Claude가 그러는데

질문받은 사람이 LLM의 답변에 의존하면 그 사람의 전문성뿐 아니라 질문자의 우려를 AI에 제대로 전달했는지까지 신뢰하기 어려워짐 사람에게 질문하는 이유는 해당 분야의 지식을 기대하거나, 필요한 일을 진행하려면 그 사람을 거쳐야 하기 때문이지 AI의 답변을 대신 듣기 위해서가 아님 기술적 논리가 부족한 사람이 잘못된 질문을 던지고 답변을 검토 없이 실행하면 과잉 설계로 이어짐 AI 열풍 속에서는 잘못된 해결책을 바이브 코딩하는 데는 동의가 필요 없으면서, 이미 배포된 솔루션의 설정을 바꾸는 데는 동의가 필요한 모순이 생김 AI의 동의는 해결책의 타당성을 보증하지 않으며, 전제가 쉽게 답변을 오염시키는 상황에서 정보의 나열을 지능으로 받아들여서는 안 됨 AI의 답변으로 대신할 수 없는 전문성과 판단 AI의 피드백이 필요했다면 질문자가 직접 프롬프트를 입력했을 것임 LLM에 판단을 맡기는 태도는 해당 주제를 자신 있게 말할 역량이 부족하다는 신호가 됨 주제에 대한 전문성을 보여주지 못했다면, 질문자의 우려를 Claude에 정확히 전달했는지도 믿기 어려움 사람에게 질문할 때 기대하는 것은 주제에 대한 지식이거나 필요한 일을 진행할 수 있도록 길을 열어주는 것임 지식이 있다고 여긴 것이 오해였다면 그 기대를 거두겠지만, 단순히 진행을 막는 위치라면 길을 열어줘야 함 LLM에 프롬프트를 넣는 과정에서 비판적 사고 능력을 과대평가하고, AI를 권위로 받아들이는 오류에 빠질 수 있음 정보를 쏟아내는 것은 지능이 아님 답변을 자신의 작업처럼 되풀이하면 스스로 사고하는 능력이 약해지고, 대화 상대로서의 유용성도 줄어듦 AI는 선입견이 담긴 전제로 답변을 오염시키기 너무 쉬워, 사실상 처음부터 오염된 우물이나 다름없음 모든 의존성을 직접 유지하는 과잉 설계 기술적 논리가 부족한 사람이 잘못된 질문을 던지고 비판적 사고나 검토 없이 실행한 결과, 소프트웨어 스택이 극단적으로 과잉 설계됨 “안전한 내부 호스팅 패키지를 구축할 기업용 솔루션”이 필요했던 사례에서 AI는 모든 의존성의 소스를 포크하고 빌드해 유지하는 방식을 선택함 대안은 아티팩트 저장소에 내장된 가상 저장소 기능을 활용해 필요할 때만 패치를 적용하는 것이었음 패치를 내부에만 보관하지 않고, 무급으로 일하는 오픈소스 개발자들과 협력해 원본 프로젝트에 기여하는 방법도 있음 단순함을 추구해야 함 AI 열풍은 잘못된 문제 해결 방식을 바이브 코딩할 때는 동의를 구하지 않아도 ...