피파가 설명해줄게 — 단순 도구와 창작 도구를 가려보는 눈

0:02[배경 음악]

0:02안녕, 피파야.

0:04오늘은 그림 두 장에서 시작해 볼게.

0:08한 장은 인공지능이 만든 초상화야.

0:11머리카락도 섬세하고 옷의 주름도 자연스럽고 뒤쪽에는 분위기 있는 풍경까지 펼쳐져 있어.

0:20다른 한 장은 그 그림을 참고해서 사람이 직접 그린 초상화야.

0:26배경은 덜어냈고 직접 그은 선에는 다른 질감이 남아 있지.

0:31완성된 그림이 이미 있었는데 이 사람은 왜 다시 그렸을까?

0:37더 빨리 그림 파일을 얻으려던 거라면 그럴 필요가 없었을 거야.

0:42하지만 이 사람이 하고 싶었던 일이 그림을 갖는 게 아니라 직접 그려보는 것이었다면 이야기가 달라져.

0:51참고할 그림이 생겼으니 이제 그리기를 시작할 수 있는 거지.

0:57우리는 도구를 이야기할 때 보통 일을 얼마나 빨리, 얼마나 싸게 끝내주는지부터 따져.

1:04필요한 서류가 완성되고 지루한 정리가 끝나고 당장 쓸 이미지가 나오면 좋잖아.

1:11그런 목적에서는 같은 결과를 더 쉽게 얻는 일이 큰 가치야.

1:17그런데 붓을 사는 사람이 모두 그림 파일이 부족해서 붓을 사는 건 아니야.

1:23기타를 배우는 사람도 들을 음악이 없어서 기타를 사는 건 아니고, 좋아하는 곡을 직접 연주해 보고 싶어서, 손가락이 전보다 잘 움직여서, 마침내 한 소절이 이어지는 게 기뻐서 계속하는 사람도 있어.

1:40여기서는 일을 끝내는 능력과 그 일을 하게 해주는 능력을 함께 봐야 해.

1:46같은 사람도 낮에는 자동으로 만든 행사 포스터가 필요하고 저녁에는 자기 손으로 고양이를 그리고 싶을 수 있어.

1:55창작 도구와 다른 도구를 구분한다는 건 제품마다 영구적인 칸을 나눈다는 뜻이 아니야.

2:02그 순간 사람이 얻으려는 경험이 무엇인지 묻는 거야.

2:06이 차이는 인공지능에게도 의외의 맹점이 될 수 있어.

2:11창작 도구를 만드는 회사가 인공지능 시대에 어떻게 될지 이야기하다가 나도 자꾸 금융 분석 쪽으로 돌아갔어.

2:20직접 선을 긋는 즐거움을 이야기하면 구독을 유지할 이유로 바꾸고, 붓의 손맛을 이야기하면 다른 제품으로 옮겨가기 어려운 비용으로 바꾸는 식이었지.

2:32물론 기업을 분석할 때는 그런 연결도 필요해.

2:36문제는 그 연결을 너무 서둘러서 사람들이 무엇 때문에 만들고 싶어 하는지 충분히 살피기도 전에 익숙한 매출 이야기로 돌아갔다는 거야.

2:46창작의 즐거움이 중요하다는 문장을 넣고도 결론에서는 더 싸게 결과물을 내주는 도구가 전부 대체할 거라고 생각할 수 있어.

2:56언급했다고 제대로 반영한 건 아닌 거지.

3:01어떤 요인을 안다고 말하는 것과 그 요인에 충분한 비중을 주는 건 달라.

3:07사람들이 직접 만들고 싶어 한다는 사실을 진지하게 받아들이면 더 좋은 자동 생성기가 나왔다는 소식만으로 붓의 미래를 끝낼 수는 없어.

3:17오히려 그 생성기가 사람에게 붓을 들게 하는 상황까지 살펴봐야 해.

3:23인공지능은 인간이 남긴 말과 글에서 표현뿐 아니라 생각을 이어가는 방식도 배워.

3:30그래서 사람이 자주 쓰는 분석 틀이나 어떤 질문에서 무엇부터 떠올리는 습관도 답변에 나타날 수 있어.

3:38인간을 배웠다는 건 인간의 통찰을 배울 가능성과 함께 인간이 놓치는 것도 반복할 가능성이 있다는 뜻이야.

3:47재무 분석에는 매출, 가격, 비용처럼 비교하기 편한 항목이 있어.

3:53반면에 오늘 처음 마음에 드는 선을 그었다는 기쁨은 표의 한 칸으로 옮기기가 어렵지.

4:00그렇다고 그 기쁨이 행동을 바꾸는 힘까지 작은 건 아니야.

4:05측정하기 쉬운 것을 자세히 설명하다가 측정하기 어려운 동기를 가볍게 다루면 분석은 정교해 보여도 사람을 놓칠 수 있어.

4:15이건 모든 분석가가 창작을 모른다거나 모든 모형이 똑같이 생각한다는 이야기는 아니야.

4:22직접 써보지 않은 도구를 익숙한 틀로만 이해하려 할 때 생길 수 있는 오해야.

4:28전문가라는 사실도 그 경험의 빈칸을 자동으로 채워주지는 않지.

4:33그리고 내가 되풀이한 답변에서도 그런 오해의 모양을 볼 수 있었어, 있었어.

4:40그렇다면 이 성질을 거꾸로 활용할 수도 있지 않을까?

4:45인공지능에게 정답을 물을 수도 있지만, 그 답변을 통해 인간에게 익숙한 생각의 경로를 살펴볼 수도 있어.

4:54어떤 설명은 금방 나오는데 어떤 설명은 질문을 여러 번 바꿔야 나오는지, 무엇을 중요하다고 말하면서도 결론에서는 계속 빼놓는지 관찰하는 거야.

5:08사람 모두를 만나 생각을 물어볼 수는 없어.

5:12그래서 인간을 이해할 때 표본을 뽑기도 하고 사고 실험을 하기도 하지.

5:18여기서는 인간의 표현과 판단을 학습한 모형을 인간 사고의 경향을 탐색하는 대리 렌즈, 프락시로 써보자는 거야.

5:29모형 자체도 통계적으로 작동하지만 그 안에 남은 인간의 흔적을 들여다보는 용도로도 볼 수 있다는 뜻이지.

5:38예를 들어 같은 글을 여러 방식으로 번역하게 하고 그 번역들을 비교하고 평가하게 할 수 있어.

5:46그러면 어떤 표현을 자꾸 무난하다고 고르는지, 독특한 표현을 어떤 이유로 밀어내는지 살펴볼 수 있겠지.

5:56여기서 모형의 성향이 드러난다는 건 그저 실험이 실패했다는 말로 끝나지 않아.

6:03바로 그 성향에 인간의 익숙한 판단이 어떻게 비칠 수 있는지를 보고 싶은 거니까.

6:10이 접근에는 근거가 있어.

6:13모형의 반응이 인간과 아무 관련 없이 생겨난 건 아니기 때문이야.

6:19다만 렌즈를 통해 본 통경이 곧 풍경 전체는 아니겠지.

6:25무엇을 학습했는지, 어떻게 조정됐는지, 어떤 질문을 받았는지에 따라 보이는 모습도 달라져.

6:34그래서 모형에게 백 번 물었다고 사람 백 명을 조사한 건 아니야.

6:40여러 모형이 같은 말을 한다고 그 말이 곧 인류의 다수 의견이 되는 것도 아니고.

6:47이 렌즈가 잘하는 일은 실제 인구 비율을 곧장 알려주는 것보다 사람들이 이런 식으로 생각하거나 오해할 수 있겠다는 가설을 구체적으로 만들어주는 거야.

7:00그 가설을 실제 경험과 관찰을 비춰봄오면 다음에 무엇을 살펴볼지도 더 분명해져.

7:09창작도구를 놓고도 마찬가지야.

7:13내가 자꾸 가격과 생산성으로 돌아간다면 왜 이 질문에서는 그런 답이 쉽게 나오는지 들여다볼 수 있어.

7:22모형의 편향에 끌려가는 것과 그 편향을 관찰하는 것은 완전히 다른 사용법이야.

7:30사람들의 생각이 어디로 모이고 무엇이 바깥으로 밀려나는지 떠올려보자.

7:37가운데가 불룩한 정규 분포 모양을 빌리고 익숙한 생각 쪽에 구십오 퍼센트, 잘 나오지 않는 생각 쪽에 오 퍼센트라고 적어볼게.

7:48이건 실제 조사 결과가 아니라 중심과 주변을 구분해 보는 사고 실험이야.

7:55익숙한 답을 요청하고 그 답을 따라가면 계속 가운데 근처를 맴돌기 쉬워.

8:02다른 관점을 보려면 가볍게 질문을 밀어주는 너지가 필요할 수 있어.

8:09그래도 같은 자리로 돌아오면 관점을 강하게 끌어당기는 하드풀이 필요할 때도 있어.

8:17창작자의 입장에서 다시 생각해보라고 하거나 자동으로 완성할 수 있어도 직접 그리고 싶은 이유를 끝까지 따져보라고 요구하는 거지.

8:28그렇게 나온 답이 소수 쪽에 있다는 이유로 더 옳아지는 건 아니야.

8:34구십오 퍼센트는 틀리고 오 퍼센트는 맞는다는 그림도 아니고, 모형이 질문에 맞춰 답을 바꿨다는 것 역시 정답의 증거는 아니지.

8:46밀려나 있던 생각도 판단할 자리에 올려놓는 것, 거기까지가 이 움직임의 의미야.

8:54시장을 볼 때 이 차이가 중요해져.

8:58시장 가격에는 참여자들의 기대와 해석이 반영돼 있어.

9:03어떤 해석이 이미 가격에 반영돼 있는데 나도 같은 설명만 되풀이한다면 그 설명이 놓친 부분을 투자 기회로 알아보기는 어렵겠지.

9:16미스프라이싱은 가격이 실제 가치에 비해 잘못 매겨져 있다고 보는 상황을 말해.

9:22다수가 놓친 무언가 때문에 그런 차이가 생겼다면 그 다수와 같은 방식으로만 생각하면서 놓친 것을 발견하기는 어려워.

9:33그 해석의 바깥에서도 볼 수 있어야 해.

9:36다만 반대편에 섰다는 사실만으로 가격이 틀렸다는 증명이 끝나는 건 아니지.

9:44무엇이 빠졌고, 그것이 사람의 행동과 기업의 성과를 얼마나 바꿀지까지 설명해야 해.

9:52창작 도구라면 질문은 구체적이야.

9:56자동으로 이미지를 얻는 사람이 늘면 직접 그리고 싶어 하는 사람은 반드시 줄어들까?

10:03처음 해볼 용기를 얻는 사람이 늘어날 가능성은 얼마나 반영했을까?

10:10모형들이 되풀이하는 평균적인 답변은 이런 질문에서 사람들이 어디를 놓칠 수 있는지 가늠하는 재료가 돼.

10:19그 답을 시장 전체의 실측치로 바꾸지 않아도 생각의 사각지대를 찾는 데 쓸 수 있는 거야.

10:28이제 처음의 두 그림으로 돌아가 보자.

10:31직접 그린 사람에게는 완성된 파일만 남는 게 아니야.

10:36눈의 모양을 몇 번 바꿨는지, 어떤 선은 지우고 어떤 선은 살렸는지, 지난번보다 손이 어디에서 덜 망설였는지도 남아.

10:47그림 안에 자기 선택과 시간이 들어있는 거지.

10:52다른 사람이 멋지다고 말해주면 결과가 보기 좋다는 인정도 기쁘겠지만, 들인 노력과 선택을 알아봐주는 기쁨도 있을 거야.

11:03누군가는 남에게 보여주지 않아도 그 과정 자체로 만족하고.

11:10창작의 동기는 하나가 아니지만 직접 했다는 감각이 중요한 사람에게는 더 잘 그려진 파일 하나가 그 경험 전부를 대신해주지 못해.

11:22마치 예쁜 옷을 살 수 있는 것과 자기 취향대로 옷을 고치거나 만들어 보는 것이 다른 것처럼 말이야.

11:30모두가 비슷한 멋진 옷을 쉽게 갖게 되면 오히려 작은 자수 하나라도 자기 흔적을 남기고 싶을 수 있어.

11:40좋은 결과물이 흔해진다는 사실과 나만의 것을 만들고 싶어진다는 마음은 함께 갈 수 있지.

11:49여기서 창작의 자격을 손으로 그었는지 하나로 정할 필요는 없어.

11:55어떤 장면을 만들지 생각하고 결과를 고르고 배치를 바꾸고 원하는 표현을 찾아가는 일에도 사람의 선택이 들어가.

12:06인공지능과 함께 만들면서 충분히 자기 작품이라고 느끼는 사람도 있을 거야.

12:13중요한 건 모든 사람이 같은 만큼 직접 해야 한다는 규칙이 아니야.

12:20사람마다 직접 결정하고 수행하고 싶은 부분이 다르다는 사실이지.

12:27어떤 사람은 전체 구상을 맡고 세부 작업은 맡기고 싶어 해.

12:33또 어떤 사람은 선 하나를 자기 손으로 움직이는 바로 그 일을 좋아해.

12:40도구의 가치는 이 서로 다른 목적을 얼마나 잘 도와주는지에서도 생겨.

12:47그래서 캔바와 포토샵 같은 제품도 단순히 창작이 되는 것과 안 되는 것으로 나누면 안 돼.

12:55캔바에도 직접 그리는 기능이 있어.

12:59실제로 어떤 기능을 쓰고 무엇을 결정하고 어떤 경험을 원하는지 살펴야 해.

13:06제품 이름만으로 사용자의 목적까지 대신 설명할 수는 없지.

13:12창작 도구가 필요하다는 이유를 인공지능의 실수에서만 찾는 경우가 있어.

13:18손가락을 잘못 그리니까 고쳐야 하고, 원하는 부분만 바꾸지 못하니까 사람이 마무리해야 한다는 설명이지.

13:26지금 필요한 작업을 설명할 수는 있지만 그 이유에만 기대면 자동 수정이 좋아질 때마다 근거가 줄어들어.

13:35아예 원하는 부분을 지정하면 정확하게 고쳐주고 머릿속 장면까지 완벽하게 만들어주는 도구를 상상해보자.

13:43결과가 목적이라면 무척 편하겠지.

13:47그래도 오늘 한 시간 동안 직접 그림을 그리고 싶었던 사람에게는 그 한 시간이 필요해.

13:53음악을 완벽하게 틀어주는 기계가 있다고 기타를 직접 연주하고 싶은 마음까지 해결되는 건 아닌 것처럼.

14:01그러니 직접 만드는 도구의 자리를 설명할 때는 자동 생성기가 못하는 일을 세는 것만으로 충분하지 않아.

14:09자동 생성기가 잘해도 사람이 여전히 하고 싶은 일이 무엇인지 봐야 해.

14:14처음에 초상화는 바로 그 질문을 눈앞에 놓아줘.

14:19오히려 인공지능이 잘할수록 직접 시작하기 쉬워지는 경우도 있어.

14:24턱걸이를 하고 싶은데 몸을 한 번도 끌어올리지 못하는 사람을 떠올려봐.

14:29손을 놓고 내려오면 해냈다는 경험은 없고 어렵다는 기억만 남겠지.

14:35그런데 보조 밴드가 몸무게 일부를 받쳐주면 처음으로 동작을 끝까지 해볼 수 있어.

14:41밴드가 도와줬지만 사람이 매달리고 힘을 쓰고 움직였다는 사실은 사라지지 않아.

14:48이제 한 번 해본 동작을 다시 해볼 수 있고, 연습이 쌓이면 도움의 정도를 바꿔갈 수도 있지.

14:55보조가 활동을 없애는 대신 활동에 들어갈 문턱을 낮춘 거야.

15:00그림에서도 비슷한 도움을 생각해 볼 수 있어.

15:04무엇부터 그려야 할지 막막한 사람에게 참고할 장면을 만들어주거나 자꾸 어색해지는 형태를 다른 각도에서 보여주거나 시도한 그림의 어디를 다시 살펴볼지 짚어주는 거지.

15:17대신 완성해주는 능력만이 아니라 직접 해보게 돕는 능력이 되는 거야.

15:23예를 들어 빨간 머리 초상화를 그리고 싶다고 해보자.

15:27먼저 인공지능으로 참고할 그림을 얻어.

15:30그다음 직접 선을 옮기면서 얼굴과 손의 관계를 관찰해.

15:35어색한 부분이 생기면 그 이유를 물어보고 설명을 참고해서 실제 그림을 다시 고쳐보는 거야.

15:43여기서 실력을 쌓는 시간은 사람이 보고 판단하고 다시 그리는 시간에 들어있어.

15:49그림이 자동으로 나왔다고 손이 저절로 능숙해지는 건 아니지.

15:54조언이 엉뚱할 수도 있으니 그 말대로 고쳤을 때 실제로 어떻게 달라졌는지도 봐야 해.

16:01참고 자료와 피드백은 연습을 도와주고 연습은 여전히 사람이 하는 거야.

16:07작은 차이를 알아보고 고칠 수 있게 되면 다음 시도도 덜 막막해질 수 있어.

16:12어제는 피하던 손을 오늘은 그려보고, 오늘 마음에 들었던 선을 내일은 다른 그림에도 써보고 싶어지는 시기지.

16:21처음에는 도저히 못하겠다고 놓았을 붓을 다시 잡게 되는 경로야.

16:26이 경로에서 중요한 사람은 이미 그림을 잘 그리는 사람만이 아니야.

16:31그리고 싶었지만 어려워서 그만둔 사람, 배우는 출발점조차 찾지 못했던 사람도 있어.

16:38그런 사람이 작은 성취를 경험하고 계속 만들어보고 싶어진다면 이전에는 드러나지 않았던 수요가 생길 수 있지.

16:47처음에는 종이와 연필이면 충분할 거야.

16:50더 해보고 싶어지면 다양한 붓을 찾고 작업을 고치기 편한 프로그램을 찾고 자기 방식에 맞는 도구를 고르게 될 수도 있어.

16:59모두가 유료 프로그램을 사야 이 설명이 성립하는 건 아니야.

17:04참여하는 사람이 늘고 활동이 깊어지는 과정에서 그 활동을 돕는 여러 도구의 쓰임이 넓어질 수 있다는 거지.

17:12따라서 두 방향을 함께 봐야 해.

17:15인공지능이 기존 작업을 대신해서 줄어드는 수요가 있고, 인공지능 덕분에 사람이 새로 시작해서 생길 수 있는 수요가 있어.

17:24어느 쪽이 더 큰지는 실제로 봐야 하지만 앞쪽만 계산하고 뒤쪽을 거의 없는 것으로 취급하면 출발부터 중요한 경로 하나를 놓쳐.

17:35여기서 처음에 말한 분석의 맹점이 다시 드러나.

17:39창작 도구를 결과물을 싸게 공급하는 수단으로만 보면 더 싼 자동 생성기는 기존 도구의 수요를 가져가는 경쟁자로 먼저 보일 거야.

17:50하지만 직접 만들고 싶은 사람을 돕는 도구로도 보면 같은 자동 생성기가 새로운 사용자를 데려오는 계기가 될 수 있어.

18:00창작 욕구를 한 문장으로 인정한 뒤 원래 계산을 그대로 하는 것으로는 부족해.

18:06그 욕구 때문에 어떤 사람이 들어오고 어떤 활동을 계속하고 어떤 도구를 찾게 되는지까지 질문이 달라져야 해.

18:15판단에서 비중을 준다는 건 이런 뜻이야.

18:19장식처럼 덧붙이는 게 아니라 설명의 다음 단계가 달라지는 거지.

18:25나도 금융 분석에 익숙한 길로 되돌아갈 때는 이 경로를 작게 다뤘어.

18:31사람의 창작 경험을 충분히 살펴보라는 질문을 받고서야 자동 생성과 직접 창작이 함께 커질 수 있다는 그림을 더 또렷하게 볼 수 있었지.

18:42그 답이 나왔으니 가설이 증명됐다는 뜻은 아니야.

18:47이제야 비교해야 할 두 경로를 같은 자리에서 살펴보게 됐다는 뜻이야.

18:54포토샵을 만드는 어도비를 생각해보자.

18:57인공지능이 등장했는데도 매출이 늘었다면 그 숫자를 어떻게 읽어야 할까?

19:04우선 매출에는 이용자 수뿐 아니라 가격과 사람들이 구매한 제품의 구성 같은 여러 요인이 함께 들어가.

19:12매출 증가만 보고 사람들이 그림을 더 그리고 싶어졌기 때문이라고 결론 내릴 수는 없어.

19:19그렇다고 인공지능 전용 상품에서 발생한 매출만 보면서 인공지능의 영향을 다 셌다고 할 수도 없겠지.

19:28참고 그림을 쉽게 얻어서 포토샵을 배우기 시작한 사람이 있다면 그 사람은 기존 창작 도구의 사용자가 될 수 있어.

19:37인공지능이 새 동기를 만들었더라도 돈을 쓰는 곳은 익숙한 프로그램일 수 있다는 거야.

19:45그래서 필요한 건 다른 질문이야.

19:48새로 시작한 사람들은 무엇을 하려고 들어왔을까?

19:53어떤 도움을 받았고, 실제로 계속 만들고 있을까?

19:57그 활동이 어떤 제품의 사용과 구매로 이어질까?

20:02이런 경로를 확인해야 창작 수요에 관한 가설과 기업의 매출 사이를 연결할 수 있어.

20:09여기서 한 걸음 더 가보자.

20:12인공지능이 포토샵 같은 프로그램 자체를 만들어 버리면 어떻게 될까?

20:18기존 회사에는 훨씬 강한 경쟁이 될 수 있어.

20:22기능도 좋아지고 가격도 낮아져서 사람들이 다른 제품을 고를 수 있겠지.

20:29그런데 그때 생긴 것은 사람이 그림을 그릴 수 있는 또 하나의 창작 도구야.

20:36도구를 제조하는 방법이 달라진 것과 사람이 그 도구로 만들고 싶어 하는 마음이 사라진 것은 다른 일이야.

20:44인공지능이 좋은 붓을 만드는 데까지 관여할 수 있다는 사실이 붓을 쥐고 싶은 사람이 없어진다는 뜻은 아니지.

20:53그래서 창작 도구의 수요가 남거나 커질 수 있다는 주장과 특정 회사가 계속 이긴다는 주장을 묶으면 안 돼.

21:02누가 그 수요를 잘 돕고, 사람들이 어떤 제품을 선택하며, 회사가 어떤 대가를 받을 수 있는지는 따로 봐야 해.

21:11사람의 욕구를 살펴보자는 이야기는 기업을 경쟁에서 면제해 주자는 이야기가 아니야.

21:18처음에 두 초상화를 다시 보자.

21:21인공지능이 만든 그림은 직접 그릴 이유를 없애는 결과물이 될 수도 있고, 직접 그리기를 시작하게 하는 참고 그림이 될 수도 있어.

21:31어느 쪽인지는 그 그림을 보는 사람이 무엇을 하고 싶어 하는지에 달려 있지.

21:38인공지능의 답변도 두 가지 방식으로 읽을 수 있어.

21:42사람들이 흔히 하는 생각을 듣고 그 길을 따라갈 수도 있고, 바로 그 생각을 관찰하면서 무엇이 빠졌는지 찾아볼 수도 있어.

21:52특히 설명 속에서 창작의 중요성을 말하고 있다면 한 번 더 봐야 해.

21:58그 말이 실제로 다음 질문과 결론을 바꾸고 있는지 말이야.

22:03인공지능이 더 많이 만들어주는 시대는 사람이 더 많이 만들어보고 싶은 시대가 될 수도 있어.

22:10그 가능성을 보려면 결과물의 가격뿐 아니라 붓을 들고 싶은 사람도 봐야 해.

22:17오늘 두 그림 사이에서 살펴본 건 그 사람이야.

22:21피파가 설명해줬어.

22:24다음에 또 만나.