AI Automation Level Advisor · 리포트

신경과학 × 도시계획을 융합한 독창적 설계 방법론 창안

날짜: 2026-06-06
판정: INTERACTIVE / AUGMENTATION (인간이 주도, AI는 보조)

이 일의 핵심 — 학습 분포 바깥의 진짜 새로운 통찰 — 은 AI가 생성할 수 없는 영역입니다. 당신이 창안하고, AI는 자료·재료·반론을 대는 협업자로만 쓰세요.

1

이 과제는 loop 스펙트럼의 어디에 있나

2

두 축 맵 — 검증가능성 × 도달가능성

검증가능성(결과를 싸게 확인 가능 → 가로축)과 도달가능성(AI가 애초에 생성 가능 → 세로축), 두 독립된 축입니다. 이 과제의 네 단계는 맵 전체에 흩어집니다 — 정찰은 우상단(자동화 가능)이지만 핵심 창안은 좌하단(검증도 어렵고 AI가 생성도 못 함). 그래서 전체 등급은 가장 위험한 핵심 창안 단계 기준입니다.

자동화 영역 AI 생성 + 사람 검토 사람이 창안 깊이 인간 주도 검증가능성 — 확인하기 쉬움 → 도달가능성 — AI가 생성 가능 ↑ ← 전체 프로젝트(핵심 단계 기준) 1 2 3 4
1정찰(수집) 2재료 생성 3핵심 창안 4정립·표현

같은 두 축인데 invoice 사례(네 점이 모두 우상단에 모임)와 정반대입니다. 핵심 창안(3)이 좌하단이라 — 검증가능성만 봤다면 놓쳤을 — 도달가능성이 전체를 인간 주도로 끌어내립니다. chollet-measure

3

쉽게 말하면

AI에게 "만들어줘"가 아니라 "같이 생각하자"가 맞습니다.

당신이 원하는 건 이미 세상에 있는 걸 정리한 게 아니라, 아무도 아직 못 한 새로운 골자예요. 그건 AI가 학습한 데이터의 바깥에 있어서, 프롬프트를 아무리 갈고 추론을 아무리 시켜도 AI가 스스로 만들어내지 못합니다. 그러니 핵심 창안은 당신이 하고, AI는 자료를 모으고, 재료를 쏟아내고, 당신 아이디어를 두들겨 보는 협업자로 쓰는 게 맞습니다.

4

과제 이해

신경과학과 도시계획을 잇는 기존에 없던 도시 설계 방법론을 만들어, 그것을 연구·창업의 핵심 컨셉으로 삼으려 합니다. 원하는 결과물은 잘 정리된 문서가 아니라 방법론의 원천적 골자(아무도 아직 제시하지 않은 융합의 핵심) 그 자체입니다. AI에게 직접 시켜 봤지만 뻔한 짜깁기만 돌아왔습니다.

이 이해가 틀렸다면 알려주세요 — 다시 분류하겠습니다. 등급은 바뀔 수 있습니다.

5

왜 이 수준인가 — 요인별

각 행은 하나의 레버입니다. "방향" 칩은 그 답이 더 많은 자동화 쪽인지, 더 많은 인간 개입 쪽인지를 보여줍니다. 모든 판단에는 출처 링크가 붙습니다. 강조된 행이 이 판정을 결정한 핵심 요인입니다.

요인당신의 답방향출처
도달가능성 — AI가 *생성*할 수 있나?
답이 AI 학습 데이터 *바깥*(외삽)에 있나?
바깥에 있음 (R3). 핵심은 "학제간"이라서가 아니라 학습 분포 바깥이라는 점 — 새 화풍·패러다임 전환·새 방법론도 똑같은 경우. ← 결정 요인 인간이 창안해야 chollet-measure, boden-creativity
추론을 더 시키면?
긴 사고사슬이면 도달하나?
아니요. 추론도 학습 분포 안에 머문다는 증거가 쌓이는 중(아직 논쟁적). "조금만 더 하면" 착시일 뿐. 자동화로 못 메움 cot-mirage, mollick-jagged
검증가능성
싸게, 전문가 없이 확인 가능?
아니요(V2~V3). 내적 정합성·예측력은 전문가 판단이 필요. 도달가능성과는 별개의 축. 사람이 판단 karpathy-verifiability
창의 / 취향 / 관점
성공이 독창성·당신 관점에 달렸나?
전적으로. 당신의 관점이 핵심. 증강의 영역 zwingmann-aug, augmentation-paradox
소유 / 동기
직접 소유하고 싶은 일인가?
네 — 정체성을 규정하는 작업. 인간이 보유 lubars-tan
이해관계 / 가역성
틀리면 얼마나 나쁘고 되돌리기 쉬운가?
높음·비가역. 방향을 잘못 잡으면 수년 손실. 핵심에 인간 개입 parasuraman-2000
개인 영향(규제 하한선)
특정 개인에 대한 결정인가?
아니요 — 사람을 판단하지 않음. 법적 하한선 무관 gdpr-22

핵심: 검증가능성과 도달가능성은 독립된 두 축입니다. 설령 결과를 쉽게 검증할 수 있더라도, 답이 학습 분포 바깥(R3)이면 AI는 그걸 원천 생성하지 못하므로 인간이 주도해야 합니다. 검증가능성만 봤다면 놓쳤을 판정을, 도달가능성이 잡아냅니다. chollet-measure

6

단계 분해 — AI는 여기서 큰 도움이 됩니다

전체는 가장 위험한 단계 기준으로 분류하되, 쉬운 단계는 과감히 자동화하세요. "인간 주도"가 "AI 무용"을 뜻하지 않습니다. parasuraman-2000

단계 A
정찰
FULL AUTOMATION

선행연구·사례·데이터 수집 (R1). AI 적극 활용.

단계 B
재료 생성
HUMAN-ON-THE-LOOP

가능한 교차연결·반례를 대량 brainstorm. 당신이 선별.

단계 C
핵심 창안
INTERACTIVE

진짜 새로운 융합의 도약 (R3). 당신이 originate.

단계 D
정립·표현
HUMAN-IN-THE-LOOP

프레임워크로 글·도식화. AI가 도와도 저자는 당신.

단계 분리: A·B는 적극 자동화해 시간을 벌고, 그 시간을 C의 도약에 쏟으세요. AI는 "정찰병·재료공급자·반론가"로 최고의 가치를 냅니다 — 다만 창안자는 당신입니다.

7

추천 셋업

도구 수준: 자율 에이전트 ✕ — AI를 협업자로 두는 단발 대화(증강). 핵심이 매번 새로운 통찰이라 미리 짜둔 워크플로우로 "맡길" 수 없습니다. 가장 단순한 형태가 맞습니다. anthropic-agents, zwingmann-aug

이렇게 시작하세요:

  • 당신의 거친 가설(직접 만든 한 문장)을 AI를 보기 전에 먼저 적습니다.
  • AI로 정찰(A)과 재료(B)를 대량 확보합니다.
  • 그 재료를 당신이 재구성해 도약을 시도하고, AI에겐 반론·약점만 시킵니다.
8

가드레일 & 체크포인트

  • 저자는 당신: AI 출력은 "재료"일 뿐, 핵심 통찰의 저자는 항상 당신.
  • 균질화 경고: 남들도 같은 모델로 같은 답을 받습니다. 그대로 쓰면 차별성이 죽어요. doshi-hauser, wenger-kenett
  • 조기 고착 방지: AI 아이디어를 먼저 보면 사고가 거기 갇힙니다. 당신 가설을 먼저 적고, 그 다음 AI로 공격하세요.
  • "더 시키면 되겠지" 함정: 프롬프트·추론을 더 한다고 분포 바깥에 도달하지 않습니다. cot-mirage
9

무엇을 위임하고 무엇을 지킬까

자율성을 올리는 사다리가 아니라, 위임 경계를 분명히 하는 게 핵심입니다.

1

항상 위임 — AI에 적극 FULL/ON-LOOP

문헌·사례 수집, 요약, 가능한 교차연결 나열, 반례·약점 공격, 표현·도식화 초안.

2

인간 검토 후 HUMAN-IN-THE-LOOP

AI가 정리·표현한 초안 → 당신이 읽고 저자로서 확정.

3

절대 위임 금지 — 당신이 INTERACTIVE

"이 융합이 진짜 새롭고 가치 있는가"의 판단과 핵심 도약 그 자체.

재평가 신호: 작업하다 보니 원하는 게 사실 기존 융합의 재조합(R1)으로 충분하다면 — 그땐 훨씬 더 자동화 가능합니다. 다시 상담하세요. anthropic-autonomy

10

협업 시작 프롬프트

1 · 정찰(빈틈 찾기용)
신경과학과 도시계획을 잇는 *기존의* 시도·이론·논문을 가능한 한 많이 정리해줘.
각각 핵심 주장과 *한계/빈틈*을 함께. 나는 아직 아무도 안 한 지점을 찾으려는 거야.
2 · 반론가(내 도약을 단련)
다음은 내 거친 가설이야: [당신이 직접 적은 한 문장].
이 가설의 약점·반례·이미 존재하는 유사물을 10개로 공격해줘. 칭찬은 빼고.
3 · 정반대 관점(고착 깨기)
내 접근과 *정반대* 전제에서 출발하면 이 문제를 어떻게 볼까?
3가지 상반된 프레이밍을 제시해줘. 내 생각이 한쪽으로 굳는 걸 경계하고 있어.
11

주의할 위험 — 언제 멈추고 재평가

뻔한 평균으로의 회귀

AI 재료를 그대로 채택하면 competent-but-generic해집니다. doshi-hauser

인지적 고착

먼저 본 AI 안에 사고가 갇혀 더 나은 도약을 못 합니다. 당신 가설을 먼저.

보이지 않는 경계 오신

"거의 다 왔다"는 느낌은 착시일 수 있습니다. mollick-jagged

재평가 트리거

결과물의 본질이 사실 재조합(R1/R2)이면 → 더 자동화 가능, 다시 상담.

12

이 조언의 근거

카드를 열면 출처가 무엇을 말하는지 보고, 링크로 직접 읽을 수 있습니다.

chollet-measure AI는 보간엔 강하나 진짜 novelty엔 약하다
지능을 새로운 과제에 대한 학습 효율로 정의하고, AI가 경험 분포 안에서는 강하지만 진짜 새로움으로의 일반화엔 약함을 보입니다. 이게 "도달가능성" 축 — 결과를 확인할 수 있느냐와 별개입니다. On the Measure of Intelligence — François Chollet (2019) (주: '보간/외삽'은 실무적 표현이며 논문의 직접 인용은 아닙니다.)
boden-creativity 탐색 vs 조합 vs 변형 창의성
창의성을 탐색(기존 공간 내)·조합(친숙한 것의 새 결합)·변형(공간 자체의 전환)으로 구분. 탐색은 사실상 보간이라 AI가 잘하지만, 조합·변형이 어려운 외삽 영역입니다 — 학제간 융합은 그 한 예시일 뿐. Creativity and Artificial Intelligence — Margaret A. Boden (1998)
cot-mirage 추론도 학습 분포를 못 벗어난다 (논쟁 중)
사고사슬이 in-distribution 구조를 반영하며 분포 이동에 취약하다는 증거 — 추론을 더 해도 분포 밖에 못 닿는다는 점. 활발히 논쟁 중인 주제이므로 단정이 아닌 "쌓이는 증거"로 봅니다. Is Chain-of-Thought Reasoning of LLMs a Mirage? (2025)
mollick-jagged 보이지 않는 들쭉날쭉한 능력 경계
AI는 보이지 않는 경계 안에선 강하고 바로 바깥에선 약한데, 사람들은 어느 쪽인지 잘 구분하지 못합니다. "거의 됐다"는 착시의 정체. Navigating the Jagged Technological Frontier — Dell'Acqua, Mollick et al. (HBS 2023) · 블로그 One Useful Thing
doshi-hauser AI 의존은 다양성을 줄인다(실증)
사전등록 실험 — AI 보조는 개인의 창의성은 높였지만 결과물이 서로 더 비슷해져 집단적 새로움이 줄었습니다. R2 균질화 경고의 근거. Generative AI ... reduces the collective diversity of novel content — Science Advances (2024)
wenger-kenett LLM은 균질하게 창의적이다
LLM 출력은 사람보다 서로 훨씬 더 군집화되고, 모델을 바꿔도 그 중심으로의 회귀를 못 벗어납니다. Large language models are homogeneously creative — Wenger & Kenett
zwingmann-aug 자동화 vs 증강
자동화는 AI가 당신 대신, 증강은 AI가 당신과 함께. 창의 작업은 증강이 승리 조건입니다. AI Augmentation vs AI Automation — Tobias Zwingmann
augmentation-paradox 자동화–증강의 긴장
판단·취향이 핵심인 일을 자동화로 밀면 가치를 깎아먹습니다. The Automation–Augmentation Paradox — Raisch & Krakowski
lubars-tan 무엇을 위임할 만한가
동기·난이도·위험·신뢰가 위임 의향을 결정 — 정체성을 소유하고 싶은 일은 능력과 무관하게 인간이 보유. Towards a Framework of Task Delegability — Lubars & Tan (NeurIPS 2019)
parasuraman-2000 단계별로 자동화하라
과제를 수집/분석/결정/실행으로 나눠 단계마다 다른 수준을 적용하고, 가장 위험한 단계로 전체를 분류. Types and Levels of Human Interaction with Automation (2000)
anthropic-agents 가장 단순한 것부터
단발 프롬프트 → 정해진 워크플로우 → 자율 에이전트. 매번 새로운 통찰이 필요한 일은 자율 에이전트로 맡길 수 없습니다. Building Effective Agents — Anthropic