AI 사용법보다 중요한 '문제 정의'

과거 수년의 학습이 필요했던 코딩 교육 방식은 노코드를 거쳐 AI에 말로 원하는 기능을 설명하며 프로그램을 만드는 '바이브 코딩' 방식으로 발전했다.

이러한 바이브 코딩은 AI에게 말로 기능을 설명하여 프로그램을 만드는 방식이며, 에이전트 자동화 역시 기술의 발전으로 인간의 개입이 점차 줄어들고 있다.

AI slop은 AI가 학습된 데이터를 바탕으로 평균적인 선택을 내리며 빈칸을 채우는 과정에서 발생하는 현상이다.

겉보기에는 그럴듯하나 사람의 고유한 고민이나 차별성이 별로 느껴지지 않는 결과물을 말하며, 인간이 수행하던 중간 판단의 과정을 AI가 대신함으로써 발생하는 보편적 결과물이다.

사용자가 인지하지 못한 문제는 프롬프트로 명확히 지시하기 어렵다. 내가 알고 있는 문제는 프롬프트에 적을 수 있지만, 아직 모르는 것을 지시할 수는 없기 때문이다.

실제 제품 제작 과정에서 나타나는 예기치 못한 문제들은 직접 수행해봐야 알 수 있는 영역이며, AI가 중간 판단을 대부분 수행할 경우 아이디어 제공자인 인간의 역할이 완성품 사용자와 얼마나 다른지 본질적인 질문이 남는다.

과거 논문이나 프로그램 제작은 기술적 노력과 시간 투자의 증명이었으나, AI로 인해 그 희소성이 사라졌다. 무언가를 만드는 비용이 꽤 비쌌고 시간도 많이 걸렸기 때문에 결과물이 존재하는 것 자체가 어느 정도 능력을 보여주는 신호였다.

그러나 비용이 제로에 수렴하게 되면서 무언가를 생산했다는 사실 자체의 가치가 떨어지고 있다. 컴퓨터 환경 내의 단순 반복 업무나 이전에는 비용 문제로 포기했던 일들이 AI를 통해 대량 수행 가능해졌다.

회사에서 하는 일의 상당수는 세계 최고 수준의 창의성을 요구하지 않으며, 평균적인 목적에 맞는 보고서나 디자인 프로그램을 구현하는 것을 요구한다. 이전에는 일정 수준의 결과물을 안정적으로 만들어 내는 것도 충분한 전문성으로 보았다.

하지만 이제 이러한 일정 수준의 안정적인 결과물 도출은 AI가 가장 잘하는 영역이 됐다. AI는 엄청나게 많은 인간의 결과물을 학습했기 때문에 특정 상황에서의 적절한 선택을 이미 파악하고 있다.

실행 비용이 감소함에 따라 아이디어 테스트가 쉬워졌다. 아이디어가 여러 개 있다면 그냥 만들어보고 결과를 확인하면 된다.

실패 비용 자체가 내려가고 있으므로 대부분 실패해도 괜찮은 환경이 조성되어 단순 구현 전문직의 가치가 하락할 것으로 예상된다.

기획자와 제작자의 역할 분담 체계가 붕괴되고 있다. 오늘 어렵게 배우고 있는 AI 사용법을 내년에는 AI 자체가 해버릴 수도 있기 때문이다.

새로운 툴이 나올 때마다 그 툴의 사용법 자체를 자신의 경쟁력으로 삼는다면, 툴이 쉬워지는 순간 어렵게 익힌 기술의 희소성도 같이 떨어지는 현상이 발생한다. 즉 AI 툴의 사용법을 가르치는 교육은 유효기간이 짧다.

지식이 필요 없어지는 것이 아니라, 도구를 다루기 위한 지식의 가치가 떨어지고 그 결과를 판단하기 위한 지식의 가치는 상대적으로 올라가는 시대이다.

AI가 아무리 그럴듯한 결과를 보여줘도 '현실에서는 그렇게 안 돼'라고 알아차릴 수 있는 능력이 필요하며, 이 능력은 분야의 전문 지식을 통해 AI 결과물을 판단하는 데 요구된다. 경험 많은 사용자가 AI를 활용할 때 강력한 시너지가 발생하며, AI는 기존 10년의 경험을 단축하는 가상 경험을 제공할 수 있다.

컴퓨터를 사용하는 방법 자체가 바뀌고 있다. 과거 키보드 입력 중심의 작업에서 언어적 지시 체계로 과도기를 겪고 있다. 최근에는 어떤 아이디어가 떠오르면 과거처럼 메모하거나 스마트폰에 타자하는 대신, ChatGPT에게 말로 아이디어를 계속 던져놓는다.

이는 아이디어를 정제된 문장이 아닌 생각 그대로 AI에게 전달하며 작업하는 방식으로의 변화를 의미한다.

AI 시대의 생산성 차이는 도구 숙련도가 아닌 문제 정의에서 나온다. 남들이 이미 하고 있는 일을 똑같이 AI에게 시키는 것은 가치 창출로 이어지지 않는다.

반대로 지금까지 아무도 하지 않거나 필요성은 있지만 비용 때문에 하지 못했던 일을 발견해서 AI에게 시킨다면 같은 AI를 가지고도 완전히 다른 생산성을 만들 수 있다. 결국 중요한 것은 일을 시킬 줄 아느냐가 아니라, 어떤 일을 시켜야 가치가 생기는지를 알 수 있어야 하는 것이다.