요즘 AI 관련 글 보면 다 개발 이야기다. 모델이 어쩌고. 파라미터가 어쩌고. 코딩이 어쩌고.
근데 솔직히. 우리 대부분은 AI를 만드는 사람이 아니다. 쓰는 사람이다.
그래서 나는 좀 다른 관점으로 글을 쓴다. AI를 실생활에서 어떻게 활용할 수 있는지. 그 아이디어를 나누고 싶어서. 이번에 자료를 쭉 정리하다 보니까. 하나가 확실하게 보였다.
그래서 문제 정의 능력이 없으면 AI를 써도 달라지는 게 없는 이유에 대해서 공유해본다.
AI는 답을 기가 막히게 잘 낸다. 근데 뭘 물어봐야 하는지는 모른다. 그건 아직 인간의 몫이다. 이게 왜 중요하냐면. AI를 잘 쓰는 사람과 못 쓰는 사람의 차이가. 결국 여기서 갈린다는 거다. 같은 ChatGPT를 써도. 어떤 사람은 쓸모없는 답을 받고. 어떤 사람은 돈이 되는 답을 받는다.
차이는 도구가 아니다. 질문이다.
아래 글을 읽으면 이런 걸 얻어갈 수 있다.
왜 지금 문제 정의 능력이 중요해졌는지. 역사적으로 이런 패턴이 반복돼 왔다는 것. 그리고 앞으로 어떤 사람이 살아남는지.
어렵게 안 썼다. 개발 이야기 하나도 없다. 그냥 우리 같은 일반 사용자 입장에서. AI 시대를 어떻게 바라봐야 하는지에 대한 글이다.
문제 정의 능력, 왜 갑자기 이게 화두가 됐을까
불과 2~3년 전만 해도.
우리는 답을 잘 찾는 사람이 능력자였다.
검색 잘하고.
코드 잘 짜고.
보고서 잘 쓰는 사람.
그게 프로였다.
근데 지금?
ChatGPT가 3초 만에 보고서를 뽑아낸다.
코드? AI가 짠다.
번역? 이미 인간을 넘었다.
그래서 지금, 문제 정의 능력이 갑자기 수면 위로 올라온 거다.
답을 내는 능력이 기계한테 넘어간 순간.
남는 건 딱 하나.
뭘 물어볼 것인가.
이건 우연히 뜬 주제가 아니다.
구조적으로, 역사적으로.
반드시 나올 수밖에 없었던 주제다.
시작은 여기였다, AI가 너무 잘해서 생긴 문제
McKinsey Global Institute가 2026년 1월에 발표한 보고서가 있다.
제목부터 직설적이다.
Human skills will matter more than ever in the age of AI.
핵심 내용은 이렇다.
기존 미국 업무 시간의 절반 이상이 자동화 가능하다.
하지만 일자리가 통째로 사라지는 건 아니다.
사람이 하는 일의 종류가 바뀌는 거다.
그리고 그 보고서가 콕 집어서 말한 인간의 핵심 역할이 있다.
문제를 규정하고.
AI 결과물을 감독하고.
결과를 해석하는 것.
(McKinsey, Human skills will matter more than ever in the age of AI)
첫 번째로 나온 게 framing problems다.
문제 정의.
AI한테 무엇을 시킬지 정하는 능력.
역사는 이미 이걸 보여줬다, 러다이트 운동의 교훈
이게 처음이 아니다.
1810년대 영국.
산업혁명이 한창이었다.
방직 기계가 공장에 들어오면서.
2만 명 넘는 직조공이 일자리를 잃었다.
그들은 기계를 부쉈다.
역사는 이들을 러다이트라 부른다.
(The New Yorker, Rethinking the Luddites in the Age of A.I.)
근데 결과는?
기계는 멈추지 않았다.
대신 새로운 역할이 생겼다.
실을 짜는 사람은 사라졌지만.
기계를 설계하는 사람이 등장했고.
공장을 운영하는 사람이 등장했고.
품질을 관리하는 사람이 등장했다.
패턴은 항상 같다.
기술이 실행을 대체하면, 인간은 기획으로 올라간다.
VoxDev의 2026년 2월 분석도 정확히 이 패턴을 짚었다.
산업혁명 때와 AI 혁명의 유사점과 차이점을 다루면서.
기계가 루틴 업무를 빠르게 흡수하면 인간은 적응할 시간이 줄어든다고 경고했다.
(VoxDev, AI and the industrial revolution: Similarities, differences and lessons)
아인슈타인과 드러커가 이미 답을 줬다
이건 사실 새로운 이야기도 아니다.
아인슈타인은 이렇게 말했다.
문제의 정립이 그 해결보다 훨씬 본질적이다.
해결은 단지 수학적, 실험적 기술의 문제일 뿐이다.
(Today In Science, Einstein Quote on Problem)
피터 드러커도 같은 맥락이었다.
경영 의사결정에서 가장 흔한 실수의 원인은.
올바른 질문이 아니라 올바른 답을 찾는 데 집중하는 것이다.
(AZ Quotes, Peter Drucker on Management)
20세기 최고의 물리학자와 경영학자가 같은 말을 한 거다.
답이 아니라 질문이다.
그런데 그때는 이 말이 좀 뜬구름 잡는 소리로 들렸다.
왜?
사람이 답도 내야 했으니까.
질문도 중요하지만.
결국 실행력이 돈이 됐으니까.
지금은 다르다.
AI가 실행을 가져갔다.
남은 건 진짜로 질문뿐이다.
숫자가 말하는 현실, 2,300만 개의 일자리 경고
SHRM, 미국인적자원관리협회가 2025년 10월에 충격적인 데이터를 내놨다.
미국 내 약 2,320만 개 일자리가 자동화로 인한 대체 위험에 놓여 있다.
전체 일자리의 약 15%.
이 중 절반 이상의 업무가 이미 자동화 가능한 수준이다.
(SHRM, AI’s Wake-Up Call: 23.2 Million American Jobs at Risk)
WEF, 세계경제포럼의 Future of Jobs Report 2025도 비슷한 톤이다.
2030년까지 9,200만 개의 일자리가 대체되고.
동시에 1억 7,000만 개의 새로운 역할이 만들어진다고 했다.
(WEF, Future of Jobs Report 2025)
여기서 핵심은?
사라지는 일자리의 공통점은 실행 중심이고.
새로 생기는 일자리의 공통점은 판단과 정의 중심이라는 것.
뇌가 퇴화하고 있다, 인지적 위축의 경고
더 무서운 건 따로 있다.
Microsoft Research가 2025년 초에 발표한 논문이 있다.
제목은 The Impact of Generative AI on Critical Thinking.
결론은 섬뜩하다.
AI를 많이 쓸수록.
인간의 비판적 사고 능력이 떨어진다.
인지적 위축, cognitive atrophy가 발생한다는 거다.
(Microsoft Research, The Impact of Generative AI on Critical Thinking)
MIT Media Lab도 2025년에 이걸 실험으로 증명했다.
ChatGPT를 사용해서 글을 쓴 그룹은.
직접 쓴 그룹에 비해 기억력이 저하됐고.
비판적 사고력이 저하됐고.
지식 구축 능력이 저하됐다.
이걸 인지적 부채, Cognitive Debt라고 불렀다.
(MIT Media Lab, Your Brain on ChatGPT)
하버드 대학도 2025년 11월에 이 문제를 정면으로 다뤘다.
AI가 우리의 정신을 무디게 만들고 있는가?
(Harvard Gazette, Is AI dulling our minds?)
정리하면 이렇다.
AI에게 답을 맡기면 편하다.
근데 그 편함이 반복되면?
질문을 던지는 능력.
즉 문제 정의 능력 자체가 녹아내린다.
아무도 말 안 하는 진짜 시나리오, 예측
자, 여기서부터가 진짜다.
현재 상황을 분석하면.
아무도 대놓고 말 안 하는 시나리오가 보인다.
첫째, 질문 격차가 생긴다.
AI 도구를 잘 쓰는 사람과 못 쓰는 사람의 차이가 아니다.
무엇을 물어야 하는지 아는 사람과.
그냥 AI한테 시키는 사람.
이 둘 사이의 격차다.
이건 소득 격차보다 더 근본적인 격차가 될 수 있다.
McKinsey가 말한 skills partnership.
인간이 문제를 정의하고 AI가 실행하는 구조.
이걸 못 만드는 사람은 도태된다.
(McKinsey, AI: Work partnerships between people, agents, and robots)
둘째, 주니어가 사라진다.
AI가 초급 업무를 대체하면서.
신입이 성장할 경로가 끊긴다.
HBR 2026년 2월 기사가 정확히 이 문제를 다뤘다.
How Do Workers Develop Good Judgment in the AI Era?
직접 해봐야 판단력이 생기는데.
해볼 기회 자체가 사라지는 거다.
(Harvard Business Review, How Do Workers Develop Good Judgment in the AI Era?)
시니어가 되려면 주니어 시절의 삽질이 필요하다.
근데 그 삽질을 AI가 다 해버린다.
10년 뒤.
문제를 정의할 줄 아는 시니어가 극심하게 부족해진다.
셋째, 문제 정의가 새로운 계급이 된다.
산업혁명 때 자본이 계급을 만들었다.
정보혁명 때 데이터가 계급을 만들었다.
AI 혁명에서는 질문력이 계급을 만든다.
문제를 정의하는 사람이 전략을 쥐고.
AI에게 시키기만 하는 사람은 대체 가능한 부품이 된다.
이건 개인의 문제가 아니다.
기업도, 국가도 마찬가지다.
어떤 문제를 풀 것인가를 정의하는 쪽이 주도권을 가진다.
그래서, 역사적 패턴에서 뭘 배울 수 있나
패턴을 정리하면 이렇다.
1차 산업혁명.
기계가 육체노동을 대체했다.
인간은 기계를 운영하는 역할로 이동했다.
2차 산업혁명.
전기와 대량생산이 도입됐다.
인간은 관리와 설계 역할로 이동했다.
3차 산업혁명.
컴퓨터와 인터넷이 등장했다.
인간은 정보를 분석하고 판단하는 역할로 이동했다.
4차 산업혁명, 지금.
AI가 분석과 실행을 대체하고 있다.
인간은 문제를 정의하는 역할로 이동하고 있다.
(Forbes, Steam To Silicon: Comparing The Industrial Revolution And The AI Age)
매번 같은 패턴이다.
기술이 한 층을 가져가면.
인간은 한 층 위로 올라간다.
그리고 그때마다 아래층에 머무른 사람들은 도태됐다.
지금 우리가 서 있는 곳은?
실행의 층에서 정의의 층으로 올라가는 계단 위다.
이걸 이기는 방법
AI는 답을 잘 낸다.
점점 더 잘 낸다.
앞으로는 상상도 못 할 수준으로 잘 낼 거다.
그래서 역설적으로.
뭘 물어볼 것인가를 아는 사람이 가장 비싸진다.
문제 정의 능력.
이건 기술이 아니다.
이건 사고방식이다.
왜 이게 문제인가?
진짜 문제는 뭔가?
우리가 놓치고 있는 건 뭔가?
이 질문들을 던질 수 있는 사람.
AI 시대에 살아남는 사람은 그 사람이다.
러다이트들은 기계를 부쉈다.
우리는 기계를 부술 필요 없다.
대신 기계에게 올바른 질문을 던지면 된다.
그리고 그 질문은.
아직까지는.
인간만이 할 수 있다.
