상상만으로는 부족하다: 기술이 인간다워지려면 먼저 인문학을 배워야 하는 이유

May 23, 2026

6 min read

3 views

88%

아이디어는 누구에게나 열려 있지만, 결과는 그렇지 않다

우리는 자주 이렇게 말한다. 상상하면 무엇이든 될 수 있다. 그런데 정말 그럴까? 상상은 누구나 할 수 있지만, 상상이 사회를 바꾸는 순간은 훨씬 드물다. 왜냐하면 아이디어를 현실로 만드는 과정에는 언제나 보이지 않는 질문이 따라오기 때문이다. 누구를 위해 만들 것인가, 무엇을 배제할 것인가, 어떤 편견을 무심코 심어 넣는가.

이 지점에서 흥미로운 역설이 생긴다. 기술은 상상을 확장하지만, 동시에 편견도 확장한다. 한 사람의 상상력이 코드가 되고, 코드가 제품이 되고, 제품이 수백만 명의 경험이 되면, 개인의 취향이나 무의식이 사회적 힘으로 증폭된다. 그래서 오늘날 가장 중요한 능력은 단순히 만들 수 있는 능력이 아니라, 무엇을 만들어야 하고 무엇을 만들지 말아야 하는지 판단하는 능력이다.

상상과 제작, 공유의 언어는 아름답다. 하지만 그 언어가 진짜 힘을 가지려면, 기술을 사람의 삶과 연결하는 윤리적 감각이 필요하다. 결국 문제는 “무엇이든 될 수 있는가”가 아니라, 무엇이 되어야 하는가다.

기술은 중립적이지 않다, 질문이 이미 답을 결정한다

많은 사람은 기술을 도구로 생각한다. 망치는 못을 박고, 카메라는 장면을 기록하고, AI는 데이터를 처리한다. 하지만 AI 시대의 도구는 조금 다르다. 이 도구는 단순히 명령을 수행하지 않고, 패턴을 학습하고, 확률을 추천하고, 세계를 해석하는 방식 자체를 만든다. 그래서 기술은 더 이상 중립적인 전달자가 아니다. 기술은 하나의 해석 체계다.

예를 들어, 게임 속 영웅의 성별 비율을 고민하는 상황을 떠올려 보자. 겉보기에는 사소한 문제처럼 보일 수 있다. “그게 왜 중요하지?”라는 반응이 나올 만하다. 하지만 이 사소함이야말로 핵심이다. 게임은 수많은 플레이어가 반복적으로 접하는 세계이며, 그 세계에서 무엇이 자연스럽고 무엇이 예외인지 계속 학습한다. 영웅의 얼굴, 말투, 역할, 리더십의 이미지가 한쪽 성별에 과도하게 치우쳐 있다면, 그것은 콘텐츠의 문제가 아니라 세계관의 학습 문제가 된다.

AI도 마찬가지다. 학습 데이터는 과거를 반영하고, 과거는 이미 불평등과 편견의 흔적을 품고 있다. 그래서 AI는 “객관적”인 척하면서도 사실은 과거의 불균형을 더 정교하게 재생산할 수 있다. 채용 알고리즘이 특정 집단을 낮게 평가하거나, 이미지 생성 모델이 직업과 성별을 자동으로 연결하거나, 추천 시스템이 특정 취향만 계속 강화하는 일은 우연이 아니다. 기술은 편견을 발견하지 못하면, 편견을 자동화한다.

좋은 기술은 빠른 기술이 아니라, 인간을 왜곡하지 않는 기술이다.

이 문장은 단순한 윤리 구호가 아니다. 제품의 성패를 가르는 핵심 설계 원칙이다. 왜냐하면 사용자는 기능만 소비하지 않기 때문이다. 사용자는 기술이 세계를 어떻게 보는지, 그리고 자신을 어떻게 규정하는지를 함께 경험한다.

인문학은 기술의 장식이 아니라, 방향 감각이다

공학과 인문학은 종종 서로 다른 영역으로 취급된다. 하나는 효율과 구현을 다루고, 다른 하나는 의미와 가치, 해석을 다룬다고 생각하기 쉽다. 하지만 AI 시대에 이 둘을 분리하는 것은 엔진만 있는 자동차를 만들고 방향장치는 나중에 달겠다는 말과 비슷하다. 빠르게 움직이는 것만으로는 충분하지 않다. 어디로 가는지 모르면 속도는 위험이 된다.

인문학이 필요한 이유는 단지 “사람을 배려하자”는 수준의 미덕 교육 때문이 아니다. 더 근본적으로는 인문학이 질문의 질을 바꾸기 때문이다. 엔지니어링은 종종 “어떻게 구현할까”에 강하지만, 인문학은 “왜 이 문제를 풀어야 하지”, “이 해결책은 누구에게 이득이고 누구에게 비용을 치르게 하지”, “이 분류는 어떤 세계관을 고정하지”를 묻는다.

이 질문이 왜 중요한지 한 가지 비유로 생각해 보자. 지도를 그리는 사람은 단순히 길을 잘 그리기만 해서는 안 된다. 무엇을 도로로 표시하고, 무엇을 경계로 남기고, 무엇을 지우는지가 그 지도 위의 현실을 결정한다. AI 시스템도 같다. 입력값과 출력값만 최적화하면 그럴듯한 성능은 만들 수 있다. 그러나 무엇을 측정하는지, 무엇을 무시하는지, 무엇을 표준으로 삼는지를 묻지 않으면 기술은 세계를 설명하는 대신 세계를 편향되게 재편한다.

인문학은 기술에 감성을 더하는 장식이 아니다. 인문학은 기술이 스스로를 반성하게 만드는 메타 시스템이다. 윤리학은 위험을 감지하게 하고, 철학은 전제를 의심하게 하고, 역사학은 현재의 “당연함”이 얼마나 최근의 산물인지 보여준다. 문학은 타인의 삶을 상상하게 하고, 사회학은 개인의 문제가 구조와 연결되어 있음을 보게 한다. 이런 관점이 없으면 엔지니어는 자칫 숫자를 맞추는 데 성공하고, 인간을 놓칠 수 있다.

상상, 제작, 공유의 시대에는 세 번째 능력이 필요하다

브랜드나 교육 콘텐츠는 종종 세 가지 동사를 강조한다. 상상하고, 만들고, 나누는 것. 이 순서는 매우 강력하다. 상상은 가능성의 문을 열고, 제작은 그 가능성을 형태로 만들며, 공유는 그것을 집단적 경험으로 확장한다. 하지만 AI 시대에는 이 세 가지 동사만으로는 부족하다. 여기에 하나가 더 필요하다. 바로 검증하고, 조정하고, 책임지는 능력이다.

이 네 번째 능력이 없으면, 상상은 환상이 되고, 제작은 무분별해지며, 공유는 확산이 아니라 증폭이 된다. 예를 들어, 생성형 AI를 활용해 교육 콘텐츠를 빠르게 만드는 팀을 생각해 보자. 아이디어를 시각화하고, 텍스트를 다듬고, 다양한 버전을 생산하는 일은 이전보다 훨씬 쉬워졌다. 그러나 그 결과물이 특정 문화만 정상으로 묘사하거나, 성 역할을 고정하거나, 장애나 나이, 지역에 대한 고정관념을 무심코 재생산한다면 어떨까. 더 빠르게 만든 것일수록 더 넓게 퍼진다. 속도는 선의를 보장하지 않는다.

그래서 창의성의 정의도 바뀌어야 한다. 이전에는 창의성이 “새로운 것을 만드는 능력”에 가깝다면, 이제는 새로운 것을 만들되, 더 많은 인간을 포함하는 방식으로 만드는 능력이어야 한다. 이 차이는 작아 보이지만 결정적이다. 전자는 발명이고, 후자는 설계 철학이다.

이를 가장 잘 설명하는 개념은 책임 있는 상상력이다. 책임 있는 상상력은 단순히 규칙을 지키는 것이 아니다. 상상력을 좁히지 않으면서도, 그것이 사람들에게 어떤 세계를 강요하는지 끝까지 보는 능력이다. 창작자와 개발자는 더 이상 “만들 수 있는가”만 묻지 않는다. “이것을 처음 접하는 아이가 무엇을 배울까”, “이 기능이 소외된 사람에게는 어떤 경험이 될까”, “이 추천은 어떤 집단을 계속 주변화할까”를 함께 물어야 한다.

미래의 혁신은 더 많은 가능성을 여는 기술이 아니라, 더 적은 사람을 배제하는 기술에서 나온다.

이 관점은 단지 착한 말이 아니다. 실제로 더 강한 제품을 만든다. 왜냐하면 배제를 줄이는 설계는 더 넓은 사용자층을 포용하고, 신뢰를 높이며, 예상하지 못한 리스크를 줄이기 때문이다. 윤리와 성장은 적이 아니다. 제대로 이해하면 둘은 서로를 강화한다.

좋은 AI 팀은 코드만이 아니라 세계관을 설계한다

AI를 만드는 팀에서 가장 위험한 순간은 모델이 잘 돌아갈 때가 아니라, 아무도 질문하지 않을 때다. 성능 지표가 좋고, 데모가 매끄럽고, 투자 설명이 설득력 있으면 사람들은 쉽게 안도한다. 그러나 그 순간이야말로 가장 비싼 실수가 숨어 있을 수 있다. 편견은 오류 메시지를 띄우지 않는다. 편견은 대개 자연스러운 것처럼 보인다.

그래서 좋은 AI 팀은 단순히 엔지니어링팀이 아니라, 세계관 설계팀이어야 한다. 세계관 설계란 다음 세 가지를 함께 다루는 일이다.

데이터의 세계관: 무엇이 학습되고 무엇이 누락되는가
모델의 세계관: 무엇을 정상으로, 무엇을 예외로 취급하는가
사용 경험의 세계관: 사용자가 자신과 타인을 어떤 방식으로 이해하게 되는가

이 세 층위를 함께 보지 않으면 제품은 점점 더 정교해져도 점점 더 편협해질 수 있다. 반대로 이 세 층위를 의식하면, 같은 기술도 훨씬 인간적인 방향으로 진화한다. 예를 들어 챗봇을 만들 때 단순히 응답 정확도만 보지 말고, 특정 집단을 설명할 때 고정관념을 재생산하는지 점검해야 한다. 이미지 모델을 만들 때는 다양한 직업과 역할에서 성별, 나이, 인종의 조합이 얼마나 균형 있게 나타나는지 살펴야 한다. 교육용 도구를 만들 때는 학습 속도뿐 아니라 학생이 스스로를 어떤 존재로 상상하게 되는지도 봐야 한다.

이것은 개발 후반에 붙이는 윤리 체크리스트가 아니다. 처음부터 제품 요구사항에 포함되어야 하는 설계 조건이다. 마치 다리를 설계할 때 하중을 계산하듯, AI 시스템을 만들 때는 사회적 하중도 계산해야 한다. 기술은 물리적 세계만 건드리는 것이 아니라, 인식의 습관과 관계의 규범을 바꾼다.

Key Takeaways

기술은 중립적이지 않다. AI와 디지털 제품은 과거의 편견을 학습하고 확장할 수 있으므로, 기술 설계는 곧 가치 설계다.
인문학은 선택사항이 아니다. 윤리학, 철학, 역사, 사회학은 엔지니어가 더 나은 질문을 하도록 돕는 실전 도구다.
창의성은 제작 능력만이 아니라 책임 감각까지 포함한다. “만들 수 있는가”보다 “만들어도 되는가, 누구에게 어떤 영향을 주는가”를 함께 물어야 한다.
좋은 AI 팀은 세계관을 설계한다. 데이터, 모델, 사용자 경험의 세 층위에서 편향을 점검해야 한다.
속도보다 신뢰가 중요하다. 빠르게 확산되는 기술일수록 포용성과 윤리성을 먼저 갖춰야 장기적으로 살아남는다.

상상력의 다음 단계는 인간을 더 잘 이해하는 것이다

우리는 오랫동안 상상력을 기술의 출발점으로 여겨 왔다. 맞다. 상상이 없으면 아무것도 시작되지 않는다. 하지만 오늘날의 문제는 상상이 부족해서가 아니다. 상상은 넘치는데, 인간에 대한 이해가 따라오지 못하는 것이다. 그래서 우리는 더 많은 기능을 만들수록 더 자주 부작용을 경험한다.

진짜 미래는 무엇이든 될 수 있는 상태가 아니다. 진짜 미래는 무엇이든 될 수 있는 자유와, 그 자유를 타인과 함께 책임 있게 사용할 수 있는 지성이 만나는 지점이다. 기술이 인간다워지려면, 인간을 숫자나 사용자로만 보지 않는 훈련이 먼저 필요하다. 인문학은 기술의 반대편에 있는 오래된 지식이 아니라, 기술이 자기 힘을 망치로 쓰지 않고 악기로 바꾸는 방법이다.

그러니 다음에 무언가를 만들 때 스스로에게 이렇게 물어보자. 나는 이 기능으로 무엇을 증명하려 하는가, 그리고 그 증명이 누군가의 가능성을 좁히지는 않는가. 이 질문을 놓치지 않는 순간, 상상은 단순한 꿈이 아니라 더 넓은 인간성을 설계하는 능력이 된다.