저는 지난 2년간 회사에서 AI 도구를 본격적으로 도입하면서 한 가지 사실을 깨달았습니다. 팀원들이 GPT를 쓰고도 성과가 나지 않는 이유는 AI가 나빠서가 아니라, 무엇을 시킬지 몰라서였습니다. 결국 기술이 아니라 문제를 어떻게 정의하느냐가 승부를 가르더군요. AI 시대의 승자는 최신 툴을 많이 아는 사람이 아니라, 일상의 당연함을 문제로 재정의하고 맥락을 붙여 실행하는 사람입니다. 이 글은 그 구조를 정리한 기록입니다.
변화는 선형이 아니라 임계점에서 터진다
변화를 체감하지 못하는 이유는 대부분의 혁신이 비선형적으로 일어나기 때문입니다. 애벌레는 조금씩 나비로 변하지 않습니다. 유충 호르몬이 임계점에 도달하는 순간, 번데기를 거쳐 완전히 다른 존재로 전환됩니다. 물리·생물·사회 시스템 모두 비슷한 패턴을 보입니다. 쭉 비슷한 상태로 유지되다가 어느 순간 빰 하고 급격한 변화가 일어나는 거죠. 1900년 뉴욕 5번가는 마차로 가득했습니다. 자동차는 단 한 대였습니다. 그런데 13년 뒤인 1913년, 같은 장소 사진을 보면 자동차가 거리를 메우고 마차는 한 대만 남아 있습니다. 10년 남짓한 시간 동안 교통수단이 완전히 역전된 겁니다. 이것이 임계점이 작동하는 방식입니다. 지금 AI도 같은 구간에 있습니다. 2024년 기준 엔비디아는 시가총액 4,990조 원으로 세계 1위 기업이 되었고, 이는 대한민국 전체 기업 시총의 두 배입니다. 노벨 물리학상과 화학상이 AI 연구자에게 돌아갔고, 전 세계 자본이 AI 반도체·로봇·자율주행으로 쏠리고 있습니다. 24년 만에 처음으로 하나의 기술 주제에 이 정도 자본이 모인 것은 2000년 닷컴 버블 이후 처음입니다.
문제를 재정의하는 사람이 AI를 쓴다
저는 프랑스 돼지 농장과 한국 스타트업의 사례를 비교하면서 이 차이를 실감했습니다. 돼지 무게를 매일 재는 일은 노동 집약적이고 힘듭니다. 프랑스 농장은 무게 측정 도로를 깔고 인부를 늘려 문제를 해결했습니다. 반면 한국의 인터플로우는 AI 비전 API로 카메라 한 대만 설치해 돼지 무게를 자동 측정했습니다. 비용도 시간도 줄었습니다. 차이는 무엇일까요? 프랑스는 기존 방식을 개선했고, 한국은 문제를 다시 정의했습니다. "무게를 어떻게 잴까"가 아니라 "무게 측정이라는 행위 자체를 없앨 수 있을까"로 질문을 바꾼 겁니다. AI는 이런 질문에 답할 수 있는 도구입니다. 단, 질문을 던지는 사람이 있어야 합니다. 또 다른 사례로 도어대시라는 미국 배달 플랫폼이 있습니다. 이 회사는 음식 추천을 "피자 좋아하면 햄버거" 식으로 하지 않습니다. 모든 리뷰를 AI에 학습시켜 "양이 많은 식당", "간이 센 식당" 같은 인간의 욕구 레벨로 분류합니다. 데이팅 앱처럼 작동하는 거죠. 결과적으로 거래량이 크게 늘었습니다. 여기서 중요한 건 AI가 아니라 "배달은 음식을 찾는 여정이다"라는 패턴 인식입니다. 제가 경험한 바로는 AI를 멋있어 보이려고 쓰면 피로도만 오릅니다. 진짜 내 문제를 풀고 싶을 때 AI의 스위트스폿이 건드려집니다.
콘텍스트가 없으면 기술은 공허하다
저는 유튜브 행사에서 의자 밑에 초콜릿을 붙여본 적이 있습니다. 참석자들이 일어나서 의자 밑을 만지는 순간, 당이 올라가면서 집중도가 확 올라갔습니다. 단순히 초콜릿을 나눠주는 것과 차원이 다른 효과였습니다. 차이는 콘텍스트입니다. "왜 지금, 왜 여기서, 왜 이 방식으로"라는 맥락이 행동에 의미를 부여합니다. 샌프란시스코를 달린 궤적으로 그린 예술 작품을 생각해 보세요. 단순히 선으로만 보면 별 감흥이 없습니다. 그런데 예술가가 실제로 몇 시간 달려서 만든 궤적이고, 그 과정이 영상으로 남아 있다면 작품의 가치는 완전히 달라집니다. 콘텍스트가 밸류에이션을 만드는 겁니다. AI도 마찬가지입니다. 허깅페이스 같은 오픈소스 플랫폼에는 수많은 모델이 공개돼 있습니다. 영상 생성, 음악 작곡, 이미지 합성 등 기능은 차고 넘칩니다. 그런데 이걸 써서 성과를 내는 사람은 소수입니다. 왜일까요? 기술은 도구일 뿐이고, 도구를 언제 어떻게 왜 쓸지 아는 사람만이 결과를 만들기 때문입니다. 아마존은 인테리어 소품 반품률이 높았습니다. 이유는 사이즈 문제였습니다. 배송 후 집에 놓아보니 너무 컸던 겁니다. 아마존은 AR 기능을 추가해 구매 전 거실에 가상으로 제품을 배치할 수 있게 했습니다. 반품이 크게 줄었습니다. 이 역시 AR이 멋있어서가 아니라, 반품이라는 구체적 문제와 연결됐기 때문입니다.
리질리언스와 미래 문해력이 진짜 생존 역량이다
AI 시대에는 실패와 좌절이 불가피합니다. 산업이 붕괴하고, 기업이 도산하고, 내가 가진 기술이 쓸모없어질 수 있습니다. 이때 필요한 역량이 리질리언스입니다. 단순히 이전 상태로 복구하는 게 아니라, 위기를 기회로 삼아 시스템을 몇 단계 업그레이드하는 힘입니다. 한국은 1997년 외환위기 때 금융 시스템이 붕괴 직전까지 갔습니다. 그런데 위기를 극복하는 과정에서 금융을 선진국 수준으로 끌어올렸고, 이는 한국이 선진국에 진입하는 발판이 됐습니다. 세계은행 보고서는 중진국 함정을 돌파한 유일한 나라로 한국을 꼽으며, "훌륭한 보통 사람들"을 핵심 요인으로 지목했습니다. 고등학교 졸업률 70%를 달성한 나라는 1980년대 한국뿐이었습니다. 문해력은 단순히 변화를 이해하는 게 아닙니다. 아직 존재하지 않는 변화를 예측하고, 능동적으로 변화를 주도하고, 새로운 가능성을 상상하는 역량입니다. 1970년대 로열 더치 쉘은 시나리오 플래닝을 통해 중동 정치 불안을 예측하고, 설비 투자를 줄이고 원유를 비축했습니다. 오일쇼크가 터지자 경쟁사보다 빠르게 대응해 업계 5위에서 2위로 도약했습니다. 저는 AI 공부가 기능 튜토리얼이 아니라 구조를 이해하는 일이라고 봅니다. 다만 진짜 생존 전략은 AI를 쓰기 위해 일을 다시 설계하고, 데이터를 정리하고, 측정 가능한 성과로 연결하는 태도입니다. 공포감으로 달리기보다, 내 업무에서 반복되는 계산·분류·작성·보고를 찾아 작은 자동화부터 실험하는 게 진짜입니다. 결국 AI 시대의 승자는 "AI를 잘 쓰는 사람"이 아니라, AI를 쓰기 위해 문제를 재정의하고 콘텍스트를 만들고 실패 속에서도 배우며 다시 설계하는 사람입니다. 기술은 도구일 뿐이고, 도구를 언제 어떻게 왜 쓸지 아는 사람만이 변화 속에서 방향을 잡습니다. 그리고 그 과정에서 사람 관계를 안전망으로 유지하는 생활 설계가 함께 가야 합니다. 저는 이것이 AI 시대를 살아가는 가장 현실적인 전략이라고 생각합니다.