AI는 대격변, 한국 교육은 제자리?

세상은 대격변을 겪는데, 우리는 무엇을 가르치고 있는가

인공지능의 발전 속도가 너무 빠르다. 화산 폭발이라고 해야 할까, 핵폭탄이라고 해야 할까, 쓰나미라고 해야 할까. 나는 이것을 대격변이라고 부르고 싶다. 그런 수준의 변화가 한 번 벌어지고 끝나는 것도 아니다. 끊임없이 이어지고, 심지어 더 빨라지고 있다. 경제와 문화, 사회와 교육은 물론이고 우리 자신의 인식조차 그 속도를 따라가지 못하는 상황이다.

한편으로는 이해가 간다. 변화가 너무 빠르니 사회가 받아들이기 어려울 것이다. 그러나 이해가 간다는 것과 지금까지 하던 대로 살아도 된다는 것은 다른 문제다. 세상이 이렇게 바뀌는데, 한국의 교육 시스템은 어떻게 바뀌어야 하는가? 이것은 우리나라만의 문제가 아니라 전 세계적인 문제이기도 하다. 오늘은 최근의 인공지능 소식들을 차례로 살펴본 뒤, 그 변화 속에서 우리가 무엇을 배우고 무엇을 가르쳐야 할지 이야기해 보려고 한다.

나는 이 문제를 연기적으로 생각해 보자고 말하고 싶다. 기술은 저기 따로 있고 교육은 여기 따로 있는 것이 아니다. 기술이 달라지면 일하는 방식이 달라지고, 일하는 방식이 달라지면 경제와 사회가 달라진다. 그 속에서 살아가는 우리와 다음 세대가 받는 교육도 함께 달라져야 한다. 그러니 소식을 듣고 단지 “대단하네” 하고 끝내지 말고, 이 세상에서 인간에게 무엇이 필요한지 함께 질문해 주셨으면 좋겠다.

말하면 게임이 만들어지는 세계

먼저 구글이 발표한 플레이그라운드를 보자. 화면에는 게임을 만드는 서비스가 소개되어 있다. 핵심은 간단하다. 내가 바라는 게임을 말하면 인공지능이 몇 분 만에 만들어 준다는 것이다. 코딩을 할 줄 알아야 한다는 조건도 없다. 텍스트 창에 내가 상상하는 것을 쓰고, 필요하면 이미지를 넣는다. 그러면 그 내용을 바탕으로 게임을 만들어 주겠다는 것이다.

소개 영상에는 엉뚱하고 자유로운 상상이 이어진다. 실을 소재로 한 더비 게임을 떠올리기도 하고, 자기 고양이를 게임에 넣을 수 있는지 묻기도 한다. 클럽 샌드위치로 타워 디펜스를 만들면서 싫어하는 올리브를 적으로 삼고, 알람의 다시 울림 버튼을 향해 계속 뛰어오르는 게임을 상상한다. 악당에게 부츠를 날리는 카우보이 게임이나 아주 느린 나무늘보 플랫폼 게임도 등장한다. 이런 생각을 사람이 프로그램 언어로 하나하나 옮기는 대신, 말로 제시하면 게임이 되어 나온다는 것이다.

아직 어떤 게임이든 모두 다 만든다는 이야기는 아닐 것이다. 그러나 내가 바라는 것을 입력하면 실제로 놀아 볼 수 있는 것으로 만들어 주고, 그렇게 만든 게임을 다른 사람과 공유할 수 있다는 방향은 분명하다. 내가 화면을 살펴볼 때는 아래쪽 공유 부분이 잠시 닫힌 것처럼 보이기도 했지만, 그 일시적인 화면 상태와 별개로 이 서비스가 보여 주는 변화는 엄청나다. 게임을 만들기 위해 반드시 코딩부터 배워야 했던 관계가 바뀌고 있는 것이다.

이것이 얼마나 충격적인지 생각해 보자. 지금까지는 프로그램을 만들고 싶으면 프로그래밍을 배워야 했다. 게임을 상상하는 사람과 그 게임을 실제로 구현하는 사람 사이에는 기술이라는 커다란 문턱이 있었다. 그런데 이제는 인간의 말로 요구한다. 그러면 인공지능이 코드를 만들어 준다. 내가 원하는 게임을 내가 말해서 만드는 세상이 우리 앞에 나타나고 있다.

“두껍아, 두껍아”와 램프의 요정

예전에 책을 쓸 때 나는 이런 이야기를 했다. “두껍아, 두껍아, 헌 집 줄게 새 집 다오.” 그렇게 말하면 두꺼비가 헌 집을 받아 새 집을 만들어 주는 것이다. 다른 비유로 말하면 램프의 요정이다. 램프를 문지르면 요정이 나오고, 내가 소원을 빌면 요정이 나를 대신해서 무엇인가를 해 준다. 우리가 살아가는 세상이 드디어 “해 줘” 하면 해 주는 세상이 되어 가고 있다.

지금은 아직 일부 영역의 이야기다. 그러나 앞으로는 거의 대부분의 것에 대해 그렇게 요구할 수 있는 세상으로 갈 것이라고 나는 생각한다. 심지어 과거에 이런 상상도 했다. 무협 영화처럼 장풍을 쏘거나, 드래곤볼처럼 에너지파를 쏘거나, 마법사처럼 파이어볼을 날리고 싶다면 어떻게 될까? 내가 “파이어볼” 하고 요구하면 그것이 날아가는 것이다.

그 파이어볼이 어떤 원리로 생성되고 어떻게 날아가는지 나는 모를 수 있다. 인공지능이 그것이 되도록 해 주는 것이다. 여기까지 말하면 너무 미래지향적인 이야기라고 들으실 수도 있겠다. 그렇다. 그러나 고도로 발달한 과학은 마법처럼 보일 것이라는 관점에서 보면, 앞으로의 세계는 정말 마법 같은 세계가 될 것 같다. 말한 대로 게임을 만들어 주는 지금의 장면에서 나는 그 전조를 보고 있다.

텍스트로 설명하는 AI에서, 눈앞에 보여 주는 AI로

두 번째는 오픈AI의 GPT-6와 인텔리전트 UI다. 무엇을 하겠다는 것인지 소개 영상을 보면 금방 이해할 수 있다. 새로 이사한 사람이 벽지나 페인트 색상을 고르는데, 설명은 전부 말로 되어 있다. 피치, 복숭아색, 부드러운 크림 느낌의 따뜻한 오렌지, 코발트, 미디엄 다크 로열 블루 같은 표현이 나온다. 그 말을 읽는다고 우리가 곧바로 정확한 색을 떠올릴 수 있을까?

여행도 마찬가지다. 샌프란시스코 여행 가이드에 텍스트가 잔뜩 쓰여 있다. 어디로 가고 무엇을 보라는 말은 많은데, 도대체 어떻게 하라는 것인지 한눈에 들어오지 않는다. 물론 요즘 가이드북이 그림도 없이 글로만 되어 있겠느냐는 생각은 든다. 색종이 접는 방법이나 자전거 조립 설명서도 마찬가지다. 그림 한 장 없이 글만 써 놓은 설명서를 보고 접고 조립하라고 하면 얼마나 답답하겠는가. 자전거 부품은 눈앞에 가득한데 설명을 읽고도 조립을 못 하겠는 것이다.

영상이 말하려는 핵심은 이것이다. 때로 말만으로는 충분하지 않다. 그러니 말로 되어 있는 것을 시각적인 것으로 바꿔 주겠다는 것이다. 여행에는 지도를 보여 주고, 자전거 조립은 눈으로 이해할 수 있게 하고, 색종이 접는 과정과 벽지 색상도 직접 보여 준다. 단지 설명을 길게 쓰는 것이 아니라, 내가 하려는 일을 이해하고 수행하기 쉬운 형태로 답하겠다는 것이다.

여기서 중요한 것은 그림을 하나 덧붙이는 정도에 그치지 않는다는 점이다. 시각 자료와 직접 조작할 수 있는 인터랙티브한 요소를 답변에 넣는다. 어떤 것과 어떤 것이 연결되어 있는지 보여 주고, 복잡한 주제도 더 쉽게 배우게 하고, 당장 필요한 작업을 해결할 도구까지 빠르게 만들어 준다. 같은 질문을 해도 내가 더 쉽게 이해하고 쓸 수 있는 답변이 나오는 것이다.

요리, 옷장, 여행, 학습까지 답변의 모양이 바뀐다

선데이 로스트 요리 준비를 예로 보자. 예전 GPT-5.6 인스턴트의 답변은 텍스트로 길게 이어졌다. 무엇을 준비하고 어떻게 요리할지 글로 설명해 주는 것이다. GPT-6 인스턴트의 인텔리전트 UI에서는 먼저 시각 자료를 보여 준다. 메뉴를 어떻게 구성하면 좋을지, 각 메뉴는 어떻게 요리할지, 시간을 어떻게 나눠야 할지 이미지와 함께 보여 준다. 요리 계획 전체가 훨씬 눈에 잘 들어온다.

옷장과 옷차림도 그렇다. 이탈리아에서 일주일을 보내고 주말에는 결혼식에도 가야 한다고 해 보자. 어떤 옷을 입으면 좋을지 물으면 날짜별로 무엇을 입을지 시각적으로 제시한다. 첫날, 둘째 날, 셋째 날의 구성이 보이고, 필요한 체크리스트나 피크닉에 맞춘 준비도 볼 수 있다. 글만 길게 읽으면서 머릿속으로 다시 구성할 필요가 줄어드는 것이다.

자동차 여행 계획은 어떨까? 예전에도 이미지가 전혀 없었던 것은 아니다. 그러나 이제는 훨씬 더 시각적으로, 지도까지 답변 안에 구성해서 보여 준다. 나는 이것이 구글 지도 같은 실제 지도 시스템을 가져와 프로그램으로 여행 계획과 연결하는 방식일 것이라고 이해했다. 직접 클릭하고 확인할 수 있게 만들고, 날짜별로 어디를 가며 무엇을 볼지, 그곳의 실제 사진은 어떤지, 돈은 얼마나 들지까지 보여 준다. 그렇게 계획표를 만든 뒤 추가 질문도 받는다.

학습도 달라진다. GDP가 무엇이냐고 물으면 국내 총생산이라는 말만 풀이하는 데서 그치지 않고, GDP가 어떤 요소로 구성되는지 시각적으로 이해할 수 있게 해 준다. 드론 촬영을 하고 싶다면 어떤 드론으로 어떻게 촬영할지 보여 주고, 몬티 홀 문제처럼 머릿속으로만 따라가기 어려운 문제도 더 쉽게 살펴보게 한다. 더치페이 계산기, 노후 저축 계산기, 레트로 게임까지 그 자리에서 필요한 형태로 만들어 주겠다는 것이다.

인공지능은 LLM, 대규모 언어 모델로 출발해서 LMM, 대규모 멀티모달 모델로 넓어져 왔다. 그래도 여전히 사용자가 이해하고 활용하기에는 부족한 부분이 있었다. 이번 변화는 같은 질문에도 훨씬 더 시각적이고 다루기 쉬운 답변을 내놓겠다는 데 있다. 사용자가 알아듣기 쉬운 형태를 인공지능이 구성해 주는 것이다. 이것도 대단한 변화다.

벤치마크 점수는 높은데, 실제 회계 업무는 어떨까

다음은 인간을 기준으로 한 벤치마크, 회계사와 인공지능을 비교한 이야기다. 지난 몇 년 동안 인공지능의 벤치마크 점수는 급격하게 올라갔다. 그런데 인공지능을 도입해도 미국 경제 통계에서 생산성이 크게 늘어난 것으로 나타나지 않는다는 문제가 있었다. 인공지능이 잘한다, 잘한다 하는데 막상 일을 시켜 보면 잘 못하는 것 같다는 반응도 있었다. 수조 달러씩 들어가는데 생산성 증가는 뚜렷하지 않다니, 역설이라는 것이다.

이 격차를 알아보려고 APEX 회계 벤치마크의 과제를 간소화한 형태로 주고, 주니어 회계사 12명과 인공지능을 비교했다. 처음에 주니어라는 말을 들으면 이제 막 일을 시작한 초급 회계사라고 생각하기 쉽다. 나도 처음에는 그렇게 생각했다. 그런데 내용을 더 읽어 보니 참가자들은 평균 5년 반 정도의 회계 경력이 있었고, 모두 공인회계사 자격을 가지고 있었다.

평균이 5년 반이라면 어떤 사람은 2년이나 3년, 어떤 사람은 7년이나 10년의 경력이 있을 수도 있겠다는 뜻이다. 그런데도 주니어라는 이름을 붙였다. 우리나라에서 공인회계사 자격증을 따는 일이 얼마나 어려운가. 5급 공무원 시험이나 고시를 생각하게 할 만큼 어려운 시험이다. 그렇게 자격도 있고 실제 경력도 있는 사람들과 인공지능에게 같은 회계 업무를 시킨 것이다.

그 결과, 중간 길이의 잘 정의된 회계 업무에서는 최첨단 AI 모델이 초급 회계사보다 더 빠르고 정확했다. 연구에 참여한 사람 중 가장 뛰어난 회계사보다도 나았다는 것이다. 불과 18개월 전, 그러니까 1년 반 전만 해도 가장 좋은 AI 모델조차 일반 회계사의 평균 점수인 약 37%에 미치지 못했다. 그런데 이제 같은 과제에서 거의 100%에 가까운 정확도를 보여 준다. 나는 그래프를 보면서 이런 변화가 벌써 2025년에 벌어졌고 지금은 2026년이라는 점을 짚었다. 변화의 간격이 너무 짧다.

과제는 실제와 비슷한 네 가지 월말 결산 시나리오였다. 회사의 업무 파일을 꼼꼼히 살펴보고, 필요한 수치를 찾아 계산하고, 결과표를 작성해야 했다. 처음에는 AI를 써서 사람이 얼마나 나아지는지, 증강 효과를 측정하려고 설계한 연구였다고 한다. 그런데 모델만으로 완벽한 점수를 얻어 버리니 더 향상되는 효과를 측정할 여지가 없어졌다. 제공한 문제를 AI가 이미 100% 맞혀 버린 것이다.

비용에서도 차이가 났다. 작업당 비용 기준으로 최첨단 모델이 인간보다 10배 이상 저렴했다. 회계사를 고용해서 그 일을 시키는 것과 인공지능에게 맡기는 것 사이에 그만큼 차이가 생겼다는 것이다. 꼼꼼하게 파일을 검색하고 지시 사항을 철저히 따르는 능력에서 인공지능이 훨씬 잘했다. 과제를 만든 쪽에서는 초급 회계사가 30%, 중급 회계사가 55% 정도 할 것이라고 예상했다는데, 사람에게는 그런 예상조차 쉽게 충족되는 것이 아니었다.

“아직 완전 대체는 아니다” 다음에 물어야 할 것

이 결과가 회계사라는 직업 전체를 지금 당장 완전히 대체할 수 있다는 뜻은 아니라고 한다. 아직은 그렇다. 프로그래밍에서도 인간을 완전히 배제하자는 말까지 곧바로 나오는 것은 아니지 않은가. 그러나 미래의 직업 환경을 생각하게 하는 결과라는 점은 분명하다. 나는 바로 그 다음을 묻고 싶다.

과거부터 회계 업무는 인공지능이 잘할 것이고 빨리 대체될 것이라는 예상이 많았다. 숫자와 표를 다루는 일이기 때문이다. 그런데 이제 2026년 10월에는 평균 5년 정도의 실제 경력을 가진 회계사보다 뛰어난 능력을 보인다. 그렇다면 2027년 10월에는 어떤 일이 벌어질까? 2028년에는 어떨까? 회계사로 밥 먹고 사는 사람이 몇 퍼센트나 남을까? 나는 “회계사 망했다”는 말이 나올 상황이라고 본다.

번역하는 사람들은 이미 일자리를 잃고 있다. 실시간 통역을 하는 사람, 책을 번역하는 사람을 비롯해서 수없이 많은 사람이 영향을 받는다. 인공지능이 엄청나게 빠르고 짧은 시간 안에 정확하게 번역하기 때문이다. 회계사에게도 그런 변화가 다가올 것이다. 앞에서 본 게임 제작 역시 같다. 프로그래머가 코딩해야 했던 일을, 이제는 인간의 말로 요구하면 프로그램으로 만들어 준다. 그렇다면 코딩하던 사람들의 일자리는 어떻게 되겠는가?

수학의 난제와, 그것을 푸는 시간

오픈AI가 이전에 유체와 관련된 수학 난제의 해결을 발표했던 이야기는 이미 한 적이 있다. 이번에 새로 전해진 내용은 2026년 10월 6일에 공개된 수학 연구 결과다. 정수론, 대수기하학, 해석학, 컴퓨터 과학 등 여러 분야에 걸쳐 약 4,000개의 문제를 모델에 주었고, 그중 약 700여 개에 대한 해결 결과를 공개했다는 것이다.

주요 성과로는 리만 제타 함수에서 영점이 없는 반평면을 찾아 준리만 가설을 증명했다는 내용, 행렬 곱셈 지수의 새로운 상한값을 얻었다는 내용 등이 소개되어 있었다. 나는 수학자가 아니다. 솔직히 이런 설명을 읽어도 그것이 정확히 무슨 뜻인지는 모르겠다. 그렇다면 그 분야의 사람들은 어떻게 평가했을까?

수학자 알렉스 콘토로비치는 그 결과를 인간이 만들었다면 필즈상 수상감이라고 극찬했다고 한다. 오픈AI의 샘 올트먼은 새로운 발견의 시대가 열렸다고 평가했다. 수학계에서는 경이와 의문이 뒤섞인 반응을 보이며, Lean 형식화를 통해 모델의 주장을 검증하고 있다고 한다. 수학자들이 직접 검토하고 있다는 이야기다.

나는 여기서 작업에 걸린 시간도 중요하다고 생각한다. 인간에게 오래 난제로 남아 있었던 문제들을 인공지능이 하나씩 다룬다. 이것을 한 문제씩 1년 동안 붙들고 있는 것이 아니지 않은가. 문제 종류와 난이도에 따라 다르겠지만 길어 봐야 며칠, 짧으면 몇 시간 단위로 해결해 나가고 있는 것이다. 수학자가 하던 일, 과학자가 하던 일, 오랫동안 풀어야 할 문제로 남아 있던 일에 인공지능이 들어오고 있다.

클로드가 잘할 수 있는 문제를 찾아냈더니

다음은 클로드 쪽 소식이다. 3개월 동안 36편의 과학 논문 원고를 작성했다는 이야기다. 앤트로픽이 하버드대학교 물리학 교수 매슈 슈워츠의 기고문 ‘클로드형 과학’을 공식 블로그에 게재하면서, 프런티어 모델을 과학 연구에 활용하는 새로운 접근법을 소개했다.

접근법은 무턱대고 거대한 과학적 난제를 던져 주는 것이 아니었다. 현재의 LLM이 잘 해결할 수 있는 종류의 문제, 이른바 클로드형 문제를 찾아서 밀착시켰다는 것이다. 과학의 모든 문제를 인공지능이 똑같이 잘한다는 뜻은 아니다. 여러 문제 가운데 지금 인공지능의 특성과 잘 맞는 분야가 있을 수 있다. 무엇을 잘하는지를 보고 그 능력을 쓸 수 있는 문제를 찾은 것이다.

슈워츠 교수는 클로드와 함께 약 400개의 후보 문제를 검토했다. 어떤 것을 연구할 수 있을지 살펴본 뒤, 19명의 공동 연구자와 협력해서 18개 분야에 걸친 36편의 논문 원고를 작성했다. 출발점은 양자론과 입자 물리학의 산란 진폭 계산이었다고 한다. 이 역시 용어가 너무 어려워 나도 세세한 뜻은 잘 모르겠다. 하지만 그 다음 이야기가 눈에 들어온다. 물리학에서 만들어 놓은 도구가 다른 학문 분야로 옮겨 갔다는 것이다.

물리학의 파인먼 적분 구조와 집단 유전학의 베이지안 증거 적분, 계통학의 계통수 계산이 같은 형태라는 점을 클로드가 찾아냈다고 한다. 말만 들어서는 나도 무슨 뜻인지 정확히 모르겠다. 그러나 학문 사이의 연결을 찾아낸다는 점에서 대단한 일이라는 느낌은 든다. 한 분야에서 쓸 수 있는 계산 방법이 다른 분야의 문제를 푸는 도구가 되는 것이다.

생태학에서는 파나마 운하의 바로 콜로라도섬 숲 데이터를 바탕으로, 20년간 실제 데이터로 풀지 못했던 람팔 에티엔의 중립 이론 방정식을 계산했다고 한다. 집단 유전학에서는 자연 선택이 희귀 돌연변이에 미치는 영향을 다루는 30년 된 적분식을 해결했다. gnomAD와 감비아인 유전체 자료를 분석해 표준 모델에서 빠져 있던 유전자 전환 현상의 영향력을 밝혔다는 내용도 소개되어 있었다. 읽어도 내가 그 과학적 내용을 전부 이해하는 것은 아니다. 그래도 어떤 범위에서 일이 벌어지는지는 보인다.

경제학과 언어학으로도 이어졌다. 상위 다섯 개 경제학 학술지에 실린 논문 4,452편의 재현 패키지를 검증하고, 자릿수 불일치 같은 문제를 전수 조사했다. 논문에 실린 수치가 실제 계산과 맞는지를 살핀 것이다. 또 6,072개 언어의 악센트 체계를 정리한 AccStack이라는 데이터베이스도 구축했다.

이 사례에 대한 평가는 인간의 독창적인 가치 판단과 AI의 계산 능력을 정밀하게 결합하는 방법을 보여 준다는 것이었다. 인간이 잘할 수 있는 것이 있고 현재 AI가 잘할 수 있는 것이 있으니, 그것을 결합하자는 이야기다. 지금은 그렇게 설명할 수 있을 것이다. 그런데 나는 여기서도 질문한다. 과연 언제까지 그 관계가 지금과 같을까?

85년 된 에니그마 암호를 이틀 만에

암호 이야기도 전에 몇 번 했다. GPT-6 아스트라가 85년 된 난제로 남아 있던 에니그마 암호문을 이틀 만에 해독했다는 소식이다. 에니그마라는 말을 들어 보신 분도 있을 것이다. 제2차 세계대전 때 독일군이 쓰던 암호이고, 앨런 튜링이 해독 기계 봄브를 개발해 맞섰던 그 암호다.

이번에 다룬 암호문은 2005년 온라인에 공개된 뒤 수많은 해독 시도가 있었지만 풀리지 않았던 것이라고 한다. AI가 단순히 답만 맞힌 것이 아니라 암호를 분석하고, 필요한 도구를 개발하는 과정까지 스스로 수행했다는 점이 중요하다. 인간이 세부적인 해독 절차를 다 알려 주지 않은 상태에서 공개 자료를 분석하고 가설을 세웠다. 필요한 암호 시뮬레이터와 봄브까지 직접 만들었다는 것이다.

연구진은 아스트라가 이틀 동안 처리한 작업량이 인간 연구자가 수개월 분석해야 할 수준이라고 평가했다. 패턴을 발견하고, 키워드를 찾고, 다양한 시도를 반복하는 작업에서 인공지능이 앞서 나가고 있다. 원래 패턴을 찾아내는 것이 인공지능이 잘하는 일이기도 하다. 나는 이 암호 해독 분야에서 앞으로 인간이 인공지능을 따라가는 일은 갈수록 불가능해질 것이라고 본다.

이미지 한 장에서 시작해 나폴레옹의 암호를 풀다

10월 5일에는 또 다른 암호 소식이 있었다. GPT-6 아스트라가 217년 동안 풀리지 않았던 나폴레옹 시대의 군사 암호를 6시간 만에 해결했다는 것이다. 출발점은 이미지 한 장과 프롬프트 한 번이었다. 미해결 역사 암호 목록에 수십 년 동안 남아 있던 암호문을 제시하고 풀어 보라고 요구한 것이다.

1809년 나폴레옹 전쟁 당시 프랑스군이 사용한 암호문으로, 나폴레옹의 의붓아들이자 이탈리아 부왕이었던 외젠 드 보아르네의 본부에서 프랑스 장군 오귀스트 드 마르몽에게 전달한 군사 지시였다고 한다. 문서는 프랑스어 일반 문장 한 줄 뒤에 숫자와 문자, 기호로 이루어진 24개 행이 이어지는 형태였다. 서로 다른 기호 155개와 1,300여 개의 치환 단위가 사용되어 해독 난도가 높았다는 것이다.

아스트라는 먼저 이미지 속 기호를 전사해서 다룰 수 있는 형태로 만들었다. 그 구조를 분석하고, 학술 플랫폼에 올라온 1969년 군사 역사서 스캔본 같은 외부 자료도 스스로 찾아 대조했다. 이어 자체 시뮬레이티드 어닐링 해독기를 만들어 실행하고 암호를 풀었다고 한다. 이미지 속 내용을 읽는 능력, 자료를 검색하는 능력, 프로그램을 만드는 능력이 한 과정 안에서 연결된 것이다.

“이것은 프랑스의 어느 시대 암호문인데 네가 풀어 봐.” 이런 식으로 목표를 주었더니, 인터넷을 검색하고 자료를 찾고 해독기를 직접 만든 것이다. 해독기를 만든다는 것은 반복해서 시도할 수 있는 프로그램을 만든다는 뜻이다. 인간이 일일이 다음 단계를 지시해서 따라 하게 만든 것과 다르다. 필요한 도구를 무엇으로 만들지 판단하고, 힌트를 찾고, 반복 작업을 수행한 전체 과정이 약 6시간이었다.

단순히 치환 규칙만 찾으면 되는 일도 아니었다. 이미지에서 암호문을 정확하게 옮기고 기호를 분류해야 했고, 다른 편지와 역사 자료를 대조해서 날짜도 바로잡아야 했다고 한다. 해독은 역사 기록의 빈틈도 메웠다. 1865년에 출판된 나폴레옹 1세 서신집에서 마르몽 장군에게 보낸 편지의 일부가 ‘a handful of’에서 끊겨 있었는데, 이번 암호문을 통해 ‘a gathering of rabble’이라는 구절과 연결되는 내용이 드러났다는 것이다. 한 무리의 오합지졸에 위축되지 말라는 전체 문장이 완성되었다.

여기서 핵심은 낡은 암호 하나를 풀었다는 사실만이 아니다. 이미지 한 장에서 출발해서 필요한 자료를 찾아 읽고, 도구를 만들고, 결과를 얻는 전체 작업을 인공지능이 했다는 것이다. 인공지능은 지금 실제로 이런 일을 하고 있다.

프로그래밍 다음은 수학인가

악시오스는 오픈AI의 수학적 혁신이 수학을 넘어서는 의미를 지닌다고 이야기했다. 프로그래밍은 인공지능이 어떤 분야에서 충분한 수준에 도달했을 때 무슨 일이 벌어지는지를 먼저 보여 준 사례였다. AI의 코딩 능력이 사람의 평균적인 수준을 넘어서기 시작하자, 인간이 직접 코딩하는 부분은 점점 줄어들었다. 앞에서 본 게임 제작처럼 코드 한 줄 쓰지 않고 요구만 해도 결과물이 만들어지는 것이다. 그렇다면 다음은 수학이 아닐까?

10월 6일 오픈AI가 깃허브에 공개한 자료는 오랜 수학 문제를 다룬 722개의 논문 원고를 372개의 연구 결과 그룹으로 묶은 것이었다. 학계와 연구자들에게 자료를 검토하고 더 발전시켜 달라고 요청했다. 무엇이 잘못되지는 않았는지, 여기까지 나온 결과를 더 나은 방향으로 발전시킬 수는 없는지 살펴보라는 것이다.

반응에는 흥분과 불안이 섞여 있었다. 러트거스대학교 수학자가 사람이 했다면 필즈상을 받을 만한 결과라고 평가한 반면, 일부 수학자는 이번 결과와 지난달에 발표된 다른 해법이 정말 독창적인 돌파구인지, 기존 인간의 작업을 상당 부분 활용한 것은 아닌지 질문했다고 한다. 또 다른 사람들은 AI가 만든 수학의 유용성을 낮게 평가했다.

스티븐 울프럼은 새로운 수학이나 수조 개의 정리를 쉽게 만들어 낼 수는 있지만, 문제는 그 정리 대부분에 아무도 관심을 갖지 않을 것이라는 점이라고 말했다.

글쎄, 비관적으로 볼 수는 있겠다. 그러나 프로그래밍과 마찬가지로 수학에는 결과가 옳은지 판단할 수 있는 방법이 있다. 수학자들이 증명을 면밀하게 검토할 수 있고, 컴퓨터가 한 줄씩 확인할 수 있는 형식 언어로 바꿔 검증할 수도 있다. AI가 작성한 코드가 실제로 작동하는지 확인하는 것과 같은 면이 있다는 것이다.

소프트웨어 엔지니어는 이미 이런 전환을 겪었다. 그렇다면 나머지 분야는 어떻게 될까? 프로그래밍에서 변화가 벌어졌다고 해서 그것이 프로그래밍에만 머물 것이라고 생각하고, 수학에서 변화가 벌어졌다고 해서 수학에만 머물 것이라고 생각해도 될까? 바둑도 인공지능이 인간보다 잘 두게 되었다. 하나씩 달라지고 있는데, 다른 분야는 계속 인간에게만 남을 것이라고 생각하는가?

예상했던 나조차 따라가기 어려운 속도

게임 제작, 회계, 수학, 과학 연구와 암호 해독까지 살펴보았다. 여러분은 어떻게 느끼시는가? 내가 인공지능 관련 책을 쓴 지도 거의 3년이 된다. 책을 쓸 때 이런 방향의 변화를 예상하기는 했다. 하지만 최근에는 나조차 인식을 바꾸기 어려울 정도로 속도가 빠르다.

당시 창의성을 이야기하면서 이런 질문을 던졌다. 인공지능은 과연 수학을 증명할 수 없을까? 많은 사람이 인공지능은 창의적일 수 없다, 이것은 못한다, 저것은 안 된다고 말했다. 나는 인공지능이 얼마든지 수학적 증명을 할 수 있을 것이라고 책에 썼다. 창의성이 인간만의 것이라는 생각 자체가 착각일 수 있고, 그런 단정을 하는 사람들이 창의성이 무엇인지 충분히 이해하고 있는지도 물어야 한다고 생각했다.

이제 우리는 인공지능이 수학을 증명하고, 회계를 하고, 과학 연구를 하고, 게임 제작을 위한 프로그래밍을 맡는 세상에 살고 있다. 인간의 언어로 된 설명을 색깔과 그림, 표와 지도 같은 시각적인 것으로 만들어 보여 주기도 한다. 1년 전에 오늘 전한 소식을 이야기했다면 “에이, 설마”라고 했을지도 모른다. 그러나 2026년 10월의 우리는 이미 그런 세상에 살고 있다.

변화를 사용하는 사람과 아직 느끼지 못하는 사람

그런데 사람들이 이 변화를 얼마나 체감하고 있을까? 미국에서 인공지능을 쓰는 사람 가운데 돈을 내고 유료 버전을 쓰는 사람은 약 2.2%밖에 되지 않는다고 한다. AI를 조금이라도 써 본 사람의 비율이 아니라, 무료 버전을 넘어 돈을 내고 쓰는 사람의 비율을 말하는 것이다. 한국은 아마 좀 더 높을 것이라고 나는 생각한다. 얼마 전 통계에서도 한국은 인공지능을 많이 쓰는 국가 가운데 하나로 나왔다.

한국 사람이 새로운 것을 빨리 따라가는 면도 있을 것이고, 전반적인 교육 수준이나 대학 졸업자가 많은 사정도 겹쳐 있을 것이다. 어쨌든 미국의 유료 사용 비율이 그 정도라는 이야기를 들으면, 아직 세상 대다수는 인공지능이 얼마나 대단해졌는지, 얼마나 급박하게 모든 것이 바뀌는지 충분히 느끼지 못하고 있을 것이라고 생각하게 된다.

평소 하던 일만 계속해서 인공지능을 쓸 일이 별로 없는 사람도 있을 것이다. 반면 이미 인공지능이 인간의 일정한 수준을 넘어선 분야에서 그것을 써 본 사람은 다르게 느낀다. 다시 인공지능 없이 그 일을 하라고 하면 예전으로 돌아가기 어려울 만큼 편리하기 때문이다. 나도 직접 그런 경험을 했다.

코드 한 줄 쓰지 않고 만든 바로보는 불교 홈페이지

바로보는 불교의 홈페이지 barobul.org는 인공지능으로 만든 사이트다. GPT-5.5 때 만들었기 때문에 지금 다시 디자인을 바꿔 달라고 하면 더 멋지게 바꿔 줄 것이라고 생각한다. 지금 디자인은 내가 바라는 수준보다 좀 떨어진다. 그러나 디자인에 대한 아쉬움과 별개로, 이 사이트를 만드는 과정 자체가 이미 달라졌다.

나는 원래 홈페이지를 만들고 프로그래밍할 수 있는 사람이다. 프런트엔드와 백엔드를 다룰 수 있고, HTML과 스타일링도 할 수 있다. 그런데 이번 사이트를 만드는 데에는 내가 코드를 단 한 줄도 쓰지 않았다. 프런트엔드든 백엔드든 HTML이든 내가 직접 한 작업이 없다. 단지 말로 요구했다. 이렇게 만들어 달라고 말하니 만들어 준 것이다.

사이트에 들어가는 글도 그렇게 만든다. 내가 영상을 올리면 유튜브에서 음성을 인식해 자동 자막을 만든다. 이 자막에는 오류가 아주 많다. 그 자막을 인공지능에게 주고 원래 어떤 말을 했을지 문맥을 짐작해서 교정하라고 한다. 그다음 교정된 자막을 바탕으로 글을 쓰게 한다. 맞춤법과 띄어쓰기를 정리하고, 반복을 정돈하고, 논점을 잡아 글을 구성하는 것이다.

화면에서 글을 열어 보면 “안녕하세요. 아라한의 생방송입니다. 2026년 10월 2일 금요일, 여러분과 대화하려는 21세기 아라한 윤덕만입니다”라고 시작하는 내용이 보인다. 내가 했던 말을 교정하고 글로 옮기는 것이다. 이런 작업에서 인공지능은 벌써 평균적인 사람보다 훨씬 뛰어난 능력을 갖고 있다고 나는 느낀다. 사이트도 만들고, 자막도 교정하고, 글도 쓴다. 내가 코드를 쓰지 않아도 그 일이 이어진다.

한 달 걸리던 일을 나흘에 끝내면 고용은 어떻게 되는가

나는 내 인생의 20년이 넘는 시간을 코딩하고 프로그래밍하며 보냈다. 스타일링하고 이미지를 만들고, HTML로 디자인하고, 백엔드와 프런트엔드를 설계하는 작업을 했다. 그런데 이제 그 일의 80~90% 이상을 인공지능이 담당할 수 있게 되었다. 현업에서 이런 일을 해 오던 사람이라면 놀라지 않을 수 없을 것이다.

저 사이트는 나 혼자 인공지능과 함께 나흘 만에 만들었다. 예전처럼 인공지능 없이 만들었다면 최소 한 달 정도는 걸렸을 것이다. 그것도 나 혼자가 아니라 두세 사람이 함께 작업해야 만들 수 있는 사이트다. 그런데 혼자서 나흘 만에 만들었다. 이것이 내가 직접 겪은 변화다.

그렇다면 내가 웹 에이전시를 운영하고 있다고 해 보자. 새로운 직원을 고용할 필요가 있을까? 세상에서 홈페이지를 만들어 달라는 요구가 갑자기 열 배 이상 늘어나지 않는 한, 웹 에이전시에 주어지는 업무량은 크게 달라지지 않을 것이다. 그런데 처리 효율이 열 배 이상 늘었다면 왜 새 인원을 뽑겠는가?

새로 뽑지 않는 데서 끝나는 것도 아니다. 기존에 코더나 프로그래머가 다섯 명 있었다면 그중 일부는 필요 없다고 판단할 수도 있지 않은가. 업무는 그대로인데 효율이 크게 높아졌다면 고용에는 당연히 영향이 생긴다. 그런 일이 지금 세상에 닥친 것이다. 나는 그동안 이 문제를 경제와 노동의 관점에서 자주 이야기했다. 오늘은 여기서 교육 문제로 넘어가고 싶다.

법과 행정은 왜 언제나 뒤늦게 움직이는가

사회 시스템, 법, 행정과 정부 시스템은 가장 늦게 바뀐다고 한다. 왜 그럴까? 과학 기술이 발전하고 새로운 사회 문제가 세상에 나타나면, 정부는 그 문제를 수습하는 쪽으로 움직이기 때문이다. 문제가 생기기 전에 미리 준비하면 좋겠지만, 아직 벌어지지도 않은 문제가 생길 것 같다고 법을 선제적으로 바꾸는 모습을 얼마나 보았는가? 나는 그런 모습을 거의 보지 못했다.

문제가 여럿 벌어졌는데도 법은 아주 늦게, 보수적으로 바뀐다. 어린이가 어린이 보호구역에서 사고로 목숨을 잃었다고 해 보자. 이런 일을 다시 막으려면 어떻게 해야 하는가? 같은 일이 한두 번 있었던 것도 아닌데, 사회적 논란이 되고 화젯거리가 된 다음 법으로 만드는 데까지 한참 걸린다. 일이 벌어진 뒤에도 시스템이 바뀌는 속도는 느리다.

나는 우리 사회 시스템이 굉장히 낡았다고 생각한다. 정부와 사회 구조가 미리 움직이는 것이 아니라 뒤에서 수습하려 하고, 그 수습 과정조차 오래 걸린다. 비트코인도 마찬가지다. 비트코인이 나오기 전이나 나오자마자 “이런 것이 생겼으니 선제적으로 준비해야 한다” 하고 법이 정비되었는가? 나온 뒤 여러 문제가 드러나고, 그것을 어떻게 다룰지 논의한 한참 후에야 법이 만들어지는 것 아닌가.

교육 시스템에도 똑같은 일이 벌어지고 있다. 세상은 먼저 바뀌고, 제도는 뒤늦게 따라간다. 그렇다고 제도가 바뀔 때까지 세상도 가만히 기다려 주는 것은 아니다. 이미 사람이 하던 일을 인공지능이 맡는 변화가 벌어졌는데, 교육은 그 이전의 세상을 기준으로 사람을 길러 내고 있다.

사회는 매일 뒤집히는데 교육은 몇 년 전과 같은가

프로그래머 대부분이 필요 없어지는 방향으로 사회가 바뀌고 있다. 회계사 수요도 당장 내년부터 급격하게 줄어들 수 있다고 나는 본다. 번역을 해 오던 수많은 사람은 이미 일자리를 잃고 있다. 게임을 만드는 프로그래머는 졸업해도 취업할 곳이 없을 가능성이 높아지고 있다. 수학과 과학 연구는 어떨까? 지금까지 수학자의 일을 수학자, 인간만 할 수 있다고 생각했는데 그 전제부터 달라지고 있다.

어제 다르고 오늘 다르고 내일 다르다. 1년 후의 세상이 어떻게 될지 알기 어려울 만큼, 새로운 발표가 나올 때마다 세상이 발칵 뒤집힌다. 그런데 교육 시스템은 어떤가? 작년, 재작년, 그 전해의 교육과 지금의 교육이 무엇이 달라졌는가? 아주 미묘하게 달라진 부분은 있겠지만, 이 대격변에 걸맞게 근본적으로 달라진 것이 있는가?

나는 변화가 없다고 느낀다. 한쪽에서 일자리와 업무가 바뀌고 있는데 다른 쪽에서는 여전히 같은 공부를 시키고, 같은 시험으로 줄을 세운다. 지금 배우는 아이들이 사회에 나갈 때 어떤 세계가 기다리는지 생각하지 않은 채, 예전의 성공 경로를 그대로 반복하게 하는 것이다.

초등학교 3학년 아들의 영어 수업을 보며

내 아들은 초등학교 3학년이다. 내 나이 때에는 국민학교라고 불렀으니, 그 사이 교육 시스템이 여러 차례 바뀌는 동안 나는 구체적인 수업 모습을 잘 모르고 있었다. 그런데 최근 아들의 수업을 보니 초등학교 3학년부터 영어를 하더라. 알파벳을 차근차근 쓰고 읽게 하는 모습이라기보다 어느 날 갑자기 “헬로” 하며 대화를 시작하더니 받아쓰기를 한다.

그렇다면 집에서 A, B, C, D를 배우고 영어 선행 교육을 받고 오라는 말 아닌가? 초등학교 3학년 아이에게 말이다. 이것은 그 자체로 초등학교 교육 방식의 문제라고 생각한다. 하지만 나는 거기서 한 가지 더 묻고 싶다. 지금 우리는 영어 교육을 왜 하는가? 왜 모두가 원어민처럼 영어를 해야 하는가?

나는 평생 영어 공부를 많이 했고 영어도 써 왔다. 영어 독해도 할 수 있다. 그런데 최근에는 영어 독해를 직접 하지 않는다. 오늘 살펴본 문서들도 반 이상은 영어 자료를 한국어로 번역해서 읽었다. 아주 특이한 경우에 원문을 확인할 때는 있지만, 전체 맥락과 내용을 이해하는 데에는 번역을 활용한다.

오늘 화면에서 사용한 것은 최신 인공지능에게 따로 맡긴 번역조차 아니고 구글 번역기였다. 내가 보기에는 최신 모델에 비해 번역이 좀 떨어진다. 최신 인공지능에게 페이지를 주고 번역하라고 하면 인간이 번역한 것처럼 매끄럽게 해 준다. 번역이 이 수준이 되었는데, 전 국민이 이전과 똑같은 이유와 방식으로 영어를 배워야 하는가?

물론 어떤 이유로는 영어를 배울 필요가 있다. 나는 그 필요가 전부 없어졌다고 말하는 것이 아니다. 그러나 모든 국민이 원어민처럼 말할 수 있어야 한다며 영어 교육을 받아 온 이유를 다시 물어야 한다. 20년 전, 30년 전, 40년 전에는 그런 교육이 우리 사회에 많은 도움이 되었을 수 있다. 그런데 지금은 다르다. 대부분의 사람은 영어를 잘하지 못해도 살아갈 수 있고, 번역 도구를 쓸 수 있다.

외국인을 앞에 두고 내가 한국어로 말하면 상대방은 영어로 듣는 일도 가능해지는 방향으로 가고 있다. 올해가 아니라면 내년쯤은 어떨까? 지금도 휴대전화가 상대방의 영어를 받아 적고 한국어로 번역해 보여 줄 수 있다. 이번 APEC에서도 그런 방식의 활용이 화제가 되었다고 하지 않는가. 이런 세상에서 영어를 가르치는 목적과 방법을 왜 예전 그대로 두어야 하는지 나는 묻는 것이다.

인간을 계산하고 번역하는 도구로 길러 내던 교육

교육 시스템의 근본적인 개혁이 필요하다. 과거에는 인간만이 할 수 있었기 때문에 각 분야의 도구로 인간을 길러야 했다. 번역하는 도구, 계산하는 도구가 필요했던 것이다. 컴퓨터가 없을 때 달에 가기 위한 계산이나 로켓의 궤도 계산은 어떻게 했는가? 어디에 떨어질지, 중력을 이기고 대기권을 벗어나려면 어느 정도 힘이 필요할지 사람이 종이를 놓고 계산해야 했다.

컴퓨터가 계산하기 시작하면서 이제 우리는 그런 계산을 직접 하지 않는다. 여러분은 일상에서 복잡한 계산을 종이에 일일이 하는가? 회계도 사람이 해야 했으니 높은 월급을 주었고, 회계사 시험에 합격하기 위해 많은 공부와 훈련을 해야 했다. 그런데 앞으로는 그런 업무에 인간이 개입하는 부분이 차츰 줄어들 것이다.

그렇다면 우리 교육은 어떻게 바뀌어야 할까? 나도 매일 고민한다. 사회는 어떻게 될 것인가? 인간에게 무엇이 남을 것인가? 내가 그 답을 이미 다 갖고 있다고 말하는 것이 아니다. 그러나 적어도 지금 교육이 붙들고 있는 기준에서 벗어나야 한다는 점은 분명하게 느낀다.

얼마나 많이 외웠는지 비교하고, 태정태세문단세나 화학 기호, 역사에서 몇 년도에 어떤 일이 벌어졌는지를 기억하는 능력으로 시험을 치르고, 높은 점수를 받은 사람을 더 대우하는 시스템을 보자. 대학에서 미분과 적분을 풀고, 법조문을 외우고, 복잡한 회계 계산을 해내는 것으로 인간의 역량을 평가하고 경쟁시켜 왔다. 그런데 인공지능을 통해 누구든 그와 비슷한 결과를 얻을 수 있게 된다면, 그 기준으로 사람의 가치를 가르고 줄을 세우는 일이 무슨 의미가 있겠는가?

아무것도 배우지 말자는 뜻인가

인공지능과 함께 사는 사회를 전제로 생각해야 한다. 인공지능이 존재한다는 것을 받아들인 다음, 인간은 그것을 어떻게 더 잘 쓰고 어떻게 함께 어울려 살아갈지를 물어야 한다. 같은 도구가 있어도 누군가는 더 잘 활용하고 더 좋은 결과물을 만들어 낼 수 있을 것이다. 그렇다면 그 사람에게 필요한 능력은 무엇인가?

그렇다고 “이제 우리는 아무것도 외우지 않아도 된다”는 뜻일까? 과연 그럴까? 그렇지는 않을 것이다. 사람끼리 의사소통하고 대화하려면 인간도 언어를 써야 한다. 무엇을 알고 무엇을 이해해야 제대로 물어보고 요구할 수 있는지도 생각해야 한다. 그러니 질문은 공부를 전부 없앨 것인가가 아니라, 무엇을 외우고 무엇을 배워야 하는가다.

지식인과 지성인, 철학자, 교육 현장의 사람, 각 분야에서 실제로 일하는 사람들이 모여 이 문제를 논의해야 한다. 사회가 바뀌는 데 맞춰 교육도 바뀌어야 한다. 인공지능이 잘하는 것은 맡길 수 있고, 인간에게 필요한 사고력과 비판력, 판단력과 언어 능력은 길러야 한다. 인공지능과 함께하는 폭넓은 인간상을 어떻게 만들어 갈지 대화하고 토론해야 한다.

나는 이것이 탈권위적인 세상과도 연결된다고 생각한다. 달달 외워 높은 점수를 받았다는 이유로 인간을 비교하고 권위를 부여하던 기준이 흔들린다. 그렇다면 다른 사람과 함께 살아가고, 도구를 활용하고, 판단하고 요구하는 인간의 능력을 어떻게 키울 것인지 새롭게 물어야 한다. 지금처럼 서로 경쟁시키고 점수 매기는 것만을 목적으로 교육해서는 안 된다.

옛날 성공 공식을 위해 아이의 인생을 조지지 말라

시스템이 바뀌지 않는다고 화를 내 봤자, 원래 정부와 법과 제도는 늦게 움직인다는 것을 나도 안다. 그런데 지금의 상황은 천동설에서 지동설로 바뀌는 것 같은 수준의 대격변이다. 세상이 이 정도로 바뀌는데 교육은 옛날 시스템으로 가르친다. 필요 없는 교육과 숙제를 계속 시키고, 수능 시험으로 등수를 매긴다. 왜 그래야 하는가?

아이를 학원에 보내고 하루 종일 공부시켜 의사로, 회계사로, 과학자로, 프로그래머로 만들려고 한다. 경쟁에서 이기게 하겠다고 달달 볶는다. 나는 옛날 교육 시스템에 맞추느라 아이의 인생을 조지는 그런 일을 시키지 말았으면 좋겠다. 교육 제도를 바꿔야 한다는 이야기와 별개로, 제도는 아직 그대로여도 사회는 이미 바뀌어 버렸다. 지금의 교육 시스템만 믿고 아이를 가르치면 안 된다.

학교 선생은 무슨 책임을 지고 지금까지 하던 것과 다른 것을 하겠는가? 하던 대로 할 것이다. 시험 문제를 내는 사람도 사회가 어떻게 달라졌는지는 모르겠고 늘 내던 문제를 낼 것이다. 학교, 학원, 시험을 만드는 사람, 대학교와 교육 시스템이 무책임하게 그대로 움직인다. 사회는 발칵 뒤집혔는데 아이는 여전히 예전 방식으로 교육받는다.

부모는 어떤가? “바뀐 사회에서 우리 아이는 어떻게 살아야 하지?”라고 생각하는가? 아니면 남들 다 하던 대로, 자기가 해 왔던 대로, 10년 전에 하던 대로 2026년에도 똑같이 아이를 볶고 있는가? 아이가 사회에 나갔을 때 있지도 않을 직업을 준비시키느라, 과거 계산기와 컴퓨터가 맡아 간 일을 또 인간에게 시켜서는 안 된다.

여러분은 네 자리 수 곱셈을 얼마나 빨리 하는가? 평소에 직접 하지도 않는 계산을 빨리하는 능력이 왜 그렇게 중요해야 하는가? 내가 보기에 지금 교육은 아이들에게 그와 같은 일을 반복해서 시키고 있다. 환경이 달라졌는데 이전 환경에서 필요했던 기능을 계속 훈련시키는 것이다.

판단하는 사람, 함께 노는 사람, 폭이 넓은 사람

첫째로 교육 시스템이 바뀌어야 한다. 그러려면 토론과 토의부터 해야 한다. 인공지능과 함께하는 인간 사회는 어떻게 달라질 것인가? 그 사회에서 인간에게 필요한 것은 무엇인가? 앞으로 무엇을 가르쳐야 하는가? 모든 것을 인공지능에게 맡기지 않고 인간이 판단하고 요구하며 어떤 일을 하려면 무엇을 갖춰야 하는지 물어야 한다.

아무것도 가르치지 말자는 말은 아니다. 물론 그냥 놀고먹어도 되는 시대가 올지도 모르겠다. 그렇더라도 인간이 무언가를 판단하고 요구하려면 필요한 능력이 있다. 인공지능이 맡아서 하는 일을 굳이 사람이 반복하느라 시간을 보낼 이유는 없지만, 사고력과 비판력, 판단력과 언어 능력을 키우는 일은 다른 문제다. 더 넓게 생각하고 인공지능과 함께 무엇인가를 할 수 있는 사람을 길러야 한다.

인생을 더 행복하게 보내기 위한 교육도 필요하다. 내가 미국이나 일본의 예를 떠올리며 말하고 싶은 것은, 어릴 때와 젊을 때 다양한 스포츠와 예능, 취미 활동을 할 수 있도록 국가가 도와줘야 한다는 것이다. 시설도 만들어야 한다. 시답잖게 학원만 보내고 앉혀 놓고 이상한 숙제만 시키는 대신, 함께하고 협력하는 활동을 할 수 있어야 한다.

스포츠는 그런 점에서 좋다. 경쟁이 있더라도 놀이와 게임으로 함께할 수 있다. 사회성을 어떻게 기를지, 서로 적대하는 경쟁 사회가 아니라 함께하는 사회에서 어떻게 살아갈지를 배우게 해야 한다. 단순히 시험 점수로 줄 세우는 인간이 아니라, 삶을 더 재미있고 풍부하게 살아갈 인간을 생각해야 한다.

정치인과 정부 관료, 교육에 종사하는 사람과 선생, 과학자와 지성인들이 모두 나와서 이 문제를 말해야 한다. 그런데 제대로 말하지 않는다. 이 썩어 빠진 사회는 말하지 않고 있다. 제도 변화가 원래 느리다는 것은 안다. 그렇다고 교육이 어떻게 바뀌어야 하는지 논의조차 제대로 하지 않는 현실까지 받아들여야 하는가?

제도를 기다리는 동안 부모가 할 수 있는 일

둘째로, 사회는 하루하루, 한 달 한 달, 1년 1년이 다른데 교육 시스템은 구닥다리 옛날 방식이라는 사실을 부모가 직시해야 한다. 자식이나 손주가 학교에 다니고 있다면, 경쟁시키고 줄 세우는 비인간적인 시스템에 아이를 그대로 맞추는 일을 거부해야 한다. 틀에 박힌 이상한 인간상을 만드는 교육을 더는 당연하게 받아들이지 말라는 것이다.

나는 학교 성적이 중요하지 않다고 말하고 싶다. 아이가 비판적으로 생각하고 창의적인 사람이 되도록, 종합적으로 생각하고 인공지능과 함께 무언가를 만들어 내도록 도와주어야 한다. 재미있게 놀면서도 배우고, 훨씬 깊이 있고 폭이 넓은 사람으로 자라게 하는 것이 중요하다.

부모가 독서도 하게 하고, 인공지능을 어떻게 잘 활용할 수 있을지 아이와 대화도 나누었으면 좋겠다. 무엇을 인공지능에게 전부 맡기면 안 되는지, 어떤 것까지 요구할 수 있는지, 무엇을 물어보고 무엇을 요청할지를 함께 이야기하는 것이다. 그런 교육 환경을 자신의 자식과 손주에게 제공할 수 있으면 좋겠다.

오늘 방송에서는 다오 스님이 혼자 채팅에 참여해 주셔서 다양한 의견을 나누지는 못했다. 여러 사람의 질문과 대화가 올라왔더라면 더 풍부한 이야기가 되었을 것이다. 내가 교육의 답을 혼자 정해서 전하려는 것이 아니다. 인공지능과 함께 살아갈 우리와 다음 세대에게 무엇을 가르쳐야 하는지, 우리 자신은 무엇을 배우고 어떻게 바뀌어야 하는지를 함께 묻고 싶다.

교육만 따로 바꿀 수는 없다

세상이 바뀌면 나도 바뀌게 되어 있다. 이것이 연기적이라는 말과 연결된다. 서로 영향을 받으며 살아가는데 사회의 조건은 달라지고 나만 이전의 생각에 머물러도 되겠는가? 정부와 정치인, 지식인과 과학자, 철학자, 현장에 있는 사람, 학부모와 학생까지 모여 어떻게 달라져야 하는지 대화했으면 좋겠다.

물론 교육은 사회와 경제의 시스템에 맞물려 있다. 사회는 경쟁 사회 그대로인데 교육만 경쟁을 그만두라고 한다고 쉽게 바뀌겠는가? 교육의 변화에는 사회 시스템과 경제 시스템, 문화도 함께 바뀌어야 한다는 큰 전제가 있다. 그러니 더더욱 논의해야 한다. 함께하는 사회, 공유하는 사회로 가려면 어떻게 해야 하는가?

오늘 내가 전한 인공지능 소식과 교육에 대한 한탄은 결국 이 질문으로 이어진다. 시스템은 가장 늦게 바뀐다. 그렇다면 그 문제를 하루빨리 사회의 전면에 놓고, 지금 벌어지는 변화에 맞추어 정부와 사회와 경제를 어떻게 바꿀지 이야기해야 한다. 누군가는 벌써 회사에서 잘리고, 누군가는 취업하지 못하고, 누군가는 자기가 하던 일의 쓸모가 사라지는 것을 경험하고 있다.

아직 내 아이에게 닥치지 않았다고 눈을 돌리고 모른 척할 것인가? 당신의 직업은 영원히 당신만이 할 수 있는 일인가? 아니면 인공지능과 로봇이 당신을 대신하게 될 것인가?

여러분도 함께 이야기해 주셨으면 좋겠다. 어떤 사회가 되어야 하는가? 어떤 교육을 해야 하는가? 교육 시스템은 어떻게 바뀌어야 하는가? 세상은 이미 바뀌고 있다. 우리가 무엇을 배워야 하는지, 다음 세대에게 무엇을 가르쳐야 하는지 이제 함께 논의해야 한다.