새로운 아이디어를 요구받으면 우리는 흔히 ‘아직 아무도 생각해 본 적 없는 것’을 떠올립니다. 그래서 창의성은 때때로 특별한 재능이나 갑작스러운 영감과 연결됩니다. 하지만 우리 주변의 많은 혁신을 살펴보면, 완전한 무에서 생겨났다기보다 이미 존재하던 아이디어나 도구가 다른 관계로 연결된 경우가 많다는 것을 알 수 있습니다. 새로움은 재료 자체에서만이 아니라 재료들 사이에 어떤 관계를 만들어 내는가에서도 생길 수 있습니다.
예를 들어 학교 학습의 구조와 게임의 구조를 연결하면 진척 상황을 보이게 하거나 작은 도전을 차곡차곡 쌓는 학습 방법을 생각할 수 있습니다. 지역의 교통 문제와 공동 이용이라는 생각을 연결하면 각자가 자기 교통수단을 소유하는 것 이외의 대안을 열 수 있습니다. 중요한 것은 두 분야의 이름만 결합하는 것이 아닙니다. 한 분야의 메커니즘이 다른 분야의 문제에서 어디에 작용하는지를 볼 수 있을 때 연결은 아이디어가 됩니다.
AI는 여러 지식 영역을 가로질러 후보를 제시할 수 있습니다. 그래서 사람이 평소 접하지 않는 분야에서 아이디어를 가져오는 것도 더 쉬워집니다. 하지만 ‘멀리 떨어진 것을 결합하면 새로워진다’는 단순한 원리는 아닙니다. 서로 관련 없는 것을 대량으로 나열하면 의외성은 생길 수 있어도 쓸 수 있는 아이디어가 만들어진다고는 할 수 없습니다. 창의성에는 거리뿐 아니라 질문과 관련하여 서로 다른 것들 사이에 의미 있는 다리를 놓을 수 있는 능력이 필요합니다.
여기서 인간의 질문이 중요해집니다. 같은 지식의 조합이라도 ‘무엇을 개선하고 싶은가?’, ‘누구의 문제인가?’, ‘무언가를 바꾸면서 무엇을 지키고 싶은가?’에 따라 그 가치는 달라집니다. AI가 많은 연결 가능성을 제시하더라도 어떤 관계가 목적에 맞는지를 판단하는 것은 별도의 일입니다. 따라서 AI가 생성할 수 있는 아이디어의 수를 늘릴수록 인간의 역할이 단순히 사라지는 것이 아니라, 무엇을 의미 있는 연결로 볼 것인지에 대한 판단이 더 뚜렷하게 드러납니다.
창의적 과정에서는 처음의 질문도 바뀔 수 있습니다. 어떤 문제를 다른 분야의 지식과 연결한 결과 ‘우리가 해결하려던 지점이 잘못되어 있었다’는 사실을 깨달을 수 있습니다. 제품을 개선하려던 팀이 실제로는 사용자에게 제품을 설명하는 방식을 바꾸는 편이 더 효과적이라는 것을 발견할 수도 있습니다. 새로운 연결은 새로운 답뿐 아니라 문제를 바라보는 새로운 방식도 만들어 냅니다. 이런 왕복 과정은 단순한 아이디어 생성과 창의적 탐색을 구분하는 하나의 차이입니다.
AI를 창의성에 활용할 때 처음부터 완성품을 요구할 필요는 없습니다. ‘이 문제와 비슷한 구조를 가진 다른 분야가 있는가?’, ‘전제를 반대로 하면 무엇과 연결되는가?’, ‘이 방법을 특정 조건에서 사용할 수 없다면 어떤 다른 메커니즘이 도움이 될 수 있는가?’와 같은 질문은 탐색하는 연결의 범위를 움직일 수 있습니다. AI의 가치는 하나의 뛰어난 아이디어를 찾아내는 데만 있는 것이 아니라, 사람이 탐색할 수 있는 관계의 범위를 넓히는 데에도 있습니다.
Sai＊aus가 중시하는 이해의 순환에서는 창의성도 한 번의 생성으로 끝나지 않습니다. 질문을 지식과 연결하고, 후보를 살펴보고, 사람이 그 의미를 판단하며, 시도를 통해 새로운 차이를 발견합니다. 그 차이를 다시 새로운 지식으로 관계 지으면 다음 탐색은 또 다른 연결에서 시작할 수 있습니다. 성공한 아이디어뿐 아니라 왜 그 연결이 효과적이었는지, 어디에서는 효과적이지 않았는지를 남겨 두면 창의적 과정 자체가 다음 탐색을 위한 자원이 됩니다.
새로운 것은 반드시 이전에 아무것도 존재하지 않았던 곳에서 생기는 것은 아닙니다. 이미 존재하는 지식 영역 사이에서 아직 보이지 않았던 관계를 찾아냄으로써 생길 수도 있습니다. AI가 많은 것을 생성할 수 있는 시대이기 때문에 ‘몇 개를 만들었는가’만이 아니라 ‘어떤 질문이 어떤 지식 영역들을 새롭게 연결했는가’를 보는 것이 중요해집니다. 창의성은 생성의 양뿐 아니라 세계의 관계를 다른 형태로 바라보는 능력으로도 이해할 수 있습니다.
답이 아니라, 이해를.