인공지능이 바둑의 정답에 가까운 수를 몇 초 만에 찾아내는 시대다. 사람이 평생 연구할 기보를 AI는 짧은 시간에 학습하고, 사람이 생각하지 못한 수까지 제시한다. 그런데도 사람들은 여전히 인간 기사의 대국을 지켜보고, 승부 뒤에는 그의 생각을 궁금해한다. 이유는 결과가 아니라 과정에 있다.
최근 세계 정상급 기사가 두 점을 먼저 놓고 최고 수준의 바둑 AI와 승부를 벌였다. 첫판에서는 예상 밖의 수에 흔들려 패했다. 그러나 그는 판을 바꿨다. 변수를 줄여 정면 승부로 한판을 되찾았고, 마지막 판은 전투를 피하고 확보한 우위를 지키는 실리 운영으로 완승했다.
이 결과를 인간의 계산이 AI를 넘어선 사건으로 읽어서는 안 된다. 특정 조건에서 벌어진 승부이기 때문이다. 진짜 의미는 다른 데 있다. 실패를 받아들이고, 상대를 분석해 전략을 고치고, 끝까지 집중한 인간의 과정이다. AI는 그럴듯한 승부 이야기를 만들 수는 있어도, 패배의 두려움을 견디며 다시 도전하는 ‘경험’까지 체득하지는 못한다.
여기서 첫 번째 핵심이 나온다. AI 시대 인간의 가치는 정답을 빨리 찾는 능력이 아니라, 스스로 질문을 던져 문제를 정의하고 실패를 딛고 다시 일어서는 힘에 있다.
우리 교육은 오랫동안 정해진 문제의 답을 빠르게 맞히는 능력을 평가해 왔다. 그러나 계산과 암기, 정보 검색은 이미 AI가 더 잘한다. 물론 AI도 문제를 제안하고 창의적인 시도를 흉내 낼 수 있다. 하지만 무엇을 위해 풀 것인지 정하고 결정의 책임을 지는 일은 사람의 몫이다.
앞으로의 교육은 문제를 새롭게 정의하는 창의성, 불확실한 상황에서 결정하는 판단력, 실패 원인을 분석해 다시 도전하는 회복 탄력성을 길러야 한다. 사람을 설득하고 협력하게 만드는 리더십도 함께 중요해진다. 실패를 감점의 근거로만 삼으면 누구도 새로운 시도를 하지 않는다.
AI의 답을 그대로 믿는 사용자가 아니라, 결과를 검증하고 필요하면 멈출 수 있는 책임 있는 판단자, 곧 ‘메타 기획자’를 키워야 한다.
두 번째 핵심은 대한민국이 이미 쥐고 있는 ‘두 점’이다.
하나는 고대역폭메모리(HBM)를 비롯한 반도체 제조 경쟁력이다. 다른 하나는 자동차·조선·철강 등 생산 현장에서 쌓아온 공정 데이터와 숙련자의 경험이다. 기계의 진동으로 이상을 알아채는 숙련의 지식은 인터넷 문서만으로는 얻을 수 없다.
이 자산을 로봇과 제조설비에 결합하는 ‘피지컬 AI’가 대한민국의 승부처다. 공간정보와 디지털 트윈은 AI가 현실에서 움직이기 전에 사고와 충돌을 미리 시험하는 가상 검증 환경이 된다.
다만 조건이 있다. 현장 데이터는 개별 기업의 자산이므로 소유권과 표준, 중소기업의 접근성 문제를 함께 풀어야 한다. 또 숙련자를 단순한 데이터 제공자가 아니라 AI를 함께 설계하는 공동 저자로 인정하고 성과를 나눠야 한다.
경험을 내준 뒤 일자리에서 밀려난다고 느낀다면 지속 가능한 전환은 불가능하다. 정부 정책도 GPU 확보량 같은 투입 지표를 넘어, 산업재해와 불량률이 실제로 줄었는지, 근로자의 역량과 보상이 함께 나아졌는지를 평가해야 한다.
바둑에서 두 점은 출발의 우위일 뿐 승리를 보장하지 않는다. 반도체와 산업 데이터라는 자산도 사람의 창의성과 회복 탄력성이 더해져야 힘이 된다. 정답은 AI가 찾는다. 그러나 무엇을 물을 것인지, 어떤 위험은 허용하지 않을 것인지, 실패한 사람에게 다시 기회를 줄 것인지는 사람과 사회가 결정한다.
질문을 던지는 창의성과 다시 일어서는 회복 탄력성, 그것이 AI 시대에 인간이 놓아야 할 두 점이다.
