매년 같은 1년을 반복하지 않는, AI 시대의 학습민첩성의 의미

1 캐나다 밴쿠버 출신의 작가이자 학습 연구자인 Scott H. Young은 2006년부터 개인 블로그를 통해 학습법과 자기계발에 관한 글을 써오고 있는데, MIT 컴퓨터공학 학부 커리큘럼의 4년치 강의 내용을 1년만에 독학으로 학습하는 프로젝트를 진행했다고 한다. 스캇영은 이 프로젝트를 MIT Challenge라고 불렀고, 이 경험을 토대로 Ultralearning(2019)이라는 책을 출간했다. 그후, 2024년에는 Get Better at Anything(2024)이라는 두 번째 책을 출간하면서, 인지과학과 심리학 연구를 기반으로, 왜, 어떤 방식의 학습이 효과적인지를 더 체계적으로 설명한바 있다.

스캇영이 제시한 학습의 원리는 학습은 개인의 재능이 아니라 환경의 산물이다는 관점이다. 탁월한 Role Model을 통해 보고 배울 수 있고(see), 이를 반복적으로 연습하고(do), 피드백을 받을 수 있다면(feedback), 그러면 전문가로 성장할 수 있다는 원리를 설명한다. 에릭슨 교수가 전문성의 원리로 제안한 Deliberate Practice 같은 원리에 기반한다.

2. 맞는 말이긴 한데, 우리가 살아가는 현실에서 부딪히는 성장과 학습의 영역은 또 다른 영역(층위)이 있는 것 같다. 스캇영이 말한 학습의 원칙이 작동되는 영역은 정답이 이미 존재하는 세계를 전제한다. 체스 그랜드마스터가 어떻게 두는지, 외과 수술이 어떻게 이루어지는지, 재즈 연주자가 어떻게 즉흥 연주를 하는지, 이 세계에서는 잘하는 사람을 관찰하고, 반복하고, 피드백을 받으면 성장할 수 있다. 탁월함의 기준이 이미 정의되어 있고, 그 방향으로 나아가면 된다.

그런데, 우리가 직면하는 수 많은 현실은 정답이 아직 쓰여지지 않은 세계다. 어떤 제품이 고객의 진짜 문제를 해결하는지, 어떤 조직 문화가 이 팀에 맞는지, 어떤 방향이 3년 후에도 의미 있는지.. 특히 스타트업같은 기업을 세우고 생존과 성장을 이끄는 세계에서는 아무리 성공한 사람을 따라해도 같은 결과가 나오지 않는다. 정답 자체가 아직 없기 때문이다.

3. 대부분의 학습법, 전문성의 원리는 첫 번째 세계를 위해 설계되었다. 성장 과정에서 꼭 필요한 과정이지만, 우리가 매일 마주하는 진짜 어려운 문제 대부분은 두 번째 세계에 속한다. 정답이 없고, 롤모델이 재현되지 않으며, 피드백이 와도 그게 무슨 의미인지 해석이 어렵다. 여기서 필요한 것이 학습민첩성(Learning Agility)이다.

4. 학습민첩성의 핵심 키워드는 fast와 flexible이다. 빠르게 보고 따라하며 배우는 능력이라기 보다, 정답이 없는 곳에서 방향을 찾아 빠르게 시도해 보고, 실패를 통해 유연하게 다시 조정하며 길을 찾아가는 과정이다.

구체적으로 세 가지가 다르다. 모방 대신 ‘실험’을 필요로 한다. 성공 사례를 따라하는 것이 아니라, 작은 가설을 빠르게 검증하는 과정이 필요하다. Airbnb의 창업자가 처음 낯선 사람을 자기 집에 재운 것은 호스팅 스킬을 연습한 게 아니었다. 사람들이 모르는 사람 집에서 잘 수 있을까..라는 가설을 가장 빠르게 확인한 것이었다.

피드백 수용 대신 피드백 해석을 연습해야 한다. 고객이 ‘좋아요’라고 말하는데 사지 않는다면, 그것은 어떤 신호인지, 피드백 자체보다 그 피드백이 무엇을 말하는지를 읽어 내고, 다시 현장에서 실험을 통해 검증하며 확인한다.

결과가 아니라 결정의 질을 평가한다. 좋은 결정을 내렸어도 운 나쁘게 실패할 수 있다. 나쁜 결정을 내렸어도 운 좋게 성공할 수도 있다. 결과만 보고 배우면, 우연을 실력으로 착각하거나 실력을 운으로 오해한다. 그 시점에 내가 가진 정보로 그 결정은 합리적이었는가를 묻는 것, 이것이 실패에서도 성장하는 사람의 습관이다. 동시에, 성공하고 있는 일 조차 전략적으로 피보팅하며 다른 실험과 시도로 이어가는 것의 문제다.

4. AI 시대로 전환하면서, 반복 연습으로 쌓는 실행 기술들(코드 작성, 데이터 분석, 문서 작성 등)은 AI가 빠르게 대신하고 있다. 이 영역에서 인간이 AI보다 잘하기 위해 투자하는 것의 가치는 빠르게 줄고 있다. 반면 어떤 문제가 진짜 가치 있는가, 어떤 고객의 고통이 진짜인가, 어떤 방향이 10년 후에도 의미 있는가와 같은 질문들은 아직 정답이 존재하지 않는 질문으로, 이것은 여전히 인간의 영역이다.

5. 10년, 20년 이상 한 분야에서 일의 경험을 축적했지만, 전문가로 인정 받는 사람이 의외로 많지 않다. 지금까지 전문가로 인정 받았다 하더라도, 앞으로의 일에서 전문성을 발휘할 수 있을지 조차 불확실하다. 세상은 그만큼 빠르고 변화가 크다. 이미 알려진 탁월함을 향해 더 빠르게 달리고 있는지, 아니면 아직 아무도 가보지 않은 곳에서 방향을 찾으며 새로운 실험과 시도로 자신의 길을 찾고 있는지, 그 과정에서 자신만의 데이터를 축적하고 새로운 지식의 네트워크를 구축하고 있는지가 새로운 성장의 기회를 만들어가는 것 같다.