주말이 돌아오면 수많은 문화생활 정보가 쏟아진다. 전시회 오픈런 소식, 뮤지컬 할인 공지, 팝업스토어 티저 영상까지. SNS 피드는 끝없이 새로운 볼거리를 제안하지만, 정작 선택의 순간이 되면 결정 장애가 찾아온다. 이러한 풍요 속에서 오히려 선택의 어려움을 겪는 현상은 문화 소비가 늘어날수록 더욱 뚜렷해진다. 데이터에 따르면 소비자들은 하루 평균 수백 개의 문화 콘텐츠 관련 정보에 노출되지만, 실제로 만족스러운 선택을 하는 비율은 생각보다 낮다고 한다. 선택지가 많아질수록 결정을 미루거나 후회할 확률도 함께 증가하는 것이다. 과연 인공지능 생활 정보는 이 혼란을 해결해줄 수 있는가. 나는 내 SNS 활동 기록을 AI가 분석해 완벽한 주말 문화생활을 제안해주는 알고리즘을 직접 의심하며 살펴보았다. 그 과정은 예상보다 복잡하고, 때로는 실망스러우며, 결국에는 나름대로 유용한 통찰을 남겼다.
AI 큐레이션 알고리즘은 기본적으로 사용자의 과거 행동 패턴을 데이터로 변환하는 것에서 출발한다. 좋아요를 누른 게시물의 주제, 저장한 게시물의 성격, 팔로우하는 계정의 유형, 심지어 각 콘텐츠에 머문 시간까지도 모두 분석 재료가 된다. 이 데이터를 종합하면 각 개인의 취향을 상당히 구체적으로 유추할 수 있다. 예를 들어 건축 사진을 즐겨 저장하는 사람에게는 건축 전시회를, 감성적인 일러스트에 반응하는 사람에게는 그림책 원화전을 제안하는 방식이다. 이 과정 자체는 놀라울 만큼 정교하다. 문제는 이 알고리즘이 놓치는 부분이다. 알고리즘은 데이터가 말해주는 것만 해석할 뿐, 데이터에 나타나지 않는 맥락은 전혀 고려하지 못한다. 한때 좋아했던 장르에 지쳤을 때, 그 변화를 알고리즘이 언제 감지할 수 있을지 의문이다.
실제로 AI가 추천한 문화생활 콘텐츠가 기대에 미치지 못한 사례는 흔하다. 지난주에 본 전시가 인상적이어서 비슷한 분야를 더 본 경우는 드물다. 오히려 새로운 영역에 대한 호기심이 생기는 순간, 알고리즘은 여전히 과거의 취향에 머물러 비슷한 유형만을 반복해서 제안한다. 그 결과 사용자의 관심사가 현재는 다르게 변했음에도 불구하고 시스템은 지난달의 데이터를 기반으로 추천을 유지한다. 이러한 한계를 극복하기 위해서는 알고리즘의 작동 원리를 이해하고 이를 보완하는 적극적인 사용법이 필요하다. AI를 맹신하기보다, AI가 제안한 정보를 하나의 참고 자료로 활용하되 최종 결정의 주도권은 스스로 쥐는 방식이 합리적이다. 내가 분석한 큐레이션 사용기는 이런 전제에서 출발해야 한다.
첫 번째 관찰은 AI 추천의 시간차 문제다. SNS 활동 데이터를 수집하고 분석하는 과정에는 일정한 시차가 발생한다. 오늘 본 전시회에 대한 감상과 취향 변화가 다음 주 추천에 반영될 가능성은 낮고, 적어도 수 주에서 수개월의 간격이 필요하다. 문화적 취향이 급격하게 변하는 사람이라면 AI의 추천은 언제나 늦은 감각을 보여준다. 계절 변화처럼 자연스러운 취향 변화조차 알고리즘은 데이터로만 판단하므로, 단순히 날씨가 더워지면서 실내 활동을 선호하게 되는 변화를 읽어내는 데도 시간이 걸린다. 반면 여러 기간의 데이터를 장기간 축적하면 비교적 안정적인 선호 경향성은 잘 포착해낸다. 한때 좋아했지만 지금은 흥미가 떨어진 장르와, 오랫동안 일관되게 좋아해온 장르를 AI가 구분하는 데에는 긴 시간이 필요하다.
두 번째 관찰은 추천의 편향성이다. AI 알고리즘은 대중적으로 검증된 콘텐츠에 가중치를 두는 경향이 있다. 관람객 수치가 높은 전시나 평점이 좋은 공연이 상대적으로 더 자주 추천되는 것은 이상할 것이 없다. 문제는 이러한 편향이 소수의 숨은 명작보다는 검증된 대형 전시만 반복해서 알려준다는 점에 있다. 실험적으로 일부러 기존 취향과 다른 주제의 콘텐츠에 반응해보면 알고리즘이 얼마나 빨리 새로운 방향으로 방향을 틀지도 확인할 수 있다. 어떤 경우에는 몇 번의 관심 표현만으로 새로운 장르 추천이 시작되지만, 어떤 경우에는 그 변화를 전혀 감지하지 못하고 기존 추천을 고수하기도 한다. 이러한 비일관성은 큐레이션 서비스의 신뢰도를 낮추는 핵심 요인이다.
그렇다면 이러한 AI 큐레이션을 생활에 활용하는 적절한 방안은 무엇일까. 첫째, 추천 결과를 그대로 따라가기보다는 초안으로 이해해야 한다. 구체적으로 AI는 과거에 좋아한 영역과 유사한 콘텐츠를 잘 찾아내므로, 검색과 관심 표현에 사용할 시간을 아끼는 데에는 유용하다. 둘째, AI가 제안한 전시나 공연의 상세 정보를 직접 확인할 때에는 공식 평론이나 관람객 후기를 함께 대조해야 한다. 다양한 출처의 정보를 비교하는 습관은 큐레이션의 맹점을 자연스럽게 보완해준다. 셋째, AI에 의존하는 것과 별개로 일부러 새로운 시도를 포함하는 원칙을 세우는 태도가 도움이 된다. 열 번의 추천 중 한 번은 AI가 고려하지 않은 전혀 새로운 분야를 직접 골라서 찾아가 보는 것이다. 구체적으로는 특정 콘텐츠의 장르를 번갈아가며 시도하거나, 지역 기반으로 기존에 방문하지 않은 문화공간을 선택해보는 방법이 있다.
인공지능 생활 정보가 완벽한 문화생활 비서가 될 수 없다는 것은 명확하다. 하지만 무작정 정보를 찾아 헤매는 수고를 덜어주는 보조 도구로서는 충분히 가치가 있다. 전시회와 공연의 선택은 결국 개인의 감성과 경험에 기반해야 한다. AI의 추천은 데이터의 언어로 쓰여진 일종의 단서일 뿐, 해석과 최종 선택이라는 창의적 과업은 사람에게 남아 있다. 진정한 큐레이션의 완성은 알고리즘보다 사용자인 우리의 몫이다. 주말에 어떤 전시를 볼지, 어떤 공연을 예매할지 고민될 때 AI가 건네는 목록을 살펴보되, 그 목록에 담긴 콘텐츠를 온전히 나의 것으로 소화하는 판단력을 기르는 것이 중요하다. 그래야 주말의 문화생활이 단순한 추천의 결과가 아니라 의미 있는 경험의 순간이 될 수 있다. 결국 인공지능 시대에 필요한 것은 더 똑똑한 알고리즘이 아니라, 알고리즘을 활용하는 더 똑똑한 태도일 것이다.