AI 시대를 바라보는 많은 담론의 하나는 수학적 지식의 중요성은 낮아지고, 언어적 능력이 더 중요해질 것이라는 주장이다. 겉으로 보면 설득력이 있다. 계산은 자동화되고, 모델은 라이브러리로 제공되며, 누구나 자연어로 복잡한 작업을 수행할 수 있게 되었기 때문이다. 그러나 이 프레임은 현상을 단순화한 해석에 가깝다. 실제로 변화하고 있는 것은 특정 능력의 중요도가 아니라, 능력들이 작동하는 방식과 위치다.
AI는 계산을 대체한다. 이 점은 분명하다. 과거에는 계산 능력 자체가 경쟁력이었고, 수학적 숙련도가 곧 문제 해결 능력으로 직결되었다. 그러나 현재는 계산 과정의 대부분이 블랙박스화되었다. 미분을 직접 수행할 필요도 없고, 통계 모델을 일일이 구축할 필요도 없다. 이로 인해 수학이 사라졌다고 느껴질 수 있지만, 이는 표면적인 변화일 뿐이다. 수학은 사라진 것이 아니라, 눈에 보이는 영역에서 내려가 보이지 않는 기반으로 이동했다.
이 변화는 수학이 필요 없을 것처럼 보인다. 그러나 데이터가 어떤 관계를 가지는지, 변수 간의 상호작용이 어떤 형태로 나타나는지, 결과가 왜 그렇게 도출되는지를 해석하는 능력은 여전히 수학적 사고에 기반한다. AI는 계산을 대신할 수 있지만, 구조를 이해하는 역할까지 완전히 대체하지는 못한다.
언어 능력 역시 비슷한 방식으로 재정의되고 있다. 단순히 문장을 잘 쓰고 표현을 매끄럽게 하는 능력은 더 이상 차별화 요소가 아니다. AI는 이미 충분히 자연스럽고 설득력 있는 문장을 생성할 수 있다. 중요한 것은 언어를 통해 사고를 조직하고, 문제를 정의하는 능력이다. 어떤 질문을 던질 것인지, 어떤 조건을 설정할 것인지, 어떤 결과를 요구할 것인지를 명확히 규정하는 과정이 핵심이 된다. 이는 단순한 표현의 문제가 아니라 사고의 구조화에 가깝다.
즉, AI 시대에선 수학과 언어는 분리된 능력이 아니라 하나의 체계 안에서 결합된다. 수학적 사고는 구조를 만들고, 언어는 그 구조를 외부로 드러낸다. 이 둘이 결합되지 않으면 결과물의 질은 한계에 부딪힌다. 수학적 이해 없이 언어만 뛰어난 경우, 그럴듯하지만 본질에서 벗어난 결과가 나오기 쉽다. 반대로 수학적 이해만 있고 이를 표현하거나 문제로 정의하지 못하면, 그 지식은 실질적인 가치로 이어지지 않는다.
결국 본질은 판단이다. 정보는 넘쳐나고, 계산은 자동화되었으며, 표현 또한 보조를 받을 수 있는 환경에서 최종적인 차이를 만드는 것은 무엇을 선택하고 무엇을 버릴 것인지에 대한 판단이다. 같은 데이터를 보고도 서로 다른 결론에 도달하는 이유는 해석과 선택의 과정이 다르기 때문이다. 이는 도구의 문제가 아니라 사고의 문제다.
판단은 직관적인 능력처럼 보이지만, 실제로는 일정한 구조를 가진다. 문제를 어떻게 정의하는지, 불확실성을 어떻게 확률로 다루는지, 그리고 자신의 결론을 얼마나 지속적으로 검산하는지가 판단의 질을 결정한다. 특히 AI 시대에는 검산의 중요성이 더욱 커진다. AI는 틀린 답도 매우 그럴듯하게 만들어내기 때문에, 결과를 그대로 수용하는 순간 오류는 빠르게 축적된다. 결과를 의심하고, 구조를 다시 확인하고, 가정을 점검하는 습관이 필수적이다.
또 하나 중요한 변화는 사고 방식이 결정론에서 확률론으로 이동한다는 점이다. 과거에는 정답을 맞히는 것이 중요했다면, 이제는 확률을 조정하는 것이 더 중요해진다. 새로운 정보가 들어올 때 기존 판단을 얼마나 유연하게 수정할 수 있는지가 핵심 역량으로 부상한다. 이는 단순한 경험이나 감각이 아니라, 확률적 사고를 기반으로 한 체계적인 업데이트 과정이다.
이러한 변화는 인재의 정의에도 영향을 준다. 과거에는 특정 분야를 깊이 파고드는 전문성이 강조되었다면, 현재는 서로 다른 영역을 연결하는 능력이 중요해지고 있다. 그러나 이는 얕은 지식의 나열을 의미하지 않는다. 각 영역의 구조를 이해한 상태에서 그것들을 통합할 수 있어야 한다. 수학적 사고, 언어적 능력, 그리고 도메인 지식이 결합될 때 비로소 의미 있는 결과가 나온다.
흥미로운 점은 이러한 구조가 완전히 새로운 것이 아니라는 사실이다. 역사적으로 뛰어난 성과를 남긴 인물들은 대부분 유사한 사고 방식을 가지고 있었다. 문제를 다르게 정의하고, 구조를 먼저 파악하며, 불확실성을 다루고, 결과를 검증하는 과정은 시대를 초월해 반복되어 왔다. AI 시대는 이 구조를 바꾸는 것이 아니라, 오히려 더 명확하게 드러내는 역할을 한다.
AI 시대의 변화는 본질의 변화가 아니라 환경의 변화다. 도구는 급격히 발전했지만, 그 도구를 사용하는 인간의 사고 구조는 크게 달라지지 않았다. 다만 차이가 있다면, 이제는 동일한 도구를 누구나 사용할 수 있게 되었기 때문에, 사고의 질이 결과에 미치는 영향이 훨씬 더 크게 드러난다는 점이다. 평균은 빠르게 상향 평준화되지만, 상위와 하위의 격차는 오히려 더 벌어질 가능성이 높다.
따라서 AI 시대의 인재를 정의하는 방식도 단순해야 한다. 특정 기술을 얼마나 잘 다루는지가 아니라, 문제를 어떻게 정의하고, 구조를 어떻게 이해하며, 불확실성을 어떻게 다루고, 결과를 어떻게 검증하는지가 핵심이다. 여기에 더해 AI라는 도구를 얼마나 효과적으로 활용할 수 있는지가 결합된다. 결국 중요한 것은 새로운 능력을 추가하는 것이 아니라, 기존의 사고 구조를 얼마나 정교하게 다듬고 확장하느냐다.
이 모든 흐름을 하나로 묶으면 결론은 명확해진다. AI 시대는 새로운 인재를 요구하는 시대가 아니라, 오히려 기존에 존재하던 ‘좋은 사고 구조’를 가진 사람이 더 빠르게 드러나는 시대다. 정보와 계산, 표현이 평준화된 환경에서 최종적인 차이를 만드는 것은 판단이다. 무엇을 보고, 무엇을 버리고, 무엇을 믿을 것인지에 대한 결정이 결과를 좌우한다.
PS – 정보는 넘쳐나지만, 좋은 판단은 여전히 희소하다.
같이 보면 좋은 글
–AI 시대, 자본주의는 어디로 향할 것인가
–2026년 2월 하워드 막스 메모 ‘AI Hurtles Ahead’를 읽고
–미국은 전력을 얼마나 필요로 하는가?
–AI 산업은 고유가를 흡수할 수 있는가
–찰리 멍거, 오판의 심리학 25가지 경향