지구는 다양한 사람들이 사는 아주 드문 별
《어린 왕자》 16장은 지구를 평범한 별이 아니라고 소개한다. 수많은 왕과 지리학자, 사업가와 술꾼과 허영쟁이, 셀 수 없이 많은 가로등 점등인이 함께 사는 곳이다. 앞에서 어린 왕자가 하나씩 방문했던 작은 별의 인물 유형이 지구 한곳에 모두 모여 있다.
작품은 세계를 사람들이 사는 여러 지역으로 나누고, 점등인들이 시간대에 따라 차례로 불을 켜고 끄는 장관을 그린다. 서로 다른 장소의 사람들이 같은 일을 다른 시간에 수행한다. 지구는 하나지만 살아가는 조건과 리듬은 같지 않다.
‘아주 드문 별’이라는 말은 지구가 우주에서 선택받은 중심이라는 뜻으로만 읽을 필요가 없다. 이렇게 다른 존재와 생활 방식이 한 네트워크 안에 모여 끊임없이 영향을 주고받는다는 점에서 드물고 복잡한 곳이다.
왕과 술꾼, 사업가를 서로 분리된 유형으로 보면 사람을 고정된 이름표에 가두게 된다. 실제 한 사람 안에도 권력을 원하는 마음, 인정받고 싶은 마음, 괴로움을 피하려는 마음과 숫자로 소유하려는 마음이 함께 있다. 지구의 다양성은 타인의 차이뿐 아니라 한 인간 내부의 복잡성도 포함한다.
20억 명의 지구에서 80억 명의 지구로
《어린 왕자》가 출간된 1943년 무렵 세계 인구는 약 20억 명이었다. 오늘날에는 약 80억 명으로 네 배 가까이 늘었다. 정확한 통계는 조사 시점과 추정 방식에 따라 달라지지만, 한 사람의 생애를 몇 번 잇는 동안 인류의 규모가 크게 바뀌었다는 사실은 분명하다.
인구가 늘었다는 것은 단지 입의 수와 소비량이 늘었다는 뜻이 아니다. 서로 다른 경험과 언어, 문제와 해결책이 더 많이 연결될 가능성이 생겼다는 뜻이기도 하다. 동시에 자원과 환경, 불평등과 갈등을 조정해야 하는 복잡성도 커졌다.
80억을 하나의 동일한 ‘인류’로 묶으면 차이는 사라져 보인다. 그러나 실제 사람은 태어난 지역과 가족, 교육, 몸, 성별, 계급, 종교와 역사에 따라 전혀 다른 세계를 산다. 같은 지구에 살지만 같은 지구를 보는 것은 아니다.
숫자는 규모를 알려 주지만 관계의 내용을 설명하지 못한다. 80억 명이 있다는 사실만으로 서로가 연결된 것도, 지혜로워진 것도 아니다. 차이를 없애지 않으면서 어떻게 관계를 만들 것인지가 인구의 크기보다 중요한 질문이다.
80억 명의 우물 안 개구리
강의자는 오늘의 지구를 80억 마리의 우물 안 개구리가 사는 곳이라고 표현한다. 사람마다 자기가 경험한 작은 하늘을 전체 세계라고 여기기 쉽다. 나의 언어와 상식, 가족의 가치와 사회의 규칙이 자연 그 자체처럼 느껴진다.
우물 안이라는 말은 단지 무지한 타인을 비웃는 표현이 아니다. 누구도 모든 장소와 시대와 관계를 직접 경험할 수 없다는 인간의 조건을 가리킨다. 전문가도 자기 분야와 시대의 우물 안에 있고, 강의자 역시 예외가 아니다.
문제는 우물이 있다는 사실보다 자기 우물을 세계 전체라고 확신하는 데 있다. 다른 사람의 말이 나의 상식과 다르면 곧 틀렸다고 판단하고, 나와 다른 문화와 삶을 비정상으로 만든다. 다양성은 그때 배울 기회가 아니라 없애야 할 오류가 된다.
우물에서 완전히 탈출해 신의 시점에 설 수는 없다. 대신 다른 우물의 사람과 대화하고, 내가 보는 하늘이 부분임을 인정하며, 관찰의 범위를 넓힐 수 있다. 지혜는 우물이 없는 상태보다 내 시야의 경계를 아는 데서 시작한다.
연기는 네트워크의 언어다
불교에서 연기적이라고 말하는 것을 오늘의 언어로 바꾸면 네트워크의 이론이라고 설명할 수 있다. 어떤 것도 혼자 독립적으로 생기지 않고 수많은 원인과 조건의 관계에서 일어난다. 사람의 생각과 욕망, 기술과 제도도 같은 방식으로 만들어진다.
한 사람의 지식은 그 사람만의 소유가 아니다. 부모와 교사, 책과 언어, 농부와 노동자, 통신망과 전력, 이전 세대의 실패가 함께 있어야 한 문장과 발명이 나온다. 창조적인 개인을 인정하더라도 그를 가능하게 한 네트워크를 지울 수 없다.
연기를 모든 것이 하나라는 막연한 신비주의로 이해해서는 안 된다. 관계는 구체적인 경로와 힘을 가진다. 어떤 제도는 특정 사람에게 기회를 주고 다른 사람을 배제하며, 어떤 기술은 편리함과 동시에 새로운 의존과 위험을 만든다.
네트워크를 본다는 것은 결과 뒤의 조건을 묻는 일이다. 성공한 사람의 능력만 보지 않고 교육과 자본과 운을 보고, 실패한 개인의 탓만 하지 않고 그를 둘러싼 구조를 본다. 인공지능도 어느 회사 천재 한 명의 산물이 아니라 거대한 인류 네트워크의 결과다.
차이는 오류가 아니라 창발의 조건
80억 명이 모두 똑같이 생각하고 똑같이 행동한다면 갈등은 줄어들 것처럼 보인다. 그러나 새로운 생각과 해결책도 거의 나오지 않는다. 차이는 불편함의 원인이면서 동시에 창의와 변화가 일어나는 조건이다.
서로 다른 관찰이 만나면 한 사람이 보지 못한 빈틈이 드러난다. 한 문화의 기술이 다른 지역의 필요와 결합하고, 한 분야의 개념이 다른 분야의 문제를 만나 예상하지 못한 방법을 만든다. 이것이 창발이다.
창발은 각 요소를 따로 보았을 때 미리 알기 어려운 성질이 관계 속에서 나타나는 현상이다. 물 분자 하나에서 파도를 볼 수 없고, 뉴런 하나에서 언어를 찾을 수 없지만 많은 요소가 특정 방식으로 연결되면 새로운 층위의 현상이 생긴다.
따라서 다양성을 존중한다는 말은 예의 바른 도덕 구호만이 아니다. 사회가 배우고 적응하기 위한 생존 조건이다. 다른 목소리를 억압해 동일성만 강요하면 당장은 질서가 생겨도 변화에 대응할 능력은 약해진다.
바이러스 변이가 보여 주는 차이와 선택
강의자는 바이러스를 예로 든다. 바이러스는 숙주의 세포를 이용해 수없이 복제된다. 만약 모든 복제가 완벽히 동일하다면 한 번 효과적인 대응책이 생겼을 때 전체가 쉽게 막힐 수 있다.
그러나 복제 과정에는 작은 차이와 오류가 생긴다. 대부분은 아무 의미가 없거나 바이러스에 불리하지만, 수많은 변이 가운데 특정 환경에서 살아남는 하나가 나올 수 있다. 그 차이가 퍼지면 전에는 없던 성질이 집단 수준에서 나타난다.
바이러스의 변이를 선하거나 창의적인 의지로 설명할 필요는 없다. 동일하지 않은 복제와 환경의 선택이 함께 작동한 결과다. 이 과정은 차이가 어떻게 적응 가능성을 만드는지 극단적으로 보여 준다.
인간 사회의 창의성을 바이러스와 완전히 같다고 할 수는 없지만, 차이와 반복과 선택이 새로움을 만든다는 구조는 참고할 수 있다. 처음부터 완성된 천재의 아이디어가 떨어지는 것이 아니라 수많은 시도와 실패, 변형이 축적된다.
문화·과학·철학과 인공지능도 창발했다
문학과 철학, 과학과 종교, 정치 제도와 예술은 어느 한 사람이 무에서 만든 것이 아니다. 수많은 사람이 서로 다른 시대와 장소에서 질문하고 답하고 틀리고 수정한 결과가 연결되어 오늘의 지식이 되었다.
인구가 많을수록 자동으로 좋은 결과가 생기는 것은 아니다. 사람들이 말을 나눌 수 있는 언어와 기록, 이동과 통신, 실패를 허용하는 제도가 있어야 차이가 연결된다. 억압된 다양성은 창발의 재료가 되어도 실제 결실로 이어지기 어렵다.
오늘의 인공지능은 이 네트워크를 압축해 보여 준다. 모델은 인류가 만든 엄청난 양의 글과 이미지, 코드와 논의를 학습한다. 그 뒤에는 저자와 번역가, 개발자, 데이터 작업자, 반도체와 전력을 만든 노동자가 있다.
한 회사가 모델의 이름과 서버를 소유하더라도 지식의 기반까지 혼자 만든 것은 아니다. 인류의 집단적 생산물이 기술의 재료가 되었다면, 그 기술이 만든 생산성과 부를 누구에게 돌릴 것인지도 연기적 관점에서 물어야 한다.
GPT-5가 나온 날 느낀 변화의 속도
강의 후반부는 마침 GPT-5가 공개된 날의 이야기로 넘어간다. 발표에 대한 첫인상은 기대보다 덜 놀랍거나 김이 빠진 듯할 수 있다. 그러나 특정 시연의 인상과 기술 전체의 변화 속도를 혼동해서는 안 된다.
한 세대의 모델이 약간 나아졌는지보다 중요한 것은 몇 년 전 불가능해 보이던 일이 일상적인 기능이 되었다는 사실이다. 긴 글을 읽고, 여러 분야의 질문에 답하고, 프로그램을 만들며, 이미지와 음성을 함께 다루는 능력이 빠르게 결합되고 있다.
모델의 성능을 과장하는 홍보를 그대로 믿어서는 안 된다. 답은 틀릴 수 있고, 자신 있게 오류를 만들며, 학습 자료의 편향과 회사의 정책을 반영한다. 그러므로 사용자는 검증하고 출처와 논리를 확인해야 한다.
그 한계를 인정해도 변화는 작지 않다. 완벽한 인공지능이 와야 노동이 바뀌는 것이 아니다. 평균적인 업무의 상당 부분을 더 빠르고 싸게 처리하는 수준만 되어도 교육과 직업, 조직의 인원 구조가 달라진다.
여러 분야의 전문가를 동시에 불러 쓰는 도구
현재의 AI는 문학과 철학, 정치와 과학, 의학과 법률 등 여러 분야의 자료를 한 인터페이스에서 다룬다. 모든 답이 박사나 의사보다 낫다는 뜻은 아니지만, 사용자는 과거라면 만나기 어려웠던 다양한 전문 관점을 몇 초 안에 호출할 수 있다.
이 도구의 힘은 하나의 답보다 비교와 반복에 있다. 같은 문제를 다른 관점으로 설명하게 하고, 반론을 만들고, 자료를 정리하며, 초안을 고친다. 질문을 잘게 나누고 결과를 검증할 수 있는 사람이 더 큰 능력을 얻는다.
전문가의 역할은 사라지기보다 먼저 변한다. 단순 지식 전달과 정형화된 초안 작성의 가치는 낮아지고, 문제를 정의하며 예외와 윤리적 책임을 판단하고, 실제 사람의 맥락을 이해하는 역할이 중요해진다.
그러나 ‘전문가는 더 고급 일을 하면 된다’는 말만으로 고용 충격이 해결되지는 않는다. 고급 판단을 맡는 소수만 남고 대다수의 입문·중간 업무가 사라지면, 다음 세대가 경험을 쌓아 전문가가 되는 경로 자체가 끊길 수 있다.
말로 시키는 코딩과 지식 생산
과거에는 홈페이지나 작은 프로그램 하나를 만들기 위해 문법과 도구를 배우고 오랫동안 코드를 작성해야 했다. 이제는 원하는 기능을 일상 언어로 설명하면 AI가 구조를 잡고 코드를 만들며 오류를 고치는 단계까지 돕는다.
이것은 누구나 즉시 훌륭한 개발자가 된다는 뜻은 아니다. 요구를 정확히 정의하고, 보안과 데이터, 성능과 유지보수를 검토하는 지식은 여전히 필요하다. 하지만 아이디어를 실제 결과물로 바꾸는 비용과 시간이 크게 내려간다.
지식 생산도 비슷하다. 긴 영상의 자막을 읽고 핵심을 요약하거나, 여러 문서를 비교하고, 발표 초안과 질문 목록을 만드는 작업이 자동화된다. 사람은 자료를 찾고 옮기는 시간보다 무엇을 물어야 하는지 결정하는 데 더 많은 비중을 둘 수 있다.
동시에 그럴듯한 결과를 무비판적으로 복사하면 오류가 훨씬 빠르게 퍼진다. AI 시대의 문해력은 도구를 쓸 줄 아는 능력뿐 아니라 결과의 전제와 근거를 확인하고, 책임질 수 있는 문장만 선택하는 능력이다.
번역과 자동 더빙이 허무는 언어 장벽
번역은 AI가 가장 빠르게 일상을 바꾸는 분야 중 하나다. 예전에는 다른 언어의 책과 경전이 번역될 때까지 기다려야 했고, 번역되지 않으면 접근 자체가 어려웠다. 이제 원문을 넣고 즉시 초벌 번역을 얻을 수 있다.
기계 번역은 문맥과 문화, 고유한 문체에서 실수한다. 중요한 경전과 법률, 문학은 여전히 원문 검토와 전문 편집이 필요하다. 그러나 번역의 첫 장벽이 크게 낮아진 것은 부정할 수 없다.
영상 플랫폼은 자막 번역을 넘어 자동 더빙까지 확대하고 있다. 한 사람이 한국어로 말한 영상을 영어와 여러 언어로 들을 수 있고, 반대로 세계의 강의를 자기 언어로 접할 수 있다. 언어권이 지식의 경계를 결정하던 구조가 흔들린다.
이 변화는 번역가를 완전히 필요 없게 만들기보다 필요한 인원의 규모와 역할을 바꾼다. 대량의 초벌 작업은 AI가 하고, 소수의 사람이 품질과 맥락을 관리한다. 같은 양의 일을 위해 과거와 같은 수의 번역가가 필요하지 않게 된다.
낡은 교육이 약속하는 직업의 미래
한국의 교육은 여전히 정답을 빨리 맞히고 시험 점수를 높여 좋은 대학과 안정된 직업에 들어가는 경로를 중심에 둔다. 그러나 AI가 지식 검색과 정형 문제 풀이, 글과 코드의 초안을 수행하면 암기와 반복의 시장 가치는 빠르게 낮아진다.
중학생이 10년이나 15년 뒤 전통적 의사가 되기 위해 지금부터 모든 시간을 입시에 쏟는다고 해 보자. 그 아이가 현장에 도착할 때에는 진단과 문서 작성, 상담의 상당 부분이 AI 중심으로 재편되어 오늘과 같은 의사 직업이 남지 않을 수 있다.
그렇다고 공부가 불필요해지는 것은 아니다. 생명과 사회를 이해하고 타인과 협력하며 AI의 답을 검증하려면 깊은 지식이 필요하다. 문제는 과거의 직업 지위를 보장받기 위한 암기와 경쟁을 배움 자체로 착각하는 데 있다.
교육은 정해진 답을 재생하는 사람보다 새로운 문제를 발견하고, 서로 다른 분야를 연결하며, 기술의 결과를 윤리적으로 판단하는 사람을 길러야 한다. 수능과 대학 서열이 그 변화에 맞는지 공개적으로 다시 물어야 한다.
노동 시장의 종말은 이미 시작되었다
강의자는 ‘노동의 종말’보다 ‘노동 시장의 종말’이 도래했다고 표현한다. 인간이 아무 활동도 하지 않게 된다는 뜻이 아니다. 생계를 얻기 위해 자신의 시간을 시장에 팔고, 기업이 필요한 인력을 대규모로 고용하던 구조가 줄어든다는 뜻이다.
AI는 한 직업을 통째로 한순간에 없애기보다 업무를 조각내 자동화한다. 번역가의 초벌, 의사의 진단 보조, 디자이너의 시안, 개발자의 반복 코딩, 운전자의 경로 판단이 먼저 줄어든다. 남은 일을 더 적은 인원이 맡는다.
기술 기업은 AI가 사람을 돕고 새로운 일자리를 만든다고 강조한다. 실제 새로운 역할도 생길 것이다. 그러나 AI 소유자가 노동 대체의 공포를 축소할 유인이 있다는 점을 봐야 한다. 사회적 저항과 규제를 피하려면 기술을 단지 보조 도구라고 말하는 편이 유리하다.
새 일자리의 수와 질이 사라지는 일자리를 따라갈 것이라는 보장은 없다. 농업에서 공장으로, 공장에서 서비스업으로 이동했던 과거와 달리 AI는 육체와 인지의 여러 업무를 동시에 자동화한다. 이번 전환을 과거와 같다고 안심할 수 없다.
의료 진단과 전문직의 축소
의료 진단은 방대한 논문과 검사 결과, 증상 패턴을 비교해야 하는 일이다. AI는 인간 의사가 평생 읽기 어려운 자료를 빠르게 대조하고 여러 가능성을 제시할 수 있다. 특정 평가에서 일반 의사보다 높은 정확도를 보인다는 발표도 이어진다.
AI가 곧바로 모든 의사를 대체한다는 단순한 결론은 위험하다. 진단에는 데이터의 질, 환자의 생활 맥락, 신체 검사, 책임과 공감, 응급 상황의 판단이 포함된다. 오류가 났을 때 누가 책임질지도 제도적으로 해결해야 한다.
그럼에도 동네 의원의 정형적인 문진과 처방, 영상과 검사 판독의 상당 부분은 자동화될 가능성이 크다. 한 명의 의사가 AI와 함께 더 많은 환자를 본다면 필요한 의사의 총수와 일의 형태는 달라진다.
법률과 회계, 연구와 행정 같은 다른 전문직도 동일한 압력을 받는다. 자격증이 평생의 안전을 보장한다는 믿음보다, 전문 지식을 어떻게 공공의 책임과 실제 관계에 연결할지 다시 설계해야 한다.
그림·사진·영상 제작의 폭발
생성형 AI는 몇 줄의 지시만으로 만화, 삽화, 사실적인 사진 같은 이미지를 만든다. 과거에는 한 장을 위해 작가와 디자이너가 며칠을 고민하고 손을 움직였지만, 이제 한 사람이 하룻밤에 수십·수백 개의 시안을 얻을 수 있다.
AI 이전의 인류가 만든 이미지보다 더 많은 이미지가 짧은 기간에 생성될 수 있다는 과장 섞인 말이 나올 만큼 생산량은 폭발한다. 품질이 모두 좋다는 뜻은 아니지만, 상업 현장에서 ‘충분히 쓸 만한’ 결과가 매우 싸게 공급된다.
자료 사진과 썸네일, 단순 일러스트를 의뢰하던 시장이 먼저 줄어든다. 사진처럼 보이는 장면을 촬영하지 않고 만들고, 같은 인물을 다른 자세와 배경으로 바꾼다. 그림을 잘 그리는 능력만으로 생계를 보장받기 어려워진다.
영상도 같은 길을 간다. 프롬프트로 장면과 움직임과 소리를 만들고, 2D 이미지가 실제 촬영처럼 움직인다. 촬영 기사와 편집자, 배우와 세트가 맡던 일부 작업을 작은 팀이나 개인이 수행한다.
코딩과 운전도 예외가 아니다
프로그래밍은 AI의 발전을 만든 직업이면서 가장 먼저 변화의 압력을 받는 직업이기도 하다. 모델이 코드를 읽고 작성하며 테스트와 수정까지 수행하면, 반복 구현을 담당하던 많은 개발 업무가 줄어든다.
고급 개발자는 더 큰 시스템을 설계하고 AI를 감독할 수 있다. 그러나 모든 사람이 고급 설계자가 될 수 있다는 말은 해답이 아니다. 입문 업무가 사라지면 배워서 숙련되는 사다리가 없어지고, 소수의 설계자와 다수의 비고용 상태가 생길 수 있다.
운전 노동도 마찬가지다. 한국에서 운전으로 생계를 잇는 사람이 매우 많지만, 자율주행이 충분히 안전하고 싸지면 택시·화물·배달의 인력 수요가 크게 줄 수 있다. 기술이 완벽해지는 날이 아니라 기업이 사람보다 싸다고 판단하는 순간 전환이 시작된다.
그림, 촬영, 번역, 진단, 코딩, 운전은 서로 다른 업종처럼 보이지만 공통점이 있다. 업무의 패턴이 데이터로 표현되고 반복될수록 AI가 더 빠르게 들어온다. 개인에게 ‘새 기술을 배우라’고만 말해서 해결할 규모가 아니다.
생산성과 부를 누가 소유할 것인가
자동화가 생산을 늘리고 필요한 노동을 줄인다면 인류 전체에는 좋은 일일 수 있다. 같은 식량과 주거, 의료와 문화를 더 적은 고통으로 만들 수 있기 때문이다. 문제는 생산수단과 AI를 소유한 사람이 그 이익을 독점할 때 생긴다.
현재도 부의 분배는 매우 불균형하다. 노동소득이 줄어드는데 기술 기업과 자본 소유자의 이익만 커지면, 사회 전체가 만든 데이터와 지식이 소수의 사유재산으로 바뀐다. 일자리를 잃은 사람은 기술이 만든 풍요에서 배제된다.
그러므로 기본소득, 공공 AI, 데이터와 모델의 사회적 지분, 노동시간 단축과 보편적 서비스 같은 대안을 지금 논의해야 한다. 어느 하나가 완성된 답은 아니지만 소유와 분배를 건드리지 않고 재교육만 외치는 것은 문제를 개인에게 떠넘기는 일이다.
연기적 관점에서 AI의 성과는 한 기업만의 것이 아니다. 세금으로 만든 연구, 인류의 글과 이미지, 공공 인프라와 수많은 노동이 조건이 되었다. 결과의 일부를 사회 전체에 돌려야 한다는 요구는 시혜가 아니라 기여 관계에 대한 책임이다.
정치가 외면할 수 없는 가까운 미래
이 변화는 먼 미래의 공상과학이 아니라 현재 정부의 임기 안에도 크게 진행될 수 있다. 그런데 정치인은 여전히 과거의 산업과 일자리 숫자, 대학 입시와 출산율을 중심으로 말한다. 기술의 속도와 제도의 속도 사이의 간격이 커지고 있다.
일자리가 줄어드는 시대에 인구 감소를 무조건 축복이라고 말하는 것도 단순하다. 인구가 줄면 경쟁이 완화될 수 있지만 돌봄과 지역 소멸, 세대 간 부담과 이주 문제는 별도로 남는다. AI가 노동을 대체한다고 사회의 관계와 돌봄까지 자동으로 해결되는 것은 아니다.
강의자는 유시민을 진보의 대표처럼 받드는 태도도 비판한다. 특정 작가나 정치인의 명성과 과거 이력 때문에 현재의 판단을 검토하지 않는다면 다시 권위에 기대는 셈이다. 진보라는 이름표보다 기술 변화와 분배에 어떤 구체적 답을 내놓는지가 중요하다.
정부와 정치권은 AI 개발 경쟁만 외칠 것이 아니라 누가 소유하고 누가 혜택을 받으며, 실업과 교육 전환을 어떻게 책임질지 논의해야 한다. 시민도 기술을 두려워하거나 숭배하는 데 머물지 말고 규칙을 만드는 주체로 참여해야 한다.
노동 이후의 삶을 함께 설계하기
노동 시장의 축소는 인간의 쓸모가 사라진다는 뜻이 아니다. 시장에서 임금을 받지 않는 돌봄과 우정, 배움과 놀이, 공동체 활동과 예술은 이미 삶을 지탱하지만 경제 통계에서는 낮게 평가된다.
생존을 위해 싫은 일을 장시간 해야 하는 구조가 줄어든다면 인간은 더 자유로울 수 있다. 그러나 소득과 주거, 의료가 고용에 묶여 있는 상태에서 일자리만 사라지면 자유가 아니라 공포가 된다. 기술과 사회제도의 변화가 함께 가야 한다.
80억 명의 차이는 AI를 만든 힘이자 다음 사회를 설계할 자원이다. 소수 전문가와 기업만 답을 정하지 말고, 일자리를 잃을 사람과 돌봄 노동자, 학생과 지역사회가 함께 논의해야 한다. 다양한 우물의 경험이 연결될 때 더 나은 제도가 창발할 수 있다.
인공지능은 피할 신도 아니고 모든 문제를 해결할 구원자도 아니다. 인류가 만든 연기적 산물이며 우리가 어떤 소유와 분배의 관계에 놓느냐에 따라 결과가 달라지는 도구다. 지혜는 변화가 오지 않는다고 믿는 것이 아니라 이미 온 변화를 보고 함께 책임질 규칙을 만드는 데 있다.
AI가 노동을 줄이는 것이 재난인지 해방인지는 기술의 성능만이 아니라, 그 생산성과 부를 누가 소유하고 어떻게 나누는지에 달려 있다.
이 글은 제공된 영상 자막과 영상 설명만을 바탕으로 AI가 문장과 구성을 정돈한 편집본입니다. 외부 자료는 사용하지 않았습니다.