깃허브 엔지니어 션 고데케가 '모델은 잘 아는 사람에게 더 많이 내준다'고 쓴 글이 해커뉴스에서 440점·댓글 191개를 받았어요. 근거로 든 건 수학자 테렌스 타오가 공개한 챗GPT 대화 한 건인데, 고데케는 거기서 네 가지 행동을 뽑아냈어요 — 질문이 짧고 군더더기가 없다는 것, 전문가임을 드러내 모델의 말투 자체를 바꾼다는 것, 틀린 답에 정면으로 반박하는 대신 다시 정리해 보라고 되돌린다는 것, 그리고 '다음에 뭘 할지'는 거의 모델에 맡기지 않는다는 것이에요. 다만 이 글에는 실험도 수치도 없고, 나머지 근거는 본인이 깃허브에서 맡은 시스템을 다뤄 본 경험이에요.
용어 풀이
- LLM
- 사람 말로 묻고 답하는 대규모 언어 모델. 챗GPT·클로드 같은 것들
- METR
- AI 모델의 능력과 위험을 측정하는 미국 비영리 연구 단체
운영자 인사이트
'전문가라 유리하다'는 말 자체는 확인할 방법이 없지만, 타오에게서 뽑아낸 네 가지는 오늘 그대로 따라 할 수 있어요. 실무에서 제일 크게 갈리는 건 '다음 단계를 모델에 맡기지 않는다'예요 — 계획은 내가 쥐고 모델은 단계마다 쓰는 방식이죠. 대신 체감 속도는 믿지 마세요. 자기 저장소를 훤히 아는 숙련 개발자를 실제로 재 본 실험에선 20% 빨라졌다고 느끼면서 19% 느려졌어요.
여러 관점으로 보기
- 반대 진영 — 몰라도 더 많이 내놔요 댓글 191개는 갈렸어요. 한쪽은 '출력을 제대로 안 보고도 동료보다 많이 낸다'고 했고, 다른 쪽은 후배들이 아예 몸으로 익히질 못해 같은 실수를 반복한다고 걱정했어요. Hacker News
- 실제로 재 봤더니 반대 결과 작년 7월 측정이라 도구 기준은 한 해 전이지만, 별 2만 개 넘는 자기 저장소를 다루는 숙련 개발자 16명은 AI를 쓸 때 19% 느려졌고 정작 20% 빨라졌다고 느꼈어요. METR
- 근거 원본 — 타오의 대화 그 자체 글이 통째로 기대고 있는 단 하나의 사례예요. 링크는 살아 있으니 네 가지 행동이 정말 그렇게 읽히는지 직접 보고 판단할 수 있어요. ChatGPT