[기고] AI 시대, 지식 전문가의 역할
■ 전문가 위기:경제와 사회 여건 변화 톰 니콜스는 '전문지식의 죽음(The Death of Expertise, 2017)'에서 인터넷과 민주주의 확산에 따라 전문가 존재가 무의미해지고 있다는 것을 지적한 바 있다. 저비용으로 지식과 콘텐츠를 생산-유통할 수 있게 됨에 따라 전문 지식이 특정 집단의 전유물이던 시대는 끝났다는 것이다. 전문가 영향이 줄어들고 있는 것과 달리 소비자와 일반인 영향력은 더 커지고 있다. 그 이유는 첫째, 시장 권력이 생산자로부터 소비자로 이동함에 따라 제품 가치사슬의 끝에 있는 소비자가 신제품과 기술 수용 여부를 결정하고 그에 따라 가치사슬 시작 단계인 기술개발 투자 여부가 결정되는 식이 되고 있기 때문이다. 소비자가 수용하지 않으면 투자가 줄어들고 의미있는 기술과 제품 개발도 중단될 수밖에 없다. 둘째, 이제 소비자는 생산자와 판매자에게 새로운(또는 고수준) 제품과 기술 개발을 요청할 뿐만 아니라 생산과 판매에 직접 참여(예: 사용자 혁신, 리빙랩)도 하고 있다. 최종 소비자의 고충(pain)이나 이득(gain)을 정확히 파악, 대응하는 것이 R&D나 제품개발 성과를 좌우하는 시대가 된 것이다. 이런 점에서 그동안 경제, 사회 등 각 분야에서 존중받던 전문가의 입지는 좁아질 수밖에 없다. ■전문가 위기:AI 고도화 전문가가 맞고 있는 또 다른, 더 심각한 위기는 인간의 지능을 넘어서는 인공지능(AI)이 실제 등장하고 있다는 것이다. 하버드대 브린욜프슨과 맥아피 교수는 '제2의 기계시대(The Second Machine Age, 2014)'에서 컴퓨터가 인간의 지적 활동을 대체하는 시대가 됐다고 했다. 생성형 AI가 급속하게 확산한 2023년 이후에는 남녀노소를 막론하고 누구나 AI를 일상생활을 위한 비서, 조수로 활용하면서 멋진 글은 물론 학술논문도 쓰고 음악, 미술 창작도 할 수 있게 되었다. 노벨상 수상자로 알파고를 만든 구글-딥마인드의 데미스 하사비스를 포함한 일부 전문가들은 심지어 AI가 2~3년 내에 특정 영역의 인간 전문가도 넘어서는 인공일반지능(AGI) 수준으로 발전할 것으로 예측하고 있다. 'AGI 또는 초지능(ASI)은 먼 미래에나 가능할 것이다'라고 얘기해 온 전문가들도 예상한 것보다 훨씬 빠른 AI 발전 속도에 놀라고 있는 것은 부인할 수 없는 사실이다. 생성형 AI 확산으로 문화예술 분야 창작자들이 위협을 느끼고 있지만, IT 산업에서는 소프트웨어(SW) 개발자들의 실직이 현실로 나타나고 있다. 2023년 한 해 동안 테슬라, 아마존, 페이팔 등 글로벌 테크 기업들은 약 40만 명의 고임금 SW 기술자들을 해고했다고 한다(참조: https://levelup.gitconnected.com/the-era-of-high-paying-tech-jobs-is-over-572e4e577758). AI에 의한 창작이 늘어날 수록 오히려 인간 창작자의 가치가 중요하게 평가돼야 한다고 보면, SW산업에서 개발자를 퇴출하고 있는 것은 결코 바람직하지 않은 일이다. AI가 인간보다 더 코딩을 잘한다면, SW 엔지니어도 단순 작업에서 벗어나 고객의 정확한 니즈를 분석, 정의하고 AI가 만든 코드에 결함이나 인간 사회를 위협할 요인이 없는지를 검토, 확인하는 역할로 전환해야 할 것이다. ■ 지식 전문가의 새로운 역할:큐레이터 전문가만 갖고 있던 전문 지식과 역량을 일반인도 갖게 된 시대, 일반인의 영향력이 커지고 AI라는 막강한 경쟁자가 등장한 시대에 전문가들은 어떤 역할을 담당해야 할까? 새로운 역할을 담당하기 위해 어떤 기량을 갖춰야 할까? 그동안 많은 지식 전문가들은 사람이나 조직을 대상으로 교육과 강연, 자문 등을 통해 지식 자체를 전달하는 역할을 담당해 왔다. 주는 쪽은 주는 것으로 역할을 다한 거고 받는 쪽은 받은 것 자체가 목적이었던 것처럼 거래를 해 온 것이다. 그러나, 위에 언급한 것과 같은 여건 변화 때문에 전문가의 역할도 달라져야 하고 달라질 수밖에 없는 상황이 됐다. 이를테면, AI보다 못한 지식을 전달하거나 심지어 AI가 만든 지식을 그대로 전달하는 교수와 교사, 컨설턴트를 누가 인정하고 신뢰할 것인가? 또, 전에는 전문가가 제공한 지식의 가치가 상당한 시간이 지나서 판명될 수 있었지만, 기술-경제-사회 변화가 빠르게 맞물려 돌아가는 지금은 오랜 시간이 지나지 않더라도 제공한 지식의 유용성 내지 신뢰성 여부가 드러나게 된다. 가치 없는 자문이나 조언이 반복된다면 전문가로서 생존할 수 있겠는가? 이제 지식 전문가는 기본적으로 넘쳐나는 각종 데이터와 지식을 자신이 축적한 통찰로 큐레이션해서 대학, 기업, 정부 등 고객에게 제공하는 역할을 담당해야 한다. '통찰'은 대상을 크고 넓게, 또 필요한 부분은 깊게 살피는 능력('大觀細察')이다. '큐레이션'(curation)은 '양질의 콘텐츠만을 취합·선별·조합·분류해 특별한 의미를 부여하고 가치를 재창출하는 행위'(위키백과)를 말한다. 전문가마저 창작 활동을 줄이거나 지금 수준의 AI에 의존한다면 머지않아 인간이 만들고 인간 가치를 중시하는 지식과 콘텐츠는 소멸하는 지경에 이를지도 모른다. 영국의 금융 서비스 회사인 Infynit의 창립자이면서 HSBC의 COO를 역임한 Ritesh Jain은 “AI 생성 데이터는 2021년 79제타바이트에서 2025년까지 181제타바이트로 증가할 것이고, 기업의 AI 도입은 지난 4년 동안 270%나 급증했지만, 47%의 기업이 AI를 통해 얻은 통찰력을 실행으로 전환하는 데 어려움을 겪고 있다"고 했다(Jain, 2025). 경영자와 관리자의 통찰은 AI 시대에도 계속해서 중요한 자산이라는 것이다. ■ 지식 전문가의 새로운 역할:문제 정의와 솔루션 검증 생성형 AI를 넘어 AI 에이전트로 진화하고 있는 현 단계에서도 AI는 인간 전문가의 역할을 대체하거나 훌륭한 조수 내지 파트너가 될 수 있다. 따라서, 인간 전문가는 AI가 잘하는 일은 AI에게 맡기고 AI가 잘못하는 작업을 담당하는 쪽으로 역량을 키우고 전환해 가야 한다. Jane(2025)은 “AI 기반 자동화는 2025년까지 8500만 개의 일자리를 대체할 것으로 예상되지만, 상황에 맞는 지능과 복잡한 문제 해결이 필요한 9700만 개의 새로운 역할도 창출할 것”이라고 했다. '상황에 맞는 지능' 또는 '맥락적(contextual) 지식'은 통찰력을 갖춘 지능에 해당하는 것으로 지금의 AI에게 부족한 능력이며 전문가 중에서도 일부만 갖고 있는 능력이다. 문제 해결 프로세스는 일반적으로 문제 정의, 대상 시스템 분석, 해결방안(solution, alternatives) 모색 및 개발, 최적해 선택 및 적용, 시스템 운영 및 개선 등의 과정을 거친다. 제조 공정에서 로봇이 인간보다 더 가공과 조립을 잘한다면, 인간 작업자는 제품기획과 설계와 고객 상호작용을 통해 제품과 서비스를 혁신하는 역할로 옮겨 가야 한다. 마찬가지로, 향후 인간 전문가는 AI나 로봇이 담당하거나 도와 줄 '솔루션 개발-구현' 단계보다는 그 앞부분과 뒷부분에서 인간의 통찰과 창의력이 필요한 작업을 담당하는 쪽으로 역할을 전환해 가야 한다. (아래 참조). ■ 지식 전문가도 이제 혼자가 아닌 '진정한 팀'이 돼야 지식 전문가에게 요구되는 새로운 역할, 즉 문제 정의나 솔루션 검증 등은 탁월한 전문가라 할지라도 혼자서 해결하기 어렵거나 혼자서 해결해서는 안 될 과업이다. 필자같은 프리랜서만을 두고 하는 얘기가 아니라 대학, 기업, 정부 등에서 일하는 전문가들도 마찬가지다. 규모가 큰 조직에서 일하는 전문가들은 모두 진정한 의미에서 하나의 팀이 되어 일하고 있는 걸까? 세밀한 역할분담을 통해 의미 있는 결과물이 만들어졌을 때 팀으로 일한 것이다. 각종 세미나, 컨퍼런스, 위원회, 협의체 등에 참여한 전문가들이 각자 자신이 아는 지식, 소견만을 일방향으로 내놓고 끝난다면, 이어 다양한 소견을 주최측이 일방적으로 취사선택한다면 그건 팀 어프로치가 아니다. 더구나 누군가 AI가 제시한 의견을 객관적 검증 없이 발표하고 그걸 채택하는 식이 된다면 점점 더 난감한 상황에 이르게 될 것이다. 예를 들면, '대한민국을 세계 최고 수준의 AI가 국가로 만들기 위한 전략이 무엇인가?'라는 질문에 대해 A는 1년 내에 세계 최고 수준의 LLM을 만들자고 하고 B는 LLM으로는 경쟁할 수 없으니 AI 전환(AX)에 집중하자고 한다. 또, C는 최고 수준의 AI 인재를 양성하자고 하고 D는 고성능 컴퓨팅 인프라부터 구축하자고 한다. 그와 같은 의견들이 모이고 걸러져서 최근 '대한민국 AI G3 전략'이 수립되었다. 진정한 의미의 '팀 어프로치'였을까? 데이터와 지식이 넘쳐나는 시대에 지식 전문가는 팀의 일원이 되어야 하고 성공적인 리더 또는 팔로워(follower)가 돼야 한다. '팔로워'는 단순히 리더를 따라가는 자가 아니라 공동의 목표 달성을 위해 리더를 포함한 다른 멤버들을 돕는 자이다. '팀의 일원'이 된다는 것은 자신의 지식과 다른 전문가의 지식을 팀 차원의 지식으로 연결, 통합하는 데 참여해야 한다는 것이다. 전문가 각자의 지식과 경험에서 나온 아이디어나 제안은 통합되기 전까지는 비현실적이거나 심지어 위험한(?) 것일 수도 있다. 무엇보다도 중요한 것은 고객이 요청한 문제에 답하기 전에 고객이 해결하고자 하는 문제가 '올바른 질문(right question)'에서 비롯된 것인지, 또 솔루션이 만들어진 후에는 그것이 '올바른 해결책(right solution)'인지를 검증, 확인하는 일이다. 이를 정부가 제시한 'AI G3 전략'에 대입해보면, '왜 대한민국이 AI G3가 돼야 하는가?', 'AI G3라는 목표 자체의 (경제적, 기술적, 운영적, 맥락적) 타당성은 있는 걸까?', 'AI G3가 되지 않더라도 국가 차원의 AI 기술경쟁력을 높이고, 관련 산업을 발전시키며, 국민들의 일상생활이나 직업과 고용 수준을 향상시킬 수 있는 다른 접근방법은 없을까?' 등의 질문이 필요하다. *(참고) Ritesh Jain, "The AI Era, Why Contextualising & Applying Knowledge Matter More than Having It", Finextra Community, 2025. 2. 3.
