AI 시대의 3D 능력: 문제를 정의하고 구조를 설계하며 판단을 지휘하는 힘

AI 시대의 핵심 능력은 지휘 구조로 이동한다

AI 시대의 3D 능력은 AI가 문제 정의와 설계와 판단에 개입하는 환경에서도 인간이 최종 책임과 방향 설정을 유지하기 위한 지휘 구조다. Definition, Design, Directing은 좋은 명령어 제작 기술을 포함하면서도, 더 근본적인 판단 구조를 가리킨다. 이 세 능력은 AI가 답변, 이미지, 코드, 전략, 요약, 계획, 평가 초안을 빠르게 생성하는 조건에서 인간의 판단권이 어디에 남아야 하는지를 정하는 최소 구조다.

생성형 AI는 지식 노동의 표면을 크게 바꾼다. 사용자는 긴 보고서, 코드, 기획안, 교육 자료, 분석 초안을 짧은 대화 안에서 얻는다. 이 변화는 인간의 노동을 줄이는 동시에 인간의 무능을 빠르게 노출한다. 질문이 흐리면 결과도 흐려진다. 목표가 섞이면 산출물도 섞인다. 판단 기준이 비어 있으면 AI의 매끄러운 문장이 그 빈자리를 채운다. 이때 핵심 문제는 인간이 무엇을 물었는지, 어떤 구조로 풀 것인지, 어떤 기준으로 채택할 것인지를 스스로 고정하는 능력의 약화에 있다.

3D 모델은 이 상태를 다루기 위한 실천적 인식론이다. Definition은 닥친 현상을 어떤 문제로 부를지 정한다. Design은 그 문제를 풀기 위한 가설, 조건, 절차, 목표, 실패 기준을 조직한다. Directing은 생성 과정 전체를 지휘하며 산출물을 책임 가능한 형태로 만든다. 세 능력은 순서대로 배열되지만 실제 작업에서는 반복적으로 순환한다. Definition이 Design을 열고, Design이 Directing의 기준을 만들며, Directing의 실패가 Definition의 재구성을 요구한다.

Definition은 문제의 이름을 정하는 책임이다

Definition은 현상에 문제의 이름을 붙이는 능력이다. 같은 현상도 어떤 이름을 얻는가에 따라 해결 방향이 달라진다. 학생이 AI로 과제를 작성하는 상황을 “부정행위”로 정의하면 해결은 감시, 탐지, 제재로 흐른다. 같은 상황을 “학습 과정의 외주화”로 정의하면 해결은 평가 방식, 과정 기록, 질문 설계, 수업 구조의 재배치로 이동한다. Definition은 설명의 시작점인 동시에 이후 모든 설계의 방향 벡터다.

AI 시대에는 Definition의 중요성이 더 커진다. AI는 사용자가 지정한 문제 틀 안에서 매우 효율적으로 움직인다. 잘못 정의된 문제는 빠르게 완성된 실패가 된다. 모호한 요청은 모호한 결과를 낳지만, AI의 문장은 그 모호함을 완성된 형식처럼 보이게 만든다. 사용자가 “좋은 글을 써줘”라고 요청할 때와 “이 주장에 포함된 전제, 반론, 개념 미끄러짐을 드러내는 검토문을 작성해줘”라고 요청할 때 산출물의 성격은 전혀 달라진다. 차이를 만드는 핵심 변수는 문제 정의의 밀도다.

Oguz A. Acar가 Harvard Business Review에 쓴 「AI Prompt Engineering Isn’t the Future」는 이 지점을 정확히 찌른다. 이 글은 프롬프트 엔지니어링의 유행을 다루면서 장기적으로 더 중요한 능력을 문제 정식화(problem formulation)로 이동시킨다. 입력 문장을 꾸미는 능력은 도구가 발전할수록 자동화될 수 있다. 반면 무엇이 해결해야 할 문제인지 식별하고, 그것을 진단·분해·재구조화하며, 필요한 제약조건을 세우는 능력은 인간의 중심 역량으로 남는다. Definition은 바로 그 문제 정식화의 실천 형태다.

Definition과 Design의 경계는 문제의 이름과 작동 구조 사이에 놓인다. Definition은 “이 상황을 어떤 문제로 취급할 것인가”를 정한다. Design은 “그렇게 정의된 문제를 어떤 조건과 절차로 풀 것인가”를 정한다. 경계가 흐릿해지는 이유는 Definition이 이미 해결 방향을 품고 있기 때문이다. “업무 효율 저하”라는 정의는 자동화와 표준화를 부른다. “판단 책임의 약화”라는 정의는 검토 절차와 책임 귀속 구조를 부른다. 좋은 Definition은 해결책을 열어 둔 채 해결 공간의 모양을 만든다.

Design은 가설과 제약을 함께 세우는 능력이다

Design은 정의된 문제를 해결 가능한 구조로 바꾸는 능력이다. 여기서 설계는 장식적 기획이나 시각적 구성과 구별된다. Design은 가설을 세우고, 경계를 정하고, 자원을 배치하고, 실패 조건을 명시하는 사고의 공학이다. AI에게 과제를 맡기는 사람은 “무엇을 만들 것인가”에 더해 “어떤 전제 아래에서, 어떤 기준을 통과해야 하며, 어떤 결과는 폐기할 것인가”를 함께 지정해야 한다.

Design 부재의 요청은 결과를 우연에 맡긴다. AI는 빈칸을 채우는 데 능하다. 목표, 맥락, 제약, 독자, 금지 조건, 검증 절차가 비어 있을 때 AI는 평균적인 과업 형식을 가져온다. 평균적 형식은 많은 상황에서 쓸 만한 초안을 만든다. 동시에 그 초안은 사용자의 실제 문제, 조직의 특수한 조건, 책임의 위치, 실패 비용을 낮은 해상도로 반영한다. Design은 이 평균성을 깨는 절차다. 설계된 요청은 AI에게 자유를 주면서도 방향을 준다.

Design 과정에서 인간의 편향은 반드시 통제되어야 한다. 설계권은 인간 판단의 순수성을 자동으로 확보하는 보증 장치가 되기 어렵다. 인간은 자신이 익숙한 문제 틀을 반복하고, 조직이 원하는 결론을 먼저 세우며, 불편한 변수를 제외하고, 자신의 경험을 보편 조건으로 확대한다. AI는 이러한 편향을 줄이는 도구가 될 수도 있고, 편향을 세련되게 증폭하는 장치가 될 수도 있다. 설계 단계의 핵심은 인간의 최초 가설을 강화하는 절차와 그 가설이 깨질 수 있는 조건을 함께 만드는 데 있다.

편향 통제를 포함한 Design은 최소 네 가지 장치를 요구한다. 첫째, 대안 정의를 생성해야 한다. 같은 현상을 최소 두세 개의 문제 틀로 다시 명명해야 한다. 둘째, 반대 가설을 세워야 한다. 사용자가 원하는 결론과 충돌하는 설명을 의도적으로 요청해야 한다. 셋째, 실패 조건을 명시해야 한다. 어떤 증거가 나오면 이 설계를 폐기할 것인지 정해야 한다. 넷째, 책임 단위를 분리해야 한다. AI가 할 수 있는 생성, 인간이 수행해야 할 판정, 외부 검증이 필요한 사실을 나누어야 한다.

키신저, 슈미트, 허튼로커의 『The Age of AI: And Our Human Future』가 주는 함의는 이 지점에서 중요하다. 이 책은 AI를 인간의 현실 인식, 전략 판단, 사회 제도의 조건을 바꾸는 문명적 기술로 배치한다. AI가 현실을 분류하고 해석하고 제안하는 환경에서 Design은 단순 업무 설계의 범위를 확장한다. 그것은 인간이 어떤 세계 해석을 받아들이고, 어떤 판단 기준을 제도화하며, 어떤 권한을 기계적 절차에 맡길 것인지 정하는 일이다.

Directing은 생성 과정 전체의 통제권이다

Directing은 이미 나온 결과물을 다듬는 편집을 포함하면서, 생성 과정 전체의 방향, 기준, 역할, 판정을 지휘하는 능력이다. 편집은 문장, 형식, 오류, 흐름을 손질한다. Directing은 산출물이 나오기 전부터 무엇을 만들고 있는지, 왜 만들고 있는지, 어떤 기준으로 성공을 판정할지, 어떤 결과를 폐기할지 정한다. AI 시대의 디렉터는 표면 수정 담당자의 역할을 포함하며 작업의 목적과 판단 구조를 유지하는 사람이다.

AI 협업에서 Directing은 세 가지 층위를 가진다. 첫째, 방향 지휘다. 사용자는 AI에게 역할, 독자, 목표, 범위, 금지 조건을 제시해야 한다. 둘째, 과정 지휘다. 사용자는 초안 생성, 반론 생성, 검증, 재작성, 압축, 확장 같은 단계를 나누어야 한다. 셋째, 판정 지휘다. 사용자는 AI의 산출물 중 어떤 부분을 채택하고, 어떤 부분을 보류하며, 어떤 부분을 폐기할지 결정해야 한다. 이 세 층위가 빠지면 협업은 대화처럼 보이지만 실제로는 자동 생성 흐름에 끌려간다.

Ethan Mollick의 『Co-Intelligence』는 이 Directing의 실천적 의미를 잘 보여준다. Mollick은 AI를 함께 일하고 배우는 존재로 다루며, 인간이 AI와의 협업 방식을 적극적으로 익혀야 한다고 주장한다. 그의 책과 교육 관련 논문들은 AI를 교사, 코치, 팀원, 시뮬레이터, 학습자 등 다양한 역할로 배치하는 전략을 제안한다. 이 접근에서 중요한 점은 AI에게 역할을 맡긴 뒤 인간이 물러서는 구조와 구별되며, 인간이 역할 배치와 검토 기준을 설계하고 실행 내내 개입하는 구조다.

Directing은 AI의 역제안 시대에 더 중요해진다. 앞으로의 AI는 사용자의 질문에 답한 뒤 질문 자체를 수정하고, 더 좋은 문제 정의를 제안하고, 숨은 조건을 드러내고, 사용자의 목표와 충돌하는 방향을 제시할 수 있다. 이때 인간의 지휘권은 AI가 제안한 여러 Definition과 Design 사이에서 어떤 것을 채택하고, 어떤 것을 보류하며, 어떤 것에 책임을 걸 것인지 결정하는 능력에서 나온다.

따라서 인간의 위치는 모든 아이디어의 출발점에서 최종 책임의 귀속점으로 이동한다. AI가 더 나은 정의를 제시할 수 있다. AI가 더 정교한 설계를 제안할 수 있다. AI가 사용자의 판단을 흔드는 반론을 제공할 수 있다. 그럼에도 최종 채택은 책임을 수반한다. 책임은 산출물의 작성자가 누구인지 묻는 문제와 함께 어떤 기준으로 그 산출물이 현실에 투입되었는지 묻는 문제다. Directing은 이 책임의 분산을 막고 다시 붙잡는 능력이다.

3D는 세 조건의 상호 의존성으로 성립한다

3D 모델의 힘은 세 항목의 상호 의존성에서 나온다. Definition이 약하면 Design은 잘못된 문제를 정교하게 푼다. Design이 약하면 Definition은 좋은 문제의식으로 남고 실행 가능한 절차로 이동하는 경로가 약해진다. Directing이 약하면 Definition과 Design은 AI의 생성 흐름 속에서 흩어진다. 세 요소 중 하나가 빠질 때 인간은 AI를 쓰고 있는 듯 보이지만 실제로는 AI가 만든 평균적 사고 형식을 소비하게 된다.

Definition은 Design의 방향을 연다. 문제의 이름이 달라지면 해결의 형식도 달라진다. “낮은 생산성”이라는 정의와 “의사결정 병목”이라는 정의는 같은 조직 문제를 전혀 다른 방식으로 다루게 만든다. “창의성 부족”이라는 정의와 “검증 부재의 아이디어 과잉”이라는 정의도 서로 다른 설계를 부른다. Definition은 현실을 자르는 칼이고, Design은 그 절단면 위에 세워지는 구조물이다.

Design은 Directing의 기준을 만든다. 설계가 정교하면 지휘도 정교해진다. 사용자는 AI가 낸 결과물을 단순 호감으로 평가하는 단계를 지나야 한다. 설계 단계에서 정한 목표, 독자, 제약, 증거 기준, 반론 처리 기준을 바탕으로 평가한다. Directing의 핵심은 설계된 기준의 집행이다. 좋은 디렉터는 마음에 드는 결과를 고르는 사람이기 이전에, 처음 세운 기준과 현실 조건 사이에서 결과를 판정하는 사람이다.

Directing은 Definition을 다시 갱신한다. 생성 과정에서 예상 밖의 오류, 누락, 반론, 대안이 드러나면 문제 정의는 수정되어야 한다. AI가 낸 결과가 자꾸 빗나갈 때 원인은 문제 정의에 있을 수 있다. 사용자는 이 실패를 단순 출력 오류로 처리한 뒤, 최초 Definition이 무엇을 빠뜨렸는지 돌아가야 한다. 이렇게 3D는 반복 루프로 작동한다.

이 루프는 AI 협업의 핵심 규율을 만든다. 먼저 문제를 정의한다. 그다음 정의된 문제를 해결 가능한 구조로 설계한다. 이어서 생성 과정을 지휘한다. 결과가 실패하면 정의와 설계를 다시 조정한다. 이 반복이 쌓이면 AI는 단순 산출 도구에서 사고의 반사판으로 바뀐다. 사용자는 AI에게 답을 맡기는 사람에서 AI를 통해 자신의 문제 정의, 설계 가설, 판단 기준을 계속 압박하는 사람으로 이동한다.

3D는 시민 리터러시가 되어야 한다

3D 모델은 전문가의 고급 업무 기술에서 일반 시민의 기본 리터러시로 확장되어야 한다. AI는 이미 검색, 교육, 행정, 의료, 금융, 법률 서비스, 뉴스 추천, 채용, 문서 작성, 고객 상담, 창작 도구 안으로 들어간다. 이 환경에서 일반 시민도 AI가 어떤 문제 정의를 전제하는지, 어떤 해결 구조를 유도하는지, 어떤 판단 기준을 감추거나 강조하는지 읽어야 한다. AI 리터러시는 도구 사용법을 익히는 수준에서 시민적 판단 능력으로 확장된다.

3D가 시민 리터러시로 작동하려면 개인의 판단 능력과 제도적 가시성이 함께 갖춰져야 한다. 시민이 Definition을 수행하려면 AI 시스템이 어떤 문제 정의를 전제하는지 확인할 수 있어야 한다. Design을 읽으려면 판정 기준, 데이터 조건, 우선순위가 최소한의 설명 형식으로 공개되어야 한다. Directing을 수행하려면 사용자가 결과를 거부하고 수정하고 이의를 제기할 절차가 보장되어야 한다. 3D 리터러시는 개인의 역량 모델인 동시에 AI 시스템을 설명 가능하고 다툴 수 있는 구조로 설계하라는 제도적 요구다.

일반 시민에게 Definition은 질문권이다. 시민은 주어진 선택지를 그대로 받아들이기 전에 “이 시스템은 무엇을 문제로 정의하고 있는가”를 물어야 한다. Design은 구조 인식 능력이다. 시민은 “이 시스템은 어떤 조건과 기준으로 결론에 도달하는가”를 읽어야 한다. Directing은 거부와 수정의 능력이다. 시민은 AI가 제안한 설명과 권고를 자신의 목적, 권리, 책임, 공동체 조건에 비추어 채택하거나 수정해야 한다.

교육의 과제도 여기서 바뀐다. AI 시대의 교육은 AI 사용 금지와 허용의 선 긋기에서 과정 설계 교육으로 이동해야 한다. 학생은 AI가 만든 답을 제출하는 기술을 다룬 뒤, 문제를 다시 정의하고, 해결 구조를 설계하고, 산출물을 검토하는 능력을 배워야 한다. 평가도 최종 답안 중심에서 과정 기록, 질문의 질, 가설의 변화, 반론 처리, 검증 절차로 이동해야 한다. 평가의 핵심은 학생이 어떤 AI를 썼는지에서 어떤 판단 구조를 유지했는지로 이동한다.

조직의 과제도 같다. 기업과 기관이 AI를 도입할 때 생산성 지표만 앞세우면 Definition과 Design은 시스템 제공자의 기본값에 흡수된다. 조직은 어떤 업무를 자동화할지 묻기 전에 어떤 판단을 자동화 가능한 업무로 정의했는지 점검해야 한다. 어떤 워크플로를 설계할지 결정하기 전에 실패 비용과 책임 귀속을 명시해야 한다. 어떤 결과를 채택할지 결정할 때는 AI 출력의 속도와 완성도와 함께 검증 가능성과 책임 구조에 더 큰 무게를 두어야 한다.

3D 능력은 결국 AI 시대의 인간상을 다시 그린다. 이전의 유능한 인간은 더 많이 기억하고 더 빨리 계산하고 더 정확히 재현하는 사람으로 상상되었다. AI가 이 기능을 대규모로 수행하는 환경에서 인간의 중심 능력은 다른 곳으로 이동한다. 유능한 인간은 문제의 이름을 붙이고, 해결의 조건을 설계하며, 생성된 결과의 현실 투입을 책임지는 사람이다. AI가 많은 것을 생성할수록 인간에게 남는 과제는 더 선명해진다. 인간은 답의 소유자에서 방향과 책임의 지휘자로 이동한다.

작성 정보

초안 작성: GPT · GPT 5.5 · Extended Thinking
검토·개고: ChatGPT · GPT-5.5 Extended Thinking

참고자료

• Oguz A. Acar, 「AI Prompt Engineering Isn’t the Future」, Harvard Business Review, 2023. https://hbr.org/2023/06/ai-prompt-engineering-isnt-the-future
• Henry A. Kissinger, Eric Schmidt, Daniel Huttenlocher, The Age of AI: And Our Human Future, Little, Brown and Company, 2021. 관련 해설: https://time.com/6113393/eric-schmidt-henry-kissinger-ai-book/
• Ethan Mollick, Co-Intelligence: Living and Working with AI, Portfolio, 2024. https://www.penguinrandomhouse.com/books/741805/co-intelligence-by-ethan-mollick/
• Ethan Mollick, Lilach Mollick, 「Assigning AI: Seven Approaches for Students, with Prompts」, 2023. https://arxiv.org/abs/2306.10052

인포그래픽

작성일: 2026년 5월 23일