LLM 협업에서 인간과 모델의 역할을 어떻게 나눌 것인가. 램블 세션이 주는 판단 기준은 명확하다. 인간에게 비용이 크고 모델에게 값싼 작업은 모델에게 넘긴다. 생각을 문장으로 정제하는 일은 인간에게 가장 인지 비용이 큰 병목이지만, 산만한 입력에서 구조를 복원하는 일은 LLM이 가장 잘하는 작업이다. Karpathy가 타이핑이 “귀찮다(too lazy to type)“고 솔직하게 말한 지점이 바로 이 분업의 출발점이다.
근거
“때때로 LLM은 당신이 무엇을 이루려는지 이해하기 위해 더 많은 비트(bits)가 필요하지만, 당신은 그걸 타이핑하기엔 너무 게으르다. 이럴 때 나는 뒤로 기대어 /voice로 전환하고 그냥 10분간 두서없이 말한다.”
이것은 20260508-capture-friction-over-10s-breaks-habit의 논리와 정확히 맞물린다. 입력 마찰이 임계치를 넘으면 좋은 습관도 무너진다. 음성 램블은 마찰을 0에 가깝게 낮춰, 더 많은 맥락(bits)을 저비용으로 모델에 전달하게 한다. 정제의 부담은 모델이 진다.
연결된 생각
- 20260508-capture-friction-over-10s-breaks-habit — 입력 마찰을 낮추면 더 많은 맥락이 흐른다
- 20260605-process-beats-prompting — 인간이 아니라 프로세스/도구가 무거운 일을 지게 하는 설계