Skip to content
Get App

결국 돈은 이걸 가진 사람이 다 가져갑니다 (샘 올트먼·유발 하라리 외)

AI 시대에 무엇을 배워야 하는지를 코딩→AI 쓰기→AI 부리기로 이어지는 흐름으로 짚고, 결국 '무엇을 할지 정하는 판단력'이 남는다고 설명하는 영상.

Key Takeaways

  • AI가 실행을 가져갈수록 '무엇을 할지, 무엇을 쓸지, 무엇을 믿지 않을지'를 정하는 사람의 판단력이 성과를 가른다.
  • AI로 아낀 시간을 스스로 채울 방향 설정 능력이 없으면 생산성은 오르지 않는다.
  • AI의 그럴듯한 답을 검증하는 비판적 사고가 필수이며, 이는 AI가 실제로 맞는 문제와 틀리는 문제를 구분하는 감각을 포함한다.
  • 배울 내용은 계속 바뀌므로 '무엇을 배웠나'보다 '다시 배울 수 있는 능력'이 더 오래 간다.

What the video covers

  • 샘 올트먼, 젠슨 황, 앤드루 응 등 AI 업계 인물들의 '무엇을 배워야 하나'에 대한 답이 2년 사이 코딩→AI 쓰기→AI 여러 개 관리하기로 바뀌었다.
  • 각 답은 AI가 앞 단계를 가져갈 때마다 한 칸씩 위로 올라가는 사다리 구조로 설명된다.
  • 안드레이 카파시의 '병목' 개념: AI가 빨라도 무엇을 왜 할지는 사람이 정해야 전체 속도가 정해진다.
  • 앤트로픽 사례: AI를 관리하는 일의 비중이 두 배 넘게 늘었고, AI 작업 시간이 사람 작업 시간을 넘어섰다.
  • 다리오 아모데이의 '95%를 AI가 하면 20배 생산적' 계산과 99%에 이르렀을 때 사람에게 남는 1%(수요를 아는 능력)에 대한 논의.
  • 한국은행 분석: AI로 시간을 아꼈다고 해서 생산성이 오르지는 않았으며, 아낀 시간을 스스로 쓸 수 있는 사람만 성과가 늘었다.
  • 케냐 자영업자 실험: 같은 AI 조언을 받았지만 자기 가게에 맞는 조언을 고른 쪽만 성과가 올랐다(안목의 차이).
  • BCG 실험: AI가 그럴듯하지만 틀린 답을 낼 때 AI 사용자는 정답률이 떨어졌다. AI를 믿어도 되는 문제인지 판단하는 비판적 사고가 중요하다.
  • 제프리 힌턴과 하라리, 하사비스 등이 강조한 '손으로 하는 일'과 '평생 다시 배우는 능력'이 장기적으로 중요하다는 결론.

Answers

Questions about this video

영상은 AI 시대에 가장 중요한 역량으로 무엇을 꼽나요?

무엇을 할지 정하는 판단력, 여러 답 가운데 좋은 것을 고르는 안목, AI의 답을 검증하는 비판적 사고, 그리고 수요를 아는 능력을 핵심으로 꼽습니다. 이는 AI가 실행을 대신할수록 더 중요해지는 역량입니다.

케냐 자영업자 실험에서 AI 조언은 모두에게 효과가 있었나요?

평균으로는 차이가 없었지만, 원래 장사를 잘하던 절반은 성과가 15% 넘게 올랐고 못하던 절반은 10% 가까이 떨어졌습니다. 차이는 자기 가게 사정에 맞는 조언을 골랐는지에 있었습니다.

AI를 쓰면 항상 생산성이 올라가나요?

아닙니다. BCG 실험에서 AI가 그럴듯하지만 틀린 답을 낼 때 AI를 쓴 사람들은 정답률이 떨어졌고, 한국은행 분석에서도 AI로 아낀 시간이 실제 생산성 향상으로 이어지지는 않았습니다. AI를 믿어도 되는 문제인지 판단하는 능력이 중요합니다.

Full Transcript — Download SRT & Markdown

00:01
Speaker A
obvious tactical stuff is probably what you expect me to say like learn how to use AI tools it's funny how quickly went from 지금 뭘 배워야 하느냐는 질문에 오픈 AI의 샘 올트먼이 작년 여름에 한 답입니다. 코딩 다음은 AI 쓰는
00:24
Speaker A
법. 그럼 그다음은 뭘까? 올해 AI를 만드는 사람들의 답은 한 곳으로 모입니다. AI가 대신 정해 주지 못하는 것. 무엇을 왜 할지입니다. 뻔한 말처럼 들리지만 실제로 이게 사람들을 갈랐습니다.
00:38
Speaker A
똑같은 AI를 줬는데 절반은 성과가 15% 넘게 올랐고 나머지 절반은 오히려 10% 가까이 떨어졌습니다. AI를 안 쓴 사람들보다도 못해진 겁니다. 둘 사이에 뭐가 달랐는지 보고 나면 내가 지금 어느 쪽으로 쓰고 있는지가 보입니다. 그리고이 답은 2년 사이 번 바뀐 끝에
00:56
Speaker A
나왔습니다. 왜 자꾸 바뀌는지 알고 나면 또 바뀌어도 휘둘리지 않습니다. 처음 답은 코딩이었습니다. 10년 넘게 다들 코딩을 배우라고 했죠.
01:06
Speaker A
그런데 제작년 AI칩을 만드는 NB디아의 젠슨 황이 이걸 정면으로 뒤집었습니다. inactly comput은 배우라는 사람도 있습니다.
01:41
Speaker A
스탠포드에서 AI를 가르쳐온 앤드루입니다. I think that everyone should learn to despite advice to the contrary by number of senior business leaders that were advising people to not learn to on the grounds that AI will automate it. I think
01:57
Speaker A
that much for the career is that easy with AI assistance is learning. 배우지 말라는 쪽과 배우라는 쪽.
02:07
Speaker A
그런데 두 사람이 똑같이 인정하는게 하나 있습니다. 코드를 직접 자는 일은 이제 AI가 한다는 겁니다.
02:14
Speaker A
클로드라는 AI를 만드는 회사 앤트로픽의 CEO 다리오 아모데이는 올해 2월 이렇게 말했습니다. 코드를 AI가 짠다면 사람이 배울 건 그 AI를 쓰는 법입니다. 그래서 다음 답은 AI를 쓰는 법이 됐습니다. 올해 1월 구글 회장을 지낸 에릭 슈미트는 지금 대학에 없는 가장 중요한 수업으로 프롬프트 수업을
02:50
Speaker A
꼽았습니다. AI에게 어떻게 물어야 좋은 답이 나오는지를 가르치는 수업입니다. 그런데 아홉 달 뒤 같은 슈미트가 답을 또 고쳤습니다.
03:22
Speaker A
AI 하나에게 물어보는게 아닙니다. AI 여러 개에게 일을 나눠맡기고 그 AI들을 관리하는 겁니다. AI를 쓰는 데서 AI를 부리는 대로 답이 또 한 번 바뀐 겁니다. 왜 이렇게 자꾸 바뀔까요? 사다리 하나를 떠올리면 쉽습니다. 맨 아래 칸이 코딩. 그 위가 AI 하나에게 잘
03:41
Speaker A
묻는 쓰는 법. 그 위가 AI 여러을 맡기는 부리는 법입니다. AI가 아래 칸을 하나 가져갈 때마다 답은 그 바로 위칸으로 올라갔습니다. 그럼 지금 맨 위칸엔 뭐가 남았을까요?
03:54
Speaker A
오픈 AI를 함께 세우고 테슬라의 AI를 이끌었던 안드레이 카파시. 요즘 AI 여러 개에게 일을 맡겨가며 개발하는 그는 이렇게 말합니다.
04:18
Speaker A
병목 병에서 가장 좁은 목부분입니다. [음악] 병이 아무리 커도 물이 나오는 속도는 그 좁은 목이 정하죠. AI는 얼마든지 빨리 일할 수 있지만 무엇을 왜 할지는 사람이 정해 줘야 움직입니다. 그래서 지금 전체 속도를 정하는 가장 좁은 곳은 사람입니다.
04:35
Speaker A
그 맨 위칸에서 AI를 만드는 사람들은 지금 실제로 어떻게 일하고 있을까요? 다시 아모데입니다. 코딩이 먼저 사라진다고 말한 바로 다음 [음악] 그는 이렇게 덧붙였습니다.
04:57
Speaker A
models like you know those things uh uh may still be present again like there's this comparative advantage is surprisingly powerful right even if you're only doing like you know 5% of the task like you know that 5% gets
05:12
Speaker A
super amplified and levered because it's like you're only doing 5% of the task the AI does the other 95% and so you become you know 20 20 times more productive again at some point you get to 99% 계산은 단순합니다. 입니다. 일에
05:27
Speaker A
95%를 AI가 해주면 사람은 같은 시간에 20배를 해냅니다. 아모데이의 회사 앤트로픽 안에서는 이게 이미 숫자로 보입니다. 지난달 앤트로픽은 자기 직원들이 AI와 어떻게 일하는지 조사해 공개했습니다. 직원들의 일 가운데 AI를 관리하는 일이 얼마나 되는지 봤습니다. AI가 한 일을 다른 AI가 검토하도록 짜두는 것
05:48
Speaker A
같은 일입니다.이 몫이 단연 [음악] 사이에서 22%로 두 배 넘게 늘었습니다. 올해 3월에는 직원들이 일한 시간보다 그 직원들이 부리는 AI가 일한 시간이 처음으로 더 길어졌습니다. 직접 하는 사람에서 AI에게 맡기고 관리하는 사람으로 일하는 모습이 실제로 바뀌고 있는 겁니다. 그런데 아모데이의 말엔
06:10
Speaker A
단서가 하나 붙어 있었습니다. 99%까지 가면 어려워진다. AI가 99%를 하게 되면 사람에게 남는 1%는 뭘까요? 실마리는 처음에 본 올트먼의 인터뷰에 있습니다. 다음엔 뭘까 하고 궁금해한 바로 뒤에 그는 이렇게 말했습니다.
06:46
Speaker A
마지막에 꼽은 것. 남들이 뭘 원하는지 알아내는 것. 아모데이가 남는다고 한 수요가 뭔지 아는 것과 같은 얘기입니다. 무엇을 만들지 그게 누구에게 필요한지를 정하는 일입니다.
06:58
Speaker A
이걸 정할 수 있느냐가 실제로 차이를 만든다는 건 우리나라 조사에서도 보입니다. 올해 6월 한국은행이 일할 때 AI를 쓰는 사람들을 분석했습니다. AI덕에 시간을 많이 아낀 사람일수록 일도 더 많이 해냈을까요? 아니었습니다. 둘 사이에는 아무 관계가 없었습니다.
07:16
Speaker A
시간은 아꼈는데 해낸 일은 늘지 않은 겁니다. 예를 들면 이렇습니다. 세시간 걸리던 보고서를 AI로 한시간 만에 끝냈습니다. 그런데 결제는 어차피 내일 납니다. 다음 일도 위에서 정해 줘야 시작할 수 있습니다. 아낀 두시간은 그냥 기다리는 시간이 됩니다. 한국 은행이 짚은 이유가 이겁니다. 반대로 해낸
07:36
Speaker A
일이 실제로 늘어난 사람들도 있었습니다. 자영업자와 전문직입니다. 남은 2 시간에 뭘 할지 스스로 정할 수 있는 사람들이죠. 그런데 무엇을 할지 정해서 AI에게 시키면 문제가 하나 더 생깁니다. AI는 답을 하나만 주지 않습니다. 열개든 100개든 달라는 대로 줍니다.
07:54
Speaker A
그중에 뭘 쓸지는 다시 사람이 골라야 합니다. 세계 수백만 개 가게가 쓰는 온라인 쇼핑몰 서비스 쇼피파이.이 이 회사를 세운 토비 리트켄는 10년 뒤 더 갑질 능력으로 이걸 꼽습니다.
08:11
Speaker A
skills have always been valuable but now will get to the limit. Usually the people who have great taste have done enormous amount ofs at something right like the people can just like sketch the new logo for the campaign on
08:23
Speaker A
the napkin people years designing logos. 안목. 여럿 가운데 좋은 것을 알아보는 눈입니다.이 안목이 실제로 성과를 가른 실험이 있습니다.
08:34
Speaker A
2023년 케냐, 식당, 옷가게, 양계장 같은 작은 가게를 하는 자영업자 640명이 대상이었습니다. 연구지는 그 절반에게 휴대폰 메신저로 언제든 물어볼 수 있는 AI 사업 조언자를 줬습니다. 다섯 달 뒤, AI를 받은 가게들은 장사가 더 잘됐을까요? 평균으로 보면 달라진게 없었습니다. 그런데 둘로 나눠보니
08:57
Speaker A
달랐습니다. 원래 장사를 잘하던 절반은 성과가 15% 넘게 올랐고 못하던 절반은 오히려 10% 가까이 떨어졌습니다. AI에게 물어본 횟수도 받은 조언도 조언을 따른 비율도 비슷했습니다. 달랐던 건 하나. 여러 조언 가운데 무엇을 골랐느냐였습니다.
09:14
Speaker A
떨어진 쪽은 값을 내려라, 광고를 늘려라 같은 어느 가게에나 하는 조언을 골랐습니다. 매출은 줄고 비용은 늘 수 있는 선택이었습니다.
09:23
Speaker A
오른쪽은 자기 가게 사정에 맞는 조언을 골랐습니다. 한 PC방 사장은 정전이 돼도 전기를 쓰는 방법을 AI와 찾았고 가게 옆에 작은 미용실을 냈습니다. AI는 양쪽에 똑같이 쓸 만한 조언과 뻔한 조언을 섞어 줬습니다. 그중에 내 가게에 맞는 걸 알아본 쪽만 성과가
09:41
Speaker A
올랐습니다. 실리콘 밸리의 현자로 불리는 투자자 나발비칸트는이 차이가 앞으로 더 벌어진다고 봅니다. 프로그래머를 예로 들면서요.
10:05
Speaker A
AI가 실행을 대신해 줄수록 무엇을 고르느냐의 작은 차이가 결과에서는 큰 차이로 벌어진다는 겁니다. 그런데 여기엔 함정이 하나 있습니다. 잘 골랐다고 생각했는데 AI가 준 그 답이 애초에 틀린 답이었다면요.
10:20
Speaker A
아모데이가 가장 중요할 수 있다고 꼽은 능력이 바로 이겁니다. 비판적 사고. 그럴듯한 말을 듣고도 정말 맞는지 한번 더 따져 보는 겁니다. 이게 얼마나 어려운지 보여주는 실험이 있습니다. 2023년 세계적인 컨설팅 회사 보스턴 컨설팅 그룹.이 이 회사 컨설턴트 758명이 실험에 참여했습니다. 연구지는 문제
10:52
Speaker A
하나를 일부러 골랐습니다. AI가 그럴 듯하지만 틀린 답을 내놓는 문제였습니다. AI 없이 푼 사람들은 84.5%가 5%가 맞췄습니다.
11:01
Speaker A
AI를 쓴 사람들은 60에서 70%만 맞췄습니다. 혼자 풀었으면 맞췄을 사람들이 AI의 그럴듯한 답을 그대로 믿은 겁니다. 반대로 AI가 잘하는 문제에서는 AI를 쓴 사람들의 결과물이 40% 넘게 좋았습니다.
11:16
Speaker A
같은 회사 사람들, 같은 AI였습니다. 어떤 문제에서는 AI가 사람을 끌어 올렸고 어떤 문제에서는 끌어내렸습니다. 차이를 만든 건 지금이 문제가 AI를 믿어도 되는 문제인지 알아보는 눈이었습니다.
11:30
Speaker A
여기까지는 전부 머리로 하는 일 얘기였습니다. 그럼 결국 머리 쓰는 쪽만 남는 걸까요? AI의 대부로 불리는 노벨 상수 상자 제프리 힌턴.
11:40
Speaker A
지난달 강연에서 무엇을 배워야 하느냐는 질문을 받았습니다. [음악] 대관 1. 농담처럼 들리지만 힌턴이 작년부터 해온 말입니다. AI가 글과 코드는 금방 배워도 손으로 하는 일은 한참 걸린다는 겁니다. 아무데이도 사람을 직접 상대하는 일과 몸으로 하는 일은 오래 남을 거라고 말했습니다. 사다리 위쪽만 길은
12:23
Speaker A
아닙니다. 그리고 어느 길이든 답이 2년 사이 번 바뀌는 동안 한 번도 안 바뀐 답이 하나 있습니다.
12:30
Speaker A
사피엔스를 쓴 역사학자 유발 하라리는 채 GPT가 나오기 4년 전에 이미 이렇게 말했습니다. markets [음악] teach people by 2040 this traditional model will become obsolete and humans will be learning through their lives and 구글 딥인을 이끄는 노벨상수상자 데미스 하사비스도 작년에 같은 말을
13:10
Speaker A
했습니다. 배우는 법을 배워라. 평생 계속 배워야 하니까. 배울 것이 2년에 세 번 바뀐다면 무엇을 배웠느냐보다 다시 배울 수 있느냐가 더 오래 갑니다. 코딩에서 AI 쓰기로 AI 부리기로. 답은 2년 동안 한 칸씩 올라갔고 매번 AI가 방금 가져간 칸에 바로 위였습니다.
13:30
Speaker A
답이 또 바뀐다면 그 자리도 같을 겁니다. 그때 AI가 막 가져간 칸에 바로 위. 그리고 같은 AI를 받은 사람들의 성과를 실제로 가른 것도 그 맨 위칸이었습니다. 무엇을 할지, 여러 답 무엇을 쓸지, 무엇을 믿지 않을지, 하라리는 올해이 맨 위칸을 질문 하나로 말했습니다. AI가 뭐든
13:51
Speaker A
해줄 수 있게 되면 마지막에 남는 병목은 이것이라고요. 영상 맨 처음에 올트먼은 궁금해했습니다. 다음엔 뭘까? 그 답이 몇 번을 더 바뀌어도 하라리의이 질문만큼은 AI가 대신 답해 주지 않습니다. 나는 뭘 원하지?
14:18
Speaker A
am
Topics:AI인공지능AI 활용프롬프트AI 에이전트비판적 사고생산성직업 변화평생학습샘 올트먼

Get More with the SozAI App

Transcribe recordings, audio files, and YouTube videos — with AI summaries and speaker detection. 30 minutes free.

Or transcribe another YouTube video here →