인공지능에 대한 지배적인 이야기는 극도의 전문화, 즉 미세한 틈새 시장을 파악하고, 절대적인 전문가가 되고, 심도 있는 지식을 통해 기계와 차별화해야 한다고 설파합니다. 하지만 이러한 관점은 인간 능력의 진화에서 인공지능의 진정한 역할을 근본적으로 잘못 이해하고 있습니다. 2025년에는 자동화가 기술 전문성의 가치를 약화시키면서 AI를 가장 잘 활용할 수 있는 사람은 고도로 집중하는 전문가가 아니라 다양한 영역을 연결할 수 있는 호기심 많은 제너럴리스트가 될 것이라는 역설이 등장할 것입니다.
제너럴리스트는 단순히 여러 영역에서 피상적인 지식을 쌓는 것이 아닙니다. 사회학자 키어런 힐리가 '합성 지능'이라고 부르는, 멀게만 보이는 영역 간의 연관성을 탐구하고 구조적 창의력으로 새로운 문제를 해결할 수 있는 능력을 갖추고 있습니다. 그리고 AI는 직관적으로 이러한 능력을 대체하는 것이 아니라 증폭시킵니다.
데이비드 엡스타인은 그의 저서 '범위: 전문화된 세상에서 제너럴리스트가 승리하는 이유'에서 '친절한' 환경과 '사악한' 환경을 구분합니다. 체스, 방사선 진단, 직접 언어 번역과 같은 친절한 환경은 명확한 패턴, 정의된 규칙, 즉각적인 피드백이 존재합니다. 이러한 영역은 AI가 탁월한 능력을 발휘하고 인간의 전문성이 빠르게 가치를 잃는 분야입니다.
비즈니스 전략, 제품 혁신, 국제 외교와 같은 악의적인 환경은 규칙이 모호하고 피드백이 지연되거나 모순되며 변화하는 상황에 끊임없이 적응해야 합니다. 바로 이런 환경에서 제너럴리스트가 성공할 수 있습니다. 엡스타인의 말처럼 '험난한 환경에서는 전문가가 아직 이해하지 못하는 문제에 알려진 해결책을 적용하기 때문에 실패하는 경우가 많다'고 합니다.
2024-2025년은 이러한 역학 관계를 경험적으로 보여주었습니다. 코드 생성, 구조화된 데이터 분석, 번역 등 잘 정의된 전문 업무는 GPT-4, 클로드 소네트, 제미니가 지배하고 있지만, 영역 간 창의적인 종합이 필요한 업무는 고집스럽게 인간이 담당하고 있습니다.
.png)
고대 아테네는 정치, 철학, 수사학, 수학, 군사 전략, 예술 등 다방면에 걸친 능력을 시민(비록 소수 엘리트이긴 했지만)에게 요구했습니다. 이 '다면적인 시민' 모델은 민주주의, 연극, 서양 철학, 유클리드 기하학 등 놀라운 혁신을 낳았지만 복잡성의 증가와 펠로폰네소스 전쟁, 제국 조공의 무게로 무너져 내렸습니다.
일반주의의 역사적 문제는 인지적 한계였습니다. 한 사람의 두뇌로는 현대 의학, 공학, 경제학, 생물학, 사회과학을 동시에 의미 있는 기여를 할 수 있는 수준으로 마스터할 수 없다는 것이었습니다. 노벨 경제학상 수상자인 허버트 사이먼이 지적했듯이, 인간의 지식은 기하급수적으로 증가하는 반면 개인의 인지능력은 일정하게 유지되는 상황에서 전문화는 철학적 선택이 아니라 현실적인 필요성이었습니다.
인공지능은 이러한 구조적 제약을 해결합니다. 제너럴리스트를 대체하는 것이 아니라 효과적인 제너럴리즘을 현대적 규모로 가능하게 하는 인지 인프라를 제공함으로써 말입니다.
새 도메인의 빠른 합성
인문학적 배경을 가진 제품 관리자는 수년간의 공식적인 전문 지식 없이도 Claude 또는 GPT-4를 사용하여 기술 제안을 평가하는 데 필요한 머신 러닝의 기본 사항을 빠르게 이해할 수 있습니다. 데이터 과학자가 되지는 못하지만, 지적인 질문을 하고 정보에 입각한 결정을 내릴 수 있는 충분한 소양을 갖추게 됩니다.
사례 연구: 2024년에 설립된 한 생명공학 스타트업은 철학과 디자인 경력을 가진 CEO를 고용했습니다. 그는 AI를 집중적으로 활용하여 분자생물학 개요를 빠르게 이해함으로써 단일 방법론에 편중된 전문가가 놓칠 수 있는 전통적인 치료법에서 유전체학 중심의 개인 맞춤형 의학으로의 전략적 전환을 이끌어냈습니다.
도메인 간 연결 강조 표시
AI는 방대한 데이터 세트의 패턴 매칭에 탁월합니다. 연구자는 Anthropic Claude와 같은 시스템에 "경제학에 적용되는 게임 이론의 어떤 원리가 생물학의 면역 방어 전략에 정보를 제공할 수 있을까요?"라고 질문할 수 있습니다. 이 모델은 관련 문헌, 개념적 연관성, 교차점에 대해 연구하는 연구자를 식별합니다.
문서화된 결과: 2024년 Nature에 발표된 연구에서는 종양 역학에 경제적 경쟁 모델을 적용하여 새로운 치료 전략을 파악하는 이 접근법을 정확히 사용했습니다. 저자들은 '수작업으로 탐색하는 데 수년이 걸렸을 학문적 장벽을 넘기 위해' AI를 사용했다고 명시적으로 언급했습니다.
인지 루틴 관리
AI는 기본 재무 분석, 표준 보고서 생성, 공통 조항에 대한 계약서 검토, 시스템 데이터 모니터링 등 이전에는 전문성이 필요했지만 알고리즘으로 정의할 수 있었던 작업을 자동화합니다.
이러한 활동에서 시간을 확보함으로써 실무자는 엡스타인이 '학습 전이'라고 부르는, 한 영역의 원리를 완전히 다른 맥락의 문제에 적용하는 데 집중할 수 있습니다. 이는 AI가 복제할 수 없는 인간의 고유한 능력입니다.
호기심 증폭
인공지능이 등장하기 전에는 새로운 분야를 탐구하려면 입문서를 읽고, 강의를 듣고, 기본 어휘를 쌓는 등 상당한 투자가 필요했습니다. 높은 장벽은 가벼운 탐험을 방해했습니다. 이제 AI와의 대화는 '마찰이 적은 호기심'을 통해 순진한 질문을 하고, 현재 이해 수준에 맞게 조정된 설명을 받으며, 막대한 비용 없이 흥미로운 접점을 따라갈 수 있습니다.
2025년, 우리는 경제학자 타일러 코웬이 말하는 '할당 경제'의 출현을 목격하고 있습니다. 경제적 가치가 (점점 더 상품화되는) 지식의 소유가 아니라 고가치 문제에 지능(인간+인공)을 효율적으로 할당하는 능력에서 파생되는 것입니다.
근본적인 변화:
이 경제에서는 제너럴리스트의 폭넓은 시각이 전략적 자산이 됩니다. 스트라테처리의 기술 분석가인 벤 톰슨은 "희소성은 더 이상 정보에 대한 접근성이 아니라 어떤 정보가 중요한지, 그리고 그 정보를 어떻게 조합할 수 있는지를 식별하는 능력에 관한 것입니다."라고 말합니다.
AI는 "주어진 X, Y 계산"과 같이 정의된 매개변수 내에서 정보를 처리하는 데 탁월합니다. 하지만 "우리가 올바른 문제에 대해 최적화하고 있는가?" "우리가 고려하지 않은 완전히 다른 접근 방식은 없는가?" "어떤 암묵적 가정을 하고 있는가?"와 같은 근본적인 질문은 생성하지 못합니다. 이러한 질문은 학제 간 관점을 통해 얻을 수 있는 인사이트입니다.
2025년 1월에 발표된 MIT 연구는 18개 기술 기업의 지식 근로자 2,847명을 대상으로 12개월 동안 AI를 도입한 후 분석한 결과입니다. 결과:
좁은 범위의 전문가(-12% 체감 생산성): 깊지만 좁은 범위의 전문성을 가진 사람들은 동등한 가치의 새로운 책임을 맡지 않고도 핵심 업무가 자동화되는 것을 목격했습니다. 예: 특정 언어 쌍의 전문 번역가가 GPT-4로 대체되었습니다.
적응형 제너럴리스트(체감 생산성 +34%): 소프트 스킬을 보유하고 빠르게 학습한 이들은 AI를 사용하여 범위를 확장했습니다. 예: 디자인 + 엔지니어링 + 비즈니스 배경을 가진 제품 관리자는 AI를 사용하여 툴킷에 고급 데이터 분석을 추가하여 의사 결정에 미치는 영향력을 높였습니다.
T" 전문가(체감 생산성 +41%): 한 분야에 대한 깊은 전문성 + 다른 여러 분야에 대한 폭넓은 전문성. 신뢰성을 위한 전문성과 다재다능함을 위한 일반성을 결합했기 때문에 더 나은 결과를 얻었습니다.
이 연구는 '인공지능은 순수한 전문가나 피상적인 제너럴리스트가 아니라 적어도 한 가지 영역에 대한 깊이와 새로운 영역에서 빠르게 기능적 역량을 개발할 수 있는 능력을 결합한 전문가에게 보상한다'고 결론지었습니다.
일반주의를 낭만화하지 않는 것이 중요합니다. 깊은 전문성이 대체할 수 없는 영역이 있습니다:
고급 의학: 심장혈관 외과의사는 15년 이상의 전문 교육을 받아야 합니다. AI는 진단과 계획을 지원할 수는 있지만 전문적인 시술 전문성을 대체할 수는 없습니다.
기초 연구: 획기적인 과학적 발견을 위해서는 수년간 특정 문제에 깊이 몰입해야 합니다. 아인슈타인은 물리학을 다른 분야와 '일반화'하여 일반 상대성 이론을 발전시킨 것이 아니라 이론 물리학의 특정 역설에 집요하게 집중하여 일반 상대성 이론을 발전시켰습니다.
뛰어난 장인 정신: 악기, 엘리트 스포츠, 미술 분야의 숙달에는 고도로 전문화된 고의적인 연습이 필요하지만 AI는 이를 크게 가속화할 수 없습니다.
중요한 차이점: 전문화는 암묵적인 절차적 기술과 심층적인 상황 판단에 기반할 때 가치가 있습니다. 사실의 암기와 정의된 알고리즘의 적용에 기반한 전문화, 즉 AI가 가장 잘하는 일은 금방 가치를 잃습니다.
AI 시대의 성공적인 제너럴리스트는 무엇이 다를까요?
1. 시스템적 사고: 패턴과 상호 연관성을 파악합니다. 한 영역의 변화가 복잡한 시스템을 통해 어떻게 전파되는지 이해합니다. AI는 데이터를 제공하고 제너럴리스트는 구조를 봅니다.
2. 창의적 합성: 다양한 출처의 아이디어를 새로운 구성으로 결합합니다. AI는 기존 패턴에서 외삽하는 방식으로 연결을 '발명'하지 않습니다. 창의적인 도약은 여전히 인간의 몫입니다.
3. 모호성 관리: 문제가 제대로 정의되지 않았거나, 목표가 상충되거나, 정보가 불완전할 때 효과적으로 운영하세요. AI는 명확한 프롬프트를 필요로 하지만 현실은 그런 프롬프트를 제공하는 경우가 드뭅니다.
4. 빠른 학습: 새로운 영역에 대한 기능적 역량을 빠르게 습득합니다. 10년이 걸리는 전문 지식이 아니라 몇 년이 아닌 몇 주 만에 '위험할 정도로' 습득할 수 있습니다.
5. 메타인지: 모르는 것을 알기. 심층적인 전문 지식이 필요할 때와 피상적인 전문 지식으로 충분할 때를 구분합니다. AI에 위임할 때와 인간의 판단이 필요할 때 결정하기.
지배적인 이야기와 달리, 2024~2025년 가장 중요한 성공 사례 중 일부는 제너럴리스트에게서 나왔습니다:
샘 알트만(OpenAI): 컴퓨터 과학 + 기업가 정신 + 정책 + 철학의 배경. 그는 최고의 ML 연구자이기 때문이 아니라(실제로는 그렇지 않습니다) 순수 전문가가 볼 수 없는 기술, 비즈니스, 거버넌스 간의 연결고리를 볼 수 있었기 때문에 OpenAI를 이끌었습니다.
데미스 하사비스(구글 딥마인드): 신경과학 + 게임 디자인 + AI 연구. 알파폴드-단백질 구조 예측-는 게임 AI(알파고)가 분자 생물학에 적용될 수 있다는 직관에서 시작되었습니다. 단일 분야의 전문가에게는 연결고리가 분명하지 않습니다.
토비 뤼트케(Shopify): 프로그래밍 + 디자인 + 비즈니스 + 철학을 전공했습니다. 그는 최고의 기술자이기 때문이 아니라 사용자 경험, 기술 아키텍처, 비즈니스 모델을 총체적으로 연결한 비전을 바탕으로 Shopify를 구축했습니다.
일반적인 패턴: 성공은 최고의 기술적 전문성이 아니라 연결을 파악하고 다른 사람(인간 + AI)의 전문성을 조율하는 능력에서 비롯됩니다.
역사적 비유: 인쇄술은 인간의 생각을 제거한 것이 아니라 증폭시켰습니다. 인쇄술이 발명되기 전에는 수도사들이 경전을 외우는 데 평생을 바쳤을 정도로 텍스트 암기는 귀중한 기술이었습니다. 인쇄술은 암기를 상품화하여 비판적 분석, 종합, 새로운 창조를 위한 마음의 여유를 갖게 했습니다.
AI는 이전에는 전문성이 필요했던 인지 능력도 동일하게 수행합니다. 정의된 데이터에 대한 정보 처리, 계산, 패턴 매칭을 상품화합니다. 인간의 마음을 자유롭게 해줍니다:
인쇄술이 모든 사람을 뛰어난 작가로 만들지는 못했지만 독창적인 생각을 가진 사람들이 그 생각을 증폭시킬 수 있었던 것처럼, AI는 모든 사람을 가치 있는 제너럴리스트로 만들지는 못하지만 진정한 호기심과 종합적인 사고를 가진 사람들이 이전에는 불가능했던 규모의 작업을 할 수 있게 해줍니다.
개인용:
조직용:
전문성은 사라지는 것이 아니라 스스로를 재정의합니다. 미래는 모든 것에 대해 거의 알지 못하는 피상적인 제너럴리스트나 모든 것에 대해 거의 알지 못하는 편협한 스페셜리스트의 것이 아닙니다. 미래는 적어도 한 가지 영역에서 진정한 역량과 빠르게 배우고 다른 분야로 효과적으로 이동할 수 있는 능력을 겸비한 사람들의 것입니다.
인공지능은 제너럴리스트에게 힘을 실어주며, 분명하지 않은 연결고리를 파악하고, 창의적으로 종합하고, 모호성을 처리하고, 문제를 재정의하는 근본적인 질문을 하는 등 인간의 두뇌가 가장 잘하는 일을 증폭시키는 도구를 제공합니다.
인쇄술이 암기에서 비판적 사고로 가치를 이동시킨 것처럼, 인공지능은 전문성에서 조율로 가치를 이동시킵니다. 성공하는 사람은 더 많은 정보를 암기하거나 알고리즘을 더 잘 실행하는 사람이 아니라 그 지형에서 기계가 승리합니다. 성공하는 사람은 더 멀리 보고, 더 깊이 연결하고, 더 빠르게 적응하는 사람입니다.
2025년, 인공지능이 좁은 전문 지식의 가치를 약화시키면서 인공지능 도구를 갖춘 호기심 많은 제너럴리스트는 과거의 유물이 아닙니다. 제너럴리스트는 미래를 대표합니다.
출처:
.svg)
.svg)
.svg)
.jpeg)
.jpeg)