AI를 배웠다면, 내 일상에서 무엇이 달라졌는가

AI 교육은 아직도 주입식 교육이다.

적어도 아직 궁금하지도 않은 사람에게 컨텍스트가 무엇인지, 스킬과 플러그인은 어떻게 다른지부터 설명하는 강의라면 나는 그렇게 느낀다. 새로운 도구를 가르치는데 배우는 순서는 익숙하다. 먼저 개념을 듣고, 용어를 기억하고, 언젠가 쓸 때를 기다리는 식이다.

그런데 AI 교육에서 정말 가르쳐야 할 것은 무엇인가. 나는 자신이 일하고 생활하는 방식을 AI로 어떻게 더 효율적으로 바꿀 수 있는지가 중심이어야 한다고 생각한다. 그렇다면 교육이 끝난 뒤 남아야 할 것도 달라져야 한다.

“오늘 스킬과 플러그인의 차이를 배웠다.”

그보다 나는 이런 결과가 더 값지다고 생각한다.

오늘 내 일상 중 하나를 AI 에이전트에게 맡겼다.

1. 먼저 외워야 시작할 수 있는가

보고서를 쓰기 전에 관련 자료와 이전 초안을 찾는 일, 출근해서 오늘 확인할 업무를 정리하는 일, 학교 수업 자료를 간단히 요약하는 일. 꼭 거창할 필요는 없다. 평소 내가 하던 일 중 작은 것 하나면 된다.

그 일을 맡겨보는 데 처음부터 모든 용어를 알아야 하는가. 원하는 결과를 말하고, 무엇이 필요한지 물어보고, 나온 결과를 보면서 고쳐갈 수도 있다. 모르는 기능이나 개념은 그 과정에서 AI에 질문하거나 문서를 찾아 이해하면 된다.

답이 엉뚱하면 어떤 정보를 더 줘야 하는지 궁금해진다. 같은 설명을 반복하다 보면 재사용할 방법을 찾게 된다. 그때 배우는 개념은 당장 해결할 문제와 연결된다. 왜 필요한지도 모르는 설명을 일단 기억해두는 것과는 출발점이 다르다.

이런 학습 방식이 AI 때문에 처음 생긴 것은 아니다. 다만 모르는 것을 물어보고, 방법을 찾아보고, 바로 시도하기가 쉬워진 만큼 교육의 순서와 시간 배분도 다시 생각해볼 만하다.

2. 암기의 비용도 함께 계산해야 한다

지식을 기억하고 있으면 편하다. 매번 찾아볼 필요가 없고, 아는 내용이 있으면 새로운 설명을 이해하거나 이상한 답을 알아차리는 데도 도움이 된다.

하지만 효율을 비교할 때 기억에서 바로 꺼내 쓰는 순간만 보면 안 된다. 처음 외우는 시간, 잊지 않으려고 반복하는 시간, 내용이 바뀌었는지 확인하는 시간도 들어간다. 잘못 기억하고 있었다면 발견하고 수정하는 비용도 생긴다.

배울 때는 중요해 보였지만 실제로 거의 쓰지 않는 내용이라면 어떨까. 도구의 기능처럼 바뀔 수 있는 내용을 예전 모습 그대로 기억하고 있다면 어떨까. 많이 외웠다는 사실만으로 그 시간이 잘 쓰였다고 말하기는 어렵다.

이제 비교 대상은 ‘기억하지 못하면 아무것도 할 수 없는 상태’가 아니다. 필요한 순간에 AI와 함께 탐색하고, 근거를 확인하고, 실제 문제에 적용하는 방법이 있다.

물론 여기에도 질문하고 검증하는 시간이 들어간다. 그래서 두 방법을 같은 기준으로 비교해야 한다. 문제를 제대로 해결하기까지 배우고, 찾고, 확인하고, 수정하는 데 얼마나 드는지를 봐야 한다.

내가 묻고 싶은 것은 암기를 없애도 되느냐가 아니다. 탐색과 검증이 쉬워진 상황에서도, 아직 필요하지 않은 지식을 미리 외우게 하는 데 그만큼의 교육 시간을 쓰는 것이 효율적이냐는 것이다.

3. AI의 답을 의심하듯 내 기억도 확인하는가

여기에는 오류를 대하는 태도도 걸려 있다.

AI가 준 답에는 “틀릴 수 있으니 확인해야 한다”는 경고를 붙인다. 출처를 열어보고, 실제 결과와 비교하고, 잘못된 부분을 수정하는 절차를 만든다.

그런데 내가 기억해서 꺼낸 답에도 같은 절차를 붙이고 있는가.

사람도 잘못 기억할 수 있다. 예전에 맞았던 내용이 지금은 맞지 않을 수 있고, 배울 때 붙어 있던 조건을 잊었을 수도 있다. 그런데 그 답은 ‘확인해야 할 정보’보다 ‘내가 이미 아는 것’으로 받아들여질 수 있다. 안다고 생각하면 다시 찾아볼 이유조차 떠올리지 못할 수 있다.

AI의 답에는 오류 가능성과 검증 비용을 계산하면서, 사람의 기억은 정확하게 보관된 지식처럼 취급한다면 공정한 비교인가. 외워서 꺼낸 답에도 확인과 수정은 필요하다.

그렇다면 교육에서도 정답을 기억하는 연습만큼, 가져온 답을 어떻게 확인하고 고칠지 연습할 시간이 필요하다. 그 답이 AI에게서 나왔든 내 머릿속에서 나왔든 마찬가지다.

4. 오늘 하나를 맡기고, 내일 다시 써보기

내가 생각하는 AI 수업의 결과물은 작아도 된다.

매일 아침 메일을 훑으며 오늘 확인할 것을 고르는 사람이라면, 허용된 메일을 분류하고 확인 후보를 정리하는 일 하나를 맡겨보는 것이다. 중요한 메일이 빠졌는지, 급하지 않은 것이 섞였는지 살펴보고, 무엇을 우선해야 하는지 알려주며 고쳐가면 된다. 처음부터 답장 발송까지 맡길 필요는 없다.

학생이라면 지난 수업까지 배운 내용을 정리하게 해볼 수도 있다. 수업 자료와 비교해서 빠진 부분이나 잘못 요약된 부분을 고치고, 다음 수업 전에 읽을 수 있는 형태로 만드는 것이다. 보고서에 쓸 자료를 미리 찾아놓는 일, 연락해야 할 업무 전화 목록을 정리하는 일, 새로운 일이 생겼을 때 기록을 남기는 일도 괜찮다.

중요한 것은 시연을 보고 “신기하다”로 끝나지 않는 것이다. 내가 원래 하던 일에 적용해보고, 결과가 쓸 만한지 확인하고, 내일도 다시 맡길 수 있게 만드는 데까지 가야 한다. 생각보다 손이 많이 갔다면 어느 부분이 번거로웠는지도 다음에 바꿀 근거가 된다.

내 업무 전체를 분석해서 완전히 자동화할 필요는 없다. 내가 하던 일 하나를 맡겨보면, 더 맡길 만한 일과 직접 해야 할 일도 구체적으로 생각해볼 수 있다. 강사는 그 과정에서 필요한 개념을 설명하고, 막힌 부분을 풀어주고, 결과를 확인하는 방법을 함께 연습하게 하면 된다.

교육이 끝났을 때 용어 몇 개를 더 설명할 수 있게 되는 것도 배움이다. 하지만 나는 내일의 일상에서 실제로 달라지는 일이 하나 있었으면 한다.

AI가 틀릴 수 있다는 이유로 검증을 가르친다면, 내 기억도 틀릴 수 있다는 사실을 함께 가르쳐야 한다. 지식을 찾고 확인하는 비용이 달라졌다면, 배우는 데 시간을 쓰는 방식도 달라져야 한다.

AI 교육의 가장 큰 값어치는 그 변화를 직접 만들어보는 데 있다고 생각한다.

오늘 내 일상 중 하나를 AI 에이전트에게 맡겼다.

그 정도로 작고 구체적인 결과에서 시작하면 된다.

관련 글

• 클린 코드를 넘어, ‘클린 컨텍스트’로 — 결정의 이유와 조건, 정정을 조직의 자산으로 남기는 일.
• AI 작업의 기록·검증·재사용에 관한 글