사람이 자신에 대해 갖는 이해에는 경험을 통해 배운 것뿐만 아니라 아직 충분히 검증되지 않은 예상도 포함됩니다. “나는 사람들 앞에서 말하는 것을 싫어한다”, “나는 혼자 일하는 편이 더 잘 맞는다”, “나는 창작을 직업으로 삼고 싶다.” 이러한 자기 기술은 중요하지만, 모두가 같은 정도의 확실성을 갖는 것은 아닙니다. 실제 경험이 적은 영역에서는 상상이나 자신의 과거 중 일부만을 바탕으로 형성된 가설일 수 있습니다.
이때 작은 행동을 인간 이해를 위한 개입으로 사용할 수 있습니다. 예를 들어 사람들 앞에서 말하는 것에 대한 자기 인식을 확인하기 위해, 삶을 크게 바꾸는 대신 소수의 사람들에게 짧게 설명할 기회를 선택할 수 있습니다. 그때 무슨 일이 일어나는지 관찰하고 사전의 예상과 비교할 수 있습니다. 목적은 성공하는 것이 아니라 자기 이해를 갱신할 수 있는 정보를 얻는 것입니다.
이것을 엄밀한 과학 실험과 동일시해서는 안 됩니다. 일상생활에서는 조건을 완벽하게 통제할 수 없으며, 관찰되는 반응은 그날의 건강 상태, 다른 사람과의 관계, 환경, 우연의 영향을 받습니다. 한 번의 결과만으로 인과관계를 확립할 수도 없습니다. 따라서 여기서 말하는 ‘실험’은 과학적 확증을 얻기 위한 절차를 뜻하지 않습니다. 본인이 가진 가설을 현실과 접촉시키고 추가적인 관찰을 얻기 위한 제한된 방법을 뜻합니다.
설계에서 첫 번째 요건은 무엇을 확인하려는지 명확히 하는 것입니다. “나는 이것에 적합한가?”처럼 너무 넓은 질문은 결과를 모호하게 만듭니다. 이를 “긴장하더라도 끝난 뒤에 다시 하고 싶은가?” 또는 “준비에 사용하는 시간을 부담으로 느끼는가?”와 같이 관찰 가능한 질문으로 나누면 행동 이후의 차이를 더 쉽게 읽을 수 있습니다. 중요한 것은 수치화할 수 있는 것에만 한정되지 않습니다. 본인이 말로 표현한 경험도 관찰의 일부입니다.
다음 요건은 개입을 필요 이상으로 크게 만들지 않는 것입니다. 자기 이해를 위해 되돌릴 수 없는 선택을 할 필요는 없습니다. 가능하다면 부담이 제한적이고, 도중에 중단할 수 있으며, 결과가 좋지 않더라도 큰 손실을 피할 수 있는 행동을 선택해야 합니다. 작다는 것은 습관 형성에만 중요한 것이 아닙니다. 자신에 관한 아직 알 수 없는 가설을 검증할 때 안전성과 가역성도 높여 줍니다.
AI가 이 과정을 지원할 때는 인간을 실험 대상으로 취급하지 않도록 특별히 주의해야 합니다. 출발점은 본인이 이해하고자 하는 질문이어야 하며, 무엇을 시도할지, 어느 정도의 부담을 받아들일지, 결과를 어떻게 해석할지에 관한 본인의 판단이 유지되어야 합니다. AI가 효율적으로 정보를 얻기 위해 본인의 의도를 넘어 행동을 유도하는 설계는 이러한 목적과 모순됩니다.
해석의 한계도 명시해야 합니다. 한 번 즐거웠다고 해서 장기적인 적성이 증명되는 것은 아니며, 한 번 실패했다고 해서 부적합성이 증명되는 것도 아닙니다. 결과가 예상과 다를 때에는 어떤 변수가 영향을 미쳤을 수 있는지, 다른 조건에서도 같은 반응이 나타나는지, 본인은 그 결과를 어떻게 해석하는지를 물어야 합니다. 관찰을 늘리는 것과 확실성을 높이는 것은 같은 일이 아닙니다.
작은 행동은 목표가 달성 가능한지뿐만 아니라 목표 자체가 여전히 타당한지를 검토하는 자료도 제공할 수 있습니다. 어떤 종류의 일을 원하는 사람이 그 일의 일부를 시도해 보고, 어려움에도 불구하고 그 가치를 강하게 느낀다면 그 목표를 유지할 또 하나의 이유를 얻게 됩니다. 반대로 반복된 경험에서도 핵심 활동에서 의미를 거의 느끼지 못한다면, 질문은 “방법을 바꿔야 하는가?”에 그치지 않고 “이 목표를 유지할 이유로 무엇이 남아 있는가?”로 이어집니다.
이 생각을 Sai＊aus의 내부 효율 표현에 통합한다면, 행동을 단순히 다음 과제로만 표현해서는 충분하지 않습니다. 그 표현은 그 행동이 무엇을 확인하기 위한 것이었는지, 사전에 무엇을 예상했는지, 현실에서 무엇이 돌아왔는지, 그리고 해석에 어느 정도의 불확실성이 남아 있는지를 서로 연결해야 합니다. 그러면 행동 이력은 ‘무엇을 했는가’의 기록에서 ‘무엇을 이해하기 위해 무엇을 확인했는가’의 기록으로 바뀝니다.
작은 행동을 인간 이해를 위한 실험으로 설계하는 가치는 AI가 사람을 더 쉽게 분석할 수 있게 되는 데 있지 않습니다. 그 가치는 사람이 머릿속에서만으로는 검증할 수 없었던 자신에 관한 추가적인 자료를 현실에서 얻을 수 있다는 데 있습니다. 안전하고 가역적인 행동, 제한된 해석, 본인에 의한 의미 부여라는 조건이 유지된다면, 행동은 목표를 향해 나아가는 수단인 동시에 목표와 자기 자신 사이의 관계를 살펴볼 수 있는 관찰이 될 수 있습니다.
답이 아니라, 이해를.
━━━━━━━━━━━━━━━━━━