티스토리 뷰
안녕하세요! 샤니 블로거입니다.
저도 처음엔 챗GPT에게 "오늘 저녁 뭐 먹지?"를 물어보고는 "생각보다 별로네"라며 앱을 닫아버렸습니다. 그게 전부였습니다.
그런데 최근 AI 격차가 단순한 기술 격차가 아니라 사실상 경제적 계급 격차로 이어질 수 있다는 분석을 접하고 나서,
제가 AI를 얼마나 피상적으로 쓰고 있었는지 돌아보게 됐습니다.
한 달에 500만 원 이상을 AI 에이전트에 투자하는 사람과 무료 플랜으로 간을 보는 사람 사이에서 벌어지는 격차,
그 실체가 무엇인지 따져봤습니다.
AI 격차는 이미 시작됐다 — 배경과 맥락
제가 AI를 처음 접했을 때 가장 먼저 든 생각은 "신기하긴 한데, 내 삶에 얼마나 실질적으로 필요할까?"였습니다.
솔직히 이건 예상 밖이었습니다. 몇 달 지나지 않아 주변에서 AI를 업무에 본격적으로 녹여 쓰는 사람들이 눈에 띄게 생산성 차이를 보이기 시작했거든요.
이 격차는 단순한 사용 습관의 차이가 아닙니다. 핵심은 토큰(Token) 비용에 있습니다.
토큰이란?
AI가 텍스트를 처리하는 기본 단위로, 쉽게 말해 AI가 읽고 쓰는 '글자 묶음'입니다.
AI 에이전트(Agent)를 여러 개 돌리고, 방대한 데이터를 실시간으로 분석시킬수록 소비되는 토큰 수가 기하급수적으로 늘어납니다. 고성능 AI 사용자가 한 달에 수백만 원을 지출하는 이유가 바로 이 토큰 비용입니다.
실제로 출처: McKinsey Global Institute의 2024년 AI 현황 보고서에 따르면,
생성형 AI를 업무에 정기적으로 활용하는 직장인의 비율은 전 세계 평균 기준으로 해마다 빠르게 증가하고 있으며,
이를 적극적으로 활용하는 집단과 그렇지 않은 집단 간의 업무 효율 격차는 이미 통계적으로 유의미한 수준입니다.
기술 격차가 소득 격차로 전환되는 속도가 예상보다 훨씬 빠른 것입니다.
더 근본적인 문제는 인지(Cognitive) 격차입니다.
AI를 일찍부터 체화한 사람은 AI가 제공하는 정보를 비판적으로 선별하고 활용하는 '메타인지'가 함께 성장합니다.
반면 뒤늦게 진입하는 사람은 AI 자체를 다루는 학습과 AI 결과물을 판단하는 학습을 동시에 해야 합니다.
이미 선발 주자와 후발 주자 사이에는 단순한 사용 경험 이상의 격차가 형성되고 있습니다.
- 토큰 비용 : AI가 처리하는 텍스트 단위에 부과되는 비용으로, 에이전트 수와 데이터 규모에 비례해 증가
- AI 에이전트 : 사용자를 대신해 이메일, 회의록, 일정 등 다양한 데이터를 자동으로 읽고 처리하는 AI 실행 단위
- 인지 격차 : AI 사용 숙련도 차이가 정보 판단력과 업무 생산성 차이로 이어지는 구조적 현상
위스퍼링이 프롬프트와 다른 이유 — 핵심 분석
제가 직접 써봤는데, AI에게 맥락 없이 단답형 질문을 던질 때와
상황을 충분히 설명하며 대화를 이어갈 때의 결과물 품질은 정말 다릅니다.
이게 단순한 기분 차이가 아니라 구조적인 차이라는 걸 알고 나서 AI를 대하는 태도 자체가 바뀌었습니다.
이 차이를 설명하는 개념이 위스퍼링(Whispering)입니다.
위스퍼링이란?
AI와 장기적인 맥락 관계를 구축하며 대화하는 방식으로,
쉽게 말해 AI에게 나의 상황, 감정, 목적, 배경을 충분히 털어놓아 AI가 나를 이해한 상태에서 답변을 만들게 하는 기법입니다.
단순히 명령어를 잘 쓰는 프롬프트 엔지니어링(Prompt Engineering)과는 결이 다릅니다.
프롬프트 엔지니어링이 AI에게 '무엇을 하라'는 명령어를 최적화하는 기술이라면,
위스퍼링은 AI와의 관계 자체를 설계하는 접근입니다.
예컨대 "제주도 맛집 추천해 줘"는 프롬프트입니다.
반면 "한 번도 비싼 식당에 가본 적 없는 70대 어머니를 모시고 가는 여행인데, 음식 가격에 놀라시지 않을 만큼 부담스럽지 않으면서도 실제 현지인이 좋아하는 곳이면 좋겠어. 어머니는 자극적인 음식을 못 드셔"라고 말하는 것이 위스퍼링입니다.
제 경험상 이건 좀 다릅니다. 후자의 방식으로 대화하면 AI가 추가 질문을 던지면서 대화의 깊이가 달라집니다.
GPT의 '프로젝트(Project)' 기능은 이 위스퍼링을 구조화하기에 적합합니다.
프로젝트란?
특정 역할과 지침을 부여한 채 장기 대화를 이어가는 GPT 내 공간으로,
AI가 이전 대화 맥락을 기억하며 점점 '나를 아는 파트너'로 진화합니다.
에이전트에 슬랙 업무방이나 녹취 파일 같은 개인 데이터를 연동해두면,
아침마다 전날 대화와 회의 내용을 분석해 경영 브리핑을 받는 수준의 활용도 가능합니다.
이 수준의 활용이 일상화된 사람과 그렇지 않은 사람 사이에 생기는 격차는 상당합니다.
한편으로는 이런 초개인화된 AI 관계가 가져올 부작용도 짚고 넘어가야 한다고 봅니다.
AI가 나만을 위한 맞춤 위로와 정보만을 제공하다 보면, 필터 버블(Filter Bubble) 현상이 심화될 수 있습니다.
필터 버블이란?
알고리즘이 개인의 취향과 편향을 학습해 그와 일치하는 정보만을 반복 노출시키는 현상으로,
AI와의 관계가 깊어질수록 이 위험도 함께 커질 수 있습니다.
AI가 주는 답변을 비판 없이 수용하기보다, 최종 판단은 여전히 자신이 내려야 한다는 전제가 위스퍼링의 전제 조건입니다.
AI 개인화 시대, 지금 뭘 시작해야 하는가 — 실전 적용
영상을 본 뒤 저도 실제로 바꿔봤습니다.
티스토리 블로그 운영 중에 "현재 카카오 애드핏 승인을 목표로 하고 있는데,
SEO 친화적이면서 독자가 끝까지 읽을 수 있는 글 구조를 어떻게 짜야 할까?"라고 제 상황을 구체적으로 털어놓자,
이전과 달리 글의 논리 구조, 단락 길이, 키워드 배치에 대한 구체적인 가이드가 나왔습니다.
제가 직접 써봤는데 이게 정말 달랐습니다. 질문의 수준이 답변의 수준을 결정한다는 것을 몸으로 느꼈습니다.
AI 개인화(Personalization)는 앞으로 가장 빠르게 성장할 AI 적용 분야입니다.
AI 개인화란?
동일한 AI 시스템이 사람마다 다른 맥락, 취향, 목적에 맞게 최적화된 결과물을 생성하는 것을 의미합니다.
의학계에서 항암 치료를
환자 개인의 유전자 데이터를 기반으로 설계하는 정밀 의료(Precision Medicine)가 현실화되고 있는 것처럼,
교육·음악·콘텐츠 전 영역에서 개인화가 빠르게 확산되고 있습니다.
출처: 세계경제포럼(WEF), Future of Jobs Report 2025에 따르면 AI 및 빅데이터 활용 역량은
2030년까지 기업이 직원에게 요구하는 핵심 기술 1위로 꼽혔습니다.
그렇다면 지금 당장 어디서 시작해야 할까요? 제 경험상 가장 효과적인 첫걸음은 데이터를 모으는 습관입니다.
일상의 대화, 회의 녹취, 읽은 책의 메모 등을 하나의 폴더에 쌓아두고 AI에게 접근 권한을 주는 것만으로,
AI는 점점 '나를 아는 존재'로 성장합니다. 거창한 도구부터 찾을 필요 없습니다.
오늘 하루 나눈 대화를 녹음해서 텍스트로 변환하고,
그걸 AI에게 요약 및 내일 할 일로 정리해달라고 부탁하는 것부터 시작하면 됩니다.
AI를 공공재(Public Good)로 만들어야 한다는 논의도 주목할 필요가 있습니다.
공공재란?
누구나 비용 부담 없이 접근할 수 있는 자원을 의미하는데,
AI 접근성이 자본력에 따라 결정된다면 도서관 이용 권한이 계급에 따라 달랐던 과거 디스토피아와 다를 게 없습니다.
지금 국내외 정부가 AI 관련 법 제도와 접근성 정책을 빠르게 논의하고 있는 이유입니다.
이 논의에 시민으로서 참여하려면, 먼저 AI를 직접 써본 경험이 있어야 합니다.
모르는 채로 방관하면 소수가 만드는 질서 안에서 살게 됩니다.
자주 묻는 질문
Q. 위스퍼링이랑 프롬프트 엔지니어링이 뭐가 다른 건가요?
A. 프롬프트 엔지니어링은 AI에게 '어떤 형식으로 무엇을 하라'는 명령어 자체를 최적화하는 기술입니다.
반면 위스퍼링은 AI와 장기적인 맥락 관계를 설계하는 방식으로, 내 상황과 감정, 목적을 충분히 전달해 AI가 나를 이해한 상태에서 반응하게 만드는 접근입니다. 명령어보다 관계에 가깝다고 보면 됩니다.
Q. AI 에이전트는 유료 플랜 없이는 못 쓰나요?
A. 기본적인 에이전트 기능은 GPT 유료 플랜(ChatGPT Plus 이상)에서 제공됩니다.
토큰 소비가 많아질수록 비용이 늘어나는 구조이기 때문에,
대규모 데이터를 연동해 복수의 에이전트를 운용하는 수준이 되면 월 수십만 원에서 수백만 원까지 비용이 발생할 수 있습니다.
다만 초보 단계에서는 무료 플랜으로도 위스퍼링 방식의 대화 연습은 충분히 가능합니다.
Q. AI 개인화가 오히려 편향을 심화시키지 않나요?
A. 맞습니다. AI가 나의 취향과 사고방식을 학습할수록 필터 버블 위험은 커집니다.
나와 다른 시각을 의도적으로 요청하거나("반대 의견도 말해줘"),
AI의 답변을 최종 판단 없이 수용하지 않는 태도가 함께 필요합니다.
AI를 파트너로 두되, 비판적 사고는 사용자 자신이 유지해야 한다는 전제가 중요합니다.
Q. AI 데이터를 모은다는 게 구체적으로 어떻게 하는 건가요?
A. 어렵게 생각할 필요 없습니다. 오늘 있었던 회의나 통화를 스마트폰 녹음 앱으로 녹취한 뒤 AI에게 텍스트로 변환하고 요약을 부탁하는 것이 첫 단계입니다.
읽은 책의 밑줄 구절이나 메모도 마찬가지입니다. 이렇게 쌓인 파일을 하나의 폴더에 모아 AI 프로젝트에 연동해두면,
AI는 나의 관심사와 언어 패턴을 점점 학습하게 됩니다.
결론
저도 처음엔 "간 보는 사용자"였습니다. 단답형 질문 몇 개에 실망하고 접어버리는 패턴을 반복했습니다.
그런데 제 상황과 목적을 구체적으로 전달하며 AI와 대화하는 방식으로 바꾸자,
정말 다른 결과물이 나오기 시작했습니다. AI가 달라진 게 아니라 제가 달라진 것이었습니다.
AI 격차는 지금 이 순간도 벌어지고 있습니다.
하지만 역설적으로 지금은 아직 따라잡을 수 있는 시점이기도 합니다.
위스퍼링 방식으로 AI와 관계를 맺고, 나의 데이터를 쌓으며, 개인화된 활용을 조금씩 넓혀가는 것. 거창한 시작이 아니어도 됩니다. 오늘 하루 있었던 일을 AI에게 털어놓는 것부터가 시작입니다.
참고 : 유튜브 "책과 삶" "5060도 딱 10분이면 끝" 99%는 모르는 똑똑한 AI 활용법 (김미경 대표 2부)