 활용 시나리오를 상상할 수 있고, 전략의 유연성도 훨씬 높아집니다.
예시로, 고객 서비스나 제품 디자인, 온보딩 등 다양한 영역에서 의미를 추론하고, 맥락 속에서 다음 단계를 제안하는 시스템이 점점 더 많아질 겁니다. 이럴 때 지식 그래프를 사용하거나 여러 의미를 명확하게 구분하는 방식을 이해한다면, 시스템을 효과적으로 설계하고, 측정하고, 확장할 수 있습니다.
학습을 시작하는 방법
• 개념을 실제 도구에 연결하기: 요약이나, 분류처럼 핵심적인 AI 기능부터 시작해 보세요. 이 기능들이 다양한 도구에서 어떻게 구현되는지 비교하면서 살펴보면, 개념 이해가 훨씬 명확해집니다.
• 기억에 도움이 되도록 구조화하기: 배운 내용을 시각적인 맵이나 리스트로 정리해 보세요. 도구 간의 공통 패턴을 눈으로 확인하면 기억에도 오래 남고, 새로운 도구에 적응하기도 수월해집니다.
• 직접 적용하고 성찰하기: 실제 프로젝트나 Salesforce 기능에 기능을 적용해 보세요. 실험 후 받은 피드백이나 스스로의 성찰을 통해 인사이트를 ‘지식’이 아닌 ‘역량’으로 전환하는 것이 핵심입니다.
트렌드보다는 AI 생태계에 주목하기
AI 분야는 변화 속도가 매우 빠릅니다. 매일같이 신제품 출시, 트렌드 리포트, 전망 보고서, 기업 발표가 쏟아지죠. 하지만 진짜 중요한 건 이런 ‘헤드라인’이 아니라, 무엇이 실제로 바뀌고 있는가를 파악하는 것입니다.
대부분의 큰 변화는 브랜드나 제품명에 나타나기 전, 기술이 만들어지는 방식에서 먼저 시작됩니다. 그래서 생태계를 먼저 살펴보면 대중화되기 전에 흐름을 감지할 수 있고, 그것이 곧 차별화된 경쟁력이 됩니다.
예를 들어 모델 컴포넌트 프로토콜(MCP) 같은 개념은 주요 발표에서는 잘 다뤄지지 않지만, 도구 간 상호 연결 방식에 영향을 미치는 중요한 변화입니다. 이를 일찍 인지하고 있으면, 초기부터 연동성과 확장성을 고려한 설계를 할 수 있습니다.
또 하나 주목할 분야는 API 디자인입니다. 오늘날 스마트 검색, 시스템 간 오케스트레이션과 같은 강력한 기능에는 모두 시스템 간 통신 방식에 달려 있습니다. 코드를 작성하지 않더라도 API 문서를 읽고, 그 연결 구조를 이해하는 것만으로도 ‘무엇이 가능한지’를 미리 상상할 수 있습니다.
학습을 시작하는 방법
• 신뢰할 수 있는 기술 소스를 주기적으로 살펴보기: 매주 일정 시간을 정해 개발자 포럼, 기술 블로그, 표준화 움직임 등을 스캔하는 습관을 들이면 변화 흐름을 빠르게 감지할 수 있습니다.
• 하나의 개념을 깊이 있게 파고들기: MCP(Model Component Protocol)처럼 새롭게 떠오르는 개념을 하나 골라, 그것이 시스템 간 연동이나 설계 방식에 어떤 영향을 줄 수 있는지 집중적으로 분석해 보세요.
• 디자인 관점에서 연결해 보기: 학습한 내용을 바탕으로 API 구조나 데이터 모델이 바뀔 때, 내가 설계하는 경험에는 어떤 영향을 줄지 고민해 보세요. 그 통찰을 바탕으로 더 유연하고 미래 지향적인 경험을 설계할 수 있습니다.
단순 설계/제작을 넘어 시스템 사고로의 전환
오늘날의 디지털 활용 역량은 단순한 화면 설계나 콘텐츠 제작을 넘어서, 인터페이스 이면의 ‘지능 구조’를 이해하는 것에 가깝습니다. 즉, 우리가 만드는 것은 화면이 아니라 반응하고, 적응하며, 판단하는 시스템입니다. 이런 사고 전환은 곧 입력과 출력, 신호와 의도, 피드백 루프, 논리 모델 등 시스템 단위의 구조적 요소로 생각하는 것을 의미합니다.
또한, 콘텐츠 역시 모듈 단위로 설계되어야 합니다. 태깅하고, 인덱싱하고, 재사용하고,조합 가능하게 만들어야, 다양한 상황에 맞춰 실시간으로 변화하고 확장되는 경험을 만들 수 있습니다.
학습을 시작하는 방법
• 도구 중심에서 시스템 중심 질문으로 전환하기: 예를 들어 “이 도구는 입력을 어떻게 이해할까?”, “의사결정 로직은 어디에 저장되어 있을까?”, “지식은 어떤 방식으로 저장되고 활용될까?”와 같은 질문은 사고 전환에 도움이 됩니다.
• 익숙한 시스템을 그리기: 자주 사용하는 시스템을 떠올려 입력, 출력, 피드백 루프가 어떻게 작동하는지 스케치해 보면, 변화에 대한 시스템의 반응 방식을 시각적으로 이해할 수 있습니다.
• 데이터 흐름을 추적하기: 실제 프로젝트에서 데이터가 어떻게 흘러가고, 어느 지점에서 의사결정이 이뤄지며, 어떤 조건에서 반응이 일어나는지를 살펴보면 시스템 사고력과 설계 유연성이 향상됩니다.
AI 경험 설계를 위한 업스킬링
제게 진짜 전환점이 되었던 건 ‘무엇을 배우느냐’가 아니라, ‘어떻게 배우느냐’에 대한 생각을 바꿨을 때였습니다. 매번 새로운 도구를 좇는 대신, 그 아래 깔린 시스템 구조에 집중하기 시작했죠. 표면에서 구조로의 전환, 그 순간부터 모든 것이 연결되기 시작했습니다.
AI가 어떻게 사고하고, 지식을 저장하며, 입력에 반응하는지를 이해하면 단순한 기술 습득을 넘어, 변화에 대응하는 설계력을 갖추게 됩니다. 업데이트에 휘둘리지 않고, 지속적인 가치를 만드는 사람으로 전환되는 거죠.
시작은 지금, 여기서부터 가능합니다. 시스템 하나를 추적해 보세요. 프로토콜 하나를 배워보세요. 아이디어 하나를 실험해 보세요. 오늘의 작지만 구조적인 학습이, 내일의 가능성을 결정짓습니다.
궁금한 점은 언제든 문의주세요.
전문가가 도움을 드리겠습니다.
