AI 네이티브는 태어나는 것이 아니라 만들어진다
AI 네이티브를 구별하는 것은 나이도 AI 사용량도 아니다. AI와 맺는 관계다. 답을 받아 그대로 쓰는 사람이 있고, 자기 생각을 부딪치며 직접 생각하는 사람이 있다. 도구가 모두의 손에 들어오면 경쟁력은 도구를 다루는 솜씨에서 지식과 경험과 판단력, 곧 AI 바깥에서 가져오는 것으로 바뀐다. AI가 공기처럼 당연한 환경은 시대가 만들어주지만, AI를 생각의 상대로 삼는 관계는 저절로 생기지 않는다. 그 관계를 만들려면 먼저 나의 것이 있어야 한다.
저는 30년 넘게 소프트웨어를 만들고 가르쳐왔고, 남들보다 AI를 일찍, 많이 써왔습니다. 그래도 제게 AI는 어른이 되어 배운 외국어 같습니다. 아무리 유창해져도 모국어가 되지는 않습니다. 반면 지금 제 강의실에 앉아있는 학생들, 그리고 이 책을 읽고 있을 중고등학생들에게 AI는 나중에 배운 것이 아니라 처음부터 거기 있던 것입니다. 그래서 이 장은 제가 여러분을 가르치는 장이 아닙니다. 제가 곁에서 지켜본 여러분의 이야기이고, 절반쯤은 제가 여러분에게 배운 이야기입니다.
한 가지 더 짚고 시작하겠습니다. 저는 여러분 세대가 지금 꽤 모순된 요구를 받고 있다고 생각합니다. 학교에서는 “AI로 한 건 네 실력이 아니야”라는 말을 듣고, 세상에서는 “AI를 못 쓰면 뒤처진다”는 말을 듣습니다. 쓰라는 건지 말라는 건지 헷갈리는 게 당연합니다. 이 장에서 저는 그 헷갈림을 풀 실마리 하나를 내놓으려 합니다. AI 네이티브를 구별하는 것은 나이도 사용량도 아닙니다. AI와 맺는 관계입니다. 그리고 AI가 당연해진 세상에서 경쟁력의 기준이 어디로 옮겨가는지도 함께 살펴보겠습니다.
AI를 ‘사용’하는 사람, AI와 ‘생각’하는 사람
이제 중요한 것은 AI를 ‘얼마나 많이 쓰느냐’가 아니라 ‘어떤 관계로 쓰느냐’입니다.
요즘 젊은 친구들이 스마트폰 사용하는 모습을 보면, 저는 놀랍고 부럽습니다. 카페에서 흘러나오는 노래가 궁금하면 몇 초 들려주고 제목을 찾아냅니다. 친구를 만나러 가면서 “어디야?”라고 묻는 대신 서로의 실시간 위치를 공유합니다. 말로 길게 설명하는 대신 화면을 캡처해서 보내고, 그 캡처 한 장으로 대화가 끝납니다. 처음 보는 벌레가 방에 나타나면 잡기 전에 사진부터 찍어 무엇인지 확인하고, 해외 식당에서는 메뉴판을 읽는 대신 카메라를 비춥니다. 이런 행동은 전화가 좀 더 편해져서 생긴 게 아닙니다. 스마트폰 이전에는 아예 없던 행동입니다. 그리고 요즘 세대는 이걸 두고 ‘스마트폰을 활용한다’고 생각하지도 않습니다. 그냥 그렇게 삽니다. 걷고 말하는 것처럼 자연스럽습니다. 도구와 삶이 하나가 된 것입니다.
AI 네이티브도 마찬가지입니다. ‘디지털 네이티브’라는 말이 있습니다. 2001년 교육학자 마크 프렌스키가 처음 제안한 말로, 태어날 때부터 디지털 환경을 모국어처럼 몸에 익히며 자란 세대를 가리킵니다. AI 네이티브는 그 AI 버전입니다. ‘AI를 잘 쓰는 사람’이라는 뜻이 아닙니다. AI가 있는 것이 당연한 사람, AI라는 단어를 의식하지 않아도 AI가 일상과 공부와 일의 기본 환경이 된 사람입니다. 그 기준으로 보면 여러분은 이미 절반쯤 AI 네이티브입니다. 다만 나머지 절반은 저절로 채워지지 않습니다.
그 절반이 무엇인지, 제가 본 장면으로 이야기하겠습니다.
AI를 ‘사용하는’ 모습은 이렇습니다. 리포트 마감 전날 밤, “이 주제로 리포트 써줘”라고 던지고, 받은 것을 조금 다듬어냅니다. 어떤 문제가 생기면 “이거 어떻게 해?”라고 묻고 답을 받습니다. 답이 마음에 들면 쓰고, 아니면 다시 묻습니다. 편리하고, 빠르고, 급할 때는 저도 그렇게 쓸 때가 많습니다. 하지만 따지고 보면 정교한 검색에 가깝습니다. 도구가 하나 늘었을 뿐, 생각하는 방식은 그대로입니다.
AI와 ‘함께 생각하는’ 모습은 다릅니다. 자기소개서 초안을 AI에게 다듬어달라고 했다가, 돌아온 문장을 읽고 “매끄럽긴 한데 이건 내 이야기 같지 않은데?” 하며 다시 자기 문장으로 고쳐 쓰는 학생. 팀 프로젝트에서 나온 계획을 AI에게 들이밀고 “이 계획의 빈틈을 찾아봐”라고 시킨 뒤, AI가 짚은 구멍 중 무엇이 진짜 부족했던 부분인지 팀원들과 다시 따져보는 학생. 발표 전날 AI에게 심사위원 역할을 시켜놓고 예상 질문을 받아가며 리허설을 하는 학생. AI가 짜준 코드를 그대로 붙이는 대신 “이 부분은 왜 이렇게 짰는지 한 줄씩 설명해봐”라고 되묻는 학생. 이들에게 AI의 답은 결과물이 아니라 재료입니다. 받고 끝나는 것이 아니라, 받아서 시작합니다. 검색보다는 대화에, 대화보다는 협업에 가깝습니다.
고백하자면, 이 가운데 한 가지는 챗지피티가 나오고 얼마 지나지 않았을 때 제가 한 학생에게서 처음 봤습니다. AI에게 심사위원 역할을 맡겨 리허설을 한다는 발상은, 발표를 유난히 멋지게 해낸 한 학생에게 “준비를 어떻게 했느냐?”고 물었다가 알게 된 것입니다. 지금은 교수와 연구자들이 논문을 쓸 때 같은 방법을 씁니다. “이 분야의 최고 전문가인 연구자로서 이 논문을 읽고, 논문에서 빠졌거나 부족한 부분을 지적해주고, 수정 방향도 알려줘.” 이렇게 내 결과물을 AI에게 평가받고, 그걸 바탕으로 고칩니다. AI가 당연한 환경에서 자란 사람들은, 이전 세대가 생각하지 못한 사용법을 스스로 발명합니다. 제가 이 장을 “여러분에게 배운 이야기”라고 한 이유가 이것입니다.
학생들의 프로젝트를 지도할 때도 이런 차이를 자주 봅니다. 저는 따로 금지한 부분이 아니면 프로젝트에서 AI를 마음껏 쓰라고 권합니다. 똑같이 “AI를 썼다”고 말하는 두 학생이 있는데, 한 학생의 결과물은 어딘가 밋밋하고, 다른 학생 것은 단단한 경우가 있습니다. 처음에는 그 차이가 어디서 오는지 저도 정확히 짚지 못했습니다. 그런데 두 학생과 AI를 어떻게 썼는지 이야기해보고서야 알았습니다. 앞의 학생은 AI에게 받은 것을 거의 그대로 가져옵니다. 뒤의 학생은 자기 생각을 먼저 초안으로 던지고, AI의 반응에 “이건 아닌 것 같은데”, “이 부분은 근거가 약한데” 하며 몇 번씩 되받아치면서 다듬어갑니다. 같은 도구를 쓰지만, 앞의 학생은 결과물을 받아 오고, 뒤의 학생은 그 과정에서 자기 생각을 키웁니다.
이 차이는 ‘AI를 잘 다루는 기술’의 차이가 아니라 ‘AI와 어떤 관계를 맺느냐’의 차이입니다. 답을 출력하는 자판기로 보느냐, 생각을 함께 다듬는 상대로 보느냐. 그리고 시간이 지날수록 이 차이는 조금씩, 그러나 확실하게 벌어집니다. AI와 함께 생각하려면 애초에 내놓을 ‘나의 생각’이 필요합니다. 가설이든 초안이든 방향이든, 자기 안에 무언가가 있어야 AI와의 대화가 시작됩니다. 아무것도 없는 상태에서 AI에게 물으면, AI가 준 답을 그대로 쓰는 수밖에 없습니다. 그것이 좋은 답인지 나쁜 답인지 판단할 기준조차 없기 때문입니다. “이건 내 이야기 같지 않은데”라고 말할 수 있으려면, 내 이야기가 먼저 있어야 합니다. 1장에서 AI에는 ‘를’보다 ‘와’가 어울린다고 했는데, ‘와’라는 관계도 내 쪽에 내놓을 것이 있어야 비로소 성립합니다.
이야기는 다시 지식과 경험의 문제로 돌아옵니다. 어떤 분야를 직접 겪어보고, 생각해보고, 실패도 해보고, 나름의 관점을 쌓은 사람만이 AI와 진짜 협업을 할 수 있습니다. AI는 좋은 대화 상대이지만, 그 대화가 얼마나 깊어질지는 내가 가진 것에 달려있습니다. 앞에서 말한 ‘나머지 절반’, 곧 AI를 생각의 상대로 삼는 관계는 이것 없이는 생기지 않습니다. AI가 당연한 환경은 태어나면서 주어졌지만, AI에게 보여줄 나의 것, 곧 몸에 밴 지식과 경험과 관점은 스스로 만들어야 합니다. 어떻게 만드는지는 2부부터 4부까지 차례로 살펴보겠습니다.
경쟁력은 도구 바깥에 있다
도구가 모두에게 퍼지고 나면, 경쟁력은 ‘그 도구를 다루는 능력’에서 ‘그 도구로 무엇을 만드느냐’로 반드시 옮겨갑니다. AI도 예외가 아닙니다.
이 이야기를 할 때면 제가 몸담아 온 소프트웨어 업계의 프로그래밍 언어 이야기를 자주 꺼냅니다. 제가 개발을 처음 배우던 시절에는, 특정 프로그래밍 언어를 다룰 줄 아는 것 자체가 상당한 경쟁력이었습니다. 그 언어를 능숙하게 쓰는 사람이 드물었으니까요. 그런데 시간이 지나 그 언어를 다룰 줄 아는 사람이 많아지고, 큰 소프트웨어의 기반이 되는 오픈소스 프레임워크가 여럿 나오고, 좋은 개발 도구까지 널리 퍼졌습니다. 그러자 ‘그 언어를 잘 쓴다’는 것은 더 이상 남다른 강점이 되지 못했습니다. 그때부터 진짜 실력을 가른 것은 ‘그 프로그래밍 언어로 어떤 문제를 풀어본 경험이 있는가?’, ‘어떻게 사용자가 많은 환경에서도 안정적으로 도는 시스템을 운영해보았는가?’였습니다. 도구가 흔해지는 순간, 경쟁의 무대가 도구에서 경험으로 바뀐 것입니다.
AI도 같은 길을 걷고 있습니다. ‘AI를 잘 쓰는 것’, 프롬프트를 잘 짜는 것이 경쟁력처럼 보입니다. 실제로 지금도 그런 면이 분명히 있습니다. 하지만 이 상황은 잠깐입니다. AI가 스마트폰처럼 모두의 손에 들어가는 순간 ‘AI를 잘 쓰는 것’은 누구나 하는 기본이 됩니다. 그 순간이 생각보다 빨리 오고 있습니다. 지금 ‘스마트폰을 잘 다룬다’를 경쟁력으로 쳐주는 사람이 없는 것처럼요.
그때 경쟁력은 어디로 갈까요? ‘AI를 다루는 능력’에서, ‘AI를 써서 진짜 가치 있는 결과를 만드는 능력’으로 옮겨갑니다. 그리고 진짜 가치 있는 결과를 만들려면, AI가 대신할 수 없는 무언가가 내게 필요합니다. 그 분야에 대한 깊은 이해, 현장 맥락을 읽는 감각, 직접 부딪쳐 쌓은 경험, 그리고 이것들을 종합해 판단하는 힘. 이것이 없으면 AI를 아무리 잘 다뤄도 결과물이 뻔합니다.
여기서 소프트웨어를 가르치는 사람으로서 한마디 보태겠습니다. 요즘 학생들에게 자주 듣는 말이 “AI가 코드를 다 짜주는데, 코딩을 열심히 배울 필요가 있나요?”입니다. 한편으론 이해합니다. 눈앞에서 AI가 몇 초 만에 코드를 쏟아내는 걸 보면 그런 생각이 드는 것이 당연합니다. 그런데 제 답은 반대입니다. AI가 코드를 짜주는 시대라서 오히려 코딩을 제대로 할 줄 알아야 합니다. 이유는 하나입니다. AI가 짠 코드가 맞는지, 어디가 허술한지, 언제 어떻게 무너질지는 코드를 직접 읽고 쓸 줄 아는 사람만 판단할 수 있습니다.
번역에 비유해보겠습니다. AI 번역기가 아무리 좋아져도, 그 번역이 정확한지는 그 외국어를 잘 아는 사람만 알아볼 수 있습니다. 언어를 잘 안다는 것이 무엇일까요? 외국어 실력만으로는 부족합니다. 원문이 쓰인 문화와 맥락까지 알아야 번역을 제대로 검증할 수 있습니다. 문장은 문법적으로 완벽한데 그 나라 사람은 절대 그렇게 하지 않는 번역이 있고, 단어와 문법은 다 맞는데 원문 맥락에 놓으면 매우 어색한 번역이 있습니다. 그런 맥락을 잡아내는 것은 사전적 언어 지식이 아니라, 그 언어가 살아 움직이는 현장을 아는 감각입니다. 코드도 똑같습니다. AI가 짠 코드는 대개 문법적으로 오류가 없고, 그럴듯하게 돌아갑니다. 문제는 그 코드가 놓일 자리입니다. 이 코드가 시스템의 다른 부분과 어떻게 얽히는지, 사용자가 한꺼번에 몰리는 순간에도 잘 버티는지, 반년 뒤 이 코드를 고쳐야 할 동료가 읽고 이해할 수 있는지. 이런 판단은 코드의 문법이 아니라 코드가 놓인 맥락을 아는 사람만 할 수 있습니다. 외국에서 부대끼며 살아본 사람이 그 나라 말의 뉘앙스를 알아듣듯, 이 감각도 직접 많이 짜보고 많이 깨져본 사람에게만 생깁니다.
그래서 AI 시대의 코딩 실력은 ‘짜는 능력’보다 ‘검증하는 능력’에 가깝습니다. 코딩만 그런 것도 아닙니다. AI가 써준 글을 검증하려면 글을 써본 사람이어야 하고, AI가 내놓은 분석을 검증하려면 데이터를 다뤄본 사람이어야 합니다. 어느 분야든 AI의 결과물을 보고 “그럴듯한데?”에서 멈추는 사람이 있고, “일단 틀은 잡혔지만, 이 부분이 이상한데? 뭔가 빠진 것 같은데?”까지 가는 사람이 있습니다. 이 차이는 그 분야를 직접 해본 경험의 깊이에서 나옵니다.
이미 곳곳에서 이런 일이 벌어지고 있습니다. 똑같은 AI로 광고 문구를 뽑아도 두 마케터의 결과가 다르고, 똑같은 AI로 코드를 짜도 두 개발자가 만든 서비스의 완성도가 다르고, 똑같은 AI로 데이터를 돌려도 두 분석가가 끌어내는 통찰의 깊이가 다릅니다. 그 차이를 만드는 것은 AI를 다루는 솜씨가 아니라, 그 사람이 AI 바깥에서 가져오는 것들입니다. 그 분야의 지식, 실무 경험, 사람에 대한 이해, 문제가 처한 환경과 맥락을 읽는 감각 말입니다.
이쯤에서 이런 생각이 드는 분도 있을 겁니다. “경험과 맥락이 그렇게 중요하다면, 결국 오래 산 사람이 유리한 것 아닌가요?” 솔직한 질문이고, 맞는 부분도 있습니다. 하지만 다음 두 가지가 이 그림을 바꿉니다.
하나는, 기성세대가 쌓아온 경험 가운데 적지 않은 부분을 AI가 배워서 제 것으로 만들고 있다는 것입니다. 세월이 만들어준 그런 경험 중에서도 늘 하던 일의 절차를 외우고 요령을 익히고 정보를 빠르게 다루는 일은 이제 AI가 몇 초 만에 합니다. 반대로 AI가 하지 못해 사람 몫으로 남고 가치가 오르는 것은 문제를 찾고, 맥락을 읽고, 판단하는 경험입니다. 그런데 이것도 ‘AI가 당연한 환경에서’ 쌓은 것이라야 앞으로 제대로 통합니다. 그리고 그런 경험은 모두가 이제 막 쌓기 시작했습니다. 이 새 지형 위에서는, 고백하건대 저 같은 교수도 여러분과 똑같은 신입입니다.
또 다른 것은, 그 경험이 세월의 길이가 아니라 부딪친 횟수와 깊이로 쌓인다는 것입니다. AI는 시도 비용을 크게 낮췄습니다. 예전에는 큰 팀과 예산이 있어야 해볼 수 있던 일을, 지금은 혼자 주말에 만들어보고, 다 부수고, 더 좋게 다시 만들 수 있습니다. 같은 일 년 동안 실패에서 배울 기회가 몇 번 오느냐로 따지면, 지금 시작하는 사람, 호기심 많은 사람이 역사상 가장 유리합니다. 그러니 이 이야기는 여러분에게 나쁜 소식이 아닙니다. 지형이 바뀌면 지도를 먼저 그리는 사람이 앞서갑니다. 예를 들어보겠습니다. 컨설팅 업체가 “시장보고서와 기획서 작성에만 한 달이 걸린다”고 할 때, 20대 대학생 A 씨는 AI로 단 이틀 만에 돌아가는 미니 서비스를 만듭니다. 그리고 실제 사용자 30명에게 피드백을 받아 핵심 기능만 남깁니다. 선배 기획자들이 회의실에서 시장 분석 보고서를 쓰고 있을 때, A 씨는 바뀐 지형 위에서 ‘유저가 진짜 돈을 내는 서비스’라는 지도를 먼저 그려냈습니다. 새 지형에서 지도를 그리는 데에, 여러분은 저보다 늦지 않았습니다.
나와 AI 사이의 거리
1장에서 저는 AI 전환을 세 층위로 나눠봤습니다. 도구의 전환, 사고의 전환, 구조의 전환. 그때는 이 세 층위를 주로 세상이 어느 깊이로 바뀌고 있는지에 초점을 맞춰 그렸습니다. 이 장을 마무리하며, 같은 세 층위를 이번에는 내 쪽에서 다시 그려보려 합니다. 세상의 전환이 한 사람에게 와 닿으면, 그것이 나와 AI 사이의 거리가 됩니다. 그 거리를 세 가지 모습으로 나눠보겠습니다.
첫 번째는 AI가 편리한 바깥 도구인 모습입니다. 1장의 첫 번째 층위, 도구의 전환이 내 책상 위에 도착한 모습입니다. 하던 일을 AI로 더 빠르게 합니다. 보고서 초안을 만들게 하고, 이메일을 다듬게 하고, 코드의 오류를 찾게 합니다. 이것만으로도 생산성은 늘어납니다. 다만 이 단계에서 바뀐 것은 일의 속도이지, 내가 아닙니다. 내일 당장 AI 없이 일해야 해도 예전 방식으로 돌아가면 됩니다. AI는 아직 내 바깥에 있습니다.
두 번째는 AI가 생각의 상대인 모습입니다. 두 번째 층위, 사고의 전환이 내 안에서 일어난 모습입니다. 자기 가설을 검증하고, 논리를 다듬고, AI의 답을 비판적으로 따져봅니다. 저는 셋 가운데 이 두 번째 모습이 가장 중요하다고 생각합니다. 이유는 변화의 방향에 있습니다. 첫 번째 모습에서 AI가 바꾸는 것은 내 결과물입니다. 보고서를 빨리 쓰게 되고 더 매끄러운 이메일을 쓸 수 있게 되었지만, 나는 그대로입니다. 두 번째 모습에서는 AI가 나 자신을 바꿉니다. 무엇을 물어야 할지 찾는 법, 근거를 캐묻는 법, 내 논리의 약한 곳을 스스로 먼저 짚어보는 습관이 몸에 붙습니다. 그래서 AI가 사라져도 남는 것이 있습니다. AI와 부딪치며 얻은 생각의 깊이입니다. 결과물은 폴더에 쌓이지만, 생각의 근육은 사람에게 쌓입니다. AI가 내 사고 과정의 일부가 된 것입니다.
생각해보면 인류가 처음 맞는 조건입니다. 몇 번을 물어도 지치지 않고, 아무리 어설픈 생각을 주어도 무시하지 않고, 필요하면 밤새 붙어 앉아 함께 따져주는 생각 상대. 역사에서 그런 상대를 곁에 둔 사람은 아주 드물었습니다. 좋은 스승과 좋은 동료는 언제나 귀했고, 그런 상대를 만나는 것 자체가 행운이자 특권이었습니다. 그런데 지금은 누구나 그런 상대를 가질 수 있고, 심지어 주머니에 넣고 다닙니다. 다만 조건이 하나 있습니다. 이 상대는 사람과 달리, 작정하고 시키지 않으면 좀처럼 반박하지 않습니다. 사용자를 만족시키는 답변일수록 높은 보상을 받도록 훈련된 탓에, 사용자의 가설이나 전제에 일단 동조하는 경향이 있습니다. 그냥 두면 친절하게 맞장구를 쳐주는 상대에 머물고, “내 생각의 어디가 틀렸는지 찾아달라”고 요구할 때에야 비로소 생각의 상대가 됩니다. 이 관계를 어떤 관계로 만들지는 AI가 아니라 내가 정합니다.
세 번째는 AI가 공기 같은 환경인 모습입니다. 여기가 1장의 세 번째 층위, 즉 구조의 전환과 만나는 자리입니다. 구조의 전환은 조직과 산업의 이야기라서 개인의 삶과는 멀어 보입니다. 하지만 실은 우리 일상에 가장 조용히, 가장 깊게 스며듭니다. 산업 구조가 바뀌면 그 위에서 돌아가는 서비스와 제품이 바뀌고, 서서히 문화가 바뀝니다. 그렇게 바뀐 것이 곧 우리가 매일 숨 쉬며 살아가는 환경이 됩니다. 사진을 찍으면 알아서 보정되고, 검색하면 의도를 알아챈 결과가 나오고, 쇼핑몰에 접속하면 취향에 맞는 추천이 먼저 뜹니다. 사진과 검색과 유통이라는 산업의 구조가 이미 AI 위에서 다시 짜였기 때문입니다. ‘AI’라는 단어가 앞에 나서지 않지만, AI 없이는 돌아가지 않는 일상. 스마트폰에서 본 풍경이 AI에서 그대로 되풀이되는 것입니다.
그런데 지금까지 말한 것들은 사실 예고편에 가깝습니다. 기존에 있던 사진과 검색과 쇼핑이 AI 덕분에 좋아진 것이니까요. 스마트폰의 역사를 떠올려 보십시오. 처음에는 전화와 문자와 카메라가 좋아졌을 뿐이었습니다. 진짜 스마트폰 시대를 연 것은 그 위에서 태어난, 전에는 아예 없던 음식 배달, 차량 호출, 실시간 위치 공유 같은 서비스였습니다. AI에서도 같은 일이 벌어질 겁니다. AI 없이는 성립조차 안 되는, 완전히 새로운 것들이 나오겠지요. 몇 가지는 벌써 윤곽이 보입니다. 친구와 약속을 잡을 때 내가 아니라 내 AI 에이전트가 상대의 AI 에이전트와 만날 시간과 장소를 먼저 맞춰놓는 일상. 필요한 소프트웨어를 사거나 다운로드 받는 대신, 그 자리에서 말로 설명해 만들어 쓰고 버리는 일회용 앱. 교과서 대신, 오늘 내가 틀린 문제와 나의 이해 수준에 맞춰 지금 이 순간 나 한 사람만을 위해 만들어지는 교재와 선생님. 물론 진짜 큰 것은 이런 예측 바깥에서 나올 가능성이 높습니다. 스마트폰이 나오기 전에 사진 공유 앱을 상상한 사람이 거의 없었듯, AI 시대의 가장 큰 것은 아직 이름조차 없을 것입니다. 그 이름 없던 것들이 하나둘 나타나면, 우리는 그것을 ‘신기술’로 따로 배우기보다 원래 세상이 그런 줄 알고 받아들이게 될 것입니다. 구조가 바뀌면 환경이 바뀝니다. 저는 그 환경, 말하자면 공기 반, AI 반으로 숨 쉬게 되는 시대를 AI 네이티브 시대라고 부릅니다. 그리고 그 시대에 걸맞게 사는 사람을 AI 네이티브 세대, 또는 그냥 AI 네이티브라고 할 수 있습니다.
여기서 오해를 하나 풀고 싶습니다. ‘나와 AI 사이의 거리’라고 하면, 젊을수록 가깝고 나이가 들수록 멀 것처럼 들립니다. AI 네이티브라는 말 자체가 어느 세대의 이름처럼 들리니까요. 하지만 이 거리는 태어난 해가 정하지 않습니다. 스무 살이라고 저절로 AI 네이티브가 되는 것이 아니고, 쉰 살이라고 첫 번째 모습에 머무는 것도 아닙니다. 저는 강의실과 주변에서 오히려 그 반대를 자주 봅니다. 디지털 기술에 누구보다 익숙한 젊은 학생이 정작 AI는 정교한 검색기로만 쓰는가 하면, 나이가 지긋한 분이 오랜 경험을 밑천 삼아 AI와 깊이 있게 협업하기도 합니다. 제 가까운 친지 한 분은 출판사 사무직에서 은퇴하신 뒤, 70세가 넘은 지금 아파트 관리직으로 일하고 계십니다. 이분이 AI로 아파트 기계실 장비 이용법을 쉽게 풀어 쓴 매뉴얼과 응급조치 요령을 알려주는 앱을 만드셨습니다. 지금의 젊은 세대는 AI 네이티브 시대의 초입, 즉 AI가 공기처럼 자연스러워지기 시작한 환경 속에서 성장하고 있습니다. 환경은 시대가 만들어줍니다. 그런데 두 번째 모습, AI를 생각의 상대로 삼는 관계는 환경이 만들어주지 않습니다. 스스로 공을 들여 만들어가야 합니다. 그리고 그 관계를 만들려면, 앞에서 본 대로 AI에게 내밀 나의 것, 곧 지식과 경험, 판단력과 감각이 있어야 합니다.
1부에서 우리는 세 가지를 보았습니다. AI는 이전의 도구와 종류가 다르다는 것, 기술은 늘 새로운 욕망과 시장을 만들어왔고 이번에는 그 속도가 전례 없이 빠르다는 것, 그리고 AI가 당연해진 세상에서 경쟁력은 AI 자체가 아니라 AI 바깥에서 가져오는 것에 달려있다는 것.
그렇다면 이제 질문을 바꿔야 합니다. ‘무슨 일이 벌어지고 있는가?’에서, ‘그렇다면 왜 배우는 방식이 달라져야 하는가?’로.
