테슬라, 아인슈타인, 그레츠키의 공통 문법

천재담이 아니라 작동 방식이다

테슬라, 아인슈타인, 그레츠키를 같은 장에 놓으면 위험한 유혹이 생긴다. 독자는 곧장 '타고난 천재성'을 떠올린다. 그러면 이 장은 아무 쓸모가 없어진다. 천재는 감탄의 대상이 될 수는 있어도, 훈련의 모델이 되기 어렵기 때문이다.

우리가 봐야 할 것은 재능의 크기가 아니다. 세 사람이 세계를 다루는 방식이다. 이들은 모두 물리적 시도 이전에 작은 세계를 머릿속에 세웠다. 그리고 그 세계를 가동했다. 부품이 돌고, 빛이 이동하고, 퍽이 튀고, 시간이 어긋나는 장면을 실제처럼 움직여 보았다. 그다음에야 손을 움직였다.

이것이 제로 토큰 엔진의 역사적 형태다. 아무것도 출력하지 않는 시간이지만, 실제로는 가장 비싼 계산이 일어난다. 단, 그 계산은 API 서버가 아니라 인간의 내부 모델에서 수행된다.

AI 생성 이미지

테슬라: 상상 속 기계를 먼저 닳게 하다

테슬라의 발명 방식에서 중요한 것은 신비한 시각화 능력이 아니다. 그는 상상 속에서 장치를 조립하고, 구조를 바꾸고, 작동시킨 뒤, 결함을 찾아내려 했다. 여기서 핵심은 '상상'이 아니라 '가동'이다.

대부분의 사람은 아이디어를 그림처럼 떠올린다. 테슬라식 사고는 다르다. 그는 장치를 시간 속에 넣었다. 회전하는 부품은 마찰을 겪고, 전류는 경로를 따라 흐르고, 재료는 열과 압력을 받는다. 다시 말해 정적인 설계도를 동적인 시스템으로 바꾼다.

AI 빌딩에서도 같은 차이가 있다. 초보자는 로그인 기능을 만들어 달라고 말한다. 조금 나은 사용자는 필요한 화면과 API를 적는다. 엘리트 빌더는 그 전에 머릿속에서 로그인 시스템을 가동한다.

사용자가 비밀번호를 틀린다. 토큰이 만료된다. 같은 계정으로 두 기기에서 접속한다. 네트워크가 끊긴다. 서버 시간과 클라이언트 시간이 어긋난다. 관리자가 권한을 바꾼 직후 사용자가 이전 세션으로 접근한다. 이 장면들이 머릿속에서 돌지 않으면, 아직 프롬프트를 쓸 때가 아니다.

테슬라의 방식은 가상 프로토타이핑의 극단이다. 하지만 이것을 '머릿속에서 완벽히 맞히는 능력'으로 숭배하면 안 된다. 더 정확한 해석은 이렇다. 그는 물리적 제작 전에 실패할 수 있는 경로를 최대한 싸게 통과했다. 실패를 없앤 것이 아니라, 실패 비용을 앞당겨 낮춘 것이다.

이것이 엘리트 빌더가 배울 첫 번째 문법이다. 만들기 전에 돌려본다. 돌려보기 전에 구조를 세운다. 구조를 세우기 전에 무엇이 닳고, 막히고, 충돌하는지 묻는다.

아인슈타인: 복잡한 수학 이전의 장면 압축

아인슈타인의 사고 실험은 정반대처럼 보인다. 테슬라가 기계를 상상했다면, 아인슈타인은 빛과 시간과 중력을 상상했다. 그러나 문법은 같다. 추상적 문제를 작고 선명한 장면으로 압축한 것이다.

빛을 따라 달리면 무엇이 보이는가. 기차 위의 관찰자와 선로 위의 관찰자는 두 번개를 동시에 보았다고 말할 수 있는가. 닫힌 엘리베이터 안에 있는 사람은 자신이 중력장 안에 있는지, 가속하는 공간 안에 있는지 어떻게 구분하는가. 이런 장면들은 상대성이론의 수학 전체가 아니다. 하지만 수학이 붙기 전에 문제의 목을 잡는 장치였다. 아인슈타인의 유명한 사고 실험들은 빛, 기차, 번개, 엘리베이터 같은 평범한 장면을 이용해 운동, 동시성, 가속, 중력이라는 추상 문제를 다룰 수 있게 만들었다¹.

여기서 중요한 것은 단순화다. 단순화는 얕게 만드는 일이 아니다. 불필요한 변수를 걷어내고, 문제를 가장 날카롭게 찌르는 장면만 남기는 일이다. 좋은 사고 실험은 복잡한 세계를 버리지 않는다. 복잡성을 압축한다.

AI 빌더에게도 같은 기술이 필요하다. '확장 가능한 협업 도구를 만들어줘'라는 말은 너무 크다. 좋은 내부 시뮬레이션은 이것을 장면으로 바꾼다.

한 문서를 두 명이 동시에 수정한다. 한 명은 오프라인이었다가 3분 뒤 돌아온다. 다른 한 명은 그 사이 제목을 바꿨다. 서버는 어느 변경을 진실로 삼아야 하는가. 사용자에게 충돌을 어떻게 보여줄 것인가.

이 장면 하나가 막연한 협업 기능보다 강하다. 왜냐하면 데이터 동기화, 충돌 해결, 권한, UI 피드백, 저장 정책이 한 번에 드러나기 때문이다. 좋은 프롬프트는 긴 요구사항 목록이 아니라 이런 압축 장면에서 출발한다.

아인슈타인식 사고의 교훈은 명확하다. 복잡한 문제를 바로 풀지 말라. 먼저 문제를 배신하지 않는 가장 작은 세계를 만들어라. 그 세계에서 모순이 보이면, 실제 구현에서도 문제가 생긴다.

그레츠키: 현재 위치가 아니라 미래 위치를 점유하다

웨인 그레츠키의 유명한 원리는 단순하다. 퍽이 있는 곳으로 가지 말고, 퍽이 갈 곳으로 가라. 이 말은 스포츠 명언처럼 소비되지만, 실제로는 시간 지연 감각에 관한 정밀한 설명이다.

하키에서 초보자는 현재를 쫓는다. 퍽이 보이면 달려간다. 상대가 움직이면 따라간다. 몸은 바쁘지만 게임을 지배하지 못한다. 이미 늦었기 때문이다. 현재 보이는 정보는 과거의 결과다.

그레츠키는 다른 층위를 보았다. 퍽의 속도, 벽의 각도, 선수들의 시선, 수비수의 무게중심, 골리의 위치를 합쳐 다음 장면을 읽었다. 피지컬이 압도적이지 않아도 공간을 먼저 차지할 수 있었던 이유가 여기에 있다. 그는 더 많이 움직인 선수가 아니라, 덜 움직이고도 더 정확히 도착한 선수였다.

AI 빌딩에서 이 차이는 치명적이다. 바이브 코더는 현재 에러를 쫓는다. 에러 메시지가 나오면 붙여넣는다. AI가 패치를 주면 적용한다. 새 에러가 나오면 다시 묻는다. 겉으로는 빠르게 대응하지만, 실제로는 퍽을 따라다니는 중이다.

엘리트 빌더는 다음 위치를 본다. 이 수정이 2주 뒤 어떤 중복을 낳을까. 이 컴포넌트가 다른 화면으로 복사될 때 어떤 변형이 생길까. 이 데이터 구조가 리포트 기능, 권한 기능, 결제 기능을 만났을 때 어디서 터질까. 현재 버그 하나가 아니라, 버그가 이동할 방향을 본다.

그래서 고수의 수정은 작아 보인다. 하지만 그 작은 수정은 길목을 막는다. 반대로 초보자의 수정은 커 보인다. 하지만 대부분은 이미 지나간 퍽을 향해 몸을 던지는 동작이다.

세 사람의 공통 문법

테슬라, 아인슈타인, 그레츠키의 영역은 다르다. 발명, 물리학, 스포츠. 그러나 세 사람의 수행에는 네 가지 공통 문법이 있다.

첫째, 저비용 고정밀 예측이다. 이들은 먼저 머릿속에서 실패한다. 실제 재료, 실험 장비, 신체 에너지를 쓰기 전에 가능한 경로를 좁힌다. AI 빌더에게 이것은 토큰을 쓰기 전에 후보 설계를 제거하는 능력이다.

둘째, 시간 지연 감각이다. 초보자는 지금 보이는 입력에 반응한다. 고수는 지금의 선택이 다음 상태를 어떻게 만들지 본다. 기술 부채는 대부분 이 감각이 없을 때 생긴다. 지금은 작동하지만, 나중에 변경을 막는 코드. 지금은 예뻐 보이지만, 다음 화면에서 깨지는 디자인. 지금은 빠르지만, 다음 요구사항을 삼키지 못하는 구조. 이것이 지연된 실패다.

셋째, 구조적 압축 능력이다. 테슬라는 기계를 작동 원리로 압축했다. 아인슈타인은 물리학의 모순을 작은 장면으로 압축했다. 그레츠키는 경기장의 혼란을 몇 초 뒤의 공간 점유 문제로 압축했다. 엘리트 빌더도 마찬가지다. 거대한 제품 요구사항을 책임 경계, 데이터 흐름, 예외 조건, 검증 기준으로 압축한다.

넷째, 실행 전 평가 판단력이다. 내부 모델은 아무 상상이나 허용하지 않는다. 틀린 상상은 틀린 코드를 낳는다. 그래서 고수는 자기 머릿속 시뮬레이션도 의심한다. 이 설계가 정말 단일 책임을 지키는가. 이 예외 처리가 다른 모듈을 오염시키지 않는가. 이 프롬프트가 AI에게 자유도를 너무 많이 주지 않는가.

최근 인지과학 논의에서도 사람은 외부 시행착오만으로 배우지 않는다. 설명하고, 시뮬레이션하고, 유추하고, 추론하는 과정 자체가 이해를 개선할 수 있다². 이것은 천재의 특권이 아니다. 내부 모델을 반복해서 고치는 훈련이다.

내부 모델 개선 루프

천재적 직관을 훈련 가능한 형식으로 바꾸면 다음 루프가 된다.

먼저, 문제를 장면으로 바꾼다. 기능 이름이 아니라 실제 사용 순간을 떠올린다. 사용자가 무엇을 누르고, 시스템이 무엇을 저장하고, 어떤 예외가 끼어드는지 본다.

다음, 시간을 흘려보낸다. 첫 실행만 보지 않는다. 세 번째 수정, 열 번째 사용자, 다음 요구사항, 장애 상황까지 밀어본다. 여기서 기술 부채의 냄새가 난다.

그다음, 책임 경계를 긋는다. 어느 모듈이 무엇을 알아야 하고, 무엇을 몰라야 하는지 정한다. 정보 은닉은 고급 이론이 아니라 미래의 혼란을 막는 방화벽이다.

마지막으로, AI에게 넘길 최소 작업을 자른다. AI가 결정할 것과 인간이 이미 결정한 것을 분리한다. 좋은 프롬프트는 부탁이 아니라 경계가 있는 작업 지시다.

이 루프는 토큰을 적게 쓰기 위한 절약술이 아니다. 토큰이 가장 강하게 작동할 위치를 찾는 조준술이다. 테슬라가 상상 속 기계를 돌리고, 아인슈타인이 빛과 기차를 움직이고, 그레츠키가 퍽의 미래 위치를 읽었던 이유도 같다. 진짜 승부는 실행량이 아니라 실행 전에 세계를 얼마나 정확히 가동했는가에서 갈린다.

AI 시대의 엘리트 빌더는 더 많이 묻는 사람이 아니다. 더 정확한 내부 세계를 만든 뒤, 필요한 순간에만 묻는 사람이다.

참고

¹Einstein's thought experiments

²Like humans, artificial minds can 'learn by thinking'