몸이 기억하는 지식: AI시대의 전문성은 무엇인가
AI는 무엇을 대체하고 있는가

생성형 AI가 대중화된 이후 많은 전문가들이 일종의 지적 아노미를 겪었다. 오랜 시간 익혀온 지식과 기술을 AI는 몇 초 만에 구조화했고, 수준 높은 이미지와 코드, 정교한 기획서까지 만들어냈다. 이른바 ‘AI 블루(AI Blue)’의 충격 이후 많은 전문가들이 AI와 함께 일하는 법을 익혔고, 기존 업무의 상당 부분은 이미 AI 워크플로우로 옮겨갔다.
그런데 그 과정에서 처음에는 예상하지 못했던 질문이 하나 떠오른다. AI가 대체한 것은 정말 전문가의 경쟁력이었을까, 혹은 우리가 경쟁력이라고 믿어왔던 것이었을까.
세계경제포럼(WEF)은 2030년까지 현재 근로자에게 요구되는 핵심 기술의 39%가 변화하거나 더 이상 중요하지 않게 될 것으로 전망했다. AI와 빅데이터 같은 기술 역량이 빠르게 중요해지는 한편, 분석적 사고와 창의적 사고, 회복탄력성 같은 인간의 역량도 여전히 핵심으로 꼽힌다. AI가 인간의 일을 빼앗는다는 설명만으로는 지금의 변화를 다 담기 어렵다는 뜻이다.

© 2026 NN Works. Image generated with Recraft AI.
# 암묵지, 말로 설명할 수 없는 지식의 영역
실제로 AI가 흡수하고 있는 일은 단순 반복 업무에 그치지 않는다. 자료 조사와 요약, 보고서 작성과 번역, 코딩과 이미지 생성까지 불과 몇 년 전만 해도 상당한 훈련을 받은 사람이 하던 일들이다. 이 일들은 대부분 말과 글, 데이터의 형태로 오랫동안 축적되어 왔다는 공통점이 있다. 철학자 마이클 폴라니(Michael Polanyi)는 이 차이를 두고 ‘인간의 앎에는 말로 다 설명할 수 없는 영역이 있다’고 설명했다.
“We can know more than we can tell.”
우리는 말할 수 있는 것보다 더 많이 알고 있다.
- 마이클 폴라니 -
흔히 암묵지(Tacit Knowledge)라 부르는 앎이다. 지식경영에서는 이를 말과 글, 공식, 데이터처럼 밖으로 꺼내 전할 수 있는 형식지(Explicit Knowledge)와 구분하고, 두 지식이 서로 오가며 새로운 지식이 만들어진다고 본다. 생성형 AI가 학습해온 것은 바로 이 형식지의 세계다. 많이 알고 있다는 것, 필요한 정보를 빨리 찾는다는 것, 정해진 형식의 결과물을 정확히 만들어낸다는 것은 이제 인간 전문가만의 자산이 되기 어렵다.

© 2026 NN Works. Image generated with ChatGPT.
# 숙련을 데이터로 옮기는 산업계
패션 현장에는 형식지로 옮기기 어려운 앎이 유독 많다. 소재 전문가는 원단 끝을 들어 떨어지는 모양을 보며 이 소재가 재킷에 맞을지 드레스에 맞을지 가늠한다. 숙련된 패턴사는 가봉한 옷을 입은 사람이 팔을 드는 순간 생기는 당김 주름을 보고 어느 솔기를 손봐야 할지 알아차린다.
디렉터는 AI가 내놓은 수십 장의 시안을 훑어보고 “완성도는 높지만 우리 브랜드답지 않다”며 걸러낸다. 이 장면들은 모두 무언가를 만드는 과정이라기보다 무엇이 맞고 어긋났는지를 알아채는 순간이다. 암묵지는 결국 판단의 형태로 드러난다.
그렇다고 암묵지가 인간만의 성역으로 남아 있는 것은 아니다. 산업계는 지금 암묵지를 데이터로 옮기는 데 속도를 내고 있다. 산업통상부는 올해 480억 원 규모의 추경 예산을 들여 제조 명장의 암묵지를 AI 학습 데이터로 만드는 사업에 착수했다. 숙련 인력의 고령화와 은퇴로 노하우가 끊길 수 있다는 위기감 때문이다.
국내 한 데이터 기업은 조선소 용접 숙련공의 몸에 센서를 달아 1인칭 시점의 영상과 동작을 기록하고, 판단의 이유까지 함께 수집한다. 패션에서도 3D 가상 의상 프로그램이 원단의 물성 데이터로 드레이프를 화면 위에 재현하는 것이 이미 일상이 됐다.
© 2026 NN Works. Image generated with Recraft AI.
# 사라져가는 신입의 자리
그럼에도 경계는 아직 남아 있다. WEF가 2,800여 개 세부 기술을 분석한 결과, 현재로서는 그 69%가 생성형 AI로 대체될 가능성이 낮거나 매우 낮았다. 화면 속 드레이프가 아무리 정교해도, 그것이 이번 시즌 컨셉이나 타깃 소비자에게 맞는지 판단하는 일은 여전히 사람의 몫이다.
정작 위협받는 것은 판단 그 자체보다 판단력이 길러지는 시간일지 모른다. 그 시간은 문제에 직접 부딪치고 고쳐보는 데서 쌓이는데, AI가 가장 먼저 가져가는 것이 바로 신입의 일이다.
경제학자 에릭 브리뇰프슨(Erik Brynjolfsson)의 연구팀은 생성형 AI에 많이 노출된 직종에서 22~25세 초기 경력자의 고용이 비교 집단보다 약 13% 줄었지만, 같은 직종 경력자의 고용은 유지되거나 늘었다고 밝혔다. 그는 신입의 일을 없애는 것이 다음 세대가 암묵지와 판단력을 익힐 통로를 좁히는 일이라고 경고하면서도, 잘 설계된 AI는 오히려 사람의 성장을 앞당길 수 있다고 했다.

© 2026 NN Works. Image generated with Recraft AI.
산업계는 이제 또 하나의 질문 앞에 서 있다. ‘AI가 가져다 준 효율은 다음 세대가 경험을 쌓을 기회를 앞당겨 쓴 것은 아닌가?’, ‘덜어낸 비용과 시간을 모두 효율로 거둬들일 수도 있지만, 그 일부는 다음 세대에게 돌려주어야 하지 않을까?’. 신입에게도 실물을 만지고, 숙련자의 판단을 곁에서 지켜보고, 실패하고 고쳐보며 자라는 시간이 필요하다.
AI는 이제 기획안, 디자인 시안, 분석 보고서와 마케팅 콘텐츠까지 순식간에 쏟아낸다. 만드는 일이 쉬워질수록 그중 무엇을 남길지 정하는 눈의 가치는 더욱 커진다. 그 눈은 적어도 아직, 몸으로 시간을 통과해본 사람에게 있다. AI가 만든 여유가 후배 세대의 그 시간으로 이어질 때, 효율은 미래의 안목에 대한 투자가 된다.

정연이 디토리안
패션 컨설턴트이자 교육자. 디지털 전환과 생성형 AI가 패션 기획·디자인·브랜딩에 가져 온 변화를 연구하고, 이를 산업과 교육 현장에서 실천적으로 적용하고 있습니다. 기술 변화 속에서 패션 산업의 구조와 가치, 지속가능한 디자인 방식을 사유하며 글을 씁니다. associe.nn@gmail.com
몸이 기억하는 지식: AI시대의 전문성은 무엇인가
생성형 AI가 대중화된 이후 많은 전문가들이 일종의 지적 아노미를 겪었다. 오랜 시간 익혀온 지식과 기술을 AI는 몇 초 만에 구조화했고, 수준 높은 이미지와 코드, 정교한 기획서까지 만들어냈다. 이른바 ‘AI 블루(AI Blue)’의 충격 이후 많은 전문가들이 AI와 함께 일하는 법을 익혔고, 기존 업무의 상당 부분은 이미 AI 워크플로우로 옮겨갔다.
그런데 그 과정에서 처음에는 예상하지 못했던 질문이 하나 떠오른다. AI가 대체한 것은 정말 전문가의 경쟁력이었을까, 혹은 우리가 경쟁력이라고 믿어왔던 것이었을까.
세계경제포럼(WEF)은 2030년까지 현재 근로자에게 요구되는 핵심 기술의 39%가 변화하거나 더 이상 중요하지 않게 될 것으로 전망했다. AI와 빅데이터 같은 기술 역량이 빠르게 중요해지는 한편, 분석적 사고와 창의적 사고, 회복탄력성 같은 인간의 역량도 여전히 핵심으로 꼽힌다. AI가 인간의 일을 빼앗는다는 설명만으로는 지금의 변화를 다 담기 어렵다는 뜻이다.
© 2026 NN Works. Image generated with Recraft AI.
# 암묵지, 말로 설명할 수 없는 지식의 영역
실제로 AI가 흡수하고 있는 일은 단순 반복 업무에 그치지 않는다. 자료 조사와 요약, 보고서 작성과 번역, 코딩과 이미지 생성까지 불과 몇 년 전만 해도 상당한 훈련을 받은 사람이 하던 일들이다. 이 일들은 대부분 말과 글, 데이터의 형태로 오랫동안 축적되어 왔다는 공통점이 있다. 철학자 마이클 폴라니(Michael Polanyi)는 이 차이를 두고 ‘인간의 앎에는 말로 다 설명할 수 없는 영역이 있다’고 설명했다.
“We can know more than we can tell.”
우리는 말할 수 있는 것보다 더 많이 알고 있다.
- 마이클 폴라니 -
흔히 암묵지(Tacit Knowledge)라 부르는 앎이다. 지식경영에서는 이를 말과 글, 공식, 데이터처럼 밖으로 꺼내 전할 수 있는 형식지(Explicit Knowledge)와 구분하고, 두 지식이 서로 오가며 새로운 지식이 만들어진다고 본다. 생성형 AI가 학습해온 것은 바로 이 형식지의 세계다. 많이 알고 있다는 것, 필요한 정보를 빨리 찾는다는 것, 정해진 형식의 결과물을 정확히 만들어낸다는 것은 이제 인간 전문가만의 자산이 되기 어렵다.
© 2026 NN Works. Image generated with ChatGPT.
# 숙련을 데이터로 옮기는 산업계
패션 현장에는 형식지로 옮기기 어려운 앎이 유독 많다. 소재 전문가는 원단 끝을 들어 떨어지는 모양을 보며 이 소재가 재킷에 맞을지 드레스에 맞을지 가늠한다. 숙련된 패턴사는 가봉한 옷을 입은 사람이 팔을 드는 순간 생기는 당김 주름을 보고 어느 솔기를 손봐야 할지 알아차린다.
디렉터는 AI가 내놓은 수십 장의 시안을 훑어보고 “완성도는 높지만 우리 브랜드답지 않다”며 걸러낸다. 이 장면들은 모두 무언가를 만드는 과정이라기보다 무엇이 맞고 어긋났는지를 알아채는 순간이다. 암묵지는 결국 판단의 형태로 드러난다.
그렇다고 암묵지가 인간만의 성역으로 남아 있는 것은 아니다. 산업계는 지금 암묵지를 데이터로 옮기는 데 속도를 내고 있다. 산업통상부는 올해 480억 원 규모의 추경 예산을 들여 제조 명장의 암묵지를 AI 학습 데이터로 만드는 사업에 착수했다. 숙련 인력의 고령화와 은퇴로 노하우가 끊길 수 있다는 위기감 때문이다.
국내 한 데이터 기업은 조선소 용접 숙련공의 몸에 센서를 달아 1인칭 시점의 영상과 동작을 기록하고, 판단의 이유까지 함께 수집한다. 패션에서도 3D 가상 의상 프로그램이 원단의 물성 데이터로 드레이프를 화면 위에 재현하는 것이 이미 일상이 됐다.
# 사라져가는 신입의 자리
그럼에도 경계는 아직 남아 있다. WEF가 2,800여 개 세부 기술을 분석한 결과, 현재로서는 그 69%가 생성형 AI로 대체될 가능성이 낮거나 매우 낮았다. 화면 속 드레이프가 아무리 정교해도, 그것이 이번 시즌 컨셉이나 타깃 소비자에게 맞는지 판단하는 일은 여전히 사람의 몫이다.
정작 위협받는 것은 판단 그 자체보다 판단력이 길러지는 시간일지 모른다. 그 시간은 문제에 직접 부딪치고 고쳐보는 데서 쌓이는데, AI가 가장 먼저 가져가는 것이 바로 신입의 일이다.
경제학자 에릭 브리뇰프슨(Erik Brynjolfsson)의 연구팀은 생성형 AI에 많이 노출된 직종에서 22~25세 초기 경력자의 고용이 비교 집단보다 약 13% 줄었지만, 같은 직종 경력자의 고용은 유지되거나 늘었다고 밝혔다. 그는 신입의 일을 없애는 것이 다음 세대가 암묵지와 판단력을 익힐 통로를 좁히는 일이라고 경고하면서도, 잘 설계된 AI는 오히려 사람의 성장을 앞당길 수 있다고 했다.
© 2026 NN Works. Image generated with Recraft AI.
산업계는 이제 또 하나의 질문 앞에 서 있다. ‘AI가 가져다 준 효율은 다음 세대가 경험을 쌓을 기회를 앞당겨 쓴 것은 아닌가?’, ‘덜어낸 비용과 시간을 모두 효율로 거둬들일 수도 있지만, 그 일부는 다음 세대에게 돌려주어야 하지 않을까?’. 신입에게도 실물을 만지고, 숙련자의 판단을 곁에서 지켜보고, 실패하고 고쳐보며 자라는 시간이 필요하다.
AI는 이제 기획안, 디자인 시안, 분석 보고서와 마케팅 콘텐츠까지 순식간에 쏟아낸다. 만드는 일이 쉬워질수록 그중 무엇을 남길지 정하는 눈의 가치는 더욱 커진다. 그 눈은 적어도 아직, 몸으로 시간을 통과해본 사람에게 있다. AI가 만든 여유가 후배 세대의 그 시간으로 이어질 때, 효율은 미래의 안목에 대한 투자가 된다.
정연이 디토리안
패션 컨설턴트이자 교육자. 디지털 전환과 생성형 AI가 패션 기획·디자인·브랜딩에 가져 온 변화를 연구하고, 이를 산업과 교육 현장에서 실천적으로 적용하고 있습니다. 기술 변화 속에서 패션 산업의 구조와 가치, 지속가능한 디자인 방식을 사유하며 글을 씁니다. associe.nn@gmail.com