한빛미디어

한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다.

^{프론트엔드 개발자로 일한 지 4년 가까이 됐다. AI 공부를 아예 안 한 건 아니다. 학교에서 RAG도 배웠고 랭체인 실습도 해봤고, 파이썬으로 간단한 챗봇 비슷한 것도 만들어봤다. 근데 솔직히 그게 진짜 이해였냐고 하면 자신 없다. chain.invoke() 한 줄 치면 결과가 나왔고, 왜 되는지는 몰랐고, 에러 나면 스택 트레이스 분석하는 게 아니라 구글링부터 했다. 내가 쓰는 도구가 어떻게 동작하는지 전혀 모른 채로, 그냥 블랙박스를 쓰고 있었던 거다.}

^{이 책 제목을 처음 봤을 때 솔직히 겁먹었다. '트랜스포머 아키텍처'라는 단어가 박혀 있으니까. React 컴포넌트 트리 다루는 게 주업인 사람한테 딥러닝 모델 아키텍처라니. 근데 읽다 보니 내가 그동안 얼마나 표면만 긁고 있었는지를 실감하게 됐다. 무섭다기보다는, 몰랐던 게 이렇게 많았구나 하는 느낌이 더 컸다.}

^{제일 인상 깊었던 건 트랜스포머 챕터 자체가 아니라, 거기에 도달하기까지의 흐름이었다. RNN이 왜 한계가 있었는지, 그래서 LSTM이 나왔고, seq2seq가 나왔고, 어텐션이 나왔고, 결국 트랜스포머로 이어졌다는 맥락. 학교에서 배울 때는 각각이 따로 존재하는 기술처럼 느껴졌는데, 이 책을 읽고 나서야 하나의 흐름으로 연결됐다. 기술이 왜 등장했는지를 알면, 그 기술이 어디서 한계를 드러내는지도 자연스럽게 보인다. 그게 단순히 구조를 외우는 것과 다른 점이다.셀프 어텐션 개념도 그랬다. Query, Key, Value라는 단어를 수업에서 들었을 때는 그냥 세 가지 벡터가 있다는 정도로만 알았다. 이 책은 그게 실제로 어떤 계산을 수행하는 건지, 입력 벡터 기준과 입력 행렬 기준으로 두 시각에서 풀어준다. 완전히 다 이해됐다고 하면 거짓말이고, 중간에 멈추고 다시 읽은 부분도 있다. 그래도 '이 구조가 왜 필요한가'의 감은 처음으로 잡혔다. 그 감이 생기기 전이랑 후가 꽤 다르다. 랭체인 코드를 볼 때 예전보다 덜 막막하고, 에러 메시지가 조금 더 읽힌다.}

^{처음엔 강화학습 내용이 왜 이 책에 있는지 의아했다. AI 에이전트 책인데 슬롯머신 문제에 마르코프 결정 프로세스까지 나오니까. 솔직히 그 파트 읽을 때는 좀 지루했다. 근데 나중에 ChatGPT 같은 모델이 사용자 피드백으로 학습하는 방식, RLHF와 PPO 알고리즘이 어떻게 적용되는지를 설명하는 부분에 도달했을 때 이해됐다. 앞에서 개념을 쌓아놓지 않으면 그냥 그런가 보다로 넘어갈 수밖에 없는 내용이었다. 내가 매일 쓰는 AI 도구들이 어떻게 더 나은 답변을 내놓도록 훈련됐는지를 처음으로 이해한 순간이기도 했다. 책 구성이 꽤 치밀하다는 걸 뒤늦게 알았다.}

^{랭그래프는 이 책에서 처음 제대로 봤다. 학교에서 랭체인은 다뤘는데 랭그래프까지는 못 갔었다. 랭그래프가 단순 체인 방식을 넘어서 상태를 가진 그래프 기반의 에이전트를 만들 수 있다는 개념, 즉 조건에 따라 다른 노드로 분기하거나 루프를 돌 수 있다는 구조가 프론트엔드 개발자 입장에서는 오히려 친숙하게 느껴졌다. 리덕스의 상태 흐름이나 유한 상태 머신이랑 비슷한 개념이라고 생각하니까 훨씬 빨리 들어왔다. 이쪽 배경지식이 생각보다 도움이 됐다.}

^{RAG 부분도 새로웠다. 학교에서 배운 건 '임베딩해서 벡터DB에 저장하고 유사도 검색으로 컨텍스트 넣기'였는데, 이 책은 거기서 더 나아간다. 쿼리가 단순할 때와 복잡할 때 검색 전략 자체를 다르게 가져가는 Adaptive RAG까지 실습 코드와 함께 다룬다. 단순 RAG와 비교하면서 보니까 어디서 한계가 생기는지가 눈에 보였다. 학교에서 'RAG 좋은 거야'로만 배우고 끝났던 게 조금 아쉬워졌다. 이 책을 먼저 읽었으면 수업이 훨씬 재밌었을 것 같다.}

^{어려웠던 부분도 솔직히 얘기하자면, 파인튜닝 챕터는 한 번에 소화가 안 됐다. LoRA가 왜 저랭크 분해로 파라미터를 줄이면서도 성능을 유지할 수 있는지, QLoRA의 양자화가 정확히 어떤 트레이드오프를 만드는지, 수학적 배경이 약한 상태에서는 읽으면서 그렇구나하고 넘어가는 부분이 꽤 있었다. 억지로 다 이해하려다가 오히려 흐름을 잃을 것 같아서, 이 파트는 맥락만 잡고 나중에 실제로 필요할 때 다시 깊이 파고드는 레퍼런스로 쓰기로 했다. 책이 어렵다기보다 AI가 원래 이 정도 깊이를 가지고 있다는 걸 실감한 거라고 받아들였다.}

^{MCP 파트는 반대로 읽으면서 눈이 반짝였다. AI 에이전트가 외부 시스템과 표준화된 방식으로 연결되는 프로토콜이라는 개념인데, 프론트엔드 개발자한테는 REST API나 WebSocket 같은 통신 표준이 익숙하다 보니 'AI 에이전트 세계의 인터페이스 표준'이라고 이해하니까 바로 와닿았다. 요즘 실무에서도 MCP 얘기가 슬슬 나오기 시작하는데, 이 책에서 개념부터 실습까지 다뤄줘서 타이밍이 좋았다.}

^{마지막 Streamlit 챕터는 솔직히 제일 재밌었다. 이론이 아니라 실제로 돌아가는 서비스를 만드는 파트니까. 대화 기억이 되는 챗봇, 랭그래프 기반 에이전트, RAG까지 붙인 AI 서비스를 순서대로 구현하는데, 파이썬 파일 하나로 UI랑 로직을 다 처리하는 Streamlit 방식이 처음엔 이상하게 느껴졌다가 나중엔 프로토타입 만들 때 이게 얼마나 강력한지 이해됐다.}

^{요즘 실무에서 AI 기능을 붙여야 하는 상황이 점점 많아지고 있다. 예전엔 그냥 API 문서 보고 가져다 쓰는 식이었는데, 이 책을 읽고 나서는 조금 달라진 느낌이다. 완전히 이해했다는 게 아니라, 적어도 이 코드가 어떤 원리 위에 서 있는지를 어렴풋이 알고 쓰게 됐다는 거다. 그게 에러 대응할 때 차이를 만들고, 구조를 설계할 때 차이를 만든다.}

^{AI 도구를 매일 쓰면서도 속이 어떻게 돌아가는지 한 번도 들여다본 적 없는 개발자라면, 이 책이 꽤 좋은 시작점이 될 것 같다. 다 이해 못해도 괜찮다. 나도 그랬으니까.}