Antigravity와 Gemini 3가 증명한 것은 ‘많이 써야 좋은 결과가 나온다’는 통념의 붕괴다. 오히려 프롬프트가 짧고 간결할수록, 그 안에 담긴 의도의 에너지 밀도가 높을수록 모델이 더 탁월한 결과를 생성한다. 이것은 사용자의 사고 역량이 기술적 숙련도보다 더 중요한 시대가 도래했음을 의미한다. 결국, ‘무엇을 만들 것인가’를 가장 깊이 고민한 사람이 가장 큰 가치를 가져간다.
근거
노정석은 자신의 워크플로를 이렇게 설명한다. “뭔가를 만들어야 되겠다는 생각이 들면 가장 본질적인 description 세 줄을 머릿속에서 돌려요. 샤워하면서, 길 가면서. 세 줄이 만들어지면 그걸 최상위 thinking model에 ‘야, 이거 spec으로 뻥튀기해 줘’라고 넣어요.” 그러면 모델이 알아서 spec을 확장하고 구현까지 완료한다. 핵심은 세 줄에 들어있는 ‘정보의 에너지 레벨’이다.
“내가 투입하는 세 줄에 들어있는 정보의 에너지 레벨이 그때 정말 중요하다. 그게 아이디어의 본질을 만들어내는 능력이다.”
이 현상은 모델이 단순히 ‘명령어를 실행하는 기계’가 아니라 ‘의도를 해석하고 완성하는 파트너’로 진화했음을 의미한다. 따라서 사용자는 더 이상 세부 지시어를 나열할 필요 없이, 자신이 진정 원하는 것이 무엇인지 스스로에게 질문하는 능력에 집중해야 한다.
연결된 생각
- 20260606-engineer-shift-to-problem-solving — 문제 정의 능력의 중요성과 같은 맥락
- 20260606-ai-scaling-law-continuation — 모델이 의도를 해석할 수 있는 기반 (강력한 pre-trained 능력)
출처
- 📎 클리핑: 20260613-ep77-ko-transcript