이 글은 AI가 학습과 창작, 실무에 미치는 영향이 '최고 수준의 한계(천장)'를 높이기보다는 '최저 수준(바닥)'을 끌어올리는 데 집중된다는 점을 다양한 예시와 함께 설명합니다. AI는 초보자와 중간 수준의 사용자가 더 쉽게 시작하고 성장할 수 있도록 돕지만, 진정한 전문가 수준의 숙련이나 창의성, 이미 잘 다듬어진 영역에서는 그 영향이 제한적입니다. 각 분야별로 AI의 실제 효과와 한계, 그리고 앞으로의 변화에 대한 통찰을 시간순으로 정리합니다.

1. AI가 바꾼 학습 곡선: 맞춤형 학습의 등장

과거에는 학습 자료가 특정한 '대상자'를 염두에 두고 만들어졌기 때문에, 학습자는 자신에게 딱 맞는 자료를 찾기 어려웠습니다. 예를 들어, 어떤 주제에 입문하고 싶지만 관련된 배경지식이 있을 때, 그 배경지식을 활용해 설명해주는 자료를 찾기 힘들었습니다. 또한, 어떤 주제를 배우기 위해 선행 지식이 필요하다는 사실조차 모르는 경우도 많았고, 중급 단계에서 막히는 지점에 딱 맞는 자료를 찾기도 어려웠습니다.

이런 전통적인 학습 곡선은 아래와 같이 그려집니다.

AI의 등장은 이런 문제를 크게 바꿔놓았습니다. AI는 사용자의 현재 수준에 맞춰 질문에 답하고, 반복적인 작업도 대신해줄 수 있습니다. 즉, AI는 학습자의 '현재 위치'에서 바로 도움을 줄 수 있어, 학습 곡선이 다음과 같이 변화합니다.

2. 숙련의 한계: AI로도 넘기 힘든 벽

AI가 초보자와 중급자에게는 큰 도움이 되지만, 진정한 '전문가' 수준에 도달하는 것은 여전히 어렵습니다. 실제로 많은 전문가들은 AI의 한계에 대해 회의적입니다. 한 해커뉴스 사용자는 이렇게 말합니다.

"AI는 얕아요. 내가 더 깊이 들어갈수록 AI가 쓸모없어지는 속도가 빨라집니다. 특히 복잡하거나 논란이 있는 주제를 연구할 때, 신뢰할 만한 자료나 학술적인 자료를 찾으려면 AI는 거의 도움이 안 돼요."

이유는 간단합니다. AI는 대중적이고 일관된 데이터에는 강하지만, 고급 주제나 논란이 많은 분야에서는 데이터가 부족하거나 상반된 정보가 많기 때문입니다. 그래서 진정한 '마스터리'는 여전히 어렵습니다.

3. AI와 '치팅': 답만 얻고 멈추는 학습의 위험

AI가 답을 쉽게 알려주는 시대에, '공부' 대신 '정답'만 얻으려는 유혹도 커졌습니다. 예를 들어, OpenAI의 Study Mode처럼 AI에게 바로 답을 묻는 방식이 대표적입니다. 이런 방식은 사용자가 AI가 제공할 수 있는 수준에서 성장이 멈추는 '플래토(plateau)' 현상을 만듭니다.

결국, 이런 방식으로는 진정한 실력 향상이나 깊은 이해에 도달할 수 없습니다. 저자는 "치팅하는 사람들은 결국 오래가지 못한다!"고 강조합니다.

4. 변화된 학습 곡선의 실제 영향: 분야별로 살펴보기

기술의 변화는 항상 '승자'와 '패자'를 만듭니다. AI의 영향력은 '임팩트 있는 결과물을 만들기 위해 필요한 숙련도의 양'에 따라 달라집니다.

4.1. 코딩: 관리자에게는 축복, 대형 프로젝트에는 한계

소프트웨어 엔지니어링 관리자들은 원래 좋은 소프트웨어의 원칙은 알지만, 새로운 프레임워크나 언어를 직접 다루는 데는 어려움이 있었습니다. AI 덕분에 이들은 빠르게 기초를 익히고, 간단한 앱을 만들 수 있게 되었습니다. 기존의 지식을 바탕으로 AI가 만들어준 결과물을 다듬어 실제 제품으로 발전시킬 수 있게 된 것이죠.

하지만, 이미 복잡하고 방대한 코드베이스를 다루는 개발자들에게는 AI의 도움이 제한적입니다. AI는 특정 프로젝트의 맥락이나 세부 구현을 잘 파악하지 못하기 때문입니다.

4.2. 창작 분야: 경쟁의 벽과 '새로움'의 중요성

많은 사람들이 AI가 소설이나 영화 등 창작 분야를 대체할까 걱정하지만, 실제로는 쉽지 않습니다. 창작 분야는 경쟁이 매우 치열하고, '새로움'이 필수적이기 때문입니다. AI가 이미지, 오디오, 텍스트를 쉽게 만들어내긴 하지만, 사람들의 관심을 끌기 위해서는 남들과 다른 독창성이 필요합니다.

"새로움은 성공적인 창작의 필수 조건입니다. 사람들은 이미 본 것과 비슷한 것을 금방 알아차리죠."

예를 들어, 한때 '지브리 스타일' 아바타가 유행했지만, '하울의 움직이는 성' 같은 작품의 문화적 위치를 위협하지는 못했습니다.

4.3. 이미 앱으로 하는 일들: AI의 영향은 미미

이메일이나 음식 주문처럼 이미 잘 만들어진 앱이 있는 분야에서는 AI의 영향이 거의 없습니다. 예를 들어, 이메일 앱은 이미 다양한 필터링과 정리 기능을 제공하고 있어, AI가 요약해주는 기능이 큰 도움이 되지 않습니다.

• 스팸 메일은 이미 자동으로 분류되고, 요약해도 쓸모가 없습니다.
• 중요한 메일은 AI가 요약하면 오히려 중요한 정보를 놓칠 수 있어 원하지 않습니다.
• 음식 주문 앱도 정보와 사진, 가격 등 다양한 요소를 균형 있게 보여주기 때문에, AI가 더 나은 인터페이스를 만들기는 어렵습니다.

5. AI의 변화, 모두에게 똑같이 다가오지 않는다

AI는 지식 노동의 '바닥'을 올려주었지만, 그 변화가 모든 사람에게 똑같이 중요하지는 않습니다. 그래서 AI에 대한 반응도 매우 다양합니다. 어떤 이들은 AI 덕분에 기술과의 관계가 완전히 달라졌다고 느끼고, 또 어떤 이들은 대체될까 두려워하거나, AI의 유용성을 잘 느끼지 못합니다.

"AI가 모든 걸 바꾸진 않았지만, 매우 강력한 기술임은 분명합니다. 누구든 실험해볼 가치는 있지만, 만약 당신에게 별로 쓸모 없어 보인다면, 정말 그럴 수도 있습니다."

마무리

AI는 학습과 실무, 창작의 '진입장벽'을 낮추고, 더 많은 사람들이 시작할 수 있도록 돕는 '바닥 올리기' 역할을 하고 있습니다. 하지만 진정한 숙련, 창의성, 이미 잘 다듬어진 영역에서는 그 영향이 제한적입니다. AI의 변화는 모두에게 똑같이 다가오지 않으니, 각자의 필요와 맥락에 맞게 활용하는 것이 중요합니다.