디지털 지식전문가 조형식의 지식마당

최근에 미래의 지식(knowledge)과 노하우(know-how)에 대해서 생각해 봤다. 특히 챗GPT(ChatGPT)와 같은 생성형 인공지능(generative AI)의 발전은 전통적인 지식 습득 방법에 대해서 여러 가지 변화와 영향을 줄 수 있다고 생각한다. 챗GPT를 사용하면서 다음과 같은 이점을 발견하였다.

이전에는 특정 정보나 지식을 얻기 위해서 책을 읽거나 전문가에게 문의해야 했지만, 이제는 생성형 인공지능같은 도구를 사용해서 즉시 필요한 정보나 대답을 얻을 수 있다. 이것은 인간 두뇌의 역동적인 흐름에 아주 적합하다. 아이디어가 갑자기 생각날 때 필요한 정보와 지식을 연결할 수 있으면 생산성이 폭발적으로 향상될 수 있다.

▲ 디지털 노애스크 그리고 지식, 노하우, 노애스크

또한 사용자가 특정 질문을 하면 그에 대한 맞춤형 답변을 받을 수 있어서 개인의 학습 요구와 속도에 맞춰서 학습을 할 수 있다. 언제 어디서든 접근이 가능하기 때문에 학습의 지속성을 강화할 수 있다. 예를 들어서, 특정한 주제에 대한 깊은 이해나 새로운 인사이트를 얻기 위해 질문을 계속하면서 소통 학습으로 확장할 수 있다.

챗GPT와 같은 도구를 사용하면 이전에는 불가능한 다양한 주제에 대한 정보를 빠르게 탐색하고 진도가 나갈 수 있다. 이전에는 정해진 시간에 개념이나 정보의 흐름을 방해하기 때문이다.

전통적인 교육 방식과 생성형 인공지능을 결합하여 더 효과적인 교육 방법을 만들 수도 있다. 예를 들어서, 강의 도중에 모르는 내용이 있을 경우 즉시 챗GPT에 질문하여 추가 정보를 얻는 것과 같은 방식이다. 그러나 이러한 변화에도 불구하고, 전통적인 학습 방법은 여전히 주효하다는 생각과 새로운 방향으로 진화해야 한다는 생각으로 나뉠 수 있다.

전자의 이유는, 아무리 발전된 AI 모델이라도 인간의 사고방식, 경험, 직관, 인간 간의 상호작용 등을 완전히 대체할 수 없기 때문이다. 따라서 AI는 전통적인 학습 방법의 보완적인 역할을 하는 것이 바람직하다고 주장한다. 그러나, 후자는 자동차의 발명은 과거의 마차의 패러다임과 단절될 수 있다는 것이다. 전기차의 개발 프로세스와 내연기관의 개발 프로세스는 아주 다를 수 있다는 가정이다.

새로운 지식에 대한 생각을 하기 전에 지식과 노하우에 대해서 생각해 보자. 우선 챗GPT에게 지식과 노하우에 대해서 물어봤다.

“지식은 경험이나 교육을 통해 습득한 사실, 정보, 설명 또는 기술에 대한 이해 또는 인식을 의미합니다. 여기에는 서로 다른 개체 간의 관계나 연관성을 인식하는 것이 포함됩니다. 지식은 주제에 대한 이론적 이해로 볼 수 있습니다. 예를 들어, 고속 운전은 사고로 이어질 수 있다는 지식을 가지고 있을 수 있습니다. 이러한 지식은 종종 책, 데이터베이스 또는 기타 저장소에 저장되거나 문서화되어 다른 사람에게 전달되거나 전달될 수 있습니다.

노하우는 어떤 일을 수행하기 위한 실질적인 전문 지식이나 기술을 의미합니다. 특정 행동이나 작업을 수행할 수 있는 능력에 관한 것입니다. 명시적으로 설명하거나 전달할 수 있는 지식과 달리 노하우는 암묵적인 경우가 많기 때문에 쉽게 설명하거나 가르치기 어려울 수 있습니다. 다시 운전의 예를 들어보면, 노하우는 운전에 대한 지식이 아니라 자동차를 운전하는 실제 기술이라고 할 수 있습니다. 노하우는 실제 경험과 연습을 통해 얻을 수 있는 것입니다. 차이점을 더 자세히 설명하기 위해 이렇게 생각해 보세요. 기타 연주에 관한 책을 읽으면 기타가 어떻게 소리를 내는지, 기타의 다양한 부품이 어떤 기능을 하는지, 심지어는 다양한 코드에 숨어 있는 음악 이론에 대한 지식을 얻을 수 있습니다. 하지만 직접 기타를 들고 연습하지 않으면 실제로 기타를 연주할 수 있는 노하우는 얻을 수 없습니다. 더 넓은 범위의 계산과 사회 및 경제의 발전에서 지식(이론적 이해)과 노하우(실제 적용)는 모두 중요합니다. 지식은 기초와 방향을 제시하고 노하우는 실행과 실질적인 실현을 보장합니다.”

다시 챗GPT에게 일반적인 용어인 노하우와 개인적인 용어인 노애스크(know-ask)에 대해서 질문을 했다.

“노하우와 노애스크는 두 개의 다른 개념입니다. 노하우는 특정 작업을 수행하는 방법에 대한 실질적인 지식이나 경험을 의미합니다. 노하우는 주로 실무 경험을 통해 얻어지며, 교과서나 이론적인 학습만으로는 얻기 어렵습니다. 예를 들면, 자전거를 타는 방법, 특정 소프트웨어를 사용하는 방법, 기계를 운영하는 방법 등이 노하우에 해당됩니다.

노애스크의 개념은 널리 알려진 표준 용어가 아니지만, 이를 ‘질문하는 방법을 아는 것’ 혹은 ‘적절한 정보나 지식을 얻기 위해 어떤 질문을 해야 하는지 아는 것’으로 해석할 수 있습니다. 정보나 지식을 효과적으로 얻기 위해서는 어떤 질문을 해야 하는지, 어떻게 질문을 구성해야 하는지 알아야 합니다. 특히 복잡하거나 전문적인 주제에서는 정확한 질문을 통해 원하는 답변을 더 쉽게 얻을 수 있습니다.

두 개념의 가장 큰 차이는, 노하우는 ‘어떻게’ 특정 작업을 수행하는지에 대한 지식이며, 노애스크는 ‘어떻게’ 정보나 지식을 효과적으로 요청하거나 찾아내는지에 대한 지식입니다.”

챗GPT에 물어 본 두 가지 질문에 대해서 다음과 같은 결론을 얻을 수 있었다. 지식이란 대상에 대한 인식이고, 노하우는 어떻게 수행하는지에 대한 지식이며, 노애스크는 효과적으로 요청하거나 찾아내는 지식이라고 할 수 있다.

미래에는 지식 생태계에서 노애스크가 중요하다. 특히 디지털 지식에서는 디지털노애스크(digital know-ask)가 중요하다. 현재 프롬프트(prompt)도 디지털 노애스크의 일종이라고 할 수 있다. 디지털 노애스크는 챗GPT나 생성형 인공지능이 이해할 수 있는 디지털 질문(digital question)이라고 할 수 있다.

노애스크는 단지 질문만이 아니라 대행 요구도 될 수 있다. 다양한 지식과 경험이 필요한 프로젝트에 필요한 지식이나 노하우를 처음부터 학습해서 하기는 불가능에 가깝다. 인공지능과 연결 API가 지속적으로 발전할 것이고, 인간은 디지털 하우애스크 스킬을 발전시켜야 한다.  

노애스크는 시스템 엔지니어링이나 모델 기반 시스템 엔지니어링(MBSE), 디지털 트윈과 같이 협업 시스템 개발 환경에서도 필요하다. 복잡한 시스템에서 모든 분야의 지식을 다 알 수는 없다. 많은 부분을 인공지능이나 다른 도메인 데이터베이스에 의존해야 하고 대행해야 한다. 모든 개발 엔지니어가 시스템 개발을 위해서 오랫동안 CAD나 CAE 도구와 소프트웨어 코딩, 엑셀 같은 개발 환경을 공부하는 것은 비효율적일 수 있다. 이런 것은 디지털 노애스크를 이용해서 해결하면 된다. 현재 인간의 학습속도보다 빠르게 변하는 지식 환경 속에서 노애스크가 가장 큰 경쟁력이 될 것이다. 이런 디지털 노애스크는 개인에게 엄청난 초능력을 가져다 줄 수 있을 것이다.

“If you don’t ask, You don't get.”
- 스티비 원더

■ 기사 내용은 PDF로도 제공됩니다.