모두가 모든 일에 AI를 쓰는 것은 아니다

 (gabrielweinberg.com)
3P by GN⁺ | ★ favorite | 댓글 1개
  • 채팅 인터페이스로 접근하는 생성형 AI 사용은 보편적 일상 도구라기보다 적극 사용, 간헐 사용, 비사용으로 나뉘는 연속선에 가까움
  • 여러 사용 데이터와 설문을 종합하면 미국의 AI 사용은 대략 3분의 1 적극 사용, 3분의 1 간헐 사용, 3분의 1 비사용에 가까움
  • Gen Z에서도 AI 인지도는 높지만 채택은 거의 정체됐고, Gallup 조사에서 월 1회 또는 몇 달에 한 번 사용 비율과 비사용 비율이 큰 몫을 차지함
  • AI 사용을 제한하는 주요 이유는 일자리 대체, 개인정보 침해, 허위정보 확산에 대한 우려와 AI 유용성에 대한 회의감임
  • AI 시장과 정책은 “모두 사용” 또는 “아무도 사용 안 함”의 이분법보다, 사용 강도와 우려가 다른 사람들을 전제로 접근해야 함

“모두가 모든 일에 AI를 쓴다”는 실제로는 “일부가 일부 일에 AI를 쓴다”에 가까움

  • 여기서 AI는 엄밀히 정의된 범주가 아니라, 채팅 인터페이스로 접근 가능한 생성형 AI를 뜻함
  • “AI를 한 번 써보면 모든 일에 쓴다”는 전제와 “AI가 너무 좋아져서 모두가 쓴다”는 전제는 데이터와 맞지 않음
  • Gen Z는 AI 인지도가 가장 높은 집단이지만, 최근 1년 동안 AI 채택은 거의 정체됐고 상당한 비율은 AI를 드물게 쓰거나 전혀 쓰지 않음
  • Gallup의 2025/2026년 Gen Z 수치는 AI 사용이 보편적 집중 사용으로 이동하지 않았음을 보여줌
    • AI를 드물게라도 쓰는 비율은 79%/81% 임
    • AI에 불안을 느끼는 비율은 41%/42% 임
    • AI를 월 1회 또는 몇 달에 한 번만 쓰는 비율은 32%/31% 임
    • AI에 화를 느끼는 비율은 22%/31% 임
    • AI를 전혀 쓰지 않는 비율은 21%/19% 임

실제 사용 데이터가 보여주는 분포

  • Microsoft의 United States AI Diffusion 데이터는 익명화·집계된 Microsoft 원격측정 자료를 기반으로 하며, 미국 생산연령 인구의 30% 초과가 AI를 사용한다고 봄
    • 이는 약 70%가 해당 기준의 AI 사용자가 아님을 뜻함
    • 2025년 말보다 3%포인트 증가한 수준임
    • 사용 기준은 ChatGPT, Google Gemini, Anthropic Claude, Microsoft Copilot 등 주요 AI 서비스에서 한 달에 최소 90분을 쓴 경우임
  • Datos의 실제 사용 데이터도 비슷한 그림을 보였으며, 지난해 6월 기준 데스크톱 기기의 21% 만 AI Tools를 월 10회 이상 방문함
    • 데스크톱 기기의 62% 는 AI Tools 방문이 0회였음
    • 나머지 17% 는 그 사이에 속함
  • Searchlight Institute 조사에서는 58% 가 ChatGPT나 Claude 같은 AI를 사용하거나 시도한 적이 있다고 답함
    • 비교적 정기적으로 쓰는 비율은 30% 로, 한 달에 몇 번 이상 사용함
    • 더 드문 사용자는 29% 로, 한 달에 한 번 이하로 사용함
  • The Argument의 새 조사에서는 대부분의 미국인이 AI를 주 1회 이하로 사용함

미국 AI 사용은 3분할에 가까움

  • 여러 자료를 종합하면 미국의 AI 사용은 대략 적극 사용 3분의 1, 간헐 사용 3분의 1, 비사용 3분의 1로 나뉨
  • 이 분포는 용어 정의에 따라 조금 달라질 수 있지만, “모두가 모든 일에 AI를 쓴다”보다는 “일부가 일부 일에 AI를 쓴다”에 가까움
  • 최근 6개월에서 1년 사이 AI 사용은 크게 이동하지 않았음
  • 크게 달라진 지점은 AI에 대한 부정적 감정이며, Gallup의 Gen Z 조사에서 AI에 대한 분노는 전년 대비 약 40% 상승함

많은 사람이 실제 우려와 낮은 체감 가치 때문에 AI 사용을 제한함

  • 상당한 비율의 사람들은 AI 사용을 적극적으로 제한하고 있으며, 주요 이유는 AI에 대한 현실적 우려임
  • Searchlight 조사에서 상위 3개 우려는 일자리 대체와 실업, 개인정보 침해, 허위정보와 거짓 확산임
    • “AI가 일자리를 대체하고 실업을 초래할 것”은 42% 임
    • “AI가 사람들의 개인정보를 침해할 것”은 35% 임
    • “AI가 허위정보와 거짓을 퍼뜨릴 것”은 33% 임
  • 안전과 개인정보 보호를 위한 AI 규제 선호도도 강하며, 다수는 미국의 AI 개발 속도가 중국 같은 국가보다 느려지더라도 정부가 안전·개인정보 규칙을 우선해야 한다고 봄
  • AI 유용성에 대한 회의감도 크며, 사회 전체에 미치는 영향의 순긍정 평가는 AI가 +8% 에 그침
    • 소셜미디어는 +7%, 암호화폐는 -17% 임
    • 휴대전화, 인터넷, 태양광 에너지는 각각 +68%, +67%, +65% 임
  • The Argument 조사에서는 AI의 구체적 사회적 혜택에 대한 회의감이 넓게 나타났고, AI 효과에 대한 회의는 실제 사용 경험이 없는 사람들의 무지에서만 나온 것이 아님

개인 사용에서도 우려 대비 가치가 충분하지 않은 사람이 많음

  • 사회 차원에서는 부정적으로 보면서 개인 차원에서는 다르게 행동할 수도 있지만, 현재 AI 사용 분포는 그런 모습과 맞지 않음
  • 간헐 사용자가 가장 큰 축을 이루고 완전 회피자도 많다는 점은, 많은 사람이 우려를 넘을 만큼의 개인적 가치를 아직 찾지 못했음을 보여줌
  • “모두가 모든 일에 AI를 쓴다”는 미디어 서사는 초기 수용 지식노동자와 기술 언론 주변의 거품을 반영할 수 있음
  • 기업, 평론가, 정책 입안자는 사람들이 AI에 대해 실제로 어떻게 느끼고 행동하는지 무시하면 안 됨
  • AI 사용은 전원 사용 또는 전원 비사용의 이분법이 아니라, 다양한 의견과 사용 강도가 섞인 연속선임

핵심 비유: 고기 소비와 AI 소비

  • AI 소비는 고기 소비와 비슷하게, 적극적으로 받아들이는 사람, 사용을 줄이는 사람, 완전히 피하는 사람으로 나뉨
  • 단백질이 식단에서 중요하다는 메시지는 생산성에 AI가 유용하다는 메시지와 유사하고, 고기가 단백질의 주요 공급원인 점은 AI 채팅 도구가 생성형 AI의 주요 접근점인 점과 대응됨
  • 미국의 고기 소비 선호도도 전원 소비 구조가 아님
    • 95% 는 고기를 먹음
    • 70% 는 붉은 고기 소비를 줄인다고 답함
    • 30% 는 모든 고기를 드물게 또는 가끔만 먹음
    • 12% 는 붉은 고기를 먹지 않음
    • 4% 는 채식주의자로, 어떤 고기도 먹지 않음
    • 1% 는 비건으로, 어떤 동물성 제품도 먹지 않음
  • 고기 소비 제한 이유에는 건강, 비용, 환경, 윤리가 있으며, 이는 AI 소비에서도 주요 우려와 겹침

시장 기회와 제품 선택지

  • 고기 소비 비유는 AI에 대한 감정과 특정 우려가 다른 사람들을 위한 시장 기회를 보여줌
  • DuckDuckGo는 모든 AI 기능을 선택 사항으로 만들고, duck.ai를 개인정보 우려에 대응하는 비공개 챗봇 대안으로 제공함
  • 이 접근은 메뉴에 다양한 선택지를 둔 식당에 가까우며, 비공개 AI, AI 사용 축소, AI 끄기 같은 선택지가 함께 존재함
  • AI 사용자의 스펙트럼 전반을 고려하려면 단일한 AI 강제 사용보다 선택 가능한 구조가 필요함

앞으로의 변화 가능성과 현재 결론

  • 현재 드물게 또는 가끔만 AI를 쓰는 약 3분의 1이 영원히 같은 사용 패턴을 유지한다고 볼 수는 없음
  • AI는 고기와 달리 기술 환경이 빠르게 변하고 있어, 제품과 규제가 어디에 도달할지 매우 불확실함
  • 제품 진화는 평균적인 사람에게 AI를 더 유용하게 만들 수 있고, 규제는 우려를 줄일 수 있음
  • 현재 기준으로는 의미 있는 비율의 사람들이 지금의 AI를 시도해 본 뒤, 사용을 적극적으로 제한하기로 결정했음

함께 보면 좋은 글 β

GN⁺   [-]
Hacker News 의견들

  • 지금 대학원 졸업 후 구직 중인데, 기술 면접이나 화이트보드 면접에서 대부분 “LLM을 어떻게 쓰고 있나요?”라고 물어봄
    답하기 까다로운 게, 상대가 AI에 열광적인지 조심스러운지 모르는 상태에서 양쪽 모두에 맞게 안전하게 말하고 싶어짐
    그래서 “이 기술을 어떤 프로세스에 넣을지에는 분명 학습 곡선이 있고, 항상 여러 번 검증한다”는 식으로 길게 답하고 있음
    실제로는 채팅/질문 기능을 매일 빠른 디버깅이나 새 기술 학습에 쓰지만, 완전한 에이전트나 컴퓨터 사용 제품은 몇 번 써본 결과가 좋지 않아 아직 거의 안 씀
    수십 년 된 Fortran+C 대형 저장소를 최신 컴파일러/OS에 맞게 리팩터링하려다 일부는 동작했지만 결국 포기했음

    • 그냥 솔직하게 답하는 것을 생각해보는 게 좋지 않을까 싶음
      단어 하나 잘못 말하면 독심술로 맞혔어야 한다며 난리 나는 곳에서 역할극까지 하며 일하고 싶은지도 의문임
      그건 직장이 아니라 유해한 관계에 가까워 보임
    • 대학원 졸업자 관점에서 이런 대화는 양쪽 입장을 오래 봐왔는데, 이 질문을 상호 적합성을 보여주는 기회로 삼는 게 좋음
      AI를 좋아하는 회사인지 조심스러운 회사인지도 중요하지만, 질문을 “내가 이 조직에 맞는가, 이 조직이 나에게 맞는가”로 전환하는 편을 추천함
      LLM이 어떤 작업에 적합한지 판단하는 방식과 결과를 실제로 개선했는지 확인하는 방법을 간결하게 보여주면 강한 답변이 됨
    • 잘 작동한 짧은 예시 하나와 잘 안 된 예시 하나를 준비하면 좋음
      직접 탐색해봤고 흥미로운 관찰을 설명할 만큼 생각해봤다는 신호가 되며, 관심이 있으면 더 깊게 들어갈 준비도 해둘 수 있음
    • 그래도 “20분 안에 LeetCode 변형 알고리즘을 풀고 사고 과정을 말해보라, 실제 업무엔 안 쓰지만 최근 몇 달간 알고리즘 책을 벼락치기할 시간이 있었는지 보려 한다”보다 10배는 낫다고 봄
    • 취업 압박은 이해하지만, 의견 차이는 드러내는 게 좋고 보통 회사가 탈락시키는 이유가 되지는 않음
      엔지니어링 리드는 같은 팀에 다양한 배경과 관점을 가진 사람을 찾는 경우가 흔함
      솔직하게 답하면 오히려 뻔하고 과하게 방어적인 답변을 한 지원자들보다 눈에 띌 수 있음

  • “AI가 너무 좋아져서 찜찜함이 있어도 모두가 AI를 쓴다”는 말은 내 경험상 케이스마다 다름
    어제 쓴 이 댓글[0]이 현재 작업과 LLM 통합 방식을 잘 보여줌
    프로젝트에서 백엔드(PHP)와 프론트엔드(Swift)에 썼는데, 둘 다 크게 도움이 됐지만 Swift 쪽은 경고 사례에 가까움
    네이티브 UIKit Swift 앱 개발에서는 정말 어른의 감독이 필요했고, 생성된 코드가 얼마나 나쁜지 깨닫는 중임
    반대로 PHP 쪽은 합리적인 설계 결정을 내렸고 내가 쓸 코드보다 나은 코드를 줬음
    Swift 쪽에서는 현실 문제를 만났을 때 경험 없는 엔지니어처럼 당황했고, 다시 쓰는 코드는 훨씬 단순하고 견고한 접근으로 갈 예정임
    그래도 전체적으로는 생산성을 크게 올려준 순이익이었고, 문제를 찾는 데는 좋지만 고치는 데는 덜 좋다는 교훈을 얻음
    [0] https://news.ycombinator.com/item?id=48515217

    • 이제는 AI에서 거의 도망칠 방법이 없음
      인터넷에서 뭔가 검색하면 AI 생성 콘텐츠가 몇 페이지씩 나올 가능성이 매우 높음
      그래서 요즘은 직접 프롬프트를 넣어 답을 받는 편이 더 나을 때가 많음
      답 자체가 훌륭해서가 아니라, 검색을 통한 간접 프롬프트보다 내가 프롬프트를 통제할 수 있기 때문임
      고품질 콘텐츠가 쓰레기 바다에 잠겨 거의 찾기 어려워지는 걸 보면 슬픔
    • 예상 가능한 결과임
      PHP는 수십 년 동안 사람들이 마주친 코너 케이스가 인터넷에 오래 문서화돼 있지만, Swift는 상대적으로 새롭고 자료가 적음
      AI의 능력을 엔지니어 경력 기간을 10~20배로 압축한 것으로 보면 좀 더 이해가 됨
      새롭거나 틈새인 것에는 직관적으로 더 약할 것이고, 앞으로 다른 LLM이 뱉은 쓰레기를 학습하면 더 나빠질 수 있음
    • LLM을 쓰는 방식은 그것만 있는 게 아님
      최근 비행기에서 아내의 이어폰을 MacBook에 연결하려고 했는데, 예전 AirPods Pro 케이스에 익숙해서 페어링 모드를 못 찾았음
      그래서 오프라인으로 LM Studio에서 Gemma4 26B A4B에 물었고, 케이스 앞면을 두 번 탭하라는 제스처를 알려줬고 실제로 됐음
      이런 상황은 로컬 LLM이 없었다면 훨씬 짜증났을 것임
      부정확할 수는 있어도, 기본적인 “어떻게 하지” 지식을 전부 들고 다니는 셈이라 없는 것보다는 낫다
    • PHP 코드는 되뇌어 쓸 자료가 훨씬 많고, Swift 앱은 상당수가 독점 코드일 가능성이 큼
      문제는 LLM이 원리로 코딩하는 게 아니라 학습 데이터 패턴을 맞춘다는 데 있음
    • AI는 XY 문제에 계속 실패하는 느낌임
      Stack Overflow에서 사람들이 그렇게 싫어하던 바로 그 지점이기도 함

  • 글은 좋지만 빠진 관점이 있음
    글에서는 사람들이 “AI를 쓴다”고 말하는 빈도를 보여주는 연구를 인용하고, 절반 조금 넘는 사람들이 주 1회 미만으로 쓴다고 함
    AI 채팅 인터페이스만 말한다면 맞을 수 있음
    하지만 AI 사용이 늘어나는 방식은 채팅 참여를 늘리는 것보다, 사람들이 이미 쓰는 소프트웨어에 AI 기능을 내장하는 쪽일 가능성이 큼
    예를 들어 같은 사람들에게 “Google 검색을 얼마나 자주 하나요?”라고 물으면 숫자가 훨씬 올라갈 것임
    그 사람들은 실제 의미에서 AI를 쓰고 있지만, 기능이 내장돼 있으니 그렇게 생각하지 않을 뿐임

    • 그 논리는 글이 답하려는 구체적인 질문에는 별로 맞지 않아 보임
      이런 방식의 AI 도입은 강제된 채택이고, 많은 경우 사용자 선호와 반대일 수 있음
      핵심은 사람들이 AI에 관심이 있고 유용하다고 느끼는지를 보려는지, 아니면 “사람들의 X%가 음식으로 납을 섭취한다”에 가까운 질문을 하려는지에 달려 있음

  • 영업 문구는 “도입하지 않으면 뒤처진다”였는데, 아직도 기다리는 중임
    몇 년이 지났지만 내 하루는 달라지지 않았고, 매뉴얼을 읽지 않던 사람들에게 이제는 챗봇에 물어보라고 가르치고 있음
    내 ‘부족한 장식’보다 그들의 부족한 부분은 어쩔 건가 싶음

  • 여러 회사가 지원 흐름에서 결정론적 시스템을 더 느리고 나쁜 LLM 버전으로 바꾸는 걸 봄
    많은 인터페이스는 AI를 붙인다고 더 좋아지지 않음

    • 진짜 최선은 LLM으로 결정론적 시스템을 만드는 데 도움을 받는 것임
      반복될 게 뻔한 작업을 LLM에게 직접 시키는 대신, 그 작업을 수행할 프로그램이나 Python 스크립트를 만들라고 시키는 편이 낫다
    • 일반 도구와 개발에서도 비슷한 걸 봄
      결정론적으로 풀 수 있거나 5년 전이면 간단한 명령줄 도구였을 일이 이제는 LLM 통합이 됨
      LLM으로 결정론적 도구를 만드는 대신, 그 도구들을 LLM으로 대체하고 있음
      완전히 거꾸로인데, 특히 우리 회사의 높은 직급자들이 왜 이걸 미래라고 보는지 모르겠음
      CI 파이프라인 전체가 LLM 프롬프트로만 되어 있는 건 원하지 않음
      만들기는 쉽지만 비싸고 느리며, 예측할 수도 없는 방식으로 실패하기 쉬움
      코드 리뷰도 마찬가지로, 간단한 린팅 규칙이면 될 일이 LLM 통과 단계가 됨
      LLM은 그런 린팅 규칙을 만드는 데는 정말 뛰어난데도 말임
    • 우리 경영진은 제품에서 LLM을 어디에 쓸 수 있을지 아이디어를 내라고 압박 중임
      팀 전체가 바로 이 이유 때문에 강하게 저항하고 있음
      생각해낼 수 있는 건 대부분 더 나쁘게 만들 뿐이고, 이미 1~2% 초과 실패율은 받아들일 수 없다는 말도 들었음
      그 수준을 맞추려면 더 많은 구조와 표준이 필요하지, 덜 필요한 게 아님
    • 요즘 사람들은 이 글[1]을 경고담이 아니라 목표처럼 받아들이는 듯함
      [1] https://thedailywtf.com/articles/Classic-WTF-No-Quack
    • 지원 흐름에서 결정론적 시스템을 대체하는 이유는 더 나은 지원을 제공하고 싶어서가 아니라 더 싼 지원을 원하기 때문임
      큰 그림을 이해하는 훈련된 상담원을 상상해보고, 회사가 사람이 AI로 지식을 검색해 관련성을 판단한 뒤 고객을 더 잘 돕게 투자하는 모습을 상상해보면 됨
      하지만 지금 AI는 “지원 인력이 필요 없다”는 식으로 팔리고 있지, “더 나은 서비스를 어떻게 제공할까”로 팔리는 게 아님
      많은 제품에서는 더 나은 서비스가 별 의미 없고, 더 싼 제품이 대부분 이길 가능성이 큼
      사람들은 더 나은 것에 더 지불하고 싶어 하지 않고, 같은 가격에 더 나은 것을 원함
      그래서 회사들이 AI를 제대로 쓰는 방법을 찾는 데 시간을 투자하지 않는 것 같음

  • 격차의 이유는, 첫째로 코딩에서 Claude가 놀라울 정도로 좋기 때문이라고 봄
    큐레이션된 기술과 지난 10여 년간 GitHub를 통해 조심스럽게 라벨링된 방대한 작동 코드가 주된 이유임
    또 튜링 완전 언어라면 할 수 있는 일이 어느 정도 한정돼 있기도 함
    둘째로, 대부분의 다른 일에서는 LLM이 꽤 실망스러움
    리서치는 보통 평범한 수준임
    엄밀하게 보려면 같은 리서치 프롬프트를 여러 번 반복하고, 혼동 행렬을 만들어 거짓 양성과 거짓 음성이 얼마나 나오는지 세어보면 됨
    나머지 용도도 솔직히 기본 검색엔진 쿼리나 Wikipedia 방문보다 훨씬 더 해주는지 자문해봐야 함
    일반 사용자 용도에서는 어느 정도 편리하지만 혁명적이라고 하긴 멀다

    • 프로그래밍은 컴퓨터 안에서 자기완결적이고 결과를 쉽게 테스트하고 반복할 수 있기 때문이기도 함
      프로그래밍에서는 에이전트가 컴파일러와 테스트를 실행하고, 될 때까지 다시 시도하면 됨
      예를 들어 티셔츠를 바느질하고 싶다면 AI는 쓸모가 없음
    • 튜링 완전 언어에 대한 부분은 이해하지 못했는데, 그 대목을 설명해줬으면 함

  • 요즘 미국 성인 중 사실상 문해력이 부족한 사람이 얼마나 많은지도 고려해야 함
    2023년 기준 미국 생산연령 성인의 27% 가 PIAAC 문해력 5단계 중 1단계 이하였음
    2013년에는 1단계 이하가 17%였으니 지난 10년 사이 크게 악화됨
    2023년 전체 점수는 1단계 이하 27%, 2단계 29%, 3단계 31%, 4/5단계 13%임
    참고로 1단계는 한 페이지 분량의 텍스트도 제대로 다루기 어렵고, 단순한 1페이지 웹페이지 정도를 어느 정도 처리할 수 있는 수준임
    2단계가 돼야 몇 페이지짜리 단순한 텍스트를 다룰 수 있지만, 여전히 복잡한 내용은 어렵다
    AI를 전혀 쓰지 않는 사람들은 근본적으로 사용할 수 없어서 안 쓰는 경우가 많음
    출처: https://nces.ed.gov/surveys/piaac/2023/national_results.asp

    • 저 단계들이 예상과 달랐음
      https://nces.ed.gov/surveys/piaac/measure.asp?section=1⊂_...
      스스로는 분명 문해력이 있다고 보지만, 4/5단계 과제를 얼마나 잘할지 궁금함
      일반적인 “문해력”을 가진 사람도 잘 못할 수 있는 기억력, 지능, 공부 습관 같은 더 넓은 지표와 겹치는지도 궁금했음
      설명만 보면 AI에 적용하기 좋은 시험일 것 같고, 여러 모델의 숙련도 점수를 보고 싶음
      나중에 스크롤해보니 마지막 섹션에 4단계까지 예시 문항이 있었고, 4단계 문제도 사소해 보였음
      가장 장황한 Q Drum 기사도 비판점이 평지와 비용 두 가지뿐이고, LifeStraw를 알고 있다면 이메일의 비슷한 비판도 거의 짐작 가능함
      점수와 숙련도 설명을 보고 정규분포 비슷하게 맞춰 4/5단계가 정말 어렵다고 생각했는데, 실제 문제를 보니 점수가 낮은 게 더 슬퍼짐
      그래도 각 시험 문항을 “자극”이라고 부르는 건 너무 무균적이고 임상적인 느낌이라 웃겼음
    • 그게 이유라고 보진 않음
      AI 모바일 앱은 음성 대화를 지원함
      낮은 문해력은 오히려 AI로 텍스트를 생성하고 요약하게 만드는 동기가 될 수 있음
    • “이번 자료 수집의 응답률은 미국과 몇몇 참여국 모두에서 비교적 낮았다. 무응답 편향을 줄이기 위한 절차가 효과가 있었고 자료가 인구를 대표한다는 증거는 있지만, 독자는 잠재적 편향을 인식하고 PIAAC 결과 해석에 주의해야 한다”는 문구가 있음
      이 통계는 직감적으로 잘 맞지 않음
      미국 인구의 약 3분의 1이 학사 학위를 갖고 있는데, 4/5단계 문해력 과제를 통과할 수 있는 사람이 13% 뿐이라는 건 이상함
      예시 문제를 보면 어렵지 않고, 4단계 과제도 짧은 글을 읽고 제품에 대한 비판을 뽑는 수준임
      학사 학위자가 모두 똑똑하다는 뜻은 아니지만, 그중 3분의 2가 4/5단계를 통과하지 못한다는 건 믿기 어려움
      석사 학위자가 13%라면, 4/5단계를 통과하는 사람이 그 13%뿐이라는 뜻인가 싶음
      https://en.wikipedia.org/wiki/Educational_attainment_in_the_...
    • 교사 서브레딧을 눈팅하고 TikTok에서 교사 영상도 보는데, 그 알고리즘 거품 안에서는 아이들이 더 이상 못 읽는다는 인상을 받음
      특히 독해력이 끔찍하다는 얘기가 많고, 몇 문단을 읽은 뒤 내용에 대한 질문에 답하지 못하는 아이들 사례가 많음

  • AI가 모든 곳에 쓰일까 두려운 건, 그게 최선의 해법이라서가 아니라 사람들이 본질적으로 게으르고 그냥 일을 끝내고 싶어 하며 품질에는 크게 신경 쓰지 않기 때문임
    “낮은 노력과 편리함”은 “최고 품질”을 꾸준히 이기는 듯하고, 이건 모두에게 모든 것을 다운그레이드할 것임

    • 회사들이 이미 수년간 산출물 품질을 낮춰오면서 모든 것의 슬롭화가 보임
      Windows 11과 98을 비교해보면, 11이 더 많은 일을 하고 덜 죽는 건 맞음
      하지만 그 외에 실제로 더 나은가? 둘 다 하는 일 중 어느 쪽이 더 잘하는가? 어느 쪽이 더 빠른가? 어느 쪽이 더 쓰기 쉬운가?
    • 많은 사람에게 LLM은 대부분의 지식 작업에서 혼자 했을 때보다 더 높은 품질의 결과를 낼 것이라 봄
      그 정도는 괜찮다고 생각함

  • 개인적으로는 “AI를 쓴다”가 정확히 무엇을 뜻하는지 더 논의됐으면 함
    이게 사람들이 가진 “기술”, “AI”, “도덕과 감정” 같은 상위 수준 생각과 어떻게 연결되는지도 궁금함
    적어도 나에게는 경계가 조금 흐릿해지기 시작함
    예를 들어 내 파트너가 하루 종일 Google.com을 자주 쓰고, 검색 결과 페이지 맨 위의 AI 생성 요약을 거의 매번 선택하고 믿는다면, 실질적으로 “AI를 쓴다”고 말해야 할까?
    아니면 “AI를 쓴다”는 건 SF의 매트리스 바닥에서 1000개의 하위 에이전트를 돌리는 흡혈귀 같은 아이들에 더 가까운 걸까?
    기본적인 휴대폰 사용에도 이제 AI가 잔뜩 들어가 있으니, 우리가 그렇게 부르든 말든 전체 스펙트럼이 꽤 흥미롭다고 봄

  • “사람들은 고기를 먹듯 AI를 소비한다. 어떤 사람은 받아들이고, 어떤 사람은 사용을 제한하고, 어떤 사람은 완전히 피한다”는 비유는 흥미로움
    실제 생태적 문제와 육식 반대의 원칙적 논거가 있음에도, 전 세계적으로 여러 나라에서 육류 소비는 수십 년간 대체로 증가해왔기 때문임

    • Wyoming에 살아서 그럴 수도 있지만, “AI는 보편적이지 않고, 채식주의자처럼 피하는 사람도 있다”는 주장은 별로 설득력 있게 들리지 않음
답변달기