인공지능 시대에 대학 진학이 정말 가치 있는지 판단하는 방법 (2026)

저는 생업으로 대학 입학 시험을 가르치고 있습니다. 그러니 당연히 제가 대학 진학은 가치 있다고 말할 것으로 기대하시겠지요. 제가 일대일로 지도하는 학생들에게 대학 진학은 고민할 필요도 없는 당연한 일입니다. 하지만 제 직업을 말했을 때 일터 밖에서 만나는 많은 사람들은 이렇게 묻습니다. 인공지능 시대에 대학 진학이 정말 가치가 있다고 생각하시나요?

제 답변은 몇 문장으로 짧게 답하기에는 꽤 복잡합니다. 그래서 그분들께 보내려고 이 글을 썼습니다. 아니요, 대학 진학이 항상 가치 있는 것은 아닙니다. 하지만 인공지능은 대학 교육의 가치를 떨어뜨리기는커녕 오히려 그 가치를 높여주었습니다.

착각을 불러일으키는 대학 투자 대비 수익률(ROI)

재정은 중요합니다. 대학을 알아볼 때쯤이면 학생이든 부모님이든, 혹은 둘 다이든 누구나 대학의 투자 대비 수익률(ROI)을 살펴보게 됩니다. (확인해 볼 수 있는 훌륭한 웹사이트가 여기 있습니다!)

순전히 금전적인 측면에서 볼 때, 많은 이들이 일부 대학 학위와 일부 대학은 투자할 가치가 없다는 점을 알아차렸습니다. (행복에는 가격표를 매길 수 없으니까요, 하하.) 여기서 문제가 발생합니다. 특정 대학이나 특정 학위의 투자 대비 수익률을 살펴보고 현재의 추세가 그대로 유지될 것이라고 기대하는 것은 과거의 실적이 미래를 보장한다고 착각하는 것입니다. 즉, STEM 분야가 과거에 잘 나갔으니 앞으로도 계속 잘 나갈 것이라는 식입니다. 이 논리가 어느 정도 타당하기는 해도 불확실합니다. 하지만 제가 다룰 더 흥미로운 사례들은 인문학의 가치에 관한 것입니다. 널리 쓰이는 대형 언어 모델(LLM) 때문에 인문학의 가치가 오히려 상승할 것이라고 연역적으로 유추해 볼 수 있습니다.

분석된 투자 대비 수익률 사례

문제는 투자 대비 수익률 계산기가 아닙니다. 투자 대비 수익률 계산기는 훌륭한 데이터를 가지고 있습니다. 데이터 위생 관점에서 그렇다는 뜻입니다. 투자 대비 수익률 계산기가 문제가 아니라 그것을 우리가 사용하는 방식이 엄청난 오해를 불러일으킨다는 제 주장을 뒷받침하기 위해, 대학 투자 대비 수익률 계산의 몇 가지 사례를 보여드리겠습니다.

영어 영문학 학위를 한번 살펴보겠습니다.

취업 플랫폼 집루이터(Ziprecruiter)에 따르면 평균 영어 영문학 전공자의 소득은 5만 8천 달러라고 합니다. 다시 말하지만 이 데이터는 실제로 매우 훌륭합니다. 중앙값 분포가 넓다는 점을 언급하며 중앙값까지 다루고 있기 때문입니다. 이는 영어 영문학 전공자들이 예상 투자 대비 수익률 측면에서 매우 다양하게 분포되어 있음을 뜻합니다. 이는 잘 분석된 훌륭한 데이터입니다.

의사결정을 내릴 때 투자 대비 수익률 계산기를 사용하는 것이 현명하지 않을 수 있는 이유를 설명하기 전에, 먼저 통계에 대해 조금 이야기해 보아야 합니다. 많은 사람이 평균 이라는 용어를 들으면 미국의 평균 소득이 6만 9천 770달러 라는 식을 떠올립니다. 하지만 평균적인 미국 근로자는 마치 자녀를 2.5명 키우는 것처럼 일 년에 그만큼 벌지 않습니다. 그렇지 않습니다.

미국의 평균 근로자가 평균 소득을 벌어들이는 것은 아닙니다. 헷갈릴 수 있다는 점은 저도 잘 알지만, 저 두 단어는 평균 이라는 단어의 서로 다른 두 가지 쓰임새입니다. 평균 근로자란 가장 흔하고 평범한 일반인을 뜻합니다. 평균 소득은 통계적 평균을 의미합니다. 이 두 가지는 같지 않습니다.

소득의 경우, 평균을 크게 끌어올리는 아주 고소득자들이 몇 명 존재하기 때문에 평균은 오해를 불러일으킬 수 있습니다. 이 경우에는 중앙값이 더 유용합니다. 미국의 중앙값 소득 근로자는 4만 6천 960달러를 벌어들입니다. 평범한 미국 근로자가 벌어들일 것으로 기대할 수 있는 금액에 훨씬 더 가깝습니다. 2만 2천 810달러의 차이가 납니다. 사람들이 흔히 그러하듯 평균에만 의존하여 인생 계획을 세우려 한다면, 중앙값에 도달했을 때 뼈저리게 실망하게 될 것입니다.

이 글은 대학 진학이 가치가 있는지에 대한 질문에 답할 것입니다. 그 답은 정량적인 것이 아니라 정성적인 것입니다. 대학은 엄청나게 유리할 수 있습니다. 하지만 지출한 비율 대 획득한 비율로 투자 대비 수익률을 비교하는 것이 잘못된 완전히 별개의 차원이 존재합니다. 재정은 무엇보다 중요합니다. 다만 대학 뒤에 숨겨진 수학적 계산을 제대로 대변하지 못할 뿐입니다. 투자 대비 수익률은 누군가 무엇을 하도록 동기부여하는지, 혹은 상황이 어떻게 진화하는지 알려주지 않기 때문입니다.

블랙 스완 이벤트

사과와 오렌지를 비교하는 것은 어렵습니다. 사람들이 대학 학위의 평균 투자 대비 수익률은 엑스 이다 라고 말할 때 바로 그런 비교를 시도하는 것입니다. 투자 대비 수익률을 바탕으로 특정 대학 학위를 취득할 계획을 세우는 것이 현명하지 않은 이유를 알기 위해 역사 속으로 멀리 거슬러 올라갈 필요도 없습니다.

틀림없는 고수익 대학 전공인 컴퓨터공학의 탄생을 한번 생각해 봅시다. 1960년부터 2015년까지 대졸자들의 초봉에 대한 공식 연구는 컴퓨터공학을 포함조차 할 수 없었는데, 1960년대에는 그 학문 분야가 존재하지 않았기 때문입니다.

컴퓨터공학이라는 분야는 70년대에 부상하여 80년대와 90년대 초반에 걸쳐 성장했습니다. 하지만 이 학문이 폭발적인 성장을 이룬 것은 대략 1994년부터 2004년 사이의 기간으로, 그동안 규모가 거의 두 배로 커졌습니다. 다음 인물들은 바로 이 분야의 가장 큰 팽창이 시작되던 90년대 중반에 컴퓨터과학 또는 컴퓨터공학 학위를 받고 졸업했습니다. 그들 중 누구도 대학 투자 대비 수익률 계산기를 찾아보고 자신이 얼마나 성공할지 예측할 수 없었을 것입니다.

• 마크 앤드리슨: 1993년 일리노이대학교 컴퓨터과학 학사. 모자이크를 공동 개발하고 넷스케이프를 공동 창업했으며, 현재는 거대 벤처 캐피털리스트입니다.
• 세르게이 브린: 1993년 메릴랜드대학교 수학 및 컴퓨터과학 학사. 구글 공동 창업자.
• 래리 페이지: 1995년 미시간대학교 컴퓨터공학 학사. 구글 공동 창업자.
• 브라이언 액튼: 1994년 스탠퍼드대학교 컴퓨터과학 학사. 페이스북에 약 190억 달러에 매각된 왓츠앱을 창업했습니다.
• 맥스 레브친: 1997년 일리노이대학교 컴퓨터과학 학사. 페이팔 공동 창업자.

(이 목록에서 스티브 잡스가 눈에 띄게 빠져 있는 이유는 그가 리드 칼리지에서 중퇴하기 전에 영문학을 공부했기 때문입니다.)

재정이 매우 중요하기는 하지만, 대학 학위는 단순한 투자 대비 수익률 그 이상입니다. 그것은 정성적인 결정입니다. 그리고 여러분과 자녀분이 함께 내려야 하는 결정입니다.

인공지능이 우리의 일자리를 빼앗아가지 않을까요?

우선, 대학 진학과 자신이 공부한 분야의 취업을 연결 짓는 것은 까다로운 문제입니다. 영어 영문학 전공자가 영문학 교수가 되는 것은 아니며, 사회학 전공자가 사회학자가 되는 것도 아니고, 연기 전공자가 항상 배우가 되는 것은 아닙니다. 그 연관성을 조금 더 자세히 파헤쳐 보고 싶습니다. 하지만 그에 앞서, 앞에서 말씀드린 바와 같이...

아니요, 인공지능이 우리의 일자리를 빼앗아가지 않습니다. 스탠퍼드대학교의 연구에 따르면, 노동 시장에 미친 인공지능의 영향은 미미했습니다.

인공지능에 가장 크게 노출된 직업군에서 고용이나 구인 공고가 인공지능 때문에 감소했다는 증거는 거의 찾아볼 수 없습니다. 인공지능 노출도가 높은 직업군의 고용 동향은 상당히 안정적입니다. 코딩 비중이 높은 직업군의 고용 증가세는 다소 주춤해졌지만 여전히 긍정적인세를 유지하고 있습니다. 인공지능 도입이 기업의 구인 공고에 부정적인 영향을 미쳤다는 증거는 없습니다. 실제로 가장 노출도가 높은 직업 중 하나인 소프트웨어 개발자의 온라인 구인 공고는 지난 1년 동안 다른 직업군보다 더 빠른 속도로 증가했습니다. 기업용 인공지능을 도입한 기업들 사이에서는 도입 후 2년 동안 고용이 10퍼센트 증가했으며, 이러한 효과는 1인당 인공지능 지출이 가장 많은 기업들이 주도했습니다.

전체 수치로 볼 때 인공지능이 일자리를 파괴하고 있지는 않습니다. 하지만 신규 졸업생들은 정확히 인공지능이 가장 잘 처리하는 직무로 진입하고 있으며, 그 분야의 경력 초기 채용은 약화되었습니다. 연구자들은 그 현상 중 얼마큼이 인공지능 때문이고 얼마큼이 금리 때문인지 아직 단언할 수 없지만, 지켜봐야 할 부분입니다.

인공지능은 대학 진학 결정에 어떤 영향을 미칠까요?

그러한 신입 채용 시장의 약세야말로 대학이 진정으로 존재하는 이유를 보여주는 가장 강력한 근거입니다. 저는 대학 전공과 직업 간의 연관성에 대한 이야기를 아주 대담한 주장과 함께 이어 나가고자 합니다. 직업을 얻기 위해 대학에 가지 않는 것이 그 어느 때보다 중요합니다. 비판적 사고력을 기르기 위해 대학에 가는 것입니다. 기술적인 훈련이 필요하다면 로스쿨, 의대, 석박사 과정 같은 고등교육 기관에 가면 됩니다. 하지만 대학의 존재 이유는 예나 지금이나 비판적 사고력을 기르는 것입니다. 설명해 드리겠습니다.

지난 30년 동안 대학 등록금은 사실상 두 배로 올랐습니다. 여러 가지 이유가 있으며 그중 좋은 이유는 그리 많지 않습니다. 그것들을 열거하고 논의하는 것은 이 에세이의 범위를 벗어납니다. 앞서 말씀드린 대로 재정은 중요합니다. 예상되는 투자 대비 수익률에 비해 치솟은 대학 비용 때문에 지난 30년 동안 많은 사람이 대학 교육의 가치에 의문을 품게 되었습니다. 특히 실무적인 직업 훈련이 제공되지 않을 때는 더욱 그렇습니다. 충분히 이해할 수 있는 부분입니다.

대학의 투자 대비 수익률을 높이기 위해 선의를 가진 사람들이 (인턴십 외의) 직업 훈련을 대학 커리큘럼의 일부로 추가하기 시작했습니다. 하지만 저는 이러한 움직임이 잘못된 방향이었다고 주장합니다. 대형 언어 모델의 등장에서 알 수 있듯이 기술이 더 빠르게 발전함에 따라 첨단 기술과 관련된 실무 적용 사례들은 금방 구식이 될 가능성이 높습니다. 소프트웨어 엔지니어들은 프로그래밍 언어가 아니라 원리를 배운다는 것은 상식입니다. 이와 마찬가지로, 실무 훈련은 사실 대학 학위를 잘못 활용하는 것입니다. 왜냐하면 발전시키기 매우 어렵고 대학들이 실제로 잘 키워낼 수 있는 단 한 가지 역량이 바로 비판적 사고력, 즉 비판적 사고 능력이기 때문입니다. 이것이 바로 정량화하거나 측정할 수는 없지만 수많은 보답을 가져다주며 실제로도 가져다주는 최고의 직업 역량입니다.

대학(그리고 인문학 학위)이 그 어느 때보다 더 가치 있는 이유

처음에 던졌던 질문으로 돌아가 보겠습니다. 대학 갈 가치가 있을까요? 특히 인공지능을 고려할 때 말입니다. 제 답변은 이렇습니다. 아따님이나 따님에게 대학이 잘 맞다면, 대학에 가기에 지금보다 더 좋은 시기는 일찍이 없었습니다. 하지만 진짜 문제는 대학 투자 IDI 그 자체가 아닙니다. 너무 많은 사람들이 잘못된 이유로 대학에 가고 있다는 점입니다. 제 생각에 인문학 전공자들은 앞으로 몇 년 동안 엄청난 수요가 있을 것입니다. 마치 지금 훌륭한 소프트웨어 엔지니어들이 그러하듯 말입니다. 그 이유는 대형 언어 모델이 작동하는 방식(혹은 작동하지 않는 방식)과 전적으로 관련이 있습니다.

대형 언어 모델은 아무것도 모릅니다. 그것들은 기본적으로 미화된 자동 완성 기계에 불과합니다. 여러분이 폰에 'ㅌ'을 입력했을 때 휴대전화가 '통'이라는 단어를 쓸 것이라고 예측하는 것, 그것이 바로 대형 언어 모델이 작동하는 원리와 같습니다. 다만 그 규모가 너무 거대해서 사람(일반 신경을 가진 사람들)이 그것들에게 추론 능력과 같은 인간의 사고를 부여할 뿐입니다.

하지만 대형 언어 모델에는 추론 능력이 없습니다. 사용자의 입력을 바탕으로 사용자를 가장 만족시킬 가능성이 높은 응답이 무엇인지 알 뿐이며, 그것이 전부입니다. 하지만 사용자가 하려는 일을 정말로 해야 하는지 여부는 알지 못합니다. 윤리적으로, 도덕적으로, 재정적으로 말입니다. 몇 가지 안전장치가 마련되어 있기는 하지만 근본적으로 인공지능은 아는 것이 아무것도 없습니다.

어떤 이들은 대형 언어 모델(챗GPT, 클로드)을 인공 일반 지능(AGI)과 구별하려고 애썼습니다. 여기서 일반 이라는 단어는 추론할 수 있는 인공 일반 지능을 가리킴으로써 인공지능과 구별하기 위한 것입니다. 인공지능은 추론을 할 수 없기 때문에 이러한 구분이 필요합니다. 최고 연구자들의 저서인 《전문가의 눈으로 본 인공지능(AI through the eyes of experts)》에 따르면, 우리는 현재 인공 일반 지능이 어떤 모습일지, 혹은 어떻게 거기에 도달할지 알지 못합니다. 대형 언어 모델은 인공 일반 지능이 아니며 추론을 할 수 없습니다.

하지만 사람들은 여전히 인공지능이 추론할 수 있다고 생각합니다. 그리고 그것은 앞으로 다가올 골칫거리가 될 것입니다. 비슷한 비유를 들자면, 엑셀보다 로터스(Lotus)가 더 인기가 많았던 90년대에 사업을 하던 사람들에게 그때가 어땠는지 물어보십시오. 스프레드시트가 그렇다고 하니 자신들의 비즈니스 모델을 엑셀(혹은 로터스)에 집어넣고는 하룻밤 사이 백만장자가 될 것임을 깨닫던 시절이었다고 그들은 말해줄 것입니다. 낯이 익나요? 그때와 지금의 유일한 차이점은 인공지능이 스프레드시트보다 훨씬 더 설득력 있다는 점입니다. 인공지능 기업들이 대형 언어 모델이 스프레드시트보다 훨씬 더 똑똑하다고 우리가 믿도록 계속 시도하기 때문입니다.

하지만 이 에세이의 요점은 부모나 학생들이 대학 교육의 가치를 명확히 표현할 수 있도록 돕는 것입니다. 대학의 가치는 세상을 이해하고 문제 해결의 최전선에 설 수 있도록 돕는다는 데 있습니다. 찬란한 커리큘럼으로 향하는 황금 티켓도 아니고, 여러분의 모든 노고의 끝을 의미하는 것도 아닙니다. 대학 교육은 대학 학위가 여러분을 이끌어줄 수 있는 일들을 해내고 싶다면 가치 있는 것입니다.

정성적인 결정

저는 여러분이 어떤 삶을 살고 싶은지 묻고 있습니다. 단순해 보이는 결정을 내리기 위해 상충하는 의견과 연구 속에서 허우적댈 필요 없이 정말 열심히 일하기만 하는 삶을 원하시나요? 그 질문에 예라고 답하셨다면 대학에 가지 마십시오. 하지만 자신이 잠재적으로 무엇을 포기하고 있는지도 이해해야 합니다.

정말 열심히 일하고, 문제를 신중하게 연구하고, 다양한 관점을 이해하기 위해 끊임없이 시각을 전환하는 법을 배우고, 자신이 완전히 통달할 수 있는 것보다 더 많은 주제에 자신을 노출시키고 싶다면 대학이 여러분에게 알맞은 선택일 수 있습니다.

이 두 결정 사이의 중요한 차이점은 어느 한쪽이 다른쪽보다 더 열심히 일한다는 뜻이 아니라 각각 서로 다른 라이프스타일이라는 점입니다. 어느 한쪽이 다른쪽보다 무조건 더 낫다는 것도 사실이 아닙니다. 어떤 선택지가 모든 사람에게 보편적으로 더 좋다는 것도 사실이 아닙니다. 선택지는 그 사람과 일치해야 합니다. 이 가이드가 여러분에게 알맞은 선택을 하도록 돕는 이유가 바로 그 때문입니다. 여러분이 답해야 할 질문은 이것입니다. 대학 진학은 여러분에게 가치가 있는가?