# 언러닝은 전문성을 버리는 일이 아니다

> Expertise trap, control bias, value unit와 preserved principles

- Canonical: https://learning.reopt.ai/courses/ai-development-operating-model/lessons/om-m1-concept
- Language: ko-KR
- HTML: https://learning.reopt.ai/courses/ai-development-operating-model/lessons/om-m1-concept

---

[AI 개발 팀 운영체계](/courses/ai-development-operating-model) 1. 보존할 원칙과 놓을 행동 1 / 9

# 언러닝은 전문성을 버리는 일이 아니다

Expertise trap, control bias, value unit와 preserved principles
개념 학습 45 XP 9분

직접 코드를 많이 작성하는 능력은 여전히 가치 있지만 모든 코드를 소유해야 품질을 지킬 수 있다는 행동은 팀 throughput을 제한할 수 있습니다. AI 시대에는 문제 경계, 검증 oracle, 통합 판단, 운영 책임이 더 희소한 역량이 됩니다.
행동은 바꾸고 공학 원칙은 강화 호기심, 기초 원리, 사용자 이해, 단순성, 보안, 검증, 책임은 보존합니다. 버릴 것은 코드 줄 수로 기여를 판단하거나, 익숙한 구현을 유일한 품질 통제로 보는 습관입니다.

| 기존 행동 | 보존할 원칙 | 새 행동 |
| 모든 코드 직접 작성 | 이해·책임 | 위험 기반 위임·설명 가능한 review |
| 한 가지 해법 고수 | 깊은 전문성 | 대안·반증·tradeoff 비교 |
| 산출량 중심 평가 | 기여·품질 | outcome·correction·defect |
| 도구 사용을 숙련으로 | 반복 가능한 능력 | 문제·증거·운영 시스템 |

- 1 행동 진단 과거에는 보상받았지만 현재 병목을 만드는 습관을 적습니다.

- 2 원칙 추출 그 행동이 지키려 했던 품질·학습·책임 원칙을 분리합니다.

- 3 대체 행동 같은 원칙을 더 작은 비용으로 지키는 AI 협업 방식을 설계합니다.

- 4 경계 실험 Low-risk task에서 새 행동의 속도·수정·이해도를 비교합니다.

실무에 남길 기준

- AI 도구 사용 개수는 숙련의 지표가 아니며 판단의 재현성이 핵심이다
- 통제감보다 관측·검증·되돌림 가능성이 실제 통제를 만든다
- 직접 구현은 학습·핵심 알고리즘·고위험 경계에서 의도적으로 선택한다

이해했어요 · 계속

---

에이전트용 사이트 안내: https://learning.reopt.ai/llms.txt · 사이트맵: https://learning.reopt.ai/sitemap.xml · 문의: https://learning.reopt.ai/contact