2026년 7월 15일, 서울시50플러스재단 중부캠퍼스의 온라인 DX 특강에서 ‘짚인간의 귀환, 그리고 5천만 국민개발자의 시대’를 이야기했다. 강연을 준비할 때부터 내게 중요한 질문은 기술을 얼마나 빨리 익힐 수 있느냐가 아니었다. 수십 년 동안 일하고 배우고 실패하며 쌓은 경험을 이제 무엇으로 만들 수 있느냐였다.
정보가 흔해질수록 경험은 어디에 남는가
검색하고 정리하는 일, 문장을 쓰거나 코드를 처음 짜는 일까지 AI가 돕는다. 그렇다면 오래 공부한 사람의 가치는 줄어드는가. 강연에서 나는 오히려 질문을 돌렸다. AI가 쉽게 얻을 수 있는 지식과, 한 사람이 특정한 현장에서 몸으로 익힌 판단은 같은 것이 아니다. 고객이 망설이는 순간을 알아보는 영업인의 눈, 학생의 이해가 멈춘 지점을 알아채는 교사의 귀, 동네 사람들의 필요를 알고 있는 주민의 기억은 인터넷에 그대로 저장돼 있지 않다.
내가 말한 ‘5천만 국민개발자’는 국민 모두가 컴퓨터공학자가 된다는 뜻이 아니다. 한국어로 자신이 풀고 싶은 문제를 구체적으로 설명하고, AI의 도움을 받아 작동하는 작은 도구를 만들고 시험할 수 있는 사람이 많아질 수 있다는 제안이다. 말이 코드의 일부가 됐다고 해서 검증과 책임까지 사라지는 것은 아니다.
내 머릿속에서 잠든 짚인간
나는 홍길동이 짚으로 분신을 만들어 내보내는 이야기에서 ‘짚인간’이라는 비유를 빌렸다. 사람에게는 배우다 만 언어, 쓰다 만 이야기, 시도하지 못한 사업, 언젠가 해보고 싶었던 일이 있다. 능력이 없어서 포기한 것만은 아니다. 시간과 돈, 기술자를 구할 여력이 없어 잠시 멈춰 둔 것들도 많다. 강연 채팅창에 참여자들이 적어 준 시와 책, 온라인 판매, 오래 미뤄 둔 구상도 그런 경험의 조각이었다.
이 비유가 중요한 이유는 기술보다 출발점에 있다. AI에게 “돈이 될 만한 아이디어를 하나 내 줘”라고 말하면 그럴듯하고 일반적인 답을 받기 쉽다. “내가 20년 동안 이런 일을 하면서 반복해서 본 문제는 무엇이었나”라고 묻기 시작하면 결과가 달라진다. 내가 겪은 예외와 맥락을 AI가 대신 살아 본 것은 아니기 때문이다.
답을 받기 전에 나를 인터뷰하게 하자
강연 중 첫 시연에서 나는 AI에게 완성품을 주문하기보다 나를 인터뷰해 달라고 했다. 내가 해 온 일, 오래 마음에 남은 질문, 만들고 싶은 것을 AI가 묻고 내가 답했다. 처음에는 흐릿하던 생각이 문장으로 밖에 나오고, 그 문장을 다시 보며 내가 미처 몰랐던 연결을 발견한다. AI의 답변보다 그 질문을 계기로 내가 무엇을 떠올렸는지가 중요하다.
이 과정을 강연에서는 ‘2차 사이버네틱스’와 연결했다. 도구가 일방적으로 정보를 입력하고 사람이 결과를 받는 장면이 아니다. 내가 도구를 바꾸고, 도구가 다시 내 생각을 자극하는 순환이다. 머릿속 경험을 밖에 꺼내어 보고 고치면서 나 역시 달라진다. 그래서 AI를 잘 쓰는 법은 명령문을 짧고 요란하게 쓰는 기술만으로 설명되지 않는다. 내 경험을 충분히 말하고, 나온 결과를 읽고, 다시 질문을 바꾸는 시간이 필요하다.
일회용 소프트웨어가 열어 주는 작은 실험
강연의 다음 질문은 꺼낸 경험을 어떻게 바깥에서 움직이게 하느냐였다. 예전에는 소프트웨어를 만들려면 많은 사람과 자본을 모아야 했다. 이제는 한 사람의 특정한 상황을 위한 작은 도구부터 시도할 수 있다. 강연에서는 인테리어 시공자가 현장의 작업 순서와 고객의 변경 요청을 정리하는 도구, 간호 실습에서 반복되는 판단을 돕는 도구 같은 사례를 들었다. 이들이 당장 완성된 상품이라는 뜻은 아니다. 현장을 아는 사람이 어떤 문제를 풀어야 하는지 먼저 정할 수 있다는 뜻이다.
나는 이런 도구를 ‘일회용 소프트웨어’라고 불렀다. 많은 사람이 오래 써야만 가치 있는 소프트웨어가 되는 것은 아니다. 한 번의 행사, 한 가게의 작업, 한 연구자의 탐색을 위해 만든 도구도 제 몫을 할 수 있다. 다만 쓰는 사람이 늘거나 중요한 결정을 맡게 된다면 정확성, 유지보수, 개인정보 보호를 다시 설계해야 한다.
비유하자면 사람은 유인기의 조종사이고, 여러 에이전트는 일을 나누어 맡는 드론 편대다. 어느 방향으로 갈지, 언제 멈출지, 결과가 옳은지는 조종사가 판단한다. AI를 많이 붙이는 것만으로 좋은 서비스가 생기지는 않는다. 오히려 무엇을 왜 만드는지 아는 사람의 책임이 커진다.
만들면서 배우기: 강연장의 두 번째 시연
후반부에는 과학박물관에서 쓸 만한 설명 도구를 상상하며 AI와 함께 작은 프로그램을 만드는 과정을 보여 주었다. ‘과학박물관 학예사라면 방문객에게 무엇을 깊이 설명해야 할까’처럼 사용 장면과 독자의 수준을 먼저 정했다. 강연 영상에는 코드 편집기에서 파일을 작성하고 터미널에서 명령을 실행하는 장면이 남아 있다. 막히는 부분은 다시 AI에게 물었다. 매끄러운 홍보 영상처럼 한 번에 끝나는 장면은 아니었다. 설치하고, 확인하고, 고치는 과정 자체가 시연의 핵심이었다.
이 경험을 나는 시모어 페퍼트의 구성주의 교육과 연결했다. 만들고 싶은 것이 생겼을 때 필요한 지식을 찾아 배우는 편이, 언젠가 쓸지도 모를 내용을 끝없이 쌓아 두는 것보다 오래 남을 수 있다. AI는 그 옆에서 질문을 받아 주는 조력자가 된다. 그러나 도구를 움직여 보았다는 사실과 도구를 이해했다는 사실은 구분해야 한다. 내가 만든 것이 누구에게 어떤 영향을 주는지 살피는 공부가 뒤따라야 한다.
또 하나의 시연에서는 산부인과 진료 상황을 가정해 여러 역할의 AI가 검토하는 시제품 화면을 보여 주었다. 이는 임상적으로 검증된 의료 도구나 진료 지침이 아니다. 한 문제를 여러 관점에서 검토하도록 서비스를 설계할 수 있다는 가상의 예시였다. 건강과 안전이 걸린 결정에는 전문인의 판단과 별도의 검증이 반드시 필요하다.
경험을 서비스로 바꾸는 데 필요한 것
오래 일한 사람에게는 남이 쉽게 복제할 수 없는 것이 있다. 자신의 일을 하며 반복해서 마주친 문제, 고객이 실제로 쓰는 말, 실수가 생기는 지점, 일의 앞뒤를 연결하는 요령이다. 그 경험을 글이나 도구, 작은 서비스로 꺼내 볼 수 있다. 강연에서는 거창한 플랫폼보다 ‘내가 아는 현장에서 쓸 만한 것 하나’를 먼저 만들자고 제안했다.
하지만 만들었다고 곧바로 사업이 되는 것은 아니다. 가족이나 옛 동료, 잠재 고객에게 보여 주고, 실제로 써 보겠다는 사람이 있는지 들어야 한다. 열 사람에게 보여 주어 한 사람의 진지한 피드백을 얻는 것이, 혼자 완벽하다고 확신하는 것보다 낫다. 수익은 보장된 결과가 아니라 이 검증 과정을 지나며 비로소 판단할 수 있는 가능성이다.
오늘 밤 한 문장부터, 90일의 작은 항해까지
마지막에는 90일 계획을 이야기했다. 첫 30일은 매일 30분씩 자신의 경험을 AI에게 들려주며 기록한다. 다음 30일은 그 기록에서 다른 사람에게 쓸모 있을 만한 문제 하나를 골라 작은 도구나 콘텐츠를 만든다. 마지막 30일은 실제 사람에게 보여 주고, 들은 말을 바탕으로 고친다. 일정은 사람마다 달라질 수 있다. 중요한 것은 배우기를 다 마친 뒤 시작하는 것이 아니라, 만들어 보며 배움을 이어 가는 일이다.
세 가지 원칙은 분명히 했다. 첫째, 타인의 실명·주민등록번호·고객 정보처럼 민감한 내용은 일반 AI 대화창에 넣지 않는다. 둘째, AI가 만든 사실·출처·코드·조언은 사람이 확인한다. 셋째, 자신이 아는 영역에서 시작한다. 그곳에서야 잘못된 결과를 알아차리고, 정말 필요한 변화를 판단할 수 있다.
강연을 마치며 참여자들에게 AI에 건넬 첫마디를 채팅창에 적어 보자고 했다. 누구나 같은 프로그램을 만들어야 한다는 뜻이 아니었다. 오래 살아온 만큼 각자 다른 질문과 재료가 있다. 내 머릿속에 잠든 짚인간을 하나 고르고, 오늘 밤 그 이야기를 꺼내는 것. 국민개발자라는 말은 바로 그 작은 첫 문장에서 시작한다.
이 글은 2026년 7월 강연의 발표자료·준비 원고·실제 발화 녹취와 영상을 대조해 블로그용으로 다시 썼다. 자동 녹취의 오류를 바로잡고 중복된 구어 표현을 덜었다. 참여자의 이름과 개인 사연은 공개하지 않았다. 강연 속 시연은 기술의 가능성을 설명하기 위한 예시이며, 의료·법률 등 중요한 판단에 바로 사용하라는 권고가 아니다.