인간의 삶 대부분은 다음과 같은 질문과 함께합니다: 너는 커서 어떤 사람이 되고 싶니?

이 질문은 아이일 때부터 시작됩니다. 그리고 청소년이 되면 전공, 대학, 전문 분야를 선택합니다. 자신을 충분히 파악하고, 필요한 지식을 얻어, 그에 맞는 자리를 찾아 안착하기만 하면 되는, 자신에게 딱 맞는 자리가 어딘가에 존재한다는 가정이 깔려 있습니다.

이러한 모델에서 직업 선택은 인생 초기의 가장 중요한 결정 중 하나입니다. 실수의 대가가 크기 때문에 신중하게 접근하라고 조언합니다.

하지만 그 질문의 방식 자체가 점차 구식이 되고 있다면 어떨까요?

직업이 사라지기 때문이 아닙니다. 교육이 더 이상 필요 없어지기 때문도 아닙니다.

경제적 기회의 수명이 인간 커리어의 수명보다 훨씬 짧아질 수 있기 때문입니다.

오늘의 좋은 직업은 내일을 약속해주지 않는다

시기마다 전혀 예상치 못한 전혀 다른 일들이 돌연 유리해지곤 합니다.

전자상거래의 성장은 택배 기사에 대한 엄청난 수요를 창출합니다. 임금이 오르고 진입 장벽이 거의 없어, 수년간의 준비가 없던 사람도 오랜 기간 공부한 사람들(의 소득)에 필적하는 소득을 갑자기 얻게 됩니다.

그러다가 노동 공급이 늘어나고, 기술이 바뀌고, 시장이 포화되면 — 그 일은 더 이상 그토록 매력적이지 않게 됩니다.

외국인 제조업의 진출은 또 다른 기회를 만듭니다. 산업 지역의 한 청년은 학교를 졸업하자마자 현대적인 공장에 취업해 사내 교육을 받고, 향후 5년을 대학에서 보낼 동기들보다 더 일급을 일찍 벌기 시작할 수 있습니다.

몇 년이 지나면 새로운 물결이 찾아옵니다.

오늘날에는 학생조차도 인터넷에서 오래된 웹사이트를 사용하는 수백 개의 기업을 찾아내어, AI를 이용해 몇 시간 만에 현대적인 버전으로 만들어 소유자들에게 제안을 보낼 수 있습니다. 97개의 회사는 메일을 무시할 것입니다. 두세 곳이 동의하면 — 실험은 수익성 있는 것으로 판명됩니다.

그러나 이 기회 또한 영원하지 않습니다.

수천 명의 사람들이 똑같은 수법을 쓰기 시작하면 가격은 떨어집니다. 새로운 웹사이트 제작이 거의 자동화되면, 그 우위 자체도 사라집니다.

문제는 사람이 잘못된 직업을 선택했다는 데 있지 않습니다.

세상이 단순히 변했을 뿐입니다.

그러므로 우리는 선택에 대해 너무 많은 생각을 하고 있는지도 모른다

18세의 두 사람을 상상해 보고 각각에게 6년의 시간을 준다고 해봅시다.

첫 번째 사람은 직업을 선택합니다.

그는 대학에 진학하고, 체계적인 과정을 거치며, 시험에 합격해 24세가 되면 상당한 전문 지식과 공인된 학위를 손에 쥡니다.

두 번째 사람은 무엇이든 확실하게 선택하지 않습니다.

그는 한 일에 취직합니다. 반년이 지나자 자신에게 맞지 않음을 깨닫습니다. 다른 일을 시도합니다. 무언가를 팔아보려 합니다. 실패합니다. 새로운 도구를 익힙니다. 작은 프로젝트를 진행합니다. 첫 번째 고객을 찾습니다. 틈새시장이 사라집니다. 다른 분야로 넘어갑니다. 또 무언가를 배웁니다.

24세가 되었을 때, 첫 번째 사람의 이력서는 명확해 보입니다.

두 번째 사람의 이력서는 — 혼란스러워 보입니다.

첫 번째 사람에 대해 사람들은 그가 6년 동안 자신의 미래에 투자했다고 말합니다.

두 번째 사람에 대해서는 6년 동안 진로를 결정하지 못했다고 쉽게 말합니다.

하지만 어쩌면 그들은 단순히 서로 다른 종류의 자본을 축적하고 있었던 것일지도 모릅니다.

첫 번째 사람은 특정 활동에 대한 준비가 점점 더 잘 되어 갔습니다.

두 번째 사람은 활동을 변경해야 하는 필요성에 대한 대처 능력이 점점 더 잘 갖춰져 갔습니다.

우리는 첫 번째 것을 측정하는 데 능숙합니다. 두 번째 것에 대해서는 공인된 측정 단위조차 없습니다.

실수 또한 지식을 생산한다

만약 어떤 사람이 대학에서 2년 동안 공부하다가 다른 일을 하고 싶다는 것을 깨달았다면, 그 2년은 종종 낭비로 여겨집니다.

직장을 다섯 번 바꿨다면, 그것은 훨씬 더 나빠 보일 수 있습니다.

하지만 모든 실패한 시도가 낭비된 시간은 아닙니다.

인간은 자신을 미리 알지 못합니다.

매일 8시간씩 프로그래밍을 해보기 전까지는 자신이 프로그래밍을 좋아한다고 상상할 수 있습니다. 우연히 영업 부서에 들어가기 전까지는 자신을 영업에 젬병이라고 생각할 수 있습니다. 대기업을 꿈꾸다가 한 달 만에 그런 환경을 견딜 수 없음을 깨달을 수도 있습니다.

어떤 지식은 책에서 얻을 수 없습니다.

직업에 대한 충분히 상세한 설명을 읽는다고 해서 당신이 향후 10년 동안 그 일을 하는 것을 좋아할지 알 수는 없습니다.

이를 위해서는 실험이 필요합니다.

그렇다면 다섯 가지 일을 시도하고 네 가지를 포기한 사람이 반드시 네 번 실패한 것은 아닙니다.

그는 자기 자신에 대한 네 가지 가설을 소거한 것입니다.

그리고 덤으로 시장, 사람, 돈, 그리고 자신의 능력에 대해 무언가를 배웠습니다.

시장 자체가 커리큘럼이 될 수 있다

기업용 웹사이트 제작으로 돈을 벌려고 시도하는 사람에게는 미리 짜인 커리큘럼이 없습니다.

하지만 그에 상응하는 기능적 대체물이 아주 빠르게 나타납니다.

잠재 고객을 찾는 법을 모른다면 — 찾는 법을 배워야 합니다.

아무도 메일에 답장하지 않는다면 — 제안을 구성하는 법을 배워야 합니다.

고객이 관심을 보였으나 구매하지 않는다면 — 영업을 파고들어야 합니다.

사이트가 형편없게 나온다면 — 디자인과 기술을 익혀야 합니다.

작업에 3일이 걸리는데 경쟁자는 3시간 만에 끝낸다면 — AI를 익혀야 합니다.

고객은 많은데 돈은 여전히 없다면 — 가격 책정을 이해해야 합니다.

어떤 사람이 정확히 이 주제들을 공부해야 한다고 미리 결정한 사람은 없습니다.

필요성이 지식보다 먼저 발생했습니다.

이것은 대부분의 정규 교육과 비교했을 때 반대되는 순서입니다.

전통적인 모델은 종종 다음과 같습니다:

먼저 지식 → 그 다음 그것이 유용할 곳 탐색.

실험적 모델:

먼저 과제 → 그 다음 부족한 지식 발견 → 학습 → 즉각적인 검증.

두 번째 모델은 교육을 부정하지 않습니다. 그것은 교육이 나타나는 시점을 바꿉니다.

때로는 대학을 일찍 가는 것보다 늦게 가는 것이 더 낫다

몇 년 동안 다양한 일을 시도하다가 21세에 교량을 설계하고 싶다고 깨달은 사람을 상상해 봅시다.

이제 그에게는 진정한 수학, 물리학, 엔지니어링 교육과 정식 자격이 정말로 필요합니다.

그는 공부하러 갑니다.

하지만 그의 상황은 거의 맹목적으로 전공을 선택했던 17세 청소년의 상황과 근본적으로 다릅니다.

그는 이미 왜 자신에게 이 지식이 필요한지 알고 있습니다.

교육은 알 수 없는 미래에 대한 도박이 아니라 발견한 목표를 달성하기 위한 도구가 됩니다.

이것은 대학에 반대하는 주장이 아닙니다.

의사, 엔지니어, 연구원 및 수많은 다른 전문가들은 AI와의 몇 차례 대화와 일련의 소규모 프로젝트만으로는 양성할 수 없습니다.

그러나 그렇다고 해서 모든 사람에게 똑같은 순서가 적합하다는 결론은 나오지 않습니다:

먼저 직업을 선택하라 → 몇 년간 준비하라 → 그 후에야 현실로 선택을 검증하라.

때로는 그 반대가 더 합리적일 수 있습니다:

시도하라 → 방향을 발견하라 → 한계를 이해하라 → 더 이상 앞으로 나아가기 위해 반드시 필요한 것을 공부하라.

AI는 시도의 비용을 급격히 낮춘다

예전에는 실험하는 비용이 훨씬 더 비쌌습니다.

만약 누군가 소프트웨어 제품을 만들고 싶다면, 프로그래밍을 배우거나 프로그래머를 찾아야 했습니다.

디자인을 하려면 — 디자이너가 필요했습니다.

시장 조사를 하려면 — 시간과 역량이 필요했습니다.

상업 제안서를 작성하려면 — 또 다른 기술이 필요했습니다.

따라서 **"과연 될까?"**라는 생각과 실제 검증 사이에는 수개월의 작업과 상당한 비용이 가로놓여 있었습니다.

AI는 그 거리를 단축하기 시작합니다.

비록 아직 완벽하지는 않더라도, 한 사람이 기계를 프로그래머, 연구원, 번역가, 디자이너, 분석가, 영업 보조원으로 사용하는 것이 이미 가능해졌습니다.

그리고 이것은 실물 경제에 반영되기 시작합니다.

2026년 Stripe의 발표에 따르면, Stripe Atlas를 통해 생성된 기업 중 1인 창업자(solo founders)의 비율이 사상 최고치를 기록했습니다. 동시에 유례없이 높은 매출을 올리는 1인 창업가의 수도 증가하고 있습니다. AI가 모든 사람이 혼자서 성공적인 비즈니스를 구축할 수 있음을 증명하는 것은 아니지만, 개인이 최소한 아이디어를 검증하기 위해 필요한 다양한 전문가의 수를 줄여줍니다.

이것은 근본적인 변화입니다.

이전에는 실패한 실험 하나에 1년과 막대한 돈이 들었을지 모르지만, 내일이면 어떤 실험들은 일주일이면 끝날 수도 있습니다.

그 말은, 개인이 훨씬 더 많은 실수를 자신에게 허용할 수 있게 된다는 뜻입니다.

하지만 기회를 직업과 쉽게 혼동할 수 있다

여기서 또 다른 함정이 도사리고 있습니다.

오늘날 AI를 이용해 웹사이트를 만드는 일이 한 사람에게 한 달에 수천 달러를 벌어다 준다고 가정해 봅시다.

다음과 같은 결론을 내릴 수 있습니다:

"나는 직업을 찾았다."

하지만 바로 이것이 오판일 수 있습니다.

한 사람에게 틈새시장 진입이 저렴해졌다면, 그의 경쟁자 수천 명에게도 저렴해진 것입니다.

오늘날의 높은 소득은 아무것도 보장해주지 않습니다.

따라서 특정 기회의 가치는 그로부터 얼마를 벌었는가에만 있지 않습니다.

그것은 다음과 같은 다른 것을 남길 수 있습니다:

고객을 찾는 법을 배웠고;

수요를 검증하는 법을 알게 되었으며;

영업하는 법을 익혔고;

몇 가지 도구를 마스터했으며;

우위가 얼마나 빨리 복제되는지 목격했고;

작동하지 않는 프로젝트를 닫는 법을 배웠으며;

그리고 무엇보다 — 다음 기회를 찾는 경험을 얻었습니다.

그렇다면 틈새시장의 소멸은 더 이상 재앙이 아닙니다.

그것은 애초에 평생 존재해야 했던 것이 아닙니다.

어쩌면 가장 큰 자산은 자기 자신을 재조립하는 능력이 된다

우리는 인적 자본을 축적의 관점에서 묘사하는 데 익숙합니다.

사람은 수학을 안다.

프로그래밍을 할 줄 안다.

물류 분야에서 10년의 경력이 있다.

의학 교육을 받았다.

하지만 빠르게 변화하는 환경에서는 전혀 다른 종류의 능력이 나타납니다:

보다 → 이해하다 → 배우다 → 시도하다 → 피드백을 받다 → 재조립하다.

많은 것을 알면서도 이 주기를 잘 돌지 못할 수 있습니다.

반면 정규 교육은 상대적으로 적지만, 새로운 분야에 몇 달 안에 충분히 깊이 파고들어 그 안에서 가치를 창출하기 시작하는 능력을 갖출 수도 있습니다.

이 능력을 적응 자본이라고 부를 수 있습니다.

이것은 구체적인 지식의 비축이 아닙니다.

환경이 바뀐 후 필요한 지식 비축을 다시 만들어내는 능력입니다.

그리고 여기서 교육을 향한 불편한 질문이 제기된다

노동 시장 연구는 이미 학위와 업무 수행 능력이 같지 않다는 것을 보여주고 있습니다.

고용주들은 내용이 실질적으로 변하지 않는 직무에도 수십 년 동안 학사 학위(bachelor's degree) 요건을 추가해 왔습니다. 이후 반대 방향의 움직임이 일어났는데, 일부 기업이 학위라는 형식적 요건을 없애고 필요한 능력을 더 구체적으로 기술하기 시작하는 skills-based hiring(기술 중심 채용)입니다.

그러나 이 변화조차도 느리게 진행되고 있습니다. 학위 요건의 폐지를 선언하는 것이 채용 방식을 실제로 재조립하는 것보다 훨씬 쉽기 때문입니다.

동시에 OECD는 2026년에 이르러 일, 일상 활동, 그리고 자기주도 학습을 통해 개인이 습득하는 지식과 기술인 informal learning(비정형 학습)에 특별히 주목하고 있습니다. 이러한 형태의 학습은 디지털화와 AI의 영향으로 기술 요구사항이 빠르게 변화하는 환경에 특히 적합합니다.

이상한 상황이 벌어집니다.

경제는 끊임없이 학습하는 능력을 점점 더 강력하게 요구합니다.

기술은 필요성이 발생하는 바로 그 순간에 학습하는 것을 점점 더 가능하게 해줍니다.

하지만 사회 시스템은 여전히 사전에 표준화된 교육 경로만을 인식하는 데 매우 능숙합니다.

어쩌면 문제는 정규 교육이 쓸모없다는 데 있지 않습니다.

문제는 우리가 축적된 교육을 측정하는 데는 능숙하지만, 인간이 자기 자신을 계속해서 교육해 나가는 능력은 측정하는 데 서툴다는 점입니다.

미리 준비된 경로는 도움을 주는 동시에 훈련을 박탈한다

정규 교육에는 엄청난 장점이 있습니다.

그것은 인간에게 다음에 무엇을 해야 할지 끊임없이 결정해야 하는 부담을 덜어줍니다.

여기 과목이 있습니다.

여기 강사가 있습니다.

여기 교재가 있습니다.

여기 마감일이 있습니다.

여기 성공의 기준이 있습니다.

여기 시험이 있습니다.

여기 다음 코스가 있습니다.

스스로 경로를 구축할 능력이 아직 없는 사람에게 이것은 극도로 가치 있는 시스템입니다.

하지만 이 장점에는 이면이 존재할 수 있습니다.

다른 누군가가 수년 동안 **"다음에 무엇을 해야 하는가?"**에 대해 답해주는 동안, 사람은 스스로 그 질문에 답하는 법을 배울 필요가 없습니다.

실험적인 삶은 이것을 끊임없이 하도록 강제합니다:

지금 무슨 일이 일어나고 있는가?

기회는 어디에 나타났는가?

왜 이전의 시도가 먹히지 않았는가?

내가 모르는 것은 무엇인가?

이것을 배울 가치가 있는가?

AI가 이 공백을 메워줄 수 있는가?

계속할 것인가, 그만둘 것인가?

다음에 무엇을 시도해야 하는가?

이것도 학습입니다.

단지 학위가 없을 뿐입니다.

AI는 자립성을 덜 엘리트적인 것으로 만들 수 있다

실험적인 길에는 항상 심각한 문제가 있었습니다.

그것은 자립성을 요구합니다.

18세의 모든 사람이 혼자서 시장을 조사하고, 방향을 선택하고, 학습 프로그램을 짜고, 고객을 찾고, 결과를 평가하며, 실패 후 무엇을 해야 할지 이해할 수 있는 것은 아닙니다.

따라서 준비된 경로는 단순한 제약이 아니었습니다. 그것은 실제 문제를 해결해 주었습니다.

하지만 AI는 이것마저 바꿀 수 있습니다.

사람은 더 이상 다음 단계를 어떻게 구축해야 할지 혼자서 알 필요가 없습니다. 기계와 가능한 방향에 대해 논의하고, 미지의 영역을 조사하고, 저렴한 실험을 구성하고, 실수를 분석하며, 부족한 설명을 빠르게 얻을 수 있습니다.

AI는 호기심을 만들어내지도 않고 인간에게 행동을 강제하지도 않습니다.

하지만 자립의 지적 비용을 낮춰줄 수 있습니다.

그렇게 되면 자신만의 경로를 구축하는 능력은 우연히 그것을 혼자 터득한 소수 사람들의 특권이 아니게 됩니다.

그것 또한 발전시킬 수 있습니다.

어쩌면 우리는 아이들에게 잘못된 질문을 하고 있다

"커서 어떤 사람이 되고 싶니?" — 이 질문은 그 대답이 충분히 오랫동안 유용하게 남는 세상에서는 좋은 질문입니다.

하지만 만약 어떤 사람이 80년을 살아가는데, 기술과 시장, 가치를 창출하는 방식이 그의 커리어 동안 근본적으로 몇 번씩 바뀐다면, 하나의 대답만으로는 충분하지 않을 수 있습니다.

그렇다면 질문은 달라져야 합니다:

너는 다음에 어떤 사람이 되어야 할지 스스로 파악할 수 있겠는가?

반드시 기업가일 필요는 없습니다.

반드시 프로그래머일 필요는 없습니다.

반드시 매년 직업을 바꿀 필요도 없습니다.

의미는 움직임을 위한 움직임에 있지 않습니다.

의미는 한 번 찾은 자리가 영원히 자신의 것으로 남아 있어야 한다는 가정에서 벗어나는 데 있습니다.

어쩌면 미래의 인간은 자신의 능력이 지금 세계에 어디서 필요한지 몇 번이고 발견하고, 부족한 부분을 채우며, 다시 전문가가 되는 과정을 반복해야 할 것입니다.

그때 학습의 최종 결과물은 단 하나의 직업에 대비된 사람이 아닙니다.

최종 결과물은, 필요한 만큼 몇 번이고 자기 자신을 다시 전문가로 만들어낼 수 있는 사람입니다.