망치에는 ‘를’, AI에는 ‘와’
망치와 계산기는 사람의 일을 덜어주었을 뿐, 판단은 늘 사람이 했다. AI는 그 선을 넘어 판단하고 만드는 과정 안으로 들어왔다. 이 전환은 도구, 사고, 구조라는 세 층위에서 한꺼번에 일어난다. 그 변화를 어떻게 보느냐에 따라 몇 년 뒤 서있을 자리가 달라진다. 파도가 도착하는 속도는 분야마다 다르지만, 오지 않는 곳은 없다. 그러므로 물어야 할 것은 ‘AI가 세상을 어떻게 바꾸는가’가 아니라 ‘내가 선 자리에는 그 파도가 어디까지 왔는가’다.
이 장에서 저는 딱 한 가지를 말하려고 합니다. AI는 지금까지 우리가 써온 도구들과 차원이 다른 무언가라는 것입니다. 조금 빠른 도구, 조금 편한 도구가 아니라, 아예 다릅니다.
이 말을 먼저 못 박아 두는 이유가 있습니다. 평소 제가 인공지능을 잘 쓸 줄 알아야 한다고 강조할 때마다 자주 들은 말이 “교수님, 그거 결국 검색 좀 잘되는 거 아니에요?”, “전에 어떤 글을 쓰는 데 도움이 되기는 했어요”였기 때문입니다. AI를 그 정도로만 써도 충분한 사람에게는 웃으면서 “그렇죠?” 하고 넘겼습니다. 그런데 학생들이나 아직 젊은 분들에게는 그런 대답을 할 수 없었습니다. 전혀 그 정도가 아니거든요. AI를 ‘빠른 검색기’ 또는 ‘글쓰기 도우미’ 정도로 여기고 넘어간 학생과, ‘뭔가 다르다’는 걸 알아챈 학생이 반년 뒤에 전혀 다른 자리에 서있는 걸 여러 번 봤습니다. 그래서 이 장에서는 무엇이 다른지, 그 다른 것 앞에서 왜 배우고 일하는 방식을 통째로 다시 생각해야 하는지를 이야기하려 합니다. 그리고 지금 우리가 그 변화의 한복판, 이른바 전환기에 서있다는 사실도 함께 짚겠습니다.
도구는 세 번 도약했다
지금까지 사람은 일을 쉽고 편하게 하려고 도구를 썼습니다. 예를 들어 “망치를 사용했어요”, “계산기를 이용했어요”처럼 도구에는 조사로 ‘를’을 붙입니다. 그런데 AI는 사람이 하는 일에 깊숙이 들어와 함께 일합니다. 그래서 AI에는 “AI와 함께했어요”처럼 ‘와’를 붙이는 게 자연스럽습니다. 조사 하나 차이지만, 하고 싶은 말은 여기에 다 들어있습니다.
인류가 만든 도구의 역사를 거칠게 정리하면, 크게 세 번의 도약이 있었습니다.
첫 번째 도약은 몸의 확장입니다. 망치는 주먹보다 강하고, 지렛대는 맨손보다 무거운 것을 들 수 있게 해줍니다. 바퀴가 달린 운송 수단은 걷는 것보다 빠르고, 배는 바다를 건너게 해줍니다. 증기기관은 공장을 돌리고 철도를 놓아 대륙을 연결했습니다. 이 도구들은 모두 세상을 크게 바꿨습니다. 하지만 끝까지 사람 몫으로 남은 부분이 있습니다. ‘무엇을 할 것인가’, ‘어디를 갈 것인가’입니다. 크레인이 아무리 무거운 것을 들어 올려도 ‘이 건물을 여기 지을까’는 사람이 정했고, 경운기가 밭을 갈아줘도 ‘올해 뭘 심을까’는 농부가 정했습니다. 도구는 사람의 몸이 더 많은 것을 감당할 수 있도록 만들어줬지만, 거기까지였습니다. 그래서 첫 번째 도약의 도구들은 아무리 거대해도 사람 ‘아래’에 있었습니다. 어려운 일을 덜 힘들게, 더 빠르게 해줄 뿐이었습니다. 모든 생각과 결정은 사람이 했습니다.
두 번째 도약은 계산과 연결의 확장입니다. 1946년에 등장한 에니악ENIAC은 최초의 프로그램 가능한 전자식 범용 디지털 컴퓨터입니다. 사람이 20시간 가까이 매달려야 했던 포탄 궤도 계산을 단 30초 만에 끝내며 계산의 시대를 열었습니다. 1979년 최초의 스프레드시트 프로그램 비지캘크VisiCalc와 그 뒤를 이은 엑셀은, 회계 담당자가 손으로 며칠씩 하던 장부 정리를 몇 시간으로 줄여주었습니다. 1989년 팀 버너스리가 월드와이드웹WWW을 발명하고 구글 검색엔진이 널리 퍼지면서, 도서관 서가를 뒤지며 일주일씩 걸리던 자료 찾기가 불과 몇 초면 끝나게 되었습니다. 정보 혁명이었습니다.
이 두 번째 도약 안에서 특별히 짚고 싶은 것이 인터넷과 스마트폰입니다. 저는 박사과정 수업을 마친 1990년에 회사에서 일을 시작했는데, 기술 분야에 있던 사람들이 인터넷으로 처음 이메일을 주고받던 때였습니다. 박사학위를 받은 1995년 무렵에는 지금 우리가 아는 인터넷이 보급되기 시작했습니다. 그리고 1999년, 학교 선후배들과 함께 스마트폰 운영체제를 만드는 회사에서 CTO로 일했습니다. 휴대폰과 인터넷이 막 대중화되던 때였지만 지금 같은 모바일 인터넷 환경은 없었고, PDA와 폴더폰이 처음 나오던 시절이었습니다. 스마트폰이라는 개념조차 흐릿하던 그때, 시장과 기술을 깊게 들여다볼 기회가 있었습니다. 그래서 자신 있게 말할 수 있습니다. 인터넷은 처음부터 ‘정보를 빨리 찾는 도구’ 정도가 아니었습니다. 인터넷 위에서 전자상거래, 소셜 미디어, 스트리밍, 온라인 교육처럼 그전에는 이름조차 없던 산업이 태어났습니다. 스마트폰도 마찬가지입니다. 집을 나서기 전에 택시를 부르고, 방금 테이블에 올라온 음식 사진을 멀리 있는 친구에게 실시간으로 보여주고, 지하철에서 좋아하는 연예인의 활동을 검색하면서 친구와 채팅하고 음악까지 듣습니다. 모두 스마트폰이 만들어낸 새로운 기능이고, 새로운 시장입니다. 스마트폰이 널리 퍼지면서 ‘모바일 앱 개발자’라는 직업도 생겼습니다. 걸 수만 있고 받을 수는 없는 무선 전화인 시티폰은커녕 삐삐조차 없던 제 대학 시절에는 상상도 못 하던 직업입니다.
누군가 “스마트폰은 전화기를 휴대용으로 업그레이드한 것”이라고 말했다면, 그 사람은 스마트폰이 만든 세계의 절반도 보지 못한 것입니다. 그래서 저는 신기술을 볼 때 학생들에게 늘 두 가지 질문을 던지라고 합니다. ‘이 기술은 기존의 무엇을 더 빠르게 만드는가’만 보지 말고, ‘이 기술은 이전에는 없던 무엇을 새로 만들어내는가’를 보라고요. 앞의 질문만 하는 사람과 뒤의 질문까지 하는 사람은 완전히 다른 길을 걷습니다. 새로운 도구와 기술이 나오면 전에는 이름조차 없던 일과 시장과 직업이 태어납니다. 예전에도 그래왔고 앞으로도 그럴 것입니다. 이 이야기는 뒤에서 더 하겠습니다.
다만 인터넷과 스마트폰을 비롯한 두 번째 도약의 도구들도 첫 번째 도약의 한계는 넘지 못했습니다. ‘무엇을 만들까’, ‘무엇을 검색할까’, ‘어떤 서비스를 설계할까’를 정하는 건 여전히 사람이었습니다. 도구는 일의 속도와 범위를 엄청나게 넓혔지만, 판단하고 만들어내는 과정 자체에는 끼어들지 않았습니다.
그런데 AI는 이 선을 넘었습니다. 이것이 세 번째 도약입니다.
저는 이 세 번째 도약이 얼마나 대단한 사건인지를 학생들에게 이렇게 설명하곤 합니다. AI의 등장은, 지금까지 인류가 하나씩 발명해온 모든 도구를 한꺼번에 발명한 천재가 내 옆에 나타난 것과 같다고요. 조금 과장해서 비유해볼까요? 서당에서 미적분과 상대성 이론을 뗀 장영실이 증기기관과 비행기까지 뚝딱 발명하고, 브리태니커 사전과 조선왕조실록을 통째로 외웁니다. 그러고는 온화한 미소를 머금고 내 곁으로 다가와 “자, 뭐든 질문해보세요”라고 말을 건넵니다. 말하자면 인류가 수천 년에 걸쳐 하나씩 익혀온 것들이 압축되어 우리 옆에 도착한 것입니다. 게다가 그 존재는 가만히 놓여있는 도구와 달리, 일을 맡기면 “이건 이렇게 해보면 어떨까요?”라고 먼저 말도 겁니다. AI가 혁명적이라는 말은 바로 이런 뜻입니다. 도구 하나가 더 생긴 게 아닙니다. 도구의 역사 전체가, 그것도 내가 할 일까지 알려주는 도구가 한 번에 내 곁에 왔습니다.
AI에게 “이 고객 데이터를 분석해줘”라고 하면 분석을 해줍니다. 이전의 소프트웨어도 그래프를 그리고 추세를 찾을 수 있었습니다. 그런데 AI는 한 발 더 갑니다. “여기 이런 패턴도 보이고, 이렇게 해석할 수 있습니다”라고 말합니다. “보고서 초안 좀 써줘”라고 하면 백지 상태에서 문장을 써내고 논리를 만들고, 때로는 일을 시킨 사람이 미처 생각 못 한 분석과 제안까지 내놓습니다. 망치로 ‘어디를 때릴지’는 사람이 정했고, 검색엔진도 ‘무엇을 찾을지’는 사람에게 맡겼습니다. 그런데 AI는 맡긴 일 안에서라면 묻기 전에 먼저 제안까지 합니다. “이 방향은 어떨까요?” “이 부분이 약해 보입니다.” “이렇게 바꾸면 더 나을 것 같습니다.” 그리고 실행까지 합니다.
“그래도 결국 최종 결정은 사람이 하잖아요.” 강연에서 이 말이 꼭 나옵니다. 맞습니다. 최종 결정은 아직 사람이 합니다. 하지만 생각해보십시오. 백지 앞에서 혼자 처음부터 짜내는 것과, 누군가 옆에서 먼저 만들어준 선택지 세 개가 맞는지 확인하고 그중 가장 좋은 것을 고르는 것은 전혀 다릅니다.
선택지를 만드는 일과 고르는 일은 근육 자체가 다릅니다. 조리사가 신메뉴 레시피를 개발하는 일과, 그렇게 나온 요리 두 가지를 맛본 뒤 ‘이건 너무 느끼하다’, ‘저건 담백하고 맛있다’를 가리는 일이 다르듯이 말입니다. 회사에서 윗사람이 아랫사람과 일하는 방식도 이와 비슷합니다. 팀장이 신입 사원에게 “다음 달 신제품 마케팅 기획안 세 개만 정리해서 가져와 봐”라고 시킨 뒤, 올라온 보고서를 훑어보며 “2번은 예산이 부족하고, 1번이 현실적이니 이걸로 추진하자”라고 결정하는 장면을 떠올려 보세요. 그리고 AI가 선택지를 주면, 그중에서 고르는 판단력은 사람이 갖춰야 합니다. AI가 내놓은 답이 맞는지 틀리는지, 핵심을 짚었는지 빗나갔는지는 결국 그 분야를 아는 만큼만 보입니다. 해당 지식이 있는 사람과 없는 사람이 같은 AI 요약을 봐도 전혀 다른 것을 읽어내는 것처럼요.
저를 포함해 학생을 가르치는 사람들이 자주 겪는 장면이 하나 있습니다. 학생이 AI로 만든 깔끔한 보고서를 들고 옵니다. 제가 하나 묻습니다. “내가 보기엔 여기 이 전제가 바뀌면 결론도 많이 바뀔 것 같은데? 어느 쪽으로 바뀔 것 같아요?” 학생은 한참 그 페이지를 바라봅니다. 결국 “사실 이 부분은 AI가 써준 거라 저도 잘 모르겠습니다”라고 합니다. 이 책에서 제가 하고 싶은 말도 대부분 이런 장면에서 나왔습니다.
정리하면, AI는 도구이기도 하지만 도구로만 보면 절반을 놓칩니다. 이전 도구들이 ‘사람이 하는 일의 속도와 범위’를 바꿨다면, AI는 ‘사람이 하는 일 자체의 성격’을 바꾸고 있습니다. 그리고 도구가 강해질수록, 그것을 쓰는 사람의 바탕이 더 중요해집니다. 여기서 바탕이란 경험으로 몸에 익힌 지식, 그리고 세상을 보는 관점입니다. 이 바탕 이야기는 이 책 내내 되풀이해서 나옵니다.
도구, 사고, 구조
같은 AI를 써도 얼마나 깊이 보느냐에 따라 태도도, 행동도, 실력도 완전히 달라집니다. 저는 그 깊이를 세 층으로 나눠봅니다.
첫 번째 층위는 도구의 전환입니다. 가장 눈에 잘 띄는 변화이고, 대부분의 사람이 ‘AI’ 하면 떠올리는 장면입니다. ‘챗지피티로 이메일을 쓴다.’ ‘AI로 코드를 생성한다.’ ‘AI로 이미지를 만든다.’ 기존에 하던 일을 더 빠르고 효율적으로 하는 것. 검색엔진의 업그레이드 버전처럼 AI를 사용하는 단계입니다.
이 층위의 변화만으로도 이미 대단한 일이 벌어지고 있습니다. 예전에는 며칠씩 걸리던 시장 조사 보고서 초안을 한 시간도 안 걸려 만들어냅니다. 한 줄 한 줄 타이핑하던 코드도 설명 몇 마디면 나옵니다. 영어로 이메일을 쓸 때 사전을 뒤지고 한 문장씩 고민하던 시간이 사라졌습니다. 발표 자료를 만들 때 디자인과 구성을 동시에 고민하던 부담이 줄었습니다. 수십 페이지짜리 논문을 읽고 핵심을 정리하는 일, 회의록을 요약하는 일, 고객 문의에 답변 초안을 만드는 일처럼 누군가의 시간을 한참 잡아먹던 일들이 이제는 몇 분이면 끝납니다.
이런 변화가 몇몇 분야에 그친다면 그리 큰 이야기는 아닐 겁니다. 하지만 지금 이 변화는 거의 모든 영역에서 동시에 일어나고 있습니다. 글을 쓰는 사람도, 코드를 짜는 사람도, 그림을 그리는 사람도, 데이터를 다루는 사람도, 고객을 응대하는 사람도 모두 이 변화의 영향을 받고 있습니다. 도구 하나가 이렇게 넓은 범위의 일을 한꺼번에 건드린 것은 인류 역사에서 처음입니다. 산업혁명도 주로 육체노동과 제조업을 바꾸었을 뿐, 글쓰기나 분석이나 창작까지 건드리지는 못했습니다. 첫 번째 층위만 놓고 봐도 AI는 이전의 어떤 도구보다 넓은 변화를 일으키고 있습니다. 다만 여기 머물면 AI를 ‘일 처리를 빨리하는 비서’로만 쓰게 됩니다. 매우 유용하지만, AI의 절반도 못 본 것입니다.
두 번째 층위는 사고입니다. 도구가 바뀌면 그 도구를 쓰는 사람이 생각하는 방식도 바뀝니다. 이 변화는 첫 번째 층위보다 덜 눈에 띄지만, 훨씬 더 깊은 곳에서 일어납니다.
내비게이션을 생각해보죠. 내비게이션이 나오기 전, 운전자의 머릿속을 차지한 것은 경로였습니다. ‘종로 5가 사거리에서 좌회전, 그리고 두 번째 골목에서 우회전.’ 지도를 미리 보고, 길을 외우거나, 조수석의 누군가가 지도를 읽어줬습니다. 지금 운전자는 경로를 생각하지 않습니다. 대신 다른 것을 생각합니다. 몇 시에 출발할지, 도착 시간이 늦으면 약속을 어떻게 조정할지, 길 안내가 이상하면 따를지 무시할지. 길을 외우는 일은 사라졌지만, 판단이 사라진 것은 아닙니다. 판단이 한 층 위로 올라갔을 뿐입니다. 아래층은 도구가 맡고, 사람은 위층에서 생각합니다.
AI에서도 같은 일이 일어나고 있습니다. 학생들이 프로젝트를 할 때 지금은 당연히 AI를 씁니다. 그런데 쓰는 모습이 다릅니다. 어설프게 쓰는 학생은 막히면 곧장 “이거 어떻게 해?”를 던지고, 받은 답을 그대로 붙입니다. 이 학생의 생각은 아직 아래층에 있습니다. AI가 이미 맡고 있는 층에서 AI와 경쟁하고 있습니다. 깊게 쓰는 학생은 질문이 다릅니다. “나는 이 문제를 이렇게 봤는데, 내가 놓친 게 있을까?” “이 글의 핵심 메시지는 이러이러한데, 논리가 약한 데가 어디지?” 이 학생의 머릿속에는 몇 년 전 학생들에게는 없던 사고 습관이 자리 잡았습니다. 내가 직접 해야 할 일과 AI에게 맡길 일을 가르는 감각, 큰 문제를 AI가 다룰만한 크기로 쪼개는 감각, AI가 준 답에서 쓸 것과 고칠 것과 버릴 것을 가려내는 감각. 달라진 건 프롬프트 기술이 아니라 문제를 보는 눈입니다. 처음엔 두 학생의 차이가 별로 크지 않아 보입니다. 그런데 한 학기만 지나면 격차가 눈에 띄게 벌어집니다. 사고 역량은 복리로 불어나거든요. AI의 답을 검증하고 고치며 쌓인 지식과 메타인지(내가 무엇을 알고 무엇을 모르는지 스스로 점검하고 조절하는 능력)는 다음번 생각의 더 불어난 ‘원금’이 됩니다. 여기서 아낀 시간을 더 높은 차원의 질문과 기획에 다시 투자하니, 성장 속도도 갈수록 빨라집니다. 반면 AI에 판단을 맡겨버린 학생은 생각하는 근육을 쓰지 않으니 원금마저 까먹습니다. 같은 AI를 쓰는데도 두 사람의 결과물이 달라지는 건 도구가 아니라 생각의 차이 때문입니다.
세 번째 층위는 구조입니다. 개인이 아니라 조직과 산업 단위에서 벌어지는 변화입니다. 조직 안에서는 누가 ‘어떤 일을 하고’, ‘어떤 역할이 남고’, ‘어떤 역할이 달라지고’, ‘어떤 역할이 새로 생기는가’의 문제입니다. 산업 전체로 보면 ‘각각의 사업이 어떻게 달라지고’, ‘어떤 사업은 더 이상 유지되지 않으며’, ‘어떤 시장이 새로 생기는가’의 문제가 됩니다. 저는 이 대목을 이야기할 때 마음이 가장 무겁습니다. 제가 오래 몸담아 온 소프트웨어 업계가 아마 이 변화를 가장 먼저 겪고 있기 때문입니다.
원래 신입 개발자는 자료 조사, 초안 잡기, 데이터 정리, 간단한 코딩 같은 일부터 맡았습니다. 처음에는 선배가 나눠준 일들을 하고 결과를 리뷰받으면서, 일이 굴러가는 흐름을 배우고, 실수하며 판단력을 키웠습니다. 그런데 지금은 바로 그 ‘입문용 일’을 AI가 하고 있습니다. 최근에 신입 개발자 채용이 줄어든 이유이기도 합니다. 실제로 전 세계 여러 취업 통계에서 비슷한 흐름이 보입니다. 직원 1,000명 이상인 국내 상장 IT 기업들의 지속가능경영보고서를 분석한 결과를 봐도, 2025년 20대 신입 사원 채용이 2023년보다 40퍼센트 이상 줄었습니다. 부트캠프에서 개발자 지망생들을 만나보면 이 딜레마가 특히 아프게 다가옵니다. 학생들을 앉혀놓고 이런 말을 해야 하니까요. “회사에서 개발자들은 이제 코드를 직접 짜는 것보다, AI가 짠 코드를 검증하고 맥락을 잡는 일을 하시게 될 겁니다.” 그러면 현명한 친구는 되묻습니다. “그런데 교수님, 검증을 하려면 제가 직접 많이 짜봤어야 하는 거 아닌가요? 짜는 건 AI가 다 하는데, 저는 그 경험을 어디서 쌓죠?”
저는 이렇게 답합니다. ‘사라진 경험은 모든 경험이 아니라, 가만히 있어도 주어지던 경험’이라고요. 예전에는 회사가 신입 사원에게 월급을 주면서 그 연습을 시켜줬습니다. 이제는 아무도 시켜주지 않으니, 그 경험을 스스로 만들어야 합니다. 실전에서 AI를 쓰는 것과 훈련에서 일부러 AI를 내려놓는 것은 모순이 아닙니다. 자동조종 장치가 비행의 대부분을 맡는 시대에도 조종사는 수동 비행 훈련을 의무적으로 받습니다. 직접 해봐야 검증하는 눈과 몸에 밴 감각이 생깁니다. 그러니 훈련할 때는 자기 손으로 코드를 짜봐야 합니다. 솔직히 말하면 이것도 절반의 답입니다. ‘스스로 만들어야 한다’는 말은, 그 훈련을 설계하고 버텨내는 부담이 전부 개인에게 넘어왔다는 뜻이기도 하니까요. 다만 지금 수많은 현장에서 같은 질문이 한꺼번에 나오고 있는 것만은 분명합니다.
구조 변화는 여기서 그치지 않습니다. 산업 전체의 가치 사슬(제품이나 서비스가 만들어져 고객에게 닿기까지 이어지는 일의 흐름)이 다시 짜입니다. AI가 웬만한 코드를 만들어내니, 소프트웨어 산업에서 ‘코드를 잘 짜는 능력’의 가치가 빠르게 변하고 있습니다. 이제는 ‘이 코드가 푸는 문제가 진짜 풀어야 할 문제인가’, ‘이 시스템이 실제 사용자 앞에서 제대로 도는가’를 판단하는 힘의 가치가 올라갑니다. 기술 자체가 아니라, 기술이 놓이는 맥락을 읽는 힘이 중요해집니다. 코딩이 쓸모없어졌다는 게 아닙니다. 코딩만으로는 더 이상 충분하지 않다는 겁니다. 코딩 말고 다른 분야도 다 비슷합니다.
이 세 가지 층위를 왜 굳이 나누느냐고요? 같은 AI를 써도 첫 번째 층위만 보는 사람은 ‘프롬프트 잘 쓰는 법’만 익히면 된다고 여기고, 두 번째 층위를 보는 사람은 ‘AI와 함께 생각하는 법’을 훈련하고, 세 번째 층위를 보는 사람은 ‘AI가 있는 세상에서 나는 어떤 역량을 쌓아야 하나’를 고민하기 때문입니다. 이 셋은 지금 똑같은 도구를 쥐고 있어도, 몇 년 뒤 전혀 다른 자리에 서있을 겁니다. 막연한 추측이 아닙니다. 최근 몇 년 동안 산업 현장에서 제가 실제로 지켜본 결과입니다.
지금 이 책을 읽는 여러분은 어느 층위에서 AI를 보고 있습니까? 오늘 AI에게 맡긴 일들 가운데, 나의 ‘비판적 사고 근육’을 지키기 위해 끝까지 직접 쥐고 있었어야 할 일은 무엇이었나요?
파도는 내 자리 어디까지 왔는가
AI가 가져오는 변화는 모두에게 똑같이, 동시에 닥치지 않습니다. 그러니 ‘AI가 세상을 어떻게 바꾸나’라는 큰 질문보다, ‘내가 선 자리에는 그 파도가 어디까지 왔나’라는 구체적인 질문이 훨씬 더 쓸모가 있습니다.
먼저 인정해야 할 것이 하나 있습니다. 지금은 그냥 ‘빠른’ 전환기가 아니라 ‘너무나 빠른’ 전환기입니다. AI 기술은 빠르게 발전하고, 그 강력한 기술에 적응해 일에 적용하려는 사람들의 마음도 바쁩니다. 그리고 AI는 완성된 것이 아니라 지금도 한창 발전하는 중입니다. 이전 도구들은 하나가 나오고 다음 것이 나오기까지도, 도구 자체가 발전하는 데도, 널리 퍼지는 데도 시간이 오래 걸렸습니다. 여러 도구가 도입되는 속도는 다음 장에서 더 이야기하겠지만, AI가 이전 도구들과 확실히 다른 점 하나가 이 속도입니다. 불과 몇 달 전 “AI는 이건 못해”라던 것들을 지금 해내고 있고, 지금 “이건 아직 안 돼”라는 것도 금방 뒤집힐 수 있습니다. 그리고 그 발전이 빠르게 퍼집니다. 그래서 ‘지금 AI가 어디까지 왔나’를 따지거나 앞으로 할 수 있게 될 일을 점치기보다, 바뀔 방향을 읽는 편이 낫습니다. 오늘의 기능에 집착하면 반년 뒤 그 판단은 이미 낡습니다. 그리고 이 파도는 분야마다 도착하는 속도가 다릅니다. 몇 가지 예를 들어보겠습니다.
번역을 봅시다. 몇 년 전만 해도 기계번역은 참고용이었습니다. 사람이 검수하지 않으면 쓸 수 없는 수준이었습니다. 하지만 지금은 일상적인 비즈니스 문서라면 AI가 번역한 결과물을 실무에 바로 쓰는 경우가 늘고 있습니다. 번역가라는 직업이 사라지는 것은 아닙니다. 다만 ‘단순 번역’은 빠르게 AI에게 넘어가고 있고, 사람의 일은 ‘문화적 맥락을 잘 전달하거나, 전문 분야의 뉘앙스를 다듬는’ 쪽으로 갔습니다. 이 분야 사람들은 이미 세 번째 층의 구조 변화를 온몸으로 겪고 있습니다.
반대로 공장 생산 라인, 물류 창고, 건설 현장을 봅시다. 로봇과 자동화가 결합한 이른바 ‘피지컬 AI’의 영역입니다. 여기도 AI가 들어오고 있습니다. AI 카메라가 불량을 잡고, 로봇이 물건을 분류하고, 설비 이상을 미리 감지합니다. 하지만 이쪽은 글을 다루는 분야보다 바뀌는 속도가 느립니다. 물리 세계는 변수가 많고 현장마다 사정이 다릅니다. 게다가 기계 하나만 멈춰도 라인 전체가 서니 더 조심스러울 수밖에 없습니다. ‘AI가 할 수 있는 것’과 ‘현장에서 진짜 돌아가는 것’ 사이의 간극이 아직 큽니다. 그 간극을 메우는 건 현장의 경험과 몸으로 익힌 감각, 즉 암묵지(말이나 글로는 온전히 전하기 어려워 직접 겪으며 익히는 지식)입니다. 지금 AI가 이 암묵지마저 데이터로 바꿔 배우려 하고 있지만, 현장의 정교함을 따라잡기에는 아직 갈 길이 멉니다.
간호사가 환자 안색을 살펴 이상을 알아채는 일, 초등학교 선생님이 아이들의 반응을 보고 수업의 방향을 트는 일, 조각가가 만들 작품을 떠올리며 나뭇결을 읽고 어느 쪽으로 깎을지 정하는 일도 그렇습니다. 교실의 공기를 읽는 감각이나 손끝에 닿는 나뭇결의 느낌은 패턴을 익히는 것만으로는 흉내 내기 어렵습니다. AI는 아직 여기까지 오지 못했습니다.
그렇다고 AI가 느리게 오는 분야가, 직업을 고르는 학생이나 취업 준비생에게 언제나 유리한 것은 아닙니다. 오히려 반대인 경우가 많습니다. 그런 분야에서는 이미 수년에서 수십 년씩 경력을 쌓은 사람들이 높은 생산성과 완성도로 일하고 있고, 그들의 힘은 도구가 아니라 몸에 밴 경험에서 나옵니다. 새로 들어가는 젊은 사람이 AI의 힘을 빌려도 그 격차를 단숨에 좁히기는 어렵습니다. AI가 빠르게 뒤흔드는 영역에서는 기존 질서가 무너지며 새 틈이 열리지만, AI가 느리게 오는 영역에서는 경험의 벽이 오랫동안 높게 남습니다. 어느 쪽이 유리하다고 딱 잘라 말할 수는 없습니다. 다만 내가 선 자리, 또는 가려는 자리가 이 지도의 어디쯤인지는 알아야 합니다.
그래서 저는 진로 상담을 오는 학생이 “AI 때문에 그 직업이 없어질까요?”라고 물으면, 질문을 이렇게 바꿔줍니다. “그 직업에 속한 여러 세부 업무들 가운데 가치가 높은 부분들이 앞으로 어떤 위치에 있을까요?” 한 직업 안에도 AI에게 빠르게 넘어가는 일이 있고, 오히려 사람의 역할이 더 중요해지는 일이 있습니다. 사람의 역할이 이동하는 방향은 거의 정해져 있습니다. 단순 실행에서 맥락 판단으로, 반복 작업에서 예외 대응으로, 정보 처리에서 의미 해석으로, 분석과 제안에서 선택과 책임으로요. AI가 잘하는 걸 차례로 AI에게 넘기고 나면, 사람에게 남는 건 결국 그 분야를 깊이 알아야만 할 수 있는 일일 것입니다.
마지막으로 한 번 더 강조하겠습니다. 이 전환은 ‘미래에 올 일’이 아니라 ‘이미 왔거나 빠르게 다가오고 있는 일’입니다. 다만 분야마다 체감 시점이 다를 뿐입니다. 누군가는 벌써 몇 년 전부터 “일하는 방식이 통째로 바뀌었어요”라고 하고, 누군가는 “아직 별로 못 느끼겠는데요”라고 합니다. 하지만 ‘못 느낀다’가 ‘안 바뀐다’는 뜻은 아닙니다. 전환이 정해진 순서대로 진행되지 않을 수도 있습니다. 첫 번째 파도가 채 닿기도 전에 두 번째, 세 번째 파도가 조용히 다가오고 있을 가능성이 높습니다. 그리고 AI가 발전하는 속도를 보면, 여러 분야에서 ‘아직 괜찮다’고 느끼는 시간이 생각보다 짧습니다.
이 장을 열면서 저는 ‘AI는 지금까지의 도구와는 차원이 다르다’고 했습니다. AI는 판단하고 만들어내는 과정 안으로 들어왔습니다. 그 변화는 도구·사고·구조의 세 층위에 걸쳐있고, 속도와 깊이는 분야마다 다릅니다. 그리고 우리는 그 변화의 한복판, 전환기에 서있습니다.
그렇다면 기술과 도구의 변화가 인류 역사에서 처음일까요? 아닙니다. 속도와 깊이는 달랐어도, 기술이 사람의 일과 삶을 크게 바꾼 일은 전에도 있었습니다. 그때 무슨 일이 있었는지를 돌아보면, 지금 우리가 선 자리가 훨씬 또렷하게 보입니다.
