AI 시대가 되면서 뭔가를 만드는 것 자체는 더 이상 어렵지 않습니다. 랜딩 페이지는 몇 분 안에, 제품 기획서는 프롬프트 하나로, 피치덱은 회사가 무엇을 믿는지 결정하기도 전에 번듯하게 완성되죠. 그렇다면 누군가를 구별하게 만드는 것은 무엇일까요?

소프트웨어 엔지니어 Raj Nandan Sharma가 자신의 블로그에 AI 시대의 판단력과 ‘취향(taste)’에 관한 글을 발표했습니다. AI가 평범한 결과물 생산 비용을 바닥으로 끌어내린 지금, 진짜 경쟁력은 ‘만들 수 있는 능력’이 아니라 ‘무엇이 틀렸는지 정확하게 진단하는 능력’이라는 주장입니다.

출처: Good Taste the Only Real Moat Left – rajnandan.com

취향은 ‘감각’이 아니라 ‘진단 능력’이다

AI 맥락에서 취향이란 심미적 감각이나 개인 브랜딩이 아닙니다. 불확실한 상황에서 옳고 그름을 구별하는 능력입니다.

저자는 취향이 세 가지 지점에서 드러난다고 설명합니다. 무엇을 알아채는지, 무엇을 거부하는지, 그리고 무엇이 잘못됐는지를 얼마나 정확하게 설명할 수 있는지입니다. 마지막이 핵심입니다. “뭔가 이상한데”라고 말하는 사람은 많지만, “이건 SaaS 제품 문구라면 다 쓸 법한 표현이라 실패했다”거나 “이 설명은 규제 조건을 마케팅 언어로 뭉개서 고객을 혼란스럽게 만든다”까지 말할 수 있는 사람은 드뭅니다.

취향은 막연한 느낌에서 구체적인 진단으로 이어질 때 비로소 쓸모가 생깁니다.

왜 AI는 ‘7점짜리 세상’을 만드는가

LLM은 방대한 언어, 디자인 패턴, 인터페이스를 흡수해 빠르게 재조합하는 패턴 압축 엔진입니다. 이것이 강점이면서 동시에 기본값의 편향이기도 합니다.

이 시스템은 구조적으로 ‘통계적으로 그럴듯한 결과물’을 만드는 데 탁월합니다. 그냥 두면 분포의 안전한 중간값을 향해 수렴합니다. 그래서 AI 결과물 상당수가 낯익게 느껴지는 겁니다. 로고만 다른 랜딩 페이지, 어떤 앱에나 붙어도 어색하지 않을 제품 문구, 깔끔한 소제목이 달린 판단 없는 글들.

이게 실패는 아닙니다. 평균을 잘 만들어냈다는 뜻이니까요. 문제는 예전에는 평균이 어느 정도 구별을 만들어냈는데, 이제는 평균이 너무 넘쳐난다는 겁니다. 7점짜리들이 가득 찬 세상이 된 거죠.

AI 이전에는 없던 병목, ‘거부 능력’

AI 이전에는 결과물이 엉성하면 대개 시간, 자원, 실행력 부족 때문이었습니다. 지금 엉성한 결과물은 다른 의미입니다. 첫 번째 ‘봐줄 만한 초안’에서 멈춘 것이죠.

AI가 초안 비용을 낮추면서 가치는 그 다음 단계로 이동했습니다. 이제 희소한 능력은 이런 말을 할 수 있는 것입니다. “괜찮아 보이지만 너무 평범하다”, “인상적으로 들리지만 진짜 트레이드오프를 숨기고 있다”, “인터페이스는 세련됐지만 실제 사용자의 사고방식과 맞지 않는다”.

생산하는 능력이 아니라, 거부하는 능력이 희소해진 겁니다.

취향만으로는 충분하지 않다

저자가 더 흥미롭게 파고드는 지점이 여기입니다. ‘취향이 중요하다’는 논리가 은연중에 인간을 좁은 역할로 밀어넣는 함정이 있다고 지적합니다. AI가 결과물을 쏟아내고 인간은 파이프라인 끝에서 가장 나은 것을 고르는 ‘선별자’ 역할에 머무는 것입니다.

유용한 역할이지만, 너무 작습니다.

역사적으로 중요한 결과물은 거리를 두고 선별하는 과정에서 나오지 않았습니다. 제약과 씨름하고, 예산, 재료, 마감, 실패 결과와 부딪히는 공동 창작에서 나왔습니다. 그 마찰이 깊이를 만들었죠. 인간의 역할이 큐레이션으로 축소되면, 인간은 기계 주도 루프 안의 판별자로 전락합니다.

저자는 AI가 절대로 ‘소유’할 수 없는 인간의 역할 세 가지를 짚습니다. 결과에 대한 책임을 지는 것, 아직 학습 데이터에 없는 진짜 새로운 것을 불완전한 상태에서 보호해주는 것, 그리고 어떤 문제를 풀 것인지 방향을 선택하는 것입니다. 이것들은 후처리 작업이 아니라 저자성(authorship)의 본질입니다.

원문에는 AI와 인간의 역할을 레이어별로 정리한 비교표와, 취향을 키우는 실습 루프에 대한 상세한 설명도 담겨 있습니다.