Tom Johnson은 AI와 문서화 관련해서 가장 활발하게 자신의 생각을 공유하고 있는 이들 중 하나입니다. 지난 주말에 올린 "Two strategies to succeed when AI seems to be eroding jobs around you"라는 글을 번역해서 공유해 봅니다. 사실 이제는 브라우저에서 자동으로 번역하는 도구들이 많아져서 이렇게 올리는 것이 큰 의미는 없지만, 개인적으로 글을 좀 깊게 읽어보고자 하는 일입니다.
원문: https://idratherbewriting.com/blog/strategies-to-succeed-in-context-of-ai
요약: 지난 한 해, 기술 커뮤니케이션 업계에서는 AI로 인한 직업 안정성에 대한 우려가 컸습니다. 이 글에서 저는 우리의 역할이 작가에서 콘텐츠 디렉터로 변화하고 있다고 주장합니다. 새로운 역할에서 성공하기 위해 필요한 요소는 두 가지입니다. (1) 주제 전문성 개발과 (2) 도구 활용 전문성 개발 입니다. 또한, 끊임없이 발전하는 기술 속에서도 기술 문서 작성자가 필수적인 역할을 계속할 것이라는 낙관적인 견해를 공유합니다. AI가 일부 일자리를 대체할 수도 있지만, 기술의 기하급수적인 성장은 문서화에 대한 더 많은 기회와 수요를 창출할 것입니다. 또한, AI 도구의 정확성을 위해 좋은 품질의 문서는 여전히 필요합니다.
들어가며
한 달 전쯤, 대학교에서 기술 문서 작성을 가르치는 친구와 커피를 마셨습니다. 여러 주제에 대해 이야기를 나누다가 친구는 현재 AI 트렌드와 관련해 동료 교수와 학생들에게 조언이 될만한 글을 써 달라고 부탁했습니다. 저는 대부분의 기업이 AI 열풍에 완전히 빠져 있으며, 직원들도 성공하려면 이 흐름에 동참해야 한다고 설명했습니다. 이는 학교에서 AI를 다루는 방식과는 극명한 대조를 이룹니다. 학교에서는 AI를 금지하거나, 학습 과정을 저해한다는 이유로 AI 사용을 막는 경우가 많습니다. 이야기를 나눈 지 한 달이 지나서 드디어 하고 싶은 말을 정했습니다!
이야기를 시작하기 전에 현재 환경과 AI에 대해 좀 더 자세히 살펴보겠습니다. 지난주에 제가 근무하는 회사(구글입니다)에서 기술 작가들을 위한 사내 컨퍼런스를 마무리했는데, AI 관련 발표가 거의 20건이나 되었습니다. 컨퍼런스 후에는 15명 이상이 참석하여 컨퍼런스의 AI 관련 주제와 주요 내용을 되짚어보는 토론을 진행했습니다. 지금까지 진행된 그룹 토론 중 가장 활발하고 많은 참석자가 모인 자리였습니다. 토론을 준비하기 위해 NotebookLM(나중에 자세히 설명하겠습니다)을 통해 AI 관련 발표를 모두 수집하고 주요 주제를 살펴보았습니다.
징후는 도처에 널려 있고, 5년 후 이 모든 일이 어떻게 전개될지 정말 걱정스럽습니다. 이 글에서는 이 질문에 답해 보겠습니다. 안전하게 다가오는 시대에 안착하기 위해 어떤 전략을 따라야 할까요? 더 구체적으로, 작가에서 디렉터로 역할이 바뀌면서 성공하는 데 가장 도움이 될 기술은 무엇일까요?
물론 미래는 아무도 알 수 없습니다. 그리고 과거가 우리에게 주는 교훈이 있다면 그것은 바로 미래가 우리를 놀라게 한다는 것입니다. AI가 발전하는 가운데 일자리 감소를 어떻게 안전하게 헤쳐나갈지에 대한 확신을 갖고 있다고 주장하는 것은 아닙니다. 특히 서로 다른 전문 분야와 영역에서는 어떤 사람에게 효과적인 것이 다른 사람에게는 적합하지 않을 수 있습니다. 하지만 저는 이 주제에 대한 제 생각을 정리하고 정리하려고 노력했고, 저 자신을 위해서라도 여기에 공유하고 싶습니다.
기술 작가에서 콘텐츠 디렉터로 역할 변경
사내 기술 커뮤니케이션 컨퍼런스에서 가장 두드러진 주제는 기술 문서 작성자의 역할이 편집자이자 콘텐츠 디렉터로 변화하고 있다는 것이었습니다. 얼마 전부터 문서를 직접 작성하는 대신, 프롬프트를 통해 작성하고 AI가 작성된 문서를 분석하고, 추가적인 콘텐츠를 생성하고, 버그를 수정하는 등의 작업을 수행하도록 조정합니다. 이제는 기술 문서를 처음부터 작성하는 경우가 드뭅니다.
콘텐츠 편집자 겸 디렉터라는 새로운 역할에서 어떤 역량이 우리의 성공에 도움이 될까요? 관련 역량은 많겠지만, 장황하게 나열하기보다는 가장 중요한 두 가지, 즉 주제 전문성 개발과 도구 전문성에 집중하겠습니다.
하지만 이 두 가지 영역으로 넘어가기 전에, 몇 가지 다른 기술들을 살펴보겠습니다. 이것들은 기본적인 기술이라고 할 수 있습니다. 여전히 중요하지만, 핵심 역량은 아닙니다.
(1) 편집 판단력
편집 판단력은 숙련된 작가라며 이미 갖추고 있지만, 그런 능력이 있다는 것을 잊고 있을 때가 많습니다. 편집 판단력을 통해 AI의 결과물이 좋고 나쁨을 판단하고, 더 넓은 정보 맥락에 맞춰 콘텐츠를 어떻게 조정할지 판단할 수 있습니다. 이는 작가의 기본적인 능력으로 가볍게 여겨서는 안 되지만, 자신의 역량을 평가할 때 종종 간과되는 부분입니다.
우리 중 많은 이들은 이미 콘텐츠를 평가하는 데 도움이 되는 작가적 본능을 가지고 있으므로, 여기서는 이 부분에 대해 더 이상 이야기하지 않겠습니다. 콘텐츠에 대한 본능에 귀 기울이세요. 단순히 언어뿐 아니라 정보의 전반적인 질, 형태, 그리고 배열에 대해서도 말입니다. 본능을 믿으세요. 저는 이러한 편집 판단이 출판사 편집자가 작가와 함께 작업하는 것과 비슷하다고 생각합니다. 저는 글쓰기에서 잘 작동하는 다른 부분들을 파악하는 동시에 개선이 필요한 부분에 집중할 수 있습니다.
(2) 프롬프트와 워크플로
또 다른 핵심 기술은 바로 프롬프트 작성 자체, 즉 문제 상황에 알맞은 프롬프트와 접근 방식을 아는 능력입니다. 그리고 AI가 어떤 상황에서 좋은 결과를 만들고 어떤 상황에서 실패하거나 오류가 발생할 가능성이 높은지를 이해하는 것입니다. 저는 주로 사실에 근거한 맥락 정보를 찾아 AI 환각 상황을 해결합니다. 예를 들어, API 레퍼런스, 변경 목록 또는 기타 신뢰할 수 있는 정보를 추가하여 AI가 정확한 응답을 할 수 있는 기반을 마련합니다. AI 활용 전략의 대부분은 특정 프롬프트를 만드는 것이 아니라 AI에 추가할 적절한 맥락적 정보를 파악하는 것입니다.
맥락뿐만 아니라 문제를 해결하기 위한 올바른 워크플로우를 이해하는 것도 중요합니다. 이는 대개 복잡한 전체 작업 흐름 속에서 문서 프로젝트를 여러 단계로 나누어 진행하는 것을 의미합니다.
AI가 사용자의 의도를 이해하고 제대로 표현되지 않은 요청도 관대하게 처리하는 능력이 향상되고 있지만, AI 도구를 제대로 활용하고 지휘할 필요성은 여전히 큽니다. 특히 복잡한 문제를 해결할 때는 어떻게 문제를 해결할지 고민해야 합니다. 일반적으로 프로젝트를 더 작은 단계로 나누고, 명확한 프롬프트를 작성하는 방법, 그리고 AI가 정확한 정보를 얻을 수 있도록 필요한 맥락을 제공하는 방법을 배우세요.
이 두 가지 기술은 제 글의 초점은 아니지만, 적어도 언급하고 싶었습니다. 물론 중요하지만, 다른 사람들과 차별화되는 강점을 가지고 있고, 취업에도 도움이 될 만큼 중요한 요소는 아니라고 생각합니다. 이런 분야에서 충분히 잘할 수 있는 사람들은 많기 때문에, 핵심 가치를 기반으로 삼을 필요는 없다고 생각합니다.
이제 제가 강조하고 싶은 두 가지 기술, 즉 주제 전문성과 도구 전문성에 대해 이야기해 보겠습니다. 이 두 분야에 대한 전문성을 키우면 기술 작가로서 눈에 띄게 돋보일 수 있습니다.
주제 전문성
주제 전문성은 AI 응답의 정확성을 적절하게 검토할 수 있는 능력을 제공합니다. 문서화하는 제품과 운영하는 도메인 모두에 대한 주제 전문 지식을 통해 정확한 AI 응답을 반복적으로 수행하고 결과가 의심스럽고 추가적인 검수가 필요한 경우를 파악하는 등의 작업을 수행할 수 있습니다. 관련해서 기술 문서 작성자 사이에서 AI에 대한 태도와 경험이 왜 그렇게 다른지에 대한 게시물(아래 링크)에서 다룬 적이 있습니다. 글을 통해 AI에는 날카로운 장점과 허점이 공존하는 '울퉁불퉁한 면(jagged edge)'이 있어 주제 전문 지식이 있는 사람이 AI로 훨씬 더 좋은 응답을 얻을 수 있다고 언급했습니다. 이런 능력을 지닌 이들은 지식이 부족하고 응답의 품질에 따라 프롬프트나 전략을 즉시 평가하고 반복, 조정할 수 없는 이들과 대조적입니다.
- Why attitudes and experiences differ so much with regards to AI among technical writers
https://idratherbewriting.com/blog/plurality-of-ai-attitudes-experiences
해당 분야의 전문성을 어떻게 향상시키시나요? 배우는 방법은 여러 가지가 있지만, 최근에는 NotebookLM을 통해 학습 속도를 높이고 있습니다. 저는 업무 관련 주제와 도구에 대한 NotebookLM 비디오나 팟캐스트를 하루에 5개씩 시청하는 것을 목표로 하고 있습니다. 예를 들어, 제품 관리자가 특정 기능에 대한 긴 개념 문서를 공유하곤 하는데요. 주로 단순한 기능 설명서가 아니라 기능들 간의 연결과 제품의 전체 흐름을 이해하는데 도움이 되는 상세하고 개념적인 문서입니다. 저는 이러한 종류의 문서를 NotebookLM에 넣고 비디오, 팟캐스트 옵션을 선택합니다. 그런 다음 짜투리 시간에 만들어진 콘텐츠를 시청하거나 듣습니다. 예를 들어, 휴식이 필요할 때 비디오를 보거나 운전을 하거나 걷는 동안 팟캐스트를 듣습니다.
어떻게 표현해야 할지 모르겠지만 NotebookLM은 정말 대단합니다. 특히 최근 시각적인 측면에서 한 단계 업그레이드된 영상들은 정말 혁신적입니다. 앞에서 언급한 것처럼 저는 사내 컨퍼런스에서 AI 관련 프레젠테이션을 거의 20개 가까이 소화했습니다. 그중 몇 개만 실시간으로 시청했고, 나머지는 NotebookLM 설명 영상(보통 6분 정도)을 만들어 요약된 내용으로 확인했습니다.
저는 긴 시간 발표를 참는 인내심이 부족한 편입니다. 간결하고 직접적인 정보를 선호하고, 자전거를 타거나 걷거나 다른 일을 하면서 정보를 얻는 것을 좋아합니다. 비디오는 매력적인 시각 자료 덕분에 6~7분 정도는 견딜 수 있습니다. NotebookLM이 만들어주는 비디오는 발표자들이 하는 것보다 훨씬 효과적으로 정보를 구성하고 전달하는 경우가 많습니다. 이 비디오들은 제가 성공하기 위해 활용하는 비결 중 하나입니다.
비디오와 팟캐스트를 활용하는 것은 또 다른 장점이 있습니다. 업무를 훨씬 더 흥미롭게 만들어 주죠. 얼마 전 파트너 엔지니어들이 보낸 "파트너 업데이트" 이메일을 NotebookLM에 붙여넣었는데, 가상의 팟캐스트 진행자들이 정보를 전달하는 방식에 완전히 매료되었습니다. 팟캐스트를 듣고 영상으로 정보를 시청하면서, 이전에 어떻게 이런 업데이트를 놓쳤을까 하는 생각과, 얼마나 중요한 정보인지 알 수 없었던 이유를 되짚어 보았습니다. 그래서 다시 이메일을 읽어봤는데, 정보가 너무나 딱딱하고 간결하게 전달되어 있어서 그 차이를 도저히 믿을 수 없었습니다. NotebookLM 학습 자료는 정보를 생생하게 전달해 주었기 때문이죠. 정말 감동적이었습니다. 제가 NotebookLM이 만든 영상이 라이브 발표자보다 더 낫다고 말하는 이유가 바로 여기에 있습니다.
이 주제에 대한 이해와 전문성이 깊어짐에 따라, 제 업무는 기술 문서 작성에서 종종 부족했던 지적 욕구를 채워주고 있습니다. 이전에는 다소 지루하다고 생각했던 규정(예: GSR에서 다루는 ISA)에 대해서 배울 일이 생겼는데, 갑자기 흥미로워졌습니다. 이러한 학습 요소는 제 업무를 더욱 깊이 있게 흥미롭게 만들어 주며, 이는 업무 과정에서 번아웃이나 지루함을 예방하는 데 도움이 됩니다. 제가 영상과 오디오를 좋아하는 이유 중 하나는 진행자들에게 어떤 주제든 중요하고 흥미롭게 느껴지게 하기 때문입니다.
NotebookLM의 비디오 개요를 미리 살펴보실 수 있도록, 지금 읽고 계신 게시물을 위해 생성된 노트북을 준비했습니다. (링크로 들어가서 공개 노트북 오른쪽 스튜디오 섹션 목록에서 비디오 링크를 클릭하세요.)
https://notebooklm.google.com/notebook/89631b7e-edea-482f-8017-00aa2e234965
도구 전문성
두 번째로 강조해야 할 기술은 도구 전문성입니다. 제 직장에서는 AI 도구가 마치 대폭발기처럼 급격히 늘어나고 있습니다. 어떤 AI 도구를 사용해야 할지 알려주는 도구들을 개발하는 사람들이 있을 정도로 그 규모가 엄청납니다. 사내 AI 도구 소그룹에서는 누군가가 사용 가능한 모든 AI 도구를 나열한 시트를 작성했는데, 약 60줄이 넘는 다양한 도구들이 나열되어 있습니다.
기술 문서 작성자들이 가장 자주 묻는 질문은 어떤 상황에서 어떤 AI 도구를 사용해야 하는지 등에 대한 도움 요청입니다. 아마 Gemini 웹 앱이나 코드 편집기와의 Gemini 통합에 대해서는 잘 알고 계실 겁니다. 하지만 이슈 추적 시스템부터 변경 목록 검토, 프로젝트 관리 도구, Google Docs, 명령줄 등 워크플로의 모든 측면에 통합된 전문 AI 도구도 있습니다. 다시 말해, 주요 도구에만 국한되지 않고 모든 곳에 통합된 AI 도구도 있습니다.
칼 뉴포트는 저서 『딥 워크: 강렬한 몰입, 최고의 성과 | 일과 삶의 균형을 잡는 스마트한 업무법(Deep Work: Rules for Focused Success in a Distracted World)』 에서 유능한 사람들은 단순히 딥 워크에만 몰두하는 것이 아니라, 자신의 능력을 극대화할 수 있는 강력한 도구에도 능숙하다고 말합니다. 그는 예측 시스템으로 유명한 통계학자 네이트 실버가 단순히 딥 워크만 하는 것이 아니라, 정교한 데이터베이스 쿼리, 알고리즘, 그리고 기타 고급 기술을 활용하여 자신이 도달할 수 있는 수준에 도달한다고 말합니다.
도구를 더 잘 다룰수록 우리의 능력은 더욱 향상됩니다. 도구는 인간의 한계를 뛰어넘는 능력을 발휘하기 때문입니다. 그래서 저는 제가 사용할 수 있는 다양한 AI 도구, 기능, 역량, 워크플로 등에 더 익숙해지는 데 더 많은 시간을 할애하기 시작했습니다. 그러면서 배워야 할 것이 얼마나 많은지 깨닫게 되었습니다.
더 많이 배울수록 문서화 시나리오에 대한 역량이 더욱 강화됩니다. 예를 들어, 저희가 사용하는 저작 도구(개발자들이 코드 작성에 사용하는 VS-Code Studio 기반 IDE)에 통합된 Gemini의 업데이트와 관련 문서를 읽어보면서, Gemini가 제 코드 편집기에서 이미지를 실제로 읽을 수 있다는 것을 알게 되었습니다. 기본적으로 이미지가 있는 폴더를 AI의 컨텍스트로 드래그하면 Gemini는 (토큰 제약 조건 때문일 가능성이 높음) 콘텐츠 처리 과정에서 이미지를 제외합니다. 하지만 이미지를 컨텍스트에 명시적으로 추가하면 Gemini는 이미지를 읽습니다.
이 기능은 외부 Gemini 웹 앱을 사용하여 이미지를 읽지 않고도 AI 워크플로우에 대한 IDE 컨텍스트를 유지할 수 있어 매우 유용했습니다. (컨텍스트가 전부라고 말씀하셨던 것 기억하시나요? API 레퍼런스 파일을 컨텍스트로 사용하시겠지만, 화이트보드 다이어그램이나 다른 이미지도 활용하고 싶으실 수도 있습니다.) 이러한 세부 정보 덕분에 도구를 더 능숙하게 다룰 수 있고, 그 결과 업무가 훨씬 수월해졌습니다.
다양한 AI 모드에서 사용 가능한 다양한 도구를 이해하는 것 또한 중요합니다. 예를 들어, 채팅 모드에서는 버그와 스레드를 읽을 수 있는 특정 도구를 사용할 수 있지만, 다른 모드에서는 사용할 수 없습니다. 릴리스 노트 등에 사용할 버그 수정 목록을 수집하려는 경우 이 정보를 파악하는 것이 유용합니다.
저는 요즘에는 명령줄에서 Gemini 통합을 실험하고 있으며, MCP 서버 액세스, 더 큰 토큰 제한, 빌드 명령 실행과 같은 명령줄 기능 등 다른 곳에서는 제공되지 않는 도구와 기능을 더 잘 이해하려고 노력하고 있습니다.
미래에 대한 낙관론에 대한 주장
미래를 예측할 수 있는 사람은 아무도 없고, AI가 일자리를 잠식하고 있다는 (또는 고용이 정체되고 있다는) 분명한 징후에도 불구하고, 저는 기술 문서 작성자들에게 이 모든 것이 어떻게 전개될지에 대해 낙관적입니다. 이 글에서는 낙관적인 미래에 대한 주장을 펼쳐 보겠습니다.
AI가 코딩에 매우 능숙하기 때문에 앞서 언급했던 선캄브리아기 도구와 기술의 폭발적인 성장을 보게 될 것입니다. 기술은 토끼처럼 번식 폭발을 통해 더 많은 기술을 낳을 것입니다. 커즈와일이 주장하듯이, 이는 선형적인 규모가 아닌 기하급수적인 규모로 기술이 가속화되는 것입니다.
물론 이러한 도구 중 다수가 업무를 자동화하고 일부 역할을 없앨 수도 있지만, 새로운 도구, 앱, 기술 또한 많이 개발되고 있습니다. 복잡하고 부담스러울 수 있는 이러한 신기술의 대부분은 문서화가 필요합니다. 사람들은 이러한 모든 것을 사용하는 방법을 설명하는 교육, 정보, 그리고 시스템이 필요합니다.
확실한 것은 바로 미래가 더 많은 기술을 갖게 될 것이라는 것입니다.기술이 시작된 이래로 기술은 가속적인 속도로 성장하고 확장되어 지구의 모든 구석구석을 채워왔습니다. 『기술의 충격(What Technology Wants)』에서 케빈 켈리는 "테크니움"을 지구 전체를 채우는 일종의 박테리아나 조류처럼 확장하는 살아있는 유기체로 설명합니다. AI 도구의 특히 독특한 점은 범용 빌드 도구라는 것입니다(커즈와일과 술레이만 모두 언급했듯이). 즉, 단일 도메인만 발전시키는 것이 아니라 여러 도메인(IT뿐만 아니라 의료, 환경, 과학, 교육 등)에 걸쳐 기술 솔루션을 구축하는 데 사용할 수 있다는 의미입니다.
우리는 기술로 포화된 세상에 살고 있으며, 그 속도는 점점 더 빨라지고 있습니다. 이러한 미래에는 기술 문서 작성자가 쓸모없어질 가능성은 낮아 보입니다. 제가 일하는 곳에서 개발 중인 수많은 AI 도구들이 마치 미래의 축소판과도 같을지라도, 문서 작성의 필요성은 여전히 큽니다. 예를 들어, Gemini 명령줄 도구는 강력하지만, 문서 작성은 최악 수준이며, 많은 기술 문서 작성자들이 그 공백을 메우기 위해 그 역할을 대신하고 있습니다.
물론 로봇이 일부 기술 작업을 대신하게 되겠지만, 새로운 플랫폼, 앱, 분석 도구 등 새로운 기술 관련 일자리가 도처에 생겨날 것입니다. 자동화된 기술 일자리는 자동화 불가능한 기술 일자리의 증가로 상쇄될 것입니다. 기업들이 점점 더 빠른 속도로 경쟁하고 수많은 도구와 업데이트를 쏟아내면서 세상은 숨 막히는 속도에 압도당하고 압도당하는 느낌을 받게 될 것입니다.
AI가 우리를 일상적인 업무에서 해방시켜 더 전략적인 업무에 집중할 수 있게 해줄 것이라는 말을 자주 듣습니다. 저는 이 말을 들을 때면 오후 일찍 일을 끝내고 책을 읽거나 취미 활동을 하는 사람을 떠올립니다. 하지만 이 이미지는 현실과 너무나 동떨어져 있습니다. AI는 우리 주변의 모든 것을 가속화하고 있습니다. 예를 들어, 하루에 5개의 버그가 들어오는 대신 10개의 버그가 발생할 수도 있습니다. 내년에는 15개, 그다음 해에는 20개가 발생할 수도 있습니다. 한편, 채용은 정체되어 있습니다. AI가 모든 것을 가속화하면서 우리는 더 바빠지고, 일정에 여유 시간을 확보할 수 없게 됩니다.
마지막으로, 경쟁 또한 이러한 가속화에 기여하고 있습니다. 자동차 분야의 예를 들어 보겠습니다. 중국의 전기차는 차선 인식 기술을 포함하여 많은 미국과 유럽 자동차보다 더 진보된 기술을 보유하고 있습니다. 이는 미국과 유럽 자동차 제조업체들이 경쟁하기 위해 기술 플랫폼과 내비게이션 시스템도 개선해야 한다는 압력을 가하고 있습니다. 이는 다시 미국과 유럽 자동차 제조업체에 이 기술을 제공하는 기술 공급업체와 지도 통합업체에도 압력을 가하고 있습니다. 이러한 압력과 속도는 더 많은 소프트웨어를 개발하는 엔지니어링 팀에도 영향을 미칩니다. 이는 기술 문서 작성자들이 엔지니어들이 개발하는 다양한 기능을 지원하기 위해 릴리스 노트, API 문서 및 기타 자료를 작성하는 역할을 해야 함을 의미합니다.
제가 유토피아적 미래 그 자체가 아니라 미래에 기술 작가의 필요성에 대해 낙관적이라고 말씀드린 점에 유의하세요. 기술 발전과 확산 속도가 빠른 것은 기술 문서 작성 업계에 종사하는 사람이라면 좋은 일입니다. 하지만 미래는 완전히 디스토피아적일 수도 있습니다. AI 드론 전쟁, 대규모 사이버 공격, AI와의 망상적인 대화의 소용돌이, 조작과 허위 정보 유포, 실업률 급증으로 인한 사회적 격변 등에 휩쓸릴 수도 있습니다. 기술로 포화된 미래는 싫을지 몰라도, 기술 작가라는 직업은 계속 유지될 가능성이 높습니다.
- 기술 커뮤니케이션의 관련성에 대한 또 다른 주장
기술 문서 작성과 문서 작성이 미래에도 여전히 중요할 이유에 대한 가장 강력한 근거에 대해서는 본격적으로 다루지 않았습니다. AI 도구는 제대로 된 문서 없이는 쓸모없습니다. AI 도구를 사용하여 문서를 작성할 때 타당하고 정확한 맥락이 필요한 것처럼, AI 도구도 유용하고 환각 없는 결과물을 산출하기 위해 정확한 문서가 필요합니다. 제 동료들의 비공식 테스트 결과, 더 풍부하고 정확한 문서로 학습했을 때 AI 출력이 엄청나게 향상되는 것으로 나타났습니다.
파브리지오 페리 베네데티는 자신의 글 " AI는 RTFM을 해야 한다: 테크니컬 라이터가 컨텍스트 큐레이터가 되는 이유(아래 링크)" 에서 이러한 주장을 펼칩니다. 그는 개발자들이 "AI는 지금 RTFM을 해야 한다"는 이유로 더 많은 문서를 작성하기 시작했다고 말합니다. 이러한 새로운 "문서 중심 개발" 방식은 테크니컬 라이터들이 "컨텍스트 작성자 및 유지 관리자 역할을 진지하게 고려해야 한다"는 것을 의미합니다.
- AI must RTFM: Why technical writers are becoming context curators
https://passo.uno/from-tech-writers-to-ai-context-curators/
페리 베네데티는 이 역할을 다음과 같이 정의합니다.
이런 의미에서 컨텍스트 큐레이터는 인간과 AI의 요구를 모두 고려하거나, 심지어 AI에만 집중하여 콘텐츠 전략을 조율하고 실행할 수 있는 기술 문서 작성자입니다. 컨텍스트는 의미와 밀접하게 연관되어 있기 때문에 콘텐츠(흔히 오용되는 단어지만 의미는 거의 없는)보다 훨씬 더 중요합니다. 컨텍스트는 상황에 따라 달라지고, 관련성이 있으며, 필연적으로 제한적입니다. AI는 자신의 사고를 형성하기 위해 컨텍스트가 필요합니다.
다시 말해, 기술 문서 작성자는 AI가 소비할 수 있도록 특별히 정보를 작성하고 패키징하여 AI가 정확하고 관련성 있는 결과를 생성하는 데 필요한 맥락을 갖도록 보장합니다.
기술 문서 작성자를 고용하는 데에는 영업적 동기도 있습니다. 예를 들어 외부 개발자가 프로젝트용 매핑 애플리케이션을 만들어야 하는데, 라우팅 로직이 필요하다고 판단했다고 가정해 보겠습니다. 바이브코딩 방식을 따라 외부 개발자는 회사의 MCP 서버를 IDE에 통합하고 AI 도구에 한 지점에서 다른 지점으로 경로를 그리는 앱을 생성하도록 지시합니다. AI 도구가 개발자의 요구를 성공적으로 충족하기 위해서 API 키(비용을 지불한)만 제공하면 된다면, 이 솔루션을 제공한 회사는 더 많은 API 서비스를 판매할 것입니다. 설정하기 어렵고 제대로 작동하지 않는 기술을 가지고 괜히 애쓰고 싶어 하는 사람은 아무도 없습니다. 여기서 설정하기 어렵다는 것은 자연어로 설정할 수 있는 API가 아니라 수동 설정이 필요한 API를 의미합니다.
글을 마치며
결론적으로, 기술 문서 작성과 문서 작성이 미래에도 여전히 중요할 것이라는 강력한 신호들이 많이 있습니다. 어떤 행동 방침에 대한 확실한 답은 없으며, 미래에도 당신의 경력을 보장해 줄 단 하나의 도구나 방법도 배울 수 없습니다. (1) 주제 전문성, (2) 도구 전문성에 집중하라는 제 조언은, 교육에서 가장 가치 있는 교훈은 배우는 법을 배우는 것이라는 오래된 조언과 매우 유사합니다.
그래서 저는 학생과 교사들에게 바로 이것에 집중하라고 권하고 싶습니다. 바로 배우는 법을 배우는 것입니다. 어떤 도구나 접근 방식을 배우는지는 중요하지 않습니다. AI와 관련된 것이기를 바라지만, 그다지 중요하지는 않습니다. 하지만 끊임없이 새로운 정보를 처리하고, 끊임없이 새로운 정보를 뇌에 공급할 수 있도록 자기 수양을 하는 것은, 매달 변화하는 환경과 역학에 적응하는 데 도움이 될 것입니다.
