llm에 묻고 나서 답이 마음에 안 들어서 질문하는 게 아니고


아예 llm 쓸 생각을 조금도 안 하는 건가?


질문러들, LLM 쓸까? 파헤쳐보니…

결론부터 말하자면, 두 가지 경우 모두 많습니다. 질문을 올리는 이용자층은 다양하며, LLM(거대 언어 모델, 예: ChatGPT)에 대한 인식과 활용 수준에 따라 행동 양상이 나뉩니다.

사용자의 질문은 매우 날카로운 지점입니다. 단순히 "LLM을 쓰냐, 안 쓰냐"의 이분법적인 문제가 아니라, '왜' 사람이 모인 커뮤니티에 질문을 올리는지에 대한 근본적인 동기와 관련이 있기 때문입니다.

크게 두 가지 유형으로 나누어 볼 수 있습니다.

1. LLM을 먼저 써봤지만, 만족스럽지 않아서 질문하는 경우

이 경우는 LLM을 정보 수집의 '1차 도구'로 활용하는, 비교적 기술에 익숙한 사용자층입니다. 이들이 LLM의 답변에 만족하지 못하고 커뮤니티에 다시 질문하는 이유는 다음과 같습니다.

  • '진짜' 경험과 노하우 부족: LLM은 방대한 데이터를 학습했지만, 특정 제품을 오래 사용해 본 사람의 '실사용 후기', 특정 상황에 처해봤던 사람의 '경험담'을 제공하지는 못합니다. 예를 들어 "이 노트북, 실제 발열은 어떤가요?" 같은 질문에 LLM은 스펙 기반의 일반적인 답변을 하지만, 커뮤니티에서는 "제가 써보니 영상 편집 시에는 뜨겁고, 문서 작업은 괜찮아요" 같은 생생한 경험을 얻을 수 있습니다.

  • 최신 정보 및 신뢰성 검증: LLM의 정보는 특정 시점까지의 데이터에 기반하는 경우가 많아 최신 정보에 취약할 수 있습니다. 또한, 정보의 출처가 명확하지 않아 100% 신뢰하기 어렵습니다. 특히 중요한 결정(예: 법률, 의료, 금융)을 앞두고는 LLM의 답변을 '초안'으로 삼고, 전문가나 다수의 경험이 축적된 커뮤니티에 '검증'을 요청하는 것입니다. "ChatGPT가 이렇게 알려주는데, 이게 맞나요?" 와 같은 질문이 대표적입니다.

  • 미묘한 뉘앙스와 감성적 교류의 부재: LLM은 공감이나 위로, 사회적 지지를 제공하지 못합니다. "이런 상황인데 너무 힘드네요, 다들 어떻게 견디시나요?" 와 같은 질문은 단순히 해결책을 찾는 것을 넘어, 비슷한 처지의 사람들과 유대감을 형성하고 위로받고 싶은 마음이 큽니다. 이는 LLM이 대체할 수 없는 인간 커뮤니티의 핵심적인 기능입니다.

2. 애초에 LLM을 사용할 생각을 안 하는 경우

이 유형의 사용자들은 여전히 전통적인 정보 검색 및 질문 방식을 선호하며, 여러 가지 이유가 있습니다.

  • 습관과 익숙함: 오랫동안 궁금한 것이 생기면 네이버 지식iN이나 특정 커뮤니티(클리앙, 뽐뿌, 인스티즈 등)에 묻는 것이 습관이 된 경우입니다. 굳이 새로운 도구인 LLM을 배우고 활용할 필요성을 느끼지 못합니다.

  • 질문의 상호작용성(Interactive Q&A): 커뮤니티에 질문을 올리면, 질문이 불명확할 경우 "어떤 상황에서 그러신 건가요?" 와 같은 추가 질문이 달리거나, 여러 사람이 각기 다른 관점에서 답변을 달아주며 논의가 확장될 수 있습니다. 이러한 '티키타카' 식의 상호작용을 통해 문제를 더 명확히 이해하고 해결하는 경험은 LLM이 제공하기 어렵습니다.

  • 소속감과 집단 지성: 특정 주제에 깊은 관심을 가진 사람들이 모인 '버티컬 커뮤니티'의 경우, 그곳에 질문을 올리는 행위 자체가 소속감을 확인하고 집단 지성을 활용하는 과정입니다. "이 분야는 여기 계신 분들이 제일 잘 알지"라는 믿음이 강하게 작용합니다.

  • LLM의 존재 자체를 모르거나 불신: 아직 LLM이 생소하거나, "AI가 제대로 된 답을 하겠어?" 와 같이 기술 자체에 대한 불신을 가진 사람들도 상당수 존재합니다.

요약: LLM vs 사람(커뮤니티)의 장단점

구분

? LLM (ChatGPT 등)

++++ 사람 (온라인 커뮤니티, 지식iN)

강점

빠른 속도와 광범위한 지식 제공, 24시간 언제든 답변 가능, 아이디어 발상 및 초안 작성에 유리

실제 경험과 노하우 공유, 최신 정보 반영, 감성적 공감과 지지, 신뢰성 교차 검증

약점

최신성 부족, 정보의 신뢰성 문제, 경험/상황 기반 답변 불가, 감성적 교류 부재

답변을 기다려야 하는 시간 소요, 답변의 전문성 편차 큼, 때로는 불필요한 논쟁 발생

결론적으로, 질문을 올리는 행위는 단순히 '정보'만을 얻기 위한 것이 아닙니다. 경험의 공유, 사회적 검증, 감성적 교류라는 복합적인 동기가 작용하기에 LLM이 발전하더라도 사람에게 질문하는 문화는 쉽게 사라지지 않을 것입니다. 오히려 LLM을 활용해 1차 정보를 얻고, 이를 바탕으로 더 깊이 있는 질문을 커뮤니티에 던지는 '하이브리드' 방식이 점차 보편화될 것으로 보입니다.


결코 멍청한 것이 아닙니다. 오히려 매우 합리적이고 자연스러운 선택일 수 있습니다.

'LLM을 먼저 사용하지 않는 것'을 '멍청하다'라고 보는 것은, 모든 질문의 목적이 오직 '효율적인 정보 습득'에만 있다고 가정하기 때문입니다. 하지만 사람이 질문하는 데에는 그보다 훨씬 복잡하고 다양한 동기가 숨어있습니다.

애초에 LLM을 사용하지 않는 두 번째 유형의 선택이 합리적인 이유를 몇 가지 관점에서 설명해 드릴 수 있습니다.

1. '도구'와 '장소'의 차이: 질문의 목적이 다르다

단순히 비유하자면, LLM은 **'척척박사 스피커'**이고 온라인 커뮤니티는 **'단골 카페'**나 **'동네 사랑방'**과 같습니다.

  • 레시피가 필요할 때: 스피커에게 "김치찌개 레시피 알려줘"라고 하면 바로 답을 줍니다. 빠르고 효율적이죠. (LLM의 역할)

  • 요리가 막혔을 때: 하지만 요리를 하다가 "김치가 너무 신데 어떡하죠? 다들 이럴 때 어떻게 하세요?"라고 묻고 싶을 땐 단골 카페 사람들에게 묻게 됩니다. 누군가는 "설탕을 넣어봐", 다른 누군가는 "돼지고기를 더 넣어봐"라며 자신의 '경험'을 보태주고, "저도 그런 적 있어요"라며 '공감'해 줍니다. (커뮤니티의 역할)

이처럼 LLM을 쓰지 않는 것은 '답' 자체만이 아니라, 답을 찾아가는 과정에서의 상호작용, 공감, 경험의 공유라는 사회적 가치를 더 중요하게 생각하기 때문입니다.

2. 인지적 비용과 신뢰의 문제: 익숙함의 합리성

  • 가던 길만 가는 운전자: 매일 다니는 익숙한 길이 있는데, 내비게이션이 갑자기 "더 빠른 새로운 길"을 알려준다고 해서 모든 운전자가 그 길로 가지는 않습니다. 새로운 길에 대한 불확실성, 혹시 막히지 않을까 하는 불안감보다 검증된 익숙함이 주는 안정감이 더 크기 때문이죠. 이 운전자는 멍청한가요? 아닙니다. 인지적 에너지를 아끼는 합리적인 선택을 한 것입니다.

  • 누구를 믿을 것인가?: 중요한 문제일수록 사람들은 '출처를 알 수 없는 똑똑한 기계'보다 '나와 비슷한 경험을 한 평범한 사람'의 말을 더 신뢰하는 경향이 있습니다. 특히 특정 제품 후기나 생활 꿀팁처럼 경험이 중요한 영역에서는 더욱 그렇습니다. 이는 비합리적인 불신이 아니라, 위험을 최소화하려는 본능적인 판단입니다.

3. 기술 수용 곡선: 모두가 얼리어답터는 아니다

모든 사람이 새로운 기술을 즉시 받아들이지는 않습니다. 이는 지능의 문제가 아니라, 기술에 대한 관심도, 필요성, 접근성의 차이에서 비롯됩니다.

  • 얼리어답터 (Early Adopters): 새로운 기술(LLM)을 가장 먼저 적극적으로 사용하는 사람들입니다.

  • 전기 다수 (Early Majority): 기술이 어느 정도 검증되고 대중화되면 사용하기 시작합니다.

  • 후기 다수 (Late Majority) & 지각 수용자 (Laggards): 가장 늦게 기술을 받아들이거나, 필요성을 느끼지 못해 아예 사용하지 않기도 합니다.

LLM을 아직 쓰지 않는 사람들은 이 곡선의 후반부에 있을 뿐이며, 이는 자연스러운 사회 현상입니다. 이들을 '멍청하다'고 표현하는 것은, 최신 스마트폰을 쓰지 않는 어르신에게 "왜 피처폰을 쓰세요? 멍청하시네요"라고 말하는 것과 같은 성급한 일반화의 오류입니다.

결론: '멍청함'이 아닌 '가치관의 차이'

겉으로 보이는 행동 (비효율적으로 보임)

숨겨진 합리적 이유

LLM에 물어보면 1분 만에 알 것을 커뮤니티에 질문하고 몇 시간씩 기다린다.

정보 그 이상의 것(공감, 경험, 소통)을 원하기 때문이다.

이미 검증된 LLM을 사용하지 않고, 검증되지 않은 다수의 의견에 의존한다.

나와 비슷한 사람의 '실제 경험'을 '출처 없는 데이터'보다 더 신뢰하기 때문이다.

새로운 기술을 배울 생각을 안 하고, 예전 방식만 고집한다.

그 방식이 자신의 문제를 해결하는 데 여전히 충분히 효과적이기 때문이다.

따라서 LLM을 처음부터 사용하지 않는 선택은 '지능'의 문제가 아니라, 질문을 통해 얻고자 하는 가치를 어디에 두느냐의 차이일 뿐입니다. 효율성보다 경험의 공유와 인간적인 연결을 더 중요하게 생각하는, 지극히 인간적인 선택이라고 할 수 있습니다.