
생성형 AI가 답해 줬다고 해서, 그 답은 사실일까?
생성형 AI가 일상으로 빠르게 들어오면서 50·60대에게도 새로운 숙제가 생겼다. 이제 문서를 작성하고, 여행 계획을 세우고, 어려운 용어를 설명받고, 아이디어를 얻는 데 AI를 활용하는 일이 특별하지 않다. 문제는 AI를 사용할 수 있느냐가 아니다. AI가 내놓은 결과 가운데 무엇을 믿고 무엇을 다시 확인해야 하는지를 판단할 수 있느냐가 더 중요해졌다.
생성형 AI의 가장 큰 특징은 질문에 자연스러운 문장으로 답한다는 점이다. 바로 이 편리함이 함정이 될 수 있다. 틀린 내용도 자신감 있는 문장으로 제시될 수 있기 때문이다. 존재하지 않는 자료나 부정확한 통계, 잘못된 날짜와 인물 정보를 실제 사실처럼 구성할 가능성도 있다. 따라서 생성형 AI를 사용하는 사람에게 필요한 첫 번째 능력은 프롬프트를 멋지게 만드는 기술이 아니라 답변을 그대로 믿지 않는 태도다.
UNESCO도 생성형 AI 시대의 미디어·정보 리터러시에서 정보의 신뢰성, 허위·오정보, 개인정보와 데이터 권리 등을 중요한 과제로 제시한다. 단순한 기술 사용 능력을 넘어 정보를 비판적으로 평가하고 디지털 환경을 안전하게 이용하는 역량이 필요하다는 것이다.
이 문제는 50·60대에게 더욱 중요하다. 이 세대는 업무와 사회 경험, 삶의 판단 기준이라는 강력한 자산을 가지고 있다. 반면 생성형 AI라는 새로운 정보 환경에는 이제 막 진입한 사람이 적지 않다. 그래서 교육의 출발점을 ‘어떤 버튼을 누르는가’에만 두면 부족하다. 무엇을 질문하고, 어떤 답을 의심하며, 어디에서 원문을 확인할 것인지를 함께 가르쳐야 한다.
AI를 잘 쓰는 능력보다 먼저 필요한 것은 ‘AI를 의심하는 능력’이다
생성형 AI를 검색엔진과 같은 것으로 생각하면 첫 단추부터 잘못 끼울 수 있다. 검색은 관련 문서와 정보를 찾아가는 과정에 가깝지만 생성형 AI는 학습한 패턴과 주어진 맥락을 바탕으로 답변을 만들어 낸다. 따라서 자연스럽고 논리적인 문장이라고 해서 그 내용까지 사실이라는 보장은 없다.
여기서 AI 리터러시가 필요하다. AI 리터러시는 단순히 챗봇에 질문을 입력하고 결과를 복사하는 능력이 아니다. AI가 무엇을 할 수 있고 무엇을 잘하지 못하는지 이해하며, 결과의 신뢰성을 평가하고, 개인정보·저작권·편향과 같은 문제까지 고려하면서 책임 있게 사용하는 능력에 가깝다.
한국에서도 고령층을 대상으로 한 AI 교육이 확대되고 있다. 한국지능정보사회진흥원은 2025년 60세 이상 662명을 대상으로 실생활 AI 교육을 제공한 사례를 소개했다. 또한 2024 디지털정보격차 실태조사에는 고령층의 디지털정보화 수준뿐 아니라 AI 서비스 관련 조사 항목도 포함됐다. 이는 시니어의 AI 활용 문제가 단순한 개인 취미가 아니라 디지털 포용의 문제로 확장되고 있음을 보여준다.
그렇다고 50·60대를 ‘디지털에 약한 세대’라는 하나의 틀로 규정해서도 안 된다. 같은 연령대라도 직업, 학력, 디지털 경험, 스마트폰 사용 능력, 정보 탐색 습관은 크게 다르다. 오히려 중요한 것은 기존 경험을 AI 시대의 판단 능력과 연결하는 것이다.
직장에서 보고서를 수없이 검토했던 사람이라면 AI의 문서도 같은 방식으로 검토하면 된다. 사업 경험이 있는 사람이라면 지나치게 좋은 조건을 제시하는 AI의 분석을 사업 제안서 검토하듯 따져볼 수 있다. 결국 50·60대에게 필요한 AI 교육은 삶의 경험을 버리고 새로운 기술을 처음부터 외우게 하는 교육이 아니라, 축적된 판단력을 새로운 정보 환경에서 다시 작동시키는 교육이어야 한다.
질문하는 기술보다 중요한 것은 ‘검증하는 습관’이다
AI 교육 현장에서 흔히 강조되는 것이 프롬프트 작성법이다. 구체적으로 질문하고 역할을 부여하며 원하는 출력 형식을 지정하면 더 나은 결과를 얻을 수 있다는 설명이다. 물론 필요하다. 그러나 좋은 프롬프트가 정확한 사실을 보장하지는 않는다.
그래서 50·60대가 생성형 AI를 배울 때는 질문법과 검증법을 동시에 익혀야 한다. 특히 건강, 금융, 세금, 법률, 정부 지원 정책처럼 잘못된 판단이 실제 손실로 이어질 수 있는 분야에서는 더욱 그렇다.
예를 들어 AI가 “2026년 정부가 중장년층에게 이런 지원금을 지급한다”고 답했다고 가정해 보자. 이때 바로 신청 방법을 따라가는 것이 아니라 먼저 정책의 정확한 명칭을 확인해야 한다. 이어 담당 정부 부처나 공공기관의 공식 자료가 실제로 존재하는지 찾아보고, 시행 연도와 신청 기간, 대상 조건을 확인해야 한다. AI가 제시한 링크가 있다면 링크의 존재 여부와 해당 기관의 공식 주소인지까지 살펴야 한다.
통계도 마찬가지다. “연구에 따르면 70%가 효과를 봤다”는 문장을 만났다면 세 가지 질문을 던져야 한다. 누가 조사했는가, 언제 조사했는가, 원자료는 어디에 있는가이다. 이 세 질문에 답할 수 없다면 숫자가 아무리 구체적이어도 일단 보류하는 편이 안전하다.
이미지와 영상은 한 단계 더 복잡하다. AI가 만든 인물의 얼굴과 목소리가 실제와 매우 비슷해지면서 ‘눈으로 보았으니 사실’이라는 판단 기준도 흔들리고 있다. 2026년 국내 연구에서는 65세 이상 60명과 65세 미만 60명을 포함한 120명을 대상으로 AI 영상의 진위 판단 어려움에 영향을 미치는 요인을 조사했다. 특히 권위 단서가 포함된 합성 영상의 진위 판단 문제를 다뤘다는 점은 주목할 만하다. 다만 이 연구 하나를 모든 50·60대의 특성으로 일반화해서는 안 된다.
이제 정보 검증은 전문가만 하는 일이 아니다. 생성형 AI를 사용하는 모든 사람이 갖춰야 할 생활 기술이 됐다.
출처·날짜·통계·이미지, 네 가지만 확인해도 달라진다
50·60대에게 정보 검증을 가르칠 때 복잡한 이론부터 설명할 필요는 없다. 오히려 반복해서 사용할 수 있는 간단한 기준을 만드는 것이 효과적이다.
첫째는 출처다. “어디에서 나온 정보인가?”를 묻는 습관이다. 정부 정책이라면 정부나 공공기관 자료를, 기업의 서비스와 가격이라면 해당 기업의 공식 정보를, 연구 결과라면 논문이나 연구기관의 원문을 우선 확인해야 한다.
둘째는 날짜다. 생성형 AI가 알려준 정보가 과거에는 맞았지만 지금은 달라졌을 수 있다. 특히 지원 사업, 세금, 금리, 법령, 제품 가격, 여행 정보처럼 자주 바뀌는 분야에서는 정보가 작성되거나 수정된 시점을 반드시 확인해야 한다.
셋째는 통계다. 숫자는 사람에게 강한 신뢰감을 준다. 그래서 숫자가 등장할수록 더 확인해야 한다. 조사 기관, 표본, 조사 시기, 원자료가 있는지 살펴보는 습관이 필요하다. 출처를 확인할 수 없는 정밀한 수치는 오히려 경계 신호로 보는 편이 낫다.
넷째는 이미지와 영상이다. 이미지 검색, 원본 게시물 확인, 여러 언론이나 기관의 자료 비교 등을 활용해야 한다. 유명인이나 전문가가 등장하는 영상이라도 계정의 진위와 최초 게시 출처를 확인할 필요가 있다.
마지막으로 하나를 더 추가한다면 ‘교차 확인’이다. 중요한 정보는 하나의 AI 답변이나 하나의 게시물만 보고 결정하지 않는 것이다. 최소 두세 개의 독립된 신뢰 가능한 출처에서 같은 내용을 확인하는 습관이 필요하다.
UNESCO가 미디어·정보 리터러시를 AI 시대의 핵심 역량으로 강조하는 이유도 여기에 있다. 디지털 기술을 사용할 줄 아는 것만으로는 충분하지 않으며, 정보를 비판적으로 해석하고 허위·오정보를 구별하는 능력이 함께 필요하다. UNESCO는 성인 교육자를 위한 미디어·정보 리터러시 과정에서도 허위정보 대응과 생성형 AI 활용을 주요 학습 영역으로 다루고 있다.
50·60대의 경험에 AI 검증 능력을 더하면 강력한 경쟁력이 된다
생성형 AI 시대에 50·60대가 젊은 세대와 똑같은 속도로 새로운 앱을 익혀야 할 필요는 없다. 더 중요한 경쟁력은 이미 가지고 있는 경험에 AI 활용 능력을 결합하는 것이다.
30년 동안 제조업에서 일한 사람에게는 현장의 맥락을 판단하는 경험이 있다. 오랫동안 자영업을 운영한 사람에게는 고객과 비용을 보는 감각이 있다. 행정과 교육, 농업, 영업, 회계 등 각 분야에서 축적한 경험도 마찬가지다. 생성형 AI는 이러한 경험을 대신하는 존재라기보다 정리하고 확장하는 도구로 사용할 때 가치가 커진다.
예를 들어 보고서의 초안을 AI에게 맡길 수 있다. 그러나 사실관계와 숫자는 사람이 확인해야 한다. 여행 일정을 만들게 할 수도 있다. 그러나 영업시간과 교통편, 가격은 공식 정보를 다시 찾아봐야 한다. 투자 관련 개념을 쉽게 설명하게 할 수 있지만 실제 투자 판단은 금융기관의 공식 자료와 자신의 재무 상황을 바탕으로 내려야 한다. 건강 관련 질문의 이해를 돕는 데 활용할 수 있지만 진단과 치료 결정은 의료 전문가와 공식 의료 정보를 기준으로 해야 한다.
이 원칙을 한 문장으로 정리하면 간단하다.
“AI는 답을 주지만, 판단은 내가 한다.”
생성형 AI 교육의 목표도 이 문장을 중심으로 다시 설계할 필요가 있다. 첫 시간에 가입 방법과 메뉴부터 알려주는 대신 “AI는 틀릴 수 있다”는 사실부터 알려줘야 한다. 두 번째로 좋은 질문을 만드는 방법을 배우고, 세 번째로 AI가 내놓은 답변에서 검증해야 할 문장을 찾아보게 해야 한다. 마지막에는 실제 공식 자료와 비교하면서 오류를 찾아보는 실습까지 이어져야 한다.
이렇게 해야 AI 교육이 단순한 기능 교육에서 시민의 정보 판단 능력을 키우는 교육으로 바뀐다.

AI 시대의 진짜 격차는 ‘사용 여부’보다 ‘판단 능력’에서 벌어진다
50·60대에게 생성형 AI는 위협이 될 수도 있고 새로운 기회가 될 수도 있다. 그 차이를 만드는 것은 나이가 아니라 AI의 답을 대하는 태도다.
빠르게 질문하는 사람보다 정확하게 확인하는 사람이 강하다. 많은 프롬프트를 외운 사람보다 언제 AI를 의심해야 하는지 아는 사람이 안전하다. AI의 답변을 그대로 복사하는 사람보다 자신의 경험과 공식 자료를 바탕으로 수정하고 판단하는 사람이 결국 더 높은 가치를 만들어 낸다.
따라서 50·60대를 위한 생성형 AI 교육은 ‘챗GPT 사용법’이라는 이름에 머물러서는 안 된다. 질문 설계, 출처 확인, 날짜 검증, 통계 검증, 이미지·영상 판별, 개인정보 보호, 저작권 이해, 교차 검증까지 포함하는 AI 리터러시 교육으로 확장돼야 한다.
국립국어원의 문장 문법성 연구 역시 한국어 문장의 문법성·수용성을 객관적 자료를 통해 평가하려는 접근의 중요성을 보여준다. AI가 자연스러운 한국어 문장을 생성한다고 해서 내용의 사실성까지 확보되는 것은 아니라는 점과 구별해서 이해할 필요가 있다.
결국 우리가 AI에게 물어야 할 질문도 달라져야 한다.
“AI가 무엇을 알려줄 수 있는가?”만 묻지 말고 “나는 이 답이 맞는지 어떻게 확인할 것인가?”까지 물어야 한다.
50·60대가 생성형 AI 시대에 반드시 배워야 할 것은 AI보다 빨리 답하는 기술이 아니다. AI가 내놓은 답을 한 번 더 의심하고, 원문을 찾아보고, 자신의 경험과 비교해 최종 판단을 내리는 능력이다. 그 능력이야말로 AI가 더 강력해질수록 가치가 높아지는 인간의 경쟁력이다.
오늘부터 작은 습관 하나를 시작해 보자. 생성형 AI에게 중요한 정보를 물었다면 답변을 바로 사용하지 말고 “이 내용의 근거와 출처를 제시해 줘”라고 다시 질문한 뒤, 제시된 출처가 실제 존재하는지 직접 확인해 보자.





