인문학, AI 사용법 같은 뻔한 소리 아닙니다 AI 시대 일잘러가 되기 위해 필요한 진짜 역량

반응형

핵심 요약

인공지능(AI) 시대에 일잘러가 되기 위해서는 문제를 정의하고 해결하는 능력이 가장 중요하다는 주제를 다루고 있습니다. 이 팟캐스트에서는 AI 기술을 활용하여 효율적으로 문제를 해결하는 방법과, 인문학적 소양이 아닌 실질적인 문제 해결 능력을 강조하며, AI 도입의 성공 사례와 실패 요인에 대해서도 논의합니다. 결국, AI와 협업하여 더 나은 결과를 도출하는 것이 미래의 핵심 역량이 될 것임을 시사합니다.

1. 개발자 구분과 AI 시대의 일잘러

• 숙련된 개발자와 미숙련된 개발자를 구분하는 기준은 프로덕트 매니지먼트 능력이다.
• 현재 잡마켓은 어려운 상황이며, 프로젝트 매니지먼트 능력이 중요하다.

2. AI 시대의 일잘러가 되기 위한 고민

• AI 시대에 일잘러가 되기 위한 고민이 많다.
• 조용민 대표와의 대화를 통해 일잘러가 되는 방법을 알아보려 한다.

3. 조용민 대표의 배경

• 조용민 대표는 언바운드 펀드의 CEO로, 한국과 미국의 딥테크 및 AI 관련 기업에 투자하고 있다.
• 구글에서 8년 근무 후, AI의 중요성을 깨닫고 급히 퇴사하여 투자 업무를 시작했다.

4. AI 활용 사례

• 구글에서 스마트폰 마케팅을 위해 AI를 활용한 사례를 소개한다.
• AI를 통해 유튜브 콘텐츠에서 특정 브랜드가 등장하는 영상을 분석하여 광고를 타겟팅하는 방법을 사용했다.
• AI 기술이 이제는 기본적인 산업으로 자리 잡고 있다고 강조한다.

5. AI의 빠른 발전과 투자 변화

• 최근 1년간 AI 기술이 빠르게 발전하고 있으며, 하드웨어와 파운데이션 모델의 발전이 두드러진다.
• AI 관련 컨슈머 시장의 승자가 누가 될지에 대한 궁금증을 표현한다.

6. 문제 정의와 해결 능력

• 문제를 정의하는 능력이 중요하며, 비효율적인 문제를 해결하기 위한 마인드셋이 필요하다.
• AI 기술을 활용하기 위해서는 문제를 잘 파악하고 해결 방법을 찾아야 한다.

7. AI 교육의 방향

• 기업에서 AI 교육을 설계할 때, 현업의 문제를 반영하여 교육 내용을 구성해야 한다.
• 교육 후 AI 리터러시의 향상을 체크하여 교육의 효과를 평가해야 한다.

8. AI 시대의 인재상

• 주니어 개발자는 PM, PO와 같은 역할을 수행할 수 있는 역량을 키워야 한다.
• 문제 해결 능력과 오퍼레이션 엑셀런스가 중요한 역량으로 부각된다.

9. AI와 협업의 중요성

• AI의 발전과 함께 협업의 중요성이 강조된다.
• 내부 및 외부 협업이 원활해야 AI 기술을 효과적으로 활용할 수 있다.

10. AGI와 ASI의 미래

• AGI와 ASI의 발전은 생태계 경쟁과 API 연결이 중요하다고 강조한다.
• AI가 문제 해결 속도를 높이지만, 인간의 문제 해결 능력은 여전히 중요할 것이라고 예측한다.

11. 문제 해결 능력의 중요성

• AI 시대에는 문제 해결 능력이 가장 중요한 역량으로 부각된다.
• AI가 발전하더라도 인간의 문제 해결 능력은 여전히 필요하다고 강조한다.

12. AI 시대의 교육 체계

• AI의 발전에 따라 교육 체계도 변화해야 하며, 문제 해결 능력을 키우는 방향으로 나아가야 한다.

13. AI 시대 준비 방법

• AI 시대를 준비하기 위해 다양한 콘텐츠를 소비하고, 문제 해결을 위한 아이디어를 모색하는 것이 중요하다.

728x90

세부정리

조코딩의 팟캐스트에서 다루는 핵심 메시지는 AI 시대에 작업 효율성을 높이는 방법 입니다. 이 컨텐츠는 인문학적 소양보다 문제 해결 능력과 프로젝트 관리의 중요성을 강조하며, 개발자로서 AI를 활용하는 방법에 대한 다양한 시각을 제시합니다. 특히, 주니어 개발자가 경력을 쌓는 과정에서 필요한 역량과 공부 방법을 탐구합니다. AI 도입에 성공적인 사례들을 통해 비즈니스 문제해결의 방향성을 제시하며, 기업 내 교육 방향에 대한 아이디어도 공유합니다. 이 팟캐스트를 통해 청취자는 AI와의 협업및 문제 정의능력을 계발하는 데 큰 도움을 받을 수 있습니다.

1. 🚀 AI 시대의 효율적 프로젝트 관리와 개발 기술 [00:00:00] (17분)

• 잡마켓의 어려움 속에서 가장 중요한 역량은 문제를 독창적으로 정의할 수 있는 프로젝트 관리 능력이다.
• 조용민 대표는 여러 국가의 딥테크와 AI 관련 투자경험을 바탕으로 AI 기술의 실질적 활용과 그 중요성을 강조하고 있다.
• 과거 구글에서의 경험을 통해 AI 기술이 단순히 기술이 아닌, 수도, 가스와 같은 기반 산업으로 자리 잡았다고 평가한다.
• AI가 아니더라도, 문제를 효율적으로 해결하려는 마인드셋이 가장 중요한 출발점이며, 이에 대한 이해가 늘어날수록 문제 해결 방법도 다양해진다.
• AI 기술 학습은 문제의 본질을 이해하는 데에서 시작해야 하며, 조코딩같은 채널을 통해 시의적절한 정보를 수집하고 논의를 통해 활용 방안을 모색해야 한다.

1.1. AI 시대 일잘러의 역량 [00:00:00] (44초)

• 숙련된 개발자는 주니어 개발자중에서도 프로덕트 매니저(PM)나 프로덕트 디렉터(PD) 경험이 있는 경우가 많으며, 이는 경력이 쌓이면서 남아 있게 된다.
• 잡마켓이 어려워지는 상황에서 가장 중요한 것은 프로젝트 매니지먼트의 문제를 정의하는 능력으로, 이는 인문학적 소양이나 사유하는 능력과는 다른 접근이 필요하다.
• 많은 사람들이 AI 시대에 어떻게 하면 일잘러가 될 수 있을지에 대한 고민이 있다고 추정된다.
• 이를 위해 조용민 대표를 초대하여 일잘러가 되는 방법에 대한 이야기를 나누고자 한다.

1.2. 소개와 경력 [00:00:44] (1분)

• 저자는 언바운드 펀드에서 한국과 미국의 딥테크 및 AI 소비자 분야에 투자하고 있으며, 하드웨어 쪽에도 일부 투자하고 있다.
• 이 펀드는 약 6년 전에 설립되었으며, 저자는 VC 라이선스를 보유하고 있고, 기업의 성장 가능성을 평가하여 투자하고 있다.
• 저자는 구글에서 8년 근무한 후, 빠르게 퇴사 결정을 내리고 현재는 투자업무에 전념하고 있다.
• 그는 조코딩채널의 헤비 유저로 기술에 대한 관심이 많다.

1.3. AI의 활용과 발전 가능성 [00:02:19] (2분)

• 퇴사를 결심한 주된 이유는 건강 문제와 업무에 대한 변화의 필요성이었으며, 이 과정에서 AI의 중요성을 인식하게 되었다.
• 구글에서 진행한 프로젝트에서는 AI 센싱 기술을 활용해 유튜브 동영상에서 특정 제품이 등장하는 경우 광고를 타겟팅하는 전략을 사용하였다.
• 당시 AI 기술이 마케팅에 적용될 가능성을 확인하며, AI의 활용에 대한 관심이 증대되었다.
• AI는 이제 단순한 기술이 아닌, 기본 산업의 일환으로 여겨지며, 사람들이 AI를 어떻게 활용할지가 더욱 중요해지고 있다.
• 구글 재직 중 경험한 첨단 기술들은 이후에도 AI 정보와 트렌드를 따라가기 위해 조코딩 채널 활동에 도움을 주었다.

1.4. AI 관련 투자와 기술의 발전 00:05:17 (5분)

• 최근 AI 기술이 빠르게 발전하고 있으며, 하드웨어 분야에서는 엔비디아와 HBM 등 여러 기업의 성장이 두드러진다.
• 파운데이션 모델 관련 투자에서는 기존의 큰 기술 회사들이 새로운 팀과 협력해 좋은 성과를 내고 있어, 이는 기술적인 진전을 의미한다.
• 컨슈머 쪽에서 어떤 기업이 승자가 될지에 대한 관심이 높아지고 있으며, 과거의 인터넷과 모바일 시대와 비슷한 상황으로 예측된다.
• 플루토 팀과 같은 AI 개발 팀은 데이터 수집의 정확성을 높이고 있으며, 이들은 다양한 소스를 활용해 콘텐츠를 생성하여 높은 신뢰성을 유지하고 있다.
• 투자자는 이러한 혁신적인 팀을 찾는 데 노력하고 있으며, 이들이 AI의 미래에서 중요한 역할을 할 것으로 예상된다.

1.5. AI 및 코딩 교육의 필요성 [00:10:28] (6분)

• 많은 사람들이 AI 기술에 대한 관심을 가지게 되었으며, 필요한 기술이나 도입 방법에 대한 고민이 증가하고 있다.
• 문제 정의가 명확해야 적절한 해결 방안을 모색할 수 있으며, 이를 통해 정보를 검색하고 학습하는 과정이 중요하다.
• 정보와 기술의 이해도를 높이기 위해, 디스커션과 콘텐츠 소비가 효과적이며, 이를 통해 팀원 간의 협업이 이루어진다.
• AI 교육 없이도 실제 비즈니스 문제해결 사례를 통한 학습이 더 효과적이며, 단순한 챗GPT 교육은 조직에 부정적인 영향을 미칠 수 있다.
• 코딩을 배우는 목표가 해결하고자 하는 문제에 가까울수록 더 빠르고 효율적으로 학습하게 된다.

 

2. 🤖 AI 시대, 일 잘하는 개발자의 필수 역량 [00:17:16] (14분)

• AI는 주니어 개발자의 업무를 대체하고 있으며, 이는 시니어 개발자가 부족해질 가능성을 높인다. 그러므로 주니어 개발자의 문제 해결 능력이 특히 중요하다.
• 중국의 개발자 교육은 GPU를 활용한 문제 해결 방식으로 변화하고 있으며, 이는 빠른 성장을 이끌어 내고 있다.
• 기업의 AI 도입이 어렵고, 그 원인은 구조적 문제와 KPI에 대한 제한 때문이다. 이런 문제로 인해 새로운 시도와 창의적인 접근이 어려워진다.
• AI 도입 사례들은 주로 문제 해결 접근에서 출발하고 있으며, 이를 통해 효율성 및 성과가 향상되었음을 보여준다. 예를 들어, 아마존의 AR 기능 도입은 반품률을 낮추는 데 기여했다.
• 일상에서 당연한 문제를 재정의하는 능력이 중요하며, 이는 AI 기술을 활용하는 데 기초가 된다. 기존에 알고 있는 방식을 넘어서 다양한 문제 해결 방법을 고민해야 한다.

2.1. AI 시대의 개발자 교육의 필요성 [00:17:16] (2분)

• AI는 주니어 개발자가 수행할 수 있는 많은 작업을 대체하고 있으며, 이는 개발자생태계에 큰 영향을 미친다.
• 주니어 개발자가 부재할 경우 시니어 개발자역시 자연스럽게 부족해질 수 있으며, 이는 개발자의 세대교체 문제와 관련된다.
• 문제 해결 능력과 비즈니스 마인드셋이 결합된 개발자들이 생존할 가능성이 높아지며, 이는 그들의 성장을 촉진한다.
• 중국에서는 GPU를 활용한 문제 해결 중심의 교육 방식을 채택하여, 주니어 개발자의 신속한 발전을 도모하고 있다는 사례가 언급된다.
• 이러한 체계적인 변화가 이루어지지 않으면 경쟁에서 뒤처질 우려가 있으므로, 빠른 교육 체계의 정착이 필요하다.

2.2. AI 도입의 구조적 문제와 혁신 필요성 [00:20:02] (4분)

• AI를 업무에 적용하는 것은 쉽지 않으며, 기업 내 구조적 문제로 인해 창의적 활용이 어려운 상황이다.
• 인사 평가 체계인 KPI가 혁신적 변화를 방해하며, 정해진 목표에 맞추기 위해 제한된 리소스만을 사용하는 경향이 있다.
• AI와 같은 새로운 기술이 도입되려면, 창의적 접근을 장려하는 새로운 보상 체계가 필요하다.
• 현재 기업의 KPI는 과거 기준과 유사하게 유지되고 있어, 2025년 이후 변화가 요구된다.
• 아마존의 AR 기술 도입 사례에서 보듯이, 혁신적인 기술이 실제 문제를 해결할 수 있을 때 효과를 나타내며, 이러한 환경 조성이 필요하다.

2.3. AI 도입의 성공 사례와 그 효과 [00:24:42] (3분)

• AI 도입에 성공한 사례로는 미국의 배달 산업인 DoorDash의 식당 리뷰 분석이 있다. 이들은 AI 모델을 활용해 리뷰를 분석하여 식당 추천을 제공하고 있다.
• AI 리터칭 기술을 통해 배달의 민족과 쿠팡이츠가 식당 사진의 품질을 개선함으로써 주문량 증가의 효과를 본 사례가 있다.
• 금융 앱인 토스는 신분증 검증 과정에서 AI를 활용해 진짜인지 여부를 확인하는 과정을 통해 사고를 예방할 수 있는 방법을 도입 중이다.
• 성공적인 AI 도입은 대개 특정 문제를 해결하기 위해 시작되었으며, 기존에 해당 문제를 잘 이해하던 사람들의 참여가 중요한 역할을 한다.
• 포스코와 삼성전자 또한 반도체 공정에서의 AI 활용이 문제 해결의 연장선에 있다는 점이 주목할 만하다.

2.4. AI 시대에 일하는 자세와 사고방식 [00:27:48] (3분)

• AI 시대에 일을 잘하기 위해서는 새로운 사고방식이 필요하다는 점이 강조된다.
• 일상적인 문제를 재정의함으로써, 문제를 해결하는 데 있어 창의적인 접근이 중요하다.
• 예를 들어, 돼지의 몸무게를 줄자로 측정하는 대신 비전 API를 활용하는 것이 훨씬 효율적이다.
• 사용자들은 AI를 플러그인하여 더 나은 솔루션을 찾아야 하며, 이러한 사고가 중요하다.
• 결국, 상상력과 문제 해결을 위한 다양한 방법을 고민하는 습관이 AI 기술을 잘 활용하는 데 필수적이다.

 

3. 🧠 새로운 문제 해결 방식의 필요성 [00:31:37] (10분)

• 일상의 문제를 발견하고 재정의하는 과정은 매우 중요하지만, 이러한 과정을 통해 진짜 문제를 해결하는 것은 쉽지 않다.
• 창의적인 방법으로 문제를 해결하려는 태도가 필요한데, 루틴을 벗어나 새로운 방식으로 접근하는 것이 도움이 된다.
• AI보다 우수한 해결 방법을 찾는 것이 중요하며, 사람들은 일상에서 발생하는 여러 가지 문제를 창의적으로 해결할 수 있다.
• 더 나은 결과가 언제나 존재함을 인식하고 이를 위해 생활 습관을 개선해야 한다.
• AI와의 관계를 정립하고 자신의 문제에 집중하는 것이 중요하며, AI의 도입 속도는 개인의 태도와 선택에 따라 달라진다.

3.1. 창의적 문제 해결 접근법 [00:31:37] (2분)

• 당연한 일상을 문제로 재정의하는 것이 쉽지 않다는 점을 강조한다.
• 새로운 문제 해결을 위해 크리에이티브한 방법을 시도하는 마음가짐이 중요하다고 언급한다.
• 일상에서 루틴을 변경하는 것이 변화를 가져오는 좋은 방법임을 설명한다.
• 다양한 로봇의 일어나는 방법에서 배우는 바가 있으며, 비정상적인 방식으로 일어나는 시도도 가능하다는 점을 예로 든다.
• 인간의 사고방식으로는 이해하기 어려운 행동을 로봇이 구현하는 것을 통해 창의력의 필요성을 강하게 느낀다.

3.2. AI의 새로운 방식과 가능성 [00:33:56] (1분)

• AI 기술을 활용하는 새로운 방식을 시도하는 것이 중요하나, 많은 사람들이 이러한 방법을 시도하기 어려워한다.
• 반도체 소자 배치에서 AI를 테스트한 결과, 비정상적인 패턴으로 효율성을 높인 사례가 존재한다.
• 구글이 프로세싱 유닛의 성능 경쟁을 통해 AI를 활용하여 1등을 차지한 경험이 있다.
• 사람은 비효율적인 방식으로 물건을 정리하지만, AI는 더 효율적인 가능한 방식으로 배치할 수 있음을 보여준다.
• 새로운 방식들을 시도함으로써 우리는 AI 기술을 자연스럽게 활용하게 될 가능성이 높다.

3.3. 더 나은 결과를 위한 시스템 구축의 중요성 [00:35:18] (2분)

• 더 나은 결과는 언제나 존재한다는 것을 인식하는 것이 중요하나, 많은 사람들은 초기 결과에서 멈추는 경향이 있다.
• 시스템을 통해 결과를 직접 경험해야만 더 나은 결과를 찾을 수 있으며, 이에 대한 가이딩 프린시플이 필수적이다.
• 외부와의 커넥션과 커뮤니케이션을 통해 지속적으로 새로운 관점을 얻는 것이 필요하다.
• 적극적으로 다양한 경험을 쌓아야 하며, 이를 통해 생산성을 높일 수 있다.
• 생활 습관을 체계적으로 변화시키는 것이 더 나은 아웃풋을 이끌어내는 핵심이다.

3.4. AI와의 거리 두기와 적응의 필요성 [00:38:00] (2분)

• 일부 사람들은 AI와 자신이 상관없다고 생각하며, IT 기술과 거리를 두고 문제 해결에 집중하려 한다.
• 그러나 극단적으로 AI 없이 살기는 현실적으로 불가능하다고 주장된다.
• AI 도입속도는 기존 기술들과 비슷한 양상을 보이고 있으며, 그 필요성에 따라 수직 상승하고 있다.
• AI를 등한시할 경우, 활용 기회가 줄어들어 부정적인 결과를 초래할 수 있다.
• 사람들은 AI와의 관계에 대해 여러 관점을 가질 수 있으며, 이를 조사하고 이해할 필요가 있다.

3.5. 신입 개발자를 위한 PM 역량 개발 [00:40:44] (45초)

• 현재 사회 초년생 및 신입 개발자들은 어떻게 AI 시대를 준비해야 할지가 고민이다.
• 개발자들은 PM(프로젝트 매니저), PO(프로덕트 오너), BD(비즈니스 개발)와 같은 역량을 빠르게 습득해야 한다.
• 주니어 개발자는 PM, PO 영역에 집중하여 그 역량을 갖추는 것이 중요하다.
• 개발자의 숙련도는 나이나 경험과 같은 프레임워크로 판단하는 것을 버려야 한다.

 

4. 🌐 AI 시대의 진정한 역량과 협업의 중요성 [00:41:52] (14분)

• 피라미드 구조에서 주니어 개발자가 PM이나 PO 영역에서 경험을 쌓아 나가면서 오퍼레이션 엑셀런스, 코딩 능력, 문제 해결 능력을 갖춘 이들이 남게 된다.
• 게임 회사나 애플리케이션 개발 회사가 중요하게 생각하는 것은 POC를 통해 실제 사용자 경험을 검증하는 것이며, 이를 통해 적합한 CTO를 선발하는 것이 중요하다.
• AI 시대의 기업교육에서는 교육 참가자들이 현업에서 어떤 문제를 겪고 있는지 파악하고, 이를 기반으로 실용적인 문제 해결을 다루어야 하며, AI 리터러시를 평가하는 과정이 필요하다.
• 교육 담당자는 평가를 통해 AI 전문성과 실제 사용 가능성을 고려하여 교육자를 선택해야 하며, 이를 통해 교육의 질을 높여야 한다.
• 최종적으로 AI 리터러시는 내부 협업뿐만 아니라 외부 협업에도 필요하며, 서로의 강점을 살려 효율성을 높이는 방법으로 작용한다.

4.1. 피라미드 구조와 개발자의 역량 [00:41:52] (46초)

• 주니어 개발자중 PM(프로젝트 매니저) 및 PO(프로덕트 오너) 역할을 했던 인력이 나이가 들면서 계속 남아 있는 상황이다.
• 남은 개발자들은 오퍼레이션 엑셀런스가 뛰어나고, 코딩 능력 및 문제 해결 능력 또한 우수한 사람들이다.
• 오퍼레이션 엑셀런스가 뛰어난 경우, 피라미드 구조에서 다른 역할로 전환할 수밖에 없는 상황이 발생하게 된다.
• 최근 P2 자사의 CTO들과 스타트업 CTO들은 CEO에 대해 논의하는 등 문제를 심각하게 인지하고 있다.

4.2. AI 시대의 역량 개발 [00:42:39] (1분)

• 셀프 교육을 통해 해당 영역의 역량을 키우는 것이 중요하다.
• 게임 회사나 어플리케이션 개발 회사는 POC(Proof of Concept)를 통해 실제 비즈니스 가능성을 검증하는 것이 중요하다.
• CTO는 단순히 앱을 개발하는 것이 아니라, 비즈니스를 테스트하는 마인드셋을 가져야 한다.
• 기존의 경험이나 나이에 상관없이 프레임워크를 이해하고 프로젝트 매니지먼트처럼 사고하는 사람들이 높은 평가를 받게 된다.
• 현재 취업 시장에서 경쟁이 치열해지고 있으며, AI를 잘 활용하는 능력이 필수적으로 요구된다.

4.3. AI 교육의 효율적인 설계 방법 [00:44:31] (3분)

• AI 교육을 설계할 때, 참가자들의 실제 문제와 일상적 고민을 파악하는 것이 중요하다. 이를 통해 현업에서 필요한 내용을 교육에 반영할 수 있다.
• 교육 전에 참가자들에게 AI 리터러시 수준을 평가하여, 교육 후 개선된 정도를 체크해야 한다.
• AI 교육의 효과성을 측정하기 위해 교육 담당자를 평가하며, 이는 기업이 교육의 질을 높이는 데 있어 중요한 역할을 한다.
• 퀄리티 높은 교육을 통해 참가자들이 AI를 일상에 적용하게 되고, 결과적으로 교육 요청도 증가하게 된다.
• HR 리더는 교육의 효과성을 평가할 수 있는 기준을 마련해야 하며, 유명 강사 위주가 아닌 현업의 필요를 반영해야 한다.

4.4. AI 시대의 협업과 리터러시의 중요성 [00:48:23] (3분)

• AI가 발전하더라도 협업의 중요성은 여전히 크며, 이는 AI 리터러시가 필수적이다.
• 내부와 외부 협업은 모두 경계가 없고, 팀 간의 의사소통이 중요하다.
• AI 리터러시가 높은 팀 간의 협업은 문제 해결 능력을 높여줄 수 있다.
• 디자인 팀 외에도 모든 팀원이 도구를 잘 사용하면 효율성을 크게 향상시킬 수 있다.
• 생태계를 잘 구축하기 위해서는 협업이 필수적이며, 이는 경쟁 업체와의 차별 요소로 작용할 수 있다.

4.5. AGI 및 ASI 발전 단계와 미래 예측 [00:52:16] (3분)

• AI는 AGI와 ASI 단계로 발전할 것으로 예상되며, 이는 멀티 에이전트와 API 커넥션이 중요한 역할을 한다.
• AI 생태계의 경쟁이 중요하고, 이는 다양한 데이터와 소스를 교환하는 기반이 된다.
• AI 발전의 일환으로, 예를 들어 프로젝트 알로는 이전에 비해 반복 횟수를 줄여 효율성을 증가시킨다.
• 로봇들이 서로 커뮤니케이션하기 위해서는 많은 데이터와 멀티 모달리티가 필요하다.
• 유니버설 인컴에 대한 의견이 회의적이며, 문제 해결 능력의 복잡성 증가로 인해 사람들이 일을 할 필요가 없어지는 것은 회의적이다.

 

5. 🚀 AI 시대의 문제 해결 능력 [00:56:10] (11분)

• AI의 도움으로 문제 해결의 속도가 빨라지고, 그에 따라 전반적인 트랜잭션의 속도와 고도화가 이루어질 것으로 예상된다.
• 사람들이 필요로 하는 역량이 크게 다르지 않을 것으로 보이며, 과거의 정의인 암기를 통한 문제 해결에서 벗어나 문제를 정의하는 능력이 중요해질 것이다.
• 새로운 시스템의 조건이 변화하면서, 과거에 비해 정보의 양이 아닌 문제 정의와 해결 능력이 핵심 역량으로 떠오를 것이다.
• AI의 발전으로 직무의 변화가 예상되며, 결국 20%의 사람들만이 영향력을 가지는 구조가 형성될 것으로 전망된다.
• 교육 체계도 문제 해결이나 정의를 강조하는 방향으로 변화해야 하며, 이러한 능력을 키우기 위한 다양한 노력이 필요하다.

5.1. AI 시대의 문제 해결과 역량 변화 [00:56:10] (1분)

• AI의 도움으로 문제 해결 속도가 빨라지고, 전반적인 트랜잭션 속도가 고도화될 것으로 예상된다.
• AI와 함께 다른 기술들도 발전할 필요성이 커지며, 이는 지속적인 발전을 이끌 것으로 보인다.
• 현재와 과거의 문제 해결에 필요한 역량은 크게 다르지 않을 것이라고 판단된다.
• 과거에는 암기와 정답 찾기가 문제 해결로 인식되던 시대가 있었으나, 이제는 그런 프레임워크가 변화할 수 있다.
• 성공을 위한 과정이 달라지면서, 더 이상 많은 정보를 암기하는 것만이 중요한 것은 아니게 된다.

5.2. 문제 정의의 중요성 [00:57:33] (14초)

• 문제 해결 능력은 사람들이 문제로 인식하지 않는 것들을 문제로 정의할 수 있는 능력이다.
• 이 능력은 AI 시대에 특히 중요한 역량으로 강조된다.
• 문제를 정의하는 과정은 해결책을 찾는 데 있어 필수적인 첫 단계를 형성한다.
• 따라서, 문제 정의능력을 기르는 것이 일잘러로 성장하는 데 중요한 요소로 작용한다.

5.3. AI 시대의 영향력 있는 20%와 그 구조 [00:57:48] (51초)

• 사람들은 20%의 영향력 있는 이들을 중심으로 배우고, 그들의 노하우를 습득하기 위해 학원을 다닌다. 이는 선순환 구조를 형성할 것이다.
• AI는 빠르게 발전해 그 영향력 있는 20%를 대체할 수 있으며, 이러한 흐름은 계속될 것으로 보인다.
• 20% 안에서도 다시 80/20의 법칙이 적용되며, 중첩된 구조가 존재한다.
• 농업 인구는 감소하고 IT 인구는 증가하는 추세지만, IT 인구 내부에도 다양한 능력치가 존재한다.
• 앞으로 여전히 많은 기회를 제공할 수 있는 일이 존재할 것이라 예상된다.

5.4. AI와 노동 집약적 기술의 미래 [00:58:40] (3분)

• AI는 Labor-intensive 기술로 인식되며, 현재 엔비디아와 같은 기업에서 인력의 대규모 채용이 이루어지고 있다.
• AI의 도입으로 업무의 질은 변화하지만, 일자리의 수요는 여전히 감소하지 않을 것으로 예상된다.
• 문제 해결 능력이 강조되며, 단순히 사유하는 능력 또는 인문학적 소양을 논하는 것은 적절하지 않다고 주장한다.
• AI 발전으로 인해 문제 해결 과정이 더욱 쉬워질 것이라는 우려가 있으며, 어떤 임계점을 넘으면 문제 해결 능력이 대부분의 사람에게 쉽게 적용될 가능성이 있다.
• 교육 체계의 변화가 필요하며, 문제 해결을 위한 인력을 양성하는 것이 중요하다고 강조한다.

5.5. 문제 정의와 해결력의 중요성 [01:02:23] (5분)

• 문제 정의는 질문을 잘하는 것과 밀접하게 연관되어 있으며, 초등학생들도 코딩을 통해 문제를 해결하는 과정에서 이러한 역량을 키울 수 있다.
• 사회 문제를 해결하기 위한 리터러시를 키우기 위해 초등학생들에게 적합한 접근 방식을 고민하는 것이 중요하다.
• AI 시대를 준비하기 위해 다양한 자료를 접하고, 문제와 연관된 아이디어를 모색하는 것이 필요하다.
• 유튜브에서 AI 관련 양질의 콘텐츠를 찾고 활용하며, 이를 통해 더 나은 학습 습관을 기르는 것이 권장된다.
• 스타트업 투자시 CEO의 진정성과 문제 해결 능력을 평가하며, 과거 경험을 돌아보는 질문이 중요하다는 점이 강조된다.

 

 

원본영상

https://youtu.be/hYy1KRYSXy4