무엇부터 배울지 정하는 일은 지형만으로도, 내 위치만으로도 되지 않는다. 두 개의 관측점에서 각각 방위를 재야 한 점이 정해진다. AI는 그중 하나만 가지고 있다.
이 문서는 두 가지를 다룬다. 우선순위 판단 능력을 실제로 훈련하는 여섯 가지 드릴, 그리고 그 능력 중 어디까지 AI에게 넘겨도 되는지의 경계선.
훈련이 안 되는 이유는 대개 네 개의 다른 능력을 한 덩어리로 보기 때문이다. 각각 고장 나는 방식도, 고치는 방법도 다르다.
먼저 분류부터. 이것은 지식형이 아니라 판단형이다. 우선순위 판단법을 설명하는 글을 아무리 많이 읽어도 능력은 늘지 않는다. 판단형은 예외 없이 예측 → 결과 → 대조의 피드백으로만 자라고, 이 능력도 예외가 아니다. 즉 학습 설계 능력 자체가 학습 루프의 대상이다.
"잘하고 싶다"를 "이걸 만들어 배포한다"로 바꾸는 능력. 이게 안 되면 나머지 셋이 전부 작동하지 않는다.
메타인지 보정. 스스로 "안다"고 느끼는 감각과 실제 인출 가능성 사이의 오차를 줄이는 능력.
후보 20개 중 지금 나를 실제로 막고 있는 하나를 고르는 능력. 순위 매기기의 본체.
어디까지 파고 어디서 다음으로 넘어갈지 정하는 능력. 가장 훈련이 안 되어 있는 항목.
최근에 흐지부지된 학습 하나를 떠올린다. 목표를 한 문장으로 못 쓰겠다면 SUB 1. 목표는 뚜렷한데 어디서부터 손대야 할지 모르겠다면 SUB 3. 계속 배우는데 결과물이 안 나온다면 SUB 4. 다 안다고 생각했는데 결과물에서 무너졌다면 SUB 2. 훈련은 고장 난 하나만 골라서 한다.
전부 하지 않는다. D1과 D2 두 개만 습관으로 만들면 나머지는 선택이다.
학습을 시작하기 전에 세 줄을 적어 둔다. 그리고 끝난 뒤 실제와 대조한다. 이 한 가지가 우선순위 판단 훈련의 8할이다. 판단은 결과와 짝지어지지 않으면 절대 교정되지 않는데, 대부분의 사람은 자기가 뭘 예측했는지조차 기록하지 않아서 평생 교정 기회를 못 얻는다.
누적 10건이 넘으면 개인 편향이 드러난다. "나는 문법·문서형 항목의 난이도를 항상 과대평가하고, 통합·연결 작업은 항상 과소평가한다" 같은 문장이 나오면 그때부터 예측이 급격히 좋아진다.
학습 계획을 세우기 전에 준비 없이 30분간 만들어 본다. 목적은 완성이 아니라 실제로 막히는 지점을 채집하는 것이다. 그 다음 상상으로 만든 목록과 실제로 막힌 목록을 나란히 놓는다. 이 두 목록의 차이가 훈련 신호 전부다.
이 드릴이 강력한 이유는 우선순위 판단의 근본 문제가 정보 부족이기 때문이다. 지형을 상상으로 그리는 대신 30분 걸어보고 그린다.
후보 목록에서 반드시 70%를 지운다. 남길 수 있는 것은 30%뿐이라는 제약을 먼저 걸고 고른다. 그리고 지운 항목 중 나중에 실제로 필요해진 것을 표시해 둔다. 이것이 버림 정확도이고, 대부분의 사람은 이 지표를 평생 한 번도 재보지 않는다.
실제로 재보면 버린 것 중 다시 필요해지는 비율은 생각보다 훨씬 낮다. 이 사실을 데이터로 확인하는 것 자체가 다음번 버림을 과감하게 만든다.
이미 끝난 학습 세 개를 골라, 지금 아는 것을 가지고 다시 순서를 짠다면 어떻게 할지 적는다. 결과를 이미 알고 있으므로 정답이 확보된 상태에서의 훈련이고, 그래서 가장 값싸다. 새 학습을 기다릴 필요 없이 오늘 바로 열 번을 돌릴 수 있다.
잘 만들어진 커리큘럼을 볼 때 "왜 B가 A 다음인가"를 먼저 추측하고 그다음 확인한다. 대부분의 좋은 순서에는 이유가 있다. 의존성일 수도, 동기 부여일 수도, 실패 비용일 수도 있다. 이유를 맞히는 연습이 곧 순서 설계 연습이다.
학습을 시작하기 직전, 누군가에게 "왜 하필 이것부터 하는가"를 소리 내어 설명한다. 30초 안에 근거가 안 나오면 우선순위가 아니라 그냥 눈에 먼저 띈 항목을 고른 것이다. 말이 막히는 지점이 판단이 비어 있는 지점이다.
| 항목 | 착수 전 내 예측 | AI에게 물었다면 그 답 | 실제 결과 | 차이에서 배운 규칙 |
|---|---|---|---|---|
| 가장 오래 걸릴 항목 | 동시성 처리 | 동시성 처리 | 데이터 마이그레이션 | 둘 다 "어려워 보이는 것"을 골랐다. 실제 병목은 지루한 쪽에 있었다 |
| 결국 안 쓸 항목 | 고급 애니메이션 | (버릴 항목을 지목하지 않음) | 예측 적중 | AI는 버림을 제안하지 않는다. 이 칸은 내가 채워야 한다 |
| 첫 번째 막힘 | API 설계 | 환경 설정 | 환경 설정 | 초반 마찰을 나는 계속 과소평가한다. 첫 항목은 항상 셋업으로 |
세 번째 열이 이 서식의 핵심이다. AI에게 물어보되 내 답을 먼저 쓰고, 셋을 나란히 놓는다. 이렇게 하면 AI를 쓰면서도 훈련이 계속된다. 뒤에서 다룰 위임 문제의 실질적인 해답이 이 한 칸에 들어 있다.
초심자는 대개 "자주 쓰는가" 하나만 본다. 그런데 초반에 실제로 지배적인 축은 다른 둘이다.
위 배분은 영역 진입 초반을 가정한 값이다. 지형을 모를수록 불확실성 축소가 지배하고, 지형이 익숙해질수록 빈도와 되돌림 비용 쪽으로 무게가 옮겨간다. 숙련 구간에서는 대체로 의존성 ×1, 불확실성 ×1, 되돌림 ×3, 빈도 ×3 정도가 된다. 이 가중치를 자기 상황에 맞게 조정할 수 있게 되는 것이 곧 SUB 3의 숙달이다.
| 후보 항목 | 의존성×3 | 불확실성×3 | 되돌림×2 | 빈도×2 | 되먹임×1 | 합계 |
|---|
점수를 매기는 행위 자체가 훈련이다. 합계가 비슷하게 나온다면 후보를 너무 추상적으로 잡은 것이므로 더 작게 쪼갠다. 계산 결과가 직관과 어긋나면 계산을 믿지 말고 왜 어긋났는지를 적는다. 그 문장이 이 표보다 값지다.
위임해도 되는지의 답은 레벨에 따라 달라진다. L1 이전에는 위임이 도움이 되고, L1 이후에는 해가 된다.
iOS 개발에서 L3인 사람이 언어 학습에서는 L1일 수 있다. 영역 지식이 판단의 재료이기 때문이다. 하지만 예측 장부를 쓰는 습관, 버림에 대한 감각, 불확실성 축소를 먼저 보는 시선은 도메인을 건너 이동한다. 그래서 이 능력의 훈련은 몇 번째 도메인부터 눈에 띄게 빨라진다. 이 전이성이 다음 절의 위임 문제에서 결정적인 변수가 된다.
짧은 답: 후보를 만드는 일은 넘겨도 되고, 순위를 정하고 버리는 일은 넘기면 안 된다. 긴 답은 세 가지 축으로 갈린다.
우선순위는 지형 × 내 위치의 함수다. AI는 지형 쪽에서 압도적으로 강하다. 영역의 용어, 표준적 학습 순서, 흔한 함정을 나보다 훨씬 넓게 알고 있다. 그러나 내 위치는 원리적으로 모른다. 내가 이미 무엇을 몸으로 익혔는지, 어떤 설명 방식에서 막히는지, 이번 학습에 실제로 쓸 수 있는 시간이 얼마인지, 3년 뒤 무엇이 되려는지. 이 정보가 없으면 방위 하나로 좌표를 찍는 셈이 된다.
순서를 잘못 정하면 시간이 낭비되지만 금방 드러나고 복구된다. 반면 무엇을 버릴지를 잘못 정하면 아무 일도 일어나지 않는다. 배우지 않은 것은 존재를 알리지 않기 때문이다. 이 오판은 몇 년 뒤에야 "그때 그걸 배웠어야 했는데"로 드러난다. 조용한 오판일수록 위임 위험이 크다.
여기가 진짜 문제다. 우선순위 판단은 전이성이 가장 높은 메타 능력이다. 도메인 지식은 영역이 바뀌면 대부분 버려지지만, 무엇부터 배울지 정하는 감각은 남는다. 이걸 위임하면 매번 새 도메인에 들어갈 때마다 다시 위임해야 한다. 도메인 지식은 축적되는데 학습 설계 능력은 제자리에 머무는 상태가 되고, 이 상태는 스스로 감지되지 않는다. 학습은 계속 진행되고 있으니까.
AI에게 순위를 맡기면 학습 속도는 오르고 학습 설계 능력은 정체한다. 갈림길은 위임 여부가 아니라, 위임하면서 대조를 남기느냐다.
AI가 주는 순서는 "일반적인 초심자"의 순서다. 내 강점 구간을 다시 지나가느라 시간을 쓰고, 내 특유의 구멍은 목록에 아예 등장하지 않는다.
요청하면 언제나 포괄적인 목록이 돌아온다. 우선순위의 본질은 버림인데, 버림은 위험한 답이라 잘 나오지 않는다. 결과적으로 할 일만 늘어난다.
확실한 것과 논쟁적인 것이 같은 어조로 온다. 그런데 순서 판단은 정확히 그 논쟁 지점에 걸려 있다. 어디가 갈리는 지점인지를 따로 물어야 한다.
가장 조용한 고장. 내 예측이 애초에 없었으므로 대조할 것도 없고, 따라서 다음 학습에서도 판단이 늘지 않는다. 속도는 오르는데 능력은 그대로다.
답을 받는 위임 대신 재료를 받는 위임으로 바꾼다. 세 단계면 된다.
"순서를 정해 달라"가 아니라 "후보 항목과 각각의 판단 근거를 달라"고 요구한다. 순위 칸은 비워 둔 채로 받는다.
AI를 심판이 아니라 반대편 변호인으로 세운다. "내 순서가 틀렸다면 그 이유 3개"를 요구하면, 내 판단을 유지한 채로 사각지대만 얻을 수 있다.
예측 장부에 내 판단 / AI 판단 / 실제 결과를 나란히 기록한다. 이것이 위임하면서 동시에 훈련하는 유일한 형태다. 누적되면 "어떤 종류의 판단에서 AI가 나보다 낫고 어떤 종류에서 못한가"라는, 위임 자체를 정교하게 만드는 지식이 생긴다.
[영역]에서 [종착 산출물]을 만들려 한다. 내 배경은 [배경]이고 쓸 수 있는 시간은 [시간]이다. 순서는 정하지 마라. 다음만 달라. · 후보 항목 12개 (한 줄씩) · 각 항목마다: 이걸 모르면 구체적으로 무엇이 막히는가 · 각 항목마다: 이 판단이 확실한지 / 사람마다 갈리는지 표시 순위 매기기는 내가 한다. 추천이나 권장 순서를 덧붙이지 마라.
내가 정한 학습 순서다: 1. [항목], 이유: [내 근거] 2. [항목], 이유: [내 근거] 3. [항목], 이유: [내 근거] 동의하지 말고 반론만 하라. · 이 순서가 실패하는 구체적 시나리오 2개 · 내가 뒤로 미룬 것 중 앞으로 와야 할 가능성이 있는 것 1개와 그 조건 · 내 근거 중 사실 관계가 틀린 부분 대안 순서를 제시하지는 마라. 내가 다시 정하겠다.
이번 학습에서 다음 항목들을 배우지 않기로 했다: [버릴 항목 목록] 각 항목에 대해 다음만 답하라. · 이걸 건너뛰었을 때 나중에 겪게 될 구체적 증상 · 그 증상이 나타나는 시점 (즉시 / 몇 주 뒤 / 몇 년 뒤) · 나중에 배워도 늦지 않은가, 아니면 되돌리기 비싼가 "그래도 배우는 게 좋습니다" 같은 결론은 쓰지 마라. 결정은 내가 한다.
내 예측 장부 기록이다. 각 행은 [예측 / 실제 / 차이]다. """ [장부 붙여넣기] """ 내 예측이 빗나가는 방향에 반복되는 패턴이 있는지만 찾아라. · 내가 체계적으로 과대평가하는 종류 · 내가 체계적으로 과소평가하는 종류 · 각각의 근거가 된 행 번호 조언은 하지 말고 패턴만 지목하라.
새 학습을 기다릴 필요 없다. 1주차는 이미 끝난 학습으로 시작한다.
끝난 학습 3개를 다시 설계한다. 정답이 이미 있으므로 가장 값싼 훈련. 여기서 자기 편향의 초안이 나온다.
새 주제 하나에 준비 없이 30분 부딪힌다. 착수 전 예측 3줄을 반드시 먼저 적는다.
후보의 70%를 자른다. 자른 목록은 지우지 말고 보관해서 나중에 버림 정확도를 잰다.
같은 판단을 AI에게도 시키고 내 판단·AI 판단·실제를 나란히 놓는다. 위임 경계선이 여기서 개인화된다.
잘 정리된 커리큘럼이 아니라 내 판단의 편향에 대한 서너 문장이 남는다. "나는 화려한 항목을 병목으로 착각한다", "초반 마찰을 항상 과소평가한다", "AI는 내 대신 버려주지 않는다" 같은 문장들. 이 문장들이 다음 도메인에서도 그대로 작동하고, 그게 이 훈련의 전부다.