인공지능개론 레포트 - 새로운 시대에 요구되는 인재상은 어떤 사람인지 기술하고, 이에 대비하기 위해 사회와 개인이

I. 서론

작년 팀 과제에서 발표 자료의 초안을 만드는 데 생성형 인공지능을 써 본 적이 있다. 몇 줄의 요청만 넣었는데 순식간에 목차와 설명이 나왔다. 처음에는 시간이 굉장히 많이 줄었다는 생각이 들었다. 그런데 자료를 읽다 보니 그럴듯한 문장 사이에 근거가 약한 설명이 섞여 있었고, 같은 말을 길게 돌려 말한 부분도 있었다. 결국 팀원들이 다시 자료를 찾고 문장을 고쳤다. 그날 이후 인공지능 시대에 필요한 능력을 빠른 사용법으로만 생각하기 어려워졌다. 도구가 빨라질수록 사람은 무엇이 맞는지 판단하고, 무엇을 맡기며, 결과에 누가 책임질지 정해야 한다. 새로운 시대의 인재는 기계를 잘 다루는 사람보다 기술과 사람의 역할을 나눌 줄 아는 사람에 가깝다.

II. 본론

1) 답을 잘 찾는 사람보다 질문을 다시 세우는 사람

인공지능이 널리 쓰이는 환경에서는 지식을 외워서 꺼내는 능력의 값이 예전과 같기 어렵다. 검색과 생성 도구는 이미 많은 정보를 빠르게 불러오고 요약한다. 그렇다고 공부가 필요 없어지는 것은 아니다. 오히려 배경지식이 부족하면 결과의 오류를 알아차리기 힘들다. 좋은 질문도 아는 것이 있어야 나온다. 어떤 통계를 더 확인해야 하는지, 설명에서 빠진 이해관계자는 누구인지, 같은 현상을 다른 기준으로 보면 답이 달라지는지를 묻는 힘은 전공 지식과 사고 습관이 함께 있어야 생긴다. 인공지능에게 질문을 많이 던지는 것과 문제를 제대로 정의하는 것은 꽤 다르다.

OECD는 미래 교육에서 지식과 기술뿐 아니라 태도와 가치, 학습자의 주도성을 함께 강조한다. 정해진 지시를 정확히 수행하는 능력보다 낯선 상황에서 방향을 잡고 책임 있는 선택을 할 수 있는 역량을 중요하게 본다는 뜻이다. 인공지능이 만든 답을 읽는 상황에 대입하면 차이가 분명해진다. 예를 들어 지역 축제의 예산을 줄일지 묻는다면 프로그램별 비용만 계산해도 답은 나온다. 하지만 축제가 동네 상권, 주민 관계, 청소년 활동 공간에 미치는 영향을 함께 묻기 시작하면 문제의 모양이 달라진다. 숫자 계산은 도구가 잘할 수 있어도 무엇을 계산 항목에 넣을지는 사람이 정한다.

새로운 인재에게 필요한 또 하나의 힘은 서로 다른 분야를 연결하는 능력이다. 인공지능 서비스 하나만 봐도 컴퓨터 기술만으로 끝나지 않는다. 개인정보, 저작권, 편향, 노동 변화, 교육 격차가 함께 따라온다. 개발자는 기술만 알아서는 부족하고, 정책 담당자는 기술의 작동 방식을 전혀 모른 채 규칙을 만들기 어렵다. 의료 분야에서도 예측 모델의 정확도가 높다는 사실만으로 실제 사용이 정당화되지는 않는다. 환자가 어떤 설명을 받아야 하는지, 오류가 났을 때 책임을 어떻게 나눌지, 데이터에 적게 포함된 집단이 불이익을 받지 않는지까지 다뤄야 한다. 서로 다른 언어를 쓰는 사람 사이에서 뜻을 번역하고 공통 문제를 잡는 능력이 커질 수밖에 없다.