AI가 질문에 답하고, 글을 쓰고, 이미지를 만들며, 코드를 작성하는 시대가 되었다. 이제 사람은 필요한 정보를 직접 외우거나 오랜 시간 검색하지 않아도 된다. 그렇다면 AI 시대에도 정보를 배워야 할까?
오히려 지금이야말로 정보를 제대로 배워야 하는 시대다. 다만 배움의 목적은 더 이상 많은 지식을 머릿속에 저장하는 데 있지 않다. AI 시대에 정보를 배운다는 것은 정보가 어떻게 만들어지고, 처리되고, 전달되며, 사회에 영향을 미치는지를 이해하는 것이다.
정보를 찾는 능력에서 정보를 판단하는 능력으로
과거에는 원하는 정보를 빠르게 찾는 사람이 유능했다. 그러나 검색엔진과 생성형 AI의 등장으로 정보 탐색 자체는 쉬워졌다. 이제 중요한 것은 정보의 양이 아니라 정보의 신뢰성이다.
AI는 자연스럽고 자신감 있는 문장으로 잘못된 내용을 말할 수 있다. 인터넷에는 사실과 의견, 광고와 선전, 진짜 자료와 조작된 자료가 뒤섞여 있다. 따라서 정보를 배운다는 것은 다음과 같은 질문을 던지는 능력을 기르는 일이다.
이 정보는 누가 만들었는가?
어떤 자료와 근거를 사용했는가?
특정한 관점이나 이해관계가 반영되어 있지는 않은가?
다른 자료와 비교했을 때도 같은 결론이 나오는가?
AI 시대의 정보교육은 정답을 빠르게 찾는 교육이 아니라, 제시된 답을 의심하고 검증하는 교육이어야 한다.
정보를 소비하는 사람에서 정보를 설계하는 사람으로
우리는 매일 뉴스, 영상, 게시물, 광고, 추천 콘텐츠를 소비한다. 그러나 디지털 환경에서 정보는 단순히 전달되는 것이 아니다. 알고리즘에 의해 선택되고, 배열되고, 강조된다.
같은 사건도 어떤 데이터를 선택하고 어떤 그래프를 사용하느냐에 따라 전혀 다르게 보일 수 있다. 같은 사용자라도 플랫폼의 추천 알고리즘에 따라 서로 다른 세계를 경험한다.
따라서 정보를 배운다는 것은 데이터베이스, 알고리즘, 네트워크, 프로그래밍의 원리를 배우는 것과 연결된다. 학생은 단순한 정보 이용자가 아니라 작은 프로그램과 서비스를 직접 만들어 보면서 정보가 작동하는 구조를 이해해야 한다.
프로그램을 만든다는 것은 단순히 코딩 문법을 익히는 일이 아니다. 문제를 나누고, 조건을 정하고, 자료를 구조화하고, 결과를 검토하는 사고 과정이다. AI가 코드를 대신 작성하더라도 무엇을 만들 것인지 결정하고, 결과가 올바른지 판단하는 책임은 사람에게 남는다.
질문을 만드는 능력
생성형 AI의 성능이 높아질수록 질문의 중요성도 커진다. 막연한 질문에는 막연한 답이 돌아오고, 구체적인 질문에는 더 정교한 답이 돌아온다.
그러나 질문을 잘한다는 것은 단순히 프롬프트 문장을 길게 쓰는 것이 아니다. 무엇이 문제인지 정의하고, 필요한 조건을 구분하며, 원하는 결과의 기준을 세우는 능력이다.
예를 들어 “환경 문제를 해결해 줘”라는 질문보다 “우리 학교에서 일주일 동안 발생하는 일회용품의 양을 조사하고, 이를 줄일 수 있는 실행 가능한 방법을 제안해 줘”라는 질문이 훨씬 구체적이다. 좋은 질문은 문제를 관찰하고 구조화한 결과다.
AI 시대에 정보를 배운다는 것은 답을 암기하는 것보다 답을 만들어 낼 수 있는 질문을 설계하는 것이다.
데이터 뒤에 있는 사람을 이해하는 일
정보기술은 중립적인 도구처럼 보이지만, 언제나 사람과 사회의 가치가 반영된다. AI가 학습한 데이터에는 기존 사회의 편견이 포함될 수 있고, 개인정보를 활용한 서비스는 편리함과 감시의 문제를 동시에 가져올 수 있다.
얼굴 인식 기술은 보안을 강화할 수 있지만 사생활을 침해할 수도 있다. 추천 알고리즘은 취향에 맞는 콘텐츠를 보여 주지만 사용자의 선택을 특정 방향으로 유도할 수도 있다. 자동화된 평가 시스템은 효율적일 수 있지만 일부 사람에게 불공정한 결과를 줄 가능성도 있다.
그래서 정보교육에는 기술적 능력뿐 아니라 윤리적 판단이 포함되어야 한다.
이 기술은 누구에게 도움이 되는가?
누가 불이익을 받을 수 있는가?
어떤 정보가 수집되고 있는가?
문제가 발생했을 때 누가 책임져야 하는가?
정보를 배운다는 것은 기술을 능숙하게 사용하는 것에 그치지 않고, 기술을 어떤 방향으로 사용할 것인지 결정하는 시민으로 성장하는 과정이다.
AI와 경쟁하기보다 AI를 지휘하는 능력
AI가 인간보다 더 빠르게 계산하고 더 많은 자료를 처리한다고 해서 인간의 배움이 불필요해지는 것은 아니다. 계산기가 등장한 뒤에도 수학적 사고가 중요했던 것처럼, 생성형 AI가 등장한 뒤에는 정보적 사고가 더욱 중요해진다.
AI는 가능한 답을 제시할 수 있지만, 어떤 문제가 중요한지는 스스로 결정하지 못한다. AI는 기존 자료를 조합할 수 있지만, 결과에 의미와 목적을 부여하는 일은 인간의 몫이다. AI는 선택지를 만들 수 있지만, 그중 무엇을 선택하고 책임질 것인지는 사람이 판단해야 한다.
앞으로 필요한 사람은 AI보다 더 많은 정보를 기억하는 사람이 아니다. AI에게 적절한 일을 맡기고, 결과를 검증하며, 서로 다른 정보를 연결해 새로운 가치를 만드는 사람이다.
정보를 배운다는 것은 세상을 읽고 다시 만드는 일이다
AI 시대의 정보교육은 특정 프로그램의 사용법을 익히는 교육이 되어서는 안 된다. 지금 사용하는 도구와 플랫폼은 빠르게 사라지고 바뀔 수 있기 때문이다.
변하지 않는 핵심은 문제를 발견하는 능력, 정보를 구조화하는 능력, 알고리즘을 이해하는 능력, 결과를 검증하는 능력, 그리고 기술의 영향을 책임 있게 판단하는 능력이다.
결국 AI 시대에 정보를 배운다는 것은 컴퓨터를 배우는 것만을 의미하지 않는다. 그것은 데이터와 알고리즘으로 움직이는 세상을 읽는 법을 배우는 일이다. 동시에 그 세상을 더 공정하고, 안전하고, 창의적으로 다시 설계하는 법을 배우는 일이다.
AI가 답을 만들어 주는 시대일수록 인간은 더 좋은 질문을 해야 한다. 정보가 넘쳐나는 시대일수록 우리는 더 신중하게 판단해야 한다. 기술이 강력해질수록 그것을 사용하는 사람의 책임도 커진다.
그것이 AI 시대에 우리가 정보를 배워야 하는 가장 중요한 이유다.