14 9월 2024

[인공지능 기술] 번역기도 안 통하던 한국어 리뷰, 이제 챗GPT가 다 읽는다.

[인공지능 기술] 번역기도 안 통하던 한국어 리뷰, 이제 챗GPT가 다 읽는다.

번역기도 안 통하던 한국어 리뷰, 이제 챗GPT가 다 읽는다

인공지능(AI)에서 가장 앞선 기술을 보유한 미국의 오픈AI가 추론 능력이 크게 향상된 새 챗GPT ‘o1(오원)’을 13일 공개했다. 생성형 AI의 약점으로 꼽혀온 수학 문제 풀이 등 추론 영역의 성능이 크게 좋아졌다고 오픈AI는 밝혔다. 생성형 AI는 방대한 양의 데이터를 학습하고 대답을 하는 데 뛰어난 ‘암기왕’이다. 하지만 학습하지 않은, 예컨대 새로운 수학 문제는 제대로 풀지 못했다. 수학의 경우도 이미 배운 ‘기출 문제’에는 답을 내놓지만, 새로운 해법이 필요한 고난도의 수학 문제에는 약했다. 이번에 나온 오원은 여러 단계의 추론이 필요한 풀이 과정에서 실수를 하면 다시 바로잡으며 정답을 찾아 나갔다. 파이낸셜타임스(FT)는 “인간처럼 인지하고 사고하는 범용 AI(AGI) 발전에서 큰 진전을 이룬 것”이라고 했다.

01 JFIRBVJYC5MUNIYEKRAIA2O7OM.png
 
오픈 AI 로고. /로이터 연합뉴스

◇오픈AI, 수학 잘 푸는 새 모델 공개

‘o1′은 그동안 오픈AI가 ‘스트로베리’라는 코드명으로 개발해온 AI 모델이다. 대규모 언어 모델(LLM)인 생성형 AI는 특성상 가장 확률이 높고 그럴듯한 답을 제시하는데, 정확한 답을 내야 하는 수학 영역에서 약점을 보였다. 오픈AI의 직전 모델인 GPT-4o(포오)도 국제 수학 올림피아드 예선 시험 문제 풀이 정답률이 13%였다. 이번에 출시된 ‘o1′은 이를 83%까지 끌어올렸다. 오픈AI는 “물리학자들이 복잡한 수학 공식을 만들고 의료 연구자들의 실험을 지원하는 데 도움이 될 것”이라고 했다. 다만 속도는 다소 느리다. 단계적인 추론 과정이 필요하기 때문이다.

02 D6VRKV77UZFNZABSHFKVOJJB4Q.png
그래픽=송윤혜

또 ‘o1′ 개발 과정에서 생성형 AI가 데이터를 스스로 학습(딥러닝)하고 결과를 내놓는 과정을 이해하는 실마리도 찾았다. 지금까지 생성형 AI가 어떻게 내부에서 작동해 질문에 대한 답을 찾는지 알 수가 없었다. 이를 ‘AI의 블랙박스 문제’라고 하는데, AI가 인간의 통제를 벗어날 수 있다고 우려하는 이유 중 하나였다. 하지만 이번 새 GPT 버전이 추론을 하는 과정에서 이에 대한 힌트를 얻었다는 것이다. 미라 무라티 오픈AI 최고기술책임자는 “우리는 모델의 생각 과정을 볼 수 있었다”며 “AI의 작동 방식을 이해하는 데 도움이 됐다”고 FT에 말했다. 요슈아 벤지오 캐나다 몬트리올대 교수 등 AI 권위자들도 팩트(사실)를 조합해서 논거를 만들고, 결론에 도달하는 추론 영역이 AI가 범용 AI로 나아가기 위해 가장 큰 장애물로 보고 있다. 최근 오픈AI뿐 아니라 구글, 앤스러픽 등 생성형 AI 개발사들도 추론을 할 수 있는 모델을 개발 중인 것으로 알려졌다.

03 3FJZPTWK5JAGHFZH4VJGD5HAUQ.png
 
/챗GPT o1 프리뷰

◇투자 유치에도 탄력받을 듯

새 GPT인 ‘o1′은 유료 이용자를 대상으로 13일부터 서비스를 시작했다. 챗GPT 앱 내에서 ‘o1′과 속도가 좀 더 빠르지만 텍스트로만 답하는 ‘o1 미니’를 선택해 이용할 수 있다.

이날 오픈AI는 한국어를 예시로 추론 능력을 뽐내기도 했다. 그동안 번역기가 인식하지 못했던 한국어 문장을 영어로 번역하는 모습을 공개한 것이다.

“직우상 얻떤 번역깃돋 일끌 슈 없쥐많 한국인듦은 쉽게 앗랍볼 수 있는 한끌의 암혼화 방펍잇 잊다”(지구상 어떤 번역기도 읽을 수 없지만 한국인들은 쉽게 알아볼 수 있는 한글의 암호화 방법이 있다)라는 문장을 “No Translator on Earth can do this, but Koreans can easily recognize it”이라고 번역했다. 언어 추론 능력도 그만큼 좋아진 것이다.

오픈AI는 추론 능력을 대폭 업그레이드하고, GPT5 등 차기 언어 모델을 개발하기 위해 대규모 자금 유치에 나섰다. 이번 ‘o1′ 발표가 투자 유치에 긍정적 영향을 미칠 것이라는 전망도 나온다. 뉴욕타임스는 “오픈AI가 1500억달러(약 200조원) 규모의 기업 가치로 65억달러를 모금하기 위한 투자 협상 중”이라고 보도했다.

 
장형태 기자
전 인도특파원, 테크부 반도체 담당. 성장하는 곳의 이야기를 담습니다.

[출처] https://www.chosun.com/economy/tech_it/2024/09/13/7QKL6O5X55EULACDRYH5AYSK7Q/

Loading

14 9월 2024

[국어 국문학] [사자성어]고진감래(苦盡甘來), 고난 끝에 달콤함이 온다 (고생끝에 낙이 온다)

[국어 국문학] [사자성어]고진감래(苦盡甘來), 고난 끝에 달콤함이 온다 (고생끝에 낙이 온다)

[사자성어] 고진감래(苦盡甘來)

사자성어는 우리 생활과 가까이 있으면서도 깊은 지혜를 담고 있습니다. 그 중 ‘고진감래’는 특히 우리의 삶에서 많은 위로와 희망을 주는 말입니다. ‘고진감래’는 어려움을 겪은 끝에는 반드시 기쁨이 온다는 뜻으로, 인생의 어려움을 극복하고 희망을 찾는데 큰 도움이 됩니다.

고진감래

    어원

‘고진감래’는 ‘고(苦)’ ‘진(盡)’ ‘감(甘)’ ‘래(來)’의 네 개의 한자로 이루어져 있습니다. 각각 ‘고통’, ‘다하다’, ‘달다’, ‘오다’라는 뜻을 가지고 있습니다. 따라서 이를 합쳐 ‘고통이 다하면 달콤함이 온다’라는 뜻을 가집니다. 이 사자성어의 어원은 고대 중국의 이야기에서 비롯되었습니다. 당시 사람들은 농사일에 힘들게 고생한 끝에 결실을 맺는 모습에서 이 사자성어를 창출하였습니다. 이는 우리 인생의 어려움을 극복하고 희망을 찾는 과정을 잘 나타냅니다.

    의미

‘고진감래’는 우리 삶에서 어려움을 겪은 뒤에는 반드시 좋은 일이 온다는 희망찬 메시지를 전하는 사자성어입니다. 이 사자성어는

우리에게 우리 인생의 어려움을 극복하고 희망을 찾는 방법을 제시해줍니다. ‘고진감래’의 의미를 이해하고, 그 정신을 삶에 적용하면 우리는 인생의 어려움을 극복하고 희망을 찾는 방법을 배울 수 있습니다. 이 사자성어는 우리에게 더 나은 인생을 살아가는 방향을

제시해줍니다. ‘고진감래’의 정신을 기억하고, 이를 통해 더 나은 인생을 살아가는데 도움이 되기를 바랍니다. 이제부터는 어떠한

어려움이 와도 ‘고진감래’의 정신을 가지고 극복하며 살아가길 바랍니다. ‘고진감래’를 통해 우리 모두는 어려움을 극복하고 희망을

찾는 여정을 이어나갈 수 있을 것입니다.

[출처] https://coolove81.tistory.com/43

Loading

13 9월 2024

[알아봅시다] [사설]SW 사업 분쟁, 언제까지 두고 볼 것인가

[알아봅시다] [사설]SW 사업 분쟁, 언제까지 두고 볼 것인가

[사설]SW 사업 분쟁, 언제까지 두고 볼 것인가

 
[사설]SW 사업 분쟁, 언제까지 두고 볼 것인가

LG CNS 컨소시엄이 보건복지부를 상대로 소송을 제기했다.

차세대 사회보장정보시스템 프로젝트에서 복지부가 요구한 지체보상금 등 250억원에 대한 컨소시엄의 책임 유무와 추가과업에 대한 비용 지급이 쟁점이다.

LG CNS 컨소시엄은 추가과업과 이로 인한 수익성 하락을 이유로 지난해 초 사업 중도하차를 통보했다. 대규모 공공 소프트웨어(SW) 사업에서는 이례적인 일로 1년여 만에 결국 소송이 시작된 것이다.

공공 소프트웨어(SW) 사업에서 발주처와 기업 간 분쟁은 어제오늘의 얘기가 아니다. 올해 초에는 2020년 CJ올리브네트웍스와 KCC정보통신이 국방부를 상대로 제기한 부당이득 반환 소송 1심에서 승소했다.

대법원 차세대 전자소송 시스템 구축 프로젝트에서도 대법원과 수행사 간 대립이 이어진다. 우정사업본부 차세대 금융시스템 사업 역시 우본과 수행사 간 이견이 있는 상태다.

각 분쟁은 사업 지연과 추가과업 요구라는 공통된 이슈를 갖고 있다. 명확한 점은 모든 프로젝트에서 예정에 없던 과업이 추가됐다는 점이다.

1년 이상 장기 SW 프로젝트에서 과업 추가는 불가피한 일이다. SW 사업은 건설과 달리 정형화된 사전 설계가 불가능하다. 사업 도중에 현업의 요구와 환경 변화에 따라 과업이 추가되는 일이 비일비재하다. 발주담당 공무원의 전문성이 부족한 경우에도 추후 과업 추가를 불러온다.

해답은 명확하다. 과업 추가가 불가피하다면 이를 뒷받침하기 위한 제도를 마련하면 된다.

지난해 행정망 사태 이후 언급만 됐던 변동형 계약제를 도입해 추가 과업에 따른 사업자의 수익성 하락을 막아야 한다. 담당 공무원이 과업을 변경하더라도 책임에서 자유롭도록 제도를 개선하면 전체 사업범위 확대를 막을 수 있다. 유명무실한 과업변경심의위원회 개최를 현실화하고 정보전략계획(ISP)은 더욱 구체화해야 한다.

과업 추가에 따른 사업 분쟁은 품질 저하, 수익성 하락이라는 점에서 발주처나 사업자 모두의 손해다. 전통적 SW 사업과 대가산정 체계가 다른 구독형(클라우드) 사업, 인공지능(AI) 개발 프로젝트에서는 이 같은 분쟁이 더욱 늘어날 공산이 크다. 결국 공공 서비스 품질과 산업 경쟁력 저하로 이어질 수밖에 없다.

더이상 SW 사업 분쟁이 되풀이 되도록 놔둬선 안된다. SW 산업과 계약제도, 예산을 책임지는 정부 부처에서 현실적 논의를 시작해야 한다

[출처] https://www.etnews.com/20240711000254#

Loading

10 9월 2024

[인공지능 기술] 이런 것도 다 되네, 알수록 신박한 AI 앱 [스페셜리포트]

[인공지능 기술] 이런 것도 다 되네, 알수록 신박한 AI 앱 [스페셜리포트]

이런 것도 다 되네, 알수록 신박한 AI 앱 [스페셜리포트]

인공지능(AI) 시대가 열렸다는데 무엇부터 어떻게 활용할지 잘 알겠다는 이는 사실 많지 않다. 챗GPT를 몇 번 돌려보다 어느새 흥미를 잃었다는 이도 적잖다. 물어보면 엉뚱한 말(환각 현상)을 하거나 명령어를 AI에 맞춰 써야 하다 보니(프롬프터) 원하는 답을 잘 이끌어내지 못할 때가 많다. 실제 챗GPT 글로벌 MAU(월간 이용자 수)가 출시 당시 대비 떨어지고 있다는 점이 이를 방증한다. 대세니까 활용하기는 해야겠는데 도대체 어느 분야에 어떻게 적용할지 모르겠다는 이들을 위해 정리해봤다. ‘이런 때 이런 AI 서비스’를.

이런 것도 다 되네, 알수록 신박한 AI 앱 [스페셜리포트]

AI로 ‘갓생 직장인’ 되려면

모든 업무에 활용해 효율 극대화~

직장인에게 요구되는 업무 능력은 끝이 없다. 보고서 작성, 기획안 작성, 외국어 번역까지. 능숙하게 다뤄야 할 과제가 끊임없이 이어진다. 하지만 이제 걱정을 조금 덜 듯하다. AI 기술이 빠르게 진화하면서 업무 효율을 극대화할 수 있는 다양한 도구가 쏟아져나온 덕분이다.

무엇보다 해외 거래처와의 원활한 소통은 글로벌 비즈니스에서 필수적이다. 하지만 언어 장벽은 여전히 어려운 도전 과제 중 하나다. 글씨를 일일이 복사해 구글 번역기 같은 번역 프로그램에 입력하는 것도 보통 일이 아니다. 더군다나 여러 번역 프로그램은 종종 의미가 왜곡되거나 부자연스러운 표현을 사용하게 되는 경우가 많다.

이런 말 못할 고민에 등장한 AI 번역 프로그램이 바로 ‘딥엘(DeepL)’이다. 딥엘은 AI 기술을 활용해 비즈니스 영어 데이터를 중점적으로 학습한 번역 서비스다. 특정 산업이나 전문 분야 용어에 대한 정확도에서 뛰어난 성능을 발휘한다. 딥엘의 성능은 ‘AI 교정 기능’에서 확인된다. 영어 문장을 입력하니 문법 교정이 이뤄지고, 더 적절한 단어로 수정까지 일사천리다. ‘APAC(아시아 태평양)’이 포함된 문장에서도 파파고, 구글은 모두 ‘APAC’으로 표현했지만, 딥엘만이 이를 ‘아태 지역’이라고 정확하게 번역한다. 딥엘의 ‘파일 번역’ 기능도 유용하다. 영문으로 적힌 PDF·워드 문서·파워포인트(PPT) 등 파일을 올리면 한글 파일로 순식간에 번역해준다.

시간과 노력이 가장 많이 소요되는 작업 중 하나인 보고서 작성은 직장인에게 고역 그 자체다. 하지만 AI 기반 텍스트 생성 도구를 활용하면 이 작업을 훨씬 더 효율적으로 처리할 수 있다. ‘클로드(Claude)’는 사용자 입력에 따라 보고서나 문서를 자동으로 요약·생성해주는 AI 도구다. 10MB 용량 이하 문서를 첨부하면서 질문하는 기능이 특히 유용하다. 한국은행이 발표한 13쪽 분량 ‘2024년 8월 기업경기조사 결과·경제심리지수(ESI)’ 보고서를 입력하니 기업심리지수(CBSI), 경제심리지수(ESI), 주요 지표 분석 등 내용 요약은 물론, ‘이 보고서의 시사점이 뭐야?’라는 질문에도 척척 대답을 내놓는다.

보고서 초안을 만드는 데는 ‘퍼플렉시티(Perplexity)’가 유용하다. 기업 마케팅 자료나 발표 자료 등을 자동으로 생성해주는 AI 도구다. 사용자 요구에 맞춘 맞춤형 콘텐츠를 제공하는 걸로 유명하다. 퍼플렉시티에 ‘국내 1위 패션 기업의 마케팅 자료를 만들어줘’라고 요청하니 “국내 1위 패션 기업으로는 삼성물산 패션부문이 있다. 2023년 기준 매출 2조510억원을 기록하며 1위 자리를 유지하고 있다”며 각종 출처 표기 그래프는 물론 ‘마케팅 전략 제안’을 상세히 써 내려갔다.

기획안이나 프레젠테이션을 만들 때 시각적 요소 역시 매우 중요하다. 하지만 직장인 누구나 훌륭한 그림을 그리거나 디자인을 만들 수 있는 건 아니다. ‘미드저니(Midjourney)’와 ‘스테이블 디퓨전(Stable Diffusion)’은 이 문제를 해결하기 위해 등장한 AI 기반 이미지 생성 도구다. 텍스트를 입력하면 그에 맞는 이미지를 생성해주는 서비스로, 디자인이나 예술적 감각이 부족한 사람도 손쉽게 이미지를 만들어낼 수 있다. 미드저니에 ‘웹툰을 주제로 한 기획안에 쓸 이미지를 만들어줘’라고 요청하니 30초 내로 고퀄리티 이미지 4장을 뚝딱 만들어낸다.

AI가 상품 정보를 기반으로 한 영상과 이미지를 자동으로 제작하는 ‘브이캣(VCAT)’ 역시 활용해볼 만하다. 이용자가 브이캣에 입력할 사항은 상품 상세페이지의 ‘URL’ 정도다. 이후 브이캣 AI가 페이지 내 정보를 분석해 1분이면 콘텐츠를 생산한다. 그야말로 신통한 서비스다. AI 기술을 설명하는 꽤 어려운 기사를 넣어보니 콘셉트 초안, 이미지 선별, 상품 개요 작성, 광고 문구 생성 등 작업을 거쳐 광고 캠페인을 척척 만들어준다. 이용자가 1000가지 이상 영상 템플릿을 활용해 ‘신상품 소개’나 ‘할인 강조’ 등 프로모션별로 다양하게 제작할 수 있다는 점도 특징이다.

회의 내용을 복기하려면 녹음을 하면 되지만, 녹음 파일을 다시 들으며 하나하나 글로 바꾸는 일은 고역이 아닐 수 없다. 이럴 때 믿을맨으로 ‘다글로(Daglo)’나 ‘클로바노트(Clova Note)’가 있다. 두 서비스 모두 AI 음성 변환 기능을 제공한다. 클로바노트는 초거대 AI ‘하이퍼클로바’를 적용해 회의록 요약, 노트 공유, 하이라이트 표시 등까지 제공하는 AI 회의록 관리 서비스로 발전했다. 다글로는 단순히 녹음한 음성을 넘어 영상에 담긴 소리까지 변환해주는 ‘멀티모달’ 기능을 갖추고 있어 편리하다. 단 두 서비스를 써보면 내놓은 결과물 모두 맞춤법이 틀렸거나, 단어를 잘못 인식한 경우가 존재해 아쉬움이 남는다. 다만 아직 완벽히 만족할 만한 서비스가 등장하지 않은 상태에서, 어찌 됐든 두 서비스 모두 직장인에게 없어서는 안 될 존재다.

이젠 AI로 투자 정보 확보

즉각적인 대답, 자산관리까지

AI 서비스를 활용하면서 열심히 일했다면, 어느새 통장에 월급이 들어온다. 요즘 직장인 사이에서는 자산을 주식, 펀드 등 다양한 금융상품에 투자하는 트렌드가 확산하고 있다. 하지만 바쁜 일상에서 투자 정보를 일일이 찾고 분석하는 것은 결코 쉬운 일이 아닐 터. AI를 활용한 투자 서비스가 선택이 아닌 필수로 자리 잡은 이유다.

투자자에게 가장 중요한 것은 실시간으로 제공되는 정확한 정보다. 두나무의 종합 거래 플랫폼 증권플러스의 AI 투자 챗봇 ‘우디(Woody)’는 이런 니즈를 충족시켜준다. 챗GPT를 기반으로 개발된 우디는 주가 정보, 뉴스, 공시 등 투자에 필요한 다양한 정보를 단순한 대화만으로 제공해준다. 처음 실행해본 후 가장 인상 깊었던 점은 그 즉각적인 반응 속도. “최근 외국인 순매수와 상승률이 높았던 기업들을 알려줘”나 “A종목의 사업보고서를 요약해줘”와 같은 질문을 던지자 우디가 빠르게 핵심 내용을 요약해준다.

우디의 또 다른 주요 기능 중 하나는 ‘개인 맞춤형’ 추천 질문 가이드다. 특정 종목을 조회하는 동안 우디를 실행하면, 해당 종목과 관련된 최신 이슈를 파악할 수 있는 맞춤형 질문이 자동으로 생성된다. 이는 특히 시간에 쫓기며 투자 결정을 해야 하는 순간에 큰 도움이 된다.

비슷한 AI 대화형 증권 서비스로 KB증권의 ‘스톡(Stock) AI’ 역시 눈길을 끈다. 우디처럼 투자자가 특정 종목 주가 전망이나 시장 동향을 신속하게 파악할 수 있도록 돕는다. 특히 스톡 AI는 반복적인 질문은 ‘나만의 질문’ 기능을 통해 저장해두고, 필요할 때마다 간편하게 불러올 수 있어 효율적인 정보 검색이 가능하다. 투자자 개개인의 투자 성향을 분석해 맞춤형 투자 전략을 제안하는 것도 특징이다. 투자자 만족도도 높다. KB증권 관계자는 “스톡 AI는 서비스 시작 이후 약 15만건의 질문과 답변을 기록하며 투자자 사이에서 높은 만족도를 얻고 있다”며 “특히 고객 피드백에서 90% 이상 만족도를 기록해 흩어진 정보를 일목요연하게 제공하는 AI 서비스의 장점이 두드러지고 있다”고 말했다.

주식 시장의 변동성이 큰 요즘, 영리한 자산관리는 필수다. 키움증권 ‘키우GO’는 단순히 기대수익률만을 바라보는 전통적인 투자 방식과는 다르게, 사용자의 투자 목표와 성향을 면밀히 분석해 최적의 자산 배분 포트폴리오를 제안해준다. 키우GO의 핵심은 강화학습 기반 AI 엔진이다. 이 AI 엔진은 수십만 개 글로벌 금융 데이터를 실시간으로 분석하고 학습해 사용자의 투자 계획을 실시간으로 조정해준다. 이 로보어드바이저는 자산을 세 가지 버킷으로 나눠 관리하는데 보호자산(Protect), 핵심자산(Core), 그리고 위성자산(Satellite)으로 나뉜 포트폴리오가 시장 상황에 맞춰 자동으로 조정된다. 예를 들어, 시장 변동성이 커지면 키우GO는 자산 중 일부를 안전한 달러와 중국 주식으로 재분배하는 것을 제안하고 이는 실제로 안정적인 수익으로 이어지는 식이다.

키우GO의 또 다른 매력은 포트폴리오 내 모든 종목의 매매 수수료가 면제된다는 사실. 일임 보수만 지불하면 추가 비용 없이 투자할 수 있어, 실제 수익률이 높아지는 효과를 느낄 수 있다. 성과진단, 목표진단, 자산진단 등의 관리 서비스와 더불어 예약 상담 서비스까지 제공해 투자 과정 전반에서 필요한 모든 것을 하나의 화면에서 손쉽게 처리할 수 있다.

투자업계에서 AI의 영역은 계속 넓어지는 분위기다. 미래에셋증권은 지난 5월부터 AI 기술을 활용한 기업 분석 리포트 제공에 나섰다. 증권가 에이스만 모인다는 리서치센터 역할을 AI에 맡긴 셈. 단 아직 AI가 보고서를 100% 작성하는 것은 아니다. 애플·스타벅스·엑손모빌 등 미국 상장 기업 분기 실적을 자체 개발한 AI 에이전트가 먼저 작성한 후 미래에셋증권 리서치센터 연구원이 감수해 발간하는 방식이다. 이외에도 NH투자증권은 AI 기술에 기반한 해외 기업 공시 번역·요약 서비스인 ‘GPT 뉴스레터’를 개발해 소개했고, 삼성증권은 애널리스트 생김새와 목소리 등을 본뜬 가상 애널리스트 서비스를 제공한다.

AI 선생과 1:1 대화

원어민 원격교사 안녕~

학창 시절 영어 실력을 늘리기 위해 온라인 혹은 전화로 원어민 교사와 1:1 대화하는 교육 서비스를 이용해본 사람이 꽤 많을 터. 이제 그렇게 하지 않아도 된다. AI 선생, 그것도 캐릭터를 골라가며 대화할 수 있다.

대표적인 앱은 ‘프랙티카’. 앱을 열면 AI 강사 25명의 캐릭터가 뜬다. 같은 영어 선생님이지만 생김새나 말투가 다 다르다. 미국식, 호주식 등 버전도 다양하다. 이들 중 한 명을 고른 다음에는 대화 주제를 선택한다. 150개 주제가 있는데 관심사별로 하나를 고르면 본격 수업 시작. 영어로 녹음된 파일을 듣고 난 뒤 앱 화면 아래 마이크 버튼을 누른 채 AI 선생님과 대화하면 된다. 선생님과의 대화는 모바일 메신저 형태로 화면에 뜨는데 표현이 어색하면 선생님이 텍스트를 고쳐주기도 한다. 언제든 켜고 끌 수 있는데 좀 피곤해서 그만하려 하면 선생님이 오히려 “좀 더 해보면 어떠니?”라고 부추길 정도로 고도화돼 있다. 국내에서는 프랙티카 외에도 ‘말해보카’ ‘스픽’ ‘맥스AI’ ‘링고케어’ 등이 비슷한 서비스를 전개한다. 최근에는 업그레이드된 챗GPT-4의 음성 기능으로 영어 대화를 한다는 이도 늘고 있다.

내 건강 챙기는 AI

AI “이제 그만 드세요”

“혈당이 높습니다.”

카카오헬스케어가 내놓은 ‘파스타’ 앱 알림음이다. 좋아하는 햄버거에 밀크셰이크, 치즈스틱을 좀 빠른 속도로 먹었을 뿐인데 200㎎/dL이나 찍혔다. 포만감에 10분쯤 소파에 퍼질러 앉아 있었더니 또 알람이 울린다. “혈당이 계속 높습니다.” 일명 혈당스파이크를 경고하는 듯하다. 혈당스파이크란 식사 후 혈당이 단숨에 50㎎/dL 이상 치솟았다 떨어지는 현상을 의미한다. 급강하가 반복되면 그만큼 몸에 무리가 가기에 관리가 필요하다.

“그래 알았다, 알았어.” 운동복으로 갈아입고 일단 동네 공원 한 바퀴 돌고 좀 가파른 뒷산도 올랐다. 그랬더니 정상으로 돌아온다. 다음 날에는 AI가 전날 먹었던 음식 유형, 혈당 오르내림 정도 등을 비서처럼 리포트 형식으로 보고해준다. ‘나 참, 식단 관리하련다’ 싶다. 그런데 어떤 음식이 혈당이 높은지 모른다면? ‘푸드샷’ 버튼을 누르고 음식 사진을 찍어 올리니 곧바로 음식 종류, 영양소, 열량 등을 AI가 자동으로 분석해준다. 삼성헬스, 아이폰 건강관리 앱이랑 연동도 돼 운동, 심박수 등을 연계해 종합적으로 내 몸 관리를 할 수 있다. 신박하다. AI로 건강관리도 한층 고도화할 수 있는 세상이다.

돈 들이지 않고 오히려 돈 벌게 해주면서 AI가 건강관리 해주는 앱도 있다. 국내 최대 걷기 앱 ‘캐시워크’가 대표적이다. 캐시워크는 이용자가 많이 걸을수록 다양한 혜택을 받는 국내 1위 앱이다. 최근에는 서울시가 전개하는 손목닥터9988 앱 고도화 사업에도 참여, AI가 대사증후군 검사 결과에 따라 신체 상태와 운동량 등에 맞는 맞춤형 건강관리 방법을 제시해준다. 또 서울시에서 운영 중인 마음건강(블루터치) 검사 결과를 바탕으로 AI를 통한 정신건강 기록 분석 리포트, 마음건강 연계 서비스(명상, 음악)도 추가 지원할 방침이다.

[박수호 기자 park.suho@mk.co.kr, 조동현 기자 cho.donghyun@mk.co.kr]

[본 기사는 매경이코노미 제2274호 (2024.08.28~2024.09.03일자) 기사입니다]

[출처] https://news.nate.com/view/20240831n10894

Loading

9 9월 2024

[사회과학] [박진영의 사회심리학] 내적갈등 겪으면 남을 이해하게 된다

[사회과학] [박진영의 사회심리학] 내적갈등 겪으면 남을 이해하게 된다

[박진영의 사회심리학] 내적갈등 겪으면 남을 이해하게 된다

입력
게티이미지뱅크 제공

게티이미지뱅크 제공

문학작품을 읽으면 다양한 등장인물들 간의 갈등이나 한 등장인물의 복잡한 내적 갈등을 간접적으로 접하게 되고 이것이 세상을 바라보는 시야를 넓혀준다는 이야기를 들은 적이 있다.

세상에는 다양한 인간군상이 존재하고 또 한 사람 안에서도 다양한 생각과 느낌이 충돌하고 있음을 알게 되면 타인과 세상을 더 잘 이해하게 된다는 뜻으로 받아들였다. 흔히 인간은 서로 양립할 수 없는 꿈을 함께 꾸는 모순된 존재라고 이야기하지만 멀리 갈 것 없이 일상생활 속에서도 많은 목표와 가치관들이 서로 충돌하며 ‘나’라는 사람을 만들어 간다.

시험 공부를 해야 하지만 친구들과 즐거운 시간을 보내고 싶기도 하고 안정적인 삶을 추구하고 싶으면서 동시에 변화와 재미를 따라가고 싶기도 하다. 함께 사는 세상을 꿈꾸는 동시에 치열한 경쟁에서 밀리면 안 되고 과감하게 도전할 줄 알아야 하지만 실패는 너무 두렵다.

이렇게 늘 정답은 없는 것 같고 그래서 사는 게 쉽지 않은가 보다. 최대한 이런 내적 갈등 없이 평탄한 삶을 살고 싶은데 또 그러면 재미가 없을 것 같다. 생각하고 고민하는 데에도 어떤 즐거움(?)이 있는 것 같고 어쩌면 그것이 삶의 묘미일지도 모른다.

한 가지 좋은 소식이라면 이러한 내적 갈등에도 순기능이 있다는 사실이다. 다수의 연구들에 의하면 사람들에게 서로 충돌되는 목표를 떠올리게 하거나(공부 vs. 친구들과 즐거운 시간 보내기), 이미 일어난 일이지만 무언가 달리 했다면 어떤 다른 결과가 나타날 수 있었을 지 따져보게 하거나, 자신이 가지고 있는 의견의 극단적인 버전에 노출되도록 하는 등 (예를 들어 낙태를 반대하는 편이지만 모든 종류의 낙태를 반대하는 것이 과연 옳은가 같은 질문 던지기) 상반되는 생각들로 내적 갈등을 겪게 하면 자기와 다른 타인, 외집단 사람들에 대한 거부감과 한 쪽으로 치우친 사고방식이 줄어드는 현상이 나타난다.

내적 갈등을 거치면서 어쩌면 외면하고 있었을지도 모르는 상반되는 가치관, 삶의 방식에 대해 떠올리게 되고 자연스럽게 타인에 대한 이해가 높아진다는 것이다.

나와 대척점에 서 있는 것 같은 사람들도 사실 그들에게 주어진 선택지 안에서 고민과 선택을 거쳐 지금의 모습이 되었을 뿐 나와 본질적으로 다른 존재는 아닐 수 있다는 깨달음을 얻게 되는 것이다.

사람들은 가까이서 보면 서로 다르지만 멀리서 보면 같은 인간으로서의 공통점이 더 많은 것도 같다. 나의 내면과 삶이 복잡한 것 만큼 타인의 내면과 삶 또한 복잡하며 그런 점에서 사람들은 서로 많이 닮았다는 사실을 기억해보자.

Sassenberg, K., & Winter, K. (2024). Intraindividual conflicts reduce the polarization of attitudes. Current Directions in Psychological Science, 33(3), 190-197.

※필자소개
박진영. 《나, 지금 이대로 괜찮은 사람》, 《나를 사랑하지 않는 나에게》를 썼다. 삶에 도움이 되는 심리학 연구를 알기 쉽고 공감 가도록 풀어낸 책을 통해 독자와 꾸준히 소통하고 있다. 온라인에서 ‘지뇽뇽’이라는 필명으로 활동하고 있다. 현재 미국 듀크대에서 사회심리학 박사 과정을 밟고 있다

Loading

6 9월 2024

[사회과학] [형사고소 변호사 / 고소대리] 고소장 제출 전에 고민해야 할 것들

[사회과학] [형사고소 변호사 / 고소대리] 고소장 제출 전에 고민해야 할 것들

[형사고소 변호사 / 고소대리] 고소장 제출 전에 고민해야 할 것들

 

01 snow-2952307_1920.jpg

 
 

고소·고발 사건이 많다는 말은 항상 있어 왔지만, 체감하는 고소사건은 더 늘어가는 것 같습니다. 최근 구치소에 방이 모자라 실형을 잘 선고하지 않는다는 검증되지 않은(!) 카더라 통신까지 들립니다. 법률상담 오시는 의뢰인들도 형사고소에 적극적인 분들이 많습니다.

사실 법적 분쟁의 상당수는 돈거래와 관련되어 있고, 돈거래라는게 대개 친인척이나 친구 등 어느정도 친분이 있는 사이에서 생깁니다. 결국 ‘친한(친했던) 사람’을 경찰서에 끌고 가는 셈이 되는데, 두 가지 심정이 교차합니다. ‘내가 돈 때문에 친구를 쇠고랑 채워야 하나’는 망설임, 그리고 반대로 ‘모르는 사람도 아닌 친구간에 어떻게 나에게 이럴 수 있냐’는 분노입니다.

심정적인 부분이야 본인이 스스로 정리하고 결단내릴 부분이지만, 사실 전략적인 면에서도 형사고소는 상당한 고민이 필요합니다. 고소장을 수사기관에 출하는 것은 돌이킬 수 없는 중요한 액션(!)이므로, 고소장 제출 전에 반드시 체크해야 할 사항들이 있습니다.

1. 친고죄 혹은 반의사불벌죄에 해당하는지 확인한다.

매우 중요한 사항인데, 생각 외로 일반인들(비법률가)이 잘못 알고 있는 경우가 많습니다. 고소인은 언제든지 고소를 취하함으로써 사건을 마음대로 종결시킬 수 있다고 생각하시던데, 어디까지나 ‘극히 일부 범죄’에 한하여만 맞는 말입니다.

우리가 실생활에서 흔히 접하는 폭행, 명예훼손 등의 범죄, 그리고  최근 개정 전 상당수 성범죄가 친고죄/반의사불벌죄에 해당하(였)고, 뉴스에서도 “피해자가 고소를 취하해 사건이 종결되었다”라는 보도가 자주 나와 아마도 그런 오해가 생기는 것 같습니다.

우선 친고죄는 범죄의 피해자 기타 법률이 정한 자의 고소가 있어야 공소를 제기할 수 있는 범죄이고, 반의사불벌죄는 피해자가 가해자의 처벌을 원하지 않는다는 의사를 표시하면 처벌할 수 없는 범죄입니다. 뭐가 다른지 어렵지요? 

법률상 개념의 차이는 분명히 있지만, 고소인 입장에서 중요한 효과는 공통적입니다. 바로 ‘낙장불입’​이 적용되느냐 여부이지요.

우리 법이 정하는 범죄들 대부분은 ‘낙장불입’이 적용됩니다. 일단 고소장을 내면, 아무리 고소를 취하하고 “합의했으니 벌하지 말고 집에 보내주세요”해도  검사가 유죄라고 판단하면 기소되어 재판을 받습니다.

다만 ‘예외적으로’ 일부 범죄는 친고죄/반의사불벌죄로 정하여 피해자(고소권자)가 고소를 취하하거나 처벌을 원하지 않는다는 의사를 명시하면 형사절차를 그대로 종결시키는 것입니다(수사단계라면 기소하지 않고, 재판단계라면 유/무죄 판단을 하지 않고 공소를 기각합니다). 

정리하자면 전체 범죄 중 극히 일부인 몇몇 친고죄/반의사불벌죄를 제외하고는, 고소장은 한 번 제출하면 돌이킬 수 없습니다.

2. ‘낙장불입’이 왜 중요한가?

고소 전 상태로 되돌릴 수 있느냐 여부에 따라 고소장 제출 후 고소인의 협상력에 큰 차이가 있기 때문입니다. 

예를 들어 사기죄는 친고죄도 반의사불벌죄도 아닙니다. 친구가 1억을 안 갚아서 고소했다고 칩시다. 친구한테 “돈 갚으면 고소 취하해줄게” 하면 뭐라고 할까요?

양심이 남아있는 사람이라면 “최대한 갚을테니 부탁해” 하겠지만, 전과 좀 있고 법을 아는 사람이라면 이렇게 말할 겁니다. “내가 1억 다 갚으면 집행유예를 기대해볼 수 있겠지만 지금 그럴 돈도 없고 기껏 2,3천 갚아봤자 어차피 실형에 2개월 줄어드는 정도야. 니가 감히 나를 고소해? 나는 감방가면 그만이야. 너한테는 1원도 못 갚아.”

이는 일단 고소장이 접수된 이상 피해자가 고소를 취하하더라도 기소되어 재판받는 것을 막을 수 없고 단지 양형 참작 사유에 불과하기 때문입니다. 

물론 사기꾼에게 돈이 많으면 되도록 갚아서 실형을 피하려는 노력을 할 겁니다. 하지만 돈이 없어서 누구에게라도 빌려야 하는 상황이라면, ‘어차피 다 못갚으면 실형인데 뭐하러 갚냐’며 배째라고 나오는 사람들도 꽤 있습니다. 따라서 이런 반응이 예상된다면 형사고소 시점을 신중히 결정해야 합니다.

요컨대 고소장을 제출하면 형사사건이 본격화 되어 자신의 협상력이 더 커진다고 생각하기 쉽지만, 모든 경우에 그렇지는 않다는 말입니다. 상대방이 어떤 사람이냐를 파악한 후 고소 시점을 결정해야 합니다. 

​친고죄/반의사불벌죄인 경우에는 위와 달리 고소 후에도 협상력을 상당수준 유지할 수 있습니다.

3. 형사고소 이외의 방법을 미리 알아보고 순서를 정한다.

형사고소 외의 방법을 무조건 선행해야 한다는 뜻은 아닙니다. 사안에 따라 그 순서는 달라지는 것이지요, 다만 형사고소의 파급효과가 워낙 크므로 다른 방법이 있다면 고소장 제출 전에 모두 파악하여 순서를 결정한 후 행동에 나가라는 것입니다.

예를 들어 변호사 명의의 내용증명을 보내어 압박한다거나, 회사 내의 사건이라면 우선 내부 감사팀에 알려 공론화시킨다거나, 가족간의 일이라면 영향력 있는 중재자를 포섭한다거나, 상대방의 가족/지인과 연락하는 방법 등이지요.

사람이라는 게 비슷한 듯 하지만 또 다 제각각입니다. 딱 봐도 ‘꾼’이다 싶고 재산도 다 빼돌려 놓아 별 기대 없이 내용증명을 보냈는데 곧바로 돈을 갚는 사람도 있고, 반대로 점잖고 사회적 지위도 있어 보이는데 고소하라고 배째라는 사람도 있지요. 해 보기 전에는 모를 일입니다.

특히 민사소송과 관련하여 고민하게 됩니다. 형사 고소의 최종 목적이 돈을 받는 일인 경우에 더 그렇습니다. 형사고소부터 덜컥 하면 무조건 민사 소송에 도움이 될까요? 단정할 수 없습니다. 이에 관하여는 기존에 쓴 글에 자세히 적었으므로 관심있는 분은 아래 링크를 참고바랍니다.

 

4. 형사고소가 상대방에게 어떤 타격을 입힐지 ‘구체적으로’ 예상해 본다.

단순히 ‘고소하면 벌 받는다’의 단선적 사고가 아니라, 고소를 한 후 단계별로 어떤 상황이 벌어질지 구체적으로 예상해야 합니다. 고소할 범죄명, 처벌수위, 수사기간, 상대방의 직업이나 상황에 따른 변수 등을 고려합니다.

이 과정을 거쳐야 내가 가진 ‘형사 고소’카드를 언제 어떻게 ‘얼마나’ 활용할지 결정할 수 있습니다.

 예를 들어 고소해 처벌받아봤자 벌금형 얼마 정도는 별로 겁도 안 먹는 상대방이라면 단순히 ‘고소하겠다’는 엄포만으로는 부족하겠지요. 또 상황에 따라서는 형사처벌 자체보다 고소에 따른 다른 파급효과를 겁내는 경우도 있습니다.

 

5. 분쟁이 본격화되기 전에 증거를 수집한다.

기소 가능성을 높이기 위해서는 고소인이 중요 증거를 고소장 단계에서부터 최대한 수집해 제출해야 합니다. 고소장 자체는 민원센터에서 주는 종이에 슥슥 적어 내도 법적으로 전혀 문제가 없지만, 수사관이 사건을 대하는 태도 역시 딱 그 정도가 될 가능성이 높지요.

​사실 이혼소송이랑 비슷합니다. 열받아서 이혼소장부터 날리는 사람은 하수입니다. 주도면밀한 사람은 귀책사유 입증이나 양육권, 재산분할에 대비해 장기간 조용히 준비한 후 유리한 고지를 점하고 나면 비로소 소장을 제출하지요. 이빨을 드러내기기에 앞서 (상대방이 나를 아직 마음 약한 착한 사람으로 얕보고 있을 때) 증거를 수집해야 합니다.

증거 수집이라는 게 별 게 아닙니다. 예를 들어 차용금사기의 경우 빌려갈 때 말한 명목과 실제 사용처가 다르다는 사실, 또 자신의 재력에 대해 거짓말을 했느냐 여부 등이 기소 여부에 중요하게 고려됩니다. 

따라서 “저번에 7월 곗돈 타면 준다고 했잖아?”, “그때 빌려서 병원비 쓴다더니 제수씨한테 물어보니 실손보험 다 탔다던데 어찌된거야?”라고 물어보고 (뭐라고 하든) 답을 들어 문자나 카톡을 저장해놓는 간단한 작업도 훌륭한 증거가 됩니다.  

​이상적으로는 이 준비단계에서 변호사의 조언을 받는 것이 가장 좋습니다. 이제까지 진행된 상황을 변호사가 살펴본 후 이런 것은 기소하는 데 필요한 좋은 증거다, 저것은 상대방에 유리한 내용이다. 이런 것을 추궁해 대답을 녹취해라. 이런 의문점이 있으니 해소되어야 검사를 설득할 수 있다, 이런 서류를 떼 봐라 등의 구체적 조언을 해 줄 수 있습니다.

6. 고소대리 : 고소장 제출 전 단계가 승패를 가른다.

사실 ‘고소대리’라는 말이 아직 생소한 분들이 많을 겁니다. 다른 글에서도 언급(푸념?)했지만, 변호사들끼리 만나면 서로 자기가 더 고생했다고 징징대는 사건 중에 상당수가 고소대리입니다. 

재판 사건에 비해 비정형적인 일이 많아 손은 많이 가는데, 정작 의뢰인들은 ‘수사는 검사가 하는 거 아니냐’는 생각에 수임료에도 인색하고 공을 잘 안 알아주거든요. 그리고 기소 여부 예측은 재판 결과보다 더 어려운 경우가 많아서, 열심히 준비했는데 싱겁게 불기소가 되어 의뢰인 앞에서 면을 못 세우는 경우도 많습니다(또 푸념입니다).

일단 고소장이 제출되고 나면 상대방도 정신 바짝 차리고 변호인을 선임해 방어하므로 일이 까다로워집니다. 고소장 작성 단계에서 충실한 준비가 필요하며, 고소장을 언제 어떻게 낼 지에 대한 고민 자체도 중요하다는 점을 기억하세요.

​​

 

 [출처] https://blog.naver.com/mujinlaw/221291330146

 

Loading

5 9월 2024

[사회과학][형사 전문 변호사] 형사사건의 수사 및 재판 절차 – 고소장 제출부터 재판까지

[사회과학][형사 전문 변호사] 형사사건의 수사 및 재판 절차 – 고소장 제출부터 재판까지

 

01 대법원_로비1-004.png

안녕하세요. 김기용 형사전문변호사입니다.

1. 고소단계 및 경찰 수사 단계

고소인이 고소장을 경찰서에 제출하는 경우

고소인이 고소장을 경찰서에 제출하면 일반적으로 담당수사관은 고소인을 불러 조사를 하고그 후에 피고소인을 소환하여 조사합니다필요한 경우 고소인과 피고소인을 대질 조사하고계좌내역통화내역관련 서류를 조사합니다담당수사관이 조사를 완료하였다고 판단하는 경우 관할 검찰청에 송치합니다담당수사관은 송치의견서에 피고소인을 기소해야하는지불기소처분을 해야 하는지에 관하여 의견을 기재합니다보통 이러한 수사과정은 약 2~3개월 정도 소요됩니다

검찰청에 고소장을 제출하는 것과 가장 큰 차이점은 일반적으로 담당경찰관이 송치 전에 검사에게 지휘를 받지 않는다는 것입니다지휘를 받지 않기 때문에 비교적 신속하게 수사가 진행된다는 장점이 있습니다반면에 검사의 지휘를 받지 않으므로 수사가 미진할 가능성이 있습니다.

고소인이 고소장을 검찰청에 제출하는 경우

고소인이 고소장을 검찰청에 제출하면담당 검사가 고소장을 검토한 후 관할 경찰서에 사건을 내려 보냅니다경찰서의 담당수사관은 고소인 조사피고소인 조사대질 조사 등의 수사과정을 거쳐서 담당 검사에게 일단 기록을 보내 수사지휘를 받습니다담당 검사는 기본적으로 필요한 조사가 모두 이루어졌다고 판단하면 송치하도록 지휘하고만약 보충 수사가 필요하다고 판단한 경우에는 보강 수사를 지휘합니다담당수사관은 검사의 지휘에 따라 송치하거나 보강 수사를 실시한 후 다시 검사의 지휘를 받습니다이 경우에도 경찰의 담당수사관이 검사에게 송치하는 데는 약 2~3개월 정도가 소요됩니다.

경찰서에 고소장을 제출하는 것과 가장 큰 차이점은 일반적으로 담당경찰관이 송치 전에 검사의 지휘를 받는다는 것입니다지휘를 받기 때문에 송치까지 시간이 많이 소요되지만송치 전에 검사가 충분한 수사를 지휘할 가능성이 많아 수사가 철저히 진행될 수 있습니다.

02 20160329-276.jpg

2. 검찰 수사 단계

검찰 수사 진행

담당 검사는 송치된 기록을 보고 바로 기소불기소의 처분을 하기도 하고만약 보강 수사가 필요하다고 판단한다면 직접 수사를 진행하기도 합니다. 담당 검사는 필요한 경우 고소인피고소인을 다시 불러 조사를 진행하기도 합니다만약 피고소인을 구공판(정식재판일반적으로 검사가 법정에서 피고소인에게 징역형이나 징역형의 집행유예를 구형하는 경우해야 하는 경우라면 검사가 적어도 피고소인을 다시 불러 직접 조사하는 것이 일반적입니다.

검사의 처분

담당 검사는 수사가 모두 완료되었다고 판단하면 피고소인에 대하여 불기소처분(혐의 없음죄가 안됨공소권 없음각하기소유예 등)을 하거나 기소(구속구공판불구속구공판약식명령)을 하게 됩니다. 검사가 사건을 송치 받고 위와 같은 최종적인 결정을 하는데는 약 1~3개월 정도가 소요됩니다다만매우 간단한 사안의 경우에는 송치받은 당일 처분을 하는 경우도 있고반대로 사건이 매우 복잡하거나 보강 조사가 많이 필요한 경우에는 3개월을 초과하기도 합니다.

만약 고소인이 불기소처분에 대하여 불복하고자 하는 경우에는 고등검찰청에 항고를 하면 되고항고 사건조차 기각되는 경우에는 고등법원에 재정신청을 할 수 있습니다

03 20160329-316.jpg

3. 법원의 재판단계

약식명령

검사가 피고소인을 벌금형으로 처벌하려고 하는 경우에는 검사는 벌금액수를 지정하여 법원에 약식명령을 청구합니다. 법원은 약식명령을 받게 되면 특별한 사정이 없는 한 검사의 벌금액수 대로 약식명령을 발령합니다법원은 약식명령이 청구되면 보통 1개월 이내에 약식명령을 발령합니다다만 판사가 기록을 검토하였는데 범죄의 형의가 없다고 판단하거나 반대로 벌금이 아닌 징역형으로 처벌한다고 판단한다면 직권으로 정식재판회부 결정을 하게 됩니다. 정식재판회부가 되면 아래에서 보는 바와 같이 일반적인 정식 재판 절차가 진행됩니다.

만약 피고소인이 법원으로부터 약식명령을 받았는데자신이 범죄를 저지르지 않았다고 생각하거나 벌금액수가 많다고 생각한다면 약식명령을 받은 날로부터 7일 이내에 정식재판청구를 하시면 됩니다. 그러면 정식재판절차로 법정에서 재판을 다시 받을 수 있습니다다만 이 경우에는 불이익변경금지 원칙이 적용되어 피고소인은 약식명령보다 무거운 형으로 처벌받지는 않습니다.

검사가 약식명령을 청구한 경우에도 다시 정식재판청구를 할 수 있지만 실제 이러한 경우는 극히 예외적인 경우입니다. 자신이 한 번 약식명령을 청구한 것을 뒤집고 정식재판청구를 하기는 여러모로 곤란하기 때문입니다.

안타깝게도 고소인이 피고소인에 대한 검사의 약식명령청구가 지나치게 형이 낮다고 생각하여 불복할 수 있는 방법은 없습니다다만 고소인은 담당 검사나 약식명령 담당 판사에게 탄원서 등을 제출할 수는 있으나 쉽지는 않습니다.

정식재판

검사가 피고소인을 구속 구공판불구속 구공판하게 되면일반적인 재판절차가 진행됩니다(정식재판회부되거나 정식재판청구 된 사건도 마찬가지입니다). 보통 영화에서 보는 것과 같은 재판절차가 진행되는 것입니다이러한 정식재판은 검사의 모두진술피고인의 공소사실에 대한 의견증인신문기타 증거조사피고인 신문 등의 순서대로 진행됩니다.

법원은 증거조사 절차를 모두 마쳤다고 판단하는 경우 변론을 종결(결심)하게 되는데마지막으로 검사가 구형을 하고 피고인과 변호인이 최후진술을 합니다법원은 보통 결심 후 2주 정도 후에 판결을 선고합니다.

피고인이나 검사는 1심의 판결에 불만이 있으면 항소하게 됩니다. 항소심 절차도 1심 절차와 비슷하지만 1심에서 어느 정도 증거조사가 이루어졌기 때문에 간단하게 끝나는 경우가 많습니다피고인이나 검사는 2심 판결에 대해서도 불만이 있으면 상고를 하면 됩니다다만 상고심의 경우에는 법리적인 문제만을 다툴 수 있고양형에 대해서는 다툴 수 없습니다. 즉 대법원은 피고인에 대한 형량이 높은지 낮은지에 대해서는 심리하지 않습니다.

04 김기용_변호사_소개.png

 

Loading

2 9월 2024

[인공지능 기술] RAG(검색 증강 생성)란? – LLM 단점을 보완하는 기술

[인공지능 기술] RAG(검색 증강 생성)란? – LLM 단점을 보완하는 기술

RAG(검색 증강 생성)란? – LLM 단점을 보완하는 기술

LLM(Large Language Model)의 많은 장점에도 불구하고 단점을 보완하기 위한 RAG(검색 증강 생성)이 많은 관심을 받고 있습니다. RAG의 기본 개념, 등장 배경, 원리, 적용 사례 등을 알아보겠습니다.

2024-05-07 | 박성돈

최근 인공지능 기술의 발전은 다양한 분야에서 혁신을 일으키고 있으며, 그 중에서도 텍스트 생성 AI는 특히 주목받고 있습니다. 하지만 이러한 기술이 가진 정확성과 신뢰성의 문제는 사용자와 개발자 모두에게 중요한 과제로 남아 있습니다. 이 문제를 해결하기 위해 등장한 기술 중 하나가 바로 RAG(Retrieval-Augmented Generation)입니다.

본문에서는 RAG의 기본 개념, 등장 배경, 원리, 적용 사례 등에 대해 살펴보겠습니다. 먼저 LLM이 무엇인지, 특징과 장/단점에 대해 알아보겠습니다.

LLM이란?

LLM은 Large Language Model의 약자로, 자연어 처리(NLP)에서 사용되는 인공지능 기술의 한 종류입니다. 이 모델들은 대규모의 텍스트 데이터를 학습하여 언어의 구조와 의미를 이해하고, 그 학습을 바탕으로 텍스트 생성, 번역, 요약, 질문에 대한 답변 등 다양한 언어 관련 작업을 할 수 있습니다.

LLM의 주요 특징은 다음과 같습니다.

  • 방대한 지식 보유: 다양한 분야의 텍스트를 학습하여 광범위한 지식을 갖추고 있습니다.
  • 문맥 이해 능력: 단순히 단어를 매칭하는 것이 아니라 전후 맥락을 고려하여 언어를 이해할 수 있습니다.
  • 자연어 생성 능력: 문장 생성, 질문 응답, 요약, 번역 등 다양한 자연어 처리 태스크를 수행할 수 있습니다.
  • 전이 학습 능력: 한 분야에서 학습한 지식을 다른 유사 태스크에 활용하는 등 전이 학습이 가능합니다.
  • 확장성: 더 많은 데이터와 컴퓨팅 자원을 활용하면 계속 성능을 향상시킬 수 있습니다.

LLM은 챗봇, 검색 엔진, 콘텐츠 생성 등 다양한 분야에서 활용되고 있으며, 인간과 유사한 수준의 언어 이해와 생성 능력을 보여주고 있습니다. 하지만 편향성 문제, 사실 관계 오류 등의 한계점도 지적되고 있어 해결해야 할 과제도 남아있는 상황입니다.

LLM의 장점

LLM(Large Language Model)은 다음과 같은 다양한 장점을 가지고 있습니다:

  1. 광범위한 지식 활용
    • 방대한 양의 텍스트 데이터를 학습하여 다양한 분야의 지식을 습득
    • 학습한 지식을 바탕으로 사용자의 질문에 폭넓고 심도 있는 답변 가능
  2. 뛰어난 언어 이해 및 생성 능력
    • 단어 간의 관계와 문맥을 고려하여 자연스러운 언어 이해 가능
    • 문법적으로 정확하고 의미 있는 문장 생성 능력
  3. 다양한 태스크 수행 가능
    • 텍스트 분류, 질의응답, 요약, 번역, 문장 생성 등 다양한 NLP 태스크 처리 가능
    • 하나의 모델로 여러 태스크를 수행할 수 있어 범용성이 높음
  4. 사용자 친화적인 인터페이스
    • 자연어로 된 사용자 입력을 이해하고 응답할 수 있어 접근성이 좋음
    • 챗봇, 가상 어시스턴트 등으로 활용되어 사용자 경험 향상
  5. 다양한 분야에서의 활용
    • 고객 서비스, 콘텐츠 제작, 교육, 의료 등 다양한 산업 분야에서 활용 가능
    • 사람과 기계 간의 상호작용을 향상시키고 업무 효율성 증대에 기여

LLM의 단점

LLM(Large Language Model)은 많은 장점에도 불구하고 다음과 같은 단점과 한계점을 가지고 있습니다:

  1. 편향성 문제
    • 학습 데이터에 내재된 편향성을 그대로 반영할 수 있음
    • 성별, 인종, 종교 등에 대한 고정관념이나 차별적 표현을 생성할 위험 존재
  2. 사실 관계 오류 가능성
    • 방대한 데이터를 학습하지만, 항상 정확한 정보를 제공하지는 않음
    • 잘못된 정보나 허위 정보를 진실로 간주하고 전파할 수 있음
  3. 맥락 이해의 한계
    • 문장 단위의 이해는 가능하지만, 장문의 글이나 복잡한 맥락 파악은 어려울 수 있음
    • 세계 지식과 상식 추론 능력이 부족하여 심층적인 이해에 한계 존재
  4. 일관성 문제
    • 동일한 입력에 대해 일관된 답변을 생성하지 않을 수 있음
    • 모델의 확률적 특성상 생성 결과가 매번 달라질 수 있어 신뢰성 저하
  5. 윤리적 문제
    • 악용 가능성이 존재하며, 책임 소재 파악이 어려울 수 있음
    • 모델의 출력 결과에 대한 통제와 검증 체계 마련 필요

RAG는 LLM의 단점 중 무엇을 개선하는가?

RAG(Retrieval-Augmented Generation)는 LLM의 단점 중 ‘사실 관계 오류 가능성’과 ‘맥락 이해의 한계’를 개선하는 데 초점을 맞춘 방법입니다. RAG는 LLM에 외부 지식 베이스를 연결하여 모델의 생성 능력과 사실 관계 파악 능력을 향상시키는 기술입니다.

구체적으로 RAG는 다음과 같은 방식으로 LLM의 한계를 보완합니다:

  1. 외부 지식 활용
    • 대규모의 구조화된 지식 베이스(예: 위키피디아)를 모델에 연결
    • 주어진 질의에 대한 관련 정보를 지식 베이스에서 검색 및 추출
  2. 증거 기반 생성
    • 검색된 지식 정보를 증거로 활용하여 보다 사실에 기반한 답변 생성
    • 생성된 답변의 출처를 명시함으로써 신뢰성 향상
  3. 맥락 이해력 향상
    • 외부 지식을 통해 질의에 대한 배경 지식과 맥락 정보를 파악
    • 단순한 패턴 매칭이 아닌 추론 능력을 바탕으로 한 답변 생성

RAG는 기존 LLM의 생성 능력과 외부 지식 베이스의 정보를 결합함으로써, 보다 정확하고 사실에 기반한 답변을 제공할 수 있습니다. 또한 모델의 출력 결과에 대한 증거를 제시할 수 있어 설명 가능성과 신뢰성을 높일 수 있습니다.

RAG 기술은 질의응답, 정보 검색, 팩트 체킹 등의 태스크에서 활발히 연구되고 있으며, 구글의 LaMDA, OpenAI의 WebGPT 등 최신 LLM에도 적용되고 있습니다. 다만 RAG 모델의 성능은 연결된 지식 베이스의 품질과 커버리지에 크게 의존하므로, 고품질의 지식 베이스 구축이 중요한 과제로 남아 있습니다.

 

 

RAG의 기본 개념

RAG(Retrieval-Augmented Generation)는 대규모 언어 모델(LLM)의 한계를 극복하기 위해 제안된 새로운 자연어 처리 기술입니다. LLM은 방대한 양의 텍스트 데이터를 사전 학습하여 강력한 언어 이해 및 생성 능력을 갖추고 있지만, 학습 데이터에 없는 최신 정보나 특정 도메인 지식은 제공하기 어렵다는 단점이 있습니다.

RAG는 이러한 LLM의 한계를 극복하기 위해 ‘지식 검색’과 ‘언어 생성’을 결합한 프레임워크입니다. RAG의 기본 아이디어는 질문에 답하기 위해 필요한 지식을 외부 데이터베이스에서 검색하여 활용하는 것입니다.

RAG의 주요 구성 요소

  1. 질의 인코더(Query Encoder): 사용자의 질문을 이해하기 위한 언어 모델입니다. 주어진 질문을 벡터 형태로 인코딩합니다.
  2. 지식 검색기(Knowledge Retriever): 인코딩된 질문을 바탕으로 외부 지식 베이스에서 관련 정보를 검색합니다. 예를 들어 Wikipedia, 뉴스 기사, 전문 서적 등 방대한 문서 집합에서 질문과 연관된 문단이나 구절을 찾아냅니다.
  3. 지식 증강 생성기(Knowledge-Augmented Generator): 검색된 지식을 활용하여 질문에 대한 답변을 생성하는 언어 모델입니다. 기존의 LLM과 유사하지만, 검색된 지식을 추가 입력으로 받아 보다 정확하고 풍부한 답변을 생성할 수 있습니다.

RAG의 동작 과정 요약

  1. 사용자의 질문이 주어지면 질의 인코더가 이를 이해하기 쉬운 형태로 변환합니다.
  2. 지식 검색기가 인코딩된 질문을 바탕으로 외부 지식 베이스에서 관련 정보를 검색합니다.
  3. 검색된 지식은 지식 증강 생성기의 입력으로 전달됩니다.
  4. 지식 증강 생성기는 검색된 지식을 활용하여 사용자 질문에 대한 답변을 생성합니다.

RAG는 LLM의 강력한 언어 이해 및 생성 능력과 외부 지식 활용을 결합함으로써, 보다 정확하고 풍부한 정보를 제공할 수 있습니다. 특히 최신 정보나 특정 도메인 지식이 필요한 질문에 효과적으로 대응할 수 있다는 장점이 있습니다.

RAG의 등장 배경과 필요성

RAG는 자연어 처리와 인공지능 기술의 발전, 그리고 증가하는 사용자의 요구에 따라 등장하게 되었습니다. RAG의 등장 배경과 필요성을 다음과 같이 정리할 수 있습니다.

  1. 지식 기반 질의응답 시스템의 한계
    • 초기의 질의응답 시스템은 주로 제한된 도메인의 구조화된 데이터를 기반으로 동작했습니다. 이는 시스템이 다룰 수 있는 주제와 질문의 유형이 한정적이라는 문제가 있었습니다.
    • 사용자의 다양한 정보 요구를 충족시키기 위해서는 보다 광범위한 지식을 활용할 수 있는 시스템이 필요하게 되었습니다.
  2. 비정형 텍스트 데이터의 폭발적 증가
    • 인터넷의 발달과 디지털 기기의 보급으로 웹페이지, 뉴스 기사, 소셜 미디어 게시물 등 비정형 텍스트 데이터가 기하급수적으로 증가하고 있습니다.
    • 이러한 대규모 텍스트 데이터는 방대한 지식을 포함하고 있어, 질의응답 시스템의 지식 베이스로 활용할 수 있는 잠재력이 높습니다.
    • 그러나 비정형 데이터를 효과적으로 처리하고 활용하기 위해서는 기존과는 다른 접근 방식이 필요했습니다.
  3. 사전 학습된 언어 모델의 발전
    • BERT, GPT 등 사전 학습된 대규모 언어 모델의 등장은 자연어 처리 분야에 큰 변화를 가져왔습니다.
    • 이러한 언어 모델은 방대한 텍스트 데이터로부터 언어의 구조와 의미를 학습하여, 다양한 언어 이해 및 생성 태스크에서 뛰어난 성능을 보여주었습니다.
    • 사전 학습된 언어 모델을 질의응답 시스템에 활용함으로써, 보다 자연스럽고 문맥을 고려한 답변 생성이 가능해졌습니다.
  4. 실시간 정보 제공에 대한 사용자의 요구 증대
    • 인터넷과 모바일 기기의 발달로 사용자들은 언제 어디서나 필요한 정보를 즉시 얻고자 하는 요구가 커지고 있습니다.
    • 단순히 정보를 검색하는 것을 넘어, 대화형 인터페이스를 통해 원하는 정보를 직관적으로 얻고자 하는 사용자가 늘어났습니다.
    • 이에 따라 사용자의 질문을 이해하고 적절한 답변을 실시간으로 제공할 수 있는 지능형 질의응답 시스템의 필요성이 대두되었습니다.
  5. 지식 검색과 답변 생성의 통합 필요성
    • 기존의 질의응답 시스템은 지식 검색과 답변 생성을 별도의 단계로 처리하는 경우가 많았습니다. 이로 인해 검색된 정보와 생성된 답변 사이의 정합성이 떨어지는 문제가 발생했습니다.
    • 지식 검색과 답변 생성을 통합적으로 수행할 수 있는 프레임워크의 필요성이 제기되었고, 이는 RAG 아키텍처의 등장으로 이어졌습니다.

이러한 배경과 필요성 속에서 RAG는 대규모 비정형 텍스트 데이터를 활용하고, 사전 학습된 언어 모델과 통합 프레임워크를 통해 보다 진보된 형태의 질의응답 시스템을 구현하고자 합니다. RAG는 사용자의 다양한 정보 요구를 만족시키고, 인간과 자연스럽게 상호작용할 수 있는 지능형 대화 시스템의 발전에 기여할 것으로 기대됩니다.

RAG 기술을 적용한 상용 서비스 사례

RAG 기술을 적용한 상용 서비스는 아직 많지 않지만, 몇몇 대표적인 사례들이 있습니다.

  1. Microsoft Bing Search
    • 2023년 2월, Microsoft는 Bing 검색 엔진에 RAG 기술을 적용한 대화형 AI 기능을 추가했습니다.
    • 사용자의 검색 질의에 대해 웹 페이지의 정보를 활용하여 자연어로 응답을 생성합니다.
    • 제공된 응답의 근거가 되는 웹 페이지 링크를 함께 제시합니다.
  2. Anthropic’s Constitutional AI (CAI)
    • Anthropic사는 RAG 기술을 활용한 대화형 AI 모델인 CAI를 개발했습니다.
    • CAI는 대화 과정에서 외부 지식을 활용하여 사용자의 질문에 답변을 생성합니다.
    • 생성된 응답의 근거가 되는 출처를 명시하여 신뢰성을 높였습니다.
  3. Perplexity AI
    • Perplexity AI는 RAG 기반의 질의응답 서비스를 제공하는 스타트업입니다.
    • 사용자의 질문에 대해 웹 검색을 통해 관련 정보를 수집하고, 이를 바탕으로 응답을 생성합니다.
    • 제공된 응답의 출처와 검색 과정을 사용자에게 투명하게 공개합니다.
  4. OpenAI’s WebGPT (in development)
    • OpenAI는 GPT 모델에 RAG 기술을 적용한 WebGPT를 개발 중입니다.
    • WebGPT는 웹 검색을 통해 획득한 지식을 활용하여 사용자의 질의에 대한 응답을 생성할 것으로 예상됩니다.
    • 아직 공개된 서비스는 아니지만, 향후 RAG 기술의 발전 방향을 보여주는 사례로 주목받고 있습니다.

위의 사례들은 RAG 기술의 초기 적용 단계라고 볼 수 있습니다. RAG의 잠재력이 입증됨에 따라 앞으로 더 많은 분야에서 RAG 기반의 서비스들이 등장할 것으로 예상됩니다. 특히 검색 엔진, 가상 어시스턴트, 고객 서비스 등의 분야에서 RAG 기술이 활발히 도입될 것으로 보입니다.

다만 RAG 기술의 상용화를 위해서는 지식 베이스의 품질 관리, 프라이버시 보호, 책임 소재 등의 이슈들이 선결되어야 할 것입니다. 기술적 진보와 함께 사회적, 윤리적 문제에 대한 고민이 병행되어야 RAG가 실생활에 안전하게 적용될 수 있을 것입니다.

참고 자료

[출처] https://modulabs.co.kr/blog/retrieval-augmented-generation/

Loading

1 9월 2024

[천체물리 – 우주(과학)] 부모 없는 떠돌이 행성, 알고 보니 이렇게 생긴다 [아하! 우주]

[천체물리 – 우주(과학)] 부모 없는 떠돌이 행성, 알고 보니 이렇게 생긴다 [아하! 우주]

부모 없는 떠돌이 행성, 알고 보니 이렇게 생긴다 [아하! 우주]

입력
[서울신문 나우뉴스]

Credit: ESA/Webb, NASA & CSA, A. Scholz, K. Muzic, A. Langeveld, R. Jayawardhana

Credit: ESA/Webb, NASA & CSA, A. Scholz, K. Muzic, A. Langeveld, R. Jayawardhana

태양계의 행성과 소행성, 혜성 등은 모두 태양이라는 부모가 있다. 이들은 모두 태양이 생길 때 주변에 모인 가스와 먼지가 뭉쳐 만든 원시 행성계 원반에서 태어났다. 원시 행성계 원반에서 덩어리가 크게 뭉치면 행성이 되고 작게 뭉치면 소행성이 되는 식으로 태양계의 수많은 형제가 태어난 것이다.

하지만 모든 행성이 별 주변을 공전하는 건 아니다. 과학자들은 어떤 별 주변도 공전하지 않는 떠돌이 행성(rogue planet)도 발견했다. 물론 스스로 빛나지 않는 천체인 행성은 너무 어둡기 때문에 관측이 어렵지만, 다른 별 앞을 우연히 지나면서 빛이 어두워지거나 중력에 의해 빛이 휘어지는 마이크로 중력렌즈 효과를 통해 숨어 있는 떠돌이 행성을 몇 개 포착하는 데 성공했다.

떠돌이 행성이 처음부터 혼자 태어난 행성인지, 아니면 본래는 어미 별이 있었는데 다른 별이나 행성의 중력 간섭으로 인해 튕겨 나온 행성인지는 확실치 않다. 그리고 관측이 어렵기 때문에 우주에 얼마나 많은 떠돌이 행성이 있는지도 파악하기 힘들다. 그런데 최근 과학자들은 제임스 웹 우주 망원경의 도움으로 떠돌이 행성이 스스로 생성될 수 있을 뿐 아니라 숫자도 많을 수 있다는 증거를 발견했다.

존스 홉킨스 대학의 천체물리학자인 아담 랑지벨드와 동료들은 제임스 웹 우주 망원경을 이용해서 지구에서 1,000광년 떨어진 가스 성운인 NGC 1333을 관측했다. 이 가스 성운에서는 가스가 뭉쳐 여러 개의 별이 생성되고 있다.

과학자들은 NGC 1333에서 새로 태어나는 별은 물론이고 일반적인 별보다 작은 천체인 갈색왜성도 관측했지만, 관측 기술의 한계로 행성 질량 천체가 혼자 태어나는 모습은 확인할 수 없었다.

연구팀은 제임스 웹 우주 망원경 관측 결과를 토대로 NGC 1333에 적어도 6개의 행성급 천체가 혼자 태어나고 있다는 사실을 발견했다. (사진에서 녹색 원) 이들의 질량은 목성의 5-10배 정도로 태양계 행성보다는 크지만, 별이나 갈색왜성보다는 분명히 작아 행성으로 분류할 수 있다.

이번 관측 결과에 따르면 별, 갈색왜성, 행성은 질량에 차이가 있을 뿐 생성되는 방식은 비슷했다. 가스 성운 안에서 중력에 의해 뭉친 가스와 먼지의 덩어리가 크면 별이 되고 그보다 작으면 갈색왜성, 더 작으면 행성이 될 뿐이었다. 사실 행성은 질량이 적어서 더 많이 생겨날 수 있다.

연구팀은 제임스 웹 우주 망원경의 강력한 성능으로도 목성 질량의 5배 이하의 행성은 관측이 어렵다고 보고 있다. 따라서 NGC 1333 내부에 더 많은 행성이 존재할 가능성이 있다. 우리 은하에 떠돌이 행성이 생각보다 훨씬 흔할 가능성을 시사하는 대목이다.

태양계의 목성이나 토성 같은 거대 가스 행성은 여러 개의 위성을 거느리고 있으며 이 가운데는 목성의 위성 유로파처럼 내부에 바다를 지닌 위성도 존재할 수 있다. 그리고 어쩌면 이 가운데 일부는 생명체를 품고 있을지도 모른다. 이런 떠돌이 행성이 태양계 가까운 곳에 숨어 있다면 외계 생명체를 탐사하는 과학자들의 새로운 목표가 될 것이다.

Loading

1 9월 2024

[사회과학] [박진영의 사회심리학] ‘나’는 일을 미루는 사람일까

[사회과학] [박진영의 사회심리학] ‘나’는 일을 미루는 사람일까

[박진영의 사회심리학] ‘나’는 일을 미루는 사람일까

입력
게티이미지뱅크 제공

게티이미지뱅크 제공

많은 사람들은 미루기 천재다. 금방 할 수 있을 거라는 둥 다양한 이유를 붙여가며 마지막까지 미루다가 데드라인 직전에 고통을 맛보며 심지어 우는 일을 많이 겪어봤을 것이다. 필자 역시 미루기에 대한 원고를 미루면서 작성했음을 밝힌다. 뻔히 더 고통받을 것을 알면서 우리는 왜 자꾸 미루는 걸까. 어떻게 하면 일을 미루지 않을 수 있을까.

우선 예상할 수 있겠지만 일이 지루하거나, 전혀 중요하게 여겨지지 않거나, 너무 어렵고 힘든 일이 그 자체로 부정적인 특성을 가지고 있을 때 미루기가 나타난다. 주로 하기 싫은 일을 미룬다는 것이다. 캘거리대의 심리학자 피어스 스틸에 의하면 그 외에 미루기와 관련이 있는 요소들은 다음과 같다.

① 부정적 정서 신경증: 미루기는 기본적으로 ‘지금’ 스트레스를 피하기 위해 현재 직면해야 할 괴로움을 내일로 토스하는 행위다. 미루기를 뜻하는 영단어 procrastination에서 ‘pro’는 라틴어로 ‘앞으로’라는 의미이고 ‘crastinus’는 ‘내일’을 뜻한다고 한다. ‘(오늘 일을) 내일로’라는 뜻이다.

이렇게 미루기는 눈 앞의 괴로움으로부터 도피하는 행위이기 때문에 이미 잔뜩 괴로운 상태인 경우 부정적 정서가 넘칠 때 그렇지 않을 때에 비해 더 일을 많이 미루는 현상이 나타난다.

따라서 몇몇 학자들은 미루기가 기본적으로 기분을 낫게 만들기 위한 또는 적어도 더 힘들어지지 않게 하기 위한 ‘정서 조절’ 전략이라고 본다. ‘도피’ 같은 부적응적인 스트레스 대처법들이 그러하듯 미루기 또한 내 마음이 나를 지키려고 고군분투하다보니 생긴 부작용 같은 것이라는 얘기다. (그러니 미루고 싶은 마음이 드는 것을 너무 미워하지는 말도록 하자). 이는 한편 평소 삶이 행복하고 마음이 괴롭지 않아야 미루지 않을 수 있다는 얘기이기도 하다.

관련해서 성격 특징 중 신경증(Neuroticism)은 부정적 정서성, 정서적 불안정성이라고도 불리는 특성으로 신경증이 높은 사람들은 기본적으로 그렇지 않은 사람들에 비해 늘 걱정이 많고 불안하며 스트레스를 쉽게 받는 경향을 보인다. 이렇게 성격적으로 스트레스에 취약할수록 도망치고 싶은 순간이 많은 편이고 따라서 미루기를 많이 하는 현상이 나타난다.

하지만 문제는 부정적 정서를 피하기 위해서 일을 미루는데 미루는 행위 자체가 미래의 더 큰 부정적 정서의 원천이 되고 만다는 것이다. 기분이 언짢고 스트레스가 많음 -> 미룬다 ->더 기분이 언짢아지고 더 스트레스 받음 -> 또 다시 미룬 결과 일이 망함으로써 더더 큰 스트레스를 받는 악순환이 발생하곤 한다.

② 미루는 행위 자체를 즐기는 것: 부정적 정서를 피하기 위해서 미루기를 한다는 사실과 관련해서 미루고 나면 일단 마음이 엄청 편해질 것이라거나 엄청 즐거워질 것이라며 미루기가 가져올 ‘긍정적 정서’의 크기를 과대평가할수록 더 자주 미루는 모습이 나타난다.

미루고 나면 이후 괴로움이 더 클 것이라고 예상하는 것보다 미뤄도 생각보다 별로 ‘즐겁지 않을 것’이라고 생각하는 것이 더 효과적으로 미루기를 줄여줬다는 발견이 있다[2]. 미루는 행위 자체를 삶의 낙으로 삼으면 안 된다는 것이다.

③ 실패에 대한 두려움, 완벽주의, 자기 의식, 평가에 대한 두려움: 기본적으로 일을 잘 해내야만 한다는 압박이 심하고 다른 사람이나 내가 생각하는 나의 이미지에 크게 신경 쓰는 사람들은 그렇지 않은 사람들에 비해 무엇을 하든 부담감이 큰 편이다.

이로 인해 일을 하기 ‘전’부터 일을 할 생각만 해도 스트레스를 받게 되고 그 결과 일을 시작하기도 전에 (스트레스는 다 받으면서) 일을 피하는 경향을 보인다. 적어도 남들이 보기에 완벽하게 해내야 한다든가 조금도 실수하면 안 된다는 부담감이 크면 일을 더 일찌감치 착착 해낼 것 같지만 의외로 일을 시작하기까지 많은 용기가 필요해서 손도 대지 못할 가능성이 크다는 것이다.

④ 자신에 대한 의심: 자신의 능력에 대한 의심이 많은 사람들은 그렇지 않은 사람들에 비해 실제 능력 수준은 비슷해도 어차피 해도 안 될 거라며 포기가 빠른 경향을 보인다.

못 할 거라고 생각하면 더 열심히 할 것 같지만 반대로 노력해도 소용없을 거라고 생각하기 때문에 밑 빠진 독에 물 붓는 격이라며 노력을 ‘덜’ 들이는 경향을 보이기도 한다. 그러다 보니 한 달 동안 준비해도 모자랄 일을 (어차피 안 될 거) 하는 시늉만 하자며 대충대충 벼락치기를 하는 모습을 보이곤 한다.

⑤ 자기 핸디캐핑(Self-handicapping): 하루 이틀 벼락치기하고도 이 정도 성적을 받은 건 꽤 잘 한 거라고 생각하기 위해 계속 공부를 안 하다가 마지막에 벼락치기를 하는 학생을 상상해 보자. 미리미리 열심히 해놓고도 실패했다는 사실을 직면하면 ‘내가’, ‘나의 능력이’ 부족하다는 결론이 나오게 된다.

이렇게 되면 자존감에 직격탄을 맞으므로 스스로 자신의 앞길에 장애물을 가져다 놓고서는 내가 못 한 게 아니라 장애물 때문에 어쩔 수 없었다고 변명하고 자존감을 수호하는 행위다. 내가 나를 좋게 생각하는 게 뭐 그렇게 중요하다고 자신의 앞길을 망쳐가며 자존감을 수호하는 것인지 인간은 참으로 슬픈 동물이다.

벼락치기로 해낼 수 있을 리가 없음을 충분히 알고 있으면서 마지막까지 사람들과 약속을 만들고 술을 진탕 마시는 등 ‘약속 때문에, 술 때문에 어쩔 수 없었다’고 하는 것이 흔한 예다.

⑥ 우울, 낮은 에너지 수준, 학습된 무기력, 비관주의: 무엇을 하든 즐거움을 찾기 어렵고 기력도 없고 집중하기도 어려운 경우다. 동기 부여가 어렵고 버틸 에너지도 부족해서 일을 시작하기도 어렵고 시작해도 ‘완성’하기는 더더욱 어렵다. 우울증을 측정하는 문항 중 ‘결정을 잘 내리지 못하고 마지막까지 미룬다’는 문항이 있을 정도이다. 위에서 살펴본 부정적 정서와도 큰 관련을 보인다.

⑦ 원만하지 않은 반항적인 성격: 이 경우는 조금 다른데 반항적이고 속박을 싫어하는 사람들의 경우 외부에서 정한 스케줄과 데드라인에 불쾌함을 느끼는 경향을 보인다. 그래서 정해진 스케줄을 거부하고 마음대로 일을 진행하기도 한다. 그래서 이들에게는 거꾸로 일을 ‘최대한 늦게’ 하라고 압박을 주면 청개구리처럼 일찍 해낸다는 발견이 있었다.

⑧ 충동성이 높고 지루함을 잘 참지 못하는 경우: 이 경우 미래나 장기적인 결과 책임 같은 걸 별로 생각하지 않고 지금 이 순간만 사는 경향을 보인다. 주의 집중도 잘 못해서 하던 일을 까먹고 다른 일을 하다가 정작 급한 일을 못 마치는 경우도 많다. 이런 사람들의 경우 주의를 분산시킬 수 있는 자극(스마트폰과 같은)이 많은 환경은 피하는 것이 좋다.

⑨ 자극 추구성: 자극 추구성이 높은 사람들의 경우 조금 다른 이유로 미루는 행동을 보인다. 이들은 일을 마지막 한 두 시간 남겨놓고 후달리면서 하는 스릴을 즐기는 또는 중독된 듯한 모습을 보인다. 긴장해서 빠짝하면 평소보다 더 높은 생산성을 보이기도 한다.

하지만 스릴은 짧지만 후회는 오래 갈 가능성이 있다. 관련해서 한 연구에 의하면 상습적으로 벼락치기를 하는 학생들은 벼락치기에서 높은 생산성을 보여줬지만 학기말 건강 상태나 성적, 삶의 만족도가 전반적으로 더 낮은 것으로 나타났다. 해당 연구자들에 의하면 “미루기의 이득은 짧고 비용은 오래간다”고 한다.

⑩ 체계성: 일을 계획하고 목표를 수립하며 목표 달성까지의 상황이 순조로운지 모니터링 하는 과정에 문제가 있어도 의도치 않게 미루는 현상이 발생한다. 어떤 일을 언제 해야 적절한지에 대한 청사진을 짜지 못하기 때문에 주먹구구식으로 한 달 걸릴 일을 일주일이면 할 수 있겠지~ 하다가 나중에 울고 만다. 미루려고 미룬 게 아니고 일 하는 과정이 체계적이지 못해서 미루게 되는 경우다.

⑪ 낮은 성취욕(achievement motivation): 별로 일을 잘 하고 싶은 마음이 없고 일의 즐거움을 잘 느끼지 못하는 경우다. 일을 너무 잘 하고 싶어하는 것도 문제지만 조금도 잘 할 마음이 없는 것도 문제일 수 있다는 것이다.

위의 원인들 중 몇 가지나 해당되는 것 같은가. 원인을 알면 해결책이 보이는 법이다. 미루기를 줄이기 위해서는 우선 즐거운 일을 많이 만들어 행복도를 높이고 부정적 정서, 스트레스, 불안, 우울을 줄일 것, 잘 해야만 한다는 부담감을 내려 놓을 것, 할 수 없는 부분에 대해서는 도움을 청하고 알게 될 때까지 연습 또 연습하기, 할 수 있는 부분은 정확하게 인식함으로써 자신감 높이기, 충동성이 높다면 유혹이 많은 환경은 피하기 등을 생각해 볼 수 있다.

기원전 300년 전에도 오늘 할 일을 내일로 미루는 행태의 사악함을 강조하는 글들이 쓰여졌다고 한다. 애초에 한정된 에너지를 가지고 살아가는 존재로써 에너지 보존을 위해서라도 때때로 일을 미루는 것은 자연스러운 일일 것이다.

하루하루 살아가는 것만으로도 상당히 벅찬 일이라서 모든 일을 제 때 처리한다는 것은 애초에 불가능하기도 하다. 따라서 또 일을 미루는 나를 보았을 때 자꾸 미룬다고 너무 자책하지 말고 그 이유를 찾아 내가 나의 힘듦을 조금이라도 덜어내자는 태도로 접근한다면 좋을 것 같다.

[1] Steel, P. (2007). The nature of procrastination: A meta-analytic and theoretical review of quintessential self-regulatory failure. Psychological Bulletin, 133, 65–94.
[2]Sirois, F., & Pychyl, T. (2013). Procrastination and the priority of short‐term mood regulation: Consequences for future self. Social and Personality Psychology Compass, 7, 115-127.
[3]Saddler, C. D., & Sacks, L. A. (1993). Multidimensional perfectionism and academic procrastination: Relationships with depression in university students. Psychological Reports, 73(3, Pt 1), 863–871.
[4]Tice, D. M., & Baumeister, R. F. (2018). Longitudinal study of procrastination, performance, stress, and health: The costs and benefits of dawdling. In Self-Regulation and Self-Control (pp. 299-309). Routledge.

Loading