3줄 직접답변
- 생성형 AI는 지식과 인출을 불필요하게 만드는 도구가 아닙니다.
- 다만 일부 과업에서 글쓰기·코딩·표현처럼 결과물까지 가기 위해 필요했던 중간 구현비용을 낮출 수 있습니다.
- 따라서 AI 시대에도 경험·질문·판단·구현·검토의 순환은 사라지지 않으며 오히려 더 중요해질 수 있습니다.
왜 생각이 있어도 결과물까지 가지 못하나
“그럼 나는 또 무엇을 해볼 수 있지?”라는 질문이 생겨도, 생각이 실제 결과물이 되기까지의 길이 너무 멀면 새로운 경험은 시작되기 어렵다.
어떤 사람에게는 생각이 있어도 결과물까지 가는 길이 너무 멀다.
아이디어는 있지만 글을 잘 쓰지 못한다. 만들고 싶은 것은 있지만 코딩을 할 줄 모른다. 그림으로 보여주고 싶은데 디자인 도구를 다룰 수 없다. 외국 자료를 보고 싶지만 언어의 문턱에서 멈춘다.
AI는 어떤 구현비용을 낮추고 있나
과거에는 생각 하나를 실제 결과물로 만들기 위해 여러 중간기술을 오래 통과해야 하는 일이 많았다.
아이디어 → 정보탐색 → 전문지식 → 표현기술 → 도구숙련 → 사람·자본 → 구현
물론 지금도 이 요소 대부분은 중요하다. 다만 생성형 AI는 그 사이에 놓였던 일부 비용을 낮추기 시작했다.
글을 잘 쓰지 못해도 초안을 만들 수 있다. 코딩을 처음부터 오래 배우지 않아도 간단한 프로그램을 시험해볼 수 있다. 디자인 도구를 능숙하게 다루지 못해도 이미지를 만들어볼 수 있고, 다른 언어의 자료에도 훨씬 쉽게 접근할 수 있다.
일부 과업에서는 경로가 이렇게 짧아질 수 있다.
아이디어와 의도 → AI를 통한 탐색·초안·표현·코드 → 사람의 판단과 검토 → 구현
중간다리가 사라진 것이 아니다. 일부 다리의 통행료가 낮아진 것이다.
AI 시대에 지식과 암기는 불필요해지나
이 변화를 보며 흔히 두 극단으로 간다.
“AI 시대에는 더 이상 지식을 외울 필요가 없다.”
혹은,
“AI가 약자에게 기회를 주니 결국 격차가 줄어들 것이다.”
둘 다 너무 빠른 결론이다.
AI를 사용해보면 기본 지식이 없을 때 생기는 문제가 바로 보인다. 결과가 그럴듯할수록 무엇이 틀렸는지 알아채기 어렵다. 질문이 애매하면 답도 애매해지고, 자신이 무엇을 원하는지 모르면 여러 결과 가운데 무엇을 고쳐야 할지도 알기 어렵다.
그래서 저장된 지식은 여전히 필요하다. 인출도 필요하고, 판단은 오히려 더 중요해질 수 있다.
달라지는 것은 저장된 지식이 결과물로 가는 과정에서 차지하는 상대적 비중이다.
저성과자와 저숙련자는 AI로 더 큰 도움을 받을까
예전에는 어떤 전문기술을 충분히 익혀야 첫 결과물을 만들어볼 수 있는 영역이 많았다. 지금은 일부 영역에서 경험이 적은 사람도 훨씬 낮은 비용으로 먼저 시도해볼 수 있다.
실제 연구에서도 생성형 AI를 사용할 때 경험이 적거나 기존 성과가 낮았던 사람이 더 큰 생산성 향상을 보인 사례가 있다.
하지만 반대 결과도 있다. 복잡한 과업에서 AI가 잘못된 방향을 제시했을 때 경험이 적은 사용자가 그 오류를 걸러내지 못하면 오히려 성과가 나빠질 수 있다.
두 결과는 충돌하지 않는다.
AI가 구현의 문턱은 낮출 수 있지만 판단의 문턱까지 자동으로 낮춰주지는 않는다는 뜻에 가깝다.
AI 이후 더 중요해질 판단은 무엇인가
그렇다면 AI 이후 사람에게 필요한 능력은 무엇일까.
나는 프롬프트 기술 하나로 답하고 싶지 않다.
좋은 프롬프트를 쓰기 전에 먼저 있어야 하는 것이 있다.
“나는 무엇을 하고 싶은가.”
“왜 이것을 하려는가.”
“이 결과는 맞는가.”
“무엇이 빠졌는가.”
“이 중 무엇을 선택할 것인가.”
경험의 고도화란 무엇인가
결국 다시 경험으로 돌아간다.
대화 중 떠오른 표현이 있다.
경험과 그 경험의 고도화.
경험은 단순한 양이 아니다.
책을 많이 읽는 것이 중요하다고 해서 권수만 늘린다고 경험이 깊어지는 것은 아니다. 한 권을 읽더라도 활자가 의미로 남고, 자기 경험과 연결되며, 이전에 알던 것과 부딪히고, 다른 상황에서 다시 꺼내 쓸 수 있어야 한다.
그때 지식은 단순 저장을 넘어 경험의 일부가 된다.
경험이 고도화되는 과정은 이런 식으로 볼 수 있다.
직접 해본다.
간접적으로 본다.
무엇에 내가 반응하는지 알아챈다.
패턴과 예외를 구분한다.
질문을 만든다.
도구를 사용해 구현해본다.
결과를 검토한다.
다시 자기 판단을 수정한다.
AI가 교육에서 중요한 이유는 무엇인가
AI는 이 가운데 구현해보는 단계의 비용을 낮출 가능성이 있다.
이것이 교육에서 중요한 이유는 어떤 사람은 자기 강점을 발견하기도 전에 구현의 문턱에서 멈췄을 수 있기 때문이다.
생각은 있지만 글로 만들지 못한 사람. 아이디어는 있지만 코딩을 배우는 문턱에서 포기한 사람. 머릿속 이미지가 있지만 표현기술이 없어 결과물을 만들어보지 못한 사람.
이제 일부 영역에서는 먼저 해볼 수 있다.
그리고 해본 결과가 형편없어도 괜찮다.
한 번 만들어봐야 자신이 무엇을 원하는지 더 정확히 알 수 있고, 결과가 마음에 들지 않아야 무엇을 더 배워야 하는지도 알 수 있다.
그래서 AI가 중요한 지점은 정답을 대신 주는 데만 있지 않다.
경험의 시작비용을 낮추는 것에도 있다.
AI가 격차를 자동으로 줄일까
이것이 누구에게나 같은 기회가 된다고 말할 수는 없다. AI 접근성, 해당 분야의 지식, 검토능력, 자본과 네트워크가 다르면 이익도 다르게 돌아갈 수 있다. 오히려 이미 잘하는 사람이 더 큰 성과를 가져갈 가능성도 있다.
따라서 “1등 독식의 시대가 끝났다”고 말하기는 어렵다.
더 정확한 표현은 이 정도다.
어떤 사람이 첫 시도를 하기 위해 넘어야 했던 중간 다리 중 일부가 낮아지고 있다.
AI 이후에도 남는 순환은 무엇인가
그 변화가 중요한 이유는 사람은 실제로 해보기 전에는 무엇을 잘할지 알기 어렵기 때문이다.
“하나만 잘하면 된다”는 말이 가능하려면 먼저 무엇을 잘하는지를 발견할 경험이 있어야 한다.
그 경험에서 다시 질문이 생기고, 판단이 생기며, 더 나은 구현이 가능해진다.
그래서 AI 이후에도 사라지지 않는 순환은 오히려 이것일지 모른다.
경험 → 질문 → 판단 → 구현 → 검토
AI가 삶의 방향을 대신 정해주는 것은 아니다. 다만 그 순환을 시작할 비용을 일부 낮춰줄 수 있다.
그리고 이 변화는 다음 질문을 남긴다.
도구와 환경이 달라질 때 같은 사람이 보여줄 수 있는 수행도 달라진다면, 현재의 한 점으로 그 사람의 미래를 얼마나 멀리까지 말할 수 있을까.