1. 마이크로소프트 해고가 보여준 것, 어떤 능력으로 살아남아야 하나 (이중학 가천대 교수)
한줄요약: 마이크로소프트 해고가 보여준 것, 어떤 능력으로 살아남아야 하나
| 시간 | 요약 |
|---|---|
| 00:33 | MS의 구조 조정은 중간 관리자의 필요성을 줄이고 있으며, 이는 AI 에이전트와의 협업으로 인해 발생함. 한국에서는 해고가 어려워 팀장들의 면직이 큰 고민으로 남아 있음. |
| 01:34 | 마이크로소프트의 해고 사례는 AI와의 협업이 필수적임을 보여줌. 직장인들은 스스로 목표와 아웃컴을 정의하고 소통할 수 있어야 하며, 이는 조직의 구조와 문화에 큰 변화를 요구함. |
| 03:32 | AI의 발전으로 인해 과거에는 인지 능력이 뛰어난 인재를 채용하는 데 많은 비용이 들었으나, 이제는 AI가 그 역할을 대신할 수 있음. 이는 기업의 채용 전략에 큰 변화를 가져올 것으로 예상됨. |
| 04:35 | AI와의 협업은 이미 현실화되고 있으며, 다양한 기술들이 이를 지원함. 예를 들어, 멀티 에이전트 시스템은 여러 정보를 종합하여 의사결정을 돕는 역할을 수행함. |
| 10:32 | AI와의 협업이 중요해지면서 피드백 주기가 짧아지고, 커뮤니케이션 비용이 줄어드는 추세임. 이는 조직의 효율성을 높이고, 가짜 노동을 줄이는 데 기여함. |
| 23:04 | AI의 발전은 인간의 직무를 대체하는 것이 아니라, 인간의 역할을 보완하는 방향으로 나아가고 있음. 이는 인간과 AI의 협업을 통해 더 나은 결과를 도출할 수 있음을 의미함. |
| 25:02 | AI와의 협업에서 경험과 지식을 바탕으로 피드백을 주는 것이 필요함. 이는 AI의 결과를 개선하고, 더 나은 의사결정을 이끌어낼 수 있음. |
| 34:32 | AI의 발전이 인간의 인지 능력에 미치는 영향을 고려해야 함. AI에 의존하는 경향이 인지 감소를 초래할 수 있으므로, 인간의 사고와 이해가 여전히 중요함. |
2. 스크립트
AI와 함께 일해야 하는 시대에 리더가 직접 써보지 않으면 지시를 할 수 없습니다. 결과가 괜찮은지, 구성원의 역량이 어떤지 평가할 수도 없습니다. 구성원들도 써봐야 의미 없는 노동은 AI에 맡기고 의미 있는 노동에 네 시간을 할애할 수 있습니다. AI 활용은 어디서부터 시작해야 할까요? 리더와 구성원이 함께 봐야 하는 AI와 함께 일하기 강좌입니다. [음악] 최근에 마이크로소프트에서 6,000명에서 7,000명 정도 해고를 발표했습니다. MS 구조 조정의 퀄리티를 잘 보면 중간 관리자들이 대부분 레이오프된 것입니다. 그 역할 자체가 AI 에이전트를 함께함에 있어서 필요 없는 사람들을 줄이는 방향으로 진행된 것입니다. 조직 구조를 압축시키는 것이죠. 위에서 떨어진 일을 아래로 내려주고, 아래에서 했던 일을 받아서 올리는 중간 관리자들은 이제 필요가 없어지는 것입니다. 회사의 CEO와 리더들은 고민하겠죠. '사람이 진짜 필요해.' 네, 안녕하세요. 티타임즈 홍재 기자입니다. 오늘은 이중학 교수님과 인터뷰하는 시간을 가져보도록 하겠습니다. 안녕하십니까? 기생 반갑습니다. 책 관련해서 이야기를 나누면 첫 질문이 항상 '왜 책을 쓰셨는가?'로 가는데, 저는 좀 다르게 한번 해보겠습니다. 스포일러일 수도 있는데, 후반에 보면 '앞으로 인공지능과 협업하는 사람은 살아남고, 그렇지 못하면 도태될 것이다'라고 써 있습니다. 요즘 실제로 그런 일이 벌어지고 있지 않나요? 네, 맞습니다. 최근에 마이크로소프트에서 대규모 구조 조정을 발표했습니다. 6,000명에서 7,000명 정도 해고를 발표했으며, 앞으로 메타, 구글 등 여러 회사에서도 대규모 레이오프가 예정되어 있습니다. 사실 오랫동안 마이크로소프트는 꽤 안정적이고 해고가 없기로 유명한 회사였습니다. 그런데 그 회사가 갑작스럽게 그렇게 많은 인원을 해고한다고 발표한 것은 실제로 우리 조직에 AI가 들어와서 일과 일하는 방식을 바꾸고 있다는 것을 보여줍니다.AI와 관련된 구조 조정은 대규모이기도 하고, 갑작스럽게 진행되다 보니 분위기가 좀 불안한 것 같습니다. 현재 쇼피파이 CEO도 AI와 함께 일하지 않는 사람부터 정리된다는 느낌으로 발표했습니다. 국내외에서 그런 일들이 많이 벌어지고 있죠. 예를 들면, 인디드라는 미국의 가장 큰 채용 사이트가 있습니다. 채용 공고의 숫자를 보면, 실제로 생성형 AI가 나온 이후로 지속적으로 공고의 숫자가 줄어들고 있습니다. 이는 사람이 어느 정도 필요 없거나 대체되고 있다는 것을 반증하기도 합니다. 쇼피파이, 듀오링고 등 외부로 많이 밝혀지지 않은 많은 국내외 회사들이 이미 관련된 작업들을 시작했습니다. 저도 고민을 같이 하고 있어서 걱정도 되기도 하는데, 어떻게 적응할 것인가가 큰 질문이자 고민거리가 아닐까 싶습니다. 기사를 하나 읽었는데, 사스를 사용하면서 인력 효율을 가져가는 흐름이 있었잖아요. 지금 그 흐름이 계속되고 있습니다. 그런데 사스가 AI 에이전트로 대체하기에 좋다는 이야기도 있습니다. 맞습니다. 이제 사스 시장 자체가 AI 에이전트로 대체된다는 표현도 하고 있고, 더 나아가 애플의 사파리 관련 기사에서 사파리의 검색량이 사상 최초로 구글 검색량을 밑돌았다는 보도가 있었습니다. 이는 우리가 검색하고 자료를 관리하며 데이터를 분석하는 방식이 AI 에이전트 혹은 AI에 의해 많이 바뀌고 있다는 것을 보여줍니다. 이러한 변화가 조직에 들어오는 순간, 회사의 CEO와 리더들은 '사람이 진짜 필요해'라는 실질적인 고민을 하게 되는 것 같습니다. 우리나라의 경우에는 반대의 의미도 있다고 적어주셨습니다. 즉, 노동 인구가 점점 줄어들다 보니 AI가 더 들어오기 좋은 환경이라는 말씀이시죠? 맞습니다. 한국에 있는 대학교 숫자가 300개가 넘는다고 하더군요. 대학교의 숫자가 2030년이 되면 굉장히 많은 숫자까지 줄어들 수 있습니다. 2040년이 되면 절반으로 줄어들 수도 있습니다. 대학생의 숫자가 줄어든다는 것은 회사에서 뽑아올 수 있는 인력의 총량도 줄어든다는 얘기입니다.
실제로 인력이 부족하면 많은 분들이 이민 정책이나 정년 연장 등을 생각하지만, 사실 쉽지 않습니다. 어쩔 수 없이 기술을 도입하거나 AI 에이전트가 조직에 들어와 부족한 인력을 채워넣는 조건이 필요할 것 같습니다. 인적 자본의 수준을 높이는 것이 현재 우리 조직에서 가장 현실적인 대응 방안일 것 같고, 생산성을 높이는 방법으로는 AI를 활용해 함께 협업하는 미래 방향이 가장 쉽고 빠른 방법이지 않을까 싶습니다. 최근에 국내 모 그룹도 발표를 했습니다.. 에이전트와 함께 일하는 준비를 하기 위해 전담 조직을 따로 마련했습니다. 그런데 그건 사실 미국 회사들이 이미 하고 있던 움직임이에요. 우리가 잘 아는 A사, G사 같은 회사들은 이미 AI 에이전트가 일하는 방식에 들어와서 함께 협업할 수 있도록 옆에서 도와주고 있습니다. 그렇기 때문에 사실 이미 와 있고, 이미 일어나고 있는 현상이지 않을까 싶습니다. 하나만 더, 여기서 좀 재밌는 내용이 있어서 짚고 가면, 가짜 노동과 진짜 노동 이야기가 나오잖아요. 그 면에서도 지금 AI가 좀 필요한 겁니까? 실제로 우리가 하는 노동의 상당 부분은 의미가 없거나 가치를 창출하지 못하는 노동이 근무 시간에 굉장히 많습니다. 그런데 이걸 AI 에이전트와 함께 일한다고 하면 가짜 노동이 숨을 공간이 없어지는 거죠. 한국일보에서의 실험을 보면 하루에 한국 직장인들이 평균 2.5시간 정도 가짜 노동을 한다고 하더라고요. 물리적으로 일반화하기는 어렵지만, 저도 회사 다닐 때 사실 가짜 노동을 많이 했거든요. 왜 제가 가짜 노동이라고 표현하냐면, 가짜 노동의 대표적인 예가 보고서 작성이나 보고를 위한 회의, 즉 목적 없는 회의 같은 것들이거든요. 1년에 그 가짜 노동들이 의외로 조직에서 많은 시간을 차지하고 있습니다. 그렇다면 AI 에이전트와 일할 때 그런 가짜 노동도 할 수가 없잖아요. 그러면 정말 많이 돌아보게 됩니다. 제가 최근에 많이 하는 활동이 뭐냐면, 개개인 분들께 지난 한 달 동안 했던 과업들을 다 정리해 주시고, 그 과업을 할 때의 목적과 결과물, 그리고 어느 정도 시간이 걸렸는지를 다 적어 보게끔 했어요. 그렇게 다 적어 보면 의외로 많은 시간들이 의미 없거나 가짜 노동에 쓰이는 경우를 돌이켜볼 수 있는 계기가 되더라고요. 생각보다 많은 영역에서 자동화할 수 있는 부분도 있고요. 사실 이 활동을 하면 내가 언제, 어떻게 시간을 투여했고 실제로 어떤 가치를 만들어냈는지를 돌이켜볼 수 있거든요.
그런데 좀 어려워하시더라고요. 제가 이 말씀을 드리는 이유는 의외로 우리는 조직에서 '내가 이 일을 왜 해야 하지?'라고 많이 생각할 시간과 여유가 없습니다. 대표적으로 주어진 일을 하거든요. 이것은 세스 고딘의 '의미 시대'라는 책을 보면 어떤 표현이 나오냐면, 사람들은 한두 가지 정도로 나눌 수가 있습니다. 하나의 분류는 주어진 일을 주로 하는 사람들이고, 어떤 사람들은 주어진 일이라고 하더라도 본인이 의미를 부여하고 혹은 그 일에서의 가치를 스스로 정의하는 사람들입니다. 그렇게 놓고 봤을 때, 주어진 일을 하는 사람보다는 일을 스스로 정의하고 만들어내는 사람들이 아무래도 몰입과 결과물에 더 좋다는 거죠. 전 이게 AI 시대에 더 중요하다고 생각합니다. 주어진 일을 오랫동안 해왔던 사람들은 AI 에이전트가 들어와서 이제 함께 일해 보라고 하면 스스로 잘 정의하지 못해요. 조직에서 일하라고 해서 그동안 해왔고, 시간도 그에 따라서 다 배분해서 일해왔는데, AI 에이전트가 주도적으로 일을 시키기도 하고 피드백도 주고 소통해 보라고 하면 굉장히 힘들어합니다. 그렇기 때문에 이를 스스로 디자인하고 정의할 수 있는 능력이 의외로 매우 중요해요. 그런데 저희를 보시는 시청자분들께서 그렇지 않으시겠지만, 생각보다 많은 분들이 이 일을 디자인하고 정의하는 것을 어려워하십니다. 일을 디자인하고 정의하는 분들이 보통 일을 받아서 하는 사람에게 일을 주는 경우가 많잖아요. 그렇게 팀이 되는 경우가 많습니다. 그런데 AI가 그 역할을 대신해 주기 때문에 앞으로는 제일 먼저 대체되실 분들이 일을 받아서 하셨던 분들이네요. 너무 좋은 표현이에요. 저는 이제 원래 제 이전 책 '데이터와 사례로 보는 미래 직장'에서 '모든 사람이 보스가 된다'라는 표현을 했는데, 흥미롭게도 최근에 MS에서 발표한 대표적인 연구에서도 거의 똑같은 표현을 씁니다. 모든 사람이 에이전트 보스가 된다. 그래서 MS보다 제가 빨랐다는 점을 알아봐 주시면 좋을 것 같습니다. 결국 모든 직장인들이 구성원들이나 팔로우들을 갖고 일을 시킬 수 있어야 합니다. 그 말은 그럼 이 일의 목적이 뭐고 목표가 뭐고 실제로 아웃컴을 어떻게 측정할 수 있는지를 스스로 정의할 수 있고 표현할 수 있어야 하며, 혹은 에이전트들에게 피드백을 주고 소통할 수 있어야 한다는 것입니다. 그런데 그 준비가 잘 되어 있지 않습니다.
그래서 대표적으로 최근에 MS의 구조 조정을 잘 들여다보면, 이게 '플래튼드 얼리제이션'이라고 표현하는데, 쉽게 말하면 조직 구조를 압착시키는 것입니다. 옛날처럼 여러 층의 레이어가 있지 않고, 이제는 중간 관리자들 중에서도 위에서 떨어진 일을 해석해서 아래로 전달하고, 아래에서 했던 일을 받아서 올리는 전통적인 의미의 중간 관리자들은 이제 좀 필수적이지 않게 되었습니다.. 요가가 없어지는 거죠. 그래서 MS의 구조 조정의 퀄리티를 잘 보면, 물론 직무의 특성상 대체되는 사람도 있겠지만, 그 중간에 중간 관리자들을 사실 레이오프한 거거든요. 그러니까 레이어를 줄인 거예요. 이게 단순히 사람들이 필요 없어서 줄인 게 아니라, 그 역할 자체가 AI 에이전트와 함께함에 있어서 필요 없는 사람들을 줄인 거예요. 그래서 요즘 조직들이 슬림화된다고 합니다. 이 수직적 조직을 이렇게 줄이는 거예요. 그러면 너무 죄송한 표현이지만, 중간에 있던 분들 중에서 그런 역할을 전달하고 시키고 단순히 기계적으로 했던 중간 관리자들은 필요가 없는 거죠. 그 사람들에게 AI를 주고 직접 하라고 하면 잘할 수도 있는데, 그렇죠. 그분들도 역할을 분배해 줘야 해서, 이게 두 가지 차이가 있습니다. 미국은 해고할 수 있는데, 한국은 해고할 수 없거든요. 그래서 요즘 한국의 많은 조직들에서 소위 말하는 인사에서 가장 큰 고민 중 하나가 면직된 팀장님들이에요. 한국은 아무래도 아직 나이가 많거나 경험이 많은 분들이 팀장을 하기를 구성원도 원하고 본인도 원하거든요. 그런데 그분들이 면직되면 해고도 어렵잖아요. 이분들에게 무슨 일을 시킬지가 굉장히 고민인데, 그 관점에서 요즘 직무 전환, 리스킬링, AI 에이전트와 함께 일하는 것들이 더 많이 나오고 있기도 합니다. 방금 말씀해 주신 내용을 제가 와닿은 인터뷰에서 들었는데, 출연해 주셨던 원지랩스의 곽금봉 대표님이 네거를 그대로 말씀해 주셨습니다. 거기서 두 가지 정도 이야기가 지금 와닿는데, 곽금봉 대표님이 말씀하신 게 AI와 일하게 하면서 피드백의 주기를 굉장히 짧게 가져간다는 것입니다. 예전처럼 오래 걸릴 일이 아니고, 오래 생각한다고 퀄리티가 나오지 않기 때문에 일단 빨리 한 2, 3시간 만에 피드백을 다시 이야기하자고 해서 피드백을 주고 그다음 방향으로 가는 거죠. 그래서 훨씬 더 시간을 잘게 쪼개서 일을 한다는 부분이 하나가 있었고, 또 하나는 커뮤니케이션 코스트를 줄여야 한다는 말씀을 하셨는데, 지금도 말씀해 주신 것처럼 조직에 여러 가지 레이어가 있었다고 하면, 그걸 압착시켜서 커뮤니케이션 코스트를 줄여 버리는 거잖아요. 그 부분이 지금 세계적인 흐름으로 가고 있는 것입니다.
지금 이미 그렇게 가고 있고요. 이제 두 가지가 좀 더 있을 것 같은데, 하나는 커뮤니케이션 코스트를 줄일 수 있는 가장 중요한 원동력 중 하나는 그동안 우리가 커뮤니케이션을 했던 자료들과 소통이 대부분 제 개인 PC나 혹은 슬랙, 팀즈 같은 데 들어가 있으면, 요즘은 AI 에이전트가 그 기록된 것들을 요약해 주기도 하고 알림을 해 줍니다. 다시 말해 소통에 대한 코스트를 굉장히 줄였고, 시간도 줄였죠. 심지어 요즘은 잘 아시겠지만, 저희 지난번에 강수님 박사님이 해 주신 것처럼 슬랙에 MCP를 연결해 가지고 데이터를 한 번에 올리고 공지해 주고 알림을 해 주는 것들이 너무 당연해진 시대이기 때문에 커뮤니케이션 코스트가 줄었다는 것이 너무 당연합니다. 두 번째는 최근에 MS나 구글 같은 데들은 개인들에게 에이전트들이 붙어 있습니다. 그래서 팀즈가 대표적으로 관리자들에게 미팅 전에 알림을 해 주기도 하고, 이메일을 정리해서 요약해서 보내 주기도 하거든요. 그 말은 기존에 우리 팔로워들이 한 페이지 요약해서 리마인드해 준다든지 이런 것들이 없어지고 있거나 효율화되고 있기 때문에 정말 빨리 변하고 있는 것 같습니다. 그렇게 되면 이제 가짜 노동을 할 시간이 줄어드는 거잖아요. 사실 가짜 노동은 조직에서의 인간다운 룸이 있다고 볼 수 있는 건데, 호흡이 굉장히 짧아져요. 숨 쉴 공간이 없다라고 해야 될까요? 그런데 그게 또 오히려 보면 좋은 게 빨리 끝내고 다른 일을 할 수 있는 거기 때문에 저는 그렇게 해석합니다. 많은 분들이 강의하다 보면 저에게 꼭 이런 피드백을 주세요. '당신은 너무 피곤한 얘기를 한다. 변화하란 얘기하고 자꾸 협업하라고 하는데.' 그럼 저는 오히려 반대로 뭐라고 돌려 드리냐면, '내가 없어지는 것보다 피곤한 게 낫다.' 그런 답변을 드리기도 합니다. 그러니까 숨 쉴 수 없다. 다른 말로 얘기하면 이제 좀 숨 쉴 수 있는 여유가 줄어든다는 건데, 맞아요. AI를 잘 활용해서 AI형 인재의 역할을 직접 몸소 하고 계시는 분들을 보니까, 몇 년 사이에 생산성이 엄청 늘어난 것 같더라고요. 그 얘기는 뭐냐면 시간을 굉장히 쪼개서 쓰시고 훨씬 더 일을 많이 하세요. 그러니까 사람이 레이오프가 된다는 얘기는 이 사람 역할을 누군가가 하는 거거든요. 그러니까 AI가 나를 데리고 가는 게 아니라 집으로 보내는 게 아니라, AI를 쓰고 있는 지금 생산성이 높은 분들이 두 명, 세 명의 역할을 하는 거잖아요. 그러니까 도태되거나 피곤하거나 둘 중에 하나네요. 맞습니다.
실제로 저는 제 개인적인 생산성 지표로 보면 2022년 11월.... 28일에 최지T가 나왔거든요. 그 이후를 제가 대략적으로 계산해 봤더니 제 생산성은 적어도 세 배에서 다섯 배는 올라간 것 같아요. 확실히 이게 AI 에이전트랑 협업한 덕도 있겠지만, 분명히 일하는 방식에서 이 친구가 도움을 많이 줍니다. 그래서 스케줄을 짜거나 아이디에이션을 하거나 시각화를 하거나, 에이전트랑 거의 팀을 짜서 일하는 요즘 느낌이 많이 들거든요. 제 집에 PC와 노트북이 한 네, 다섯 대가 있고 모니터가 한 네 대 정도 있거든요. 그러면 그 모니터에 각각 연결해 놓아요. 각각 연결해 놓고 한쪽 한쪽 보면서 계속 제조합하거든요. 생각해 보고 자료를 찾고, 그렇기 때문에 물론 구동료가 많이 되긴 하지만 생산성은 분명히 많이 올라갔고요. 그런데 이제 생산성이 올라가면 좀 여유 시간이 있어야 되는데, 감사하게도 일을 계속 주셔서 일이 계속 많으신 것 같긴 합니다. 원래 일 많이 하는 사람한테 일은 계속 가니까요. 그런데 AI를 잘 이용하게 되면 제 몸을 갈아넣는 것도 어쩔 때는 조금 더 덜 피곤하게 할 수 있는 거니까요. 맞습니다. 예전에는 저 스스로도 직장 다니면 제일 힘들었던 게 보고서였어요. 요즘은 그 보고서에 대한 스트레스도 좀 덜해요. 왜냐하면 제가 물론 누구에게 예쁜 보고서를 만들 필요성도 없는 것도 있지만, 두 번째로는 AI 에이전트가 보고서 초안을 너무 잘 만들어 주는 것도 있고요. 여러분들이 보셨겠지만, 젠스파크에서 최근에 나온 AI 슬라이드 기능을 쓰면 PPT를 정말 잘 만들어 주거든요. 좀 깜짝 놀랍니다. 그 젠스파크가 크레딧이 물론 들지만, 여러분들이 지금 회용 가입하시면 크레딧을 무료로 쓸 수가 있거든요. 그걸 쓰시면 AI 슬라이드를 기가 막히게 만들어요. 원래 우리가 오랫동안 썼던 PPT는 감마라는 친구가 꽤 유명했잖아요.
이 감마라는 친구는 텍스트를 쭉 긁어 가지고 얘한테 그냥 텍스트로 프롬프팅을 하면 이미지를 연계하고 목차를 만드는 걸 잘했다면, 젠스파크라는 친구는 조금 더 구조화를 잘하고요. 이미지를 그 상황에 맞게끔 만듭니다. 더 강점은 뭐냐면 만드는 과정을 보여줘요. 그게 굉장히 강점이기 때문에 젠스파크 AI 슬라이드는 좋습니다. 그래서 저는 요즘 어떻게 좀 콤비네이션을 많이 하냐면, 저희 김덕중 소장님께서 소개해 주셨던 펠로우 AI라는 친구를 되게 좋아하거든요. 펠로우 AI는 구조화를 되게 잘해요. 그런데 구조화하는 건 돈이 안 되거든요. 그럼 저는 구조화했던 걸 쭉 긁어 가지고 젠스파크나 감마 같은 데 넣어요. 그럼 얘네들이 오히려 구조화하는 코스트가 적거든요. 체리 피커이네요. 맞습니다. 보고서를 과거에는 제가 한 땀 한 땀 만들어야 했던 걸 초안은 얘가 잘 만들어 줘요. 그러면 얘를 바로 쓰긴 어렵거든요. 초안만 되면 거기서 저는 일부 외부 강의를 하거나 할 때는 일부 활용하기도 합니다. 혹은 제가 하는 많은 일들 중에 하나가 데이터 분석 쪽도 있어요. 데이터 분석 쪽에서도 예전에는 사실 데이터 분석 영역의 진입 장벽이 되게 높았거든요. 예를 들면 통계에 대한 이해도 있어야 되고, 시스템에 대한 이해도 있어야 되고, 많이들 활용하시는 컴퓨터 언어인 파이썬이나 그 내용에 대한 이해가 있어야 했는데, 요즘은 진입 장벽이 되게 낮아졌습니다. 확실히 과거와는 좀 다르게 프로그램 언어, 예를 들면 저희 간박사님께서 하신 커서를 쓰시는 것도 좋고, 구글에서 나온 코랩 같은 경우는 아예 데이터 사이언티스트들을 위한 모듈처럼 왼쪽 화면에는 주피터 노트북을 표방한 혹은 따라한 인터페이스가 보이고요. 오른쪽에는 제미나이가 보여요. 그러면 제미나이한테 분석할 것들을 프롬프팅해서 왼쪽에다 붙이면 되고요. 데이터도 바로 업로드할 수 있습니다.
이런 것처럼 데이터 사이언티스트 영역에서도 이미 많은 생성형 AI가 이를 효율화하고 있기 때문에, 제가 예전에 데이터 전처리하고 갈아놓고 시각화하고 코드 짜고, 예전에 트러블 슈팅하면 파이썬 같은 경우 에러 코드를 보여주거든요. 그럼 제가 했던 건 파이썬의 에러 코드를 긁어 가지고 구글에 가서 트러블 슈팅했던 것들을 다 긁어서 봤다면, 요즘은 그냥 클릭해서 얘가 트러블 슈팅하는 것들을 직접 고쳐 주기도 하고, 커서는 그렇게 고쳐 주기도 하고, G피토 노트북에서 했던 것들을 GPT나 제미나이 같은 애한테 물어보면 너무 잘 가르쳐 줘요. 최근에 데비스 아사비스가 알파 이볼라 알고리즘을 공개했거든요. 얘는 자기 발전이 가능한 친구예요. 데이터 사이언티스트 영역에서도 코드를 제가 발전시키고 교정하고 스스로 문제 정의하고 하는 겁니다. 너무 빠릅니다. 그래서 이 분석 영역에서도 많은 부분들을 생성형 AI가 효율화해 주고 있기 때문에 제 생산성은 분명히 많이 올라갔습니다. 지금 어려운 이야기들이 좀 왔다 갔다 했는데, 알아드실 분들도 계시겠지만, 조금 더 쉽게 이야기한다고 하면 컴퓨터가 고장 났을 때 우리 구글에다 엄청 쳐서 해결하는 것과 비슷합니다.. 보잖아요. 어, 여기 에러 뭐 B 어쩌고저쩌고 나왔는데 이거 어떻게 해야 되죠? 이제는 다 하나하나 검색해 가면서 어디 블로그에 들어가 보고, 여기 들어가서 꼭 그런 거 써 있어요. 껐다 켜 보세요. 그러면 한 번 숨 쉬고, 또 더 잘 이야기한 사람이 있는지 어디 게시판에 들어가서 댓글까지 보고 막 이랬었는데, 그래서 되게 어려웠었는데, 지금은 그거를 그냥 재미나이나 아니면 챗GPT한테 물어보면 요렇게 요렇게 하세요 하면 그대로 되는 거잖아요. 컴퓨터가 고쳐지고, 지금까지 해온 얘기가 결국은 그래갖고 AI한테 대체된다고 하는데, 그 얘기는 예전부터 들었다. 2년 전부터 들었다. 또 그 얘기 하느냐고 하실 수도 있어서 이 책에도 좀 써 있어요. 이게 대체되고 AI와 같이 일해야 하고 하는 게 미래의 얘기가 아니라 이미 나와 있는 많은 기술들이 있다. 이것들을 잘 활용하면 벌써부터 지금 AI와 같이 일할 수 있는 방법들이 있다는 것들이 꽤 오래 이렇게 많은 기술이 돼 있거든요. 이미 나와 있는 기술, 어떤 것들 때문에 이런 게 가능한 겁니까? 가령 이런 사례가 전 좀 재밌었던 것 같아요. 제가 주식을 사고 싶다고 했으면, '어, 테슬라 주식 사야 돼'라는 스스로 질문을 하면 나스닥에 들어가서 테슬라에 대한 현재 주식 정보를 보고, 저 같은 경우 유튜브에 들어가서 테슬라에 대한 주가 정보를 분석했던 애널리스트분들의 자료를 보고, 세 번째로 나름의 데이터를 돌려보고 했을 거예요. 근데 그것들을 요즘은 많은 분들께서 구현해 놨는데, 멀티 에이전트로 구현을 해 놨어요. 첫 번째 에이전트는 나스닥을 긁고 오는 애고, 두 번째는 유튜브를 검색해서 분석하는 애고, 세 번째는 그걸 종합해서 확률로 계산해서 저한테 보고해 주는 애죠.
자, 그런 게 있다라고 하면 과거의 기술들은 대부분 사실 저는 어시스턴트라고 표현을 해요. 도움이 됐다고 하면 이 에이전트는 동료처럼 제가 일을 주면 목표를 이해하고 도구를 써서 결과를 저에게 가져다 주는 그 역할은 물론 인간이 해야겠지만, 그런 변화들이 있지 않을까 싶고요. 또 다른 예를 한번 짧게 드려보면, 저는 인사를 하는 입장에서 채용 업무를 좀 했어요. 채용을 했을 때 누구를 채용해야 할 것인가에 대한 질문이 가장 많습니다. 첫 번째 선재 조건은, 근데 일 못 하는 사람 뽑으면 안 되잖아요. 일 잘할 것 같은 사람을 뽑아야 되죠. 그게 채용 1번 목표입니다. 그러면 일 잘할 것 같은 사람을 뽑을 때 가장 잘 맞출 수 있는 지표가 뭘 것 같아요? 우리가 일반적으로 채용 장면에서 일 잘할 것 같은 사람, 좀 전문적인 용어로 쓰면 퍼포먼스를 잘 낼 것 같은 사람들을 예측하는데 가장 좋은 지표, 데이터와 연구를 다 총합해서 보면 인지 능력이에요. 다시 말하면, 정확한 표현은 아니지만 똑똑하고 머리 좋은 친구들이 성과를 가장 잘 냅니다. 어찌 보면 그 인지 능력이라는 것들은 지식 근로자들의 성과를 아주 오랫동안 예측하는 데 가장 예측력이 좋은 프리딕터, 그 지표들이었거든요. 제가 이 말씀을 왜 드리냐면, 생성형 AI의 또 다른 별명이 인지 머신이에요. 대표적으로 이 친구들이 IQ 테스트 요즘 많이 하잖아요. GPT-5 IQ가 어느 정도 될 거라고 한 데이터를 보면 157이라고 보거든요. 맨사네요. 맨사보다 똑똑한 거죠. 157이면 분포로 따지면 1,333명당 한 명꼴이고요. 0.01% 이내에 드는 친구입니다. 여러분들 조직에도 한두 분 있으시겠죠? 그렇게 놓고 보면 똑똑하네요. 제가 이 말씀을 왜 드리냐면, 과거에는 이렇게 똑똑한 친구들 채용하려면 돈 많이 들었죠. 왜냐하면 인지 능력이 좋으면 성과를 내니까 똑똑한 애를 뽑아야 되죠. 근데 요즘은 AI, 우리가 쓰는 챗GPT 2.5 같은 경우는 IQ 130이라 그러거든요.
그럼 얘 되게 똑똑하네요. 저보다 높은 것 같아요. 아, 그럼 인간의 평균 IQ가 100이에요. 그렇기 때문에 똑똑하죠. 상위 5% 안에 드는 거니까. 그렇기 때문에 저희 굉장히 유명한 오픈AI의 공동 창업자인 일리야 수스케버가 이런 얘기를 하죠. 당신이 여전히 인간이 갖고 있는 능력 중에 인지 능력을 중요한 요소라고 느끼면 당신의 여생은 그렇게 좋지 않을 거라는 트위터를 남기기도 합니다. 그 말은 인지라는 부분들은 이미 대체되고 있어요. 혹은 인지라는 부분들의 많은 영역들은 생성형 AI가 도와주고 있기 때문에 아마 그 기술이라는 관점으로 보면 생성형 AI가 우리가 해야 될 고민들과 인지들을 많이 대신해 주고 있다라고 보시면 좋을 것 같습니다. 전략까지도 AI가 이제는 짜 줄 것 같은 게 결국 사람한테 남는 것은 사람과 사람 관계를 어떻게 풀어 나갈 것이냐, 그것만 남는 거 아닌가라는 생각이 들더라고요. 근데 이제 하나만 먼저 사례 들어볼게요. 제가 대표님 등 강의 많이 하니까 좀 도발을 드리는 게 뭐냐면, AI가 여러분들을 대체할 수 있을까요? AI가 CEO를 대체할 수 있을까요?. ['을 소개해 드려요. 혹시 저희 기자님은 AI가 저희 대표님이면 어떠실 것 같아요? 좀 말이 안 통할 것 같은 느낌이 드네요. 예, 그래서 좋은 점도 있지 않나요? 좋은 점은 오히려 더 쉽게 다가갈 수 있을 것 같은 느낌이 드네요. 말을 바로 빨리 걸 수 있고, 어떤 분들은 감정에 기복이 없다고 표현하기도 합니다. 제가 말씀드린 이유는 AI가 CEO를 대체할 수 있을까라는 실험이 꽤 유명한데, 케임브리지 대학과 한 미국의 제조 회사가 함께 실험을 했어요. 어떤 실험이었냐면, 제조 회사의 CEO를 AI와 인간으로 놓고 경쟁하게 한 것입니다. 그 결과 누가 더 효과적이고 효율적인 의사 결정을 하는지를 사회에서 판단합니다. 재밌게도 사업 운영 시뮬레이션이라고 하는, 재고 관리, 가격 최적화, 운영 관련된 것들은 압도적으로 AI가 잘합니다. 저희 기자님이 말씀하신 대로 데이터가 있기 때문에 패턴을 찾아 의사 결정을 하면 되죠.
그런데 재밌는 것은 아무래도 인간에게 불리한 게임이라는 점입니다. 우리가 잘 들여다보면 모든 인간의 의사 결정은 과거의 데이터와 패턴에 근거하지 않습니다. 어떤 조건을 거냐면 블랙스완 상황, 즉 검은 백조 상황을 설정해요. 컴퓨터에게 COVID라는 변수를 주고 의사 결정을 하라고 했더니, AI가 이상한 의사 결정을 내리더라고요. 그러면서 인간이 그때부터 빛을 발휘하기 시작해요. 결국 제가 말씀드리고 싶은 것은 인간에게 남은 중요한 자질 중 하나는 그 상황을 해석하고 경험에 맞게끔, 혹은 경험에 기반해서 순발력 있게 해석하고 행동하는 것들이 여전히 인간의 몫이 아닐까 싶습니다. 그렇기 때문에 AI는 여전히 인간의 능력을 도와주는 증강의 도구이지, 완전히 대체하는 존재는 아니다라고 볼 수 있겠습니다. 증강의 도구에 대해 말씀해 주셨는데, 인공지능을 잘 활용하는 직장인이 되려면 증강 능력이 제일 중요하다고 책에 나와 있더라고요. 방금 말씀해 주신 것처럼 그 능력을 키워야 하는군요. 아, 맞습니다. 저는 아까 설명드린 대로 최근에 많은 분들께서 대표님이나 인사팀에 뭘 보고 채용해야 돼요?라고 질문하시면, 과거와 같이 인지 능력이 그렇게 중요하지 않다고 말씀드리고 있습니다. 그에 대한 답으로 증강 능력이라는 개념을 설명드리고 있고요. 증강 능력이라는 것은 AI를 활용해서 더 일을 잘할 수 있는 능력의 총합을 의미합니다. 첫 번째로는 AI를 어떻게 대하는지부터 차이가 납니다. AI를 도구로 대하는 것이 아니라 동료로 대하는 것이 중요합니다. 최근에도 샘 알트먼이 한 컨퍼런스에서 했던 얘기인데요, AI를 검색 도구로 쓰는 것은 노인들이 하는 것이라고 했습니다. 이 표현은 비하하는 것이 아니라, 생성형 AI를 효과적으로 사용하는 사람들은 도구나 검색을 사용하지 않아요. 아웃풋 결과만 원하는 것이 아니라, AI와 소통하고 협업하는 동료로 봅니다. 예를 들어, 이중학에 대해서 같이 알아가 보자라고 AI에게 질문하는 순간, AI가 나오는 답변에 대해 제가 이해하고 또 다른 피드백을 주고 소통하며 질문하고 답변하는 식으로 인터랙션을 하게 됩니다. 도구로 쓴다고 느끼면 AI에게 그냥 결과만 원하는 프롬프트를 하게 되죠. 이를 엔주 은 교수님은 '게으른 프롬프팅'이라고 했습니다.
그래서 그냥 게으른 프롬프팅을 한다고 표현할 수 있습니다. 문제를 쭉 긁어 가지고 답을 가져오라고 하거나, 검색해 오라고 하는 것이 바로 게으른 프롬프팅입니다. 동료로 바라보는 것은 좀 다릅니다. 맥락, 페르소나, 상황, 아웃풋 이미지를 명확하게 설명해 주고, 그다음에 답이 오면 AI에게 또 다른 피드백을 주고 소통하며 가치를 만들어 나가는 것이죠. 도구로 바라보면 제가 지금 하고 있는 실험들로 보면 결과가 많이 다릅니다. 그렇기 때문에 증강 능력이라는 것은 AI를 어떻게 바라보는지에 대한 시각부터 차이가 있다고 보시면 좋을 것 같습니다. 두 번째로 동료로 인식하면 어떻게 의사 소통을 AI와 다르게 하냐면, AI에게 계속 꼬리의 꼬리를 묻는 질문들을 하기도 합니다. 사실 제가 최근에 했던 실험에서 AI를 활용해 능력이 확 올라간 집단의 특성을 봤을 때, 프롬프트 횟수가 당연히 많습니다. 왜냐하면 프롬프트 횟수가 적은 친구들은 AI가 준 답변이 맞을 것이라고 항상 가정하기 때문입니다. 그러니까 AI니까 맞겠지, 그러면 AI가 준 답변은 맞으니까 또 질문을 안 하는 거예요. 그냥 갖다 쓰는 것이죠. 그게 엔트로픽 연구에서도 똑같이 나오기도 하는데, 오히려 능력이 올라간 분들은 이렇게 얘기합니다. 너 틀릴 수 있지 않아? 다른 관점으로 생각해 볼래? 우리 이렇게 한번 만들어 볼까?라고 프롬프팅을 하고 결과를 가지고 피드백을 줘야 합니다. 전 이게 좀 비슷하다고 보는 것이 사실 좀 됐긴 했는데, 생']. ['성향 AI한테 넣으면 좋은 프롬프트 웨이트라는 프롬프트가 있었죠. '기다려'라고 한 문장을 쓰면 AI가 마치 이런 것 같아요. 저희 마녀 와이프가 저한테 갑자기 '여보, 뭐 잘못한 거 있지 않아?'라고 말하면 제 머릿속에 온갖 회로가 다 돌아가죠. 지난 한 달 동안의 제 행동과 카톡에서의 흔적들이 떠오르죠. '내가 뭘 잘못했지?' 한 달이 굉장히 주말처럼 빨리 지나가거든요. 그런 것처럼 컴퓨터도 비슷한 거예요. '웨이트'하는 순간 '뭘 잘못했지? 곱씹어볼까?'라고 하는 것과 비슷합니다.
이걸 제가 왜 말씀드리냐면 AI랑 소통하고 피드백을 주고받으며 다시 생각해볼래라고 하면 그 결과의 아웃풋 이미지가 확실히 좋아져요. 그러면 AI를 동료로 대하고 어떻게 의사소통하는지에 대한 전략을 배우시면 의외로 증강의 능력들이 올라간다고 보여집니다. 되게 재밌는 게 태도적인 것과 인식을 말씀해 주시니까 보통 AI에 대한 태도라고 하면 아마 지금 제일 먼저 생각나는 게 '아, 친절하게 얘기해야 되나? 아, 존댓말 해야 된다.' 그렇죠? 네, 맞습니다. 꼭 존대만 하셔야 돼요. 이제 그런 걸 먼저 생각할 것 같은데, 이게 한동안 리더십이 바뀔 때도요. 수직적 구조에서 수평적 구조로 바꾸자고 할 때, 예전에는 '까라면 까라'는 식으로 해야지라는 방식이었죠. 다 같이 이야기를 주고받으면서 발전해 갈 수 있는 방향으로 바꾸자라는 의미였는데, 수직적으로 수평적으로 바꾸자고 하니까 일단 말하는 방법을 바꾸고, 존댓말을 쓰고, '누구님' 하는 것만 바꿨잖아요. 정말 좋은 비유입니다. 그러니까 AI를 다룰 때도 그게 중요한 게 아니라 후배들에게 맥락에 대해 설명해 주고, 이 일이 무슨 이유로 지금 우리가 진행하고 있는 것인지, 우리가 목표로 하는 것은 여기고 이 방향으로 가야 한다는 걸 투명하게 이야기해 주고, 가치 방법을 찾아 나가 보자라는 게 수평적 구조인 거잖아요. 지금 AI를 대할 때도 그렇게 하셔야 한다는 거죠. 그 설명이 제 생각보다 훨씬 좋은 것 같습니다. 네, 맞습니다. 또 계속 듣다 보니까 이게 프로로 일할 사람들은 그 공자가 돼야 하는 거 아닌가? 질문도 중요하지만, 어떻게 AI와 의사소통하고 피드백하는지도 굉장히 중요한 것 같아요. 제가 이 말씀을 드리는 이유는 생성형 AI가 인지를 대체할 수 있다고 설명했는데, 그렇다 보니 요즘 많이 나오는 패턴들이 전 이걸 생성형 AI의 어두운 그림자라고 설명하는데, 인지 감소상도 상당히 많이 생겨요. 소위 말하면 '멍청해진다'는 건데, 그냥 AI에게 결과를 주고 단순히 원하는 걸 쓰면 문제가 생기죠. 이건 마이크로소프트나 카네기멜론 대학 연구도 그렇고, 제가 작년도에 데이터 분석을 했던 결과를 따져보면 생성형 AI를 쓰기 전보다 언어 이해력이 감소해요. 그렇기 때문에 꼭 유념하셔야 되는 건 여전히 인간들은 내 일에 대한 정의와 이해가 반드시 필요하다는 점입니다. 뭔가 외우지 않아도 되는 시대를 스마트폰이 가져왔다고 하면, 앞으로는 사고하지 않아도 되는 시대를 AI가 가져오는 것 같아요. 간단한 비율 계산이라든가, 아니면 다음에 뭐 해야 하지? 이렇게 수학적인 계산할 때 가끔 종이를 놓고 펜을 잡고 계산할 때가 있거든요. 그러면 뿌듯해요. '어, 얘도 내가 아직 계산할 수 있구나.' 그런데 요즘은 그냥 포기해요.
바로 AI에 맡기거든요. 그러니까 A, B, C, D를 생각해서 계산해보고 그림을 그리던 걸 점점 안 하고 AI에게 맡기게 되더라고요. 맞습니다. 그게 인지 감소인지 대체이고, 그런데 오히려 저는 일하는 사람들에게 더 기회라고 느껴져요. 왜냐하면 소위 말하는 일반인들이 아까 예시로 레이지 프롬프트를 쓰거나 단순히 원하는 프롬프트를 하다 보면 분명히 문제 해결력과 인지가 떨어집니다. 그러므로 오히려 현명하게 AI를 쓰거나 AI와 협업한다고 느끼는 분들은 자신의 일을 잘 알고 피드백을 줄 만큼의 경험이 있어야 하니까, 오히려 기회이지 않을까 싶습니다. 최근에 미시CP 대학에서 했던 인지 감소와 관련된 연구를 보면, 저는 오히려 거기에 굉장히 클래식한 답이 있다고 느끼는데, 그 연구에서 뭐라고 얘기를 하냐면 토론과 독서에 대한 이야기예요. 좀 되게 옛날 얘기잖아요. 그런데 요즘은 저희 학생들과 중학생이나 초등학생을 보면 진짜 조금 고민되고 걱정되는 게 책 읽고 고민하는 것보다 문제를 주고 답변으로 빨리빨리 하게 된다는 거예요. 그러면 퀵한 문제를 짧은 호흡으로 해결하는 건 괜찮은데, 제 사고력과 생각의 깊이는 떨어집니다. 그렇기 때문에 요즘 오히려 책에 대한 중요성과 만나서 얘기하는 게 훨씬 더 중요해진다고 얘기해요. 그래서 예를 들면 제가 최근에 저희 대학원에 한 팀장님이 얘기해 주는 게 요즘 AI가 너무 일을 잘하니까 성과 평가하기 힘들다고 하시더라고요.']. 그러면 씨가 웃으면서 뭐라고 얘기하셨냐면, '어려워요. 보고서만 갖고 와서 보면 어려운데, 그래서 저는 요즘 회의에 들어가면 노트북이 덥고요. A4 용지를 하나 갖고 있어요. 그리면서 얘기해 보자. 그러면 실력이 정확하게 나온다는 거예요.' 이걸 제가 조금 연구로 비교해 보면, MS에서 발표했던 워크 인덱스를 보면 오버컨피던스라는 현상이 요즘 많아요. 왜냐하면 개인들이 문제를 풀었는데, 사실 문제를 AI랑 협업해서 풀었다고 하면, 어디까지가 제가 개입해서 푼 문제인지에 대한 제 기준도 정확하게 모르잖아요. 그런데 AI를 활용해서 일하다 보면 성과가 계속 올라가니까, 마치 개인은 내가 그 능력이 올라가서 이 일을 더 잘했다라고 생각하는 거예요. 그럼 표현이 좀 그렇지만, 근자감 같은 거죠.
오버컨피던스. 그래서 요즘 리더분들이 이렇게 뭐라고 얘기하냐면, '이걸 조금 전문용어로 메타인지를 키워 줘라.' 혹은 '네 능력을 정확하게 알 수 있도록 굉장히 스트레이트 포워드하게 피드백을 주라'고 합니다. 그 모든 총량이 AI가 불러온 일하는 방식의 변화이기도 하고, 혹은 일자리를 찾는 분들, 독서하거나 토론하거나 진짜 내 일에 고민하시는 분들께는 훨씬 더 기회가 오지 않을까 싶습니다. 요즘은 오히려 저도 그냥 느끼는 게, 예전에는 똑같이 책을 읽거나, 그러니까 저는 AI를 되게 많이 쓰거든요. 그런데 오히려 의도적으로 이렇게 많이 꺼놓고 책 보고, 멍 때리고, 일부러 종이 하나 그려 놓고 칠판에다 많이 쓰려고 노력해요. 왜냐하면 그렇게 안 하면 제가 사고하고 생각하는 법이 좀 떨어지는 것 같고, AI는 너무 대화가 뭐라고 할까요? 맨날 없이 그냥 심플하게 떨어뜨리는 대화라서, 제가 생각할 여지가 없어요. 제가 들어가서 대화하고 소통하고 왔다 갔다 하면서 제가 생각을 발전할 여지가 없어요. 그냥 깔끔하죠. 그렇기 때문에 오히려 요즘은 사람 만나고 소통하고 책 읽고 이런 가치가 오히려 좀 더 중요해지지 않나 싶습니다. 사람과의 대화, 이런 거, 공감력, 요런 게 굉장히 중요해질 거다라고도 언급이 돼 있잖아요. 네, 공감이 제가 왜 키워드로 좀 주목을 했냐면, 저한테 어느 날 모 회사에서 데이터 분석 컨설팅을 주셨고, 그 데이터 중에 공감에 대한 데이터가 15년치가 있었어요. 재밌게도 우리가 공감이라고 하면 인지적 공감과 정서적 공감이라고 나뉘거든요. 인지적 공감은 타인에 대한 관심이에요. 예를 들면 기자님이 자켓 회색을 좋아하시나 보다. 타인에 대한 이해에 관심이 인지적 공감이라고 표현하면, 정서적 공감은 '아, 오늘 우리 기자님 좀 피곤해 보이시네. 어제 힘들지 않으셨나? 유가하신 데 힘드셨나?' 요런 정서적인 그 사람의 입장에서 내가 느껴보는 거죠. 맞습니다. 그 F가 높은 분들은 정서적 공감이 높다고 하는데, 이 두 가지를 보통 공감이라고 표현하는데, 의외로 혹은 흥미롭게도 한국 직장인들과 구직자들이 15년 동안 공감이 이렇게 떨어져요.
왜 떨어졌지라는 제 나름의 해석은 '불안 세대'라는 책에서 아이디어를 좀 얻었는데, 책을 보면 그런 얘기가 나와요. 미국의 10대들의 자살율이 급속하게 올라갔던 이유 중 하나는 소셜 네트워크를 많이 사용했기 때문이다. 결국 좀 심플하게 얘기해 보면, 소셜 네트워크 공간에서 우리가 보는 사람들의 모습은 다 너무 멋있어 보이는 모습이죠. 뭐 인스타그램 가면 제가 자다 보니까 이런 거 안 올리잖아요. 최적의 모습과 행복해 보이는 남에게 보이고 싶은 모습을 보이기 때문에, 그 상황에 필터까지 있습니다. 너무 최적의 상황이라 10대들은 모르죠. '나는 왜 이렇게 행복하지? 저런 모습이 없지?'라고 비교하고 평가하면서 우울감에 빠져들고 자살하게 된다는 거예요. 제가 이 말씀을 왜 드리냐면, 공감이 떨어지는 데는 디지털 디바이스가 굉장히 큰 역할을 한 것 같아요. 디지털 공간에서 소통하고 대화하고 표현하고 비교하고 평가하는 것들이 계속되면서, 타인에게 공감할 필요조차 없는 거고, 두 번째로는 타인에 대해 관심을 가질 필요도 없는 건데, 물론 클릭해서 보는 걸 관심이라고 표현하겠지만, 그 관심은 약간 소비성 관심이죠. 실제로 이 사람이 뭘 좋아하지? 어떤 걸 잘하지?라는 진짜 사람에 대한 관심이 아니라, 약간 비교, 평가, 뭐 좋아하지? 이런 트렌드를 본다라고 하죠. 결국 공감이 떨어지고 있는 상황 속에서 AI는 그걸 조금 더 가속화할 것 같아요. 그래서 인간들끼리의 인터랙션이 중요하고, 두 번째로 인간이 갖고 있는 능력 중에 무엇이 중요하지라고 하면, 여전히 공감력이다라고 하면 그 공감력을 높일 수 있는 훈련 혹은 관심도 필요하지 않을까 싶습니다..
3. 영상정보
- 채널명: 티타임즈TV
- 팔로워 수: 331,000
- 좋아요 수: 1,337
- 조회수: 63,479
- 업로드 날짜: 2025-05-23
- 영상 길이: 35분 6초
- 다시보기: https://www.youtube.com/watch?v=ngWu-utN_Tc
