눈 내리던 낙성대에서 생성형 AI의 봄까지

핵심 요지 — 2012년에는 너무 컸던 언어·맥락·교육의 질문이 생성형 AI의 등장으로 다시 실험 가능한 문제가 되었다. 이 글은 기술의 진보만이 아니라 함께 질문한 스승과 동료, 연구와 사업 사이에서 배운 조건을 기록한 회고다.

2012년 12월, 지도교수와 학부 동창을 만나러 서울대 후문 쪽으로 향했다. 눈이 많이 내려 차가 오르지 못했고, 우리는 낙성대 근처에서 만나 사업 이야기를 했다. 인지과학을 사람들에게 쓸모 있는 서비스로 옮겨 보자는 마음이었다. 교육에 언어처리를 결합하고, 인문학의 질문과 공학의 도구를 한 회사 안에서 만나게 하고 싶었다.

너무 일찍 세운 질문

구상은 컸지만, 당시의 기술과 자원으로 감당하기 어려운 부분이 있었다. 학습자의 말과 행동을 이해하려면 단어를 알아듣는 것만으로 부족했다. 맥락과 상황에 따라 같은 표현이 달라지는 까닭을 알아야 했다. 가상 공간에서 그 경험을 구현하려면 별도의 막대한 자원도 필요했다. 2023년에 돌아보니 사업의 어려움은 실행만의 문제가 아니었다. 해결하려던 질문 자체가 당시로서는 너무 컸다.

함께 시작하기로 했던 동창은 병을 얻어 세상을 떠났다. 이후 계획을 고쳐 혼자 창업을 진행했다. 시간이 지나면서 그때의 기술적 판단과 사람에 대한 기억은 따로 떼어 생각하기 어려운 것이 되었다.

6년 7개월의 현장

2016년 알파고 대국 무렵, 딥러닝을 실제 사업에 적용하는 회사로 옮겼다. 뛰어난 엔지니어들과 일하며 언어처리·음성·여러 AI 프로젝트를 경험했다. 연구를 말로 설명하고 고객의 문제를 듣는 일도 맡았다. 교육 서비스에 대한 미련은 남았지만, 좋은 기술을 만드는 일과 지속 가능한 사업을 세우는 일이 같은 문제는 아니라는 점도 배웠다.

2023년 봄, 6년 7개월의 출근길을 마쳤다. 그 무렵 생성형 AI는 오래 붙들고 있던 언어와 맥락의 문제를 다시 보게 했다. 이제 모든 문제가 풀렸다는 뜻은 아니다. 그러나 2012년에 너무 멀리 있다고 여겼던 시도가 어떤 조건에서는 다시 가능해 보이기 시작했다.

다시 이어지는 질문

인문학은 사람이 무엇을 원하고 배우는지 묻는다. 인지과학은 그 과정이 어떻게 일어나는지 탐구한다. 기술은 그 물음을 시험할 도구를 준다. 세 분야를 섞는 것만으로 서비스가 만들어지지는 않는다. 실제 사람의 삶에서 어떤 문제가 줄어드는지를 끝까지 살펴야 한다.

낙성대의 눈길과 마지막 출근길을 떠올리면 먼저 함께 질문하던 사람들이 생각난다. 스승과 동료에게 배운 것은 새로운 기술의 이름보다 오래 남았다. 2023년의 나는 그 기억을 안고 다음 일을 시작했다.

2023년 3월에 쓴 낙성대 회고와 마지막 출근길 기록을 한 편으로 정리했다. 본문의 전망은 당시 시점의 기록이다.


핵심 Q&A

2012년의 교육 AI 구상이 당시 어려웠던 이유는 무엇인가?

학습자의 발화와 행동을 이해하려면 단어 인식뿐 아니라 맥락·상황·경험을 함께 모델링해야 했고, 이를 가상 공간에 구현할 기술과 자원이 부족했다. 실행력만의 문제가 아니라 질문의 규모가 당시 기술 조건을 앞섰다.

생성형 AI가 이 질문을 어떻게 바꾸었는가?

언어와 맥락을 다루는 비용을 크게 낮춰 오래된 아이디어를 다시 시제품으로 시험할 수 있게 했다. 다만 실제 삶의 문제를 줄이는지 검증하는 일과 지속 가능한 사업 설계는 여전히 인간의 몫이다.

댓글 남기기