AI 시대에도 1만 시간은 유효할까 — 카파시·글래드웰·빌 게이츠가 말하는 “무엇보다 얼마나” | DAKER 커뮤니티

AI 도구가 코드를 대신 써 주는 시대에도 결국 실력은 쌓은 시간만큼 는다는 이야기, 믿으시나요? Project스노우볼 채널이 2026년 9월 27일에 올린 영상 「AI 시대에도 여전히 유효한 1만 시간의 법칙 (한영자막)」(https://www.youtube.com/watch?v=FO3zuF7oJNw)은 이 질문에 여러 사람의 목소리로 답합니다. 약 16분 길이의 영상으로, 예(Ye), 에드 시런, 말콤 글래드웰, 빌 게이츠, 안드레이 카파시, 앤절라 더크워스, 렉스 프리드먼의 인터뷰와 강연을 한영자막으로 이어 붙였습니다.

AI 시대에도 1만 시간 — 글래드웰·게이츠·카파시·더크워스·렉스 프리드먼이 말한 연습과 습관을 정리한 생성 이미지
설명용 생성 이미지입니다.

먼저 알려 드릴 점이 있습니다. 이 영상은 채널이 직접 찍은 인터뷰가 아니라 여러 원본 영상에서 발언을 골라 엮고 번역한 편집 영상입니다. 설명란에도 “모든 자료의 권리는 각 소유자에게 있다”고 적혀 있습니다. 이 글의 인용은 영상 속 영어 발언을 제가 우리말로 옮긴 것이고, 확인할 수 있었던 원본 영상은 글 끝 출처에 따로 달았습니다. 또 제목에는 “AI 시대”가 들어가 있지만, AI를 직접 이야기하는 사람은 카파시 한 명이고 나머지는 음악, 운동, 교육 같은 분야의 이야기입니다.

“저는 1만 시간을 쏟았습니다” — 예와 에드 시런

영상은 예(Ye, 옛 이름 카니예 웨스트)의 인터뷰로 시작합니다. 그는 “지난 10년을 여기에 바쳤다”, “1만 시간을 쏟았다”고 말하며, 남자 운동화 디자인만큼은 누구도 자신이 모른다고 말할 수 없다고 강조합니다. 초등학교 4학년 때 엄마가 사 줄 형편이 안 되던 조던 운동화를 수업 시간에 그리다가 교실에서 쫓겨난 적도 있다고 합니다.

이어서 싱어송라이터 에드 시런이 1만 시간 이론을 아느냐는 질문에 “그 이론은 맞다”고 답합니다. 데미안 라이스의 공연을 보고 “언젠가 저걸 하고 싶다”고 생각한 뒤로 하루에 한 곡, 두 곡, 다섯 곡씩 노래를 쓰고, 하루에 세 번 공연하는 날도 있었다고 합니다. 그는 그때 만든 노래와 랩이 “끔찍했다”고 솔직하게 말합니다. 그래도 계속 써서 안에 있는 것을 다 꺼내고 나면 맑은 물이 흐르듯 노래가 점점 좋아진다고 설명합니다. 공연도 마찬가지라서 처음에는 누구나 못하는 공연을 하게 되고, 그것도 필요한 과정이라는 겁니다.

1만 시간은 “정답 숫자”가 아니라 은유입니다 — 말콤 글래드웰

1만 시간의 법칙을 널리 알린 사람은 작가 말콤 글래드웰입니다. 2008년 책 『아웃라이어(Outliers)』에서 이 개념을 소개했습니다. 영상에 나온 WIRED 인터뷰에서 그는 “1만 시간 법칙은 진짜인가, 지어낸 이야기인가”라는 질문에 이렇게 답합니다. 인지적으로 복잡한 분야의 연구를 보면 사람들은 전문가가 되기까지 대략 1만 시간의 연습이 필요했고, 1만 시간은 대략 10년이니 “어려운 일이라면 잘하게 되기까지 10년이 걸린다”는 것이 이 법칙의 뜻이라고 합니다. 체스에서 10년을 두지 않고 그랜드마스터가 된 사람은 찾기 어렵다는 예도 듭니다.

그런데 영상 뒷부분의 다른 인터뷰에서 글래드웰은 자신의 주장이 과장돼 퍼졌다고 말합니다. “재능은 중요하지 않고 1만 시간만 채우면 된다”는 해석은 “완전히 말도 안 되는 소리”라며, 자신이 골프를 1만 시간 쳐도 어니 엘스(프로 골퍼)가 되지는 않을 거라고 합니다. 1만 시간이라는 숫자도 딱 정해진 기준이 아닙니다. 타고난 능력을 키우는 데 드는 시간이 생각보다 길다는 사실, 복잡한 분야에서 필요한 헌신의 크기를 보여 주는 은유라는 설명입니다.

참고로 이 숫자의 바탕이 된 연구를 한 심리학자 안더스 에릭슨도 비슷한 지적을 한 적이 있습니다. 그는 한 인터뷰에서, 뛰어난 바이올리니스트 집단이 스무 살까지 혼자 연습한 시간이 “평균” 1만 시간이었을 뿐 모두가 1만 시간이라는 문턱을 넘었다는 뜻이 아니었다고 말했습니다. 또 중요한 것은 그냥 보낸 시간이 아니라 약점을 고치려고 집중하는 “의도적 연습(deliberate practice)”이라고 강조했습니다. 이 내용은 영상에는 나오지 않고, 제가 따로 찾아 덧붙인 것입니다.

50시간마다 90%가 그만둡니다 — 빌 게이츠

마이크로소프트 창업자 빌 게이츠의 관점은 조금 더 냉정합니다. 그는 1만 시간을 쓰면 무조건 아주 잘하게 된다고 책을 읽는 것은 너무 단순하다고 말합니다. 그의 설명은 이렇습니다. 어떤 일을 50시간쯤 하면 90%가 재미없거나 잘 못해서 그만둡니다. 다시 50시간을 하면 또 90%가 그만둡니다. 이런 순환이 계속되기 때문에, 1만 시간에 도달한 사람은 그냥 1만 시간을 보낸 사람이 아니라 “여러 번 선택하고 선택받은 사람”이라는 겁니다. 버티려면 운도 따라야 하고, 계속할 만큼 광적이어야 한다고 덧붙입니다.

그래서 잘하는 사람을 보며 “나도 저렇게 될 수 있을까” 생각할 때, 그 사람이 이미 수많은 순환을 거쳤다는 사실 때문에 착각하기 쉽다고 말합니다. 운과 상상력, 약간의 재능이 맞아떨어지면 가능하다는 것이 그의 답입니다.

“무엇을”보다 “얼마나” — 안드레이 카파시

영상에서 AI와 가장 가까운 부분은 스탠퍼드 CS231n 강의로 유명한 AI 연구자 안드레이 카파시의 이야기입니다. 2022년 렉스 프리드먼 팟캐스트에서 머신러닝을 시작하려는 초보자에게 어떤 조언을 하겠느냐는 질문을 받고, 그는 “초보자는 무엇을 할지에 집중하는데, 얼마나 하는지에 더 집중해야 한다”고 답합니다.

그가 스스로에게 던지라고 권하는 질문은 단순합니다. “지난주에 무엇을 했나?”

성공을 예측한 것은 IQ가 아니라 그릿이었습니다 — 앤절라 더크워스

펜실베이니아대학교 심리학자 앤절라 더크워스의 2013년 TED 강연도 나옵니다. 그녀의 연구팀은 웨스트포인트 육군사관학교에서 누가 훈련을 버티고 누가 중도에 그만둘지, 전국 철자 대회에서 어떤 아이가 더 멀리 갈지, 기업에서 어떤 영업사원이 일을 계속하고 돈을 가장 많이 벌지를 예측해 보았습니다. 모든 곳에서 성공을 가장 잘 예측한 특성은 사회성도, 외모도, 건강도, IQ도 아닌 그릿(grit)이었습니다. 그녀는 그릿을 아주 장기적인 목표를 향한 열정과 끈기, 몇 주나 몇 달이 아니라 몇 년 동안 매일 미래를 붙잡고 버티는 힘이라고 정의합니다.

흥미로운 점은 재능이 그릿을 만들어 주지 않는다는 결과입니다. 그녀의 데이터에서 그릿은 재능 지표와 대체로 관련이 없거나 오히려 반대 방향이었습니다. 그릿을 어떻게 기르는지는 아직 잘 모른다고 솔직히 인정하면서도, 지금까지 들은 가장 좋은 방법으로 스탠퍼드대 캐럴 드웩 교수의 성장 마인드셋, 즉 배우는 능력은 고정된 것이 아니라 노력으로 바뀔 수 있다는 믿음을 꼽습니다. 실패를 영원한 상태로 보지 않는 아이들이 더 오래 버틴다는 겁니다.

하루 2시간, 1시간, 그리고 10분 — 렉스 프리드먼

영상의 마지막 약 6분은 AI 연구자이자 팟캐스트 진행자인 렉스 프리드먼 차지입니다. 먼저 주짓수 도장 장면에서 그는 박사 학위까지 받은 자신이 학교에서보다 이 매트 위에서 인생에 대해 더 많이 배웠다고 말합니다. 자신이 특별하지 않다는 겸손한 현실을 배웠고, 무언가에서 세계 최고가 되고 싶다면 세상 누구보다 열심히 해야 한다는 겁니다. 그에게는 그 무언가가 로봇입니다.

이어지는 영상에서는 무술, AI, 음악을 어떻게 병행하며 배우느냐는 질문에 답합니다. 그는 어느 것도 통달하지 못했다고 전제한 뒤, 몇 주씩 무언가에 빠져드는 집착보다 긴 여정에서 도움이 된 것은 규율이었다고 말합니다. 그가 제시하는 구체적인 숫자는 이렇습니다.

기초를 몇 년 다져 두면 몇 달 쉬었다 돌아와도 거의 그대로 이어서 할 수 있다고 합니다. 그래도 그는 쉬었다가 돌아오는 방식보다, 하기 싫은 날에도 버티는 쪽을 믿는다고 말합니다. 열정은 오르내리게 마련이고 며칠 뒤에는 돌아오지만, 쉬는 동안 습관이 한 번 무너지면, 다시는 그 길로 돌아오지 않게 되기가 너무 쉽기 때문입니다. 그는 “사람마다 다르지만 나는 그렇다”는 단서를 답니다.

보고 나서 든 생각

영상에 나온 사람들의 말을 한 줄로 모으면 “1만 시간이라는 숫자보다, 그 시간까지 가는 동안 그만두지 않는 방법이 중요하다”에 가깝다고 생각합니다. 글래드웰은 숫자를 은유라고 했고, 게이츠는 대부분이 중간에 떨어져 나간다고 했으며, 더크워스는 끝까지 가는 힘을 그릿이라 불렀습니다. 카파시와 렉스 프리드먼은 그 힘을 “1년 전의 나와 비교하기”, “하루 최소 시간 정하기” 같은 습관으로 바꿔 말했습니다.

AI 시대라는 제목에 맞춰 덧붙이자면, AI가 코드를 대신 써 줄수록 “무엇을 배울까”를 고르는 고민은 더 커지기 쉽습니다. 새 모델과 새 도구가 매주 나오기 때문입니다. 카파시의 조언은 바로 그 고민에서 한 발 물러나라는 이야기로 들립니다. 도구 선택에 쓰는 시간보다, 직접 데이터를 만지고 모델을 돌리고 결과를 틀려 보는 시간이 흉터 조직으로 남는다는 겁니다. DAKER에서 대회나 학습 과제에 참여하시는 분이라면 이번 주에 “지난주에 무엇을 했나?”를 한 줄로 적어 보는 것부터 시작해 보셔도 좋겠습니다.

출처