인공지능과 진로

기계 쪽으로 옮겨 가기 쉬운 업무의 조건

어떤 업무가 기계 쪽으로 옮겨 가기 쉬운지는 네 가지로 가늠합니다. 따라야 할 절차가 분명한지, 맞고 틀림을 가릴 기준이 하나인지, 학습에 쓸 데이터를 모을 수 있는지, 틀렸을 때 책임이 얼마나 무거운지입니다. 아래 표는 직업 이름이 아니라 업무의 성격으로 나누어 본 것입니다.

네 기준을 함께 보면, 「이 직업은 안전하고 저 직업은 위험하다」는 식으로 나뉘지 않는다는 것이 보입니다. 거의 모든 직업이 기계 쪽으로 옮겨 가기 쉬운 업무와 사람에게 남기 쉬운 업무를 함께 갖고 있기 때문입니다. 기계가 앞의 것을 맡으면, 그 직업을 하는 사람은 뒤의 것에 시간을 더 쓰게 됩니다.

「유망 직업 전망」을 읽는 법

해마다 여러 기관이 「앞으로 빠르게 늘어날 일자리」와 「빠르게 줄어들 일자리」를 발표합니다. 이런 자료는 진로를 생각할 때 참고가 되지만, 읽을 때 주의할 것이 있습니다.

• 사실이 아니라 예측입니다. 조사한 기업과 시점이 달라지면 순위도 달라집니다. 실제로 몇 해 전 목록과 올해 목록을 비교해 보면 순위가 꽤 바뀌어 있습니다.
• 「줄어든다」가 「없어진다」는 뜻은 아닙니다. 사람 수가 줄어드는 것과 그 일이 사라지는 것은 다릅니다.
• 내 적성이 빠져 있습니다. 전망은 사회 전체의 평균을 말할 뿐, 내가 무엇을 잘하고 무엇을 재미있어하는지는 담고 있지 않습니다.

그래서 전망 목록을 외우는 것보다, 그 목록이 왜 그렇게 나왔는지를 위 네 기준으로 설명해 보는 편이 오래 쓸모가 있습니다.

「인공지능과 관련된 일」이라고 하면 흔히 위쪽만 떠올립니다. 하지만 인공지능이 들어가는 분야가 넓은 만큼, 더 많은 사람에게 닿는 것은 원래 하던 일에 인공지능을 도구로 얹는 쪽입니다. 이때 필요한 것은 모델을 직접 만드는 능력이 아니라 그 분야를 아는 힘과, 인공지능이 내놓은 결과를 판단하는 힘입니다.

인공지능 유창성은 코딩 실력이 아니다

인공지능 유창성은 「인공지능이 무엇을 잘하고 어디서 틀리는지 알고, 맡길 일과 직접 할 일을 구분하며, 나온 결과를 검토해 쓰는 능력」입니다. 여기서 가장 자주 생기는 오해가 「그러니 프로그래밍을 잘해야 한다」는 것입니다.

프로그래밍은 도구 가운데 하나입니다. 위 일곱 가지 가운데 문제를 정의하는 힘, 데이터를 의심하는 힘, 결과를 설명하는 힘은 코드를 한 줄도 쓰지 않고도 필요합니다. 인공지능 도구로 학교 급식 만족도를 분석했는데 응답한 학생이 한 학년에 몰려 있다면, 그 결과를 전교의 의견으로 말할 수 없다는 것을 알아채는 데에는 코드가 필요 없습니다. 모델의 정확도가 아무리 높아도 애초에 잘못 잡은 문제는 그대로 남습니다.

아래 여덟 갈래는 사람들이 일을 고를 때 흔히 살펴보는 것들입니다. 각 줄이 나에게 얼마나 중요한지 스스로 표시해 봅시다. 정답은 없습니다. 같은 사람도 시기에 따라 답이 달라집니다.