자동화가 늘수록, 신뢰를 설계하는 능력이 더 중요해지는 이유

클릭 한 번에 지식이 모이는 시대, 왜 갈등은 더 쉽게 커질까?

이상하지 않은가. 한쪽에서는 웹페이지와 영상 몇 개를 한 번의 클릭으로 모아 지식 창고를 만드는 도구가 등장했고, 다른 한쪽에서는 예산과 조례를 둘러싼 반복 충돌이 지역사회를 흔들고 있다. 기술은 점점 더 빠르게 정보를 묶고, 행정은 여전히 사람들 사이의 믿음을 묶는 데 실패한다. 우리는 지금, 정보를 수집하는 능력은 폭발적으로 좋아졌지만 함께 결정하는 능력은 그 속도를 따라가지 못하는 시대에 살고 있다.

이 대비가 핵심이다. 오늘날의 문제는 정보 부족이 아니라, 정보를 신뢰와 합의로 바꾸는 구조의 부족이다. 노트북 같은 도구가 자료를 모아주더라도, 그 자료를 어떤 기준으로 해석하고 누구의 이해를 우선할지 정하는 일은 여전히 사람의 몫이다. 반대로 지역 정치의 갈등은 바로 그 지점, 즉 해석의 기준과 이해관계 조정이 무너질 때 폭발한다.

기술은 정보를 압축하지만, 사회는 신뢰를 압축하지 못한다. 그래서 편의는 늘어도 갈등은 사라지지 않는다.

도구는 더 똑똑해졌는데, 왜 결정은 더 어려워졌나

많은 사람은 생산성 도구의 본질을 “시간 절약”으로 이해한다. 하지만 더 깊이 보면 그것은 인지의 외주화다. 흩어진 자료를 모으고, 맥락을 정리하고, 다시 탐색할 수 있게 만드는 도구는 사용자의 기억 부담을 줄인다. 즉, 머릿속에서 하던 분류 작업을 소프트웨어가 대신하는 것이다. 이 변화는 분명 유용하지만, 동시에 우리를 한 가지 착각에 빠뜨린다. 자료가 정리되면 판단도 자동으로 정리될 것이라는 착각이다.

실제로는 정반대다. 자료가 많아질수록 질문은 더 중요해진다. 무엇을 중요한 증거로 볼 것인가, 어떤 관점을 배제할 것인가, 누가 최종 기준을 정할 것인가. 정리된 정보는 합의를 보장하지 않는다. 오히려 쟁점이 더 선명하게 드러난다. 한 번 클릭으로 유튜브 전체 채널이나 웹페이지들을 끌어모아 분석할 수 있을수록, 사람들은 더 빨리 “무엇이 진짜냐”는 문제에 부딪힌다.

행정도 같다. 예산과 조례는 단순한 숫자나 문장이 아니다. 그것은 사실상 공동체의 우선순위를 문서로 번역한 것이다. 그런데 우선순위는 늘 충돌한다. 어떤 정책은 효율을 높이지만 형평성을 해치고, 어떤 정책은 공정해 보이지만 속도를 늦춘다. 시상금 조례 같은 장치는 작은 제도처럼 보이지만, 실제로는 “무엇을 성과로 인정할 것인가”라는 매우 큰 질문을 포함한다. 결국 도구와 제도 모두, 표면은 다르지만 같은 문제를 만난다. 정보를 더 잘 다루는 것과, 사람들을 더 잘 합의시키는 것은 전혀 다른 능력이라는 점이다.

성과를 기록하는 시스템과 성과를 갈등으로 바꾸는 시스템

성과시상금 조례가 논란이 되는 이유는 단순히 돈 때문이 아니다. 돈은 표면적 매개일 뿐이고, 진짜 문제는 인정의 배분 방식에 있다. 공동체에서 어떤 성과를 공식적으로 인정하느냐는 곧 “누가 보이지 않는 노력을 했는가”, “누가 더 중요한 일을 했는가”, “누가 평가하는가”를 묻는 일이다. 그래서 작은 시상금 규칙 하나가 정치적 긴장으로 번지는 것은 매우 자연스럽다.

이 장면을 회사로 바꿔보자. 팀이 새로운 AI 도구를 도입해 리서치를 자동화했다고 하자. 처음에는 모두가 만족한다. 자료 정리가 빨라지고, 회의 준비가 쉬워진다. 그런데 곧 문제가 생긴다. 누가 어떤 자료를 골랐는지, 누가 검토 책임을 지는지, 자동 수집된 정보의 오류는 누가 수정하는지에 대해 합의가 없다면, 도구는 편리한 만큼 책임의 공백을 만든다. 이 공백은 결국 사람 사이의 불신으로 채워진다.

지역 행정도 같은 원리로 작동한다. 제도는 성과를 보상하려 하지만, 그 기준이 투명하지 않으면 보상은 곧 불공정의 증거가 된다. 반면 기준을 너무 엄격하게 만들면 유연성이 사라지고, 실제 현장의 기여를 놓치게 된다. 여기서 핵심은 조례의 옳고 그름을 넘어서는 문제다. 공동체는 언제나 평가와 신뢰를 함께 설계해야 하는데, 우리는 평가만 바꾸고 신뢰 설계를 소홀히 하기 쉽다.

이것이 현대 사회의 은밀한 역설이다. 기술은 측정 가능한 것을 빠르게 만들지만, 사회는 측정되지 않는 가치, 즉 존중, 맥락, 관계, 상호 양보를 통해 유지된다. 그래서 자동화가 늘수록 사람들은 더 객관적이 되기보다 오히려 더 민감해진다. 기준이 눈에 보일수록, 그 기준에서 밀려난 사람은 더 선명하게 상처를 느끼기 때문이다.

진짜 병목은 정보가 아니라 해석의 합의다

우리는 종종 문제를 “데이터가 부족해서”라고 설명한다. 하지만 실제 병목은 대개 해석의 합의다. 같은 자료를 보고도 사람들은 전혀 다른 결론에 도달한다. 한 사람은 효율을 본다. 다른 사람은 공정을 본다. 어떤 사람은 장기 재정을 본다. 다른 사람은 단기 체감을 본다. 자료가 많아질수록 이런 차이는 더 분명해진다.

이때 유용한 생각의 틀은 세 겹의 레이어다.

1. 수집 레이어: 무엇을 모을 것인가.
2. 판단 레이어: 무엇을 의미 있는 신호로 볼 것인가.
3. 정당화 레이어: 왜 그 판단이 공동체에 받아들여져야 하는가.

대부분의 도구는 1번을 해결한다. 훌륭한 리서치 확장 프로그램이나 자동 수집 시스템은 자료를 빠르게 모아준다. 하지만 2번과 3번은 훨씬 어렵다. 예산과 조례 갈등은 바로 2번과 3번의 실패로 볼 수 있다. 수집은 했지만, 무엇이 중요한지에 대한 판단 기준이 다르고, 그 판단을 타인이 납득할 언어로 설명하는 데 실패한다.

이 차이를 이해하면 개인 생산성에도 큰 변화가 생긴다. 많은 사람이 AI를 쓰면서 더 많은 정보를 더 빨리 얻는다. 그러나 정보가 많아질수록 “정리된 노트”보다 “좋은 질문”이 더 중요해진다. 좋은 질문은 단순한 검색어가 아니다. 그것은 판단의 프레임이다. 예를 들어, “이 주장이 맞는가”보다 “이 주장은 어떤 전제에서만 맞는가”라고 묻는 사람이 더 깊이 있는 결론에 도달한다. 마찬가지로 행정에서는 “예산을 어떻게 나눌 것인가”보다 “이 배분이 누구에게 정당하게 보이려면 무엇이 필요할까”를 먼저 물어야 한다.

도구가 할 수 있는 일은 자료를 모으는 것까지다. 공동체를 움직이는 일은 자료의 의미를 함께 정하는 것이다.

자동화 시대의 핵심 역량은 생산성이 아니라 중재력이다

앞으로 가장 중요한 능력은 단순한 실행 속도가 아니다. 그것은 중재력, 즉 서로 다른 이해관계를 조정하고 기준을 번역하는 능력이다. AI 도구를 잘 쓰는 사람은 더 많은 정보를 다루지만, 진짜 뛰어난 사람은 그 정보가 누군가에게 불리하게 읽힐 가능성까지 예측한다. 행정을 잘하는 사람도 마찬가지다. 규정을 만드는 능력보다 중요한 것은, 그 규정이 현장에서 어떤 감정과 해석을 낳을지 상상하는 능력이다.

이 관점에서 보면, 좋은 시스템은 세 가지 질문에 답해야 한다.

• 무엇을 자동화할 것인가.
• 무엇을 공개할 것인가.
• 무엇을 인간의 판단에 남길 것인가.

첫 번째는 효율의 문제다. 두 번째는 투명성의 문제다. 세 번째는 신뢰의 문제다. 많은 조직과 공동체가 첫 번째에만 몰두하다가 두 번째와 세 번째에서 무너진다. 자료는 잘 모았지만 왜 그런 선택을 했는지 설명하지 못하고, 절차는 갖췄지만 당사자가 납득하지 못한다. 그러면 시스템은 돌아가도 공동체는 소진된다.

이 틀을 개인의 일에도 적용할 수 있다. 예를 들어 리서치 작업을 할 때는 정보 수집을 최대한 자동화하되, 최종 판단은 반드시 사람이 해야 한다. 그리고 그 판단의 이유를 간단히라도 남겨야 한다. 왜 이 자료를 채택했고, 왜 이 자료는 제외했는지 기록하는 습관은 단순한 정리 기술이 아니다. 그것은 미래의 자기 자신과 동료에게 남기는 작은 신뢰의 장치다.

행정에서도 같은 원칙이 필요하다. 조례나 보상 규정은 숫자보다 설명이 중요하다. 어떤 기준이 적용되었고, 어떤 예외가 고려되었고, 왜 그 결정이 지금의 공동체에 필요했는지 명확히 써야 한다. 설명이 없는 공정성은 쉽게 음모론이 되고, 설명이 있는 공정성은 비로소 합의의 토대가 된다.

더 많은 정보보다 더 나은 합의가 중요하다

우리는 종종 발전을 “더 빠른 처리”로 생각한다. 하지만 사회의 진짜 진보는 더 빠른 처리와 더 나은 합의가 동시에 이루어질 때 가능하다. 정보 기술은 전자를 돕지만, 제도와 문화는 후자를 만들어야 한다. 둘이 분리되면, 사람들은 편리함을 얻는 대신 불신을 쌓는다.

그래서 오늘날의 핵심 질문은 이것이다. 우리는 자동화된 수집 능력을 어디까지 확장할 것인가가 아니라, 그 확장이 공동체의 신뢰를 어떻게 바꿀 것인가를 물어야 한다. 자료를 모으는 속도보다 중요한 것은, 그 자료를 둘러싸고 사람들이 납득 가능한 대화를 할 수 있는가이다. 성과를 정하는 규정보다 중요한 것은, 그 규정이 누구에게도 모욕으로 느껴지지 않도록 설계되었는가이다.

이 관점은 낭만적이지 않다. 오히려 매우 현실적이다. 갈등은 사라지지 않는다. 다만 더 성숙한 시스템은 갈등을 숨기지 않고, 갈등이 폭발하기 전에 설명 가능한 형태로 바꾼다. 기술이 해줄 수 있는 것은 여기까지다. 나머지는 사람의 몫이다.

Key Takeaways

• 정보 자동화와 합의 자동화는 다르다. 자료를 빠르게 모을수록, 판단 기준과 설명 책임은 더 중요해진다.
• 보상 제도는 돈이 아니라 인정의 설계다. 작은 규칙 하나가 공동체의 공정성 감각을 크게 흔들 수 있다.
• 좋은 질문이 좋은 데이터보다 앞선다. “무엇이 맞는가”보다 “어떤 전제에서 맞는가”를 묻는 습관을 들여라.
• 자동화할 것, 공개할 것, 인간이 판단할 것을 구분하라. 이 세 가지를 나누는 순간 신뢰의 구조가 선명해진다.
• 설명은 선택 사항이 아니다. 특히 규칙, 보상, 평가가 걸린 일에서는 이유를 남기는 것이 곧 신뢰를 쌓는 일이다.

결론: 기술이 앞서갈수록, 사회는 더 정교하게 서로를 설득해야 한다

우리는 종종 새로운 도구가 등장하면 문제 해결의 시대가 열린다고 믿는다. 그러나 진짜 변화는 조금 다르다. 도구가 좋아질수록, 인간은 더 적게 일하는 것이 아니라 더 잘 설득해야 하는 존재가 된다. 정보를 모으는 일은 점점 쉬워지지만, 그 정보가 공동체의 결정을 바꾸려면 납득 가능한 언어, 공정한 절차, 그리고 서로를 존중하는 해석이 필요하다.

결국 중요한 것은 무엇을 자동화할 수 있느냐가 아니라, 무엇을 끝내 자동화할 수 없는가를 아는 일이다. 지식의 수집은 기계가 돕는다. 하지만 신뢰의 형성은 여전히 사람만이 할 수 있다. 그리고 바로 그 지점에서, 기술의 진보는 사회의 성숙을 요구한다. 더 빠른 도구를 가진 시대일수록, 우리는 더 천천히 설명하고 더 정직하게 합의해야 한다. 그것이 자동화 시대에 공동체가 무너지지 않는 유일한 방법이다.