Field Journal · 04

도메인 전문가가 AI를 만났을 때

The New Full Stack: Domain Expertise Amplified by AI

Abstract (EN)

In the AI era, the edge is no longer writing a lot of code by hand. It is the ability to describe a domain problem precisely, orchestrate AI and tools, verify results, and hand the workflow to others. Two decades in display and semiconductor quality become force multipliers when combined with AI orchestration: an OLED lifetime web app, internal R&D seminars, and external lectures for manufacturing engineers. This journal frames a Domain Expert AI Loop and distinguishes enablement that makes people self-sufficient from training that makes them dependent.

핵심 주장: AI 시대의 경쟁력은 코드를 많이 쓰는 능력이 아니라, 도메인 문제를 정확히 설명하고 AI·도구를 지휘하며 결과를 검증하고 남이 쓰도록 전달하는 능력에서 나온다.

새로운 풀스택

과거에는 프로그래밍 능력과 외국어 구사능력이 세계를 연결했다. 이제는 여기에 도메인 지식 + AI 오케스트레이션을 결합한 "AI 사용능력"이 실제 변화를 만든다. 세 능력은 대체가 아니라 증폭 관계다.

영어 — 글로벌 연구·문서·모델과 현장 언어 사이의 번역 수단
코딩 — 아이디어를 빠르게 검증하는 실행 수단
AI 사용능력 — 문제 정의·도구 선택·오케스트레이션·검증·확산

현장: 20년 도메인 위에 얹은 AI

디스플레이·반도체 제조 품질에서 20년 넘게 쌓은 도메인 지식은 AI를 만나며 도구가 됐다.

OLED 수명 분석 웹앱 — 물리 기반 수명 모델을 현업이 직접 쓰는 셀프서비스 도구로. (품질·수명 세미나 참고 — 준비 중인 품질 세미나로 연결)
사내 R&D AI 세미나 — 품질·연구개발 엔지니어가 Codex·MCP·에이전트를 실제 업무에 쓰도록 실습형으로.
렛유인(Letuin) 강의 — 제조 엔지니어 대상 "AI 활용 제조 엔지니어 실무" 외부 강의.

비개발 도메인 전문가가 프런티어 도구를 쓰는 과정에서 반복해 확인한 것: 모델을 아는 것보다 문제를 정확히 말하고 결과를 검증할 줄 아는 것이 성패를 갈랐다.

연구가 말하는 것 (사실과 해석 구분)

사실: Anthropic은 에이전트를 단순하게 시작하고 복잡도는 필요할 때만 올리라고 권한다. Google은 AI Co-Scientist에서 전문가와 에이전트의 협업 구조를 제시한다. 중국 오픈 모델들은 비용·로컬 배포 선택지를 넓힌다.

내 해석: 이 흐름은 모두 "도메인 전문성이 에이전트 성과를 증폭한다"는 한 방향을 가리킨다. 좋은 문제 정의와 검증자가 있을 때 에이전트는 더 멀리 간다.

실패 가능성과 안전장치

사람을 AI에 의존시키는 교육 → 목표를 enablement로. 스스로 skill을 만들게 한다(변호사 사례의 자립 신호와 동일).
도메인 검증 없는 자동화 → 실패를 규칙과 eval로 전환해 재현성 확보.
과장 → 확인되지 않은 성과 수치를 만들지 않는다.

측정 지표

세미나·강의 후 참가자가 스스로 만든 skill/워크플로우 수(자립도)
도메인 전문가 검증을 통과한 산출물 비율
실패가 규칙·eval로 전환된 건수(학습 되먹임)

재사용 패턴 — Domain Expert AI Loop

현장 언어로 문제 설명
성공·실패 기준 정의
AI가 실행 가능한 표현으로 변환
도구와 모델 선택
작은 프로토타입 실행
도메인 전문가 검증
실패를 규칙과 eval로 전환
팀이 재사용하도록 교육·문서화

영어 면접 질문 3개

Q1. You are not a career software engineer. Why are you FDE-shaped?

답변 포인트: 20년 도메인 + AI 오케스트레이션 + 검증 + enablement. 코딩은 검증 수단.

Q2. How does domain expertise change agent performance?

답변 포인트: 정확한 문제 정의·검증자 역할이 에이전트를 증폭(Anthropic·Google 연구와 연결).

Q3. Enablement vs training — what's the difference in your seminars?

답변 포인트: 의존 만드는 교육 대신 스스로 확장하게 하는 enablement. 자립도로 측정.

출처

Google Research — AI co-scientist (전문가–에이전트 협업)
Anthropic — Building effective agents
Anthropic — Claude Code best practices

다음에 실제로 만들 것

제조·품질 엔지니어용 Domain Expert AI Loop 워크북 — 8단계를 현장 사례(수율/불량 분석)로 채워, 세미나 참가자가 자기 업무에 바로 적용하고 자립하도록.