에이전틱 스킬 감쇠 : 숙련은 여전히 반복에서 나온다

AI 에이전트가 코딩 과정의 시행착오/디버깅/탐색을 건너뛰고 결과를 바로 만들면서, 예전에는 자연스럽게 쌓이던 반복 경험(reps) 을 이제는 의도적으로 만들어야 함 좋은 에이전트 활용에는 문제 영역을 이해해 좋은 결과를 정의하는 깊은 전문성과, 맥락/제약/테스트/검증 방법을 선택하는 실전 판단력이 필요하며 이를 위해 의사결정/명세/조정/검증을 연습해야 함 Anthropic의 2026년 연구에서 Trio를 배우며 AI를 사용한 주니어 엔지니어는 후속 퀴즈에서 50%, 직접 작업한 그룹은 67% 를 기록했고, AI 사용자 중에서도 개념 질문과 설명을 요청한 사람이 더 좋은 결과를 보임 에이전트가 작업을 완료했다고 해서 사용자가 학습한 것은 아니므로, 프롬프트 전 가설 세우기/왜 그런지 묻기/diff 검토/실패 예측/수동 풀이 등을 통해 사용자의 정신 모델도 함께 발전시켜야 함 에이전트 처리량이 인간의 주의력보다 빠르게 늘어나는 환경에서는 엔지니어가 모든 구현을 직접 하는 대신, 무엇을 만들지/무엇이 완료인지/어디를 검증할지를 결정하는 외부 루프(outer loop) 에 제한된 시간과 판단력을 집중해야 함 에이전트가 사라지게 만든 자연스러운 반복 경험 소프트웨어 엔지니어링을 배울 때는 여러 접근법을 시도하고, 실패를 디버깅하고, 다른 사람의 코드를 검토하고, 문서와 책을 읽는 과정 자체가 반복 경험이었음 잘못된 가설이라도 먼저 세우고 직접 시도한 뒤 실패하면 Stack Overflow/웹 문서/책을 찾아가며 지식을 보충하는 과정이 전문성으로 축적됨 실제 프로젝트에서 수천 번의 작은 실패와 수정, 다른 사람의 코드 리뷰, 현실의 제약에 부딪힌 추상화를 경험하면서 현재의 판단력이 형성됨 에이전트는 이 과정 대부분을 건너뛸 수 있어, 경력 3년 차 개발자에게 그럴듯한 코드가 이를 판단할 능력보다 빠르게 도착할 수 있음 빠른 결과가 학습 과정을 단축시킬 수 있음 AI는 문제에서 해결책까지 매우 빠르게 이동하면서, 왜 특정 접근을 피해야 하는지/어떤 절충이 있는지 학습하는 중간 단계를 생략할 수 있음 특히 주니어 엔지니어는 자신의 교육 과정을 스스로 적극적으로 설계해야 함 주요 AI 연구소의 제품은 대체로 답이나 결과를 빠르게 얻는 데 초점을 두며, 학습을 명시적으로 요청하지 않으면 교육 과정까지 자동으로 제공하지 않음 일정 관리 앱을 만들어줘와 일정 관리 앱을 만들면서 단계별로 가르쳐줘는 서로 다른 작업임 빠르게 배포해야...