[뉴스라운지] "챗GPT 활용해 리포트 쓰세요"...생성형 AI가 가져올 변화는?

■ 진행 : 함형건 앵커

■ 출연 : 차경진 한양대학교 경영학부 교수

* 아래 텍스트는 실제 방송 내용과 차이가 있을 수 있으니 보다 정확한 내용은 방송으로 확인하시기 바랍니다. 인용 시 [YTN 뉴스라운지] 명시해주시기 바랍니다.

[앵커]

우리 사회에 심대한 영향을 끼치는 큰 흐름을 짚어보고 미래를 조망해 보는 '비전 카페' 순서입니다. 오늘은 발전하고 있는 AI가 실제 우리 교육 현장과 기업에는 어떻게 적용되고 있고 또 어떤 변화를 이끌어내고 있는지 차경진 한양대학교 경영학부 교수와 함께 짚어보겠습니다. 어서 오세요.

생성형 AI 열풍이 불면서 특히 대학 수업에는 어떤 영향을 끼치고 있는지 그런 얘기를 먼저 해 볼까 하는데요. 교수님마다 입장은 조금씩 다르실 텐데 차 교수님께서는 AI, 생성형 AI, 챗GPT 같은 것을 적극적으로 활용하려는 입장인 걸로 알고 있습니다. 새 학기에도 그런 식으로 수업을 이끌어가실 계획이시죠?

[차경진]

네, 맞습니다. 예를 들면 저는 대학원 논문수업이나 이런 데서도 새로운 연구주제를 가졌을 때 과거에는 선행 연구를 찾아보고 이것들 조사하고 요약하는 과정이 한 일주일 정도 걸렸다고 하면 바로 그 자리에서 새로운 주제에 대해서 논문을 생성하고 실제 우리가 논문을 읽고 해야 하지만 빠르게 요약해서 우리가 지금 기회의 포인트가 어디 있는지를 빠르게 찾게 하거나 아니면 과제를 내줄 때에도 생성형 AI가 좋은 샘플의 논문을 보여줍니다.

그러면서 실제 얼마나 표면적으로 생성 AI가 논문을 쓰고 있는지, 그것을 크리티컬 리뷰를 하면서 우리가 어떻게 해야 하는지 이런 것들을 하는 것이죠. 그런데 이걸 해 보다 보니까 처음에는 있지도 않은 논문을 보여주기도 하는, 거짓된 논문을 보여주기도 하는데요.

그래서 저희가 그건 어떻게 해결을 했냐면 실제 프롬포트에 해당 아카이브 디비를 연결을 해서 있는 논문 안에서만 생성형 AI가 뱉어내게 하는 것들을 통해서 해결하기도 했었고요.

사실 연구자들 간에 서로 다른 견해나 이런 것들을 빠르게 파악하고 더 질 놓은 논문을 쓰는 데 있어서 생성형 AI가 저희는 효과적이었다고 볼 수 있었습니다.

[앵커]

지금 말씀하신 걸 들어보면 이를테면 논문 수업은 대학원 수업을 말씀하시는 것 같은데 논문을 쓰는 논문 세미나 이런 강의에서도 생성형 AI, 챗GPT로 만든 논문을 제시하고 이것을 모델로 해서 참고해서 어떻게 더 발전시킬 건가 고민해 봐라 이렇게 말씀하신다는 얘기죠?

[차경진]

그렇습니다. 이 정도가 과제 수준의 60~70% 수준의 표면적인 논문인데 우리가 더 발전시키려면 많은 논문과 이론을 알아야만 크리티컬 리뷰를 할 수 있고 실제 이게 얼마나 표면적인지를 판단할 수 있거든요.

그래서 사실 학생들한테 보여주고 싶었던 건 우리가 좋은 논문을 많이 읽고 많은 이론을 알고 있어야만 실제 더 질 놓은 논문을 생성형 AI을 활용해서 쓸 수 있다를 보여주고 싶어서 첫 시간부터 이렇게 생성형 AI로 논문을 빠르게 찾고 핵심 시드 논문을 찾는 방법을 알려주고 있습니다.

[앵커]

절대로 리포트나 논문을 AI가 대신 써주게 하는 건 아니고 자료 수집이라든가 아이디어라든가 기획을 하는 데 도움을 받을 수 있을 것 같고요.

[차경진]

맞습니다. 논문에 그림과 기획과, 처음에 그림을 잘 그리는 데 있어서 쓰고요. 이것을 어떻게 더하고 빼고 표면적인 것들보다 더 딥다이브 할 수 있는지, 더 로디컬 씽킹을 하는 데 있어서 이렇게 보시면 될 것 같습니다.

좋은 연구원 하나를 옆에 두고 내가 논문을 쓰는구나, 이런 느낌으로 활용할 수 있는 방법에 대해서 알려주고 있습니다.

[앵커]

주로 강의하시는 분야, 전공 분야가 데이터 분석을 활용해서 여러 가지 경영 정보라든가 경영 마케팅을 어떻게 개선할 건가, 이런 걸 다루시는 것으로 알고 있는데 그렇다면 코딩이라든가 프로그래밍, 컴퓨터를 적극적으로 활용하는 내용 아니겠습니까?

[차경진]

맞습니다. 사실 논문 세미나뿐만이 아니라 프로그래밍 수업에서도 생성형 AI가 어떻게 프로그래밍을 잘 짜는지를 첫 시간에 알려줍니다. 그런데 이게 가끔은 잘 안 돌아가요. 그게 예를 들면 해당 페이지의 클래스 이름이 바뀌어서 작동을 안 한다거나 이럴 수가 있는데요.

그 또한 사실 코드를 읽을 수 있는 리터러스가 있는 사람들만 생성형 AI를 잘 활용할 수가 있거든요. 우리가 코드를 랭기지를 배워야 하는 이유도 사실은 아무것도 모르는 사람들한테 이 생성형 AI는 무용지물일 수 있어요.

이런 것들을 코드를 더 로지컬하게 옵티머해서 시키는 방법, 이런 것들을 알려면 우리가 코드를 배워야 되는, 로티베이션을 첫 시간부터 보여주고 있고요. 한번은 저희 대학원에서 개발한, 굉장히 어렵게 개발한 그 코드를 돌리는 데 7시간이 걸리는데 어느 날은 저희 학부생이 그거를 1시간 만에 할 수 있게 최적화를 시켜서 가져왔더라고요.

그래서 너 정말 대단하다라고 했었는데 알고 보니까 생성형 AI를 통해서 이것을 옵티마이즈 시키는 방법을 찾아서 가지고 왔더라고요. 그래서 저는 그 모습을 보면서 어쩌면 우리 학생들한테 필요한 역량은 막 코드를 백지에서 짜는 능력 이런 것들보다는 실제 비즈니스 문제, 현장에서 문제를 가지고 데이터를 기획하고 이 데이터를 가지고 실제 이걸 연결하는 능력, 기획하는 능력, 전략과 AI로부터 가치를 만들어내는 능력 이런 것들이 더 필요해지고 있지 않나라는 생각을 가지고 코드를 왜 배워야 하는지, 이 AI는 어떤 비즈니스 문제를 풀고 있는지 이런 것 위주로 프로그래핑 수업의 콘텐츠도 변화시키고 있습니다.

[앵커]

코딩을 공부해 보셨거나 이 분야에 종사하고 계신 분들은 생성형 AI라든가 챗GPT가 얼마나 빨리 효율적으로 코드를 만들어내는지를 잘 아실 텐데 지금 말씀하신 대로 사람이면 굉장히 긴 시간이 필요한 것을 기계는 순식간에 만들어낸단 말이죠, 비슷하게. 그런데 그렇다고 하더라도 코딩에 대한 공부는 더욱더 중요해진 것이다?

[차경진]

저는 그렇게 보고 있습니다. 사실 생성형 AI한테 다 맡겨서 하는 일은 사실은 없고요. 그것도 코드의 원리와 실제 개발 능력이 있어야만 프롬프트를 어떻게 던졌을 때 더 개발의 코드가 좋아지고 더 최적화될 수 있는지에 대한 좋은 프롬프트의 질문을 던질 수 있기 때문에, 그렇기 때문에도 그렇고 이게 완벽하게 작동을 하지 않아서 이것을 수정하거나 이것을 실제 써먹거나 우리의 비즈니스에 연결하는 것도 어느 정도의 코딩의 리터런스는 있어야지 가능하다고 볼 수 있습니다.

[앵커]

코딩에 대한 리터런스라는 것은 기본적인 이를테면 파이썬이면 파이썬 프로그램에 대한 문법을 정확하게 알고 있어야 한다. 프로그래밍을 짜는 분들의 여러 가지 애로점 중 하나가 프로그래밍에 숨어 있는 오류를 찾아내는 것, 디버깅이라고 하죠.

그런데 생각보다 시간이 많이 걸리는. 그런데 기계를 활용하게 되면, 생성형 AI을 활용하게 되면 그런 것까지 다 어느 정도 짚어줄 수 있는 것 아닙니까?

[차경진]

맞습니다. 머신 러닝이 돌아가는 시간이 7시간이었다며 그걸 1시간으로 줄여주는 것처럼 사실 시간이 돈이잖아요. 이런 것들을 디버깅하거나 오류를 찾거나 빠르게 옵티마이즈 시키거나 이런 것들이 생성형 AI의 도움으로 굉장히 빨라졌고요.

제가 만났던 어떤 게임 회사의 대표님은 20명의 개발자를 데리고 일하는 기분이다라는 이야기를 할 정도로 굉장히 효과적으로 쓰고 있었습니다.

[앵커]

20명의 개발자를 비서처럼 보조자로서 데리고 있는 느낌이다? 어떻게 보면 지금 수업하고 계신 과가 이과가 아니고 문과 아닙니까? 경영대에 있는. 그런데 문과 쪽 학생들도 요즘 코딩이나 프로그래밍에 굉장히 관심이 많은데 여러 분야의 여러 과의 학생들도 어떻게 보면 진입장벽이 더 낮아졌다고 볼 수 있을까요?

[차경진]

사실 제가 얼마 전에 AI 대학원 가서 특강을 한 적이 있었는데요. 저희 학생들이 실제 AI 예측모델을 개발하고 비즈니스 문제를 푸는 사례들을 설명했더니 굉장히 놀라더라고요. AI 대학원에서는 주로 주어진 환경에서 어떻게 하면 예측력을 높일 수 있는지 알고리즘을 연구하는 곳이라면 저희 같은 경우는 그들이 잘 만들어놓은 코드를 가져다가 실제 데이터를 기획하고 실제 문제를 풀 수 있는 AI로 전략과 연결시키는 일들을 많이 해요.

그걸 하려면 저희도 AI를 알아야 합니다. 그래야 이것을 수정하고 데이터를 입힐 수 있고 튜닝을 할 수 있고 실제 가치를 만들어낼 수 있기 때문에 그러한 일에 저희는 집중하고 있다라고 생각해 주시면 될 것 같고요.

그래서 저희는 실제 비즈니스 현장의 문제를 가장 많이 알고 있는 경영대학 안에서 비즈니스 인포메틱스 학과라는 것을 만들어서 실제 AI 코딩 교육을 한 60~70% 정도 하고 나머지는 전략과 도메인 지식을 마케팅의 도메인 널리지 각각의 전공의 지식을 쌓게 하고 있습니다.

[앵커]

데이터 분석도 잘할 수 있어야 하고 배경지식도 잘 쌓아야 되고 그런 말씀이시고. 그렇다면 생성형 AI을 이런 다양한 분야의 교육 현장에 접목하신 결과 어떤 성과를 얻으셨습니까? 평가를 해보셨을 텐데, 한 학기 해보셨으니까.

[차경진]

제가 사실 보니까 생성형 AI을 적극적으로 활용하게 했을 때와 아닐 때의 논문 세미나의 수업에서는 논문의 질이 확실히 달라졌습니다.

[앵커]

훨씬 나아졌습니까?

[차경진]

네, 처음 논문을 쓰는 친구들이기 때문에 사실의 기초적인 수준에서 논문의 와꾸만 짰었는데 아예 처음부터 생성형 AI가 쓴 논문을 주면서 우리가 이걸 크리티컬 리뷰를 하면서 우리가 한다면 어떤 이론을 접목시켜서 이걸 어떻게 딥다이브할 수 있을지를 먼저 배우기 때문에 제출하는 논문의 수준이 달라졌고요.

프로그래밍 수업의 경우에도 코딩도 처음 코딩을 하는 친구들이잖아요, 경영대 같은 경우는. 그런데 굉장히 새로운 시도로 튜닝 시간을 줄이는 법, 이런 다양한 시도들을 하는 모습을 보면서 실제 효과를 저는 보고 있습니다.

[앵커]

하지만 신중론도 분명히 있는데요. 이를테면 교수님들이 과제물을 보고 이것이 기계가 생성한 건지, 학생이 직접 쓴 건지 눈으로 봐서 구별이 안 갈 수도 있을 것 같거든요. 그래서 외국 같은 경우에는 그것을 구분하는 프로그램까지 개발되어 나오고 있다고 하는데 그것도 완벽하지는 않은 것 같아서요.

[차경진]

맞습니다. 사실 대학 현장에서 생성형 AI를 활용하는 것은 신중론이 더 지금은 크다고 볼 수 있는데요. 왜냐하면 부정적인 측면에 대해서 사실 충분히 인지하고 그것을 막으려는 노력이 그 수업 안에 강의자한테 있지 않으면 사실 위험할 수도 있습니다.

지금 저희 한양대에서 필수교양과목 수업의 과제 제출물을 가지고 저희가 데이터 분석을 하고 있는데요. 생성형 AI 이전과 이후에 똑같은 과제를 주었을 때 실제로 그 레포틱과 다양성과 깊이가 어떻게 달라지고 있는지 텍스트마이 연구를 해보고 있어요.

제가 아까 제 수업에서도 어느 정도 효과가 있다고 말씀드렸지만 우려되는 점은 그렇게 생성형 AI 이전과 이후에 과제에 변화가 없으면 분명히 부정적인 측면이 있을 거라고도 보고 있습니다. 예를 들면 표절이나 다양한 이슈들이 있는데요.

사실 생성형 AI가 가장 잘하는 일은 자료를 찾고 요약하는 일입니다. 그래서 저는 대학에서 과제를 줄 때도 더 이상 이런 식의 과제, 자료를 찾고 요약하는 과제를 줄 게 아니라 과제의 성격이 좀 달라져야 될 것 같아요. 우리 학생들이 창의적으로 사고를 했을 때 가능한 과제들, 비판적인 사고로 새로운 관점을 찾는 그런 과제들로 과제의 성격 변화가 필요할 거라고 보고 있습니다.

[앵커]

학교 차원에서도 그러면 앞으로 각 대학교가 생성형 AI를 어떻게 교육 현장에서 활용할 건지 그것에 대한 규범이라든가 가이드라인 이런 것은 시급히 만들어가야 되겠네요?

[차경진]

맞습니다. 사실 이런 것들을 직접적으로 통제하기는 어렵기 때문에 이 부작용을 이해하고 알려야 되는 책무가 사실 또 있어요. 그래서 예를 들면 국민대 같은 경우는 대학들 중에서 가장 빠르게 생성형 AI 시대 윤리 강령 이런 것들을 발표하기도 했었고요.

어찌됐든 사회적인 관점에서 서로 간의 신뢰 또는 약속된 행동을 유도하도록 우리가 교육하고 알리는 이런 것들이 점점 더 중요해질 거라고 보고 있습니다.

[앵커]

기업 현장은 또 어떤 변화가 일고 있는지 짚어보겠습니다. 기업 자문도 많이 하고 계신 것으로 알고 있어서요. 기존에도 사실은 데이터 분석, 마케팅 분야에서 어떻게 고객들의 성향을 분석해서 효과적으로 마케팅 할 것인가, 여기에 데이터 분석을 어떻게 접목할 것인가 굉장히 많은 진전이 있었고 실제로 각 고객들이 선호하는 취향을 반영해서 상품을 배열해서 추천 알고리즘을 활용한다든가 이런 것은 상시화되지 않았습니까?

그런데 생성형 AI가 생기고 나서 마케팅의 접근 방법도 상당히 달라졌다고 들었는데 어떤 실험을 하고 계신지요?

[차경진]

제가 최근에 기업과 하는 실험들도 바로 그 부분인데요. 전에는 저희가 추천 알고리즘을 어떻게 해야지 고객들이 이것을 선택하지 했다면 올해부터 새롭게 실험하고 있는 것은 추천 알고리즘의 성능이 중요한 것이 아니라 그 위에 퍼슈에이티브 마케팅이라고 하죠. 설득력 있는 어떤 개인화된 맥락적 경험 문구로 이들을 설득할지입니다.

그래서 과거에는 그냥 추천, 오늘의 픽 이런 식으로 추천하던 문구들을 그 사람의 성향을 생성형 AI한테 알려주고 과거의 로그 데이터 기반으로 우리가 추천하고자 하는 상품의 설명을 생성형 AI한테 알려주고 이 사람이 지금 이 모바일 앱에 항상 방문하던 시간대에 들어왔는지, 지금 출근하는 시간대인지 퇴근하는 시간대인지 이런 것들을 맥락적 정보를 프롬프트에 알려줌으로써 그 사람한테 딱 맞는 문구들, 예를 들면 이렇게 비 오는 날 다큐멘터리를 좋아하는 당신을 위해 준비한 콘텐츠, 이런 식으로 개인화된 문구를 과거에도 사실 그런 문구를 하고 싶었는데 할 수가 없었어요.

그것은 인력의 한계 때문이죠. 사실 아무리 우리가 고객을 세분화해놨어도 그들을 위해서 계속 똑같은 광고 문구나 추천문구를 할 수 없고 매번 맥락적 기반으로 달라야 되거든요.

그거를 만들어놓고 룰 베이스로 해보려고 했는데도 한계가 있었는데 지금은 생성형 AI를 기반으로 딱 모바일 앱에 들어왔을 때 또는 TV를 켰을 때 그 사람한테 맞는 개인화된 문구들을 할 수 있게 됐고 그렇게 했을 때 추천 아이템에 대한 채택이나 소비나 이런 마케팅에 대한 반응이 확실히 늘고 있는 것들을 실험을 통해서 보고 있습니다.

[앵커]

각 고객에 맞춘 그런 맞춤형 광고 문구, 추천 문구. 이거는 이미지도 될 수 있을 것이고요.

[차경진]

맞습니다. 사실 이재명을 같이 보냈을 때 훨씬 채택률이 높거든요. 과거에는 저희가 똑같은 이미지를 모든 고객들한테 보냈다면 그 사람한테 성향에 맞는 이미지로 생성형 AI의 멀티모델 생성을 하는 거죠, 이미지를. 그래서 예를 들면 심플한 라이프를 가지고 있는 사람들한테는 심플한 이미지로 변형시켜서 보냈을 때 좀 더 채택률이 높아지는 경우를 보고 있습니다.

[앵커]

실험 중인 마케팅 기법, 올해 처음 접목하고 있는 그런 걸 말씀하고 계신 거고, 그러면 기존에는 그런 식의 추천 문구, 광고 문구를 기업에서도 만들어서 접목을 할 수가 있는데 일단은 각 고객들의 분석 데이터는 이미 다 마무리가 되어 있는 상태고, 웬만한 대기업 같은 경우에는.

그러면 거기에 맞는 정교한 문구를 어떻게 만들어낼 것인가. 사람이 만들려면 손이 많이 가고 시간이 많이 가니까 그것을 5000가지건 1만 개건 여러 가지의 정교화된 문구를 생성형 AI가 만들어낸다는 그런 말씀이군요?

[차경진]

맞습니다. 기존에는 문구를 만들어서 사실 마이크로한 4000개의 고객군이 있다면 그 4000개의 고객군을 위해서 다 만들 수도 없고, 오늘, 내일 다르고 아침, 저녁 다 달라야 하거든요. 그런 맥락적 기반의 문구들을 과거에는 할 수 없었던 것을, 룰 베이스로 해결하지 못했던 걸 생성형 AI로 해결할 수 있게 되었고 사실 그래서 비로소 저는 초개인화 마케팅이 가능해졌다고도 보고 있습니다.

[앵커]

알겠습니다. 다른 얘기를 해보겠습니다. 요즘 대형 서점 같은 데 가보면 올해 들어서 그런 풍경을 많이 볼 수 있었는데요. 생성형 AI 열풍이 불다 보니까 기계의 힘을 빌려서 블로그나 아니면 인터넷 콘텐츠를 굉장히 쉽게 만들 수 있다.

그렇게 해서 돈을 벌 수 있는 방법이라든가 이런 책들이 굉장히 많이 나온 게 사실입니다. 그래서 일각에서는 몇 년 안에 인터넷에 있는 콘텐츠 상당 부분이 사람이 아니라 기계가 만든 콘텐츠가 뒤덮어버릴 수도 있을 것이다 이런 예측도 나오고 있는데 그런 얘기를 들어보면 우려되는 지점도 있거든요. 어떻게 보고 계신지요?

[차경진]

방금 앵커님이 말씀해 주신 건 정보의 편향성을 이야기해 주시고 있는 것 같은데 생성형 AI가 만든 뭔가의 콘텐츠를 다시 인터넷에서 퍼블리시가 될 거고 그것을 다시 학습한 생성형 AI는 계속 정보가 더 편향되는 그 편향성이 굉장히 더 짙어질 거라는 생각이 들어요.

그래서 일각에서는 사실 생성형 AI가 검색 엔진을 대체할 수 있을 거다, 이런 이야기도 하지만 저는 부정적으로 보는 경향이 있어요. 사람은 지금까지 사실 다양한 관점의 검색엔진을 통해서 다 읽고 그것을 자기 나름대로 콘텐츠라이징시켜서 지식을 발전시켜왔거든요.

그런데 생성형 AI를 보면 사실 한 가지 관점만 주고 편향된 정보만 주기 때문에 그거를 사람이 다양한 관점을 컨텍트라이즈시키고 이 지식을 발전시키는 본능의 여지를 저버리지 않을 것 같거든요.

그래서 검색엔진을 대체하기보다는 예를 들면 검색엔진 옆에서 포파일럿 역할을 하면서 실제 내가 빠르게 많은 관점들을 요약하고 나의 지식을 발전시킬 수 있게 도와주는 역할로 썼을 때 좀 더 더 효과적이지 않을까, 이런 관점들이 전문가들한테서 나오고 있는 것 같고요.

그래서 사실 일반 사용자 관점에서 봤을 때는 그냥 AI을 맹신하거나 AI의 정보를 맹신하기보다는 다양한 채널을 검증하는 습관도 또한 필요할 거라는 생각이 들어요. 예를 들면 저 같은 경우는 바드나 생성형AI의 다양한 에레나를 동시에 다양한 채널로 활용하는 지혜, 이런 것들도 편향성을 극복할 수 있는 방법이 되지 않을까 생각하고 있습니다.

[앵커]

알겠습니다. 편향성의 문제 그리고 팩트 체크의 문제, 이런 신뢰성의 문제를 염두에 두고대응해 나가셔야 될 것 같고요. 물론 콘텐츠를 좀 더 효율적으로 만들 수 있다라는 것은 시장에도 굉장히 순기능이기도 한데 부작용도 같이 봐야 할 것 같습니다.

마지막 질문을 드려야 될 것 같은데 이런 생성형 AI 챗GPT를 비롯한 이것이 그리고 기업 현장에도 변화를 가져오고 있다. 그렇다면 5년, 10년 후에 세상은 어떻게 바뀔 것이고 특히 우리 개인 입장에서는 어떻게 대비할 것인가 이런 문제인데요.

사실 이런 얘기들이 많이 나오고 있습니다. 앞으로는 생성형 AI을 잘 쓸 수 있는 사람과 잘 못 쓰는 사람 간의 격차가 갈수록 굉장히 커질 것이다. 그런데 일반시민 입장에서는 이게 우리가 어떤 질문을 던지면 신기한 답변을 해 주는 그런 기계 정도로 인식하지만 그 정도로 유용한 건가, 아직 피부에 안 와닿는 분들도 많을 것 같은데요. 우리가 어떻게 대비해야 할까요?

[차경진]

사실 앞으로는 더 많은, 더 초 거대 AI가 나올 거고 많은 사람들이 그걸로 인해 전에는 상상하지 못했던 디자인을 하고 전에는 쓰지 못했던 더 좋은 논문을 쓸 수 있고 더 많은 디지털 마케팅을 자동화하거나 더 많은 일을 하게 돼서 저는 모든 산업군의 모든 제품과 서비스 그리고 모든 직업군에 영향을 분명히 줄 거라고 저는 보고 있습니다.

그래서 사실 5년 뒤, 10년 뒤에는 우리 삶이 분명 더 편리는 해질 것 같아요. 우리가 왜냐하면 더 빠르게 일을 하고 더 빠르게 생산성을 높이고 있으니까 더 행복한 일을 위해 자기 시간을 쓸 수가 있는데. 다만 방금 우리 앵커님이 말씀해 주신 것처럼 이것에 대해서 효과적으로 대비하지 못하면 어느 누군가는 기존에 하던 직업을 잃어버릴 수도 있고 또 잘 활용하지 못해서 디지털 격차라고 표현하죠, 이런 것들이 점점 더 벌어질 거라는 우려가 있어요.

그래서 이를 막기 위한 사회적 차원의 대비가, 대책이 필요할 거라고 보고 있습니다. 그래서 AI 시대에, 생성형 AI 시대에 어울리는 역량 개발을 하기 위해서 우리 대학도 커리큘럼을 바꾸고 수업에서의 과제의 성격이나 활용하는 능력이나 이런 것들을 저는 더 강하게 대비를 시켜줘야만 5년, 10년 뒤를 대비할 수 있지 않을까 이렇게도 보고 있고요.

일반 사용자 관점으로 조금만 더 조언을 드리면 저는 무엇보다 내가 하는 일, 나의 성향 이걸 잘 알고 있어야 할 것 같아요. 왜냐하면 세상에는 앞으로 생성AI 기반의 수많은 서비스들이 쏟아져 나올 거거든요.

그러면 내가 이런 것들을 어떻게 선택적으로 내 일에 적용하고 내가 가지고 있는 나의 성향에서 나의 부족한 점이 뭔지를 잘 알아야 이걸 어떻게 효과적으로 활용할지에 대한 답이 나오기 때문에 수많은 것들 중에 어떤 앱들이 나의 일에, 나에게 도움이 되는지 그것들을 잘 활용하고 탐색하는 것들도 또한 필요하지 않을까라는 생각이 들었습니다.

[앵커]

쏟아져 나오는 그런 앱들을 어떻게 활용할 것인가, 이것만 해도 사실 고민할 게 많을 것 같고요. 말씀하신 대로 배경지식이라든가 내 분야에서 어떻게 쓸 것인가, 질문을 어떻게 던질 것인가. 아까 서두에 말씀하신 사실 코딩을 적극적으로 배우는 분들은 오히려 생성형 AI를 더 잘 쓸 것 같다는 생각도 듭니다.

[차경진]

그렇죠. 초보 개발자보다는 고급 개발자들이 더 많은 개발자들과 함께 일하는 기분으로 일할 수 있을 것 같고요. 그렇기 때문에 우리가 코딩을 안 배워야 하는 게 아니라 더 열심히 배워서 역량을 더 높이는 게 필요할 것 같습니다. 오늘 말씀 여기까지 듣겠습니다. 차경진 한양대학교 경영학부 교수와 함께했습니다. 말씀 고맙습니다.

※ '당신의 제보가 뉴스가 됩니다'

[카카오톡] YTN 검색해 채널 추가

[전화] 02-398-8585

[메일] social@ytn.co.kr

[저작권자(c) YTN 무단전재 및 재배포 금지]