숙련도와 취향: AI 시대에 인간의 '취향'이 중요한 이유와 습득 방법

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

핵심 요약

AI가 코딩과 문제 해결에서 높은 숙련도를 보임에 따라, 어떤 문제를 해결할지 결정하는 '취향(Taste)'의 가치가 더욱 커지고 있다. 취향은 인지과학적으로 '문제 발견' 능력에 해당하며, 수많은 패턴 기억(Chunks)과 정신적 모델을 기반으로 한 직관과 이해의 결합체이다. 이는 언어로 명시하기 어려운 암묵적 지식의 성격이 강해 단순한 텍스트 학습보다는 전문가와의 교류와 문화적 동화 과정을 통해 주로 습득된다. 결과적으로 AI 시대에는 지식의 민주화보다 대인 관계를 통한 비정형적 지식 전수가 커리어의 핵심 차별점이 될 것이다.

배경

AI/LLM의 기본 작동 원리에 대한 이해, 인지과학의 기초 개념(암묵적 지식 등)

대상 독자

AI를 업무에 활용하며 차별화된 경쟁력을 고민하는 지식 노동자 및 개발자

의미 / 영향

AI가 기술적 숙련도를 상향 평준화함에 따라, 인간의 역할은 '어떻게'에서 '무엇을'로 이동하며 대면 교육과 도제식 문화 전수의 중요성이 재조명될 것이다.

섹션별 상세

취향은 '숙련도(Proficiency)'와 구분되는 개념으로, 숙련도가 문제를 어떻게 해결할 것인가에 집중한다면 취향은 어떤 문제를 해결할 것인가를 결정하는 능력이다.

숙련도와 취향의 차이를 시각화한 다이어그램이다. — Diagram숙련도는 시작점에서 목표점까지의 경로를 찾는 과정(How)으로 묘사되는 반면, 취향은 여러 가능한 목표점 중 어떤 것을 선택할지 결정하는 과정(Which)으로 정의된다. 이는 AI가 해결책 제시는 잘하지만 문제 선정에는 취약함을 보여준다.

인지과학적 관점에서 취향은 전문가가 보유한 방대한 '청크(Chunks)' 기반의 직관과 상황을 시뮬레이션하는 정신적 모델(Mental Models)을 통한 이해가 결합된 형태의 전문성이다.

체스 경기와 기억 속의 50,000개 이상의 청크를 보여주는 그림이다. — Diagram전문가의 직관이 신비로운 능력이 아니라 뇌 속에 저장된 방대한 패턴 지식(Chunks)의 결과물임을 설명한다. 체스 고수가 수만 개의 국면을 기억하여 즉각적인 판단을 내리는 것처럼, 취향 역시 이러한 데이터베이스를 기반으로 작동함을 시사한다.

취향은 규칙으로 명시하기 어려운 '암묵적 지식(Tacit Knowledge)'의 성격이 강하며, 이는 텍스트 데이터 위주로 학습하는 현재의 LLM이 인간의 판단력을 따라오기 힘든 주요 원인이다.

명시적 지식과 암묵적 지식의 예시를 비교한 그림이다. — Diagram철자 규칙과 같은 명시적 지식(Explicit)과 달리, 형용사의 어순처럼 규칙을 설명하기는 어렵지만 자연스러움을 느끼는 암묵적 지식(Tacit)의 차이를 보여준다. 취향은 후자에 속하며, 이는 단순한 텍스트 학습으로 습득하기 어려운 영역임을 강조한다.

취향의 습득은 단순히 개인의 연습이나 피드백보다는 전문가의 감정적 판단과 반응을 곁에서 관찰하며 닮아가는 '문화적 동화(Enculturation)' 과정을 통해 효과적으로 이루어진다.

지식의 민주화로 인해 일반적인 정보의 가치가 하락함에 따라, 대면 접촉을 통해서만 전수될 수 있는 비정형적이고 심미적인 지식의 가치가 상대적으로 높아질 전망이다.

실무 Takeaway

AI 도구를 활용할 때 해결책을 찾는 '숙련도'는 AI에 맡기되, 프로젝트의 방향성을 정하는 '취향'을 기르는 데 집중하여 차별화된 결과물을 만들어야 한다.
전문가 집단이나 멘토와의 밀접한 교류를 통해 그들의 감정적 반응과 판단 기준을 관찰함으로써 언어로 설명되지 않는 암묵적 '취향'을 내면화해야 한다.
단순한 이론 공부(Book-learning)를 넘어 다양한 양질의 사례에 노출되어 뇌 속에 직관적 판단의 근거가 되는 '청크'를 충분히 쌓는 과정이 필요하다.