AI를 매일 쓴다고 해서 AI를 아는 것은 아니다. 도구에 익숙하다는 감각이 이해하고 있다는 착각으로 이어지는 현상, 에이릿은 이것을 ‘과신의 간극’이라고 부른다. AI 리터러시는 잘 다루는 능력이 아니라, 작동 원리를 이해하고 한계를 판단하는 역량이다.
회의 준비를 위해 ChatGPT에 자료 요약을 맡겼다. 이력서 초안은 Claude로 다듬었다. 이미지는 미드저니로 만들었다. 하루에 AI 도구를 다섯 번 쓴다. 그렇다면 하나만 답해보자. 방금 ChatGPT에 입력한 내용은 OpenAI의 모델 학습에 쓰일 수 있을까?
답은 ‘그렇다’다. 소비자용 계정(Free·Plus·Pro) 기준으로, ChatGPT의 기본 설정에서는 대화 내용이 모델 개선에 활용될 수 있다. 이걸 몰랐다면, AI를 쓰는 것과 AI를 아는 것이 다르다는 이야기가 여기서 시작된다.
AI를 사용하는 것과 아는 것은 다르다
이 질문에서 중요한 것은 단순한 정답이 아니다. 더 중요한 것은, 이 사실을 ‘알고 있었는지’다. AI를 매일 사용하면서도 이런 기본적인 작동 방식을 인지하지 못했다면, 우리는 이미 한 가지 착각 속에 있을 가능성이 크다. 도구를 능숙하게 다룬다는 감각이, 그것을 이해하고 있다는 확신으로 이어지는 것이다.
에이릿은 이것을 ‘과신의 간극’이라고 부른다. 익숙함이 이해로 오해되는 순간이다. 스마트폰을 10년 써도 내부 보안 구조를 모르는 것처럼, AI 역시 사용 경험만으로는 본질을 파악하기 어렵다. 하지만 AI는 여기서 한 가지 더 나아간다. 이해하지 못한 채 사용할수록, 그 영향은 더 깊어진다. AI가 내린 판단이 어떤 기준에서 나왔는지 모른다면, 그 결과가 불공정하더라도 우리는 그것을 문제로 인식조차 하지 못한다.
그렇다면 AI를 ‘제대로 안다’는 것은, 정확히 어떤 상태를 말하는 것일까. 단순히 더 많은 기능을 알고, 더 빠르게 사용하는 것을 의미하지는 않는다. 그 기준은 생각보다 훨씬 구조적이고, 깊이에 가깝다. 이 지점을 설명하는 개념이 바로 ‘AI 리터러시(AI Literacy)’다.
AI 리터러시란 무엇인가
AI 리터러시는 AI 도구를 얼마나 잘 다루느냐의 문제가 아니다. 유네스코(UNESCO, 2023)는 AI 리터러시를 “AI 시스템이 어떻게 작동하는지 이해하고, AI의 사회적·윤리적 영향을 비판적으로 평가하며, 자신의 목적에 맞게 AI를 적절히 활용할 수 있는 역량의 총체”로 정의한다. 풀어서 말하면 세 가지 층이다.
첫 번째 층: 작동 원리의 이해
AI가 어떤 데이터로 훈련됐고, 왜 틀리는지, 왜 특정 집단에게 불리하게 작동할 수 있는지를 구조적으로 아는 것이다. 코드를 짤 줄 알아야 한다는 의미가 아니다. “이 AI는 왜 이런 답을 내놓는가”를 추론할 수 있는 수준이면 충분하다.
두 번째 층: 한계와 위험의 판단
AI가 생성한 정보가 정확한지 스스로 검증할 수 있는가. AI에 무엇을 맡겨도 되고, 무엇은 맡기면 안 되는지 판단할 수 있는가. AI 리터러시에서 이것을 ‘비판적 평가’ 역량이라고 부른다.
세 번째 층: 사회적 맥락의 이해
AI는 가치중립적인 도구가 아니다. 누가 만들었고, 누구의 데이터로 훈련됐으며, 그 결과가 누구에게 유리하고 누구에게 불리한가. 이 질문들을 던질 수 있을 때 AI 리터러시의 마지막 층이 갖춰진다.
왜 ‘많이 쓰는 것’이 ‘잘 아는 것’을 대체하지 못하나
이런 반론이 있다. “내가 왜 AI 작동 원리까지 알아야 해? 결과물이 좋으면 그만이지.” 일리 있는 것처럼 들린다. 그런데 2026년 현재, AI가 개입하는 영역이 바뀌고 있다.
방통위·정보통신정책연구원(2024)에 따르면, 국내 국민의 60.3%가 AI 서비스를 이용한 경험이 있다. 그런데 같은 조사에서 생성형 AI를 사용하지 않는 이유 1위는 “높은 지식 수준을 요구해 이용하기 어려울 것 같아서”(65.2%)였다. AI 사용과 AI 이해 사이의 벽이 여전히 높다는 뜻이다.
더 중요한 문제는 AI가 도구 그 이상의 역할을 맡기 시작했다는 점이다. 이력서를 선별하고, 대출 가능 여부를 판단하고, 의료 진단을 보조하고, 수업 내용을 설계하는 데 AI가 쓰인다. 한국경영자총협회(2024) 조사에 따르면, 매출 상위 100대 기업 기준으로 38.0%가 생성형 AI를 기업 차원에서 도입했다고 응답했다. 내가 지원한 회사, 내가 거래하는 금융기관이 이미 AI를 쓰고 있을 가능성이 적지 않다.
이 환경에서 AI를 이해하지 못한다는 것은 세 가지를 의미한다. AI가 틀린 정보를 내놓아도 알아차리지 못한다. 알고리즘이 나를 불리하게 처우해도 그것이 차별인지 인식하지 못한다. 내 데이터가 어디로 흘러가는지 파악할 방법이 없다.
AI를 쓰면서 AI에 의해 결정되는 사람이 될 것인가, AI를 이해하고 AI를 통제하는 사람이 될 것인가. 그 분기점에 AI 리터러시가 있다.
FAQ
다릅니다. AI 활용 능력은 특정 도구를 효과적으로 사용하는 기술적 숙련도를 가리킵니다. AI 리터러시는 그보다 넓은 개념으로, 도구 사용 능력뿐 아니라 AI의 작동 원리·한계·사회적 영향을 비판적으로 이해하는 역량을 포함합니다. 도구를 잘 쓰는 사람이 AI 리터러시가 높은 사람일 수도 있지만, 반드시 그런 것은 아닙니다.
도구 사용 빈도와 이해 수준은 자동으로 비례하지 않습니다. AI를 많이 쓰면서도 어떻게 작동하는지, 개인정보가 어디로 가는지 모르고 사용할 수 있습니다. 의식적인 학습이 필요한 이유입니다.
관련 있지만 다릅니다. 디지털 리터러시는 컴퓨터, 인터넷, 디지털 기기를 활용하는 전반적인 역량을 가리킵니다. AI 리터러시는 그 안에서 AI 시스템에 특화된 역량입니다.
아닙니다. AI 리터러시는 개발자나 기술 전문가만의 개념이 아닙니다. “AI는 왜 틀리는가”, “내 데이터는 어디로 가는가”, “이 결과를 어떻게 검증할 수 있는가”를 이해하는 것이 핵심입니다.
AiLit에서 더 알아보기
구독을 신청하면 최신 게시물을 이메일로 받아볼 수 있습니다.
