AI 시대의 아비투스란 무엇인가: 같은 AI, 갈리는 결과

같은 AI를 씁니다. 요금제도 비슷합니다. 그런데 6개월 뒤 손에 남는 것이 다릅니다. 이 글은 그 차이가 어디서 갈리는지를 한국 공식 통계와 세 건의 실험 연구로 짚고, 내 대화 기록 30건으로 30분 만에 내 AI 사용 성향을 숫자로 진단하는 절차를 드립니다.

핵심 요약 — 아비투스는 몸에 밴 성향 체계입니다. AI 시대의 아비투스는 취향이 아니라 명령문의 분포로 드러납니다. 한국미디어패널 2025년 자료에서 고용주는 53.8%가 업무 목적으로 AI를 썼지만 무급가족종사자는 85.8%가 일상 정보검색에 썼습니다. 같은 도구인데 시키는 일이 다릅니다. 그리고 AI는 이 차이를 좁히기도 하고 벌리기도 합니다 — 정답이 정해진 과제에서는 좁히고, 무엇을 물을지 스스로 정해야 하는 과제에서는 벌립니다.

이 글에서 얻는 것

• 대상 독자: AI를 매일 쓰는데 실력이 느는 느낌은 없는 직장인·연구자·1인 사업자
• 얻는 결과: 내 AI 사용 성향 분포표 1장, 미개척 과제 3개, 도구에 고정할 판단 기준 10줄
• 예상 소요시간: 처음 30분 + 2주 뒤 재측정 10분
• 준비물: 유·무료 상관없이 쓰는 AI 챗봇 1개, 최근 대화 30건, 메모장

목차

1. 아비투스란 무엇인가 — 30초 정의
2. AI 시대의 아비투스는 어디에서 드러나는가?
3. 반론 — AI는 오히려 격차를 줄인다던데요?
4. 증폭기 가설: 신뢰의 방향이 결과를 가른다
5. 실전 6단계: 내 AI 아비투스 진단하기
6. 복사해서 쓰는 프롬프트 2개
7. 프롬프트를 고치는 팁 4가지
8. 흔한 실패 3가지와 교정법
9. 결과 확인 체크리스트
10. 자주 묻는 질문

1. 아비투스란 무엇인가 — 30초 정의

피에르 부르디외는 『구별짓기』(Harvard University Press, 1984 / 원저 1979)에서 취향이 개인의 선택이 아니라 위치의 산물이라고 했습니다. 아비투스(habitus)는 그 위치에서 오래 살아온 결과로 몸에 밴 지각·판단·행동의 성향 체계입니다. 무엇을 좋아하는지가 아니라 무엇을 자연스럽다고 느끼는지입니다.

부르디외의 도구는 네 개입니다. 경제자본(돈), 문화자본(몸에 밴 안목과 능력), 사회자본(연결망), 상징자본(평판). 그리고 이 자본들이 작동하는 판을 장(場, field)이라 부릅니다.

여기서 이 글에 결정적인 개념이 하나 더 있습니다. 히스테리시스(hysteresis) — 장이 바뀌었는데 성향은 그대로 남아 어긋나는 상태입니다. 부르디외는 이를 돈키호테에 빗댔습니다. 기사도가 사라진 세상에서 기사도의 규칙으로 계속 진지하게 싸우는 사람. 능력이 없는 게 아니라 판이 바뀐 걸 몸이 아직 모르는 상태입니다.

AI의 장은 몇 달 단위로 바뀝니다. 성향은 20년에 걸쳐 몸에 뱄습니다. 이 시차가 이 글의 주제입니다.

2. AI 시대의 아비투스는 어디에서 드러나는가?

취향이 아니라 명령문에서 드러납니다. 근거는 한국 자료 두 건입니다.

(1) 접근은 퍼졌고, 투자는 쏠렸습니다. 과학기술정보통신부 「2025 인터넷이용실태조사」(2026-03-31 발표, 22,671가구·50,750명)에서 생성형 AI 경험률은 2024년 33.3%에서 2025년 44.5%로 11.2%p 올랐습니다. 그런데 유료 구독률은 전체 7.9%에 그칩니다. 직업별로 보면 경험률은 사무직이 71.9%로 가장 높은데, 유료 구독률 1위는 전문·관리직 20.6%입니다. 지역도 갈립니다. 경험률 1위는 세종(53.2%)·대전(53.1%)인데 유료 구독률 1위는 서울 11.4%입니다. 써 본 사람이 가장 많은 곳과 돈을 내는 사람이 가장 많은 곳이 다릅니다. 경제자본이 문화자본으로 전환되는 지점이 여기입니다.

(2) 같은 도구에 시키는 일이 다릅니다. 정보통신정책연구원 KISDI STAT Report 26-04(2026-04-15, 오주현)는 한국미디어패널 2024·2025년 자료로 이용 목적을 갈랐습니다. 2025년 전체 이용자의 목적은 일상 정보검색 42.5%, 업무 24.6%, 학업 16.0% 순입니다. 그런데 종사상 지위로 나누면 이렇게 벌어집니다.

집단	업무 목적	특징적 목적
고용주	53.8%	업무 중심
단독자영업자	25.9%	혼재
무급가족종사자	6.9%	일상 정보검색 85.8%

이용률 자체도 임금근로자 39.7%, 고용주 20.5%, 단독자영업자 12.6%, 무급가족종사자 6.6%로 갈립니다. 보고서는 그 원인을 "조직 내 교육 기회나 동료 간 정보 공유 등 사회자본의 차이"로 지목합니다. 정부 출연 연구기관의 통계 보고서가 부르디외를 인용하지 않은 채 부르디외의 단어를 쓴 겁니다.

이 방향은 한국만의 일이 아닙니다. Anthropic이 자사 사용 데이터를 분석한 Economic Index 2026년 6월 보고서는, 과제 구성 차이를 보정한 뒤에도 소득이 낮은 경제권일수록 AI를 더 자동화(위임) 방식으로 쓴다고 보고합니다. 같은 도구를 두고 어디서는 협업으로, 어디서는 대행으로 쓰는 갈림이 국가 단위에서도 관찰됩니다.

히스테리시스도 숫자로 보입니다. 40대 이상은 이용 목적의 50% 이상이 일상 정보검색입니다. 검색창에 키워드를 넣던 20년짜리 성향이 대화형 도구 앞에서도 그대로 작동합니다. 미이용 사유도 갈립니다. 60대는 25.3%, 70대 이상은 26.1%가 "이용 방법을 몰라서"라고 답한 반면, 12~19세는 68.2%가 "관심 또는 필요가 없어서"라고 답했습니다. 앞은 접근의 문제고 뒤는 필요를 느끼는 위치의 문제입니다. 처방이 서로 다릅니다.

3. 반론 — AI는 오히려 격차를 줄인다던데요?

맞습니다. 그리고 이 반론은 강합니다.

Brynjolfsson·Li·Raymond가 콜센터 상담원 5,179명을 분석한 NBER Working Paper 31161에서 AI 도입은 시간당 처리 건수를 평균 14% 올렸는데, 신입·저숙련 상담원은 34% 올랐고 숙련자에게는 거의 효과가 없었습니다. 격차가 압축된 겁니다. 논문은 그 이유를 "AI가 유능한 작업자의 모범 사례를 전파한다"고 설명합니다.

그런데 정반대 결과도 있습니다. Dell'Acqua 등이 컨설턴트 758명을 대상으로 한 사전등록 현장실험(Organization Science 37권 2호, 2026)에서, AI 능력 범위 안쪽 과제는 완료율 12.2%↑·속도 25.1%↑·품질 40%↑였지만, 능력 범위 바깥 과제에서는 AI를 쓴 쪽이 19%p 더 나빴습니다. 저자들은 이 울퉁불퉁한 경계를 '재기드 프론티어(jagged technological frontier)'라 불렀습니다.

두 결과는 모순이 아닙니다. 과제의 성격이 다릅니다.

정답이 정해져 있고 채점이 가능한 좁은 과제에서 AI는 격차를 압축합니다. 무엇을 물을지, 어디까지 믿을지를 스스로 정해야 하는 열린 과제에서 AI는 격차를 증폭합니다.

콜센터 응대에는 모범답안이 있습니다. 컨설팅 과제에는 없습니다. 그리고 우리 일의 대부분은 후자입니다.

4. 증폭기 가설: 신뢰의 방향이 결과를 가른다

증폭이 일어나는 기제를 보여주는 연구가 있습니다. Lee 등이 지식노동자 319명의 실제 사용 사례 936건을 조사한 Microsoft Research·CMU 연구(CHI 2025)의 결론은 이렇습니다. AI에 대한 신뢰가 높을수록 비판적 사고를 덜 하고, 자기 능력에 대한 신뢰가 높을수록 비판적 사고를 더 합니다. 그리고 비판적 사고의 무게중심이 '생성'에서 '검증과 통합'으로 옮겨갑니다.

이 세 가지를 겹치면 원문 어디에도 없는 판단이 하나 나옵니다.

AI 시대의 아비투스를 결정하는 것은 AI를 다루는 능력이 아니라, AI에게 무엇을 시킬 수 있다고 상상하는 범위입니다. 무급가족종사자의 85.8%가 정보검색에 쓴 것은 능력이 부족해서가 아닙니다. 그 위치에서는 그 이상을 시킬 일이 잘 떠오르지 않기 때문입니다. 그리고 그 상상의 범위는 KISDI가 지목한 대로 조직 안의 교육 기회와 동료의 사용 사례에서 옵니다. 사회자본이 먼저고 능력은 나중입니다.

여기에 실무적으로 반가운 함의가 하나 있습니다. 개인이 당장 통제할 수 있는 변수는 딱 하나, 내가 실제로 시킨 일의 목록입니다. 그건 셀 수 있습니다. 그래서 진단이 가능합니다.

5. 실전 6단계: 내 AI 아비투스 진단하기

각 단계는 입력 → 행동 → 기대 결과 순입니다. 기대 결과가 안 나오면 다음 단계로 넘어가지 마세요.

1단계 — 최근 대화 30건 모으기 입력: 평소 쓰는 챗봇 계정. 행동: 대화 목록을 열어 최근 30건의 제목과 첫 질문 한 줄을 복사합니다. 전체 기록이 필요하면 Claude는 설정 → Privacy → Export data로 내려받을 수 있습니다(공식 도움말 기준일 2026-07-08). 기대 결과: 제목 | 첫 질문 한 줄 형식 30줄이 메모장에 있습니다. 30건이 안 되면 15건으로 낮추고 그 사실을 적어 둡니다.

2단계 — 다섯 갈래로 분류하기 입력: 30줄 목록. 행동: 아래 기본형 프롬프트를 그대로 붙여넣고 목록을 이어 붙입니다. 기대 결과: 검색형·생성형·위임형·검증형·설계형 5칸 표와 각 비율이 나오고, 비율의 합이 100%입니다. 100%가 아니면 다시 시킵니다.

3단계 — 기준선과 대조하기 입력: 2단계 표. 행동: 내 '검색형' 비율을 한국 전체 평균 42.5%와, '위임형+설계형' 합을 고용주 집단의 업무 목적 53.8%와 나란히 적습니다. 기대 결과: 검색형 나 __% / 전체 42.5%, 위임+설계 나 __% / 고용주 53.8% 두 줄이 나옵니다. 두 숫자 차이가 ±10%p 밖이면 그 방향이 이번 달의 교정 지점입니다.

4단계 — 한 번도 안 시킨 일 3개 찾기 입력: 1~3단계 결과 + 내 직무 한 줄. 행동: 아래 고급형 프롬프트를 실행합니다. 기대 결과: 내 기록에 한 번도 없었던 과제 유형 3개와 각각의 첫 프롬프트 초안이 나옵니다. 이미 해 본 일이 섞여 있으면 "기록에 이미 있는 유형은 제외"를 덧붙여 다시 시킵니다.

5단계 — 판단 기준을 도구에 고정하기 입력: 내가 결과물을 받아들이거나 물리는 기준 10줄(예: "숫자에는 출처와 기준일이 없으면 쓰지 않는다"). 행동: Claude Projects의 프로젝트 지침이나 Gemini의 Gem 지침에 저장합니다. Claude Projects는 무료 계정도 최대 5개까지 만들 수 있습니다(공식 도움말 기준일 2026-07-23). Gemini Gems는 Explore Gems → New Gem에서 역할·과제·맥락·형식 네 축으로 지침을 씁니다(공식 안내, 확인일 2026-09-03). 기대 결과: 새 대화 3개를 돌렸을 때 그 기준이 묻지 않아도 반영됩니다. 3개 중 1개라도 안 되면 기준 문장이 추상적인 겁니다 — 판별 가능한 문장으로 고쳐 씁니다.

6단계 — 2주 뒤 재측정 입력: 2주치 새 대화. 행동: 2단계 프롬프트를 그대로 다시 돌립니다. 기대 결과: 설계형+검증형 합이 최소 5%p 올라갔습니다. 안 올랐으면 성향이 아니라 업무 구조가 원인일 가능성이 큽니다 — 4단계의 미개척 과제 중 하나를 실제 업무 일정에 넣으세요.

6. 복사해서 쓰는 프롬프트 2개

기본형 — 사용 성향 분류기

당신은 사용 로그 분석가입니다. 아래 AI 대화 목록을 다섯 갈래로 분류하세요.

[검색형] 사실·정보를 물어본 것
[생성형] 초안·문장·이미지를 만들게 한 것
[위임형] 판단 없이 결과물까지 맡긴 것
[검증형] 내가 만든 것을 검토·반박하게 한 것
[설계형] 절차·기준·구조 자체를 같이 짠 것

규칙:
- 각 항목을 하나의 갈래에만 넣습니다. 애매하면 [애매]로 두고 이유를 한 줄 적습니다.
- 표로 출력: 갈래 | 건수 | 비율(%) | 대표 사례 2개
- 비율의 합은 반드시 100%입니다.
- 칭찬·격려·총평을 쓰지 마세요. 근거 없는 추정도 금지입니다.
- 마지막에 "가장 적은 갈래"와 "가장 많은 갈래"만 각 한 줄로 적습니다.

대화 목록:
[여기에 30줄 붙여넣기]

바꿔 넣을 자리는 [여기에 30줄 붙여넣기] 하나입니다. 실제 입력 예시는 이런 모양입니다.

연말정산 서류 뭐 필요해? | 회사에서 뭘 내라는지 정리해줘
제안서 초안 | 30억 규모 공공사업 제안서 목차 잡아줘
이 계약서 위험한 조항 있나 | 내가 쓴 초안인데 반박해줘

고급형 — 미개척 과제 발굴기

역할: 당신은 직무 분석가입니다. 아부하지 않고 사실만 말합니다.

입력 1) 내 직무: [직무를 한 줄로]
입력 2) 내 주간 반복 업무 5개: [업무1, 업무2, 업무3, 업무4, 업무5]
입력 3) 앞선 분류 결과: [검색형 __%, 생성형 __%, 위임형 __%, 검증형 __%, 설계형 __%]

과제:
1. 입력 3의 분포에서 비어 있는 갈래를 찾습니다.
2. 그 갈래에 해당하면서, 입력 2의 업무와 직접 맞닿는 과제를 3개 제안합니다.
3. 제안한 과제가 입력 3의 기록에 이미 있는 유형이면 제외하고 다시 고릅니다.

제약:
- 일반론 금지. 내 업무 이름이 들어가지 않은 제안은 버립니다.
- 각 과제는 90분 안에 첫 결과가 나오는 크기여야 합니다.
- 성과가 얼마나 오른다는 식의 수치 약속을 쓰지 마세요.

출력 형식(과제당 4줄):
- 과제명:
- 왜 지금까지 안 시켰는지에 대한 가설:
- 성공을 판별하는 문장 1개:
- 그대로 복사할 첫 프롬프트:

대괄호 변수는 셋입니다. [직무를 한 줄로]에는 "공공기관 대상 AI 교육 강사"처럼, [업무1…]에는 "제안서 작성, 교안 개정, 정산 처리, 문의 응대, 사례 수집"처럼, [검색형 __%…]에는 기본형 프롬프트가 뱉은 숫자를 그대로 넣습니다.

7. 프롬프트를 고치는 팁 4가지

팁 1 — 출력 형식을 먼저 못 박습니다. 표의 열 이름과 합계 조건까지 적으면 다시 시킬 일이 절반으로 줍니다. 위 기본형의 "비율의 합은 반드시 100%"가 그 장치입니다.

팁 2 — 칭찬을 명시적으로 금지합니다. 자기 사용 습관을 물으면 모델은 격려로 흐릅니다. 진단이 필요한 자리에서 격려는 노이즈입니다.

팁 3 — 나쁜 예 → 개선 예로 비교해 보겠습니다.

[나쁜 프롬프트]
내가 AI를 잘 쓰고 있는지 봐줘.

무엇을 보고 무엇으로 답할지가 없습니다. 모델은 일반론을 돌려줍니다.

[개선 프롬프트]
아래 대화 30건을 검색형/생성형/위임형/검증형/설계형으로 분류하고
갈래 | 건수 | 비율 | 대표 사례 2개 표로만 답하세요.
비율 합은 100%. 총평·칭찬 금지. 애매한 항목은 [애매]로 두고 이유 한 줄.

바뀐 것은 세 가지입니다. 판단 기준(다섯 갈래), 출력 형식(표), 금지 조항(총평·칭찬). 같은 질문인데 돌아오는 것이 다릅니다.

팁 4 — 반례를 요구합니다. 결과를 받은 뒤 이 분류가 틀렸다면 어디가 가장 먼저 틀렸을지 두 가지만 짚어라를 붙이면, 제목만 보고 잘못 분류한 항목이 자주 걸려 나옵니다.

8. 흔한 실패 3가지와 교정법

실패 1 — 분류가 전부 '검색형'으로 몰립니다. 증상: 90% 이상이 검색형으로 나옵니다. 원인: 대화 제목만 넣어서 맥락이 안 보입니다. 제목은 대개 첫 질문에서 자동 생성되므로 검색처럼 보입니다. 교정: 제목 옆에 첫 질문 한 줄을 반드시 붙입니다. 그래도 몰리면 대화당 마지막 질문 한 줄까지 넣습니다.

실패 2 — 모델이 내 사용을 칭찬합니다. 증상: "이미 다양하게 활용하고 계십니다" 같은 문장이 먼저 나옵니다. 원인: 역할과 금지 조항을 안 줬습니다. 교정: 당신은 사용 로그 분석가입니다 + 칭찬·총평 금지 두 줄을 넣고, 출력에 숫자 이외의 문장이 나오면 다시 시킵니다.

실패 3 — 남의 기준선을 내 목표로 삼습니다. 증상: 고용주 53.8%를 목표로 잡고 위임형을 억지로 늘립니다. 원인: 그 숫자는 목표치가 아니라 다른 직군의 관찰값입니다. 게다가 위임을 늘리면 Dell'Acqua의 19%p 함정에 그대로 걸립니다. 교정: 첫 2주는 목표 없이 로그만 쌓아 내 기준선을 만들고, 그다음부터 그 기준선 대비로만 움직입니다.

9. 결과 확인 체크리스트

• 분류표의 비율 합이 100%이고, [애매] 항목에 이유가 한 줄씩 붙어 있다
• 검색형 나 __% / 전체 42.5% 대조 문장이 실제로 적혀 있다
• 미개척 과제 3개가 전부 내 업무 이름을 포함하고 90분 크기다
• 판단 기준 10줄을 넣은 뒤 새 대화 3개에서 묻지 않아도 반영된다
• 2주 뒤 재측정에서 설계형+검증형 합의 변화를 %p로 적었다

10. 자주 묻는 질문

아비투스를 한 문장으로 정의하면? 오래 살아온 위치가 몸에 남긴, 무엇을 자연스럽게 느끼는지에 대한 성향 체계입니다.

AI 아비투스는 '디지털 격차'와 뭐가 다른가요? 디지털 격차는 접근과 이용 여부를 봅니다. AI 아비투스는 이미 다 쓰고 있는 사람들 사이에서 무엇을 시키는지를 봅니다. 경험률 44.5%와 유료 구독률 7.9%의 간격, 고용주 53.8%와 무급가족종사자 6.9%의 간격이 그 자리입니다.

유료 구독을 하면 격차가 줄어드나요? 줄어드는 것은 접근 격차뿐입니다. 전문·관리직 유료 구독률이 20.6%로 가장 높다는 사실은 돈이 원인이라는 뜻도 되지만, 그 직군이 시킬 일이 더 많은 위치에 있다는 뜻이기도 합니다. 구독을 먼저 하고 시킬 일을 못 찾으면 그대로 남습니다.

AI를 많이 쓸수록 좋은 건가요? 아닙니다. AI 능력 범위 바깥 과제에서는 쓴 쪽이 19%p 더 나빴습니다. 많이 쓰는 것보다 어디서 안 쓸지 아는 것이 더 어렵고 더 비쌉니다.

팀 단위로 해도 되나요? 됩니다. 다만 개인 대화 기록은 사생활이므로 각자 분류표만 익명으로 모으고 원문은 공유하지 마세요. KISDI가 격차의 원인으로 사회자본을 지목한 만큼, 팀에서 얻는 이득은 순위표가 아니라 사용 사례의 유통에 있습니다.

다음 행동

오늘 30분을 잡고 13단계까지만 하세요. 분류표 한 장과 대조 문장 두 줄이면 충분합니다. 그 표에서 가장 비어 있는 칸이 당신의 히스테리시스가 남아 있는 자리입니다. 46단계는 그 칸을 보고 나서 정해도 늦지 않습니다.

출처 (확인 기준일 2026-09-03)

• 과학기술정보통신부, 「2025 인터넷이용실태조사」 결과 발표 보도자료 (2026-03-31) — 대한민국 정책브리핑
• 오주현, 「AI 포용 관점에서 본 생성형 인공지능(AI) 이용 격차: 인지, 이용, 활용」, KISDI STAT Report Vol. 26-04 (2026-04-15) — 정보통신정책연구원
• Brynjolfsson, Li & Raymond, "Generative AI at Work", NBER Working Paper 31161 — NBER
• Dell'Acqua et al., "Navigating the Jagged Technological Frontier", Organization Science 37(2), 2026, 403–423 — INFORMS
• Lee et al., "The Impact of Generative AI on Critical Thinking", CHI 2025 — Microsoft Research
• Anthropic Economic Index 보고서 (2026-01-15 / 2026-06-26) — Anthropic
• Pierre Bourdieu, Distinction (Harvard University Press, 1984; 원저 1979) — HUP
• Claude Projects 공식 안내(2026-07-23 갱신) — Anthropic Support

이 글의 한계

• KISDI와 과기정통부 수치는 자기보고 설문입니다. 실제 사용 로그가 아닙니다.
• 무급가족종사자 등 일부 집단은 표본이 작아 보고서 자체가 해석에 주의를 당부합니다. 절대 수치보다 집단 간 방향 차이로 읽으시길 권합니다.
• 콜센터·컨설팅 실험 결과를 다른 직무에 그대로 옮길 수 있다는 근거는 없습니다. 이 글은 두 실험의 부호가 반대라는 사실만 씁니다.
• 6단계 절차는 이 글에서 설계한 것이고, 효과를 측정한 대조 실험은 없습니다. 얻는 것은 성과 향상이 아니라 분포를 숫자로 보는 것입니다.
• 부르디외 해석은 표준적인 요약이며 학술적 논쟁을 정리한 것이 아닙니다.