골든래빗은 더 탁월한 가치를 제공하는 콘텐츠 프로덕션 & 프로바이더 입니다. 골든래빗은 취미, 경제, 수험서, 만화, IT 등 다양한 분야에서 책을 제작하고 있습니다.골든래빗은 더 탁월한 가치를 제공하는 콘텐츠 프로덕션 & 프로바이더 입니다. 골든래빗은 취미, 경제, 수험서, 만화, IT 등 다양한 분야에서 책을 제작하고 있습니다.

[AI 시대, 인간은 무엇을 배워야 하는가? 03] 자전거 타는 법은 책으로 배울 수 없다

2026년 11월 18일조회 4

이 글은 《AI 시대, 인간은 무엇을 배워야 하는가?》에서 발췌했습니다.

AI 시대, 인간은 무엇을 배워야 하는가?

AI 시대, 인간은 무엇을 배워야 하는가?

ISBN 9791124516881지은이 이민석₩23,000
교보문고예스24알라딘

자전거 타는 법은 책으로 배울 수 없다

아는 것에는 외워서 아는 것, 이해해서 아는 것, 그리고 해봐서 아는 것이 있다. 앞의 둘은 책과 AI가 넉넉히 주지만, 마지막 것은 직접 넘어져 본 사람만 안다. 단순 제출이나 완성이 목적이라면 AI는 훌륭한 지름길이지만, 배움이 목적일 때 그 지름길은 가장 먼 길이 된다. 결과물은 길을 제대로 걸을 때 따라오는 부산물일 뿐이다. 어디로 갈지보다 거기서 무엇을 할지가 더 중요하다.

앞 장에서 저는 도메인 지식 이야기를 했습니다. AI는 ‘보통’의 상황에서는 놀랍도록 잘합니다. 하지만 보통이 아닌 상황, 예외적인 상황에서는 쉽게 무너집니다. 그래서 어떤 분야에서 ‘보통은 이런데, 이럴 때는 아니다’라는 예외 목록을 쥐고 있는 사람이 앞으로 더 중요해진다고 했습니다.

그렇다면 그 예외 목록은 어떻게 만들어질까요? 책을 많이 읽으면 될까요? 강의를 많이 들으면 될까요? AI에게 물어보면 될까요? 그렇지 않습니다. 정확히 말하면, 그것만으로는 안 됩니다. 자전거를 떠올려 보십시오. 자전거 타는 법을 설명한 글을 아무리 많이 읽어도, 한 번도 직접 타보지 않은 사람은 자전거를 타지 못합니다. 균형 감각은 글로 옮길 수 없습니다. 안장에 올라 페달을 밟고, 몇 번 넘어져 본 사람의 몸에만 생깁니다.

이 장에서는 직접 해봐야만 알 수 있는 것이 무엇인지, AI가 결과물을 대신 만들어주는 시대에 왜 지름길이 오히려 먼 길이 되는지 이야기하려 합니다. 그리고 그 경험을 어디를 향해, 무엇을 하려고 쌓아야 하는지도 함께 생각해보겠습니다.

‘안다’에는 세 가지가 있다

‘안다’는 한마디 안에는 서로 아주 다른 것들이 섞여있습니다.

우선은 듣거나 외워서 아는 것입니다. ‘물은 100도에서 끓는다.’ ‘카메라의 ISO 값을 올리면 사진이 밝아진다.’ ‘자전거는 타이어 공기압이 적당해야 잘 굴러간다.’ 이런 사실은 책과 검색으로 알 수 있고, 요즘은 AI도 훌륭하게 알려줍니다. 마음만 먹으면 누구나 쉽게 얻을 수 있는 지식입니다.

다음은 이해해서 아는 것입니다. 왜 그런지, 조건이 바뀌면 어떻게 달라지는지를 아는 단계입니다. ‘높은 산에서 끓인 라면은 설익는데, 기압이 낮아서 물이 더 낮은 온도에 끓기 때문이다.’ ‘ISO를 올리면 사진이 밝아지는 대신 거칠어지기 때문에 어두운 곳에서 사진을 찍으려면 밝기와 거칠기 사이에서 무언가를 포기해야 한다.’ 여기까지도 좋은 책과 좋은 강의로, 요즘은 AI의 설명으로 꽤 얻을 수 있습니다.

또 하나는 해봐서 아는 것입니다. 여기부터 완전히 다릅니다. ‘해 질 무렵 역광에서 친구 얼굴을 찍을 때는 각도를 살짝 비틀어야 친구 얼굴도 살고 빛도 예쁘게 담긴다’, ‘비 온 다음 날 내리막에서는 브레이크를 어느 정도 세기로 잡아야 하는지 손이 안다’ 같은 것들입니다. 저도 비슷한 것이 하나 있습니다. 학생이 만든 프로그램을 돌려보면 어느 부분에서 문제가 생길지 대체로 짐작이 갑니다. 그 짐작이 자주 맞는 이유를 논리적으로 설명하기는 어렵습니다. 많이 봤기 때문입니다.

해봐서 아는 것도 책이나 강의로 간접적으로 얻을 수는 있습니다. 하지만 그렇게 얻은 것은 이해해서 아는 수준에 머물러서, 실전에서는 턱없이 모자랍니다. 몸으로 겪어야 생기는 지식이라, 아무리 자세히 설명을 들어도 직접 해보지 않으면 내 것이 되지 않습니다. 시도해보고, 틀리고, 다시 해보는 것 외에 다른 길이 없습니다. 한 번도 자전거를 타보지 않은 사람에게 균형 잡는 법을 말로 설명해보십시오. “핸들을 꽉 쥐지 마세요. 페달은 일정한 속도로 밟고, 시선은 앞을 보세요. 몸이 기울면 기울어지는 쪽으로 핸들을 살짝 돌리세요.” 틀린 데가 하나도 없는 설명입니다. 하지만 이 문장을 외운 사람이 자전거를 탈 수 있게 되지는 않습니다. 넘어져 보면서 몸으로 타는 법을 배웁니다. ‘이만큼 기울면 넘어지는구나.’ ‘이 속도 밑으로 떨어지면 불안해지네.’ ‘모래가 깔린 곳에서는 바퀴가 빠져나갈 수가 없군.’ 아무도 가르쳐주지 않았는데 몸이 알아서 기억합니다. 앞에서 말한 예외 목록도 이런 종류입니다. 일이 틀어지는 지점을 기억해둔 것이니까요.

제가 30년 넘게 소프트웨어를 가르치면서 확인한 것이 하나 있습니다. 아무리 잘 설명해도, 직접 해봐야 아는 것은 학생에게 줄 수가 없습니다. 소프트웨어 학부에는 과목이 많습니다. 이해해서 아는 것까지는 잘 가르칠 수 있고, 제대로 전달됐는지도 시험으로 확인할 수 있습니다. 그러나 해봐야 하는 것은 학생이 자기 발로 걸어 들어가 배워야 합니다. 프로젝트를 직접 해보고 나서 다시 책을 볼 때 ‘아, 이게 그 말이구나’ 하고 느끼는 것들입니다. 제가 할 수 있는 일은 그 경험으로 걸어 들어갈 만한 상황을 만들어주고, 넘어졌을 때 크게 다치지 않도록 옆에서 지켜보는 정도입니다. 가르치는 사람의 능력 문제가 아니라, 해봐야 알게 되는 지식은 원래 그렇게 해야 생깁니다.

기술 분야만 그런 것도 아닙니다. 사람을 설득하는 글을 쓰는 일, 사람들과 빠르게 신뢰를 쌓는 일, 복잡한 상황에서 무엇을 먼저 할지 정하는 일, 실패한 다음에 방향을 바꾸는 일. 모두 그런 지식이 필요합니다. 책으로 배울 수 없고, AI에게 물어서 얻을 수 없습니다.

외워두기만 하면 되는 지식, 설명을 듣고 고개를 끄덕이는 데서 그치는 지식이라면, 사람은 이미 AI의 상대가 되지 않습니다. 단순 암기와 문제 풀이 위주의 공부가 효용을 잃은 것도 그래서입니다. 해봐서 알던 일 가운데 쉬운 것은 이제 AI에게 맡길 수 있게 됐지만, 그 일을 직접 해보며 생기는 앎까지 AI가 대신 쌓아주지는 않습니다. 직접 시간을 들여 겪어보지 않으면 결코 얻을 수 없는 지식은 여전히 많습니다.

지름길이 가장 먼 길이 될 때

오해가 없도록 먼저 말씀드리면, 지름길 자체가 나쁘다는 이야기가 아닙니다. 진짜 따져봐야 할 것은 ‘지름길이 좋으냐 나쁘냐’가 아니라 ‘내 목적지가 어디인가’입니다.

오늘 밤까지 과제를 제출하는 것만이 목적이라면, AI만 한 지름길이 없습니다. 질문을 던지고 나온 답을 가다듬어 내면 끝납니다. 과제 제출 규칙에 어긋나지 않는다면 합리적인 선택이겠죠.

문제는 ‘제출’ 자체가 우리가 가려던 진짜 목적지가 아닐 때입니다. 학교에서 진도를 나가고 프로젝트를 하는 이유는 과제를 제출하기 위해서가 아닙니다. 그러면서 배운 것을 ‘진짜 내 것으로 만드는 것’이 목적입니다. 그 기준에서 보면 AI가 만든 결과물을 그대로 제출하는 건 한 걸음도 나아가지 않은 것과 같습니다. 과제는 냈지만, 정작 나는 제자리에 그대로 서있으니까요.

지름길인 줄 알고 들어선 길 때문에 오히려 시간이 더 걸린다면, 그 길은 지름길이 아닙니다. 가장 먼 길입니다. 이 사실을 먼저 인정해야 합니다. 몸으로 익히는 배움에는 시행착오를 겪을 시간이 반드시 필요합니다. 지름길이 가장 먼 길이 되는 건 누가 벌을 주거나 길을 막아서가 아닙니다. 내가 가려던 곳이 원래 멀고 깊은 곳이라, 애초에 지름길이 없기 때문입니다. 누군가 대신 자전거를 타고 이야기해준다고 내게 균형 감각이 생기지 않듯 말입니다. 우리는 결과에 조급해질 때마다 이 당연한 이치를 잊곤 합니다.

수업 시간에 있었던 이야기를 하나 해보겠습니다. 저는 과제를 낼 때 AI 사용을 금지하지 않습니다. 요즘 세상에 금지한다고 안 쓸 것 같지도 않고, 금지가 능사라고 생각하지도 않습니다. 대신 한 가지 조건을 겁니다. AI와 나눈 대화 기록, 그리고 AI가 만든 답을 스스로 검증한 흔적을 과제와 함께 내라는 것입니다.

그 기록을 읽어보면 학생들은 크게 두 부류로 나뉩니다. 한 부류의 기록은 짧고 단조롭습니다. 과제 문장을 그대로 복사해 넣고, 나온 답을 그대로 붙여넣으면 끝납니다. 반면 다른 부류의 기록은 깁니다. 엉성하지만 자기가 직접 짠 초안이 있고, AI의 지적에 “이건 이해가 안 되는데 다시 설명해줘”, “이 방법 말고 다른 방법은 없어?” 하며 끈질기게 실랑이를 벌인 흔적이 가득합니다.

재미있게도 제출한 결과물만 보면 두 부류는 구분하기 어려울 만큼 엇비슷합니다. 하지만 기말고사 때 그 과제를 살짝 비튼 문제를 내보면 두 부류는 완전히 갈립니다. 그 결과는 굳이 말씀드리지 않아도 아실 겁니다. 문제는 AI를 쓰느냐 안 쓰느냐가 아닙니다. 과정을 통째로 AI에게 넘겨버리고 결과만 덥석 받아 오는 태도가 문제입니다. AI와 끊임없이 실랑이를 벌이는 그 시간이 그대로 배움입니다. 두 번째 부류 학생들은 AI를 안 쓴 게 아닙니다. 오히려 더 깊고 끈질기게 썼습니다. 그리고 두 부류를 가른 건 성실함의 차이라기보다 목적지의 차이였습니다. 한쪽의 목적지는 ‘제출’이었고, 다른 쪽의 목적지는 ‘이 문제를 스스로 다룰 수 있게 되는 것’이었습니다. 목적지가 다르니 같은 도구를 쥐고도 완전히 다른 길을 걸었고, 배운 것도 달랐습니다.

안타깝게도 1장에서 본 것처럼, 요즘은 신입 사원에게 돌아가던 연습 기회를 AI가 가져가고 있습니다. 개인이 당장 바꿀 수 없는 구조적인 문제입니다. 하지만 학교에서, 사회에서, 커뮤니티에서는 우리에게 아직 선택권이 있습니다. 아무도 내게서 넘어질 기회를 빼앗지 않았는데, 눈앞의 편안함 때문에 그 기회를 스스로 건너뛰어서는 안 됩니다.

개발자 부트캠프에서도 비슷한 장면을 본 적이 있습니다. 남들보다 훨씬 빠르게 근사한 결과물을 내놓은 수강생이 있었습니다. 제가 화면에 뜬 데이터가 어떤 원리로 나오는지 묻자, 그는 머뭇거리다 털어놓았습니다. “AI가 만든 코드를 가져다 쓴 거라 내부가 어떻게 도는지는 잘 모르겠습니다.” 며칠 뒤, 그 수강생은 그 코드를 직접 짜기 시작했습니다. 다시 만든 결과물은 이전보다 초라해 보였습니다. 하지만 진짜 차이는 나중에 드러났습니다. 팀 프로젝트가 시작되고 예상치 못한 기술 문제에 부딪혔을 때, 원인을 짚어내고 앞장서서 해결한 사람이 그 수강생이었습니다. 남이 만든 결과물을 그대로 쓰는 대신 원리를 파고든 그 시간이, 누구보다 빨리 목적지에 닿는 실력이 됐습니다.

지금 배우는 중이라면, 눈앞에 놓인 완성된 결과물에 속지 말아야 합니다. 결과물은 목적지를 향한 길을 제대로 걸어가고 있을 때 자연스럽게 따라오는 부산물일 뿐입니다. 목적지를 ‘직접 해보며 몸으로 익히는 것’에 두면, 지금 내가 바른 길로 가고 있는지 스스로 가늠할 수 있습니다.

다행히 돌아갈 길은 언제든 열려있습니다. 지난주에 AI에게 받아 그대로 낸 결과물을 다시 꺼내, 왜 이렇게 작동하는지 한 줄씩 되짚어보는 것. 돌아가는 길은 거기서 시작됩니다. 늦은 때란 없습니다. AI 덕분에 졸업 프로젝트를 순식간에 끝냈지만, 정작 신입 개발자 면접에서 코드가 왜 그렇게 동작하느냐는 질문에 답하지 못한 4학년 학생이 있었습니다. 그 학생은 졸업을 앞둔 마지막 학기에 전공 주요 과목을 차근차근 다시 공부하기로 마음먹었습니다. 바이브 코딩(코드를 직접 짜는 대신 AI에게 말로 요구 사항을 전달하고 결과를 확인하며 프로그램을 완성해가는 개발 방식)만 하다가 프로그래밍 언어를 처음부터 다시 배우는 분도 보았습니다.

늦게나마 돌아온 사람들이 하나같이 하는 말이 있습니다. “진작 이렇게 할걸”이라는 후회가 아닙니다. “이제야 내가 뭘 하고 있는지 알겠다”는 확신입니다.

명사꿈, 동사꿈

앞에서 목적지와 거기에 이르는 방법을 이야기했으니, 이제 그 목적지를 좀 더 들여다보겠습니다. 제가 강조하고 싶은 건 목적지 자체보다 ‘그 목적지에서 무엇을 할 것인가’입니다.

산꼭대기 전망대로 향하는 두 사람이 있다고 해봅시다. 한 사람은 그저 ‘전망대 도착’을 목표로 삼고 부지런히 발걸음을 옮깁니다. 다른 한 사람은 ‘그곳에서 주변 풍경을 스케치하겠다’는 목표를 품고 올라갑니다. 둘 다 같은 길을 걷고, 같은 땀을 흘립니다. 하지만 두 사람의 산행은 완전히 다릅니다. 첫 번째 사람은 산꼭대기만을 바라보며 열심히 오르지만, 두 번째 사람은 오르는 내내 주변의 빛과 나무의 모양을 살피며 이미 마음속으로 스케치를 시작합니다.

목적지는 내가 나아갈 방향을 잡아줍니다. 하지만 나를 끝까지 걷게 하는 건 ‘거기서 무엇을 할 것인가’라는 질문입니다. 이 질문이 분명하면, 목적지에 닿기 전부터 원하는 일을 조금씩 해나갈 수 있습니다.

공부와 일도 마찬가지입니다. ‘프로그래밍을 배우는 것’과 ‘프로그래밍으로 무엇인가를 만들려는 것’은 다릅니다. ‘마케팅을 배우는 것’과 ‘어떤 물건을 사람들에게 사고 싶은 생각이 들도록 알리는 것’은 다릅니다. 앞쪽은 기술을 배우는 일이고, 뒤쪽은 어딘가에서 할 일을 향해 가는 것입니다. 기술만 배우는 건 실무 경험 없이 시험만 봐서 딴 자격증과 비슷합니다. 자격증이 문을 여는 입장권 노릇을 하듯, 기술을 배우는 것도 필요합니다. 하지만 목적이 빠져있으면, 문을 지나 들어가서도 정작 무엇을 해야 할지 모릅니다. 더구나 요즘은 기술의 유통기한이 짧습니다. 기술 자체를 목표로 삼으면 새 기술이 나올 때마다 처음부터 다시 쫓아가야 합니다. 하지만 가서 할 일이 있는 사람은 기술이 바뀌어도 방향과 동기가 남습니다. ‘저기 가려면 지금 무엇을 하는 게 제일 나은가’를 스스로 판단할 수 있으니까요.

진로 상담을 하다 보면 저는 학생들에게 꼭 한 번씩 되묻습니다. 학생이 “저는 OO가 되고 싶습니다”라고 하면, “그러면 되고 나서는 뭘 하고 싶어요?”라고 묻는 겁니다. 놀랄 만큼 많은 학생이 여기서 머뭇거립니다. 개발자가, 의사가, 공무원이 되는 것, 또는 구체적으로 어느 회사에 입사하는 것까지는 아주 열심히 생각해봤는데, 그다음 장면을 그려본 적이 없는 것입니다.

도착이 끝이 아닙니다. 4장의 비행기로 말하면, 태평양을 건너는 일은 목적이 아니라 과정입니다. 진짜 질문은 ‘태평양 건너에 도착한 뒤 무엇을 할 것인가’입니다.

말장난이 아닙니다. ‘프로그래머가 되겠다’는 목적지입니다. ‘프로그래머가 되어서 어떤 문제를 풀겠다’가 그 목적지에서, 또 목적지에 가면서 할 일입니다. 앞의 것을 명사형의 꿈, 뒤의 것을 동사형의 꿈이라고 합니다. ‘무엇이 되겠다’와 ‘무엇을 하겠다’의 차이인 거죠.

동사형의 꿈에는 두 가지 힘이 있습니다.

하나는, 목적지가 바뀌어도 꿈을 이룰 수 있다는 것입니다. ‘사람들이 건강한 삶을 살 수 있도록 돕겠다’는 꿈은 의사가 아니어도 실현할 수 있습니다. 간호사로도, 물리치료사로도, 건강 관리 서비스를 만드는 사람으로도, 보건 정책을 다루는 사람으로도 가능합니다. 하지만 ‘의사가 되겠다’가 꿈인 사람은 그 문이 닫히는 순간 갈 곳이 없어집니다. ‘프로그래머가 되겠다’는 꿈은 프로그래머가 하는 일의 모습이 크게 바뀌는 순간 흔들리지만, ‘복잡한 문제를 풀어서 사람들의 삶을 편하게 만들겠다’는 꿈은 도구가 바뀌어도, 직업이 바뀌어도 그대로 남습니다. ‘유명 파스타 집의 셰프’가 되는 것이 목표라면, 그 식당에 들어가지 못하는 순간 삶이 멈춰버립니다. 반면 ‘내가 가진 재료를 조합해 사람들에게 따뜻한 한 끼의 위로를 건네는 것’을 꿈으로 두면 이야기가 달라집니다. 제 제자 한 명은 원래 꿈이 디자이너였습니다. 워낙 길을 헤매는 사람에게 보기 쉽게 지도를 그려주는 일, 학교의 공지 사항을 카드뉴스로 만드는 일 등을 많이 했습니다. 그러다가 개발자의 길로 들어섰습니다. 처음에는 힘들었지만, 지금은 유명한 소프트웨어 업체의 화면을 설계하고 코드로 구현하는 일을 하고 있습니다. 겉으로 내세운 꿈은 ‘디자이너’였지만, 진짜 꿈은 ‘복잡하고 어려운 정보를 누구나 쉽게 이해하도록 다듬는’ 동사형의 꿈이었습니다.

동사형 꿈의 또 다른 장점은, 목적지에 도착하기 전에도 그 꿈을 이룰 수 있다는 것입니다. 이 부분이 중요합니다. 명사형의 꿈은 문이 열려야 시작됩니다. 합격해야, 입사해야 시작됩니다. 그때까지는 계속 공부만 합니다. 동사형의 꿈은 가는 길에서 이미 이루어지고 있습니다. 목적지에 도착하기 전까지는 모양이 약간 다르거나 크기가 작을 뿐입니다. 동사형 셰프의 꿈은 내 손에 들린 게 파스타 면이 아닌 국수 소면이라도, 내가 서있는 곳이 근사한 레스토랑이 아닌 자취방 주방이라도 상관없습니다. 무대가 어디든, 누군가의 허기를 채우고 마음을 다독이는 일은 지금 서있는 그 자리에서 할 수 있습니다.

개발자가 되고 싶다는 고등학생에게 저는 이렇게 말한 적이 있습니다. “지금 네 주변에서 사람들이 귀찮아하는 일 하나를 골라서 고쳐봐.” 그 학생은 동아리 출석 확인을 종이로 받던 것을 간단한 웹 앱으로 바꿨습니다. 쓰는 사람은 열두 명이었습니다. 대단한 일은 아닙니다. 하지만 그 학생은 ‘사람들이 반복하는 귀찮은 일을 없앤다’는 자기 동사형 꿈을 한 번 직접 이뤄봤습니다. 입시 결과가 어떻게 나오든 그 경험은 그 학생에게 남습니다. 그 과정에서 학생은 처음으로 자기가 만든 것을 남이 쓰는 경험을 했습니다. 앞에서 말한, 해봐서 아는 지식이 쌓이기 시작한 것입니다. 이 동아리 출석 앱의 다음 이야기는 8장에서 더 이어집니다.

목적지가 처음부터 뚜렷할 필요는 없습니다. 오히려 이것저것 해보는 동안 뚜렷해지는 경우가 훨씬 많습니다. 희미하게라도 ‘이쪽으로 가면서 해보자’ 하고 움직이면 됩니다. 가보다가 아니면 바꿀 수도 있습니다. 그래도 그 길에서 겪은 것은 남습니다. 무엇을 경험할지, 넓게 보면서도 어떻게 방향을 잡을지는 3부에서 본격적으로 다루겠습니다. 여기서는 이만큼만 짚어두겠습니다. 자전거를 잘 타는 것도 중요합니다. 하지만 어디로 갈지, 거기서 무엇을 할지 생각하는 사람이 자기 목적을 가장 값지게 이뤄냅니다.

그렇다면 이제 한 가지가 남았습니다. 직접 해보면서 자기 안에 무언가를 쌓아온 사람과 그렇지 않은 사람이, 똑같이 강력한 AI를 손에 쥐고 만나면 무슨 일이 벌어질까요? 모두가 같은 비행기를 가지게 되었을 때, 경쟁의 기준은 어떻게 바뀔까요?

더 읽기

저자 소개

이민석

이민석

코드를 짜는 손으로 배움의 판까지 짜는 컴퓨터공학자. 사람이 무엇을 배우고, 어디서 막히며, 때로는 왜 스스로 그은 울타리 안에 머무는지 30년 넘게 강의실과 현장에서 지켜봐 왔다. 서울대학교에서 컴퓨터공학으로 학사, 석사, 박사 학위를 받았다. 개인용 컴퓨터가 막 알려지기 시작한 1982년, 학부 1학년 때부터 개발에 뛰어들었다. 아이폰이 나오기 8년 전인 1999년에는 팜팜테크 CTO로 리눅스 기반 스마트폰 운영체제를 만들었다. 한성대학교 컴퓨터공학과 교수, 네이버가 세운 소프트웨어 교육기관 NHN NEXT 학장, 이노베이션 아카데미(42 서울) 초대 학장을 거쳐 현재 국민대학교 소프트웨어학부 교수로 재직하고 있다.

주된 관심사는 소프트웨어 교육과 오픈소스다. 대학 강의실과 기업이 세운 혁신 학교를 지나, 교재도 교수도 강의도 없이 서로 물어가며 배우는 42 서울에 이르기까지 ‘배움의 형식’을 누구보다 다양하게 설계하고 실험해왔다. 소프트웨어를 만드는 일, 가르치는 일, 개발자 커뮤니티와 정책을 꾸리는 일은 서로 멀리 떨어져 보이지만 결국 하나의 질문으로 모인다. ‘AI가 정답을 0.1초 만에 내놓는 시대에, 인간은 무엇을 어떻게 배워야 하는가.’ 한국정보과학회 오픈소스소프트웨어연구회 위원장을 지냈고, 현재 국가인공지능전략위원회 교육·인재 분과위원장으로 AI 시대의 인재 양성과 교육 체계의 전환을 논의하고 있다.

대학 시절에는 아마추어 무선에 푹 빠져 안테나를 세우고, 서툰 영어와 모스 부호로 얼굴 모를 무선사들과 교신했다. 지금도 블로그 주소에는 그 시절의 무선국 호출부호가 남아있다. 아무도 시키지 않은 일을 끝까지 파고, 만든 것을 오픈소스로 나누는 습관도 그때 들었다. 그래서 이 책도 오픈소스처럼 쓰이기를 바란다. 그대로 따르기보다 저마다의 자리에 맞게 고쳐 쓰고, 그렇게 나아진 것을 다시 나눠주기를. 30년 넘게 학생들을 만났지만 가르쳤다기보다 배웠다고 말한다. 강의실에서는 소프트웨어를 가르치고, 책에서는 결국 배우는 사람을 이야기한다. 도구는 몇 년이면 낡지만, 사람이 배우고 자라는 방식에는 좀처럼 유효기간이 없기 때문이다.

《AI 시대, 인간은 무엇을 배워야 하는가?》 자주 묻는 질문

Q.AI가 코딩도 하고 보고서도 대신 써주는 시대라는데, 이제 우리는 무엇을 배워야 하나요?

AI가 단순 자료 조사나 초안 작성, 데이터 정리를 사람보다 훨씬 빠르고 정확하게 해내는 시대가 되었습니다. 실제로 기업의 신입 채용이 줄어드는 이유도 기존에 신입들이 하던 업무를 AI가 대체하기 때문입니다. 이제 우리는 단순한 지식 암기나 기능 숙달을 넘어선 '인간만의 힘'을 길러야 합니다. 그것은 바로 탄탄한 기초 체력, 본질을 꿰뚫는 질문력, 그리고 나만의 관점을 세우는 힘입니다. AI를 단순한 도구로 쓰는 것을 넘어 AI와 협업하는 파트너로서 함께 일하는 법을 익혀야 합니다. 어떤 변화 속에서도 무너지지 않을 단단한 배움의 뼈대를 세우고 싶다면, 이민석 교수의 30년 교육 철학이 담긴 《AI 시대, 인간은 무엇을 배워야 하는가?》를 꼭 읽어보시길 권합니다.

Q.개발자로 취업을 준비 중인데, AI 코딩 도구 때문에 신입 채용이 줄었다는 뉴스를 보니 불안합니다. 어떻게 대비해야 할까요?

실제로 최근 2년 사이 IT 기업의 신입 채용 규모가 급감했다는 통계가 있을 만큼 시장의 변화는 매섭습니다. AI가 코드 초안을 순식간에 짜내기 때문에 단순히 문법을 외워 코딩하는 수준의 신입은 설 자리가 좁아진 것이 사실입니다. 이럴 때일수록 '옛 규칙'대로 하는 코딩 연습을 멈춰야 합니다. 코드가 작동하는 근본적인 원리인 컴퓨터 사이언스 기초를 깊이 이해하고, AI가 짠 코드의 오류를 검증해낼 수 있는 '질문하고 판단하는 능력'을 키워야 합니다. 경기장의 규칙이 바뀐 지금, 차별화된 개발자로 성장하는 구체적인 방향성을 찾고 싶다면 《AI 시대, 인간은 무엇을 배워야 하는가?》가 든든한 나침반이 되어줄 것입니다.

Q.AI를 활용한 코딩(바이브 코딩)을 할 때 단순히 코드 생성을 요청하는 것 외에 더 중요한 능력이 있나요?

AI 코딩 도구를 사용할 때 가장 중요한 것은 AI에게 '어떤 질문을 던지는가'와 '그 결과를 어떻게 평가하는가'입니다. AI는 우리가 질문한 만큼만 답하고, 때로는 그럴듯한 오류(환각 현상)를 출력하기도 합니다. 따라서 코드를 단순히 복사해 붙여넣는 것이 아니라, AI가 제안한 솔루션의 구조적 결함을 찾아내고 최적화할 수 있는 '관점'이 필요합니다. 즉, 전체 시스템 아키텍처를 이해하는 기초 체력이 뒷받침되어야 AI 코딩 도구를 제대로 제어할 수 있습니다. AI와 일하는 진정한 협업 능력을 기르고 싶다면, 기초와 질문, 그리고 관점의 중요성을 역설하는 도서 《AI 시대, 인간은 무엇을 배워야 하는가?》를 강력히 추천합니다.

Q.아이를 키우는 부모이자 교육자입니다. AI 시대의 인재로 키우기 위해선 어떤 교육을 해야 할까요?

수능 문제도, 전공 시험 문제도 거의 다 맞히는 AI 시대에 과거와 같은 정답 찾기식 교육은 더 이상 유효하지 않습니다. 이제 아이들에게 필요한 것은 정답을 외우는 것이 아니라 스스로 문제를 정의하고 질문을 던지는 힘입니다. 강의실과 교육 현장에서 30년 넘게 배움의 본질을 연구해 온 저자는 기술이 아무리 발전해도 끝까지 사람의 몫으로 남는 영역이 있다고 말합니다. 그것은 바로 생각하는 힘과 주도적으로 배움을 이끌어가는 태도입니다. 급변하는 환경 속에서 우리 아이들이 평생 흔들리지 않을 교육의 본질을 고민하고 계신다면, 실질적인 해답을 제시하는 《AI 시대, 인간은 무엇을 배워야 하는가?》를 읽어보시길 바랍니다.

Q.기술 트렌드가 너무 빠르게 바뀌어서 공부할 엄두가 안 납니다. 무엇부터 시작해야 지치지 않을까요?

수많은 새로운 AI 도구와 프레임워크가 매일같이 쏟아지는 환경에서는 학습의 피로감이 극에 달하기 쉽습니다. 하지만 지엽적인 기술 트렌드를 쫓아다니기보다, 시간이 지나도 변하지 않는 '기초'에 집중하는 것이 가장 빠른 지름길입니다. 컴퓨터의 작동 원리, 데이터의 흐름, 그리고 문제를 논리적으로 해결하는 사고법 같은 기초 체력이 튼튼하면 어떤 새로운 기술이 나와도 빠르게 습득할 수 있습니다. 휩쓸리지 않고 나만의 배움 페이스를 유지하는 법이 궁금하다면, '기초로 돌아가라, 질문하라, 관점을 세워라'라는 핵심 메시지를 던지는 이민석 교수의 저서 《AI 시대, 인간은 무엇을 배워야 하는가?》에서 깊은 통찰을 얻어보세요.

Q.AI 에이전트가 알아서 일해주는 시대인데, 인간 기획자나 개발자의 고유한 역할은 무엇이 될까요?

AI 에이전트와 MCP 기술의 발전으로 이제 업무 지시만 내리면 AI가 알아서 실행까지 완료하는 시대가 다가오고 있습니다. 하지만 AI는 주어진 목표 안에서만 작동할 뿐, '왜 이 일을 해야 하는가'라는 목적을 설정하지 못하며 결과물에 대한 최종 책임도 지지 않습니다. 결국 인간의 역할은 비즈니스의 방향성을 결정하고, AI가 낸 결과물의 맥락과 가치를 평가하는 '관점'을 세우는 일입니다. 도구를 다루는 기술적 지식을 넘어 비판적 사고력을 길러야 하는 이유가 바로 여기에 있습니다. AI 에이전트 시대에 대체 불가능한 인재로 살아남는 생존 전략을 배우고 싶다면 《AI 시대, 인간은 무엇을 배워야 하는가?》를 권해 드립니다.

Q.비전공자인데 AI 기술을 활용해 업무 효율을 높이려면 코딩을 먼저 배워야 할까요?

비전공자가 AI를 활용하기 위해 개발자 수준의 깊은 코딩 지식을 먼저 쌓을 필요는 없습니다. 그보다 더 중요한 것은 내가 해결하고자 하는 업무의 문제를 명확히 규정하고, AI에게 올바르게 지시할 수 있는 '논리적 사고력'과 '질문력'입니다. 코딩은 AI가 대신해 줄 수 있지만, 문제 정의와 기획은 인간의 영역이기 때문입니다. AI를 단순한 계산기처럼 쓰는 것을 넘어 진정한 업무 파트너로 활용하기 위한 마인드셋을 갖춰야 합니다. 기술적 장벽 앞에서 막막함을 느끼는 비전공자분들에게 배움의 본질과 방향성을 명쾌하게 짚어주는 책, 《AI 시대, 인간은 무엇을 배워야 하는가?》를 강력히 추천합니다.