AI 시대에도 깊은 지식이 좋은 질문을 만듭니다

요즘 많은 사람이 업무 중 궁금한 점이 생기면 ChatGPT나 Claude에게 묻습니다. 복잡한 법 조항이나 회계 기준도 마찬가지입니다. 그렇다면 이제 전문 지식을 머릿속에 담아 둘 필요가 없을까요? 필자의 답은 「아니요」입니다. AI는 좋은 질문을 던지는 사람에게 더 좋은 답을 주고, 좋은 질문은 깊은 지식에서 나옵니다. 이 글은 회계, 법무, 인사, 경영지원 분야의 직장인을 위한 것이며 한국에서 일하는 외국인도 대상입니다.

질문이 답의 한계를 정합니다

회계를 예로 들어 보겠습니다. 기초 지식만 가진 직원은 AI에게 「매출채권 회계처리 방법을 알려 줘」라고 묻습니다. 전문가는 「IFRS 15를 적용할 때 변동대가가 포함된 복합계약에서 수행의무를 어떻게 식별하고 거래가격을 어떻게 배분해야 하며, 실무적으로 어떻게 접근해야 하는가」를 묻습니다. 같은 도구라도 얻는 답의 깊이가 전혀 다릅니다.

IFRS 15(고객과의 계약에서 생기는 수익)는 2018년 1월 1일 이후 시작하는 회계연도부터 적용됩니다. 한국은 이를 기업회계기준서 제1115호 「고객과의 계약에서 생기는 수익」으로 채택했습니다. 이 기준은 다섯 단계로 이뤄집니다. 계약을 식별하고, 수행의무를 식별하고, 거래가격을 산정하고(변동대가 추정 포함), 거래가격을 수행의무에 배분하고, 각 수행의무를 이행할 때 수익을 인식합니다. 이 구조를 아는 사람만 전문가의 질문을 던질 수 있습니다.

법무도 같습니다. 「계약서 검토 포인트」를 물으면 일반적인 목록이 나옵니다. 국제거래 계약에서 최근 판례 흐름을 고려해 준거법을 고르고 분쟁해결조항을 정하는 방법을 물으면 훨씬 쓸모 있는 답이 나옵니다.

학생처럼 준비하는 팟캐스터

드와케시 파텔(Dwarkesh Patel)은 「드와케시 팟캐스트」를 진행합니다. 머큐리(Mercury)의 매거진 「메리디언」이 2024년 2월 그를 소개할 때 그는 23세였습니다. 출연자로는 메타의 마크 저커버그 최고경영자, 구글 딥마인드의 데미스 허사비스 최고경영자, 당시 오픈AI 수석 과학자였던 일리야 수츠케버 등이 있습니다.

그의 방법은 준비입니다. 머큐리의 소개 기사에 따르면 다음과 같습니다.

• 딥마인드 수장과의 인터뷰를 앞두고 지난 몇 년간 나온 딥마인드 논문 대부분을 읽어 두겠다고 말했습니다.
• 한 번의 인터뷰를 위해 AI 연구자 열두 명과 이야기를 나눴습니다.
• 수츠케버를 인터뷰하기 전에 오늘날 언어 모델의 기반 구조인 트랜스포머를 직접 구현했습니다.
• 인터뷰 전에 그 분야 학부 과정의 핵심을 익히는 것을 목표로 합니다.

그래서 그의 질문은 겉핥기에 그치지 않습니다.

지식은 복리처럼 쌓입니다

필자의 핵심 주장은 학습이 복리처럼 쌓인다는 것입니다. 회계 원리를 탄탄히 아는 회계 담당자는 새 기준이 나와도 빨리 적응합니다. 민법의 기본 체계를 이해하는 법무 담당자는 새 판례나 법령 개정을 기존 지식에 바로 연결합니다. 노동법 개정을 공부하는 인사 담당자는 AI로 기존 규정과의 차이를 정리하고 실무에 어떻게 적용될지 시험해 볼 수 있습니다.

온라인 매체 에브리(Every)는 2024년 7월 파텔이 AI 도구로 「자기 지능을 복리로 키운다」고 소개했습니다. 두 가지 습관이 눈에 띕니다.

• 기억을 돕는 AI: 언어 모델에게 자료를 문답 형식으로 바꿔 달라고 하고 자신을 시험하게 합니다. 그가 인터뷰한 연구자 앤디 마투샥에게서 영감을 받은 간격 반복 학습입니다.
• 모르는 것을 보여 주는 AI: Claude가 어떤 질문에 좋은 답을 내지 못하자, 그는 그것을 출연자인 유전학자 데이비드 라이크에게 물어볼 가치가 있다는 신호로 받아들였습니다.

필자는 직장에 맞는 예도 듭니다. AI가 「ESG 경영과 재무 성과의 상관관계」에 대해 일관된 답을 내지 못한다면, 그 주제는 직접 더 깊이 연구해야 한다는 뜻입니다.

효과가 확인된 학습법

학습 연구는 두 가지 습관을 특히 지지합니다. 존 던로스키 등이 2013년 「Psychological Science in the Public Interest」에 낸 연구 검토는 연습 시험과 분산(간격) 연습을 가장 유용한 학습법으로 평가했습니다. 다시 읽기, 밑줄 긋기, 요약하기는 낮게 평가했습니다.

필자의 제안은 다음과 같습니다.

• 간격을 두고 복습합니다. 회계 담당자는 주요 회계 기준을 일주일 간격으로 다시 보고 실제 사례에 적용해 봅니다. 법무 담당자는 중요 판례를 정기적으로 다시 보며 해석의 흐름을 따라갑니다.
• 문답 형식을 씁니다. AI에게 메모를 문답으로 바꿔 달라고 한 뒤 스스로 답해 봅니다. 새 인사 제도를 도입하는 인사 담당자라면 「이 제도는 기존 성과 평가와 어떻게 연결되는가」 같은 질문을 만들 수 있습니다.
• 핵심 개념을 매일 다시 봅니다. 재무·경영지원 담당자는 예산 편성 원칙과 투자 의사결정 기준을 몸에 밸 때까지 복습합니다.

AI로 생각을 키우는 법

• 맥락을 줍니다. 배경, 계약 조건, 관련 기준을 알려 줍니다. 회계 담당자는 거래의 배경, 계약 조건, 적용 기준을 자세히 설명합니다.
• 생각을 검증합니다. 계약서를 검토한 뒤 AI에게 자기 해석이 타당한지, 놓친 위험은 없는지 묻습니다.
• 분야를 연결합니다. 조직 문화를 개선하는 인사 담당자는 AI의 도움으로 심리학과 경영학의 접근을 함께 씁니다.
• 자기만의 틀을 만듭니다. 배운 내용을 모아 일관된 의사결정 방식으로 정리합니다.

AI 시대의 전문가로 성장하기

이제 정보 검색과 기본 분석은 AI가 맡습니다. 하지만 그렇다고 전문성의 가치가 떨어지지는 않습니다. 회계 전문가는 일상적인 회계 처리를 더 빨리 검토하고 아낀 시간을 전략적 재무 분석에 씁니다. 법무 전문가는 계약서 초안을 AI에 맡기고 위험 분석에 집중합니다. 인사 전문가는 기본 정책 초안을 AI와 함께 만들고 조직 문화와 인재 개발에 더 많은 시간을 씁니다.

필자의 말로 정리하면, AI는 지식을 대신하지 않습니다. 지식을 가진 사람을 더 강하게 만듭니다. 기초가 깊어야 더 날카롭게 묻고 답을 제대로 평가할 수 있기 때문입니다.

점검표

1. AI에 묻기 전에 이미 아는 것과 알아내야 할 것을 적습니다.
2. 한 번 다시 읽기보다 일정을 정해 핵심 개념을 복습합니다.
3. 메모를 질문으로 바꿔 스스로 시험합니다.
4. AI에 맥락을 충분히 주고, 답은 원래 출처와 대조합니다.
5. AI의 약하거나 엇갈리는 답은 연구할 단서로 삼습니다.
6. 배운 내용으로 자기만의 의사결정 틀을 만듭니다.