ESSAY · 내가 바라보는 세상
답을 구하는 비용이 낮아지는 세상에서,
무엇이 그 자리를 대신 채우게 될까.
지식의 접근성, 일의 가치, 그리고 사람에게 자리를 만들어 주는 구조에 관하여.
이 글은 AI 시대의 변화를 바라보는 필자의 에세이입니다. 역사적 사례와 연구·정책 제안에는 출처를 붙였고, 미래의 소득과 사회 모습은 확정된 예측이 아니라 생각해 볼 가능성으로 다뤘습니다. 자료 확인·문장 보완: 2026년 10월 28일.
우리 사회의 익숙한 전제가 조금씩 흔들리고 있다. 어느 순간부터 ‘아는 것’의 값이 예전 같지 않다는 감각이다. 예전 같으면 여러 자료를 찾아야 했던 질문에 몇 초 만에 답이 돌아온다. 처음에는 신기했고, 그다음에는 편했고, 이제는 조금 서늘하다.
물론 빠르게 나온 답이 곧 정확한 지식은 아니다. 설명을 얻는 것과 그 설명이 맞는지 판단하는 것 사이에는 여전히 거리가 있다. 다만 답을 구하고 초안을 만드는 비용이 낮아지고 있다는 변화만큼은, 우리가 일의 가치를 생각하는 방식을 다시 돌아보게 한다.
1. 지식이 귀하다는 전제가 달라진다면
전문가가 대접받는 이유 중 하나는 다른 사람이 쉽게 구하지 못하는 지식과 경험을 갖고 있기 때문이다. 대학과 자격, 조직의 위계에도 이런 요소가 스며 있다. 그러나 그것이 전부는 아니다. 신뢰, 책임, 협업, 법적 권한도 함께 작동한다.
AI가 흔들고 있는 것은 이 가운데 ‘정보를 찾아 정리해 주는 능력’의 희소성일지 모른다. 한때는 자료를 모으는 일 자체가 성과였다. 이제는 비슷한 자료를 손에 쥔 사람들 사이에서, 무엇이 중요한지 가려내는 일이 더 두드러진다.
그렇다면 지식에 접근하기 쉬워진 사회에서는 무엇이 귀해지는가. 나는 이 질문이 중요하다고 생각한다. 희소성이 모두 사라지기보다, 그 무게중심이 옮겨갈 수 있기 때문이다.
병목은 어디로 옮겨갈까?
자료를 찾고, 지식을 축적하고, 설명을 만들어 내는 능력이 큰 차이를 만든다.
문제를 정하고, 근거를 검증하고, 선택의 결과를 책임지는 능력이 더 중요해질 수 있다.
사회를 두 시대로 단순히 나눈 통계가 아니라, 이 글의 문제의식을 정리한 개념도다. 두 능력은 앞으로도 함께 필요하다.
2. 질문의 값어치가 커진다
힌트는 일상에도 있다. 볼 것이 많아졌는데도 한참을 스크롤하다가 아무것도 고르지 못하는 밤이 있다. 음악을 쉽게 들을 수 있게 됐지만, 무엇을 들을지 고르는 취향과 추천은 여전히 필요하다. 선택지가 늘어난다고 선택까지 저절로 쉬워지는 것은 아니다.
비유하자면 누구나 강력한 조수를 곁에 두게 된 세상이다. 그런데 조수에게 “잘해 줘”라고 말하는 것과, 어떤 결과가 왜 필요한지 설명하는 것은 다르다. 문제를 잘 정의할수록 도움을 받을 가능성도 커진다.
그렇다고 격차가 오직 질문의 품질에서만 생기는 것은 아니다. 더 좋은 도구를 쓸 자원, 충분한 데이터, 조직의 권한, 결과를 실행할 시간도 필요하다. 좋은 질문만 던지면 누구나 원하는 삶을 얻는다는 이야기는 지나치게 간단하다.
오히려 좋은 질문을 하려면 기초지식이 필요하다. 무엇이 빠졌는지, 어떤 전제가 틀렸는지 알아야 하기 때문이다. 공부가 필요 없어지는 것이 아니라, 답을 기억하는 공부와 답을 따져 보는 공부의 비중이 달라질 수 있다.
3. 판단과 책임은 어디에 남을까
일의 세계에 대입하면 더 선명해진다. 계산하고, 정리하고, 문서의 초안을 만드는 과정 가운데 일부는 자동화할 수 있다. 그러나 하나의 직업은 그런 작업만으로 이뤄져 있지 않다.
국제노동기구(ILO)와 NASK의 2025년 연구는 생성형 AI에 대한 직업의 잠재적 노출을 분석하면서, 직업 전체의 소멸보다 업무 구성의 변화가 더 가능성 높은 결과라고 설명했다. 노출도가 높다는 말은 그만큼의 일자리가 이미 사라졌다는 뜻이 아니다.[1]
그래서 “문서를 잘 만드는 사람은 모두 대체된다”고 말하고 싶지는 않다. 어떤 문서를 왜 만들어야 하는지 이해하고, 오류를 알아채고, 사람들을 설득하는 일까지 포함하면 이야기가 달라진다.
특히 이런 질문은 남는다. “이 제도는 무엇을 지키려고 만들어졌는가.” “우리는 어느 정도의 위험까지 감수할 것인가.” AI는 대안과 예상 결과를 제시할 수 있다. 그러나 누구의 손실을 어디까지 받아들일 것인지에는 가치판단과 사회적 합의가 필요하다.
도구가 더 많은 답을 만들어 낼수록,
그 답을 채택하는 이유와 결과에 대한 책임은 더 선명해야 한다.
책임은 기계가 서툴러서 잠시 사람이 맡아 두는 일만은 아니다. 누가 결정했고, 누가 설명하며, 잘못됐을 때 어떻게 바로잡을지를 정하는 사회의 약속이기도 하다.
4. 더 뛰어난 기계가 있어도 사람을 보는 이유
1997년 5월, IBM의 컴퓨터 딥 블루는 당시 세계 체스 챔피언 가리 카스파로프와의 대결에서 승리했다. 스마트폰이 아니라 체스를 위해 개발된 컴퓨터가 이뤄 낸 사건이었다.[2]
이 사례를 떠올리면 질문이 하나 생긴다. 우리가 사람의 경기를 보는 이유는 오직 가장 정확한 수를 찾기 위해서일까. 망설임과 실수, 그 실수를 만회하려는 선택에도 마음이 움직이지 않는가.
나는 AI 시대에도 이런 관심이 사라지지는 않을 것이라고 생각한다. 코치의 설명, 돌봄의 손길, 함께 훈련하는 팀의 분위기에는 결과물만으로 환산하기 어려운 의미가 있다.
다만 ‘사람이 하는 일’이라는 이유만으로 임금이 자동으로 오르지는 않는다. 돌봄이 중요해도 예산과 협상력이 부족하면 보상이 낮을 수 있다. 사람의 가치를 알아보는 것과, 그 가치에 실제로 돈을 지불하는 구조를 만드는 것은 별개의 과제다.
5. 그렇다면 사회는 어떻게 먹고살까
아무리 그럴듯한 전망도 생계 앞에서는 무력하다. AI가 어떤 업무의 비용을 낮추면 임금과 고용이 압박받을 수 있다. 반대로 생산성이 높아져 새로운 수요와 일이 생길 수도 있다. 어느 효과가 더 클지, 누가 이익을 얻을지는 산업과 제도에 따라 달라질 것이다.
그래서 노동소득이 무너지고 자본소득만 남는 미래를 정해진 결말처럼 그릴 수는 없다. 다만 생산성의 이익이 자산과 기술을 소유한 쪽에 집중된다면, 그 성과를 어떻게 나눌 것인지는 더 중요한 질문이 된다.
생활을 지탱하는 세 가지 기반
미래에 모두가 이 세 소득을 똑같이 받는다는 예측이나 특정 투자전략을 권하는 도표는 아니다.
분배를 둘러싼 논의는 실제로 시작돼 있다. 2026년 6월 18일 버니 샌더스 미국 상원의원은 대형 AI 기업의 주식을 통해 공공펀드를 조성하는 법안을 발의했다고 발표했다. 여기서 인용하는 것은 당시의 정책 제안이며, 국민에게 배당이 지급되고 있다는 뜻은 아니다.[3]
더 오래된 사례로는 알래스카의 영구기금배당이 있다. 첫 지급은 1982년이었고, 지금도 거주 등 자격요건을 충족한 주민을 대상으로 한다. AI 산업의 부를 어떻게 나눌지에 대한 정답은 아니지만, 공동의 자산과 주민의 소득을 연결하는 제도를 생각해 볼 수 있는 사례다.[4]
문제는 설계다. 재원은 어디서 마련할 것인가. 손실이 나면 누가 부담할 것인가. 혁신의 유인을 해치지 않으면서 참여의 기회를 넓힐 수 있는가. 새로운 이름의 배당 하나만으로 이런 질문이 모두 해결되지는 않는다.
6. 가장 어려운 것은 전환의 속도 차이
나는 미래의 연도를 맞히기보다 변화의 속도 차이를 보는 편이 더 유용하다고 생각한다. 기술이 바뀌는 속도와 사람이 새 일을 배우는 속도, 조직이 업무를 바꾸는 속도와 제도가 안전망을 마련하는 속도는 같지 않을 것이다.
그 차이가 커질 때 누군가는 기회를 얻고, 누군가는 준비할 시간 없이 부담을 떠안을 수 있다. 걱정해야 할 것은 완벽한 기계가 등장하는 어느 하루만이 아니다. 변화가 진행되는 동안 버틸 수 있는 여유가 누구에게 있는지도 봐야 한다.
정해진 미래 대신 확인할 질문
- 업무는 어떻게 바뀌는가?직업명보다 실제로 줄어드는 일과 새로 생기는 일을 본다.
- 이익과 부담은 누구에게 돌아가는가?생산성의 개선이 임금, 가격, 이익 가운데 어디에 반영되는지 살핀다.
- 사람이 적응할 시간은 있는가?교육, 소득 지원, 이동의 기회가 필요한 시점에 제공되는지 묻는다.
- 삶의 자리는 무엇이 채우는가?일이 달라져도 관계와 참여를 이어 갈 구조가 있는지 생각한다.
순서대로 반드시 도래하는 네 단계가 아니라, 함께 살펴볼 네 가지 관점이다.
7. 모두가 원하는 대로 사는 것은 아니다
여기서 정직해질 필요가 있다. 우리는 언제나 원하는 것을 또렷하게 정의하며 살지는 않는다. 아이를 학교에 보내야 하고, 갚아야 할 것이 있고, 내일도 출근해야 한다. “너는 무엇을 원하니”라는 질문에는 생각할 시간과 생활의 여유가 필요하다.
그래서 좋은 질문을 던지라는 말만으로 모든 책임을 개인에게 돌리고 싶지는 않다. 선택할 자원이 부족한 사람에게 선택의 철학부터 요구하는 것은 순서가 뒤집힌 일일 수 있다.
일에는 소득 외의 기능도 있다. 갈 곳이 있고, 불릴 이름이 있고, 하루에 형태가 생긴다. 만약 일의 자리가 줄거나 달라진다면, 그 기능까지 무엇이 대신할지 생각해야 한다.
동네, 팀, 동호회, 공동체는 그래서 중요하다. 기술을 얼마나 잘 다루는지와 별개로, 서로를 알아보고 역할을 나눌 수 있는 곳이다. 나는 앞으로 희소해질 수 있는 것이 개인의 판단력만은 아니라고 생각한다. 사람에게 자리를 만들어 주는 구조도 그만큼 중요해질 수 있다.
남는 질문
지식에 더 쉽게 접근할 수 있게 되는 것은 반가운 일이다. 다만 답을 얻기 쉬워진다고, 어떤 삶을 선택할지까지 쉬워지는 것은 아니다.
그래서 앞으로의 공부에는 두 방향이 함께 필요할 것이다. 틀린 답을 걸러 낼 수 있도록 더 깊이 이해하는 일. 그리고 그 이해를 어디에 쓸지 스스로 묻는 일.
개인에게는 무엇을 위해 일하고 배우고 싶은지, 사회에는 누구를 변화의 밖에 남겨 두지 않을지 묻는 일이다. 기술이 어디까지 갈지는 알 수 없지만, 이런 질문을 뒤로 미루기만 해서는 안 될 것 같다.
우리는 무엇을 원하는가?
그리고 그 삶에, 누구와 함께 도달할 것인가?
함께 보면 좋은 글
문샷AI와 Kimi: 공개형 AI 모델을 바라보는 관점
모델의 성능과 한계, 공개 방식의 의미를 구체적인 기업 사례로 살펴보는 글.
사실 확인에 참고한 자료
- ILO·NASK, 생성형 AI와 직업의 변화 · 2025.5.20. 잠재적 노출과 실제 일자리 감소를 구분하고, 직무 변형 가능성을 설명한다.
- IBM, Deep Blue 역사 · 1997년 5월 카스파로프와의 대결을 확인하는 자료. 체스시장의 규모나 인간 선호에 관한 주장을 입증하는 자료로 사용한 것은 아니다.
- 샌더스 의원실, AI 공공펀드 법안 발의 발표 · 2026.6.18. 발의자의 제안 내용이며 시행 중인 제도의 사례로 인용하지 않았다.
- 알래스카 영구기금배당 역사 및 공식 자격요건 안내 · 첫 배당의 지급연도와 수급 자격 확인.
이 자료들은 해당 사례와 연구 결과의 근거다. 질문·책임·공동체의 가치에 관한 해석과 미래 전망 전체를 입증하는 것은 아니다.
댓글
댓글 쓰기