AX를 설명하며 깨달은 것은, 이해의 차이를 줄이는 일도 기술의 일부라는 사실이었다

AX를 설명하는 자리에서 질문 시간이 되면 방 안의 관심은 여러 갈래로 갈라진다.

“그래서 우리 팀은 무엇부터 해야 하나요?”

“이 데이터로 정말 가능한가요?”

“누가 이 결과가 맞는지 책임지나요?”

같은 설명을 들었는데, 어떤 사람에게는 도입의 가능성이 보이고, 어떤 사람에게는 데이터의 결손이 보이고, 또 어떤 사람에게는 조직의 공백이 보인다.

처음에는 이것을 기술 이해도의 차이라고만 생각했다. 용어를 풀고 예시를 늘리면 해결될 문제처럼 보였다.

그런데 사람들이 모르는 것은 같은 것이 아니었다.

고객센터 운영자는 모델 구조를 몰라도 고객의 불만이 어디에서 커지는지는 안다. 데이터 담당자는 업무 현장을 모두 알지 못해도 어떤 데이터가 비어 있으면 결과가 흔들리는지 알아챈다. 리더는 프롬프트의 세부 문법보다 누가 결정하고 어디에서 멈출지를 먼저 묻는다.

각자가 이미 아는 것이 다르다. 새 기술을 받아들이는 입구도 다르다.

우리는 기술을 만든 순서로 설명하기 쉽다. 모델을 만들었으니 모델부터, 데이터를 정리했으니 데이터부터, 시스템을 설계했으니 아키텍처부터 꺼낸다. 만드는 사람에게는 자연스러운 순서다. 처음 듣는 사람에게는 자기 일이 빠져 있는 설명이 되기 쉽다.

좋은 기술과 제품이 다양한 사람에게 전달되지 못하는 장면을 볼 때마다 아쉬웠다. 기능이 부족해서가 아니었다. 실제로 도움이 될 수 있는 기능이었는데도, 누군가에게는 너무 먼 언어로만 도착했다.

AX를 알리는 과정에서 그 감각은 더 선명해졌다.

AI를 써 본 사람과 쓰지 않은 사람의 차이만 있는 게 아니었다. 자동화를 고민하는 사람, 품질을 검증해야 하는 사람, 조직의 책임을 재배치해야 하는 사람은 각각 다른 질문을 갖고 있었다. 하나의 긴 설명으로 모두를 설득하려 하면, 설명은 친절해 보이지만 정작 누구에게도 정확히 닿지 않는다.

이 아이디어의 출발은 5월에 쓴 글의 한 지점이었다.

그 글에서는 새 개념이 사람의 머릿속에 자리 잡는 과정을 세 단계로 풀었다. 어렵게 썼지만, 지금은 더 간단하게 말할 수 있다.

1. 먼저 읽게 만들 것.

2. 천천히 스며들 것.

3. 마지막에는 행동으로 만들 것.

처음에는 interest가 필요하다. 지금 이 사람이 궁금해하는 것, 풀고 싶은 문제, 멈춰 서게 만드는 마찰에서 시작해야 한다. “AI 에이전트가 무엇인가”보다 “이 자동화가 내 팀의 일을 어디까지 대신해도 되는가”가 먼저인 사람에게는, 정의부터 꺼내는 글이 잘 닿지 않는다.

그다음은 background-knowledge다. 관심사가 문을 연다면, 배경지식은 글의 눈높이를 정한다. 같은 사람이 콘텐츠 전략에서는 실무자일 수 있고, AI 엔지니어링에서는 맥락부터 필요한 사람일 수 있다. 이미 아는 개념과 연결되는 사례를 골라야 새 개념도 천천히 스며든다.

마지막은 행동이다. 한 글을 끝까지 읽었다고 이해했다고 단정할 수는 없다. 다음 단계의 글을 스스로 고르는지, 같은 수준의 다른 사례를 찾는지, 용어 설명으로 되돌아가는지 같은 패턴을 봐야 한다. 그 신호에 따라 배경지식의 level을 올리고, 유지하고, 필요하면 더 쉬운 버전으로 돌아간다.

interest로 읽게 만들고
  --> background-knowledge에 맞춰 이해시키고
    --> 행동 패턴으로 다음 level을 조절한다

여기서 background-knowledge는 단순한 난이도 라벨이 아니다. work_domain × reading_level의 조합이다.

예를 들어 콘텐츠 전략과 AI 엔지니어링, 조직 운영, 시장 리서치처럼 다섯 개 업무 분야를 두고, 각 분야를 다섯 단계의 리딩 레벨로 나눈다고 해 보자. 그 자체로 25개의 배경지식 상태가 생긴다. 그리고 같은 주제도 그 상태마다 다른 사례와 전제, 설명 순서를 필요로 한다.

하나의 주제에 25개의 글을 사람이 모두 따로 쓰는 일은 현실적이지 않다. 그렇다고 모든 사람에게 같은 글을 던지는 것도 답은 아니다.

그래서 생성형 AI에 기대를 건다.

AI가 사실을 마음대로 바꾸는 글쓰기 기계라서가 아니다. 원본의 주장과 근거, 범위와 반례는 고정한 채, 독자가 들어온 관심사와 배경지식에 맞춰 사례와 순서와 밀도를 조합할 수 있기 때문이다.

이 콘텐츠 허브는 글을 많이 모아두는 곳이 아니다. 좋은 기술과 제품이 더 많은 사람에게 닿을 수 있도록, 각자가 이미 가진 인지의 자리에서 다음 한 걸음을 찾게 하는 학습경로다.