AI는 창작보다 먼저 우리의 사회화 과정을 자동화한다

가장 위험한 자동화는 그림을 대신 그리는 일이 아니다

AI가 사람보다 더 빠르게 그림을 그리고, 영상을 만들고, 이야기를 쓰게 되는 순간을 우리는 쉽게 상상한다. 그러나 더 근본적인 변화는 다른 곳에서 시작될 가능성이 크다. AI가 결과물을 대신 만드는 것이 아니라, 사람이 사회 속에서 맥락을 배우는 과정을 대신하기 시작하는 것이다.

대학 2학년부터 4학년 무렵은 단순히 전공 지식을 쌓는 시기가 아니다. 이때 사람은 조직의 말투를 배우고, 회의에서 무엇을 말하고 무엇을 말하지 말아야 하는지 익히며, 선배의 판단과 동료의 반응을 관찰한다. 사회심리학에서 말하는 사회화 자본은 바로 이런 경험의 축적이다. 그것은 시험 점수처럼 측정하기 어렵지만, 한 사람이 사회 안에서 협력하고 판단하고 창작하는 능력을 결정한다.

그런데 같은 시기에 생성형 AI는 텍스트, 이미지, 음성, 영상의 경계를 빠르게 허물고 있다. 텍스트 모델과 이미지 모델이 결합하고, 여기에 동적인 영상 생성까지 더해지면 창작 과정은 극적으로 짧아진다. 예전에는 아이디어를 문장으로 설명하고, 콘티를 만들고, 시각 자료를 찾고, 촬영과 편집을 거쳐야 했던 일이 이제는 몇 개의 지시문으로 압축될 수 있다.

여기서 질문이 생긴다. 사람이 결과물을 더 빨리 만들 수 있게 되었는데, 정작 결과물을 둘러싼 맥락을 배우는 시간은 줄어들고 있다면 어떻게 될까?

이 질문은 AI의 일자리 대체 논쟁보다 훨씬 깊다. 일자리는 사라졌다가 새로 생길 수 있다. 하지만 사회화의 기회가 사라지면, 새로운 일자리에 들어갈 사람 자체가 충분히 길러지지 않을 수 있다.

창작자는 결과물을 만드는 사람이 아니라 맥락을 조율하는 사람이다

창작을 완성된 이미지나 영상의 생산으로만 보면 생성형 AI는 압도적으로 강력하다. 특정 분위기의 장면을 만들고, 여러 스타일을 결합하고, 짧은 시간 안에 수십 개의 변주를 제시한다. 하지만 실제 창작 현장에서 중요한 것은 산출물 하나의 아름다움이 아니다. 누구를 위해, 어떤 상황에서, 어떤 기억과 규범을 건드리며, 어떤 결과를 감수할 것인지 결정하는 능력이다.

예를 들어 한 광고 기획자가 신입 디자이너에게 “따뜻하지만 너무 감상적이지 않은 가족의 이미지”를 요청한다고 생각해 보자. 이 문장은 사전적 의미만으로 해석할 수 없다. 브랜드가 과거에 사용한 색감, 특정 세대가 불편해할 표현, 경쟁사의 최근 캠페인, 클라이언트가 회의에서 직접 말하지 않은 우려가 모두 들어 있다. 신입 디자이너는 선배들의 반응과 수정 과정을 지켜보면서 이 문장의 실제 의미를 배운다.

AI는 여러 이미지를 만들어 줄 수 있다. 그러나 “왜 이 시안은 기술적으로 훌륭하지만 이 브랜드에는 맞지 않는가”를 조직의 역사와 관계 속에서 설명해 주지는 못한다. AI가 설명을 생성할 수는 있지만, 설명의 책임을 질 수는 없다. 바로 이 차이가 중요하다.

결과물의 품질과 맥락의 적합성은 서로 다른 능력이다. 생성형 AI는 전자를 빠르게 높이지만, 후자는 인간 공동체 안에서 오랜 시간에 걸쳐 형성된다. 문제는 조직이 효율성을 이유로 결과물 생산에 필요한 초급 업무를 모두 제거할 때 발생한다. 초급 업무는 종종 비효율적으로 보이지만, 그 안에 사회화의 커리큘럼이 숨어 있기 때문이다.

신입이 회의록을 정리하면서 조직의 진짜 의사결정 구조를 파악한다. 촬영 보조자가 현장에서 일정을 조정하며 각 직군의 제약을 이해한다. 편집자가 반복적인 수정 요청을 처리하면서 말로 표현되지 않은 취향을 감지한다. 이런 일들은 자동화하기 쉬운 동시에, 전문가가 되는 데 필요한 관찰의 시간이기도 하다.

AI는 초보자의 일을 없앨 수 있다. 그러나 초보자가 전문가가 되는 경로까지 없애면, 조직은 몇 년 뒤 전문가 부족이라는 청구서를 받게 된다.

멀티모달 AI가 바꾸는 것은 도구가 아니라 생태계다

텍스트 생성, 이미지 생성, 영상 생성이 각각 따로 존재할 때 조직은 여전히 인간의 연결 노동에 의존한다. 기획자는 디자이너에게 설명하고, 디자이너는 촬영팀과 상의하며, 촬영팀은 편집자와 현실적인 가능성을 조율한다. 이 과정에서 각 직군은 서로의 언어와 한계를 배운다.

하지만 여러 양식의 모델이 하나의 흐름으로 통합되면 상황이 달라진다. 기획자가 텍스트로 아이디어를 입력하면 이미지가 나오고, 이미지가 영상으로 확장되며, 음성과 음악까지 자동으로 붙을 수 있다. 과거에는 서로 다른 전문성이 만나야만 만들 수 있었던 결과물을 한 사람이 짧은 시간 안에 생산하게 된다.

이것은 단순히 도구가 편리해지는 일이 아니다. 생산 과정에서 사람과 사람 사이에 존재하던 접점이 사라지는 일이다.

한 편의 영상은 원래 여러 직군의 협업을 필요로 했다. 작가가 서사를 구성하고, 미술팀이 세계의 물성을 설계하며, 촬영팀이 빛과 공간을 해석하고, 편집자가 시간의 리듬을 결정한다. 각 단계에는 갈등과 오해가 있었지만, 그 갈등이 작품의 맥락을 두껍게 만들기도 했다. 서로 다른 감각이 부딪치면서 “처음에는 아무도 의도하지 않았던 의미”가 생겨났다.

멀티모달 AI는 이 연결을 압축한다. 한 명의 창작자가 더 많은 일을 할 수 있게 하지만, 동시에 다른 사람의 관점에 노출될 기회를 줄인다. 개인의 생산성은 올라가고, 공동체의 학습량은 줄어드는 역설이 생긴다.

이를 사회화 압축의 역설이라고 부를 수 있다. 기술은 제작에 필요한 시간을 줄이지만, 제작자가 사회적 의미를 습득하는 데 필요한 시간까지 줄여 버릴 수 있다. 속도가 빨라질수록 경험의 밀도가 높아지는 것이 아니라, 오히려 경험의 층위가 얇아질 수 있는 것이다.

스마트폰 카메라가 보급되면서 누구나 사진을 찍을 수 있게 되었지만, 사진가가 되기 위해서는 여전히 빛과 구도와 인물의 관계를 오랫동안 관찰해야 했다. 생성형 AI는 여기서 한 단계 더 나아가 관찰 이전에 그럴듯한 결과를 제시한다. 사람은 무엇을 보고 싶은지 결정하기 전에, 이미 만들어진 것을 고르는 위치에 놓인다.

선택은 창작의 일부지만, 선택지만 남은 창작은 위험하다. 선택지는 이미 특정한 미학과 평균적인 취향을 반영하기 때문이다. AI가 가장 그럴듯한 가족, 가장 자연스러운 도시, 가장 감동적인 표정을 계속 제시한다면 사람은 자신이 무엇을 원하는지 발견하기보다, 시스템이 제안한 정상성 안에서 고르게 된다.

맥락은 데이터가 아니라 관계 속에서 만들어진다

AI 시대에 흔히 나오는 해법은 더 많은 데이터를 학습시키는 것이다. 물론 데이터는 중요하다. 다양한 시대의 이미지, 지역의 언어, 장르의 역사, 사회적 소수자의 경험을 충분히 반영해야 한다. 그러나 맥락을 단순히 데이터의 양으로 해결할 수는 없다.

맥락은 정보의 집합이 아니라 정보가 어떤 관계 속에서 의미를 갖는지 판단하는 능력이기 때문이다.

어떤 장면이 한 세대에게는 향수로 작동하고, 다른 세대에게는 상처를 재현할 수 있다. 한 지역에서 자연스러운 농담이 다른 지역에서는 배제로 느껴질 수 있다. 같은 이미지를 보더라도 그것이 누구의 시선으로 만들어졌는지에 따라 의미가 바뀐다. 이런 판단은 검색으로 정답을 찾는 방식보다, 실제 사람들과 부딪히고 수정하고 사과하는 과정에서 형성된다.

사회화 자본은 바로 그 과정에서 쌓인다. 그것은 네트워크의 크기만을 뜻하지 않는다. 관계를 망치지 않으면서도 이견을 말하는 능력, 자신의 무지를 알아차리는 능력, 타인의 기준을 읽고 조정하는 능력을 포함한다.

그런데 AI가 모든 어색한 초안을 대신 만들어 주면 사람은 실패를 덜 경험한다. 물론 불필요한 실패는 줄여야 한다. 하지만 사회화에 필요한 실패까지 제거하면 판단력은 자라지 않는다. 실제 회의에서 서툰 의견을 내고, 반응이 차가워지는 순간을 겪고, 다음에는 표현을 바꾸는 일은 교육적으로 매우 중요하다. 이 경험은 정답을 알려 주는 튜토리얼로 대체되지 않는다.

따라서 앞으로의 핵심 능력은 프롬프트를 잘 쓰는 능력만이 아니다. AI가 만든 결과물에 무엇이 빠져 있는지 알아보는 능력이다. 결과물이 매끄러울수록 누락은 더 쉽게 숨는다. 완성도가 높다는 이유로 질문이 사라지고, 질문이 사라지면 맥락도 사라진다.

조직은 초급 업무를 제거하지 말고 재설계해야 한다

그렇다면 AI를 거부해야 할까? 그렇지 않다. 문제는 자동화의 도입 자체가 아니라, 자동화로 절약한 시간을 무엇으로 대체하느냐에 있다.

가장 나쁜 방식은 초급자의 반복 업무를 없앤 뒤, 그들에게 곧바로 고급 판단을 요구하는 것이다. 이는 수영을 배우는 사람에게 물에 들어갈 기회를 주지 않고 경기 결과만 요구하는 것과 같다. 반대로 좋은 조직은 자동화로 생긴 여유를 더 높은 수준의 관찰과 참여로 전환한다.

예를 들어 영상 제작 조직은 단순 자료 조사와 초벌 편집을 AI에 맡길 수 있다. 대신 신입 구성원이 다음과 같은 업무에 참여하도록 설계할 수 있다.

1. AI가 만든 여러 시안의 문화적 가정과 누락을 분석한다.
2. 실제 사용자와 인터뷰하고, 결과물에 대한 반응의 차이를 기록한다.
3. 기획자, 디자이너, 촬영자, 편집자가 서로의 제약을 설명하는 회의에 반드시 참석한다.
4. 최종 결과물뿐 아니라 폐기된 시안과 수정 이유를 아카이브로 남긴다.
5. AI의 제안에 반대하는 근거를 문서화하고, 그 판단의 결과를 나중에 검토한다.

이렇게 하면 초급 업무는 사라지는 대신 성격이 바뀐다. 생산 보조에서 맥락 보조로 이동하는 것이다. 신입은 더 이상 단순히 결과물을 많이 만들며 배우지 않는다. 결과물이 어떤 관계와 가치 판단을 통해 만들어졌는지 해석하며 배운다.

개인도 비슷한 원칙을 적용할 수 있다. AI에게 첫 문장, 첫 이미지, 첫 기획을 바로 요구하기보다 먼저 자신의 관찰을 기록해야 한다. 무엇이 이상했는지, 누구의 목소리가 빠졌는지, 어떤 장면이 현실과 어긋나는지 적은 뒤 AI를 사용하면 도구가 사고를 대체하는 것이 아니라 사고를 확장한다.

이를 인간 선행 원칙이라고 부르자. 중요한 창작 단계에서는 인간이 먼저 문제를 정의하고, AI는 그 뒤에 변주와 비교를 담당하는 방식이다. 반대로 AI가 먼저 평균적인 답을 제시하면 인간은 그 답을 기준으로 사고하게 된다.

지금 당장 실천할 수 있는 맥락 훈련

AI 시대에 사회화 자본을 의식적으로 쌓으려면 거창한 교육 프로그램보다 일상의 작업 방식을 바꾸는 것이 먼저다.

핵심 정리

1. 결과물보다 제작 과정을 기록하라. 무엇을 만들었는지만 저장하지 말고, 왜 그 방향을 선택했는지, 어떤 반응을 받았고 무엇을 버렸는지 남겨라. 맥락은 최종 파일이 아니라 수정의 흔적 속에 있다.

2. AI 사용 전에 자신의 판단을 먼저 적어라. 한 문단의 기획 의도, 세 가지 핵심 관찰, 예상되는 반론을 먼저 작성한 뒤 AI를 활용하라. 그래야 생성된 답변이 사고의 출발점이 아니라 비교 대상이 된다.

3. 다른 직군과 일부러 공동 작업하라. 혼자 모든 양식을 다루는 능력은 강력하지만, 혼자만의 기준에 갇히기 쉽다. 기획자라면 편집자와, 디자이너라면 현장 운영자와 작업하며 서로의 제약을 배워라.

4. 그럴듯함과 적합성을 구분하라. AI 결과물에 대해 “잘 만들어졌는가”만 묻지 말고 “누구의 경험을 기준으로 만들어졌는가”, “누가 불편해할 수 있는가”, “현실의 어떤 조건을 지웠는가”를 물어라.

5. 초보자의 시간을 보호하라. 조직의 리더라면 자동화로 절약된 시간을 곧바로 인원 감축이나 생산량 증가로 환산하지 말라. 신입이 회의에 참여하고, 현장을 경험하고, 수정의 이유를 듣는 시간을 설계하라. 그것이 미래의 전문성을 만드는 투자다.

결론: 인간의 경쟁력은 생성 능력이 아니라 맥락을 책임지는 능력이다

생성형 AI는 문화예술의 생태계를 크게 바꿀 것이다. 텍스트와 이미지, 영상의 통합은 창작의 진입 장벽을 낮추고, 소수의 자본과 인력으로도 놀라운 결과물을 만들게 할 수 있다. 동시에 제작 과정에서 사람들이 만나고 배우고 다투던 장소를 줄일 수 있다. 기회와 위험은 같은 기술의 양면이다.

우리는 지금까지 창작자를 결과물을 생산하는 사람으로 정의해 왔다. 그러나 AI가 생산을 빠르게 수행할수록 이 정의는 더 이상 충분하지 않다. 앞으로 창작자는 무엇을 만들지뿐 아니라, 왜 만들어야 하는지, 누구와 함께 판단해야 하는지, 어떤 결과에 책임질 것인지 결정하는 사람에 가까워질 것이다.

이 관점에서 대학 시절과 초년 경력의 의미도 달라진다. 그 시기는 취업을 위한 기술을 쌓는 유예 기간이 아니라, 사회의 복잡한 신호를 읽는 감각을 형성하는 핵심 단계다. AI가 그 시기의 모든 서툰 작업을 대신한다면 우리는 효율적인 초보자를 만들 수는 있어도, 맥락을 책임지는 전문가를 만들지는 못한다.

미래에 가장 희소한 사람은 무엇이든 만들어 내는 사람이 아닐 것이다. 무엇을 만들어서는 안 되는지, 누구의 목소리를 더 들어야 하는지, 완성된 결과 뒤에 무엇이 빠져 있는지 말할 수 있는 사람일 것이다.

그러므로 AI 시대의 교육과 조직 설계에서 물어야 할 질문은 “무엇을 자동화할 것인가”에 그쳐서는 안 된다. 더 중요한 질문은 이것이다. 자동화 이후에도 사람들이 서로를 만나며 맥락을 배울 수 있는가?

AI가 창작을 민주화할 수는 있다. 하지만 사회화까지 자동화할 수는 없다. 오히려 인간이 끝까지 지켜야 할 것은 바로 그 자동화되지 않는 시간, 즉 타인의 현실에 부딪히고 자신의 판단을 고쳐 가는 시간일지 모른다.