도입

지식이 진짜 내 것이 되는 학습법

이 강의에 콘텐츠가 부족한 게 아닙니다. 부족한 건 여러분이 잠시 멈추고 생각하는 30초입니다.

먼저 냉정한 사실 하나를 말씀드립니다

처음부터 끝까지 그냥 훑어보고 "음, 다 이해했어"라고 느낀다면, 십중팔구 사흘 후엔 아무것도 기억나지 않을 것입니다.
이건 여러분의 문제가 아니라 인간 뇌의 기본 동작 방식입니다: 입력 ≠ 이해, 이해 ≠ 기억, 기억 ≠ 활용.

그냥 보는 것 vs 진짜 배우는 것: 차이가 뭔가요?

그냥 보는 것 진짜 배우는 것
사례를 봤을 때 "아, 이렇게도 할 수 있구나." "이 아이디어, 우리 상황에도 써볼 수 있을까?"
개념을 봤을 때 "이 용어를 외웠어." "이게 해결하는 근본 문제는 뭐지?"
실수 사례를 봤을 때 "남이 실수했구나. 알았어." "우리 프로젝트에도 비슷한 함정이 없나?"
강의 하나를 마쳤을 때 "다음 강의." "잠깐, 내 말로 한번 다시 설명해 볼게."

3단계 루프: 지식을 진정으로 내면화하기

수용
정보 받아들이기
→
반추
멈추고 생각하기
→
전이
내 상황에 대입
→
출력
타인에게 설명
1

수용: 질문을 품고 읽기, 무작정 스크롤 금지

페이지를 열기 전에 먼저 자신에게 물어보세요: 이 주제가 지금 내가 하는 일과 어떤 관계가 있나? 당장 답이 떠오르지 않더라도, 그 질문 자체가 집중력을 높여 줍니다.

예시: "Context Window" 페이지를 열기 전
먼저 생각해 보세요: 우리 제품의 대화가 자주 길어지는데, 이게 Context Window 한도와 관련 있지 않을까? 사용자가 "방금 한 말 잊었어?"라고 하는 게 Context 잘림 때문 아닐까?
2

반추: 개념 하나를 배울 때마다 30초 멈추기

서둘러 다음 페이지로 넘기지 마세요. 세 가지 질문을 자신에게 던져 보세요:

1. 이 개념이 해결하는 근본 문제는 무엇인가?
2. 이걸 몰랐다면 나는 예전에 어떻게 했을까?
3. 이제 알게 됐으니 내 방식이 어떻게 달라질까?

예시: "환각(Hallucination)" 섹션을 마친 후
반추: 환각은 버그가 아니라 확률적 샘플링의 필연적 결과였구나. 그렇다면 AI에게 그냥 정확한 답을 내놓으라고 했던 내 방식에 문제가 있었던 거야. 검증 단계를 설계해야 하고, 모델이 절대 틀리지 않기를 기대하는 건 비현실적이야.
3

전이: 내 비즈니스 상황에 대입하기

이것이 가장 중요한 단계입니다. 강의의 모든 사례와 설계 결정을 내 비즈니스 언어로 번역해야 합니다.

산업, 제품 유형, 사용자 층이 다르면 같은 기술 솔루션도 적용 가능성이 완전히 달라집니다. 이 강의가 가르치는 건 사고 프레임워크이지, 그대로 가져다 쓸 수 있는 정답이 아닙니다.

예시: "RAG(검색 증강 생성)" 섹션을 마친 후
전이: 우리 고객 서비스 시스템엔 지식베이스 문서가 2,000개 있어. RAG의 재현율과 정밀도 문제가 우리 상황에서는 어떻게 나타날까? 여러 문서를 가로지르는 질문이 들어오면 검색 전략을 어떻게 설계해야 할까? 우리 문서 형식(스캔 PDF vs 구조화 텍스트)이 어느 단계에 영향을 미칠까?
4

출력: 남에게 설명하거나 글로 적어 보기

파인만 학습법의 핵심: 비전문가에게 쉽게 설명할 수 없다면, 자신도 아직 제대로 이해하지 못한 것입니다.

긴 글을 쓸 필요는 없습니다. 팀 채팅에 "오늘 배운 것: xxx — 예전엔 yyy라고 생각했는데 실은 zzz야"라고 한 줄 남기는 것만으로도 지식이 단기 기억에서 장기 기억으로 이동합니다.

예시: 출력 시도
동료에게 말하기: "알고 계셨나요? LLM의 Token은 글자 수로 세지 않습니다. 한 글자가 1~3 Token이 될 수도 있어요. 우리 Prompt 템플릿이 500자처럼 보여도 실제로는 Token을 1,500개나 쓸 수 있어요. 한도를 자주 초과한 이유가 있었던 거죠."

이 페이지의 핵심 정리