생성형 AI 학습 프로젝트: 교재 구성과 수업 운영

공부할 교재와 AI 강사의 역할

프로그래머로 일하며 AI를 사용하고 있지만, 생성형 AI를 체계적으로 공부하는 과정은 따로 두지 않았다. 기능을 쓰는 데 익숙한 것과 모델의 동작을 이해하고 애플리케이션에 연결하는 것은 공부할 내용이 다르다. 이번에는 교재를 하나 정하고 순서대로 배우기로 했다.

선택한 교재는 Microsoft의 Generative AI for Beginners다. 저장소를 내려받고 AI에게 교재를 설명하는 강사 역할을 맡겼다. 개념 설명, 예제 안내, 코드 검토와 이해 확인까지 수업으로 진행하도록 요청했다.

이 글은 그 학습 프로젝트의 첫 기록이다. 아직 본 수업이나 API 실습은 시작하지 않았다. 지금까지 만든 것은 학습 계획과 진도를 이어가기 위한 문서, 옵시디언 화면이다.

21개 수업에서 다루는 내용

교재는 환경 설정인 00장과 01~21장으로 구성된다. 개념을 설명하는 Learn 수업과 예제를 다루는 Build 수업이 있으며, Python과 TypeScript 코드, Jupyter Notebook과 한국어 번역을 활용할 수 있다. 중심 주제는 기존 모델을 이용한 생성형 AI 애플리케이션 개발이다. 모델을 처음부터 학습시키는 수학·대규모 학습 시스템은 별도 공부가 필요하다.

범위	주요 내용
00~03장	환경 설정, LLM 원리, 모델 선택, 책임 있는 사용
04~05장	프롬프트 기본과 개선
06~11장	텍스트·대화·검색·이미지 앱, 로우코드, 함수 호출
12~15장	사용자 경험, 보안, 평가와 운영, RAG
16~18장	공개 모델, 에이전트, 파인튜닝
19~21장	소형 언어 모델과 모델 계열 비교

목차 순서대로 공부하되 이미 아는 프로그래밍 기초는 필요한 만큼만 확인하기로 했다. API 연결, 검색, 함수 호출과 결과 검증에는 더 자세한 실습을 붙일 계획이다. 모델 이름과 SDK 사용법은 실습 시점의 공식 문서로 다시 확인한다.

종합 실습 주제는 이 교재의 문서를 검색하고 설명하는 학습 도우미다. 간단한 질문 응답에서 시작해 문서 검색, 외부 함수 연결, 출처가 있는 답변, 제한된 도구를 쓰는 에이전트로 확장할 예정이다. 현재는 이 구성을 정한 단계다.

긴 대화에서 반복되던 문제

계획만 받아서는 충분하지 않았다. AI와 대화가 길어지면 처음 정한 틀을 벗어나거나 할 일이 흩어지고, 다른 질문을 한 뒤 원래 설명으로 돌아오기 어려웠다. 이번에도 같은 문제가 생기지 않도록 프로젝트부터 구조화해 달라고 요청했다.

처음 받은 세션 운영 답변은 대화가 길어지면 새 세션을 열라는 수준이었다. 언제 옮길지 판단하고 지난 내용을 다시 설명하는 일이 여전히 내 몫이었다. 나는 세션을 바꿀 시점과 인계 준비를 강사가 맡아야 한다고 정정했다.

그에 따라 학습 목표 하나를 수업 한 단위로 정했다. 개념 설명, 실습, 이해 확인까지 마치면 AI가 단위 완료를 분명히 알리고 다음 시작점을 저장한다. 긴 장은 여러 수업으로 나눈다. 시간이나 날짜를 세션 전환 기준으로 삼지는 않는다.

지침과 현재 상태를 파일로 남기는 방식

프로젝트의 AGENTS.md에 강사의 진행 규칙을 넣고, 계획·현재 상태·누적 기록을 별도 문서로 만들었다. 현재 상태에는 과제 ID, 완료 기준, 확인 근거, 보류 질문과 복귀 위치가 들어간다. 실행할 TODO는 이 문서 한 곳에서 관리한다.

설명을 들었다는 이유만으로 완료를 표시하지 않도록 했다. 내가 직접 설명했는지, 실행했는지, 요구사항을 바꾸고 결과를 확인했는지를 구분한다. AI가 대신 실행한 환경 검사는 내 이해도를 증명하는 근거가 아니다.

새 세션에는 다음 정보를 넘긴다.

• 끝낸 목표와 실제로 확인한 이해 수준
• 아직 헷갈리는 개념과 미완료 과제
• 실습 파일과 마지막 실행 결과
• 옆길 질문과 본 수업 복귀 위치
• 다시 설명할 필요가 없는 내용과 다음 첫 행동

이 인계 내용을 읽고 수업을 이어가는 것이 새 세션의 첫 작업이다. 파일에 적었다고 AI가 언제나 빠짐없이 따른다고 보장할 수는 없다. 수업이 끝날 때 저장된 이해도와 남은 과제가 실제 진행 내용과 맞는지도 확인해야 한다.

옵시디언에서 보는 진도와 깊이

옵시디언 북마크에는 현재, 할 일, 작업들, 학습지도와 커리큘럼 Canvas를 묶었다. 할 일 화면은 현재 상태의 체크리스트를 가져와 보여준다. 지도는 같은 상태 문서를 읽어 생성한다.

전체 과정은 환경 설정을 포함한 22개 장을 10단계로 묶어 표시했다. 교재의 장 번호와 개인 학습 단계는 별개다. 각 장에는 다음 기준으로 확인된 깊이와 목표 깊이를 표시한다.

학습지도 실제 화면 일부다. 청록색은 현재 단계이고, 아래 표는 확인한 깊이와 목표를 구분한다. 아직 수업 전이므로 확인한 깊이는 모두 D0다. 크게 보기.

깊이	확인할 내용
D0	학습이나 이해 확인 전
D1	원리와 한계를 자기 말로 설명
D2	예제를 직접 실행하고 입력·출력 관계 설명
D3	요구사항을 바꾸고 결과와 실패 사례 검증
D4	다른 문제에 적용하고 대안과 선택 이유 비교

모든 장에서 D4까지 해야 하는 것은 아니다. 개념 비교가 목표인 장과 구현이 필요한 장의 완료 기준을 따로 정했다. 질문에서 파생된 심화 주제는 부모 주제와 연결해 가지로 표시하고, 원래 수업으로 돌아올 위치를 남긴다. 가지가 몇 단계로 갈라졌는지와 이해가 얼마나 깊어졌는지도 구분한다.

같은 상태를 Canvas에서 펼쳐 본 화면이다. 위쪽에는 10단계와 장별 연결을, 아래쪽에는 현재 위치·할 일·복귀 위치를 배치했다. 심화 탐구는 아직 비어 있다. 캡처를 위해 진도를 바꾸거나 예시 과제를 추가하지 않았다. Canvas 크게 보기.

이번에 확인한 것과 다음 수업

현재 상태 문서, TODO 연결, 단계별 차트와 Canvas가 옵시디언에서 표시되는 것을 확인했다. 실제 학습 진도를 바꾸지 않은 검증에서는 완료 상태 반영과 두 단계로 갈라지는 탐구 가지도 확인했다. 이는 기록과 지도를 관리하는 기능의 검사다. 장기간 수업을 이어갈 때 인계가 충분한지, 학습에 얼마나 도움이 되는지는 앞으로 확인할 부분이다.

단위 수업이 끝나면 AI가 완료를 명확히 알리고 이 블로그에 글을 작성하도록 요청했다. 글에는 실제로 다룬 개념, 질문, 실습 결과와 남은 의문을 남길 예정이다. 이번 개요를 본 수업 완료로 계산하지는 않는다.

다음은 00장이다. 주로 쓰는 언어와 기존 AI 활용 방식을 확인하고, 실습 언어와 실행 환경을 정하는 것부터 시작한다.