LLM과 제대로 소통하려면, 완성된 문장보다 ‘날것의 생각’이 더 효과적이다

Andrej Karpathy · AI 연구자, 전 Tesla AI Director, 전 OpenAI · 2026.07.05 ~ 08.02 큐레이션

LLM(거대 언어 모델)을 잘 쓰는 비결은 정제된 프롬프트가 아닐 수도 있어요. Andrej Karpathy는 최근 두 가지 실험을 통해 LLM과 협업하는 방식의 새로운 가능성을 직접 보여줬어요. 하나는 10분짜리 음성 중얼거림이고, 다른 하나는 2시간짜리 코드 자동 생성이에요.

정리되지 않은 생각을 그대로 흘려보내세요

Sometimes I lean back, switch to /voice and just ramble for like 10 minutes, total mess, anything goes, full stream of consciousness… I find that the LLMs are somehow very good at reconstructing long incoherent rambles and often their echo of your own tangle of thoughts comes out quite a bit cleaner than what you started with.

^[1]

Karpathy는 LLM에게 전달할 맥락이 많지만 타이핑이 귀찮을 때, 아예 음성으로 10분간 자유롭게 중얼거리는 방식을 즐겨 쓴다고 해요. 뒤죽박죽인 생각을 그대로 쏟아내도 LLM이 알아서 재구성해 준다는 거예요. 덕분에 이후 수정 횟수가 줄어들고, 오히려 자기 생각이 더 선명하게 정리되는 효과도 생긴다고 설명해요.

아무도 만들지 않을 것을 LLM이 만든다

I also like this kind of examples because no one in their right mind would ever spend the time to write something this custom but LLMs have all the stamina and patience in the world, so it’s an example where we go from “no one would ever do this” to “sure, why not, it’s ~free”.

^[2]

Karpathy는 반지의 제왕 첫 문단을 Claude Opus 5에 넘기고, 1M 토큰 예산(약 10달러)으로 3D 렌더링 코드를 만들어 달라고 요청했어요. 약 2시간 만에 5,500줄짜리 코드가 생성됐고, 이야기 속 장면이 절차적으로 애니메이션으로 구현됐어요. “이걸 굳이 사람이 직접 만들 이유가 없다”는 것이 핵심 통찰이에요. 다만 LLM이 동영상을 보거나 게임을 직접 플레이하며 결과를 검증하는 능력은 아직 부족하다는 한계도 짚었어요.

두 실험 모두 LLM을 단순 도구가 아닌 ‘생각의 파트너’로 쓰는 방식을 보여줘요. 입력의 완성도보다 맥락의 풍부함이 더 중요하다는 관점은, LLM 활용법에 대한 고정관념을 다시 생각하게 만들어요.

📚 출처 (Sources)

1. [1]@karpathy on 𝕏 · 2026-07-21 — “One pattern I find useful for working with LLMs is a nice long ramble session. Sometimes t…”
2. [2]@karpathy on 𝕏 · 2026-08-02 — “We’re starting to leave the territory where you’d test an LLM by e.g. “create an svg of pe…”

본 글은 Andrej Karpathy(@karpathy)이(가) 지난 14일간 X(트위터)에 올린 게시물 중 2건을 인용해
Claude(Anthropic)가 한국어로 큐레이션·해설한 것입니다. 원문 저작권은 작성자에게 있으며,
출처 목록의 [n] 번호 또는 본문 내 [n] 표시를 누르면 원문 트윗으로 이동합니다.