패턴을 이해한다는 것
패턴을 이해한 인간은 패턴에 개입한다
우리는 수많은 평가 시스템 속에서 살아간다.
음식점을 고를 때는 별점을 확인하고, 영화를 고를 때는 평점을 살펴본다. 자신의 성격을 알아보기 위해 MBTI 검사를 하고, 세상에서 벌어지는 일을 이해하기 위해 뉴스를 읽는다.
이러한 시스템들은 저마다의 목적을 가지고 만들어졌다. 별점은 소비자의 만족도를 표현하기 위한 것이고, 성격 검사는 개인의 성향을 파악하기 위한 것이며, 언론은 사회의 정보를 전달하기 위해 존재한다.
그런데 한 가지 재미있는 점이 있다.
사람들은 시스템을 이용하는 데 익숙해지면, 그 시스템이 어떻게 작동하는지도 학습하기 시작한다.
그리고 작동 원리를 이해한 사람은 더 이상 수동적인 이용자로만 남지 않는다.
별점은 정말 만족도를 나타내는가?
오랫동안 다니던 작은 음식점이 있다고 가정해 보자.
음식도 맛있고 가격도 합리적이다. 주인장과 적당한 친분도 생겼고, 무엇보다 사람이 많지 않아 조용히 식사하기 좋다.
그런데 어느 날부터 이 음식점이 유명해지기 시작한다.
손님이 늘어나고 대기 줄이 생긴다. 음식점은 늘어난 수요를 감당하기 위해 운영 방식을 바꾸고, 더 많은 손님에게 맞추기 위해 메뉴를 조정할지도 모른다.
오래된 단골에게는 그리 반가운 변화가 아닐 수 있다.
그렇다면 이 단골이 음식점에 낮은 별점을 남긴다면 어떨까?
음식이 맛없어서가 아니다. 서비스가 나빠서도 아니다. 오히려 음식점이 마음에 들기 때문에, 더 유명해지는 것을 막으려는 행동이다.
물론 모든 단골이 이렇게 행동한다는 뜻은 아니다. 다만 이러한 행동이 가능하다는 사실 자체가 흥미롭다.
별점은 원래 소비자의 만족도를 기록하기 위한 시스템이다.
그러나 별점이 다른 소비자의 선택에 영향을 준다는 사실을 이해한 순간, 별점은 만족도를 표현하는 수단을 넘어 시장의 흐름에 개입하는 도구가 될 수 있다.
별점 조작이나 구매 역시 비슷한 맥락에서 이해할 수 있다.
사람들이 별점을 중요하게 여기지 않는다면, 굳이 돈을 들여 별점을 조작할 이유도 없다.
별점이 소비자의 행동을 바꾸기 때문에 조작할 가치가 생기는 것이다.
주관적인 경험이 객관적인 숫자가 되는 순간
여기에는 또 다른 문제가 있다.
별점은 숫자로 표현되지만, 그 숫자를 만들어내는 경험은 지극히 주관적이다.
어떤 사람은 음식이 맛있어도 직원이 불친절했다는 이유로 낮은 점수를 준다. 어떤 사람은 가격이 비싸다는 이유로 감점하고, 또 다른 사람은 기대했던 맛과 다르다는 이유로 실망한다.
심지어 같은 음식을 먹고도 개인의 취향과 당시의 기분에 따라 평가가 달라질 수 있다.
그런데 이러한 주관적 경험들이 모여 하나의 평균값이 된다.
4.8점과 3.2점.
소비자는 두 숫자를 마주하는 순간 전자가 더 좋은 음식점일 것이라고 예상하기 쉽다.
물론 많은 평가가 쌓이면 유용한 통계적 정보가 만들어질 수 있다. 그러나 숫자가 만들어지는 과정에 개입한 수많은 맥락이 사라지는 것도 사실이다.
누군가에게 직접 음식점 이야기를 들었다면 어떨까?
“거기 음식은 맛있는데 직원이 좀 불친절하더라.”
이 말을 들은 사람은 자신의 기준에 따라 판단할 수 있다. 직원의 친절함을 중요하게 생각하지 않는다면 별다른 문제가 되지 않을 것이다.
하지만 이러한 경험이 단순히 낮은 별점으로 기록되면, 다른 사람들은 그 이유를 모른 채 음식점의 전반적인 품질이 낮다고 받아들일 수 있다.
주관적인 경험이 숫자로 압축되면서 객관적인 권위를 얻는 것이다.
그리고 사람들은 그 숫자의 영향력을 학습한다.
MBTI도 비슷하지 않을까?
성격 검사도 같은 구조를 가진다.
MBTI의 본래 목적은 개인의 성격적 선호를 이해하는 데 있다.
그런데 검사가 대중화되면서 MBTI 유형은 단순한 검사 결과를 넘어 하나의 사회적 이미지가 되었다.
어떤 유형은 리더십이 강한 사람으로 묘사되고, 어떤 유형은 감성적인 사람으로, 또 다른 유형은 논리적인 사람으로 소비된다.
이때 사람들은 자신의 성향을 알아보는 것뿐 아니라, 자신이 어떤 사람으로 보이고 싶은지도 생각할 수 있다.
예를 들어 특정 유형이 사회적으로 매력적이라고 여겨진다면, 검사 문항에 답하면서 자신도 모르게 그 유형에 가까운 응답을 선택할 수 있다.
극단적으로는 원하는 유형을 얻기 위해 의도적으로 답변을 조정할 수도 있다.
이렇게 되면 검사는 원래 측정하려던 성향뿐 아니라, 응답자가 추구하는 자기 이미지까지 반영하게 된다.
여기서 중요한 것은 MBTI의 과학적 타당성 논쟁 자체가 아니다.
측정 결과에 사회적 의미가 부여되면, 사람들은 그 결과를 만들어내는 과정에도 개입할 수 있다는 점이다.
언론과 독자도 서로를 학습한다
언론 역시 예외가 아니다.
언론사는 기사를 작성하고 독자는 기사를 소비한다.
그런데 온라인 환경에서 기사의 조회수는 광고 수익이나 매체의 영향력과 연결될 수 있다.
그러면 언론사는 어떤 제목이 클릭을 유도하는지, 어떤 주제가 사람들의 관심을 끄는지 학습하게 된다.
자극적인 제목, 갈등을 강조하는 구성, 특정 감정을 유도하는 표현 등이 이러한 과정에서 선택될 수 있다.
하지만 독자도 가만히 있지는 않는다.
특정 언론사가 자극적인 제목을 자주 사용한다는 사실을 알게 되면, 독자는 그 언론사의 기사를 의심하거나 제목을 걸러 읽는 습관을 만들 수 있다.
언론사는 독자의 반응을 학습하고, 독자는 언론사의 보도 방식을 학습한다.
서로의 패턴을 읽고 행동을 바꾸는 것이다.
그 결과 언론사가 새로운 방식으로 관심을 끌려고 하면, 독자는 다시 그 방식을 학습할 수 있다.
이러한 현상은 단순히 누가 누구를 속이는 문제로만 볼 수 없다.
서로가 서로를 예측하면서 행동을 수정하는 구조에 가깝다.
인간은 패턴을 발견하는 존재다
생각해 보면 이러한 현상은 특별한 일이 아니다.
우리는 살아가면서 수많은 패턴을 학습한다.
상대방의 표정을 보고 기분을 짐작하고, 특정 상황에서 누군가 어떤 행동을 할지 예상한다.
영화나 소설을 많이 접한 사람은 이야기의 전개를 예측하기도 한다.
어떤 인물이 등장했을 때 앞으로 어떤 역할을 맡을지, 어느 장면에서 위기가 발생하고 언제 반전이 일어날지 가늠하는 것이다.
특히 현대인은 방대한 양의 콘텐츠를 소비하면서 이야기의 구조에도 익숙해졌다.
그 결과 콘텐츠를 처음부터 끝까지 감상하기보다, 위기나 반전처럼 강한 자극이 발생하는 구간을 빠르게 소비하려는 경향이 나타날 수 있다.
숏폼 콘텐츠의 인기 역시 이런 관점에서 부분적으로 해석해 볼 수 있다.
물론 숏폼의 성장을 이야기 구조에 대한 학습만으로 설명할 수는 없다. 모바일 환경, 추천 알고리즘, 짧은 여가 시간 등 다양한 요인이 작용한다.
다만 사람들이 반복적인 경험을 통해 특정한 전개를 예상하게 되고, 그 예상에 맞춰 소비 행동을 바꿀 수 있다는 점은 생각해 볼 만하다.
불완전한 함수들을 조합한다면
이러한 능력을 조금 다르게 표현해 보자.
인간이 사용하는 여러 판단 기준을 일종의 확률적 함수라고 생각하는 것이다.
어떤 사람은 표정을 잘 읽는다. 어떤 사람은 시장의 흐름을 잘 파악한다. 또 다른 사람은 이야기의 구조를 빠르게 이해한다.
각각의 능력은 완벽하지 않다.
표정을 잘 읽는 사람도 상대방의 감정을 오해할 수 있고, 시장을 잘 아는 사람도 미래를 잘못 예측할 수 있다.
그렇다면 이러한 불완전한 판단들을 조합하면 어떨까?
개별적인 판단은 불완전하지만, 서로 다른 관점에서 얻은 정보를 조합하면 새로운 패턴을 발견할 수도 있다.
예를 들어 기술의 발전 가능성을 예측한다고 가정해 보자.
기술 자체의 완성도만 살펴보는 것보다 사용 편의성, 비용, 확장 가능성, 기존 시장의 불만, 커뮤니티의 성장 등을 함께 관찰하면 더 풍부한 판단이 가능하다.
물론 불완전한 판단을 여러 개 합친다고 반드시 정확해지는 것은 아니다.
서로 비슷한 편향을 가진 판단들이 모이면 오히려 오류가 커질 수 있다. 우연한 상관관계를 필연적인 인과관계로 착각할 위험도 있다.
그럼에도 서로 다른 판단 기준을 조합한다는 발상은 유용하다.
어쩌면 우리가 전문성이라고 부르는 것의 일부도 이러한 과정에서 형성되는 것이 아닐까?
전문성이란 흐름을 읽는 시야일지도 모른다
나는 과거 국내에서 Blender가 지금처럼 널리 알려지기 전에 이를 학습해 사용한 적이 있다.
Unity의 수수료 정책 논란이 크게 발생하기 전에도 Godot을 경험하면서 가능성을 가늠해 보았다.
물론 이것이 미래를 정확하게 예측했다는 뜻은 아니다.
수많은 판단 중 일부가 결과적으로 시장의 흐름과 맞아떨어진 것일 수 있다.
다만 이런 경험을 돌아보면 한 가지 생각이 든다.
특정 분야에 대한 전문성이 쌓이면, 개별 기술의 좋고 나쁨을 넘어 그 분야가 움직이는 방향을 가늠하는 시야가 생길 수 있다.
기술을 직접 사용해 본 사람은 단순히 기능 목록만 보는 것이 아니다.
어떤 부분이 불편한지, 무엇이 확장 가능성을 제한하는지, 어떤 문제가 사용자들을 다른 도구로 이동하게 만드는지 경험한다.
이러한 경험들이 쌓이면 시장의 변화가 완전히 무작위로 보이지는 않게 된다.
그렇다고 전문가가 반드시 미래를 잘 맞힌다는 뜻은 아니다.
오히려 자신의 분야에 익숙하기 때문에 새로운 변화를 과소평가할 수도 있다.
전문성은 미래를 보장하는 능력이 아니라, 불확실한 흐름을 해석하기 위한 여러 판단 기준을 갖추는 과정에 가깝다.
AI는 기존의 흐름을 얼마나 바꾸고 있는가?
그런데 AI가 등장하면서 이러한 판단 기준에도 변화가 생기고 있다.
기술의 발전 속도가 빨라지면서 과거에 유효했던 경험이 짧은 시간 안에 낡은 지식이 될 수 있기 때문이다.
어떤 작업을 자동화하기 위해 오랫동안 익혔던 기술이 새로운 AI 모델의 등장으로 간단한 요청 하나에 대체될 수도 있다.
물론 AI가 모든 전문성을 무의미하게 만드는 것은 아니다.
다만 기술의 발전 속도가 개인의 학습 속도를 앞지르는 상황에서는 기존의 예측 방식이 흔들릴 수 있다.
모래성을 쌓는 것처럼 느껴질 때도 있다.
열심히 구조를 파악하고 미래를 예상했는데, 그 기반이 되는 기술 자체가 달라져 버리는 것이다.
초기의 프롬프트 엔지니어링 역시 이러한 변화의 사례로 볼 수 있다.
사람들은 AI에게 어떤 역할을 부여해야 하는지, 어떤 순서로 지시해야 하는지, 어떤 표현을 사용해야 원하는 결과를 얻을 수 있는지 실험했다.
어떤 의미에서는 AI의 행동 패턴을 연구하는 일이었다.
그러나 AI의 성능이 개선되면서 과거에 복잡하게 작성해야 했던 지시의 일부는 더 간단한 표현으로도 전달할 수 있게 되었다.
프롬프트 작성 능력이 완전히 사라진 것은 아니지만, 경쟁력의 중심은 특정 문구를 아는 것에서 작업 전체를 설계하고 검증하는 능력으로 이동할 수 있다.
그렇다면 다음에는 어떤 패턴이 중요해질까?
패턴을 이해하면 패턴이 달라진다
앞서 살펴본 사례들은 하나의 공통점을 가진다.
사람들은 시스템을 경험하면서 그 시스템의 작동 원리를 학습한다.
그리고 그 원리를 자신의 목적에 맞게 사용하기 시작한다.
문제는 이러한 행동이 누적되면 시스템의 작동 방식 자체가 달라질 수 있다는 것이다.
별점이 소비자의 선택을 바꾼다는 사실이 알려지면 별점 조작이 발생한다.
성격 유형이 사회적 이미지가 되면 검사 결과를 연출하려는 사람이 나타난다.
언론의 자극적인 보도 방식이 알려지면 독자는 이를 경계하고, 언론은 새로운 방식으로 관심을 끌려 한다.
이것은 굿하트의 법칙이나 사회적 재귀성과도 연결되는 현상이다.
측정 지표가 목표가 되면 본래의 측정 기능이 왜곡될 수 있고, 사람들의 예측과 행동이 다시 현실에 영향을 줄 수 있다.
나는 이를 조금 넓은 의미에서 패턴의 자기변형성이라고 부르고 싶다.
패턴을 발견한 사람이 그 패턴을 이용하기 시작하면, 패턴은 더 이상 이전과 똑같이 유지되지 않을 수 있다.
인간은 사회적 패턴의 관찰자이면서 동시에 그 패턴을 만들어내는 구성원이기 때문이다.
그리고 이 생각은 자연스럽게 다음 질문으로 이어진다.
AI가 생산의 규칙을 바꾸고 있는 지금, 사람들은 다음으로 어떤 규칙을 학습하게 될까?
어쩌면 앞으로 중요한 것은 무언가를 만드는 방법이 아니라, 만들어진 것을 사람들에게 전달하고 판매하는 방법일지도 모른다.
