“AI 시대에도 세상은 인간 중심으로 돈다!”

기술 활용법을 넘어 사고법으로

책으로 읽고, ‘테크런’에서 강의와 실습까지

네이버 커넥트재단이 제안하는 새로운 AI 리터러시

인공지능의 개념과 기초 원리부터 에이전틱 AI·피지컬 AI와의 협업, 공공선을 위한 이용까지를 비전공자의 눈높이로 한 권에 담은 AI 생활력 지침서 《네이버 커넥트 THE AI BOOK》이 출간되었다. 대한민국 대표 IT 기업 네이버가 설립한 비영리 교육 기관 네이버 커넥트재단이 기획하고, AI 교육 전문가들이 집필한 ‘모두를 위한 AI 교과서’다. 수많은 AI 입문서처럼 ‘어떻게 사용할 것인가’에 초점을 맞추기보다 한 걸음 더 나아가 ‘어떻게 생각할 것인가’를 묻는다. 계산기가 연산을 대신해도 수학적 사고의 가치가 사라지지 않았듯, AI가 분석과 창작을 보조하는 시대에도 인간의 사고력은 형태를 바꿔 더욱 절실해진다는 것이 이 책의 핵심 전제다. 주체성부터 맥락적 사고, 사회·관계적 사고까지 고려대학교·중앙대학교 연구진 6인이 개발하고 팀 네이버 전문가의 검증을 거친 ‘12가지 인간 중심 사고’ 프레임워크를 중심으로, 기술의 원리를 이해하는 ‘무엇을 아는가’와 그것을 실천하는 ‘어떻게 생각하고 행동하는가’를 하나로 엮어낸다. 네이버 커넥트재단의 무료 학습 플랫폼 ‘테크런’의 교육 콘텐츠와도 연계되어 있어, 독자들이 온라인 강의를 듣고 직접 실습하며 AI를 이해하고 활용하는 실질적 역량인 ‘AI 생활력’을 체득할 수 있다.

[목 차]

추천사

머리말: AI 시대, 사람의 자리를 묻습니다

 

0. AI 시대의 나침반: 인간 중심 사고

사라지는 일자리, 약해지는 사고력

사용법을 넘어 사고법으로

12가지 역량의 3가지 축: 중심 잡기, 융합하기, 성찰하기

엔진을 이끄는 ‘운전자의 조종술’

 

1. 숫자로 빚은 지능: 인공지능의 본질

데이터 등급 뒤의 사람 읽기

기계가 지능을 구현하는 원리

지능 너머의 힘: 직관적 통찰

 

2. 세상을 읽는 새로운 언어: 데이터

숫자 속에 숨은 삶의 진실

세상을 기록하는 보이지 않는 흔적

데이터를 읽는 무기: 호기심, 문제 해결적 사고, 맥락적 사고

 

3. 패턴을 찾는 AI의 방식: 기계학습

AI는 어떻게 취향을 알아내는가?

스스로 정답을 깨닫는 기계

엔진을 조종하는 전략: 창의적 사고, 문제 해결적 사고

 

4. 뇌를 닮은 회로의 진화: 딥러닝

'정상' 판정 이면의 진실

인공신경망의 탄생과 도약

블랙박스를 여는 열쇠: 성찰적 사고

 

5. 창작하는 기계의 시대: 생성형 AI

AI의 문장과 사람의 마음

기계가 세상을 짓는 방식

진심을 전하는 감각: 사회·관계적 사고

 

6. 기술의 힘과 인간의 책임: 데이터 윤리

'동의' 클릭 후 벌어지는 일들

데이터가 던지는 도덕적 질문들

기술의 나침반: 윤리적 사고

 

7. 실행하는 지능: 에이전틱 AI와 피지컬 AI

AI 비서와 인간의 판단

행동하는 '팔다리'를 얻은 AI

주체적 위임의 지혜: 주체성

 

8. 기술과 산업이 함께 만드는 변화: AI+X

기계와 인간이 동료가 된 현장

세상의 모든 분야와 만난 AI

기술의 주인으로 서는 힘: 주체성, 호기심, 비판적 사고

 

9. 인간과 기술의 공존: AI 협업

비서로 쓸 것인가, 상전으로 모실 것인가

인공지능을 믿되 검증하는 법

함께 살아가는 지혜: 윤리적 사고, 비판적 사고, 맥락적 사고

 

10. 공공선을 위한 기술: AI for Good

쓰레기통이 스스로 생각한다면

사각지대를 비추는 기술의 실천과 원칙

공익을 완성하는 사고: 맥락적 사고, 통합적 사고, 적응성

 

찾아보기

[본 문]

계산기가 연산을 대신해도 수학적 사고의 가치가 사라지지 않았듯, AI가 분석과 창작을 보조하는 시대에도 인간의 사고력은 형태를 바꿔 더욱 절실해집니다. AI가 데이터에서 패턴을 찾는 데 탁월할지라도, 무엇이 가치 있는 일인지 정의하고 복잡한 맥락을 통찰하며 윤리적 딜레마 속에서 판단하는 것은 오직 인간만이 할 수 있는 일이기 때문입니다. AI는 강력한 엔진이지만, 그 엔진의 방향을 결정하는 운전자는 바로 우리 인간입니다. (7쪽)

 

인간 중심 사고는 AI 시대를 불안하게 맞이하는 사람에게 ‘당신에게도 이미 힘이 있다’고 말해주는 프레임워크입니다. 기술의 발전에 대한 막연한 두려움은 흔히 ‘나는 아무것도 할 수 없다’는 무력감에서 비롯됩니다. 그러나 12가지 역량의 렌즈를 통해 바라보면, 우리는 이미 매일 이 역량들을 크고 작게 발휘하고 있으며, 다만 그것을 의식적으로 단련하고 AI라는 새로운 맥락에 맞게 확장하면 된다는 사실을 깨닫게 됩니다. (24쪽)

 

생성형 AI를 논할 때 중요한 것은 ‘모델이 얼마나 똑똑한가’만이 아닙니다. 실제 현장에서는 모델이 읽을 수 있는 맥락의 길이, 외부 도구와 데이터를 안전하게 호출하는 방식, 그리고 결과를 검증하는 절차가 함께 설계될 때 비로소 생산성 향상으로 이어집니다. 다시 말해, 생성형 AI는 하나의 거대한 뇌라기보다, 뇌(모델)·기억(데이터)·손발(도구)·규범(거버넌스)이 결합된 시스템으로 이해하는 편이 정확합니다. (47쪽)

 

결국 AI를 잘 쓴다는 것은 모델을 ‘도입’하는 것이 아니라, 모델이 내놓는 결과를 검증 가능하고 책임질 수 있는 방식으로 운영하는 체계를 갖추는 일입니다. (51쪽)

 

현장에 따라 인간의 감독은 3가지 수준으로 구체화됩니다. AI가 분석한 의료 영상을 의사가 최종 판독하는 것처럼 모든 중요 단계에 인간이 직접 개입하는 ‘인간 참여(human-in-the-loop)’, 자율주행 시스템처럼 AI가 자율 운행하되 인간이 실시간 감시하며 문제 발생 시 즉시 통제권을 가져오는 ‘인간 감시(human-on-the-loop)’, 그리고 AI 시스템의 작동 목표와 조건을 설정하고 전반적 운영을 관리 감독하는 ‘인간 지휘(human-in-command)’가 그것입니다. 이러한 원칙은 AI의 오류나 편향으로부터 인간을 보호하는 최후의 안전핀일 뿐 아니라, 기술의 결과에 대한 궁극적인 윤리적·법적 책임이 항상 인간에게 있음을 명확히 하는 기반이 됩니다. (55-56쪽)

 

그러나 이 가능성에는 그림자도 있습니다. 생성형 AI는 ‘역량 증폭기(capability amplifier)’ 역할을 하기에, 기본 역량이 높은 사람일수록 더 큰 혜택을 누립니다. 기본 역량이 10인 사람과 20인 사람에게 AI가 10배의 증폭 효과를 준다면, 초기 격차 10은 AI 도입 후 100으로 벌어집니다. 이것이 바로 인공지능 도구를 잘 활용하는 사람과 그러지 못하는 사람 사이의 AI 격차(AI divide) 문제입니다. (58쪽)

 

데이터 리터러시는 거창한 기술이 아닙니다. 뉴스에서 ‘설문 응답자의 85퍼센트가 찬성했다’라는 기사를 볼 때 ‘응답자가 몇 명이었을까? 표본이 편향되지는 않았을까?’라고 한 번 더 생각해보는 것, 포털 사이트의 실시간 검색어 순위가 실제 여론을 반영하는지 의심해보는 것, 광고에서 제시하는 통계 수치의 출처와 맥락을 확인하는 것, 이 모두가 데이터 리터러시의 실천입니다. 데이터를 무조건 신뢰하지도, 무조건 의심하지도 않으며, 합리적 근거를 바탕으로 판단하는 자세야말로 이 시대가 요구하는 시민 역량입니다. (93-94쪽)

 

최근에는 더 나은 알고리즘을 개발하는 것보다 고품질 데이터를 확보하는 것이 성능 향상의 핵심이라는 인식이 확산되면서, 데이터 중심 AI라는 흐름이 주목받고 있습니다. 과거에는 모델의 구조와 알고리즘을 개선하는 데 연구 역량이 집중되었지만, 모델 성능이 상향 평준화된 오늘날에는 데이터의 정확한 레이블링, 다양성 확보, 오류 데이터 정제에 더 많은 자원을 투입하는 추세입니다. 데이터의 양뿐 아니라 질이 모델의 성패를 가르는 시대가 된 것입니다. (108쪽)

 

블랙박스 문제가 단순한 기술적 호기심의 대상에 그치지 않는 이유는 딥러닝이 점점 더 중대한 의사 결정에 관여하고 있기 때문입니다. AI가 대출 신청을 거절했는데 그 이유를 알 수 없다면 은행에 대한 불만과 불신이 쌓일 것이고, 의료 AI의 진단 근거가 불투명하다면 의사도 환자도 그 진단을 온전히 신뢰하기 어렵습니다. 자율주행 자동차가 사고를 냈을 때 AI의 판단 근거를 알 수 없다면 법적 책임 소재조차 가릴 수 없습니다. 편향이 섞여 있거나 오류가 발생했을 때 원인을 찾아내고 바로잡기 어렵다는 점도 심각한 문제입니다. (146쪽)

 

권장하는 프롬프트에는 몇 가지 공통 요소가 있습니다. 누구의 관점에서 답해야 하는지를 알려주는 역할(role), 현재 상황과 배경을 설명하는 맥락(context), 구체적으로 무엇을 해야 하는지를 명시한 지시(instruction), 어떤 조건을 지켜야 하는지를 정한 제약(constraint), 그리고 결과의 모양을 결정하는 출력 형식(format)입니다. (175쪽)

 

특히, 현장의 무게중심은 ‘문장을 잘 쓰는 기술’에서 ‘문제를 잘 정의하는 기술’로 옮겨가고 있습니다. 최근 차세대 추론형 모델들이 잇달아 등장하면서, ‘단계별로 생각해보자’라고 지시하지 않아도 모델 스스로 중간 단계를 풀어가는 일이 일상이 되었기 때문입니다. 이 변화가 우리에게 보내는 신호는 ‘프롬프트 기법을 더 정교하게 다듬어라’가 아닙니다. 모델이 사고 과정을 자동화할수록, 사람의 일은 사고의 출발점과 종착점—무엇을 풀게 할 것인가, 그 결과를 어떻게 검증할 것인가—에 집중됩니다. 최근의 모델들에서는 좋은 한 줄의 프롬프트보다 좋은 질문과 단단한 검증 기준이 더 큰 차이를 만들어냅니다. (176-177쪽)

 

우리는 모델명과 가격의 목록이 아니라, 이 흐름이 일상의 어느 자리에 닿는가 하는 문제에 주목해야 합니다. 위험한 분류 및 운반 작업은 사람의 손을 떠나기 시작했고, 가정용 휴머노이드의 등장은 그동안 가전 기기 단위로 분리되어 있던 일들을 ‘집안일 전체’라는 하나의 과업으로 묶어갑니다. 그래서 사용자에게는 새로운 질문이 따라옵니다. 어떤 일을 로봇에게 맡길 것인지, 그 결과를 어디까지 신뢰하고 어디부터 다시 검토할 것인지, 사고가 발생했을 때 책임을 어떻게 설계할 것인지. 휴머노이드 시대가 던지는 진짜 과제는 ‘얼마짜리 로봇이 등장했는가’가 아니라 ‘나는 어디까지 위임할 준비가 되어 있는가’에 있습니다. (241쪽)

 

전통적인 소프트웨어는 규칙이 코드로 적혀 있어 문제가 생기면 규칙을 고쳐 다시 배포하면 됩니다. 반면 기계학습 기반 시스템은 규칙이 데이터에서 만들어집니다. 따라서 데이터가 바뀌면 규칙도 바뀌고, 조직의 관행이 바뀌면 모델의 판단도 바뀝니다. 이 차이는 단순한 기술적 차이가 아니며, 책임의 차이를 만들어냅니다. 모델이 내린 판단이 부당해 보일 때 우리는 무엇을 고쳐야 할까요? 코드 한 줄이 아니라 데이터와 목표, 운영과 평가까지 함께 들여다봐야 합니다. (287쪽)

 

이때 협업의 기술은 ‘정답을 더 빨리 얻기’가 아니라 ‘실수를 더 빨리 찾기’로 이동합니다. 예컨대 AI에게 결론을 쓰게 하는 대신 결론을 공격해달라고 요청할 수 있습니다. ‘이 주장에 가장 강한 반박은 무엇인가?’ ‘내가 놓친 리스크는 무엇인가?’ ‘현장에서 실패할 수 있는 경계 조건을 나열하면?’ 같은 질문은 결과의 안전성을 높입니다. AI를 동료로 쓴다는 것은 AI를 칭찬하는 비서로만 쓰는 것이 아니라 비판하는 동료로도 쓸 수 있다는 뜻입니다. (301쪽)

인류는 지금 역사상 가장 중대한 전환점을 지나고 있습니다. 사람처럼 소통하고 추론하며 실행까지 하는 AI가 등장했기 때문입니다. 하지만 노엄 촘스키가 지적했듯, 통계적 패턴을 다루는 기계의 지능은 가치를 판단하고 도덕적으로 사고하는 인간 언어의 본질과는 다릅니다. 질문하는 데 그치지 않고 판단과 결정마저 AI에 위임하며 종속되어가는 위기 속에서, 이 책은 그 미끄러짐에 제동을 거는 든든한 브레이크가 되어줍니다.

저자들은 AI의 본질을 깊이 파고들어, 사람이 중심을 잡고 주체적으로 사고하면서 AI를 제대로 활용하는 길을 제시합니다. 창의적·비판적·윤리적 사고 등 인류가 오랜 시행착오 끝에 빚어낸 고유한 역량들이 AI 시대에 왜 더 큰 가치를 갖게 되는지 이보다 설득력 있게 풀어낸 책은 없습니다. AI에 종속되지 않고 AI와 함께 진화하며 지속 가능한 길을 모색하는 모든 분께 일독을 권합니다.

_이태억 KAIST 산업및시스템공학과 명예교수, 네이버 커넥트재단 사외이사

 

AI 시대의 교육은 기술을 가르치는 것으로 끝나지 않습니다. 기술의 원리를 이해하되, 그것을 어디에 어떻게, 왜 쓸 것인지 스스로 판단하는 사람을 길러내는 것이 교육의 진짜 과제입니다. 이 책은 바로 그 ‘왜’와 ‘어떻게’에 답하는 가장 체계적인 안내서입니다.

인공지능 혁신융합대학 사업을 이끌며 제가 늘 절감하는 것은 프롬프트를 잘 치는 기술보다는 문제를 정의하고 맥락을 읽어내는 ‘사고의 힘’이 더 중요하다는 사실입니다. 이 책은 데이터부터 에이전틱 AI까지 인공지능의 전 지형을 한 권으로 밀도 있게 짚어주는 동시에, 매 장마다 현장의 시나리오를 통해 ‘12가지 인간 중심 사고’가 실제로 어떻게 작동하는지 생생하게 보여줍니다. 기술의 격차를 넘어 ‘사고의 격차’를 줄이고 싶은 학생과 실무자 모두에게 이 책은 단순히 지식을 전달하는 데 그치지 않고 흔들리지 않는 성장의 나침반이 되어줄 것입니다.

_김수형 전남대학교 인공지능학부 교수, 인공지능 혁신융합대학AICOSS 센터장

 

패기 넘치는 제목처럼, 이 책은 AI 시대를 살아가는 데 필요한 가장 명료하고 단단한 AI 교과서입니다. 인공지능의 기본 개념을 일반인의 눈높이에 맞춰 설명할 뿐만 아니라, 우리 삶에 밀착된 사례들을 통해 기술을 어떻게 주체적으로 다룰 것인지 친절하게 안내합니다.

호기심, 맥락적 이해, 비판적 성찰 같은 인간만의 사고 근육이 자칫 치명적 오류로 이어질 수 있는 AI의 판단 결과를 어떻게 바꾸는지 확인하는 과정은 흥미롭고도 묵직합니다. 기술에 매몰되지 않고 ‘우리가 풀고자 하는 목표’를 먼저 생각하게 함으로써, 이 책은 AI의 빛과 그림자를 감당하는 주체는 결국 인간이라는 자각을 또렷하게 심어줍니다.

_정혜승 북살롱 오티움 공동대표, 前 카카오 부사장, 前 청와대 디지털소통센터장