도구 숙련도의 이야기가 아닙니다. 일의 시작점이 다른 사람의 이야기입니다. AI 네이티브는 "AI로 웬만한 건 다 된다"는 믿음을 기본값으로 깔고 일하는 사람입니다. 새 일이 생기면 "내가 어떻게 하지"가 아니라 "에이전트에게 어떻게 시키지"부터 묻습니다. 이 차이가 매일 쌓이면, 같은 하루에서 다른 양의 일이 나옵니다. AI를 잘 쓰는 사람과의 차이 — 잘 쓰는 사람은 필요할 때 도구를 꺼냅니다. AI 네이티브는 처음부터 AI가 깔린 상태로 시작합니다. 쓰는 빈도가 아니라 시작점이 다릅니다. 그리고 이건 재능이 아니라 전환입니다. 되는 걸 믿고, 남이 해내는 걸 목격하고, 직접 한 번 돌려보고, 내 일에 붙입니다. 이 순서를 밟은 사람은 도메인 지식이 없어도 해냅니다. 시작점을 옮기는 것 — 그게 전부입니다.

코딩을 배우라는 답을 기대하셨다면, 아닙니다. 먼저 순서입니다. 배움에는 순서가 있습니다 — 믿음, 목격, 활용, 행동. "AI가 정말 되는구나"를 믿고, 남이 해내는 걸 목격하고, 직접 한 번 돌려보고, 내 일에 붙입니다. 대부분은 첫 칸에서 멈춥니다. 그래서 도구가 아니라 자세가 먼저입니다. 무엇을 배우느냐 — 프롬프트가 아니라 컨텍스트입니다. 질문을 잘 던지는 기술은 금방 바닥이 납니다. 진짜 레버리지는 에이전트가 나와 내 업무를 아는 상태로 시작하게 만드는 데 있습니다. 왜 지금이냐 — AI는 모두의 생산성을 고르게 올리지 않습니다. 판단력이 좋은 사람을 더 크게 증폭시킵니다. 도메인을 아는 비개발자에게 유리한 판이라는 뜻입니다. 개발을 배우지 마십시오. 판단을 파십시오.

할 수 있습니다. 제 유튜브 구독자의 주 연령층이 40–60대입니다. 관문은 개발 지식이 아니라 자세입니다. 첫 프로젝트의 기준은 하나입니다 — 남의 화려한 자동화가 아니라, 내가 매주 반복하는 일. 매주 쓰는 보고서, 매번 정리하는 폴더, 반복되는 검색과 요약. 그걸 에이전트에게 통째로 넘겨봅니다. 막히면 그 자리에서 AI에게 물어봅니다. 저도 처음 보는 기술을 설치할 때 항상 클로드에게 물어보면서 진행합니다. 모르는 게 부끄러운 게임이 아니라, 안 물어보는 게 손해인 게임입니다. 한 가지는 위임이 안 됩니다 — 이해입니다. 카파시의 말대로, 생각은 에이전트에게 시킬 수 있지만 이해는 대신 시켜줄 수 없습니다. 결과물이 나올 때마다 어떻게 만들었는지, 왜 그랬는지 물어보며 따라가면 그게 곧 공부입니다. 개발을 못 해서 못 하는 게 아닙니다. 안 넘겨봐서 못 하는 겁니다.

최신 장비는 필요 없습니다. 맥을 권장합니다. 로컬 모델을 돌릴 게 아니라면 맥미니 같은 별도 장비도 필수가 아닙니다 — 쓰던 맥북이면 충분합니다. 메모리 8GB로도 강의 실습이 됩니다. 아주 오래된 맥은 OS 버전이 낮아 설치가 막힐 수 있습니다. 이 경우 장비 교체 전에 OS 업그레이드부터 확인합니다. 윈도우도 됩니다 — 다만 터미널 환경(WSL) 설정이 한 겹 더 있어 초반 마찰이 맥보다 큽니다. 강의와 자료는 맥 기준으로 진행합니다. 터미널은 기본 앱으로 시작해도 됩니다. 에이전트를 여러 개 병렬로 돌리는 단계가 되면 화면 분할이 되는 터미널(iTerm 등)로 갈아타면 됩니다. 장비를 사기 전에, 있는 컴퓨터로 오늘 시작합니다.

AI를 다루는 기술은 네 층으로 쌓입니다. 순서대로입니다. 프롬프트 — 어떻게 묻는가. 한 번의 지시입니다. 컨텍스트 — 무엇을 아는 상태로 시키는가. 에이전트가 나와 내 일을 알고 시작하도록 맥락을 쌓는 일입니다. 좋은 결과는 좋은 프롬프트가 아니라 좋은 컨텍스트에서 나옵니다. 하네스(harness) — 어떤 규칙 안에서 움직이는가. CLAUDE.md 같은 파일로 에이전트가 같은 실수를 반복하지 않게 세우는 가드레일입니다. 루프 — 누가 다음 턴을 여는가. 에이전트에게 매번 프롬프트를 치는 게 아니라, 스스로 돌면서 나아가는 구조를 설계하는 일입니다. 단, 반복만으로는 루프가 아닙니다 — "아니오"라고 말해 줄 신호가 있어야 나아집니다. 프롬프트에서 시작해 루프로 갑니다. 이 순서를 건너뛰면, 도구는 늘었는데 결과는 그대로입니다.

결론부터 — 어느 것을 고르느냐보다, 하나를 진득하게 파는 게 중요합니다. 기준은 이렇습니다. Cowork — 터미널이 낯선 비개발자의 진입로입니다. 지금 시작한다면 가장 수월합니다. Claude Code — 본진입니다. CLI는 탭을 여러 개 띄워 에이전트를 병렬로 돌리고 세밀한 조작이 가능합니다. 데스크톱 앱으로도 대부분의 일이 됩니다. Codex — 개념적으로 Claude Code와 거의 같습니다. GPT를 구독 중이라면 그대로 써도 무방합니다. 헤르메스·오픈클로 — 24시간 도는 하네스 에이전트를 원할 때의 선택지입니다. 서로 개념은 같습니다. 도구는 계속 바뀝니다. 트렌드를 쫓아 옮겨 다니면 오히려 놓치는 게 많아집니다. 하나를 깊게 파고 나면 다음 도구는 훨씬 빨리 익힙니다 — 개념이 그대로 이식되기 때문입니다. 도구 선택이 아니라 숙련이 격차를 만듭니다.

가장 많이 받는 질문입니다. 뼈대는 세 가지입니다. 첫째, 한도의 구조. 구독 요금제에는 몇 시간 단위로 다시 차는 세션 한도와, 별도의 주간 한도가 함께 걸려 있습니다. "20%밖에 안 썼는데 막혔다"는 대부분 이 둘을 혼동한 경우입니다. 둘째, 소모의 구조. 토큰은 대화 횟수가 아니라 에이전트가 읽는 컨텍스트의 크기로 나갑니다. 한 세션을 길게 끌수록, 서브에이전트를 여러 개 띄울수록 같은 작업도 몇 배로 나갑니다. 같은 튜토리얼을 따라 해도 어떤 사람은 18%, 어떤 사람은 80%를 쓰는 이유가 여기 있습니다 — 모델이 아니라 컨텍스트 규율의 차이입니다. 셋째, 결제의 순서. 시작은 $20 구독으로 충분합니다. 이 안에서 토큰이 어디로 새는지 먼저 느끼고, 효율을 만든 다음 업그레이드를 판단합니다. 손에 익으면 토큰 욕심이 생깁니다 — 그때가 Max가 의미 있어지는 시점입니다. 한도를 늘리기 전에, 새는 곳부터 찾습니다.

2026년 7월 초 기준의 답입니다. 이 주제는 빠르게 바뀌므로 최신 정책은 Anthropic 공식 안내를 확인합니다. Fable 5는 최상위 추론 모델입니다. 그만큼 토큰 소모가 크고, 구독 기본 제공이 아니라 API 크레딧 중심으로 과금되는 방향으로 바뀌었습니다. 판단 기준은 모델 성능이 아니라 용도입니다. 일상 작업의 본진은 Opus·Sonnet — 구독(Pro/Max)으로 충분합니다. Fable은 계획 수립, 어려운 설계 판단처럼 추론 밀도가 필요한 순간에만 씁니다. 하네스가 잘 잡혀 있으면 일상 작업에서는 체감 차이가 크지 않다는 후기가 많습니다. 그래서 구성은 이렇게 됩니다 — 구독은 유지하고, Fable이 필요한 순간만 크레딧으로. 모든 작업을 Fable로 돌리는 건 비용 대비 효율이 나오지 않습니다. 모델 업그레이드가 아니라 용도 배분이 답입니다.

한국어로 됩니다. 저는 CLAUDE.md 같은 기반 문서를 영어로 둡니다. 아직 성능 차이가 있다고 보기 때문입니다. 다만 모델이 좋아질수록 그 갭은 줄고 있습니다. 기준은 일관성입니다. 프롬프트를 한국어로 친다면 규칙 문서가 한국어여도 문제없습니다. 지시는 한국어, 문서만 영어 — 이 조합이 오히려 어색합니다. 토큰 관점에서는 같은 내용이면 영어가 덜 씁니다. 규칙 문서처럼 매번 로드되는 파일은 영어가 유리하고, 일회성 지시는 편한 언어로 칩니다. 정답은 언어가 아니라, 매일 쓸 수 있는 쪽입니다.

자주 막히는 지점 세 곳과 해법입니다. Claude API 크레딧 결제 버튼이 비활성 — 청구 주소를 미국 지역으로 설정하면 풀리는 경우가 대부분입니다. 카드가 아니라 주소가 원인입니다. 해외 결제 실패 — 해외 결제가 열린 비자·마스터 카드인지 먼저 확인합니다. 같은 카드로도 브라우저를 바꾸면(Chrome → Edge) 통과되는 사례가 있습니다. 전화번호 인증이 안 옴 — 전화 인증이 필수가 아닌 가입 경로(카카오 계정 연동 등)로 우회합니다. 연 결제를 실수로 했다면 — 바로 환불을 요청합니다. 빠를수록 처리가 쉽습니다.

Claude에는 이미지 생성 기능이 없습니다. 언어와 판단이 Claude의 일이고, 시각물은 다른 도구의 일입니다. 이미지 — ChatGPT의 이미지 생성이 가장 접근이 쉽습니다. 에이전트 워크플로우에 넣으려면 Higgsfield 같은 생성 플랫폼을 연동합니다. 한글 텍스트가 들어가는 포스터·카드뉴스는 텍스트 렌더링이 되는 최신 이미지 모델을 골라야 합니다. 방법은 단순합니다 — 원하는 스타일의 예시를 주고, "이 메뉴로 바꿔줘"처럼 구체적으로 지시한 뒤, 몇 번 돌려깎습니다. 완성된 프롬프트를 외우는 것보다 반복 수정이 빠릅니다. 음성 — 한국어 TTS는 타입캐스트가 좋다고 봅니다. 음성 입력은 위스퍼 계열 앱들의 한국어 인식이 이미 실용 수준입니다. 이미지 모델은 이미 충분히 좋아졌습니다. 이미지만 제대로 활용해도 실무에서 낼 수 있는 임팩트가 큽니다.

됩니다 — 다만 권장 순서가 있습니다. 월정액 없이 헤르메스·오픈클로에 로컬 오픈웨이트 모델(Gemma 등)을 붙여 돌릴 수 있습니다. 비용은 0이 되지만 품질과 속도는 유료 프런티어 모델과 차이가 분명합니다. 그래서 저는 유료 구독을 먼저 권합니다 — 에이전트가 쓰이는 폭이 워낙 넓어, 모델 품질이 곧 경험 품질입니다. 중국 오픈웨이트 모델의 데이터 우려 — 모델과 서버 위치를 분리해서 보면 됩니다. 미국 데이터센터에서 중국산 오픈웨이트 모델을 돌리는 클라우드(Ollama Cloud 등)를 쓰면, 가중치는 중국산이어도 내 데이터가 중국 서버로 가지는 않습니다. 하드웨어 — 로컬을 진지하게 돌린다면 통합 메모리가 큰 맥이 유리합니다. 중고 M1도 시작으로는 충분합니다. 비용 절감이 목적이라면 로컬 전환보다 컨텍스트 규율이 먼저입니다. 토큰 낭비의 대부분은 모델이 아니라 습관에서 나옵니다.

직접 전문가가 될 필요는 없습니다. 전문가를 모아 문제를 푸는 쪽으로 갑니다. 한 사람이 여러 역할의 에이전트를 지휘합니다. 기획, 초안, 리뷰, 반복 — 각 단계를 에이전트에게 맡기고, 사람은 방향과 판단만 잡습니다. 2026년의 1순위 스킬은 코딩이 아니라 에이전트 오케스트레이션입니다. 반복 업무는 루프로 굳힙니다. 잘 나온 프롬프트는 스킬로 저장하고, 스킬은 루틴으로 스케줄링합니다. "일요일에 50개 기획, 월요일에 30개 생성" 같은 루틴을 걸어두면, 자고 일어나 검토만 하면 되는 결과 묶음이 쌓입니다. 작게 시작하십시오 — 매주 반복하는 업무 하나. 그걸 먼저 에이전트에게 넘깁니다. 큰 자동화가 아니라, 넘긴 업무 하나가 시작입니다.

구조는 세 조각입니다 — 일감, 케이던스, 배달. 일감: 잘 되는 프롬프트를 스킬로 저장합니다. "매주 같은 형식의 보고서"처럼 반복 형태가 잡힌 일이 1순위입니다. 케이던스: 스케줄링 기능("루틴")에 겁니다. "매일 아침 9시에 브리핑"처럼 시간을 정해두면 에이전트가 스스로 돕니다. 배달: 결과를 받아볼 채널을 정합니다. 저는 디스코드에 채널을 여러 개 파서 에이전트를 하나씩 두는 방식을 씁니다. 각 에이전트가 자기 작업 공간을 가지는 구조입니다. 주의할 지점 — 카카오톡에는 공식 API가 없습니다. 카톡 자동화는 에이전트가 화면을 사람처럼 조작하는 방식이라, 화면이 켜져 있어야 하고 계정 제재 위험도 있습니다. 배달 채널은 디스코드·텔레그램·슬랙처럼 API가 열린 곳이 안전합니다. 한 번 도는 에이전트와 매시간 도는 에이전트는 다른 물건입니다. 자동화의 가치는 두 번째에서 나옵니다.

토큰 요금의 8할이 여기서 결정됩니다. 컨텍스트 창은 에이전트가 지금 기억하는 작업대입니다. 대화가 길어질수록, 파일을 많이 읽을수록 차오릅니다. 문제는 두 가지 — 요금이 커지고, 가득 찰수록 판단력이 떨어집니다. 운용 규칙은 셋입니다. 작업 단위로 끊습니다. 하나의 일이 끝나면 이어가지 말고 새로 시작합니다. 끊기 전에 기록을 남깁니다. 지금까지 한 것과 남은 것을 파일로 정리시키면, 새 세션이 그 파일 하나로 맥락을 되찾습니다. compact는 요약 후 계속, clear는 백지 — 같은 일을 이어가면 compact, 다른 일로 넘어가면 clear입니다. CLAUDE.md를 여러 파일로 쪼개는 건 정리용이지 토큰 절약이 아닙니다. 참조된 파일은 결국 로드됩니다. 컨텍스트는 비용이 아니라 자산입니다. 다만 세션이 아니라 파일에 쌓아야 자산이 됩니다.

과도한 공포도, 무장해제도 아닌 중간이 답입니다. 기본 안전장치는 두 개입니다. git 백업 — 에이전트가 파일을 지우거나 덮어써도 되돌릴 수 있는 유일한 보험입니다. 작업 폴더를 git으로 관리하는 것부터가 보안입니다. 권한 모드 — 전부 승인(느림)과 전부 허용(위험) 사이에, 자동 허용 + 금지 목록 조합이 실무 표준입니다. 위험한 명령만 막고 나머지는 흐르게 둡니다. 진짜 조심할 곳은 승인 버튼이 아니라 출처 불명의 설치물입니다. 낯선 MCP 서버나 오픈소스 스크립트는 실행 전에 에이전트에게 무엇을 하는 물건인지 설명시킵니다. CLAUDE.md에 한 줄을 더합니다 — "나는 비개발자다. 데이터 유출 가능성이 있는 작업은 실행 전에 알려줘." 에이전트가 스스로 경고하게 만드는 문장입니다. 도구 자체는 이미 대기업들이 검증하며 쓰고 있습니다. 두려워할 대상은 도구가 아니라 무백업입니다.

순서대로 짚으면 대부분 5분 안에 원인이 나옵니다. 1. 나만 안 되는가 — 서비스 상태 페이지(status.anthropic.com)부터 확인합니다. 전체 장애면 기다리는 것이 유일한 해법입니다. 2. 로그인·401 오류 — /login으로 재인증합니다. 결제 방식이 바뀐 직후(구독↔API)에 인증이 꼬이는 일이 잦습니다. 3. 세션이 이상하다 — 새 세션을 엽니다. 컨텍스트가 가득 찬 세션은 요약(compact)마저 멈추기 일쑤입니다. 진행 상황만 파일로 남기고 미련 없이 새로 시작합니다. 4. 도구가 무반응 — 재설치가 가장 빠른 해법인 경우가 많습니다. 특히 OS 업데이트 직후라면. 그래도 안 되면 — 에러 메시지를 그대로 복사해 AI에게 붙입니다. 이 에러가 왜 나는지, 뭘 확인해야 하는지 묻습니다. 문제 해결을 위임하는 습관이 문제 자체보다 오래갑니다.

"예쁘게"는 지시가 아닙니다. 에이전트에게는 예쁨의 기준이 없기 때문입니다. 작동하는 순서는 이렇습니다. 디자인 시스템 문서에서 시작합니다. 공개된 design.md 템플릿이 많습니다. 하나를 골라 프로젝트에 넣고, 내 취향대로 프롬프트로 다듬어 갑니다. 저도 이렇게 시작했습니다. 레퍼런스를 보여줍니다. 원하는 느낌의 사이트나 이미지를 주고 "이 톤으로"라고 지시합니다. 형용사보다 실물이 강합니다. 스택을 지정합니다. "Next.js로", 3D라면 "three.js로" — 기술 스택을 명시하면 결과물의 급이 달라집니다. 돌려깎습니다. 첫 결과물은 초안입니다. "여백을 두 배로", "색은 이 코드로"처럼 구체적으로 반복 지시합니다. 디자이너의 감각이 아니라, 기준 문서와 반복이 비개발자의 디자인 도구입니다.

만들 수 있습니다. 코드를 짜는 일이 아니기 때문입니다. 세컨드 브레인은 세 가지로 이루어집니다. 하나, 주장 하나를 담은 마크다운 파일 — 원자 단위입니다. 둘, 그 파일들을 잇는 타입이 있는 연결 — supports(뒷받침), extends(확장), contradicts(반박) 같은 관계입니다. 셋, 새 글을 읽어 정제하고, 기존 지식과 연결하고, 그래프를 스스로 배선하는 운영 루프입니다. 핵심은 이걸 손으로 관리하지 않는다는 점입니다. Claude Code 같은 에이전트가 파일을 만들고, 연결을 긋고, 오래된 인용을 고칩니다. 여러분은 방향만 정합니다. 작게 시작하십시오. 폴더 하나, 마크다운 파일 몇 개, 그리고 "내 글을 읽고 핵심 주장만 파일로 뽑아서 서로 연결해 줘"라는 한 문장이면 됩니다. 정교한 벡터 검색이나 RAG 파이프라인은 필요 없습니다 — 문서가 수백 개 규모라면, 에이전트가 유지하는 인덱스 파일이 그보다 낫습니다. 기억은 브레인이, 일은 에이전트가, 결정은 사람이 합니다. 이 분업이 무너지지 않는 한, 세컨드 브레인은 쓸수록 커집니다.

개인 규모에서는 구조화된 마크다운과 인덱스 파일이 벡터 파이프라인을 이깁니다. 이것이 LLM Wiki 패턴의 핵심 주장입니다. RAG는 문서를 잘게 쪼개 벡터로 검색합니다. 대규모 문서에는 맞지만, 개인 지식 수백 개 규모에서는 과합니다 — 파이프라인 관리 비용이 검색 이득을 넘어섭니다. LLM Wiki는 반대로 갑니다. 지식을 사람이 읽을 수 있는 마크다운으로 두고, 에이전트가 인덱스 파일을 직접 읽으며 찾아갑니다. 전문가는 모델이 아니라 마크다운입니다. 옵시디언과의 차이 — 옵시디언은 보기 도구입니다. 그래프는 훌륭하지만, 엣지에 의미(지지·반박·예시)를 구분해 담는 기능은 없습니다. 지식 그래프는 데이터 모델일 뿐이고, 어느 도구로도 만들 수 있습니다. 이 사이트의 Second Brain이 그 실물입니다. 코딩 없이, 에이전트에게 온톨로지 설계부터 맡기는 방식으로 시작했습니다.

하루 만 원 안팎입니다. 지식을 쌓고, 에이전트가 그 위에서 일하게 만드는 비용 전부를 포함해서입니다. 구조는 단순합니다. 저장 — 전부 마크다운 파일입니다. 생각 하나가 파일 하나, 관계는 별도의 엣지 파일 하나. 데이터베이스도 벡터 스토어도 본체가 아닙니다. 관리 — 에이전트가 합니다. 새 글을 넣으면 원자 단위로 쪼개고, 중복을 찾고, 관계를 잇습니다. 제가 코딩한 것이 아니라 에이전트에게 시킨 결과물입니다. 표시 — 이 웹사이트가 그 마크다운을 렌더링합니다. 3D 그래프의 기술 스택은 별도 항목에서 다룹니다. 핵심은 스택이 아니라 복리입니다. 지식이 쌓일수록 에이전트가 더 정확히 나로서 일합니다. 비용은 유지비가 아니라 자산 적립입니다.

화면에 보이는 이 그래프 이야기입니다. 렌더링은 three.js, React 안에서는 react-three-fiber(R3F)로 다룹니다. 노드 배치는 d3-force-3d의 물리 시뮬레이션이 잡습니다 — 연결이 강한 생각끼리 서로 끌어당깁니다. 노드가 우주처럼 빛나는 건 UnrealBloomPass 후처리입니다. 무겁지 않냐고 물으신다면 — 이 3D 뭉치는 필요할 때만 불러옵니다. 페이지 첫 로드에는 들어가지 않습니다(dynamic import, ssr:false). WebGL이 안 되는 환경에는 2D로 떨어집니다. 라이브러리가 핵심이 아닙니다. 데이터가 핵심입니다. 그래프가 살아 보이는 건 노드와 엣지에 의미가 실려 있기 때문입니다.

구조를 그대로 공개합니다. 이 챗봇은 제 Second Brain 위에서만 답합니다. 질문이 들어오면 공개된 생각들을 의미·키워드·그래프·시간 네 축으로 검색하고, 찾은 생각을 인용하며 답을 만듭니다. 모델은 Claude 계열을 쓰고 필요에 따라 교체됩니다 — 현재 모델은 챗봇에게 직접 물으면 답합니다. 중요한 특성 — 근거가 없으면 답하지 않습니다. 제 브레인에 없는 주제는 "아직 쓴 적이 없다"고 거절하도록 설계했습니다. 아무 주제나 그럴듯하게 답하는 일반 챗봇과는 다른 물건입니다. 질문 로그는 어떤 주제가 자주 막히는지 파악하는 데 씁니다. 원문은 그대로 재게시하지 않습니다 — 자주 나온 질문을 다듬어 답하는 것이 바로 이 FAQ입니다. 물어보는 것 자체가 이 브레인을 키웁니다.

비개발자를 기준으로 설계했습니다. 제 채널 구독자의 주 연령층이 40–60대이고, AI 경험이 전혀 없는 분도 따라올 수 있게 만드는 것이 목표였습니다. 개발 용어는 나올 때마다 풀어서 설명합니다. 유튜브와의 차이 — 영상 모음이 아닙니다. 개념과 프레임워크를 먼저 세우고, 하나의 프로젝트를 여러 챕터에 걸쳐 장기적으로 만들어 갑니다. 웹사이트를 만들어 배포하고, 리서치를 시켜 서비스를 만들고, 이미지·영상으로 마케팅까지 — 전 과정을 에이전트와 함께 완주하는 구성입니다. 시작 순서의 제안 — 유튜브 무료 영상으로 먼저 감을 잡고, 체계가 필요해질 때 강의를 결정해도 늦지 않습니다. 수백만 원짜리 부트캠프는 권하지 않습니다. 강의가 파는 것은 지식이 아니라 완주 경험입니다.

위치는 두 곳입니다. 강의 자료(슬라이드) — careerhackeralex.com/lectures 에 챕터별로 있습니다. 시연에 쓰인 프롬프트도 해당 슬라이드 안에 그대로 담겨 있습니다 — 복사해서 바로 붙일 수 있게 정리했습니다. 핸드북 — 수강생용 정리본입니다. 강의 페이지에서 함께 안내되고, 질문에 바로 답하는 챗봇이 붙어 있습니다. 열람 비밀번호 — 강의 영상 플레이어 왼쪽 하단, 그리고 패스트캠퍼스 공지사항에 있습니다. 이 두 곳 외에는 어디에도 공개하지 않습니다. 따라 하기 비용 — 실습은 Claude $20 구독이면 충분합니다. 추가 유료 도구가 나오는 챕터에서는 무료 대안을 함께 안내합니다. 프롬프트를 그대로 외우는 것보다, 말로 응용하는 쪽이 남는 공부입니다.

알렉스입니다. 실리콘밸리 Meta에서 8년째 소프트웨어 엔지니어(Staff)로 일하고 있습니다. Instagram 광고 프로덕트를 만듭니다. 동시에 20만 명이 보는 유튜브 채널을 운영하고, AI 네이티브 강의를 씁니다. 이 사이트는 하나의 질문에서 출발합니다 — 비개발자가 AI로 어떻게 레버리지를 갖는가. 강의, 프롬프트 도구, 그리고 제 생각을 쌓아 올린 세컨드 브레인이 그 답을 각자의 방식으로 보여 줍니다. 이 사이트의 목적은 정보 전달이 아닙니다. '나도 할 수 있다'는 자세로 일어서게 하는 것입니다.

이력서가 싸지고 있기 때문입니다. AI는 실행을 싸게 만듭니다. 코드, 디자인, 글 — 만들 수 있다는 사실 자체는 더 이상 희소하지 않습니다. 이력서·직함·학벌이 증명하던 능력들이 함께 싸집니다. 싸지지 않는 자산이 하나 남습니다 — 이름이 붙은 일관된 관점과 산출물. 한 주제에 꾸준히 쌓인 그 사람만의 판단 기록은 복제할수록 원본의 가치가 올라갑니다. 그래서 개인 브랜드는 마케팅이 아니라 저장입니다. 잘한 일을 밖에 쌓아두는 습관 — 글이든 영상이든 코드든. Meta 엔지니어인 제가 유튜브를 하는 이유이기도 합니다. 회사가 준 직함은 회사 것입니다. 이름에 쌓인 것만 내 것입니다.