사회는 ‘인지적 노동 분담’에 의해 작동합니다. 모든 분야를 이해할 필요는 없으며, 필요할 때 적절한 전문성을 가진 사람이 누구인지 알면 됩니다.
전문가를 식별하는 능력은 일찍 나타납니다. 3~5세 아동은 팔이 부러졌을 때 의사에게, 타이어에 대해 정비사에게 물어봐야 한다는 것을 이미 알고 있으며, 더 나은 어린이들은 표면적인 유사성이 아닌 기본 원리에 기반해 전문성을 인식할 수 있습니다.
그러나 타인의 지식에 접근하는 것은 ‘설명 깊이의 환상’을 만들어내어 사람들이 전문가가 가진 지식과 자신의 지식을 혼동하게 만듭니다.
실험에 따르면 과학자가 어떤 현상을 설명했다는 사실을 아는 것만으로도, 실제 설명이 제공되기 전에 참가자들은 자신의 이해 수준을 더 높게 평가합니다.
유사한 현상이 기술에서도 나타납니다. 로보어드바이저에 대한 설명을 온라인에서 볼 수 있다고 들은 사람들은 설명을 접할 수 없는 그룹보다 시스템을 더 잘 이해하고 있다고 느끼며 서비스를 이용하려는 의지가 더 강해집니다.
인터넷도 비슷한 효과를 냅니다. 과제를 위해 정보를 검색하도록 허용된 후, 참가자들은 전혀 관련 없는 주제를 스스로 설명할 수 있는 능력을 과대평가합니다.
AI 챗봇은 빠르고 유창한 답변을 제공하기 때문에 “내가 접근할 수 있는 정보”와 “내가 실제로 이해하는 지식” 사이의 경계를 흐려 이 문제를 증폭시킬 수 있습니다.
또 다른 위험은 인간의 전문성에 대한 직관을 AI에 적용한다는 점입니다. LLM이 경제학 질문에 올바르게 대답했다고 해서 시스템이 대수학을 올바르게 풀 수 있는 것은 아니며, 도덕 철학 질문에 답한다고 해서 다른 상황에서 도덕적 행동을 올바르게 평가할 수 있는 것도 아닙니다.
📌 결론: AI는 전문성에 대한 역설을 만들어냅니다. 지식에 더 쉽게 접근할 수 있게 되지만, 인간은 자신이 진정으로 아는 것과 AI가 실제로 뛰어난 부분이 무엇인지 정확히 인식하기 어려워질 수 있습니다. 과거에는 ‘어떤 전문가에게 물어봐야 하는지 아는 것’이 중요한 능력 타이틀이었습니다. AI 시대에는 자신의 이해, AI가 제공하는 지식, 그리고 AI 능력의 한계를 구별하는 새로운 능력이 필요합니다. 설명을 접할 수 있다고 해서 그 설명을 이해한 것은 아닙니다.
