사용 통계
원리는 여기까지 다 봤습니다. 마지막 절에서는 사람들이 이 도구로 실제로 무엇을 하는지 구경해 보겠습니다. Claude를 만드는 Anthropic은 일주일 동안 쌓인 대화 약 100만 건을, 개인정보를 지우고 주제만 자동으로 분류하는 방식으로 집계해 공개했습니다. 사람들이 AI를 어디에 쓰는지 나라별로 들여다볼 수 있는 드문 자료인데, 위니브가 이 데이터를 클릭할 수 있는 지도로 만들어 두었습니다.
1. 세계 지도로 보는 사용
색이 진할수록 많이 쓰는 나라입니다. 전체 사용량은 미국이 22%로 1위이고, 한국은 3.1%로 인도, 일본, 영국에 이어 다섯 번째입니다. 지도에서 아무 나라나 클릭해 보세요. 그 나라 사람들이 AI에게 가장 많이 시키는 일이 나옵니다.
2. 한국은 조금 다르게 쓴다
페이지를 아래로 내리면 한국과 세계 평균의 비교가 나옵니다. 같은 AI인데 나라마다 쓰는 방식이 다릅니다. 세계에서 가장 많은 요청은 소프트웨어 개발(14.8%)인데 한국의 1위는 멀티미디어 콘텐츠 제작(11.6%)이고, 함께 일하는 방식에서도 한국은 결과를 주고받으며 다듬는 '작업 반복'이 35.1%로 세계 평균(27.2%)보다 눈에 띄게 높습니다. 답을 한 번 받고 끝내는 것이 아니라 여러 번 고쳐가며 쓴다는 뜻입니다.
물론 이것은 Claude 사용자들의 일주일 기록이라, 다른 AI 도구 사용자는 빠져 있습니다. "한국 사람들은 다 이렇다"보다는 "이런 경향이 보인다" 정도로 읽어 주세요.
3. 변하지 않는 두 가지
이 책에서 배운 내용은 금방 낡은 지식이 될까요. 그렇지 않습니다. 모델은 계속 발전하지만, 빠르게 변하는 것들 밑에서 변하지 않는 두 가지가 있고, 그것이 바로 이 책이 다룬 내용입니다.
첫째, 확률로 답을 만든다는 본질은 그대로입니다. 아무리 새로운 모델이 나와도, 그 속을 들여다보면 여전히 P(다음 단어 | 지금까지의 문장)을 반복하는 함수입니다. 그래서 환각은 줄어들지언정 사라지지 않습니다. 모델이 아무리 발전해도, 사실이 중요한 정보는 출처를 확인하는 습관의 가치는 변하지 않습니다. 오히려 AI가 더 그럴듯하게 말할수록 이 습관은 더 귀해집니다.
둘째, 대화는 계속 초기화됩니다. 작업대는 커지고 노트는 똑똑해지지만, 매번 작업대를 다시 차려야 하는 구조는 그대로입니다. 무엇을 작업대에 올려주느냐가 결과물의 품질을 결정하기 때문에, 기억해 주기를 기대하는 사람과 매번 좋은 맥락을 차려주는 사람의 격차는 모델이 발전할수록 좁혀지는 것이 아니라 벌어집니다.
이 두 가지를 아는 것만으로 여러분은 생성형 AI를 대하는 기준이 생깁니다. 결과물이 이상할 때 "AI가 멍청해서"가 아니라 "확률이 빗나갔거나 작업대에 뭔가 빠졌구나"라고 진단할 수 있고, 무엇을 고쳐야 할지도 보입니다.
가장 좋은 다음 단계는 책이 아니라 지금 바로 도구를 여는 것입니다. 이번에는 시뮬레이터가 아니라 진짜 도구에서, 이 책에서 시뮬레이션으로 본 장면들을 재현해 보세요. 같은 질문을 두 번 던져서 답이 달라지는지 보고, 질문 앞에 상황 한 줄을 붙여서 답의 방향이 바뀌는지 확인하고, 긴 대화 끝에 첫 조건이 잊히는 순간을 잡아내고, 근거 자료를 줬을 때 답이 어떻게 달라지는지 실험해 보세요. 룰렛이 도는 화면과 묶음이 쌓이는 화면을 이미 본 여러분에게는, 그 현상들이 더 이상 이상 동작이 아니라 예측 가능한 원리로 보일 겁니다. 그때 생성형 AI는 막연한 무언가가 아니라 여러분이 다룰 줄 아는 도구가 되어 있을 겁니다.
더 깊이 들어가고 싶어지면 프롬프트, 컨텍스트, 하네스를 본격적으로 다루는 책들을 찾아보세요. 위니북스의 프롬프트에서 하네스까지도 그중 하나입니다.