데이터 지능 팟캐스트 -- 정부와 공공기관을 위한 데이터 사이언스 with UNC 김재연 교수님

그 하버드 케네디 스쿨 그리고 배럴 거브먼트 랩에 이제 펠로우, 펠로우셨고 그리고 이제 또 중간에 코드 포 아메리카라는 논 프로핏에 조인도 하셨고 거기서 일을 하시다가 아까 말씀드렸던 타입

1, 타입 2 에러 이런 굉장히 통계적인 상식이지만 사실 이게 정책 문제하고도 연결이 되고 그래서 정책과 이 데이터워크의 문제가 사실은 그 별개의 문제가 아니라 연결되어 있는 문제이고 같이 생각해 볼 수 있는 게 많고 네 그런 걸 가르치고 싶죠

네네네 그리고 같아요 기업에서 AI를 활용해서 기업은 사실 생산성 높이고 그 다음에 이제 프로필을 위해서 AI를 쓴다는 그런 명제가 있는데 정부의 AI는 좀 고민의 포인트가 다를 것 같은 생각이 좀 드네요

그 트렌드를 무시하지는 않게 그 파운데이션을 잘 닦아오는게 되게 중요하다고 생각해요 파운데이션이 별게 아니라 내가 정말 좋아하는 문제가

뭔지 안녕하세요 재현님 안녕하세요 수정님 굉장히 그 오랜만에 이렇게 인사를 드리는데 또 이렇게 팟캐스트에 응해주셔서 너무 감사드리고요 저희가 처음에 뵀던 게 그 베이에서. 네. 그게 벌써 한 3년 정도 됐나요?

2년이지 않을까 싶네요.

네.

제가 그때 밥을 사주셨는데 그때 생선을 먹다가 가시가 목에 걸려가지고. 네. 그게 기억이 나요. 저는. 되게 민망하잖아요. 처음 뵙는데. 목에 가시가 걸린 그...

아 예 저는 뭐 아직 기억은 안 나지만 그날 날씨가 뭐 거긴 언제나 그렇지만 캘리포니아 좋았죠. 좋았던 기억이 나구요. 그리고 시간이 흘러 흘러서 저는 시애틀로 그새 이사를 했고 재현님은 아직 그 베이에 계시지만 조만간에 이사를 하신다고 들었는데 일단 이 이사경이랑 그 다음에 포함해서 자기소개를 조금 해주시면 좋겠습니다.

진영님 뵀을 때는 사실 한국에 있는 아니다 그때 이미 그만뒀었나? 기억이 안나네. 하여튼 한국에서 교류생활을 잠깐 하다가 미국에서 박사를 했고 한국에서 교육생활을 잠깐 하다가 다시 미국으로 돌아와서 코드 포메니카라는 비영리 기업에서 한 2년 정도 데이터 과학자 일을 하고 그 다음에 학교로 돌아와서 내년부터는 노스케울라나 대학 UNC 체폴린에서 공공정책학과 교수로 부임을 하고요. 그래서 지금까지 베이오리에 있었지만, 샌프란시스코 베이오리에 있었지만 내년 1월 1일부터, 지금 시점에서는 몇 주 뒤죠? 그때부터는 체플리로 이사를 하게 됩니다. 정말 오래 사는 것 같아요. 베이오에 거의 10년 넘게 사왔는데 처음으로 제재도

옮겨보는 것 같은 아, 10년 사셨군요.

네, 10년이 넘었죠. 올해가 11년차.

거기 잡도, 잡도 그렇고, 그 다음에 대학원.

네, 학교부터 직장까지 다. 어떠세요?

떠나세요? 아니면...

알 수 없죠. 그 Frozen 2의 그 노래 있잖아요.

베이애리아를 떠나는 거에 대해서는 어떠세요?

아 네 저는 가족이기 때문에 다시 여름에는 올 가능성이 크고 다음에는 방학때는 올 가능성이 크고 그래서 뭐 완전 떠나는 건 아니고 그냥 그 베이스가 바뀌는 거라고 생각해요 어디든 이렇게 떠나는 개념으로 생각하지 않고 베이스 캠프가 베이어리아, 지금까지 베이어리아였지만 이제 그거는 트라이앵글이지 않을까

뭐 아시겠지만 한 4년 5년 정도 살았죠. 5년 정도 살고 저는 이제 시애틀에 있다가 베이에 갔다가 다시 시애틀로 오는 유턴을 소위 유턴인데 지금 생각해 보면은 거기 살 때 조금 더 날씨 좋은데 좀 날씨도 좀 즐기고 하죠. 그렇죠.

날씨에 대해서는 뭐 뭐 하와이나 샌디에고 이런 데를 비교하지 않는다면 가장 좋은 데가 아닐까 싶고 근데 그 좋은 거는 저는 이제 같이 일하시는 분들이나 자주 가는 곳이 동부에 많기 때문에 이동을, 그런 교통문제를 생각하면 좋은 것 같아요. 서부에서 동부 가는 거 정말 쉽지 않거든요.

어렵지 않죠?

네네. 중서부 동부 왔다 갔다 하거나 동부에서 움직이는 거는 굉장히 편리한데 서부 동부는 쉽지 않아요.

맞습니다. 서부 동부가 어려운 게 스차도 생각보다 있더라고요.

네, 스차도 있고 비행기도 굉장히 애매하고 꽤 멀죠

그쵸?

네 멀고 좀 시간대가 딱 정해져 있어서 그때 비행기가 몰려있기 때문에 아 네네 그러니까 그 옵션이 많지 않아요

음 끝나가다 보니까 네네 네 그렇죠 간단히 저희 근황 얘기를 좀 나눠봤고요 회장님께서 굉장히 겸손하시지만 사실 굉장히 화려한 경력의

아니 별로 화려하지 않아요?

화려한 것도 있지만 제가 봤을 때 굉장히 의미로운 보통 사람들이 밖에 그냥 학계에 있는 사람 학계에 있고, 업계에 있는 사람 업계에 있고, 보통 약간 그런 식으로 하는데 특히 이제 제 주변에 있는 사람들은 다 그냥 택 쪽이라 가지고 일단 정치라는 분야는 저는 굉장히 생소해서 뭐 그런 거에 대해서 좀 궁금하긴 했습니다. 제가 일단 조금 읊어보면 우선은 박사학위는 이제 버클리에서 하셨고요. 그리고 그 하버드 케네디 스쿨 그리고 배럴 거브먼트 랩에 이제 펠로우 셨고 그리고 이제 또 중간에 코드 포 아메리카라는 논 프로핏에 조인도 하셨고 거기서 일을 하시다가 이제는 다시 UNC에 풀타임 패커티로 조인을 하시는 거고 혹시 저는 아마 많은 분들이 뭐 케네디 스쿨까지는 그렇다 치고 굉장히 좋은 커리어구나 생각을 하실 것 같은데 거기서 이제 아 중간에 또 KDI 교수직도 하셨었고요.

네 소킹스에도 사실 그 오더 있었습니다.

아 네네. 굉장히 빅네임들이 많이 등장하시네요.

제 커리어가 겹쳐요. 이게 다 동시에 많이 있어서. 제 홈페이지 밑에 가면 일부러 타임라인을 만들어 놨는데 혼동이 되기 때문에. 마지막에 있는 거 클릭하시면 질문을 많이 하시더라구요. 가끔 질문을 받아서 귀찮더라구요. 제 홈페이지의 목적은 많이 받는 질문을 답변하는 형태의 목적의 홈페이지이기 때문에 아 네네 그럼

제가 어집지 않게 설명하는 것 보다 재현님 설명을 그냥 쫙 한번 읽어주시면 좋을 것 같아요.

저의 혼란스러운 커리어에요. 화면에 보시면 Ph.D. 포리카싸 유시 버클리라고 있거든요. 그게 위에서 하나 둘 셋 넷 다섯 여섯번째. 그래서 버클리 1년에 졸업했는데요. 졸업 전에 부터 그 존스토퀸스에서 이도하기 시작했어요. 그게 2020년... 다시 눌러주시면 타임라인을 열심히... 그래서 2021년에 졸업했는데 20년부터 존스토퀸스에서 프리닥, 포스닥, 나중에는 연구과학자까지 해가지고 다 합치면 5년이 있었네요. 5대 중반까지. 너무 감사한 마음을 가지고 있습니다. 장기간 많은 지원을 해주신 것에 대해서. 그 중간에 잠깐 그 저기 그 짝대기 하나 있는게 있잖아요 그게 한국에 있었을 때 그게 1년이 안되요 11개월 딱 일하다가 나왔고 그 다음에 코드포메이커에서 2년은 풀타임을 일했고 나머지 지금까지는 이제 컨트랙팅으로 일하고 있고 그 위로 올라가시면 저 그 하버드 케니스쿨하고 그 미치캔 포드스쿨 둘 다 이제 거의 2년 정도 있었네요 이제 코드포메이커 끝나갈 때쯤 끝나갈 때쯤 시작한 거 2026년부터는 이제 UNC체플릴로 넘어가고 그런데 하버드하고 미시간 둘 다 이어집니다. 끝나진 않아요. 근데 거기는 이제 패커티 어필리엣이 되는 거고 풀타임 패커티원이 UNC에만 있는 거고 제가 항상 그 앞에서 얘기한 게 완전 무슨 그 터선을 옮겨가는 이주 개념이라기보다 네트워크에서 베이스 캠프가 이동해가는 느낌? 항상 그런 식으로 커리어를 움직여 왔던 것 같아요. 항상 같이 일하는 여러가지 그룹과 조식들이 있고 근데 단지 내 베이스가 어디에 있는지가 좀 바뀐 것 같고요. 하는 예전에는 비슷했습니다. 좀 이상하죠?

저는 약간은 이제 저같은 경우에는 뭐 태크 회사를 몇 개 다녔기 때문에 회사들은 보통 오버랩을 못하게 하잖아요.

네, 겸직은 아니에요. 겸직은 아니고 풀타임은 하나씩 하나가 있고 지금 같은 경우는 거의 미시간이 풀타임이고요. 미시간은 안되지만 다른 학교나 다른 곳은 풀타임만 아니면 됩니다. 두번째가. 여러가지 방식이 있어요. 예를 들어서 유엔시를 가는데 미시간이랑 일하는게 있으면 미시간에서 돈이 있으면 유엔시한테서 돈을 주고 강의하는 것을 시간에 살 수가 있어요. 그런식이라던지 어떤식의 제도적인 조율이 가능하니까.

그러면 여기서 저는 좀 제 생각에 궁금한 걸 여쭤보는 경험이 있으신데 그게 아무래도 이제 좀 저도 이제 미국과 한국을 약간 오가고 있는 상황이다 보니까 어떤 거 느끼셨는지 좀 궁금합니다.

느낀 게 많은데 어떤 거는 대놓고 말할 수 없는 것 같고, 할 말이 아주 많지만, 그건 이제 지현님과 제가 사적으로 얘기하는 걸로. 저도 이제 한국에서 태어나고 자랐으니까 한국에서 학부를 나갔고, 학부 마치고 스타트업에 1년 있다가 미국으로 넘어온 케이스거든요. 박사를 위해서 넘어왔는데 한국 사람이니까요. 그래서 한국에 대해서 조금 이제 안다고 생각했어요. 한국에 들어가기 전에는. 근데 가서 느낀 거는 내가 그 한국 문화라든지, 언어라든지 이런 거는 좀 안다고 얘기할 수가 있는데 한국 조직은 내가 잘 이해를 못하고 갔구나. 라는 생각을 그때 깨달았죠. 그러니까 그 한국 사회를 정말 깊이 들어가려면 한국 조직이 어떻게 돌아가는지를 알아야 되는데 거기에 대해서는 내가 많이 알지 못했다. 그런 겸손한 마음을 가지고 들어왔습니다.

네네 저도 저도 알 것 같고요.

미국과 한국을 다 둘 다 경험해 보였으니까요.

네네네네. 뭔가 뭔가 있다는 것만 알고요. 그게 뭔지는 잘 모르겠어요. 아마 경험 포인트도 다르고 이제 그렇겠지만 어쨌든 그 얘기는 거기서 그 다음에 이제 저는 사실 개인적으로 아주 흥미로운 포인트인데 non-profit에서 senior data scientist로 일을 하셨어요. 그런데 이제 사실 그 와중에 또 이런 리서치 콜라보레이션도 계속 하셨던 것 같아요. 논문도 계속 하셨을 거고.

회사 일은 열심히 했고, 회사 입사할 때 오퍼받고 컨트랙트 리고시에이션을 하잖아요. 그때 리고시에이션 했을 때 중요하게 생각했던 것이 회사에서 제 포지션도 리서치사이언티스트에 가까운 포지션이었고요. 프로덕션 쪽도 하긴 하는데 저희가 회사의 업무 중에 정치평가 이런 업무가 있는데 그거는 그 외부에 있는 학교에 계신 분들하고 같이 연구를 했어요. 제가 미시간 포드스쿨에 있는 이유가 그때 업무를 같이 했던 사람들이 포드스쿨에 있는 교수들인 거죠. 그래서 그 포지션을 지금도 가지고 있는 거고. 아무튼 업무에도 연구가 있긴 한데 그 연구 말고 좀 나오긴 했는데 더 나올 수 있는 연구였거든요. 파면 더 나오는 건데 내가 안 파면 팔 사람이 없는 거에요. 저희 팀에서. 그래서 그 포지션을 유지하고 싶었고 그게 회사나 컨트랙트 리보싱을 할 때, 협상할 때 중요한 요소 중 하나였죠. 나는 사이드로 연구를 하겠다. 시간이 남을 때는. 그때 저희 팀의 하이어링 매니저, 디렉터가 크게 거기에 대해서 문제를 삼지 않아서 그렇게 해서 넘어갔던 것 같습니다. 비를 만들어놓은거죠.

그래서 거기서 경험은 어떠셨어요? 저는 사실 제가 non-profit도 그렇고 정치도 그렇고 다 미지의 영역이라 미국 회사도 엄청 많잖아요.

학교도 몇천개가 되죠. 대학만 해도. non-profit은 제가 non-profit을 연구를 해봤으니까 아는데 한 270만개가 됩니다. non-profit만. 그 non-profit에 하버드대학도 포함되고, 하버드대학도 non-profit이에요. 거기에 존스토킹스 병원도 있고 정말 다양한 거죠. 코비트폼 오메이카는 시빅테크라고 시빅테크는 정부와 시민들 사이에 공공서비스라는게 있는데 그걸 개선하는데 도움을 주는 기술을 만드는 특히 그걸 좀 더 편리하고 쉽게 만드는 거기에 도움을 주는 기술인데 거기서 거의 가장 먼저 만들어진 조직 중 하나에요. 그래서 2009년에 만들어졌고 제가 있을 때는 직원이 한 200명 됐고 페이도 나쁘지 않았고 저희가 교수들, 교수 연봉보다 높아요. 제 상사, 그 상사는 아니고 제 멘토였던 분은 구글에 14년 있었고 그전에는 유튜브에 4년 있었어요. 팬들도 많았고, 저희 팀에. 저랑 같이 입사했던 친구 한 명은 그 친구는 떠났는데 그전에는 필라델피아 시정부에서 데이터 과학적이 됐고 다른 친구는 엑스, 그전에는 트위터. 그전에는 이제 뉴욕타임즈. 거기서 데이터 과학자로 일했던 친구. 조직도 좋고 팀도 좋고 배울 수 있는 건 정말 많았던 것 같아요. 그래서 학교에 있으면 내가 교수를 하면 교원이 많다고 해도 보통 같은 분야 연구하는 사람은 많아야 두세 명이거든요. 근데 여기는 200명이 같은 문제를 다루고 있는 거잖아요. 펑션은 다르지만. 누구는 디자이너고, 누구는 엔지니어고, 누구는 데이터 과학자지만. 근데 거의 똑같은 문제를 200명이 다루고 있는 거니까 거기서 배울 수 있는 거는 정말 압축적으로 많죠. 정말 단시간에 굉장히 많은 문제를 다룰 수가 있고 굉장히 많은 시각을 경험할 수가 있고 거의 3년 있었지만 박사 하나 더 했다고 생각합니다. 그 정도의 밀도로 뭔가 학습하는 거는 박사과정 역시 그런 느낌이잖아요. 5-6년인 사람들은 길다고 생각하지만, 해보면 알지만 길지 않아요. 짧은 시간에 엄청나게 많은 걸 해내야 되기 때문에. 비슷했어요.

그때 하셨던 게 저는 기억에 남는 게 미국의 그 푸드 어시스턴스 프로그램, 그 스냅이라고 만들어놨는데 그걸 너무 정부가 어렵게 신청한 걸 해둬서 그 장벽을 낮추는 일을 저는 기억에 남긴 하거든요. 그거 포함해서 그 당시 하셨던 일을 조금 공유해 주실 수 있을까요?

네, 저는 개인적으로 정책에 관련된 문제를 좋아하는데 문제가 기본적으로 어려워요. 그러니까 왜 어렵냐? 좀 길어질 수 있지만 설명을 드리면 정책 문제는 단일 변수 최적화 문제가 거의 없습니다. 단일 변수 최적화는 뭐냐면 이 조직을 아니면 이 프로그램을 어떻게 하면 효율적으로 만들까? 이런 생각을 많이 하잖아요. 그게 목표가 되면 안 돼요. 아니면 그것만이 목표가 되면 안돼요. 예를 들어서 지성님은 데이터 과학자니까 우리가 상식적으로 알고 있는 타입1, 타입2 에러 있잖아요. 포스트 파스티브에 포스트 네거티브. 그러니까 이걸 정책적으로 설명을 드리면 예를 들어서 복지 정책을 제공한다고 하면 그 포스트 파스티브는 뭐냐면 복지 혜택을 받지 않아야 될 사람이 받는 거죠. 부정수급이라고 한국말로 하고 영어로는 프로저런 케이스 라고 하는데 근데 문제는 뭐냐면 이 프로저런 케이스를 줄이려고 정책을 전달하는 서비스를 어렵게 만들면 받아야 할 사람들이 못 받게 되는 거죠. 포스트 네거티브가 늘어나는 거예요. 포스트 네거티브, 타입 1, 타입 2는 사실 동전의 양면이기 때문에 이건 좀 복잡한 기술적인 설명이 있지만 핵심은 그거예요. 이 둘 다 중요한 목표인 거죠. 이런 부정수급 문제도 막아야 되지만 그것 때문에 받아야 할 사람들이 못 받는 상황도 피해야 되는 거죠. 네네네 그런 기본적인 셋업인데 현재 미국같은 경우는 그 정책 복지정책의 복지서비스 체계의 기본적인 것은 프로지런트 아까 얘기한 포스트파스티브 부정수급을 받는데 좀 더 초점이 맞춰져 있어요 실제 그 통계적으로 보면 100명이 있으면 한 2명 정도 받은 사람이 100명이면 그중에 2명 1명 정도가 부정으로 받는 겁니다 그것도 연방정부에서 돈을 주니까 트랙킹을 하거든요. 실제 어떻게 되는지. 감사의 영역이 들어가 있고. 근데 실제 받아야 할 사람 중에 못 받는 사람. 그 사람들은 100명 중에 한 20명 정도 돼요. 이 문제가 사실 굉장히 큰 문제인 거죠. 이런 아까 얘기한 스냅도 그렇고 대부분의 복지 정책은 주정부가 연방정부에서 돈을 받아가지고 아니면 돈을 나눠 예산을 같이 만들어가지고 지급을 하는데 지급을 받을 수 있는 자격을 갖춘 사람 중에 받지 못한 사람들이 많은데 그 이유가 이거 중간에 구정수급이나 이런 문제가 있으니까 거쳐야 될 과정이 너무 많은 거예요. 서류도 한 2시간 걸리고 서류 작성 1시간 2시간 걸리고 그 다음에 인터뷰도 봐야 되고 그 다음에 또 요청한 서류 내야 되고 이게 몇 단계를 거쳐야 돼요. 이 과정을 그러면 우리가 어떻게 하면 더 쉽고 편안하게 만들 수 있느냐. 규제 환경과 정책적 목표를 생각했을 때 거기서 기술과 디자인을 풀어볼 수 있는 문제들을 찾아서 푸는 거죠. 이런 셋업입니다. 기본적으로.

그러니까 정부의 목표가 효율성이면 그러니까 효율성 극대화가 되면 안 된다라고 말씀하신 게 저는 뭐 다른 얘기 같은 얘기일지는 모르겠지만 중국의 그 굉장히 극단적인 여러가지 정책 했던 것들이 갑자기 생각이 나긴 하는데요.

그렇죠. 그러니까 정책은 항상 그 2개 이상의 목표가 있어요. 예를 들어서 FDA, Food and Drug Administration, 식품의약국이 중요하잖아요. 거기가 이제 통과를 리뷰를 해서 통과를 내줘야 식품이든 의약품이든 시장에 나오게 되니까 사전 규제를 하는 거죠. 소위 사전 규제를. 어마어마한 힘이 있는 규제기관인데 걔네 같은 경우도 듀얼 미션이 있죠. 하나는 이펙티브 해야 되고 그렇지만 세이프 해야 돼요. 사람의 몸에 들어가는 거기 때문에. 그런데 그 중에서 하나의 골만 옵티마이더 하려면 여기서 문제가 발생하죠. 그래서 타입 1, 타입 2 에러가 둘 다 중요한 에러라는 것을 항상 기억하고 있는 게 데이터 과학자한테도 중요하지만 데이터 과학자들의 조언을 받아서 정책을 디자인하고 설계하고 직접 집행하는 사람들한테 굉장히 중요한 문제죠.

뉘앙스에 대해서 사실 그렇게까지 저는 생각을 안해본게 저는 대부분 검색, 추천 이런 쪽에 있으니까 거기서는 뭐 효과적이라는 게 사실 다 확률의 문제기 때문에 예를 들어서 검색 첫 페이지에 나온 게 30%만 되면 사람들이 뭔가 클릭할 건 있는 거잖아요. 전통적인 검색은. 그래서 그런 식으로 생각하면 됐었고 그다음에 당연히 이제 한 푸라거나 그런 거는 이제 보여주면 안 돼. 안 된다는 그런 컨스트레인트가 있지만은 네, 제약된 귀족과 그런 것들이 사실 그렇게까지 대부분의 어떤 검색 태스크에서는 주된 문제사항은 아니긴 했었는데 지금 방금 말씀하신 거는 사실 사람들의 생명과 건강, 안전을 어쨌든 결정할 수 있는 거기 때문에

정책 영역으로 오시면 커딩에 대한 데이터 사이언스를 할 수는 없지만 굉장히 복잡하고 큰 문제는 풀 수 있습니다.

저는 커링 엣지가 꼭 빅테이크 있다고 생각하지는 않는 것 같아요 커링 엣지는 사실 여러 프론트가 있는 거고 예를 들어 AI의 커링 엣지가 모델 개발이라고 생각을 하잖아요 근데 저는 AI가 모델도 그렇고 그 위에 애플리케이션도 그렇고 여러 레이어가 있기 때문에 한국의 커링 엣지에 집착하는 게 있잖아요. 뭐든지. 꼭 커링 엣지라기보다는 사람들이 보면 하나의 몰리는 AI만 해도 나는 모델 개발만 할 거야. 이런 식으로 굉장히 제일 똑똑한 사람들이 한 곳으로 몰리는 그런 현상이 도구에 최적화를 한 거죠.

저는 문제에 최적화를 하려고 하고 있습니다.

네 맞습니다. 그래서 다시 그러면은 커리어로 돌아가보면 마지막 지금 거기서 이제 일을 하시다가 이제는 다시 이제 교수직으로 다시 이제 시작을 하시는 단계시구요. 그러면은 그렇습니다. 저는 그 때 이제 약간 동기도 좀 궁금하긴 했어요. 지금은 조금 이제 말씀 듣고 나서 어차피 연구를 하셨고 그 연구를 어찌 보면 다른 것만 하신다고 이해는 했는데 어떤 걸 좀 기대를 하시는지?

연구창에서는 Code for America에 있을 때는 아까 말씀드린 그 특정한 문제 그걸 풀기 위해서는 거기보다 더 좋은 곳은 많지 않다고 생각해요. 예를 들어서 내가 서치 관심이 있다고 한다면 한국이면 네이버, 미국이면 구글 어떤 베스트 샵이 있잖아요. 거기에 정말 많은 전문가들이 몰려있고 그분들이 많은 문제를 풀어봤고 그런 노하우도 있고 제가 관심 있는 문제가 영역이 넓거든요. 회사에서 푸는 문제 외에도 다른 관심 있는 문제들이 많아서 그 문제를 풀려면 내 사이드 시간 남을 때 풀어야 되는데 이제 그것만으로 점점 부족해지는 상황이 왔고 그게 하나가 있고 또는 다른 하나는 회사에서 어느 정도 배우니까 이제 밖에 나가서 이제 내 샵을 만들고 싶더라고요. 독립을 할 시기가 왔다. 박사가 그런 거잖아요. 아까 비유를 드렸지만. PhD 공부 많이 했으면 PhD 쓰고 dissertation 쓰고 나가라 이거잖아요. 나가라고 한 적은 없지만 이제 제 발로 나가겠다는 생각을 했습니다. 여기서 이제 뭔가 그 학습의 기울기가 이제 그 속도가 감소한 느낌이 들었고 회사에서는 보통 그러면 이직을 하잖아요. 저도 약간 어떻게 보면 이직을 한 거죠.

이직을 교수님으로 확인하기에는 쉽지 않은데.

네, 그런 뉘앙스도. 그리고 그것도 있었어요. 교육에 좀 관심이 생겨서. 제가 지난 몇 년 동안은 티칭을 안 했는데 학생들을 좀 가르치고 싶다 이런 마음도 있고 아니면 이제 뭐 박사과장 학생들을 좀 어드바이싱 하는 것도 하고 싶고 다음 세대들을 좀 키워야겠다 라는 생각도 하게 되고 왜냐하면 그 관심 있는 문제들이 되게 많은데 어느 거는 제가 풀 수 있을 것 같아요. 제가 노력을 하고 하면 풀 수 있을 것 같은데 나머지는 못 풀 것 같아요. 제가 능력이 없어서. 그거는 학생들에게 던져주자. 누가 풀지 않을까.

저도 같이 고민해보자. 교육 말씀하셔서 사실 저도 항상 관심 있는 테마이긴 한데 저도 회사에 있기 때문에 항상 뒷전으로 밀리긴 하지만 그래도 저도 최근에 네이버 와서 팀을 맡게 되면서는 항상 그 생각도 했던 것 같아요. 회사에서 제가 팀을 리드하는 것도 그 조직에 이제 어찌 보면 교육이라는 미션도 있긴 하잖아요. 뭐 그런 면에서 생각을 했었고 최근에는 이제 AI 때문에 교육의 본질이 뭔가? 이런 고민도 좀 많이 하게 되긴 해서 저는 재현님 생각하시는 교육이란 그러면 교육에 좀 더 관심을 갖게 되실 계기나 그리고 교육이라는 게 어떤 모습이어야 될지에 대한 고민이 최근에 어떤 생각도 하시는지 좀 궁금하긴 합니다.

이건 너무 큰 주제라서 제가 요즘 관심있는 교육의 방향에 대해서 말씀드리는 게 맞는 것 같고요. 왜냐하면 전 교육 전문가도 아니고 제 분야에 대한 전문가인거지. 저는 UNC에서 Primary affiliation은 정책학과고, Secondary affiliation으로 Data Science School에 발담하거든요. 저는 프라이머리가 팔러스인게 마음에 들고, 왜냐면 그게 제가 관심있는 문제이기 때문에 데이터 과학자이지만 저는 정책이 먼저 오거든요. 정책 문제를 푸는 데이터 과학자이니까요. 데이터가 저한테 있는 도구라면 어쨌든 언제나 그 문제는 정책 영역이 있기 때문에. 프로그램은 콜리지에 있어요. 보통은 프로페셔널 스쿨에 나가 있는 경우가 많은데, 하버드나 미시간의 포드스쿨처럼. 여기는 콜리지 오브 아트 앤 사이언스라고 한국으로 따지는 물리대학 안에 있죠. UNC 같은 경우 시스템이 다른 학교도 몇 군데 있는데 입학하면 다 콜리지에 옵니다. 입학하는데 컬리즈도 와서 전공이 없이 파운데이션의 노이즈를 배우고, 소위 말하는 리버라치, 일반 교양식 교육. 저는 그게 의미 있다고 생각하거든요. 일반 교양의 일부로서 정책과 데이터 과학을 가르치는 것. 그런 일을 해보고 싶다 이런 생각을 많이 하죠 아까 말씀드렸던 타입1 타입2 에러 이런 굉장히 통계적인 상식이지만 정책문제하고 연결이 되고 그래서 정책과 데이터의 문제가 사실은 그 별개의 문제가 아니라 연결되어 있는 문제이고 같이 생각해 볼 수 있는게 많고 그런걸 가르치고 싶죠

네네네 그리고 저는 그런 생각도 든 게 사실 아까 이제 사람들이 미래 세대가 어떤 어떤 일을 하고 싶은지 이제 그런 얘기를 잠깐 했잖아요 근데 대부분 데이터 사이언스를 하는 사람들은 좋은 사람이다 보니까 정부에서 내가 폴리시 하는데 데이터를 쓸 수 있다고? 이런 생각은 사실 별로 상상을 많이 못해 볼 것 같아요. 근데 그런 학교에서 이제 그런 학생들한테 그런 커리어패스 제시해 주시는 것도 굉장히 좀 중요한 일일 거라 생각합니다. 아무래도 전 그냥 추측만 하는 거긴 하지만 아무래도 이제 회사들에서 데이터를 활용하는 데 있어서 정책에는 저희는 사실 요새는 너무 많이 써서 좀 문제라는 생각도 듭니다. 알고리즘을 그냥 옵젝티브 가지고 최적화하는데 다들 너무 정신이 팔려있는 그게 약간 업계의 현실이고 그게 또 사회적인 문제도 얘기하고 이런 부분이긴 해서 저는 그러면 모르겠어요 정부에서는 조금 더 그런 기술이 도움이 될 수 있는 여지가 헤드룸이 더 있다고 생각할 수 있어요?

네, 그럼요. 많이 있죠. 그러니까 low hanging fruit이 소위 말하는 low hanging fruit이 많다고 생각해요. 그러면 이미 풀린 문제지만 정부에서는 아직 안 풀린 문제가 굉장히 많고 그래서 이게 뭔가 그 풀린 문제가 대부분 다 풀렸기 때문에 풀려야 할 문제는 이제 남은 문제를 어떻게 하면 새로운 도구를 개발해서 풀어볼까 이런 식으로 이제 트렌드가 많이 가잖아요. 제가 이해하기는 저는 여기 인더스트리에도 친구가 있고 가브먼트도 정부 쪽에도 친구가 있으니까 정부 쪽 문제는 이걸 못 풀고 있는 게 되게 많아요. 그런데 알고 보면 사실 기술이나 데이터 문제도 있지만 그 외에도 다른 이슈가 되게 많죠. 그래서 그걸 종합적으로 접근해서 풀어내는 능력.

다른 이슈라면은 예를 들어서 정치적인 이슈와든지 행정적인

이슈와든지 법률적인 이슈와든지 그거를 다 고려해야죠. 과 매출입니다.

행정과 뭐 그런 얘기를 하셔가지고 사실 요새 미국이 올해 굉장히 많은 격변을...

그렇죠.

그 얘기도 생각이 나더라고요. 저희가 효율, 행정의 효율이 낮이라고 네, 뒷바퀴면 가동을 느끼셨지. 네, 블록마스크 아저씨가 가서 이제 그 하다가 이제 어쨌든 약간 지금은 약간 유야무야 된 느낌이긴 한데 물론 굉장히 많은 제가 그냥 제3자 입장에서는 굉장히 이것도 약간 되게 효율성 마인드로 어떤 테크 엔터프랜저가 들어가서 가서 뭐 잘 모르는 상태에서 굉장히 많은 데미지를 하고 어쨌든 또 정치적인 이유로 유야무야 돼서 그냥 그 데미지만 남기고 떠난 그런 그냥 제가 그냥 잘 어 그냥 신문 아티클 이런거에서 접한 걸로 좀 그런데 좀 그런건 어떻게 네 그니까

좀 저는 이제 학생들 가르치는 입장이 됐으니까 이런 문제를 어떻게 설명해야 될까 요즘 고민을 많이 하고 있어요. 도지라고 하는 것은 일단 이름의 디파트먼트가 사실 부터 정확하게 설명을 드리면 이름의 디파트먼트가 들어가지만 사실은 부처가 아니에요. 명령에서 부처를 만들 수 없습니다. 미국의 법상. 그거는 의외의 고유한 고난입니다. 따라서 이건 디파트먼트 이름이 들어갔지만 디파트먼트가 일단은 아니고 그리고 사실 일론 머스크가 만들었지만 일론 머스크 헤드도 아니잖아요. 사실공개가 그렇게 되고 애매모호하죠. 그 다음에 이피션시라고 이름이 들어가 있는데 정부 기구는 이제 관할 권이 있어야 되거든요. 디펜스면 디펜스를 다루는 거고 디파트먼트 디펜스면 펜타곤이면 디펜스가 자기신들의 도메인이잖아요. 그러면 이 부처는 도메인이 대체 어디인 건지 그것도 애매하고 그 다음에 이피션시기가 정의하기 나름이에요. 이게 되게 많거든요. 영역이. 그러니까 뭐를 이피션트 할 거냐가 문제인 건데 예를 들어서 정부가, 그러니까 얘네가 했던 일 중에 하나가 정부가 쓴 예산이 과연 잘 쓰여지고 있느냐, 낭비가 없느냐. 그게 일론 머스크도 얘기한 거고 굉장히 강조한 부분이잖아요. 근데 그 기구는 사실 미국 정부에 이미 있어요. 그게 GAO라고 Government Accountability Office라고 미국 의회가 가지고 있는 기구 중 하나인데 얘네가 하는 일이 정부 외상에 나가면 그걸 감시하는 역할을 합니다. 돈이 어떻게 쓰였는지. 그래서 정부 내에 Watchdog이 있어요. 굉장히 유능한 기구고. 그래서 어 일단 새롭지 않다 일단 이름도 이상하고 이름이 이상하다기보다는 이름이 일단 그 미스리딩 한다 그런 부분이 있고 어 그 다음에 efficiency 자체가 이게 굉장히 그 애매모호한 뭘 optimization 하냐는 문제가 남아있기 때문에 어 그 다음에 waste 라고 낭비라고 가정한다면 그건 사실 이미 중복이다 그 역할을 하고 있는 기구는 이미 존재하고 있다. 만약에 서비스 딜리버링, 그러니까 전공공 서비스 개선 문제라고 한다면 그건 그 화이트하우스 안에 백악관 안에 USD라고 있어요. United States Digital Service라고 오바마 때부터 만들어진 기관인데 그게 그 역할을 하는 기관이에요. 트럼프가 없애는 기구 중에 AT&F라고 있는데 AT&F도 그런 역할을 했던 기구고 그러니까 중복되는 거죠. 근데 중복이 낭비를 만드는 건데 그런 부분들이 있죠. 그래서 생각할 포인트가 있는 거죠. 그런 부분들에서. 확인된 의견은 각자 듣고 계신 분들이 내리시는 게 좋을 것 같고 사실관계는 그렇게 된다.

저도 사실 요새는 너무 이런 얘기를 하는 것도 조심스러운 약간 그런 거긴 한데 어쨌든 저도 그래도 이건 여쭤보고 싶은데 레거시가 그래서 어쨌든 그 성격 자체가 좀 애매한 게 많다고 해도 그 레거시는 또 좀 별도의 문제긴 하잖아요. 어쨌든 제가 알기로는 굉장히 많은 권한을 부여받아서 실제로 굉장히 많은 일을 하긴 했는데 그거를 레거시는 어떻게 생각하시는지 좀 궁금하긴 합니다.

레거시도 저는 약간 정치학자니까 약간 다르게 보는데 효율성 문제에 따라서 정부 기구가 만들어지고 작동한 방식을 보면 대통령 고난이 굉장히 크게 작용을 한 거잖아요. 어떻게 보면 의회가 부여된 권한을 무시하고 그 레거시가 크다고 봐요. 그 선례를 남겼다는 게. 움직이는 건 사실 권력이 움직이는 건데 다양한 권력이 있죠. 대통령도 권력이 있고 의회도 권력이 있고 법원도 권력이 있고 3권이 분립된 거 아닙니까? 권력의 분리가 가장 기본적인 헌법이, 너무 딴 얘기로 가는 것 같지만 헌법을 정의하는 가장 근본적인 정부의 운영의 원리는 권력을 독립적으로 만들어 놓고 그걸 분리시키는 건데 서로 견제와 균형을 할 수 있도록 목표가 있죠. 효율성이 됐든 공정함이 됐든 목표가 있고 근데 그걸 또 진행하는 과정이 있어요. 그걸 우리가 접법 절차 라고 부르죠. 그 둘 다 중요해요. 제가 아까 말씀드릴때 정부 경영에서 데이터 과도 할 때는 생각할게 그 효율성 이라든지 데이터 문제 외에도 많다고 얘기했는데 이런 그 법과 정책, 행정 이런 문제들을 무시할 수가 없는게 이게 우리가 쓰고 있는 돈이 예산이잖아요. 예산은 곧 세금이죠. 세금은 강제로 걷는 거예요. 자발적으로 내는 사람들이 얼마나 되겠습니까? 내라니까 내는 거죠. 그렇게 쓰는 돈은 그만큼 책임있게 써야 되는 거고, 근데 그 책임을 만들려면 그걸 나는 책임을 짓게 이러고는 불충분한 거예요. 그래서 그 법과 규정이 존재하는 거죠. 원리, 원칙이 존재하는 거고. 근데 어떤 거는 이게 성문화된 게 있고, 문서가 돼 있는 게 있고, 어떤 거는 그 안목적인 선이 있어요. 이거 넘어가면 안 된다. 욕하면 안 되잖아요, 대화할 때. 근데 그게 무슨 법으로 정해놓은 건 아니지만. 우리가 피해야 되는 거죠. 그런 것처럼 그 목적이 과연 달성되느냐 이런 것도 있지만 절차적으로 과연 이거 어떻게 진행해야 될지 여기에 대해서 저는 앞으로 많은 고민을 해야 되지 않을까 싶어요.

저는 절차라는 건 이미 2025년에 다 무너진 느낌이라서 사실 절차 얘기를 당연히 중요한 거고 당연히 정말 펀더멘탈 한 거지만 절차는 절차라는 게 미국에, 미국이란 나라에 있었나?

약간 이런 생각이 듭니다. 근데 사람들이 그런 생각을 하게 되는 것이 굉장히 위험하고, 위험한 거죠. 당연하게 여겨지지 않아야 되는 것이기 때문에.

네, 맞습니다.

적법 절차는 수정헌법 14조에 있습니다.

네, 그러니까 저도 당연하다는 게 당연히 아니고요.

아니요, 무슨 말씀이신지 압니다.

이게 되게 위험하다는 거는 저도 이해는 하는데 정말 제가 세례가 된 거죠. 그냥 절차라는 거 뭐 이런 일도 생기고 저런 일도 생겼으니까 이거는 너무 그렇죠. 네, 이게 되게 위험한 거고 제가 사실 이거는 위험하다는 것도 알고 있어요. 근데 이렇게 또 생각하게 되는 게 정말 위험한, 동호 반복이 되는데 네네. 그 온티런이라고 그 네네.

역사학자이신 거죠?

네네. 그 쓰신 책. 제가 요새 그걸 딸한테 밤마다 읽어요.

실례지만 딸이 나이가 어떻게 되세요?

딸이 8살인데 좋아요.

그 친구요.

근데 너무 좋아하는데.

아 그렇구나. 약간 어려울 수 있는데.

저도 약간 제가 정말 비정치적인 사람인데 올해 같으면은 정말 제가 지금 뭔가 정말 좀 너무 모든 게 규정이 더 무너지고 저만의 이런 식으로 제가 그냥 한 시민으로서 그냥 살면은 괜찮은 그런 시대에 있다가 올해는 제가 그냥 한 소시민으로 사는 게 제 책임을 소시민으로 산다는 것 자체가 지속가능하지 않을 거라는 생각이 특히 이민자로서 들기 시작하는 것 같아요. 그 책도 제가 찾아가지고 좀 많이 읽고 제가 읽다가 딸한테도 좀

그 따님께 읽어드리기에는 너무 어려운 책인데, 원 히어리는 그래도 좀 괜찮은 것 같고, 그 버나드 크릭이라는 영국의 정치 철학자가 쓴 책인데, 그 In Defense of Politics라는 책이 있어요. 정치를 위한 변명이라는 책이 있는데, 그게 정치는 무엇이고 무엇이 정치가 아닌가 하는 것을 설명하는 책인데, 대부분의 사람들이 정치를 이제 좋아하지 않죠. 왜냐하면 권력의 추구랑 같은 것으로 생각하거든요. 권력의 추구와. 서양 정치 사상에서 생각했을 때 플라톤 아이스토텔스 쭉 내려오는 흐름에 생각했을 때 아이스토텔스가 생각하는 정치라는 것은 다양한 생각을 가진 사람들이 있는 사회에서 서로가 같이 살기 위한 기술이죠. 그걸 하지 않으면 폭력으로 문제를 해결해야 되니까. 그거는 그리스 사람들은 바바리안이라고 봤어요. 야만인들이라고. 교육받은 사람들은 어떻게 해야 되느냐. 정치를 해야 되는 거죠. 같이 의사결정을 하잖아요. 그게 다 연결되는 거예요. 교육과 정치가. 네, 그런 식으로.

네 굉장히 할 얘기가 많지만 지금 시간 관계상 그러면 잠깐 쉬었다가 다시 또 진행을 하도록 하겠습니다. 저희가 지금 어 다양하게 여러가지 지금 재현님 커리어에서 출발해서 최근에 이제 정책에 있어서 효율의 문제 그리고 뭐 관련된 주제도 다뤄 봤는데요. 요새 어떤 또 얘기를 하면 대화를 하면 AI가 빠질 수가 없잖아요. 그래서 AI 얘기를 조금 해보고 싶고요. 우선은 이제 AI도 사실은 저는 고민해야 될 포인트가 좀 다른 것 같아요. 그 기업에서 AI를 활용해서 기업은 사실 생산성 높이고 그 다음에 이제 프로필을 위해서 AI를 쓴다는 그런 명제가 있는데 정부의 AI는 좀 고민의 포인트가 다를 것 같은 생각이 좀 드네요. 그래서 그 부분은 조금 어떤 생각이신지 좀 궁금하긴 합니다.

그것도 뭐 이슈가 너무 많아서 제 관심 있는 것만 말씀을 드리면, 정부가 인공지능을 자체적으로 만들어서 쓰는 경우가 없지는 않거든요. 없지는 않은데 거의 없다고 봐도 돼요. 많지 않고 대부분의 누군가한테 사겠죠. 업체한테 사는 형태도 되고 이제 그 사는 과정에서 문제는 조달로 들어오면 계약서를 챙겨서 들어와야 하는데 그 계약서에서 정부가 원하는 기준들이 있어요. 아까 말씀하신 것처럼 효과적으로 잘 작동하느냐 이런 것도 중요한 기준이지만 가장 기본적으로 일단 이게 사고를 치면 안되고 문제 일으키면 안되고 특별히 어떤 특정 집단에만 더 집중되는 그런 문제 일으키면 불평등이나 이런 것과 연결되는 것이기 때문에 차별과 연결이 되고 더 큰 정책적인 이슈가 되는 거죠 근데 이걸 어떻게 막느냐 쉽지 않잖아요 이걸 애초에 막는게 그래서 쉽지 않기 때문에 가장 기본적으로 해결된 문제는 그 업체하고 인공지능 관련 조달을 할 때 최소한의 정보 공개를 요구하는 것 이 정도 정보는 우리가 가지고 있어야 업체 관리가 가능하다고 하는 그게 계약서에 들어가야 하는데 이런 질문을 해야 된다는 것을 그 모르는 그 주위 연방정부가 하는 것도 있지만 주정부와 지방정부가 하는 것도 되게 많이 있는데 서비스를 전달하는 것은 이런 질문을 해야 된다는 것 그리고 어떻게 이런 질문을 하는 것 그리고 이걸 갤럭시 어떻게 집어넣어야 되는지 이런 역량이 부족한 문제 저는 여기에 관심을 많이 가지고 있죠

근데 사실 방금 말씀하신 게 저도 이해가 가면서도 그러면 AI를 통제하기 위해서 알아야 되는 방금 말씀하신 요청에 대한 정보가 무엇이 되어야 되나? 그거는 사실 제가 그쪽 일을 하고 있지만서도 쉽지 않다 이런 생각이 조금 들긴 하는게 그게 내가 모델 AI가 여러 레이어가 있잖아요. 모델에 프리트레이닝이 있고, 포스트 트레이닝, 테스트 타임, 인퍼런스, 또 그 위에 툴에서 쓰는 프롬프트, 여러 레이어가 있기 때문에 그리고 그 레이어 각각이 다 AI의 최종 사용자가 보는 behavior에 영향을 끼칠 수 있는데 그러면 AI의 behavior를 이해하기 위해서 프리트레이닝에 사용한 문서를 다 달라고 해야 되는 건지?

그런 건 아니에요. 이 관련해서 일을 하고 있는데 뭐 현재 그 이쪽에서 업체들한테 원하는 거는 예를 들어 한 장짜리 factsheet을 써달라 진짜 미니멈인거에요. 근데 그 미니멈이 안되고 있는게 문제인거지. 예를 들어서 풀 다큐멘터리 작업을 하는 것은 안될거고, 그 다음에 대부분의 이런 기술들은 proprietary technology 잖아요. 특허나 여러가지 트윗 시클러스 뒤에 숨어져 있는 기술이기 때문에 그걸 보는 것도 당연히 불가능할거고 그런데 정보 측에 최소한 트레이닝을 어떻게 시켰는지, 테스팅을 어떻게 했는지, 이거는 알 필요가 있지만, 내가 텍사스인데 이 업체는 캘리포니아에서 트레이닝을 했다. 그걸 모르고 있다가 우리가 썼는데 퍼포먼스가 안나오면 업체한테도 문제고 정부한테도 문제인거죠 뭐 그런게 있고 그리고 이게 저희가 계약단계에서 하는게 중요하다고 생각하는거는 이걸 의회 차원에서 하거나 행정부에서 연방정부 차원에서 하면 그냥 그 원 솔루션을 만든 다음에 그걸 다 적용을 시키는 거예요. 그래서 우리가 생각할 땐 이게 기준이다. 체크리스트를 만들고 이걸 다 확인을 해라 이렇게 되는 건데 그거는 어렵죠. 말씀하신 것처럼 모델이 너무 다양하고 같은 모델도 사실 파운데이션 모델 같은 경우는 다양하게 사용될 수 있기 때문에 내가 그 유지 케이스를 다 할 수도 없고 근데 그 유지 케이스를 기반으로 컨트랙을 맺는 경우에는 그 업체는 제품을 제공하지만 그 제품을 써야 되는 실제 써야 되는 기관은 그 상황을 알고 있잖아요. 그 둘이 가지고 있는 정보를 교환하면서 그게 컨트랙이 들어가야 되는 거죠. 계약서에. 그걸 디자인하는 문제는 그래서 이게 저는 규제를 해결하려고 하는 건 아니고 규제는 규제보다는 연방청에서는 그냥 가이드라인 정도? 이런 문제에 너네가 고려를 해야 된다. 지침을 내릴 수가 있고. 근데 그 지침을 실제로 문제 해결로 하는 거는 그 당사자들끼리. 근데 당사자들이 하는 건데 중요한데 문제는 당사자들의 역량이 비슷하지가 않아요. 쉽게 얘기하면 체급이 안맞는거죠.

당사자라면 일단 그런 가이드라인이 나오고 실제 활용하게

됐을 때 주정부나 지방정부하고 그 다음에 벤더 그쪽의 업체들

그러게요 거기서도 문제가 훨씬 복잡한게 일단은 그 가이드라인을 만드는 주체가 따로 있고 그리고 그 가이드라인에 따라서 실제로 뭔가 어 실제 뭐 업무를 하는 주체 그리고 거기에도 이제 수요자 공급자가 있는거고 그리고 또 이제 수요자에는 이제 방금 말씀하셨듯이 주정부랑 연방정부는 또 거의 다른 상당히 다른 네 아예 하는 역할로 다르고 네네네 네 그런 면에서는 조금 복잡한 문제라는 생각은 일단 제 입장에서 좀 하겠습니다.

그렇죠. 아까 말씀드렸던 것과 비슷한 맥락인 것 같아요. 그래서 이걸 기술 문제이긴 하지만 동시에 법과 정책이 다 엉켜있는 문제이기 때문에 같이 풀어나가야죠. 말씀하신 대로 동의하는 것은 굉장히 새로운 기술이고 계속 발전하고 있고 유지 케이스가 너무 다양하기 때문에 이것을 하나의 규제 프리모컬을 만들어서 다 적용시키는 것은 불가능하다고 생각해요. 그렇다고 이 문제를 안 풀 수도 없죠. 그러면 누군가는 피해가 발생할테고 피해를 입는 사람들은 사실 사회적인 약자나 소수집단인 경우가 큰 가능성이 큰데 어느정도 그 뭔가 안전장치를 만들어야 되는데 그 장치를 그러면 누가 만들 것이냐 근데 그거는 위에서는 틀을 잡고 큰 틀만 잡고 밑에서 그걸 결정을 해야 된다 근데 문제는 역량이 매치가 안되니까 그걸 도와줄 수 있는게 필요하고 도와줄 수 있는 것은 외부의 재단이 됐든 시민단체 됐든 학계가 됐든 그런 식의 생태계를 생각하고 있습니다.

제가 잘 몰라서 그런데 지금 현재 미국 정부의 AI 활용 지금 현안 엄청 많아요. 그냥 다 쓴다고 생각하면 되요.

어딜 가든. 연방점에서는 인벤토리가 있거든요. 그래서 트래킹을 해요. 몇 개를 하는지. 건수가 프로젝터 2, 3,000개 정도 되는 걸 알고 있고 아주 유명한 케이스는 FDA가 리뷰해야 할 애플리케이션이 엄청 많아요. 의약품이나 식품이나 이런 것들이. 시간이 오래 걸리니까 이걸 좀 더 효율적으로 하기 위해서 엔스로픽이 만든 클로드 기반의 엘사라고 하거든요. 겨울왕국의 엘사. 엘사가 들어가있고 그 에이전시를 위해서, FDA를 위해서 만들어진 클로드인거죠. 엘사가 들어가있고 그게 클라우드 기반으로 제공이 되니까 그 클라우드 서비스를 제공하는 것은 AWS에요. 근데 이걸 또 제공하면 엔지니어 서포트인지 다른걸 해야 될거 아니에요. 그걸 하는건 딜로이트에요. 이런식의 셋업을 해가지고 보통 많이 들어가 있습니다. 그래서 엔스로픽도 그렇고 오픈AI도 그렇고 특히 스테이트 앤 로컬 차원, 주정부, 집안정부 차원에서 이런 세일즈도 하고 서포트로 하는 담당자들도 다 있고 그런 상황이고 인공지능 도입은 너무 잘 되어있어요 도입이 되어있는데 이 기술들 관리할 수 있는 시스템이 있어야 될 거 아니에요 이 기술이 예를 들어 새로운 직원이 들어왔던 과정에 갑시다 근데 이 직원들이 다 있는 거예요 지금 거의 모든 정부 기구에 근데 인간을 관리하는 체계는 어느 정도 있는데 얘를 관리하는 체계는 없어요 일은 잘할 수 있는데 사고를 치면 감당이 안되는 문제인거죠. 아까 말씀드렸던 것처럼 정부기구는 효율성과 안정성을 동시에 추구해야 되는 시스템이기 때문에 예를 들어서 진영님이 집 근처에 쇼핑을 가셨는데 특정 쇼핑몰이 마음에 안든거에요. 못샀어요. 물건을 사고 싶었는데. 다른곳에 가면 되잖아요. 정부기구는 그게 안되는게 많아요.

이민과 이민.

그렇죠. 그런 것이 많기 때문에 안정성이 굉장히 중요해요. 실패를 피하는 게 중요한데 리스크, 위험관리가 잘 돼야 되는 거죠. 그래서 그런 차원의 문제라고 생각해요. 그러니까 공공 AI 도입해서 효율성을 높이는 것도 저는 관심이 많은데 근데 항상 이게 듀얼 미션이다. 효율성을 높이면서 동시에 안정성을 지키는 네네네 맞습니다

저도 이해가 가고 특히 이제 저는 또 그런 생각도 드는게 그 안정성이라는 것도 사실은 숏텀이나 롱텀으로 좀 나눠볼 수 있을 것 같은데 롱텀 그러니까 예를 들어서 AI 굉장히 좀 굉장히 좀 썰을 한 바이오스가 있어요. 그럼 그게 사실 당장은 뭐 사회에 큰 영향이 없을 텐데 그게 이제 저도 이제 그런 연구를 좀 했었다 보니까 장기적으로 사람의 이제 비율을 바꿀 수 있잖아요. 사회 구성은.

그렇죠.

정책에서 또 약자들한테 뭐 악영향을 줄 수도 있고.

정부가 측정하기 가장 어려운 것, 정부에서 측정하기 가장 쉬운 건 예산이고 가장 측정하기 어려운 것은 사실은 신뢰인데 그런데 신뢰도 신뢰가 사실 예산 못지않게 중요해요. 그러니까 사람들이 신뢰가 없으면 정부와 같이 일하고 싶은 마음이 없고 정부에게 뭘 해주고 싶은 마음도 없고 그러면 이게 정부는 좀 더 강압적인 수단을 쓸 수밖에 없고 이게 악순환이 시작되는 거죠.

정부에 대한 신뢰라. 네 사실 저는 정부는 대부분 원래부터 강압적인 수단을 쓰는 일반 시민 입장에서는 보통 정부랑 해야 되는 게 어떤 폼 내야 되거나 세금 내거나 이런 건데 근데 신뢰도 사실은 이상적인 상황에서는...

근데 신뢰가 정부한테 정말 중요한 거는 뭐 세금도 강압적으로 걷긴 하지만 맨데이트되어 있다고 얘기하거든요. 그래서 맨데토리로 내야 되는 건긴 하지만 그걸 정부가 집에 와서 돈을 가져가진 않잖아요. 여기 같은 경우는 자발적으로 폼을 작성해서 내야죠. 뭐 강제 뜯어가는 경우도 있지만 자발적으로 내야 되는 경우도 되게 많이 있는데 그 자발성이 정부 정책에 많은 영역에서 굉장히 중요해요. 가장 좋은 예는 백신이겠죠. 백신을 맞으라고 했으니까 맞아야 되는데 안 맞으면 개인한테는 선택의 문제지만 공공차에서는 보건상황 위기가 발생하니까 달라지는 거죠.

맞습니다. 여러가지 뉘앙스가 있는 것 같아요. 세금도 기다렸다가 제가 안 내면 물론 페널티가

부풀고

그러면 조금 앵글을 바꿔서 우리나라 정부 상황은 좀 아시나요? 제가 그런 고민도 좀 하시지 않을까 생각이 들어서 여쭤보는 건데 제가 알기로는 올해 한국도 행정부가 올해 바뀌어 가지고 제가 겉으로 보기에는 굉장히 의혹적으로 여러가지 이니셔티브도 시작된 걸로 알고 있고 그런데 이제 잘 모르겠습니다. 저는 워낙 그쪽의 건 아니라서

미국 정부 같은 경우는 저는 미국 정치와 미국 정치를 연구하는 학자인데 저희 같은 경우는 미국 정치를 설명할 때 패치워크라고 많이 얘기를 해요. 누더기를 붙여서 만들어놓은 옷 같은 느낌? 미국 정부가 처음 만들었을 때 미국 인구가 몇 만 명이야? 4만 명인가? 그 밖에 안 됐어요. 근데 지금 몇만 명이잖아요. 그때 만들어진 헌법과 행정부도 정말 행정부도 할 것도 없고 그 조그마한 거에서 지금까지 이렇게 키운 거죠. 중간에 계속 보수하면서 키우다 보니 지금 상태가 된 거고 그래서 한국은 항상 효율적으로 생각하는데 제가 항상 하는 얘기가 그 효율적인 시스템이 200년 유지되는지 지켜보자. 그러니까 미국은 지금 200년이 넘은 정부니까 이 상태인 건데. 그러다 보니 쌓인 게 많은 거죠. 한국 정부의 효율적으로 생각하는 경우는 글쎄요 앞으로 가봐야 아는 것이고 우리가 타임프레임이 다르기 때문에 가봐야 아는 것이고 두 번째는 미국 같은 경우는 정책을 학습할 수 있는 기회가 많아요 장단점이긴 한데 연방시스템이다 보니 연방정부가 있지만 주정부가 50개가 있고 그 밑에 카운트정부가 3천개가 넘어요 거기에 밑에는 시정부가 합치면 몇만개가 됩니다 얘네들이 상당히 독립적인 개체이기 때문에 계속 뭔가를 새롭게 하고 있어요. 근데 거기서 가지고 있는 문제점은 정책을 스케일링 시키는 건 되게 어려워요. 이걸 다 뚫어야 되기 때문에, 이 눈을 하나씩. 근데 새롭게 시도해볼 수 있는 건 굉장히 많습니다. 한국은 뭔가 정책을 만들고 집행하는 방식이 이게 무슨 삼국지에 나오는 연안계 같은 느낌? 모든 배를 다 묶어 가지고 안정성, 배가 흔들리지 않게 안정성을 만들긴 하는데 그 제갈량이 얘기한게 동남풍이 부니까 거기에 화고물을 더하니 그냥 불로 싹 타버리잖아요. 제가 얘기하는건 효율성을 굉장히 좋아하는 나라고 최적화 시키고 있는데 그런 점에서 인공지능하고도 약간 궁합이 잘 맞을 거에요. 약간 그런 식으로 문제를 풀려고 하며 근데 그게 위험관리 능력하고는 꼭 맞지가 않다. 이건 굉장히 정치학 행정학에서 후회된 이론인데 공항에 가시면 여러 번 본인 확인을 하잖아요. 세커리티 체크포인트 통과할 때 그때 본인 확인하고 비행기 탑승하기 전에 본인 확인하고 적어도 두세 번 하게 되어있어요. 어떻게 보면 리더넛이잖아요. 하나가 아니라 여러 개의 포인트를 만드는 거니까 리더넛인데 그 리더넛이 중요한 이유는 그게 안정성을 만드는 것이기 때문이에요. 그래서 인공지능을 쓰는 문제를 차치하고 효율성을 너무 최적화하면 조직의 위기관리 능력은 떨어지게 되어있다. 그래서 적당히 해야 된다. 항상 제가 얘기하는 것은 극단적 최적화는 좋지 않다. 특히 싱글 베어링, 변수 하나만 가지고 최적화하는 것은 좋지 않다. 근데 한국 정책에 많은 프레임이 그렇게 짜여져 있거든요. 그래서 그 균형점에 대해서 인공지능이 되면 제가 볼 때는 인공지능 역할은 그 프레임을 그대로 가져가는데 뭔가 가속화를 시키는 느낌이에요. 그래서 그걸 생각하면서 가속을 하는게 좋지 않을까 자동차 시스템은 그거잖아요 듀얼브레이크 잖아요 보통 저희가 사이브레이크도 있고 발로 밟는 것도 있고 파킹도 해야 되고 이렇게 여러개로 시스템을 만들어 놓은 이유가 하나만으로 하나만으로 되면 효율적일 것 같지만 안정성이 떨어지는 거죠

저도 말씀하신게 감이 어느정도는 오긴 하는데 주로 혹시 뭐 좀 구체적인 뭐 물론 아직 지금 뭐 진행 초기인 정책에 대해 판단하는 건 좀 섣부를 수 있지만 방금 말씀하신 거에 대해서 조금 더 구체적인 정책 같은 게 좀 관련된 거를 좀 뭐 약간 유보적인 입장이라도 좀 구체화가 좀 되면 좋을 것 같긴 하거든요 저 같은 사람은 잘 그러니까 총론에서는 저도 맞다고 생각이 드는데 그 예를 들어 어떤 정책은 지금 그런 약간 위스키가 있다 약간 이런 이런 게 혹시 있을까요

뭐 네 저는 약간 그 구체적인 건 사실 많지 않다고 생각해요. 아직 한국에서는. 대부분이 아직은 좀 더 파일럿 단계인게 많기 때문에 이게 본격적으로 됐다기보다는 그리고 어떤 것은 사람들이 전부 서비스 쓸 때 눈에 보일텐데 예를 들어서 추천 시스템이 붙어있다. 그럼 눈에 보일 거 아니에요? 근데 어떤 것은 이게 뒤에서 무슨 인력관리 차원에서 이어지기 때문에 사람이 눈에 안 보일 수도 있겠죠. 약간 제가 말씀드린 것은 특정 정책에 대한 문제이기보다는 어떤 디자인 원칙을 가지고 설계해야 할지 거기에 대한 얘기였어요. 근데 이게 보편적인 문제라고 생각해요. 거의 대부분의 정책에서 발견되는 문제여서.

네, 말씀 들으면서 좀 느끼는 게 저만 해도 되게 공학 배경이다 보니까 모든 걸 효율적 앵글에서 그래서 한국에 가면 항상 그 효율적인 행정 이런 거에 감동을 하는 그런 편인데 미국 같은 경우에는 뭐 증명서 하나 떼려면은 뭐 한 일주일 기다리면 굉장히 빠른 거고 몇 주 기다리라고 하는 경우도 많고 예를 들어서 근데 그게 기술력이 없는 게

아니라 그냥 여기 그 법과 규정이 굉장히 복잡한 거죠 근데 그게 복잡한 이유는 200년 넘는 역사 동안 그 쌓인 것들이 너무 많기 때문에 많은 집단들의 갈등이 있었고 또 그걸 또 새로운 규정을 만들고 그러다 보니 그래서 적층이 되면 그 중간중간에 털어내야 되는데 그래서 효율성이 필요하다는 건 저는 부정하지 않고요. 최적화 문제도 중요하다는 것도 전혀 부정하지 않고요. 단지 이 문제 푸는 환경 자체가 다르다. 그래서 말씀하신 것처럼 기업 같은 경우에는 좀 더 명확한 목표가 있잖아요. 단순하고 명확한 목표. 여기는 좀 더 복잡한 목표가 있습니다. 근데 그 중에 한 목표에 두 개 이상의 목표가 있을 때 한 목표만 최적화 시키면 그게 그 목표에 대해서는 좋은 솔루션이지만 전체적으로 봤을 때는 최적화가 아닌 거죠. 네 그게 문제인거죠.

잠깐 말씀하신게 오늘 계속 관통하는 주제라는 생각이 들어요. 저는 이제 공공이란 민간의 약간 결정적인 차이가 민간은 사실 회사라면 그 회사가 서브하는 고객만 생각하면 되고 고객은 다른 데 갈 수 있는 옵션도 있고 그러니까 좀 효율성이나 아니면 특정한 약간 바이오스가 있더라도 그 특정한 고객군의 최적화 할 수가 있는데 정부는 이제 고객이 전 시민이다 보니까 네 그거 그렇게 했다가 여러가지 문제가 나오는 거고 그 다음에 이제 뭐 타임 프레임도 말씀하신 게 저는 이제 공감이 되는 게 회사는 뭐 사실 뭐 중간에 돈 다 벌고 뭐 스타트업으로 엑시드 하는 경우도 있잖아요 정부는 엑시드가 엑시드가 없기 때문에 타임 프레임도 인피니트로 놓고 본다는 게 네. 이게 조금 펀더멘탈하게 좀 다른 엔티티가.

그리고 레거시들을 그냥 무시할 수가 없는 거죠.

레거시도. 네.

학교같으면, 아니 회사같으면 레거시가 있으면 이게 맘에 안들다 그냥 떼내고 덜어내버리고 새로 시작해버려도 되는데 아니면 뭐 사업 부처 하나 날려버리기도 하잖아요. 그래도 되는데 이건 그렇게 간단한 게 아니죠.

네, 물론 미국의 올해 상황을 보면 사업 정보부터 날리는...

전체적인 문제라...

어쨌든 저는 사실 오늘 말씀 나누고 싶었던 게 좀 정확히 이런 부분이긴 했던 것 같아요. 저도 이제 제 분야에서 나름 고민하고 또 일도 하고 있지만 저는 제가 보는 것만 보고 제가 저한테 주어진 일만 처리를 하다 보면 항상 그 밖에서 어떤 일이 벌어지나 그런 거에 대한 항상 좀 궁금증도 있고 균형감각 같은 게 이제 사실 좀 어 필요하다 이런 생각을 하는데 네 뭐 대현님 말씀 들으면서 이런 쪽에서 배우는 게 많고요. 네 저희가 지금 한 15분 정도 남았는데 어 그러면 이제 약간은 이제 마무리 차원에서 좀 뭐 말씀 나누면 좋을 것 같아요 그래서 좀 더 이제 좀 더 개인적인 차원으로 와서 뭐 일단 어쨌든 학교를 가시니까 그런 앞으로 이제 어떤 아까 이제 어찌 보면 독립하시는 어찌 보면 독립이라는 어떤 의미를 부여하셨는데 좀 앞으로 좀 꿈꾸고 계신 비전 같은 게 어떤 게 있으신지 그런 것도 좀 궁금하고 그리고 또 그 관점에서 지금 현재 이걸 듣고 계시는 분들 중에 아마 좀 젊은 세대도 많을 텐데 되게 어렵잖아요. 저는 이제 정말 어려운 세대라는 생각이 들거든요. 그래서 그런 분들께 좀 가이드 주고 싶으신 말씀이 있으신지 네, 커리어상 저는 별로 모범이

못 되는 것 같고요. 제 효율적인 커리어하고는 거리가 매우 멀어서. 근데 저는 제 커리어가 개인적으로 나쁘지 않아요. 배운 게 그 과정에서 많았고, 업적도 있었고 그래서 그게 발판이 돼서 지금 하고 있는 일을 할 수 있기 때문에 나쁘지 않은 것 같고. 학교에서는 말씀드렸던 것처럼 데이터 과학과 정책의 교집합, 그런데 이게 단순히 데이터 과학을 정책에 써서 효율적인 것을 넘어서서 근본적으로 이게 과연 어떤 분야에 되는지, 어떤 문제에 우리가 집중해야 되는지, 그 문제를 푼다는 것은 어떤 식의 프리미어 워크가 필요하고 어떤 식의 조직이 필요하고 그런게 관심이 많고 단순히 그런 맥락에서 도구를 만드는 것도 있지만, 데이터 도구를 만드는 것도 있지만 인공지능을 위한 더 나은 거버넌스 시스템이라든지 제도라든지 그리고 실제로 그 연구만 하는 걸 넘어서 그걸 현장에 파티어리랑 같이 현장에 어떻게 하면 적용을 시킬 수 있을지 이런 부분에 대해서도 많이 고민을 하고 있고 실제로 몸을 움직여서 저는 약간 몸을 굴리는 스타일이기 때문에 제가 머리가 나빠요 머리는 나쁜데 몸이 빠른 게 제 장점이라 가서 주정부든 지방정부든 아니면 시민단체든 재단이든 그분들과 같이 일을 하면서 함께 문제 해결을 하려고 하고 있고요. 거기에서 많은 보람이 있습니다. 그리고 커리어에 대해서는 저는 항상 생각하는게 선배들이 얘기해주고, 선생님들이 얘기해주는 것은 이전 세대의 얘기인데 만약에 우리가 살고 있는 시대가 변화가 적은 시대면 변동성이 적으면 예전에 살아왔던 그 궤적이 지금도 적용이 될 수 있다는 그런 과정을 세울 수가 있지만 지금은 그게 되게 어려운 것 같아요. 제가 생각할 때 요즘 가장 불쌍한 애들이 보험회사가 아닐까. 거기는 이제 히스트리컬 데이터, 역사적인 데이터를 가지고 앞으로 예측을 해서 위험관리를 해야 되는데 요즘엔 너무 변수가 많아가지고 아무튼 이게 참 쉽지 않을 것 같은데 근데 아까 진영님하고 여기 녹음하기 전에 잠깐 얘기했지만 제가 느끼기에는 젊을 때 저는 이제 나이를 조금 들었으니까 아직 젊지만 특히 제가 20대 때 생각해보면 그 병렬 처리를 하려고 했던 것 같아요 병렬 처리 그러니까 그게 무슨 말이냐면 문제가 1부터 5까지 있으면 1부터 5를 동시에 풀려고 그런데 제가 이제 나이가 먹고 가장 많이 바뀐 걸 생각하는 병련 처리에서 이제 시퀀셜 프로블 솔빙을 하고 있는데 이제는 집중할 문제를 정해서 그걸 먼저 풀고 그걸 풀면 그 다음 문제가 좀 쉽게 풀리는 문제들이 있어요. 그걸 찾아내서, 이건 학부학생이나 대학원생이나 공통적으로 적용되는 거라고 생각하는데, 어제도 제가 버클리에서 박사하는 친구의 후배를 만나서 얘기하는데, 잔마켓을 고민하더라고요. 이 친구는 2단결이니까 잔마켓 나가면 5년, 6년 뒤일 거 아니에요. 지금은 R&D를 먼저 고민하고 어디서 내가 R&D를 어느 분야에서 어떤 방식으로 내가 연구를 할 때 내 아웃풋이 최적화되는지 먼저 파악을 하고 그 다음에 마케팅 스웨인즐 문제를 해결해다가 스크래쳐로 협약을 만들고 그 다음에 핏을 찾아내는 근데 문제는 이 경우는 그게 학생이니까요 시장에 나올 때는 같은 시장이 아니잖아요 업계에 계신 분들은 시장을 인식하면서 제품을 만들어야죠. 그런데 이 경우는 인식하고 제품을 만들면 그게 옛날 제품이 되는 거니까 학생으로서 준비를 하면 그게 문제인 거죠. 그래서 학부생 같은 경우에는 요즘 인공지능도 있고 트렌드가 많을 텐데 불안하니까 더 트렌드에 마음이 가게 될테고 그 트렌드가 5년 뒤로 같을지 4년 뒤로 같을지는 아무도 몰라요. 저는 모르고 주영님은 알수도 있을 것 같은데 저는 전혀 감이 없습니다. 트렌드를 무시하지는 않되 그 파운데이션을 잘 닦아오는 게 되게 중요하다고 생각해요. 파운데이션은 별게 아니다. 내가 정말 좋아하는 문제가 뭔지. 그리고 그 문제를 정말 잘 풀기, 내가 잘 풀 수 있는, 그 문제 나만이 정말 잘 풀 수 있는 방법이 뭔지. 그걸 잘 파악해 놓는. 놓는 그 과정. 근데 그게 그 많은 트라이얼과 에러가 있을 수밖에 없는데 초코도 나쁘지 않다고 생각해요. 그 과정 자체가 그 역량을 키우는 것이기 때문에 그래서 아웃풋 차원에서는 효적화된 방식이 아니지만 역량을 키운다는 차원에서는 그런 시행착오의 과정도 충분히 의미가 있다. 그래서 좀 약간 긴 시야를 가지고 하나씩 하나씩 문제 푸고 나가시는 게 좋지 않을까 음 우선순위를 가지고 그러면 좋을 것 같아요

아 네네네 뭐 굉장히 여러가지 말씀해 주셨는데 사실 저도 어 제가 사실 뭐 아시는 대로 회사를 한 6개월 정도 쉬다가 최근에 이제 복귀를 했어요. 그래서 쉬면서 생각을 할 시간이 좀 많았고 또 굉장히 익렬한 시간을 보냈기 때문에.

나쁘지 않죠?

인이어를 뭔가 처음에 뭐 놀다가 지쳐가지고 나중에 이것저것 저도 또 AI 관련된 프로젝트를 했는데 일단 그래서 사실 생각이 굉장히 많이 들었는데 저도 우선은 비슷한 포인트는 잠깐만요 제가 그 제가 ai 를 가지고 제가 잠깐 화면 공유를 해볼게요 프로덕트 이라면 프로덕트 이고 기술 대단한 건 아닌데 어쨌든 프레임업 같은 걸 만들고 있어요 그게 제 개인 그 어 정보 관리를 최적화 해주는 그런 PKM 이라고 하죠 Personal Knowledge Management 근데 이제 그거를 하면서 지금 이 시스템을 잠깐 보여드릴 수 있는데 지금 어떤 게 가능하냐면 제가 재현님이랑 말씀 나눈 거를 AI가 듣고 있어요. 듣고 있으면서 저한테 실시간으로 이렇게 인사이트를 주는 그런 게 가능한 겁니다. 그래서 예를 들어서 뭐 리던던시, 극단적 최적화 이런 것들이 지금 저희가 얘기하는 도중에 제가 이거 다 찍은 거 아니고요. 지금 백엔드로 클로드 코드가 열심히 지금 음성 트랜스크립트를 듣고 있고 또 반대쪽에서는 지금 여기 보면 클로드가 항상 씩씩해요 이렇게 느낌표를 넣어주고 항상 이렇게 업데이트를 1분에

한 번씩 이모티콘을 좋아해요

이모티콘 좋아합니다 그래서 저는 이런 걸 만들면서 일의 미래는 뭘까 그리고 그리고 이제 지식이라는 게 굉장히 지식의 가치가 뭘까 최근에 이제 모든 분야에서 지식 지식의 가치는 저는 정말 그 기획을 줄어들고 있다고 생각하거든요 제가 누군가를 누군가한테 정말 전문가한테 물어보고 아니면 전문가한테 물어봐야만 지식을 얻을 수 있을 때가 있었고 그게 한 30년 전이라고 치면 책을 보거나 그 다음에 이제 검색 엔진이 등장해서 지식에 사실 어찌 보면 접근성이 확 높였고 인공지능이 등장해서 지식의 접근성을 또 한 번 다시 스텝업 됐다고 저는 생각하거든요. 근데 지금 지식의 접근성이 높아졌다는 것은 반대로 말하면 지식의 가치가 줄어든다고 볼 수도 있다고 저는 생각을 해요. 왜냐하면 사람이 특정 지식에 지불해야 할 비용 자체가 줄어드는 거잖아요.

그렇죠?

그게 어찌보면 민주화고 어찌보면 가치의 디나미네이션이라고 저는 생각을 하기 때문에 그래서 이 상황에서 뭘 해야 되지? 저는 제가 예를 들어 저도 이제 딸이 딸이 있기 때문에 딸한테 뭘 가르쳐야 되지? 프로그래밍을 가르쳐야... 저 예전에는 그냥 프로그래밍 가르치면 된다고 생각을 했어요. 근데 지금은 프로그래밍을 제가 안하잖아요. 제가 지금 이거 이거 지금 이거 만드는데 뭐 프로그래밍 하나도 안했거든요. 그냥... 그렇기 때문에 그래서 그 결론은 제가 최근에 내린 결론은 사람은 사람이 할 수 있는 거에 집중을 해야 된다. 기계가 이게 정말 테크니컬한 걸 너무 잘하잖아요. 이런 프로그래밍이나 아니면 그런.

그렇죠. 그렇죠.

사람은 사람이 하는 걸 해야 되고 근데 이제 그 중에 하나는 지금 저는 이제 재현님 말씀에서 힌트를 얻은 게 현장에서 뛰는 거. 현장에서 내가 사람들을 만나면서 정말 정보 수집하고 왜냐면은 AR가 아무리 똑똑해도 지금 정보에 돌아다니면서 그 사람들을 인터뷰하고 이렇게는 못하잖아요. 이제 그런 거 하나가 있고 또 하나는 이제 저는 커뮤니티. 커뮤니티라는 것은 그렇게 해서 내가 정말 휴먼 네트워크를 만드는 것은 그거는 AI가 쉽게 레플리케이션 할 수 없을 거라고 생각을 하고 있어요. 그래서 저도 약간 그런 고민을 요새 하고는 있습니다.

대학이라는 조직이 되게 오래된 조직이잖아요. 그래서 중세 시대에서 사와 남은 조직이 많지 않은데 하나가 노마 교황청이고 또 하나가 고등교육기구에서의 대학이겠죠. 볼로네아 대학 같은 경우는 11세기에 만들었으니까 천 년이 가까워지는 역사가 있고 그때 교육 커리큘럼이 그대로 지금까지 오느냐라고 묻는다면 똑같지는 않은데 비슷한 부분이 있어요. 그 비슷한 부분이 딴 게 아니라 리버라츠. 리버라츠는 리버레이션, 자유로운 인간을 만들기 위한 교육. 자유로운 인간을 만들기 위한 교육. 그중에 예전부터 강조했던 게 수사 같은 게 있거든요. 수사를 강조한 이유 중 하나는 커뮤니케이션이 되기 때문에 우리가 요즘 소프트 스키라고 표현하지만 그때는 그게 커뮤니티를 만들기 위한 기본인 거예요. 그리고 우리가 요즘에 인문학 문사철 해서 영어책 문학 읽고 이런 걸 생각하지만 휴메니타스는 사실 인간다움이 한 게 무엇인가 질문에 대한 답을 하려고 했던 거예요. 그런데 그 답을 고전에서 찾을 수도 있고, 수학에서 찾을 수도 있고, 천문학에서 찾을 수도 있고, 어떤 분들은 인공지능에서 찾을 수도 있고, 저는 그 길은 문제라고 생각하지 않고 그 문제의식 자체가 중요하겠죠. 아까 말씀하신 그런 생각, 인간이 한 게 무엇인지. 사회라는 게 무엇인지 그리고 나는 어떤 인간으로서 살아야 되는지 어떤 사회에 기여를 해야 되는지 거기에 대한 의식을 갖고 사는 게 교육이 거기에 기여를 해주는 게 중요하다고 생각합니다. 그러니까 인공지능은 제 생각에는 아까 말씀드렸던 것처럼 갑자기 자동차가 빨라졌어요, 어떤 면에서. 전에는 100km를 달리다가 이제는 300km를 달릴 수 있는 새로운 세계에 왔는데 과연 이 방향으로 나가는 게 맞는 건지, 아니면 우리가 시스템을 새로 설계해야 되는 건지, 커뮤니티에 새로 디자인을 해야 되는 건지, 조직을 다시 근본적으로 생각해야 되는 건지. 상상력이 많이 중요한 것 같아요. 기술적인 문제도 많지만.

성장력과 함께 저는 사회 구성원 전체를 좀 고려하는 것, 또 디바이드 이런게 어느 때보다 지금 저는 더 심해질 것 같기도 하고. 오늘 이렇게 재현님과 여러가지 주제로 말씀을 나눠봤는데 시간이 참 금방 갔네요. 오늘 정말 저는 새로운 정치라는 분야에 대해서 조금 생각을 많이 해보게 된 것 같고 제가 생각하는 기술 AI든 데이터든 같은 기술이 이제 정치라는 다른 도메인에 적용됐을 때 굉장히 거의 약간 다른 분야처럼 좀 여겨지긴 했어요. 그래서 그런 것도 좀 되게 새로웠던 것 같고요. 오늘 이런 좋은 인사이트 주셔서 너무 감사드리고 그러면 뭐 아마 저는 다음에 또 이제 또 상황이 좀 분명히 저희가 사는 세상이 내년이면 완전 다른 모델일 거라고 확신하기 때문에 또 말씀 나눌 수 있으면 좋을 것 같고 혹시 마지막에 좀 더 전해주실 말씀 있을까요?

저는 딴거 없습니다. 저도 빨리 이제 자율주행이 된다고 말은 나오는데 계속 안되고 있는데 운전을 하지 않아도 되는 그 날이 빨리 오길래 생각보다 빠르고 생각보다 느린 것 같아요. 항상 기술의 진보를 생각해보면 어떤 부분에선 늘 빠르고 어떤 부분에선 늘 느리고 그런 균형점을 생각해보면 좋을 것 같습니다.

휴일만 매일 고민하는 사람도 있지만 제현님처럼 이 전 사회를 고민하시는 그리고 또 사회에서 이제 그 사회 전체를 일하는 정보가 있다는 게 좀 저는 좀 든든한 그런 생각이 드는 것 같고요. 네 오늘 어쨌든 시간 내주셔서 감사드리고 또 학교에서 새로운 출발 앞으로도 응원하도록 하겠습니다. 네 그러면 또 제가 이번에 어쨌든 팟캐스트를 다시 시작해서 조금 더 이번엔 꾸준히 해보려고 하는데 훌륭한 게스트를 처음에 모시게 돼서 너무 영광이고 어쨌든 앞으로 더 좋은 영상으로 찾아뵙도록 하겠습니다 음성으로 네 감사합니다