ChatGPT가 처음 등장했을 때, 저는 ChatGPT를 사용하면서 "이게 그냥 검색엔진 좀 더 발전한 거 아닌가?" 싶었습니다. 근데 실제로 써보니 전혀 달랐습니다. 문서를 대신 써주고, 모르는 개념을 즉석에서 설명해 주고, 심지어 제가 쓴 글을 다듬어주기까지 했습니다. 그때 처음으로 이게 단순한 도구가 아닐 수 있겠다는 생각이 들었습니다.
교육변화: AI가 교실에 들어오면 생기는 일
생성형 AI(Generative AI)가 교육 현장에 본격적으로 침투하기 시작했습니다. 여기서 생성형 AI란 기존 데이터를 학습한 뒤 새로운 텍스트, 이미지, 코드 등을 스스로 만들어내는 인공지능 기술을 말합니다. 단순히 정보를 검색하거나 분류하는 수준이 아니라, 창작과 생성 자체를 수행한다는 점에서 이전의 AI와 결이 다릅니다.
제가 직접 써봤는데, 어려운 통계 개념을 질문하면 제 수준에 맞게 단계별로 설명해주는 게 인상적이었습니다. 과거에는 모르는 문제가 생기면 인터넷을 뒤지거나 학원 선생님을 기다려야 했지만, 이제는 새벽 두 시에도 즉각 답을 얻을 수 있습니다. 학습 측면에서는 분명히 편리해진 게 맞습니다.
OECD가 2026년 초 발표한 디지털 교육 전망 보고서에 따르면, AI 기반 개인 맞춤형 학습(Personalized Learning)이 교육 시스템 전반을 재편할 것으로 분석되었습니다([출처: OECD](https://www.oecd.org/en/publications/ 2026/01/oecd-digital-education-outlook-2026_940e0dd8.html)). 여기서 개인 맞춤형 학습이란 학생 개개인의 수준과 속도에 따라 학습 내용과 방식이 달라지는 교육 방식을 의미합니다. 기존에는 교사 한 명이 수십 명을 동시에 가르쳐야 했기 때문에 이런 접근이 현실적으로 어려웠지만, AI가 그 간극을 메우기 시작한 것입니다.
한편으로는 이런 시각도 있습니다. "AI가 교육을 더 평등하게 만들어줄 것"이라는 기대가 그것입니다. 저는 이 말이 반은 맞고 반은 틀렸다고 봅니다. AI에 접근하기 어려운 환경에 있는 학생들은 오히려 격차가 더 벌어질 수 있기 때문입니다. 기술이 평등의 도구가 되려면 접근성부터 해결되어야 한다는 점을 간과해서는 안 됩니다.
직업대체: 없어지는 일자리, 생겨나는 일자리
생성형 AI가 직업 세계에 미치는 영향은 교육보다 훨씬 더 즉각적입니다. 번역, 카피라이팅, 디자인 시안 작업, 영상 편집 같은 분야에서는 이미 AI가 상당 부분을 담당하고 있습니다. 저도 예전에는 간단한 홍보 문구를 쓰는 데 30분 넘게 걸렸는데, 이제는 AI에 방향만 잡아주면 초안이 나옵니다.
그렇다고 모든 직업이 사라진다는 시각에는 동의하지 않습니다. 실제로 써보니 AI가 만들어낸 결과물에는 맥락을 읽는 힘이 부족합니다. 고객과의 신뢰 관계, 예상치 못한 상황에서의 판단, 감정적 교감이 필요한 영역은 여전히 사람이 해야 합니다. 다만 변화의 속도는 예상보다 빠릅니다.
AI가 직업 시장에 미치는 구체적인 영향을 정리하면 다음과 같습니다.
- 단순 반복 작업 중심의 직군은 자동화(Automation) 압력을 강하게 받고 있습니다. 자동화란 사람이 하던 작업을 기계나 소프트웨어가 대신 수행하게 되는 흐름을 말합니다.
- 크리에이터, 프롬프트 엔지니어, AI 윤리 감수자처럼 AI와 협업하는 새로운 직군이 생겨나고 있습니다.
- 기존 직군도 AI 활용 능력을 갖추는 방향으로 역할이 재정의되고 있습니다.
2024년 11월, 휴머노이드 로봇 '아이다'의 AI 신(A.I. God)이 유명 경매장에서 약 16억 원에 낙찰되었습니다. 이 사건은 AI가 단순한 업무 보조 도구를 넘어 예술 창작 영역까지 넘보고 있다는 신호로 받아들여졌습니다. 창작 직군에 종사하는 분들이 느끼는 위기감이 이해되는 이유입니다.
AI의존: 편리함 뒤에 숨어있는 진짜 문제
AI를 자주 쓰다 보니 예상하지 못했던 문제가 발생하기 시작했습니다. 어느 순간부터 제가 스스로 생각하는 시간이 줄어들고 있다는 걸 느꼈습니다. 초안을 AI에게 맡기고, 요약도 AI에게 맡기고, 심지어 어떤 선택을 해야 할지 AI에게 물어보는 순간이 오는 겁니다. 그때 잠깐 멈추게 됐습니다.
인지 부하(Cognitive Load)라는 개념이 있습니다. 여기서 인지 부하란 특정 과제를 처리할 때 두뇌가 사용하는 정신적 자원의 양을 의미합니다. AI가 이 부하를 덜어주는 건 분명 효율적이지만, 동시에 우리가 스스로 생각을 훈련할 기회를 빼앗아 갈 수도 있습니다. 특히 학생이라면 답을 찾는 과정 자체가 학습이기 때문에, AI에게 답만 받아가는 습관은 장기적으로 사고력을 약화시킬 가능성이 있습니다.
할루시네이션(Hallucination) 문제도 빼놓을 수 없습니다. 할루시네이션이란 AI가 실제로는 존재하지 않는 정보를 마치 사실인 것처럼 그럴듯하게 생성하는 현상을 말합니다. 제 경험상 이건 좀 심각한 문제입니다. AI가 내놓는 문장은 유창하고 자신감이 넘쳐 보이지만, 그 안에 잘못된 정보가 섞여 있어도 겉으로는 전혀 티가 나지 않습니다. AI를 신뢰하되, 검증하는 습관이 반드시 필요합니다.
저작권 침해 논란도 현재 진행형입니다. AI는 방대한 양의 기존 데이터를 학습해 결과물을 만들어내기 때문에, 원작자의 창작물이 무단으로 학습에 활용됐다는 문제 제기가 계속되고 있습니다. 이 부분은 기술의 문제라기보다 제도와 윤리의 문제에 가깝습니다([출처: UNESCO](https://www.unesco.org/en/artificial-intelligence)).
AI 활용: 두려움도 맹신도 아닌 현명한 중간 지점
"AI가 사람을 대체할 것"이라고 보는 시각도 있는데, 저는 좀 다르게 생각합니다. AI는 인간의 능력을 확장하는 증폭기에 가깝습니다. 망치가 손보다 못을 더 잘 박듯, AI는 정보 처리와 초안 생성에서 사람보다 빠릅니다. 하지만 어떤 못을 어디에 박아야 하는지 판단하는 건 여전히 사람의 몫입니다.
프롬프트 엔지니어링(Prompt Engineering)이라는 개념이 최근 주목받고 있습니다. 프롬프트 엔지니어링이란 AI에게 원하는 결과를 얻기 위해 질문이나 명령을 전략적으로 설계하는 기술을 말합니다. 제가 직접 써봤는데, 같은 AI를 쓰더라도 질문을 어떻게 구성하느냐에 따라 결과물의 품질이 현격히 달라집니다. AI를 잘 쓰는 것도 하나의 역량이 되는 시대가 된 것입니다.
결국 생성형 AI 시대에 필요한 역량은 정보를 암기하는 능력보다 정보를 비판적으로 검토하고 창의적으로 활용하는 능력입니다. AI가 제공한 답을 그대로 받아들이는 사람과, 그 답을 출발점 삼아 더 깊이 파고드는 사람 사이의 격차는 앞으로 더 벌어질 것으로 보입니다.
생성형 AI를 어떻게 바라보느냐는 결국 개인의 선택입니다. 저는 두려움보다 호기심을 앞세워 직접 써보면서 경계를 파악하는 방식을 택했습니다. AI를 아직 써보지 않으셨다면, 일단 한 번 직접 질문을 던져보시길 권합니다. 어떤 부분이 편리하고 어떤 부분이 부족한지는 직접 경험해 봐야 보입니다.