AI 시대의 대학 입시 해킹 18화, 인문학의 르네상스, Liberal Arts 의 새로운 가치

헤아가 연재하는 책 'AI 시대의 대학 입시 해킹'의 18화다. 매일 아침 한 편씩, AI가 바꿔 놓은 미국 입시의 실제 작동 방식을 짚는다.

---

지난 20년간 한국 사회에서 인문학 전공은 '취업 경쟁력 약화'의 동의어처럼 여겨졌다. '문송합니다(문과라서 죄송합니다)'라는 자조 섞인 농담은, 이공계(STEM)만이 불확실한 미래의 유일한 해답이라는 사회적 믿음을 압축적으로 보여준다. 많은 부모가 자녀가 수학이나 코딩에 조금이라도 재능을 보이면 망설임 없이 이공계 진학을 권하는 것을 현명한 선택이라 믿어왔다.

그러나 기술 혁신의 심장부인 실리콘밸리에서 역설적인 현상이 나타나고 있다. 세계 최고 수준의 인공지능 연구소들이 철학자, 역사학자, 사회과학자를 함께 불러 모은다. 기술의 정점에서, 기계가 가질 수 없는 가장 인간적인 능력이 다시 그 가치를 인정받기 시작했다. 이것은 단순한 유행이 아니라 AI 시대가 요구하는 인재상의 근본적 변화를 알리는 신호다.

실리콘밸리가 다시 인문학자를 부르는 이유

AI 기술 개발을 선도하는 기관들은 기술 만능주의의 한계를 누구보다 먼저 깨달았다. 알고리즘의 연산 능력이 인간을 압도할수록, 그 기술을 어떤 방향으로 사용하고 어떻게 통제할 것인가라는 윤리적, 사회적 질문이 중요해진다. 이 질문에 답하는 것은 코드가 아니라 인간의 깊은 사유, 곧 인문학의 영역이다.

이러한 변화의 중심에 스탠퍼드 대학의 HAI(Human‑Centered Artificial Intelligence) 연구소가 있다. HAI는 사명을 'AI 연구, 교육, 정책, 실천을 발전시켜 인간의 조건을 개선한다'로 명시하고, AI가 사람을 대체하는 것이 아니라 보강하도록 설계되어야 한다고 본다. HAI는 AI를 대학 전체에 걸친 분야로 규정한다. 공동 디렉터인 철학자 존 에첸디(John Etchemendy)는 "모든 분과의 전문성을 끌어오지 않으면 기술의 함정을 피하면서 그 잠재력을 실현할 수 없다"고 말한다. 컴퓨터 과학자뿐 아니라 다양한 분과의 학자가 AI의 사회적 영향, 공정성, 투명성 문제를 함께 연구하는 곳이다. 철학자가 연구소를 이끄는 한 축이라는 사실 자체가 실리콘밸리가 인문학자를 부른다는 명제를 보여준다.

UC 버클리의 소셜 사이언스 매트릭스(Social Science Matrix) 역시 비슷한 흐름을 보여준다. 이곳은 여러 분과의 학자가 모여 복잡한 사회 문제를 함께 다루는 연구 플랫폼이다. 운영 중인 연구팀 가운데 하나는 '데이터 마이닝, 알고리즘, 디지털 경제의 사회적 효과와 규범성'을 주제로, 알고리즘 시스템이 정치적 권리와 사회 구조에 미치는 영향을 파고든다. 기술이 야기한 사회 변화의 본질을 꿰뚫기 위해 인문사회학적 통찰을 적극적으로 활용하는 셈이다.

이러한 융합은 고성능 자동차를 만드는 과정과 닮았다. 컴퓨터 공학자가 강력한 엔진을 만든다면, 인문학자는 운전자가 편안함을 느끼는 좌석을 연구하고(인간-컴퓨터 상호작용), 모두가 안전하게 도로를 이용할 규칙을 설계하며(법률과 윤리), 자동차가 사회 전체의 교통 흐름에 미칠 영향을 분석한다(사회학). 엔진만으로 위대한 자동차가 탄생할 수 없듯, 기술만으로는 건강한 AI 생태계를 만들 수 없다.

AI의 '맹점'을 읽어내는 비판적 사유

인문학의 가치가 재조명되는 더 근본적인 이유는 AI가 가진 명백한 한계, 곧 '맹점' 때문이다. 생성형 AI 모델은 방대한 데이터를 학습한 통계적 패턴 생성기다. AI는 데이터 속 상관관계는 기가 막히게 찾아내지만, 그 데이터가 생성된 역사적, 사회적 맥락이나 인과관계는 이해하지 못한다.

과거 수십 년의 데이터를 학습한 AI에게 '리더의 이미지'를 그려보라고 하면 특정 성별이나 인종에 치우친 이미지를 생성할 가능성이 높다. AI는 데이터에 반영된 과거의 편향을 그대로 학습하고 증폭할 뿐, 왜 그런 편향이 존재했는지, 그것이 윤리적으로 옳은지 스스로 묻지 못한다. 이것이 AI가 가진 문맥적 실명(Context Blindness) 상태다.

이 맹점을 간파하고 질문을 던지는 것이 인문학적 사유의 핵심이다. 사회과학자는 데이터에 숨겨진 구조적 차별을 읽어내고, 역사학자는 현재의 편향이 어떤 역사적 사건에서 비롯되었는지 맥락을 제공한다. 철학자는 '공정성'이란 무엇인지 근본 정의를 파고들며 알고리즘이 따라야 할 윤리 원칙을 제시한다. 이것은 코드를 수정하는 기술 문제를 넘어선다.

이러한 필요성은 대학 교육 과정에도 반영되기 시작했다. 여러 대학이 컴퓨터 과학 교육 안에 윤리와 사회적 영향에 대한 고찰을 통합하고, 학생이 기술을 개발하는 동시에 그 기술이 인간의 삶과 사회에 미칠 함의를 함께 사고하도록 훈련한다. 미래의 기술 리더에게 코딩 능력만큼이나 비판적 사유 능력이 중요하다는 점을 대학이 인정하고 있는 것이다.

결국 AI가 내놓은 정교한 분석이나 예측 모델을 맹신하는 것이 아니라, '이 데이터는 누구를 배제하고 있는가', '이 알고리즘이 추구하는 가치는 옳은가' 같은 질문을 던질 수 있는 능력이야말로 기계가 대체할 수 없는 인간 고유의 경쟁력이 된다.

새로운 규칙을 만드는 사람들, AI 거버넌스

AI 기술이 사회 전반에 깊숙이 통합되면서, 기술을 통제하고 올바른 방향으로 이끌 사회적 '규칙'을 만드는 일이 시급한 과제로 떠올랐다. 이 새로운 분야를 AI 거버넌스(AI Governance) 또는 AI 윤리와 정책(AI Ethics & Policy)이라고 부른다.

이 분야는 빠르게 성장하는 새로운 직업 시장을 형성하고 있다. 유럽연합(EU)이 포괄적인 AI 규제법(AI Act)을 마련했고, 미국 역시 AI의 안전과 신뢰성 확보를 위한 정책을 내놓았다. 빅테크 기업과 정부 기관은 AI 기술을 도입할 때 발생할 수 있는 법적, 윤리적 리스크를 관리하고 규제를 준수할 전문가를 필요로 한다.

AI 거버넌스 전문가에게 요구되는 역량은 컴퓨터 공학 지식에 국한되지 않는다. 오히려 법학, 정책학, 사회학, 철학, 커뮤니케이션 등 인문사회 계열의 지식이 핵심이다. 이들은 복잡한 기술의 원리를 이해하고, 그것이 사회에 미칠 잠재적 파급효과를 예측하며, 다양한 이해관계자와 소통해 합리적인 정책 대안을 만들어낸다.

구체적으로는 다음과 같은 신흥 직업이 주목받는다.

• AI 윤리학자(AI Ethicist): 기업이 개발하는 AI 모델이 편향되거나 차별적인 결과를 낳지 않도록 윤리 가이드라인을 세우고, 개발 과정 전반을 감독한다.
• AI 정책 분석가(AI Policy Advisor): 정부 기관이나 국제기구에서 AI 관련 법률과 규제를 연구하고, 기술 발전에 발맞춘 정책을 설계한다.
• 컴퓨테이셔널 언어학자(Computational Linguist): 언어학 지식을 바탕으로 거대 언어 모델(LLM)이 특정 문화권의 언어와 가치관을 어떻게 반영하고 왜곡하는지 분석하고 개선 방향을 제시한다.

이러한 역할은 AI가 할 수 있는 일, 곧 데이터 분석과 패턴 인식을 넘어, AI가 '해야 하는 일'과 '해서는 안 되는 일'의 경계를 설정하는 매우 인간적인 과업이다. 기술이 세상을 바꾸는 속도가 빠를수록, 그 방향을 결정하는 '운전대'를 쥔 사람의 가치는 높아진다.

자녀의 전공을 고민할 때 이 거대한 변화의 흐름을 인지해야 한다. 인문학 전공이 과거처럼 '취업과 무관한 학문'으로 남으리라는 생각은 위험한 착각이다. 오히려 인문학적 소양 위에 기술에 대한 깊은 이해를 결합할 때, 아이는 AI 시대의 새로운 규칙을 만드는 핵심 인재로 성장할 잠재력을 갖는다.

철학과를 졸업하는 것이 정답이라는 의미가 아니다. 핵심은 '융합'에 있다. 철학을 전공하며 코딩을 함께 배우거나, 역사학도로서 데이터 분석 도구를 자유롭게 활용해 사료를 분석하는 경험을 쌓는 것, 바로 이런 이력이 미래의 고용주가 찾게 될 새로운 형태의 '스파이크'가 된다.

인문학의 가치가 AI의 맹점을 파고들며 재정의되고 있음을 확인했다. 그렇다면 질문은 이것이다. 우리 아이의 포트폴리오에서, AI가 흉내 낼 수 없는 이 깊이 있는 사유의 증거를 대학은 어디에서 찾으려 할 것인가?

---

이 글은 연재의 일부다. 내용은 공개 1차 출처를 기반으로 하며, 개별 입시 판단을 대신하지 않는다.

• 15화 다시 보기
• 16화 다시 보기
• 17화 다시 보기