인공지능은 어디서 왔고, 우리는 어떻게 써야 할까?
Q1. 인공지능의 의미와 역사?
인공지능이란?
인공지능, 즉 AI(Artificial Intelligence)를 한마디로 정의하자면 '인간의 지적 능력을 컴퓨터로 구현한 기술'입니다. 우리가 흔히 쓰는 계산기가 입력된 숫자만 정확히 계산하는 도구라면, 인공지능은 사람 처럼 경험이나 데이터를 통해 학습하고, 상황을 추론하며, 시각과 청각을 통해 세상을 인식하는 능력을 갖춘 기계라고 보시면 됩니다.
‘인공지능’ 용어의 탄생과 발전
‘인공지능이라는 용어는 1956년, 미국 다트머스대학에서 열린 ‘다트머스 회의’에서 처음 제안되었습니다. 이 회의는 컴퓨터 과학자 존 매카시(John McCarthy)를 중심으로, 마빈 민스키(Marvin Minsky), 클로드 섀넌(Claude Shannon), 앨런 뉴얼(Allen Newell) 등 다양한 분야의 석학들이 모여 “기계가 인간처럼 학습하고 지능을 모방할 수 있다”는 가설을 탐구하기 위해 시작된 역사적 사건이었습니다.
회의 참가자들은 “한여름 동안 소수의 연구자들이 모여 연구하면 상당한 진전을 이룰 수 있을 것”이라 낙관했지만, 인간의 지능은 생각보다 훨씬 복잡했기에 기대에 미치는 결과를 얻지 못했습니다. 이후 AI 연구는 여러 번의 ‘AI 겨울(AI Winter)’이라 불리는 침체기를 겪게 되죠.
기술 발전과 재도약
그러나 2000년대에 들어서면서, 인터넷 보급, 머신러닝 및 딥러닝 알고리즘의 발전, 그리고 GPU(그래픽 처리 장치)의 활용이 맞물리며 AI는 다시 급속히 발전하기 시작했습니다. 특히 GPU는 원래 게임 그래픽 처리를 위해 개발된 장치였지만, 대규모 데이터 병렬 연산에 최적화되어 딥러닝 학습 성능을 극적으로 향상시켰습니다.
인류가 기억하는 두 가지 AI의 분기점
첫 번째는 2016년, 구글 딥마인드의 인공지능 ‘알파고(AlphaGo)’가 이세돌 9단과의 바둑 대결에서 4대 1로 승리하며 세상을 놀라게 한 사건입니다. 이는 AI가 인간의 전략을 단순히 모방하는 수준을 넘어, 스스로 학습하고 새로운 전략을 창조할 수 있음을 입증한 계기였습니다.
두 번째는 2022년 11월, 오픈AI(OpenAI)의 ‘ChatGPT’ 출시입니다. 이 모델은 인간 언어를 이해하고 창조적으로 생성하는 능력을 지녀, 인공지능이 실생활 속 소통과 창작의 영역으로 확장되었음을 보여주었습니다.
결국 인공지능은 하루아침에 등장한 기술이 아니라, 70여 년에 걸친 꾸준한 연구와 시행착오, 그리고 기술 진보의 역사적 결과물입니다. 계산기의 ‘연산기’ 단계에서 출발해, 세상을 인식하는 ‘지각기(Perceiver)’, 그리고 이제는 스스로 창조하는 ‘생성기(Generator)’로 진화한 인류 기술의 결정체라 할 수 있습니다.
보다 상세한 내용은 아래 글에서 확인 가능하십니다.
https://brunch.co.kr/@acc9b16b9f0f430/196
Q2. 최근에 인공지능이 급부상한 이유?
1. 데이터의 폭발적 증가 (Big Data): "학습할 교과서가 무한해지다"
과거 인공지능 연구의 가장 큰 걸림돌은 학습할 '교과서', 즉 양질의 데이터 부족이었습니다. AI가 똑똑해지려면 수많은 사례를 보고 패턴을 익혀야 하는데, 예전에는 이 데이터를 사람이 일일이 입력해야 했기에 한계가 명확했습니다. 하지만 스마트폰, IoT(사물인터넷), SNS가 전 세계적으로 보급되면서 상황이 완전히 역전되었습니다.
인류가 매일 인터넷에 남기는 사진, 영상, 텍스트, 검색 기록 등 디지털 데이터의 양은 기하급수적으로 늘어나, 이제는 '빅데이터'라는 거대한 자원이 형성되었습니다. AI는 인터넷이라는 거대한 도서관을 통째로 읽어들이며 세상의 지식과 언어의 미묘한 뉘앙스를 스스로 학습할 수 있게 되었습니다. 데이터의 양적 팽창은 곧 AI 지능의 질적 향상으로 직결되었으며, 이것이 오늘날 초거대 AI가 탄생할 수 있었던 가장 기초적인 토양입니다.
2. 하드웨어의 혁명 (GPU & Computing Power): "두뇌 회전 속도의 한계를 깨다"
방대한 데이터를 확보했다 하더라도, 이를 계산하고 학습시키는 데 수십 년이 걸린다면 무용지물입니다. 기존의 컴퓨터 두뇌인 CPU(중앙처리장치)는 복잡한 AI의 행렬 연산을 처리하기에는 속도가 너무 느렸습니다. 이때 구세주로 등장한 것이 바로 엔비디아(NVIDIA)의 GPU(그래픽처리장치)입니다.
본래 고사양 게임 그래픽을 구현하기 위해 수천 개의 코어로 데이터를 동시에 병렬 처리하도록 설계된 GPU가, AI 연산에 탁월한 성능을 발휘한다는 사실이 밝혀졌습니다. 이 하드웨어의 혁신 덕분에 과거 슈퍼컴퓨터로도 불가능했던 거대 모델의 학습이 단 며칠, 몇 시간 만에 가능해졌습니다. 강력한 연산 능력을 갖춘 AI 전용 반도체들이 등장하면서 연구 속도는 비약적으로 빨라졌고, 이는 더 크고 복잡한 모델을 실험할 수 있는 물리적 기반이 되었습니다.
3. 알고리즘의 진화 (Transformer & Deep Learning): "문맥을 이해하는 눈을 뜨다"
재료(데이터)와 도구(하드웨어)가 준비되었어도, 이를 요리할 레시피(알고리즘)가 없다면 맛있는 요리는 탄생할 수 없습니다. 과거의 AI는 단어의 순서에 집착하느라 긴 문장이나 복잡한 맥락을 이해하지 못했습니다. 이 판도를 뒤집은 것이 2017년 구글이 발표한 '트랜스포머(Transformer)' 아키텍처입니다.
트랜스포머는 문장 전체의 단어 관계를 한 번에 파악하는 '어텐션(Attention)' 메커니즘을 도입했습니다. 덕분에 AI는 앞뒤 문맥과 숨겨진 의미까지 사람처럼 깊이 이해하게 되었습니다. 이 기술은 이후 GPT와 같은 거대언어모델(LLM)의 핵심 기반이 되었으며, AI가 단순히 앵무새처럼 따라 하는 것을 넘어, 추론하고 창작하는 수준으로 지능을 끌어올린 결정적인 기술적 도약이었습니다.
4. 챗GPT의 등장 (The Advent of ChatGPT): "일상의 언어로 AI와 소통하다"
아무리 뛰어난 기술도 사용하기 어렵다면 세상에 퍼질 수 없습니다. 2022년 말, 챗GPT(ChatGPT)의 등장은 AI 역사에 있어 '아이폰 모먼트'와 같은 결정적인 사건이었습니다. 그 핵심 혁신은 바로 복잡한 코딩이나 전문 지식 없이도, 우리가 평소 쓰는 말, 즉 '자연어(Natural Language)'로 AI에게 질문하고 명령할 수 있게 되었다는 점입니다.
마치 사람과 메신저를 하듯 주고받는 직관적이고 쉬운 대화형 인터페이스는, 전문가의 전유물이었던 AI를 일반 대중의 손안으로 가져왔습니다. "이 보고서 내용을 요약해줘", "디자인 아이디어 좀 줘"와 같은 일상적인 말로 AI의 고성능 두뇌를 마음껏 활용할 수 있게 되자, 전 세계 사람들은 비로소 AI의 효용을 피부로 체감하게 되었습니다. 챗GPT는 기술의 장벽을 허물고, AI를 누구나 쉽게 다룰 수 있는 친숙한 도구로 탈바꿈시켰습니다.
Q3. 생성형 인공지능 Vs 기존 인공지능 차이점?
가장 큰 차이는 AI가 '판별(Discrimination)'하느냐, '생성(Generation)'하느냐에 있습니다.
기존 AI는 '판별사'였습니다. 우리가 흔히 접했던 유튜브 추천 알고리즘, 스팸 메일 필터, 혹은 자율주행차가 표지판을 인식하는 기술을 생각해 보세요. 이들은 입력된 데이터를 보고 "이것은 고양이인가? (Yes/No)", "이 영상은 사용자가 좋아할까? (분류)"와 같이 정해진 답을 찾거나 분류하는 데 특화되어 있었습니다. 기존의 데이터를 분석해서 최적의 판단을 내리는 '똑똑한 분석가'였죠.
반면, 생성형 AI는 '창작자'입니다. 챗GPT나 Gemini 같은 생성형 AI는 단순히 있는 답을 고르는 게 아니라, 학습한 데이터를 바탕으로 세상에 없던 결과물을 만들어냅니다. "고흐 화풍으로 서울의 야경을 그려줘"라고 하면 픽셀 하나하나를 새로 찍어 그림을 그리고, "크리스마스 노래 가사를 써줘"라고 하면 단어들을 조합해 새로운 시를 씁니다.
결론적으로, 과거의 AI가 우리를 대신해 지루한 분석과 분류 작업을 해줬다면, 지금의 생성형 AI는 우리의 아이디어를 구체화해 주는 기획 초안 작성, 이미지 생성, 프레젠테이션 제작, 코딩과 같은 창조적인 영역의 파트너가 되었다는 점에서 근본적인 차이가 있습니다.
Q4. 인공지능이 학습할수록 똑똒해지는 이유?
크게 2가지 방법이 있습니다.
첫 번째는 정답을 알려주고 배우는 방식입니다. 이를 지도학습이라고 합니다. 인공지능에게 문제와 함께 정답을 제공하면, 인공지능은 자신의 예측 결과와 실제 정답을 비교하며 어디서 틀렸는지를 계산합니다. 예를 들어 스팸 메일을 구분하는 경우라면, “이 메일은 스팸입니다, 아닙니다”라는 정답이 함께 주어집니다. 인공지능은 메일에 포함된 단어, 문장 구조, 발신 정보 등을 분석해 스팸일 확률을 계산하고, 예측이 틀릴수록 내부 계산 규칙을 조금씩 수정합니다. 이 과정을 반복하면서 점점 더 정확한 판단을 하게 됩니다.
두 번째는 결과에 대한 보상으로 배우는 방식입니다. 이를 강화학습이라고 합니다. 이 방법에서는 정답을 직접 알려주지 않고, 어떤 행동이 좋은 결과를 가져왔는지 나쁜 결과를 가져왔는지만 알려줍니다. 인공지능은 여러 선택을 시도해 보고, 보상을 많이 받은 행동을 더 자주 선택하도록 학습합니다. 게임 인공지능이 대표적인 예로, 이기면 보상을 받고 지면 불이익을 받으면서 점점 더 좋은 전략을 찾아갑니다. 중요한 점은 인공지능이 사람처럼 의미를 이해하는 것이 아니라, 반복된 경험을 통해 통계적으로 가장 유리한 선택을 학습한다는 점입니다. 이 때문에 학습 데이터가 쌓일수록 더 똑똑해 보이게 됩니다.
Q5. 좋은 답변을 받기 위한 프롬프트 기법?
네, 맞는 이야기입니다. 인공지능은 사용자가 준 입력을 바탕으로 가장 그럴듯한 답을 계산해 내는 도구입니다. 그래서 사용자가 질문을 모호하게 하거나 핵심 정보를 빠뜨리면, 결과 역시 부정확하거나 얕아질 수밖에 없습니다.
이때 도움이 되는 것이 ‘좋은 답을 얻기 위한 3가지 황금 공식’을 알려드립니다.
첫째, 역할 부여(Persona)입니다.
AI에게 “누구처럼 답해야 하는지”를 먼저 지정하면 말투·관점·우선순위가 정리돼 답이 훨씬 선명해집니다. 예: “너는 20년 차 심리상담사야. 내 불안을 줄이기 위해 질문으로 원인을 짚고, 공감 한 문장+실천 팁 3가지를 줘.” 또는 “너는 스타트업 CFO야. 비용 절감안을 리스크와 함께 제시해.”처럼 역할+전문영역+답변 스타일을 같이 주면, 두루뭉술한 조언 대신 ‘그 직업이 할 법한’ 답이 나옵니다.
둘째, 맥락 제공(Context)입니다.
AI는 주어진 정보 안에서만 판단하기 때문에, 예를 들어 기획안처럼 맥락이 중요한 작업일수록 배경 설명이 핵심입니다. 단순히 “기획안 써줘”라고 하면 아이디어 나열 수준에 그치기 쉽습니다. 대신 목적, 대상, 상황, 제약 조건을 함께 제시해야 합니다.
예를 들어 “20대 직장인을 대상으로 한 신규 앱 서비스 기획안이 필요해. 목적은 사용자 체류 시간 증가이고, 경쟁 서비스가 이미 많은 시장이야. 예산은 적고, 3개월 안에 MVP를 출시해야 해. 기획안에는 문제 정의, 핵심 기능 3가지, 기대 효과를 포함해 줘”라고 말하면, AI는 현실적인 판단을 반영한 구조화된 기획안을 제시합니다. 즉 맥락을 주는 것은 방향을 잡아주는 일이며, 결과물의 실용성을 결정짓는 요소입니다.
셋째, 출력 형식 지정(Format)입니다.
좋은 내용도 형태가 엉망이면 쓰기 어렵습니다. 그래서 ‘최종 결과물의 틀’을 먼저 못 박는 게 중요합니다. 예: “3줄 요약→핵심 근거 5개→실행 체크리스트 7개(□ 형태)→주의할 점 3개”처럼 구조를 지정하거나, “표로: 항목/현재 문제/해결책/예상 효과/리스크”처럼 칼럼을 정해주면 됩니다. 또 “존댓말, 1200자 이내, 이모티콘 금지” 같은 규칙을 주면 편집 시간을 크게 줄일 수 있습니다.
https://brunch.co.kr/@acc9b16b9f0f430/148
Q6. 일상에서 활용할 수 있는 예시들?
우리가 일상에서 다양하게 AI를 활용할 수 있습니다.
첫째는 일상 문제 해결입니다.
여행 계획을 세울 때 일정, 여행지, 식사 및 휴식 시간을 고려한 현실적인 계획을 제안받을 수 있습니다.
예: 부모님과 함께 가는 2박 3일 국내 제주도 여행 계획 세워줘.
렌터카 이용 예정이고, 걷는 시간이 너무 길지 않게 코스로 구성해 줘.
카페보다는 자연 경관 위주로 추천하고, 저녁은 조용한 식당으로 부탁해.
또 선물 추천에서는 받는 사람의 나이, 관계, 예산을 입력하면 상황에 맞는 후보를 제시해 줍니다.
예: 결혼 1주년 기념으로 배우자에게 줄 선물 추천해 줘.
예산은 30만 원 정도이고, 실용적이면서도 기념일 느낌이 나는 아이템이면 좋겠어.
평소 향수나 브랜드 의류를 좋아하는 편이야.
이 외에도 운동 계획이나 식단 관리처럼 꾸준함이 필요한 영역에서 개인 조건에 맞춘 실천 가능한 계획을 세우는 데 도움을 줍니다.
예: 체중 유지는 하면서 건강 관리가 목표야.
40대 여성이고 콜레스테롤 수치가 약간 높은 편이야.
기름진 음식은 줄이고, 집에서 쉽게 만들 수 있는 한식 위주의 주간 식단 구성해 줘.
둘째는 글쓰기 분야입니다. 예를 들어 중요한 내용을 담은 문자나 카톡을 보내야 할 때, 말이 너무 딱딱하거나 오해를 살까 걱정되면 인공지능을 활용해 표현을 다듬을 수 있습니다. 실제로 “상대방을 배려하면서도 요청 사항이 분명한 문장”으로 바꿔 달라고 하면 상황에 맞는 문장을 제안해 줍니다. 또 다른 예로 블로그 글이나 제품 후기를 쓸 때, 경험을 간단히 정리해 주면 읽기 좋은 글 구조와 자연스러운 문구로 정리해 주어 SNS 게시글 작성에도 도움을 줍니다.
셋째는 정보 요약과 이해입니다. 긴 기사나 보고서, 논문처럼 한 번에 읽기 부담스러운 자료를 핵심 위주로 요약해 달라고 하면 중요한 내용만 빠르게 파악할 수 있습니다. 예를 들어 30페이지 분량의 보고서를 “의사결정에 필요한 핵심만 정리”해 달라고 요청하면 시간 낭비를 줄일 수 있습니다. 또한 여러 서비스나 상품을 비교할 때도 유용합니다. 예를 들어 두 개 이상의 구독 서비스나 카드 혜택을 비교해 달라고 하면 장단점을 표로 정리해 주어 선택이 훨씬 쉬워집니다.
마지막으로 번역과 심리적 도움입니다. 외국어 이메일이나 문서를 자연스럽게 번역해 줄 뿐 아니라, 단순 번역을 넘어 상황에 맞는 표현으로 바꿔 줍니다. 또한 고민이나 스트레스를 글로 정리해 입력하면 감정을 정돈하고 선택지를 객관적으로 정리하는 데 도움을 주어 일상적인 마음 관리에도 활용할 수 있습니다.
Q7. 대표적인 범용 AI 및 그 특징?
1. ChatGPT (OpenAI)
가장 널리 알려진 범용 AI로, 글쓰기·요약·번역·질문 답변·코딩까지 고르게 잘하는 ‘표준형’ 서비스입니다. 말투가 자연스럽고 설명이 친절해 AI를 처음 접하는 사람도 부담 없이 쓸 수 있습니다. 특정 분야에 치우치기보다 전반적인 완성도가 높아, 일상적인 정보 검색부터 업무용 문서 작성까지 폭넓게 활용됩니다. 다양한 앱과 연동되고 사용 사례가 많아, 막히면 참고할 자료가 풍부하다는 점도 큰 장점입니다.
2. Gemini (Google)
구글 서비스와의 강력한 연동이 핵심인 AI입니다. 구글 지메일, 캘린더, 문서, 드라이브 뿐만 아니라 유튜브와 자연스럽게 연결돼 자료 정리나 요약, 일정 관리까지 한 번에 처리합니다. 특히 유튜브 영상 요약이나 지도 기반 일정 짜기처럼 ‘실제 생활에 바로 쓰이는 기능’이 강점입니다. 텍스트뿐 아니라 이미지·영상 이해와 생성도 뛰어나, AI 비서에 가까운 경험을 제공하는 서비스로 평가됩니다.
https://gemini.google.com/app?hl=ko
3. Claude (Anthropic)
긴 문서와 복잡한 맥락을 다루는 데 특화된 AI입니다. 보고서, 계약서, 논문처럼 분량이 많은 자료를 한 번에 이해하고 정리하는 능력이 뛰어나 기획자나 전문직에서 선호됩니다. 답변 스타일은 다소 보수적이지만 논리적이고 안정적입니다. 또한 코딩 능력이 뛰어나 웹사이트 제작이나 게임 제작시에도 많이 활용되고 있습니다.
4. Grok (xAI)
Grok은 X(구 트위터)와 연결된 AI로, 실시간 이슈와 뉴스 반응이 매우 빠른 것이 특징입니다. 말투가 직설적이고 유머가 섞여 있어 다른 AI보다 개성이 강하게 느껴집니다. 시사·트렌드 질문에 특히 강하고, 무료 사용자에게도 비교적 많은 기능을 제공해 실험적인 사용에 적합합니다. 다만 답변 톤과 성향이 호불호를 탈 수 있어, 정보 탐색용 보조 도구로 쓰는 것이 가장 어울립니다.
Q8. 무료 AI Vs. 유료 AI 차이점?
무료 AI와 유료 AI의 가장 큰 차이는 모델 성능, 쓸 수 있는 양, 그리고 사업적 활용 가능 여부입니다. 무료 AI는 비용이 들지 않는 대신, 이전 세대이거나 경량화된 모델을 사용하는 경우가 많고, 하루·월 단위 사용량, 파일 첨부 용량, 응답 속도 등에 제한이 걸려 있습니다. 또한 API 연동이나 자동화, 상업적 이용이 막혀 있거나 매우 제한적인 경우가 대부분입니다.
반대로 유료 AI는 최신 고성능 모델을 기반으로 더 정교한 분석과 추론을 제공하며, 긴 문서나 대용량 데이터를 한 번에 처리할 수 있는 넓은 컨텍스트를 지원합니다. 이미지·영상 같은 고해상도 멀티모달 기능도 활용할 수 있고, 요청 횟수와 파일 크기 제한 역시 크게 완화됩니다. 여기에 기업용 보안, 권한 관리, 공식 API까지 제공돼 실제 업무 시스템에 붙이기에도 유리합니다.
그래서 AI를 가볍게 체험하거나 개인 공부, 간단한 업무 보조용이라면 무료로 충분히 시작해볼 수 있지만, 고성능 모델을 적극적으로 활용해 완성도 높은 보고서나 이미지·영상 콘텐츠를 만들고 이를 수익이나 비즈니스로 연결하려는 목적이라면 유료 AI를 사용하는 것이 더 합리적인 선택입니다.
Q9. 인공지능이 우리 일상생활에 주는 가장 큰 변화?
답변 ① 생활의 ‘속도와 진입장벽’을 바꾼 변화
인공지능이 가져온 가장 큰 변화는, 예전엔 시간과 전문성이 필요했던 일들이 훨씬 빠르고 쉽게 가능해졌다는 점입니다. 글쓰기, 번역, 정보 정리, 일정 관리처럼 일상적인 작업을 AI가 즉시 도와주면서, 누구나 일정 수준 이상의 결과를 낼 수 있게 됐습니다. 전문가만 할 수 있던 영역의 진입장벽이 낮아지면서, 개인 한 사람이 할 수 있는 일의 범위와 속도가 크게 확장된 것이 가장 큰 변화라고 볼 수 있습니다.
답변 ② ‘도구’를 넘어 ‘함께 일하는 존재’가 된 변화
또 하나의 큰 변화는 인공지능이 단순한 검색 도구가 아니라, 생각을 정리하고 판단을 돕는 동반자처럼 쓰이기 시작했다는 점입니다. 예전에는 사람이 혼자 고민하던 기획, 선택, 문제 해결 과정에 AI가 함께 참여하면서 사고 방식 자체가 달라지고 있습니다. 결국 인공지능은 우리 일상에서 일을 대신해주는 존재를 넘어, 생각과 결정을 보조하는 새로운 파트너로 자리 잡고 있다는 점이 가장 근본적인 변화입니다.
Q10. 인공지능 사용시 주의 점?
답변 ① 인공지능은 ‘정답 기계’가 아니라는 점
인공지능을 처음 쓰는 사람들이 가장 먼저 알아야 할 점은, AI가 항상 정답을 말해주는 존재는 아니라는 사실입니다. AI는 방대한 데이터를 바탕으로 그럴듯한 답을 만들어내지만, 틀린 정보나 과장된 내용을 사실처럼 말할 수도 있습니다. 그래서 법률, 의료와 같이 중요한 정보일수록 한 번 더 확인하는 습관이 필요하고, AI의 답변을 그대로 믿기보다는 참고 자료나 초안 정도로 활용하는 태도가 중요합니다.
답변 ② 최종 판단은 사람이 하기
또 하나의 주의점은 AI에게 모든 판단을 맡기려 해서는 안 된다는 것입니다. 일정 정리, 초안 작성, 아이디어 발상처럼 시간을 줄여주는 작업에는 매우 유용하지만, 최종 판단이나 책임이 필요한 결정은 여전히 사람의 몫입니다. 특히 개인 정보 입력, 업무상 기밀 자료 업로드에는 주의가 필요하며, AI는 ‘대신 생각해주는 존재’가 아니라 ‘생각을 도와주는 도구’로 쓰는 것이 가장 안전한 출발점입니다.
Q11. 인공지능이 인간의 직업을 대체할지?
답변 ① ‘일자리의 소멸’보다 ‘업무 방식의 변화’
인공지능이 인간의 직업을 전부 대신할 가능성은 낮지만, 직업 안에 있는 일부 업무는 이미 빠르게 대체되고 있습니다. 반복적이고 규칙이 분명한 작업, 자료 정리나 기본 분석 같은 일은 AI가 더 빠르고 정확하게 처리합니다. 그 결과 일부 역할은 줄어들 수 있지만, 동시에 AI를 활용해 기획.판단.해석에 더 집중하는 새로운 업무 형태가 만들어지고 있습니다. 직업이 사라진다기보다, 일의 구성 자체가 바뀌고 있다고 보는 쪽이 현실에 가깝습니다.
회계사, 재무 분석가
과거를 떠올려보면 이해가 쉬워집니다. 엑셀(Excel)이 처음 등장했을 때, 주판을 두드리며 계산하던 경리 업무는 사라졌습니다. 그러나 그 대신 엑셀을 활용해 숫자의 의미를 해석하고, 기업의 방향을 제시하는 회계사와 재무 분석가의 가치는 오히려 더 커졌습니다. 도구가 인간을 밀어낸 것이 아니라, 도구를 다루는 방식이 인간의 역할을 바꾼 것입니다.
답변 ② ‘AI가 인간을 대체하는 것이 아니라' AI를 잘 쓰는 사람에게 대체된다
또 다른 관점에서 보면, 사람의 자리를 빼앗는 주체는 AI 그 자체라기보다 AI를 잘 활용하는 다른 사람일 가능성이 큽니다. 같은 직업이라도 AI를 써서 더 빠르고 더 나은 결과를 내는 사람이 경쟁력을 갖게 됩니다. 결국 인공지능 시대의 핵심은 대체냐 생존이 아니라, 어떻게 함께 일하느냐의 문제이며, AI를 도구로 받아들이고 업무에 자연스럽게 연결하는 사람이 유리한 위치를 차지하게 될 것입니다.
