페이블 5, 남은 이틀간의 핵심 활용법 공개!

앤트로픽 엔지니어 타리크 시히파는 AI 모델이 단순히 설계된 것이 아니라 '길러진(grown)' 것이며, 우리가 씌운 제약(constraints)과 프롬프트가 모델의 잠재력을 제한한다고 지적한다. 포켓몬 예시처럼, 모델은 숨겨진 능력을 가지고 있으며 이를 발현시키기 위해서는 명확한 제약 대신 풍부한 맥락(context)을 제공하는 것이 중요하다. 최근 클로드 코드 시스템 프롬프트의 80%를 제거한 것은 이러한 맥락 중심 접근법의 결과이며, 창의적인 결과 도출을 위해 불필요한 '하지 마(don't)' 목록을 제거하는 것이 효과적이다.

AI 모델을 효과적으로 사용하기 위해서는 자신이 무엇을 모르는지(unknowns) 먼저 파악하는 것이 중요하다. 타리크는 이를 '블라인드 스팟 패스'라 칭하며, 네 가지 유형(known knowns, known unknowns, unknown knowns, unknown unknowns)으로 구분한다. 특히 '내가 뭘 모르는지조차 모를 때(unknown unknowns)' 유용한 기법으로, 코드베이스에 낯선 모듈을 붙이거나 새로운 분야를 배울 때 활용할 수 있다. 이는 AI에게 직접 질문하거나, 시각적 비교를 통해 선호도를 파악하는 방식으로 진행된다.

AI 모델의 잠재력을 최대한 끌어내기 위해, 사용자가 AI에게 질문하는 대신 AI가 사용자를 인터뷰하게 하는 방식이 효과적이다. 특히 '아키텍처를 바꿀 질문 우선'으로 핵심적인 내용을 파악하는 것이 중요하다. 또한, 장황한 스펙 대신 참조 코드나 목업(mockup) 같은 실제 예시를 제공하는 것이 AI에게 더 나은 지도를 주는 방법이다. 예를 들어, React 컴포넌트 제작 시 HTML 목업 하나가 긴 텍스트 스펙보다 훨씬 유용할 수 있다.

AI 모델이 자율적으로 코드를 생성하거나 작업을 수행할 때, 그 결정 과정을 기록하고 나중에 이해도를 검증하는 것이 필수적이다. 타리크는 실행 중 발생한 결정 사항을 markdown 파일에 기록하고, 완료 후에는 AI에게 퀴즈를 내어 사용자의 이해도를 확인하는 과정을 제안한다. 이는 AI가 생성한 결과에 대한 책임감 있는 설명과 검증을 가능하게 하며, 없는 성공을 지어내는 것을 방지하는 데 도움을 준다.

페이블 5는 수 시간에서 수 주가 걸리는 복잡하고 어려운 작업(end-to-end 작업)에 투입될 때 진가를 발휘한다. 대규모 리팩터링, 전체 코드베이스 버그 스캔, 긴 문서 분석 등에 활용하는 것이 효율적이다. 또한, 페이블이 정리한 내용(스킬 파일, 메모 노트 등)을 자산으로 남겨두면 향후 다른 모델을 사용하더라도 재활용할 수 있다. 이는 확증 편향을 깨는 프롬프트를 통해 투자 기법을 검증하는 등 다양한 분야에 적용 가능하다.

페이블 5는 공격적인 사이버보안 기법이나 생물학·생명과학 관련 쿼리를 감지할 경우 안전 분류기가 작동하여 Opus 모델로 전환시킨다. 이로 인해 특정 분야의 작업에서는 페이블 5의 활용도가 제한될 수 있다. 만약 이러한 민감한 태스크를 다룬다면, 페이블 5에만 의존하기보다 상황에 맞는 다른 모델이나 도구를 고려하는 것이 현명하다. 또한, 유료 플랜 만료 후 사용량 증가 시 비용 부담이 커질 수 있으므로 비용 효율적인 활용 전략이 필요하다.