AI 리터러시는 무엇을 읽는 능력인가

AI 리터러시를 흔히 도구를 다루는 기술로, 즉 프롬프트를 잘 쓰고, 어떤 모델이 무엇에 강한지 알고, 결과물을 업무에 끼워 넣는 숙련을 가리키는 말로 좁게 이해하고 사용한다. 분명히 이 기술적 층위는 필요하다. 생성 모델이 통계적 패턴으로 다음 단어를 예측하는 장치라는 사실, 그래서 사실과 그럴듯한 허구를 똑같이 자신감 있게 출력한다는 한계, 답변에는 학습 데이터의 편향이 반영되어 있으므로 주의를 기울여야 한다는 점을 모르면 안된다. 이것은 도구가 산출하는 결과물을 검증하는 태도를 요청한다. 이렇게 기술의 작동 원리, 적용 사례, 한계, 그리고 개인정보나 저작권 같은 사용상의 주의점을 강조하는 것이 리터러시의 기본 항목이다.

그러나 이 목록은 모두 기술을 대상으로 한다. 모델이 무엇을 하는가, 어디까지 믿을 수 있는가를 묻기는 하는데, 정작 그 도구를 쓰는 사람 자신은 관심의 대상 밖이다. 같은 챗봇의 결과물을 어떤 사람은 초안으로 여기고 받아 고쳐 쓰지만, 어떤 사람은 그대로 제출한다. 어떤 사람은 모델에게 반박을 요구한 뒤 검토하고, 어떤 사람은 답변 중에서 자기 생각을 확인해 주는 문장만 골라 읽는다. 도구의 성능이 같아도 결과가 갈리는 지점은 사용자의 습관과 성향에 있다.

그래서 리터러시에는 자기 자신을 읽는 항목이 들어가야 한다. AI에 맡기는 일과 그렇지 않은 일의 경계가 인공지능의 능력에 따라 그은 것인지, 아니면 편의-귀찮음-에 따른 것인지, 모델이 유창하게 답할 때 나는 검증을 건너뛰는 습관이 있는가. 내가 듣고 싶은 답을 유도하는 방식으로 질문하고 있지는 않은가 같은 물음은 기술 지식과는 다른 종류의 지식을 요구한다. 아주 쉽게는 자신의 사용 기록을 돌아보아야만 답할 수 있다.

자기 취약점을 아는 일은 특히 중요하다. 사람마다 약한 지점이 다르다. 어떤 사람은 수치에, 어떤 사람은 매끄러운 문장에 쉽게 설득된다. 2,784명을 대상으로 한 한 실험에서는 AI에 호의적인 태도를 가진 사람일수록 잘못된 제안을 수정하지 않고 그대로 받아들였고, 회의적인 사람이 오류를 더 안정적으로 잡아냈다 모델의 한계만큼이나, 빨리 판단을 끝내려는 조바심과 권위 있어 보이는 출처에 기대려는 경향 같은 사용자 자신의 한계가 오류의 원인이 된다.
결국 AI 리터러시는 두 방향의 읽기다. 도구를 읽는 능력과 그 도구를 쓰는 자신을 읽는 능력. 앞의 것만 갖춘 사람은 성능 좋은 도구를 손에 쥐고도 자기 편향을 증폭한다. AI를 잘 쓴다는 말은 도구를 아는 동시에 자신을 아는 상태를 가리킨다.