튜토리얼은 배움처럼 느껴진다. 코드가 실행되고, 뭔가 만들어지고, 도파민이 온다. 그런데 다음 날 아침 빈 파일을 열면 손이 멈춘다. dev.to에 올라온 한 AI 자동화 회사 테크리드의 고백이 이 지점을 정확히 찌른다. 그는 2025년 한 해 동안 학습 시간의 80% 이상을 튜토리얼 영상 시청에 쏟았다고 했다. 14시간 시청, 3시간 코딩. 숫자가 전부 말해준다.
이건 개인의 문제가 아니다. AI 도구 도입을 서두르는 팀에서 반복되는 구조적 패턴이다. 신규 팀원에게 LangChain 튜토리얼 링크를 던지고, Copilot 사용법 영상을 공유하고, 온보딩이 끝났다고 착각한다. 팀원은 따라 치면서 코드가 돌아가는 걸 확인하지만, 실제로 문제 앞에 혼자 서는 순간 그 경험은 아무것도 남기지 않는다. '튜토리얼 함정'은 학습의 환상을 만들어낸다. 뇌는 수동 모드에 있는데 생산적이라고 느끼게 만든다.
그렇다면 뭐가 다른가. 같은 테크리드가 제시한 규칙은 단순하다. 새 도구는 지금 쓰는 도구로 뭔가를 만든 다음에만 허용한다. CrewAI가 궁금하면, 지금 알고 있는 것으로 먼저 멀티에이전트 시스템을 만들어라. 벡터 DB가 궁금하면, SQLite 기반 메모리부터 동작시켜라. 이 규칙이 강력한 이유는 새 도구를 학습의 출발점이 아니라 빌딩의 보상으로 바꾸기 때문이다. 배움의 순서가 역전된다.
실제로 그가 첫 주에 만든 것은 독일 부동산 관리 회사용 문서 분류 에이전트였다. LLM을 쓰지 않았다. MCP 서버에 키워드 매칭 로직을 붙인 단순한 구조였다. '인보이스', '계약서', '유지보수' 같은 키워드 기반 분류가 전부였다. 그런데 이 에이전트가 실제로 주 4시간씩 수작업으로 처리하던 문서 분류를 자동화했다. 정교하지 않아도 실제 문제를 풀면 그게 프로덕션 에이전트다. 완성도보다 실제성이 학습을 만든다.
두 번째 기사가 이 맥락에 다른 각도를 더한다. 웹 스크래핑 경험자가 기존 방식이 모두 막히자 LLM에 HTML을 통째로 넘기는 방식으로 전환한 사례다. XPath와 CSS 셀렉터로 싸우는 대신, GPT-4o에 데이터 구조를 설명하고 파싱을 맡겼다. 95% 이상의 정확도로 작동했고, 셀렉터 한 줄 쓰지 않았다. 핵심은 이 사람도 튜토리얼로 이 방법을 배운 게 아니라는 점이다. 막혀서, 동료 힌트 하나를 받고, 직접 시도해봤다. 실패 맥락이 학습을 가능하게 했다.
이 두 사례가 AI-First 온보딩 설계에 던지는 시사점은 명확하다. 팀원에게 AI 도구를 '배우게' 하는 것과 AI 도구로 '문제를 풀게' 하는 것은 전혀 다른 설계다. 전자는 커리큘럼이고, 후자는 환경이다. 온보딩을 커리큘럼으로 설계하면 팀원은 소비자로 머문다. 온보딩을 문제 환경으로 설계하면 팀원은 즉시 빌더가 된다. 작고 실제적인 문제를 첫 주 안에 배정하는 것, 그게 AI-First 온보딩의 출발점이다.
도구 선택에도 같은 기준이 적용된다. 앞선 사례에서 LangChain은 결국 드롭됐다. 추상화 레이어가 두꺼워서 에이전트가 조용히 실패할 때 추적이 불가능했기 때문이다. SQLite + FTS5는 살아남았다. 벡터 DB 없이도 90%의 메모리 유스케이스를 처리했고, 운영 비용이 0이었다. LLM 파싱도 마찬가지다. 페이지당 0.01~0.05달러의 비용과 2~5초의 레이턴시가 있다. 대량 처리에는 부적합하지만, 기존 방식이 완전히 막힌 지점에서는 유일한 해법이 된다. 팀에 도구를 도입할 때는 '무엇이 가능한가'가 아니라 '우리 문제에 맞는가'를 먼저 따져야 한다.
마지막으로 Human-in-the-Loop 설계는 온보딩 단계에서부터 심어야 할 철학이다. 에이전트가 자율로 움직일수록 실패는 조용히 누적된다. 문서를 잘못 분류하고, 엉뚱한 사람에게 라우팅하고, 요약을 환각한다. 이를 막는 건 더 좋은 모델이 아니라 사람이 개입할 수 있는 설계다. 신입 팀원이 AI 도구를 쓸 때도 같다. AI 출력을 검토 없이 그대로 적용하는 습관이 붙으면, 나중에 고치기 어렵다. 온보딩부터 'AI 출력은 초안이다'를 몸에 새기게 해야 한다.
튜토리얼은 지도다. 지도를 읽는 법을 아무리 배워도 걷는 근육은 안 생긴다. AI-First 팀의 온보딩은 지도를 쥐여주는 것으로 끝나면 안 된다. 첫날부터 실제 지형 위에 세워야 한다. 작고 못생겨도 좋다. 실제 문제를 푸는 에이전트 하나가 열 편의 튜토리얼보다 팀원을 더 빠르게 성장시킨다.