AI 시대 인문학이 더 중요해지는 이유: 해석력과 윤리 판단, 프롬프트는 곧 수사학이다

핵심 메시지

• 대규모 언어모델은 통계적 패턴으로 다음에 올 말을 예측할 뿐, 경험·의도·맥락·가치에 근거해 의미를 붙잡지는 않는다.
• 모델의 수학이 중립적이어도 그 쓰임은 중립적이지 않다. 학습 데이터에는 오류가, 인터페이스에는 설계 가정이, 응용에는 이해관계가 새겨진다.
• AI는 해석을 없애지 않고 사람 쪽으로 옮긴다. 출력에서 곧장 행동으로 가는 것이 아니라 해석과 판단이라는 단계가 남아 있고, 그 단계의 주인은 여전히 사람이다.
• 프롬프트를 쓰는 일은 사실상 수사학이다. 의도와 맥락, 제약을 분명히 적는 글쓰기 훈련이 그대로 AI를 다루는 실무 능력이 된다.
• 기술적 정확성만 익힌 사람은 미묘한 왜곡을 놓치지만, 해석 훈련을 받은 사람은 모호함과 편향, 누락을 알아챈다.

쉽게 이해하기

발표자는 지금의 AI가 문서를 요약하고 질문에 답하고 코드와 음악까지 만들어 내며, 겉보기에 '이해한 것처럼 보이는' 결과물을 아주 잘 뽑아낸다는 데서 이야기를 시작한다. 문제는 그 유창함이 판단의 근거를 갖추지 못한 채 나온다는 점이다. 그는 오스카 와일드의 표현을 비틀어, AI는 모든 것의 가격은 알지만 그 무엇의 가치도 모른다고 말한다.

그렇다면 무엇이 좋고 윤리적인지는 어디서 배우는가. 미적분도, 물리와 화학도, 공학과 컴퓨터과학도 이 질문에는 답하지 못한다. 발표자의 표현대로 코드는 아무것도 신경 쓰지 않는다. STEM은 사물이 '어떻게' 작동하는지를 대단히 잘 알려주지만, 그 모든 것이 '무엇을 의미하는지'와 '왜 하는지'는 알려주지 않는다는 것이다.

그는 인간의 앎과 AI의 앎을 나란히 놓는다. 인간의 지식은 경험과 의도, 맥락과 가치, 그리고 책임 위에 서 있다. 반면 모델은 패턴과 확률, 토큰의 순서와 통계적 연관 위에서 다음에 올 것을 고른다. 그래서 AI는 근본적으로 통사적이고 사람은 의미적이다. 기호를 다루는 솜씨는 뛰어나지만 그 기호를 실제로 겪은 현실에 붙들어 매지는 못한다.

AI가 수학으로 굴러가니 중립적일 것이라는 통념도 그는 뒤집는다. 같은 시스템을 두고 설계자와 모델, 사용자와 사회가 저마다 다른 답과 다른 기준을 갖는다. 한 사용자가 괜찮다고 여기는 결과를 사회 전체는 받아들이지 않을 수 있다. 그래서 누가 이득을 보는지, 데이터에는 어떤 가정이 박혀 있는지, 어떤 피해가 생길 수 있는지를 묻는 윤리학과 정치이론, 사회학의 시선이 필요해진다.

마지막으로 그는 해석의 자리를 강조한다. 입력이 곧바로 행동이 되는 것이 아니라, 출력을 사람이 해석하고 판단한 뒤에야 행동이 나온다. 문학 연구와 역사학, 의미를 다루는 해석학은 불확실한 상황에서 읽어 내는 훈련을 시킨다. 하나의 텍스트에 여러 타당한 독해가 공존할 수 있고, 원래 의도는 늘 접근 가능하지 않으며, 틀리지 않으면서도 오도할 수 있다는 감각이 확률적이고 맥락에 민감한 AI 출력 앞에서 그대로 쓸모를 갖는다.

주요 인사이트

• 발표자는 '인터넷의 모든 것이 참은 아니다'라는 당연한 말을 굳이 강조한다. 자신 있게 틀리는 환각을 걸러 내려면 무엇이 지식이고 무엇이 증거이며 믿음과 앎이 어떻게 다른지를 묻는 인식론적 감각이 실무에 필요하다는 뜻이다.
• 그는 AI 시대에 가장 중요한 프로그래밍 언어가 무엇이냐는 질문에 '어릴 때부터 써 온 모국어'라고 답한다. 소통이 곧 시스템 제어가 되었기 때문에, 작문 수업에서 배운 틀 짜기가 프롬프트 품질을 좌우한다는 것이다.
• 잘못 쓴 프롬프트는 단지 불분명한 것이 아니라 계산적으로 미명세된 것이라는 표현이 인상적이다. 표현의 사소한 차이가 출력을 바꾸고, 지시의 모호함이 편차를 낳으며, 암묵적 가정이 그대로 결과에 번진다.
• 모델은 학습 데이터의 구조를 반영하므로 다수 관점을 강화하고 소수 관점을 과소 대표하며 문화적 뉘앙스를 지나칠 수 있다. 자주 등장하는 것을 참으로 착각하는 셈인데, 역사적 관점과 문화적 문해력, 서사 프레이밍에 대한 인식이 그 착각을 교정한다.
• 정확한 시스템이 잘못된 일을 할 수 있다는 지적은 곱씹을 만하다. 기술적 성능을 윤리적 정당성과 혼동하지 않는 것이 AI를 책임 있게 쓰는 출발점이다.

자주 묻는 질문

관련 AI 소식