---
title: "AI 시대에 전문가로 남으려면, 먼저 ‘AI 없이도 할 줄 아는 단계’가 필요하다는 칼럼"
published: 2026-05-26T15:05:01.875Z
canonical: https://jeff.news/article/3261
---
# AI 시대에 전문가로 남으려면, 먼저 ‘AI 없이도 할 줄 아는 단계’가 필요하다는 칼럼

서울아산병원 칼럼은 마리 퀴리의 생애를 빌려 AI 시대의 전문성 문제를 짚는다. 생성형 AI를 잘 쓰면 학습 속도를 높일 수 있지만, 배워야 할 시기에 과하게 의존하면 never-skilling, de-skilling, mis-skilling 같은 역효과가 생길 수 있다는 주장이다.

- 이 칼럼은 AI 도구 이야기를 하면서 뜬금없이 마리 퀴리부터 꺼냄. 그런데 비유가 꽤 세게 들어맞음
  - 마리 퀴리는 러시아 점령하 폴란드에서 여성이 대학에 갈 수 없고, 폴란드어 고등교육도 불법이던 시절을 살았음
  - 그래서 비밀 교육 조직인 이동 대학(flying university)에서 학생이자 교사로 활동하다가, 23세가 돼서야 프랑스로 가 대학에 들어감

- 마리 퀴리 사례의 포인트는 “천재였으니 성공했다”가 아니라, 계속 새 영역을 배웠다는 데 있음
  - 박사학위 연구에서는 아무도 손대지 않은 방사능 연구에 뛰어들었고, 라듐과 폴로늄을 발견함
  - 1903년 노벨물리학상, 1911년 노벨화학상을 받았고, 서로 다른 과학 분야에서 노벨상을 받은 인물은 지금도 마리 퀴리가 유일함

- 더 인상적인 건 1914년 제1차 세계 대전 때의 행보임. 이미 노벨상을 두 번 받은 47세 석학이 자동차 운전, 정비, 해부학을 새로 배움
  - 이유는 부상병 몸에 박힌 파편 위치를 현장에서 빠르게 찾기 위해서였음
  - 이동식 X선 촬영 차량을 개발했고, 직접 전선에 가려고 운전을 배웠고, 차량 고장에 대응하려고 정비도 익힘
  - 이 이동진단차량은 100만 명이 넘는 부상병을 돕는 데 쓰였다고 소개됨

- 칼럼이 AI 시대로 끌고 오는 메시지는 이거임. 전문성은 한 번 따놓는 자격증이 아니라 계속 유지하고 갱신해야 하는 상태라는 것
  - 사람은 누구나 초보(novice)에서 시작해 능숙한(competent), 숙련(proficient), 전문가(expert) 단계로 간다는 설명이 나옴
  - 최소한 능숙한 단계에 도달하고 유지해야 의료진이든 연구자든 안전하고 수월하게 기능할 수 있다는 주장임

> [!IMPORTANT]
> AI는 숙련을 빠르게 올려주는 도구가 될 수도 있지만, 배워야 할 시기에 대신 해주는 도구로 쓰면 아예 능숙한 단계에 못 갈 수도 있다는 게 핵심임.

- 여기서 칼럼은 AI의 위험을 세 가지로 나눔
  - never-skilling: 배움과 훈련이 필요한 시기에 AI에 과하게 의존해서 애초에 능숙한 단계에 도달하지 못하는 상태
  - de-skilling: 이미 가진 지식과 기술이 AI 의존 때문에 둔해지는 상태
  - mis-skilling: AI의 편향이나 환각 때문에 잘못된 지식이나 기술을 받아들이는 상태

- 가장 취약한 영역으로는 글쓰기가 꼽힘. 이건 개발자도 남 얘기가 아님
  - 생성형 AI는 자연스러운 글을 쓰도록 설계된 도구라서, 보고서·논문·문서·이메일을 바로 대신 써주기 쉬움
  - 동시에 많은 사람이 글쓰기를 부담스럽게 느끼기 때문에, 훈련해야 할 부분까지 AI에 넘기기 쉬움
  - 개발자로 치면 설계 문서, 장애 보고서, 코드 리뷰 코멘트, 의사결정 기록을 계속 AI에 맡기다가 정작 자기 논리 전개 능력이 약해지는 그림임

- 칼럼의 결론은 AI를 쓰지 말자는 쪽이 아님. ‘어느 정도 숙련도를 갖춘 영역에서 조수로 쓸 때’ 가장 안전하고 유용하다는 쪽임
  - 기본기가 없는 상태에서 AI 결과를 검증하지 못하면 빠른 게 아니라 위험한 상태가 됨
  - 반대로 자기 기준과 판단력이 있으면 AI는 초안 작성, 구조화, 표현 다듬기에서 꽤 강력한 보조 도구가 될 수 있음

- 이 글은 의료 연구자 대상 칼럼이지만, 한국 개발자에게도 그대로 적용됨
  - 코딩 AI를 쓰더라도 디버깅, 추상화, 요구사항 해석, 문서화 같은 기본기를 건너뛰면 나중에 본인이 만든 결과를 설명하지 못하는 상황이 옴
  - 결국 중요한 건 “AI를 쓰느냐”가 아니라 “내가 검증할 수 있는 일을 AI에 맡기고 있느냐”임

## 핵심 포인트

- 마리 퀴리는 이동 대학, 방사능 연구, 전쟁 중 이동식 X선 차량 개발까지 계속 새 역량을 익힌 인물로 소개됨
- AI는 숙련자가 조수로 쓸 때 유용하지만, 초보자가 훈련을 건너뛰는 도구로 쓰면 전문성 형성을 방해할 수 있음
- 글쓰기는 생성형 AI가 never-skilling과 de-skilling을 가장 쉽게 유발하는 분야로 지목됨
- 칼럼은 향후 임상논문을 예시로 논리적 글쓰기와 안전한 AI 활용법을 다룰 예정이라고 밝힘

## 인사이트

개발자에게도 그대로 꽂히는 얘기임. 코드 생성 AI가 편하다고 기본 설계·디버깅·글쓰기 훈련을 건너뛰면, 생산성이 오른 게 아니라 판단 근육을 빌려 쓰는 상태가 될 수 있음.