AI 시대의 인재상
AI가 모두의 작업 능력을 끌어올릴수록, 차별화의 축은 '판단'으로 이동한다고 생각한다. 판단을 기르던 전통적인 통로가 좁아지는 지금, 앞으로의 인재상은 무엇일지에 대한 생각을 정리해 보았다.
들어가며
최근 여러 장면들이 유독 눈에 밟힌다.
AI를 활용한다면 정말 쉽게 찾고 해결할 수 있는 문제인데, 원인 후보 앞에서 멈추고 결론이 어긋난 채 마무리되는 장면들.
처음에는 ‘요즘 같은 시대에 왜 AI에게 물어보지 않았을까?‘라는 생각이 들었지만, 곱씹어보니 도구의 문제가 아니라는 생각이 들었다.
물어볼 질문 자체를 만들지 못하는 상태. 즉, 현상을 개념 단위로 쪼개는 훈련의 문제라고 생각되었다.
이 장면들에서 시작된 생각을 하루 동안 자료와 함께 굴려보았고, 그 기록을 남겨보려 한다.
AI는 뒤에 있던 사람을 가장 크게 끌어올린다
AI가 업무 성과에 미치는 영향에 대한 유명한 연구들이 있다.
콜센터 상담원 연구에서는 AI 어시스턴트 도입 후 경험이 적은 상담원의 생산성이 가장 크게 올랐고, 컨설턴트 758명 실험에서는 뒤에 있던 사람이 43% 향상되는 동안 앞서 있던 사람은 17% 향상에 그쳤다.
‘AI는 평준화 기계다’라는 말이 여기서 나왔다.
나도 이 결과 자체는 맞다고 생각한다. 잘 정의된 작업에서는 앞으로도 뒤에 있던 사람들이 상향 평준화될 것이다.
다만 이 연구들이 초기 모델 시절의 데이터라는 점은 기억할 필요가 있다고 생각한다.
평준화된 능력은 더 이상 능력이 아니다
모두가 상향 평준화되는 순간, 그 작업은 더 이상 차별화 요소가 아니게 된다.
엑셀을 잘 만드는 것이 경쟁력이었던 시대가 끝나는 것이지, 엑셀을 못 만들게 되는 것이 아니다.
그래서 격차가 사라지는 게 아니라, 격차가 측정되는 축 자체가 이동한다고 생각한다.
실제로 최신 연구들은 방향이 다르다. 문제가 열려 있고 모호한 작업에서는, 좋은 질문을 만들고 출력에서 틀린 것을 걸러낼 줄 아는 사람이 불균형하게 큰 이득을 본다는 결과들이 나오고 있다.
판단이 무르익지 않은 창업자일수록 AI를 쓰면 오히려 성과가 떨어졌다는 연구도 있었다. 틀린 조언을 기각하지 못했기 때문이다.
이 구조는 조직에서 이미 익숙한 장면이기도 하다. 리딩하지 못하는 사람에게 고급 인력을 붙여도 성과가 나지 않는 것처럼, 유능한 참모를 받은 리더가 틀린 방향을 기각하지 못하면 참모의 능력만큼 더 빨리 잘못된 곳으로 간다.
모델이 강해질수록 이 곱셈의 절댓값은 커질 것이다.
결국 ‘판단’이고, 판단은 ‘느낀 경험’에서 나온다
그렇다면 열린 문제에서 사람들의 성과를 가르는 것은 무엇일까.
나는 ‘판단’이라고 생각하고, 판단은 결국 ‘경험’의 영역이라고 생각한다.
최근 NDC의 기술 면접 영상이 화제가 되었는데, 거기서 ‘그냥 만드는 것’과 ‘느끼고 만드는 것’의 차이라는 표현이 나온다.
같은 결과물을 만들어도, 그 과정에서 무엇이 이상했고 왜 그 선택을 했는지를 몸으로 느낀 사람과 아닌 사람은 다음 문제 앞에서 완전히 다른 사람이 된다.
다만 경험이 자동으로 판단이 되는 것은 아니라고 생각한다.
같은 10년을 보내도, 사건을 개념 단위로 쪼개서 복기하는 사람만 경험이 판단으로 전환되는 게 아닐까 싶다.
일상의 어떤 지점을 보고 사고하는 습관. 결국 이것이 차이를 만든다고 생각한다.
판단을 기르던 통로가 좁아지고 있다
여기서 개인적으로 가장 중요하다고 느낀 지점이 있다.
판단은 전통적으로 주니어 시절의 반복 작업 속에서 길러졌다. 수없이 직접 만들고, 깨지고, 고치면서.
그런데 그 반복 작업을 이제 AI가 흡수하고 있다.
생산의 관점에서는 효율이지만, 학습의 관점에서는 다음 세대가 경험을 쌓을 통로 자체가 좁아지는 것이다. 연구자들은 이것을 ‘전문성 형성 경로의 침식’이라고 부르고 있었다.
이미 판단을 가진 사람과의 격차는 복리로 벌어질 것이고, 이 양극화는 과거보다 심해질 것이 분명하다고 생각한다.
그래서 판단을 어떻게 기를 것인가
‘공부 열심히 해’처럼 포괄적인 답 말고, 실제로 작동할 것 같은 방법을 고민해보았다.
출발점은 이것이다. 전통적 통로에서 판단은 생산 업무의 ‘부산물’로 공짜로 얻어졌는데, 이제 생산과 학습이 분리되었으니 판단 훈련을 별도로 설계해야 한다는 것.
내가 내린 결론은, 판단은 ‘많이 해봄’이 아니라 ‘예측 → 결과 → 복기’ 루프의 회전수에서 나온다는 것이다.
그래서 첫 번째는 순서를 바꾸는 것이다. AI에게 시키기 전에 반드시 내 답을 먼저 만들고, AI의 결과와 비교하고, 어긋난 지점을 파는 것.
예전 주니어가 하루에 두 번 받던 ‘선배와 내 판단의 비교’라는 피드백을, 이제는 하루에 수십 번 받을 수 있다. 같은 도구인데 순서만 바꾸면 대체재가 훈련기가 된다.
반대로 AI의 답을 먼저 보는 순간, 그 회차의 훈련 가치는 0이 된다고 생각한다.
AI에게 시키기 전에, 내 답을 먼저 만들자.
두 번째는 작더라도 끝까지 소유하는 것이다. 큰 일의 파편을 담당하는 것보다 작은 일의 전체를 소유하는 쪽이 훈련 밀도가 높다.
판단은 자기 결정의 결과가 자기에게 돌아올 때만 몸에 새겨진다. ‘느끼고 만드는 것’은 여기서 나온다고 생각한다.
세 번째는 복기를 구조화하는 것이다. 결정할 때 무엇을 왜 선택했고 어떤 결과를 예상하는지 적어두고, 나중에 실제와 대조하는 것.
기억은 사후에 자기 예측을 미화하기 때문에, 기록 없이는 경험이 판단이 아니라 자기확신으로 쌓이는 것 같다.
마지막으로, 학습 밀도가 높은 작업 몇 가지는 의도적으로 AI에게 넘기지 않고 직접 하려 한다.
파일럿이 자동조종 시대에도 수동 비행 시간을 유지하는 것처럼, ‘이 작업에는 내 판단 근육이 걸려 있다’는 것을 식별해서 그것만은 지키는 선별이 필요하다고 생각한다.
마치며
앞으로의 인재상을 묻는다면, 특정 기술을 가진 사람보다 이 루프를 돌릴 줄 아는 사람이 아닐까 싶다.
일상의 사건을 그냥 지나치지 않고, 예측하고, 확인하고, 복기하는 습관을 가진 사람.
그리고 이 재구축 능력 자체가 또 하나의 암묵지라서, 양극화는 여기서 한 번 더 벌어질 것이라고 생각한다.
나도 매일 AI와 일하면서 편한 순서로 흘러가려는 관성을 느낀다. 답을 먼저 보고 싶고, 검증 없이 넘어가고 싶다.
미래에 이 글을 다시 읽을 때, 적어도 ‘내 답을 먼저 만드는 순서’만큼은 지키고 있는 사람이었으면 좋겠다.