모든 인사이트

기술과 교육 기록

전문성은 강한 말투보다 근거와 한계 설명에서 드러난다

단정적인 말투가 더 빨리 퍼지는 온라인 환경에서 진짜 전문성과 권위 흉내는 말투만으로는 잘 구분되지 않는다. 강한 확신은 말의 스타일일 수 있지만 전문성은 근거를 다루는 방식이다. Royal Society의 과학 조언 기준을 바탕으로, 출처와 반론 가능성, 검증 구조, 그리고 무엇이 아직 불확실한지를 설명하는 태도가 어떻게 진짜 전문성을 드러내는지 정리한다.

전문성은 강한 말투보다 근거와 한계 설명에서 드러난다

온라인에서 사람들은 종종 가장 단정적으로 말하는 사람을 전문가처럼 받아들인다. 하지만 정보 환경이 시끄러워질수록, 진짜 전문성과 권위 흉내는 말투만으로는 거의 구분되지 않는다. 오히려 확신이 강한 문장이 더 빨리 퍼지고, 조심스러운 설명은 약해 보이기 쉽다.

문제는 실제 전문성이 원래부터 조심스러운 경우가 많다는 데 있다. 특히 과학, 정책, 보건처럼 불확실성을 다루는 분야에서는 모든 답을 이미 안다고 말하는 쪽보다, 무엇이 확인됐고 무엇이 아직 불확실한지를 구분하는 쪽이 더 전문가답다.

정보 환경이 시끄러울수록 ‘믿을 만한 정보’는 더 힘들게 보인다

Royal Society의 온라인 정보 환경 보고서는 인터넷이 지식 접근을 넓혔지만, 동시에 주목 경쟁이 너무 심해져 신뢰할 만한 정보를 전달하는 일이 더 어려워졌다고 설명한다. 같은 보고서는 과학적 불확실성이 원래 과학 방법의 핵심인데도, 전문가 사이의 논쟁이 길어지면 대중에게는 오히려 혼란으로 보일 수 있다고 짚는다.

즉 혼란의 원인은 전문가가 갑자기 무능해졌기 때문만은 아니다. 불확실한 것을 불확실하다고 말해야 하는 구조와 짧고 강한 확신이 더 잘 퍼지는 플랫폼 구조가 서로 부딪히기 때문이다.

그래서 진짜 전문성은 ‘모른다’를 설명할 수 있어야 한다

Royal Society가 과학 조언의 신뢰 조건을 정리한 자료를 보면, 좋은 과학 조언은 개방성과 투명성, 관련 분야 전반의 전문성, 독립성, 최신 과학 반영, 불확실성의 명확한 설명을 갖춰야 한다고 말한다. 같은 자료는 신뢰할 만한 조언 주체의 특징으로 넓은 기반, 공정성, 과학의 방법과 가치에 대한 이해, 개방성, 적절한 동료 검토를 제시한다.

이 기준은 과학 기사나 정책 논평을 읽을 때도 꽤 유용하다. 진짜 전문성은 보통 다음 질문을 견딘다.

  • 이 주장의 근거는 어디에서 왔는가
  • 반대 근거나 한계는 무엇인가
  • 누가 검토했고, 어떤 절차를 거쳤는가
  • 말하는 사람이 모르는 부분을 숨기지 않는가

반대로 가짜 전문성은 이런 질문을 싫어한다. 근거를 설명하기보다 지위와 말투로 밀어붙이고, 한계를 말하기보다 확신을 과장하고, 검증 구조보다 개인 권위를 앞세우는 식이다.

강한 확신과 전문성은 같은 것이 아니다

많은 사람이 이 둘을 헷갈린다. 하지만 실제로는 다르다.

  • 강한 확신은 말의 스타일일 수 있다.
  • 전문성은 근거를 다루는 방식이다.

전문가는 늘 단정적이어야 하는 사람이 아니다. 오히려 여기까지는 안다, 여기부터는 더 연구가 필요하다, 이 결론은 이런 전제 위에서만 유효하다를 구분할 수 있는 사람이 더 전문가에 가깝다.

이 점은 불편할 수 있다. 사람들은 흔들리지 않는 답을 듣고 싶어 하기 때문이다. 하지만 공공 문제에서 필요한 것은 늘 자신감 넘치는 목소리보다, 불확실성을 감당하면서도 판단 가능한 설명이다.

그래서 전문가를 볼 때는 태도보다 구조를 봐야 한다

전문성을 판단할 때 유용한 기준은 의외로 소박하다.

  • 출처가 공개되어 있는가
  • 반론 가능성을 인정하는가
  • 동료 검토나 기관 검증 구조가 있는가
  • 최신 정보가 반영되어 있는가
  • 비전문가도 이해할 수 있게 설명하려 하는가

이 기준을 적용하면, 알아듣기 어렵게 말하는 사람이 꼭 전문가가 아니라는 점도 같이 보인다. 설명을 어렵게 만드는 것은 전문성의 증거가 아니라, 때로는 검증을 피하는 방식일 수도 있다.

확인한 사실의 범위를 넘겨 믿지 않기

출처를 찾았더라도 무엇을 확인한 것인지 나눠야 한다. 어떤 개발자가 특정 팀에서 일했다는 사실과, 그 사람이 추천한 도구가 우리 프로젝트의 성능을 높인다는 주장은 서로 다른 증거가 필요하다. 소속 확인이 성능 검증을 대신하지는 않는다.

다음은 글이나 발표를 검토할 때 쓸 수 있는 자체 기록 예시다.

주장 확인할 자료 확인 뒤에도 남는 질문
해당 기능이 제공된다 제품의 공식 기능 문서 우리 버전과 플랫폼에서도 지원되는가
특정 조건에서 더 빨랐다 측정 환경과 비교 방법이 공개된 결과 같은 조건을 재현할 수 있는가
우리 팀에도 적합하다 실제 작업에 적용한 작은 시험 도입·유지 비용까지 감당할 수 있는가

이렇게 주장을 분리하면 한 부분이 맞았다는 이유로 나머지까지 사실로 취급하는 일을 줄일 수 있다. 반대로 한 항목이 틀렸다고 다른 근거까지 자동으로 폐기할 필요도 없다. 확인한 범위, 남은 불확실성, 다음에 확인할 자료를 각각 적는 것이 이 글에서 제안하는 검토 방법이다.

공식 사이트의 재인용도 원발언과 구분한다

마이크로소프트 공동창업자 빌 게이츠에게 붙는 ‘개인용 컴퓨터는 640KB의 메모리면 충분하다’는 문구를 보자. KB는 메모리 용량을 나타내는 킬로바이트의 약자다. 마이크로소프트 사이트에 보관된 2014년 개발자 잡지 MSDN Magazine의 칼럼은 이와 같은 취지의 말을 게이츠의 발언으로 소개한다. 그러나 작성자는 칼럼니스트 데이비드 플랫이며, 게이츠가 실제로 그 말을 했다는 당시 기록을 제시하지는 않는다. 공식 도메인에 보관된 글이라는 사실만으로 그 안의 모든 인용이 당사자의 발언 기록이 되는 것은 아니다.

다른 종류의 자료도 있다. 언론인 제임스 팰로스는 2002년 《뉴욕 리뷰 오브 북스》 글에 게이츠에게 직접 받은 이메일을 실었다. 그 서신에서 게이츠는 해당 인용을 부인하고, 당시 메모리 한계가 오래가지 못할 것으로 생각했다고 설명한다. 이는 게이츠가 그 인용을 부인했다는 당사자 기록이다. 부인했다는 사실만으로 과거에 그런 말을 한 적이 전혀 없음을 완전히 증명할 수는 없지만, 출처가 불분명한 문구를 확정된 ‘전문가의 실언’으로 소개하기에는 중요한 반대 자료다.

출처를 검토할 때는 기관명에 더해 작성자, 기록의 종류, 발언 시점, 앞뒤 문맥을 확인해야 한다. 후대의 칼럼이 전하는 말인지, 당시의 발언 기록인지, 나중에 당사자가 내놓은 해명인지를 구별하면 같은 문장이 반복된 횟수를 독립적인 증거의 수로 오인하는 일을 줄일 수 있다.

핵심 정리

온라인 정보 환경에서 진짜 전문성과 권위 흉내를 구분하는 가장 좋은 방법은, 누가 더 단단한 말투를 쓰는지 보는 것이 아니다. 근거, 투명성, 검증 구조, 그리고 불확실성을 어떻게 설명하는지를 보는 편이 훨씬 낫다.

전문성은 모든 것을 확실히 안다고 말하는 데서 나오지 않는다. 무엇이 확인됐고 무엇이 아직 논쟁 중인지, 어떤 근거가 있고 어떤 한계가 있는지를 숨기지 않는 태도에서 더 또렷하게 드러난다.

참고 자료

모든 인사이트로 돌아가기

관련 기록

에세이

거짓말은 자신을 지키는 도구로 시작해도 쉽게 커지고 관계를 약하게 만든다

거짓말은 늘 순수한 악의에서만 시작하지 않지만, 자기보호용 거짓말도 반복되면 점점 커지고 상대의 판단을 흐린다. Nature Neuroscience와 관련 연구는 부정직이 둔감해지는 적응 과정과 함께, 거짓말을 자주 쓰는 사람일수록 사회적 연결감 자체가 약해질 수 있음을 보여 준다. 체면 때문에 정정을 늦추기보다 작을 때 바로잡는 습관의 가치를 짚는다.

이야기 읽기
에세이

경제적 차이가 있는 연애를 다룰 때 필요한 것은 전략보다 솔직한 대화다

연애에서 경제적 차이는 분명한 현실이지만, 관계를 무너뜨리는 것은 차이 자체보다 그 차이를 둘러싼 침묵과 추측, 해석의 엇갈림이다. 한쪽의 배려를 다른 쪽이 통제로 읽기 시작하면 격차는 더 커진다. 상대를 점수화하는 전략보다 불편한 돈 이야기를 솔직하게 꺼내고 기대를 맞춰 가는 대화가 관계를 더 오래 가게 만든다는 점을 Pew와 CFP Board 자료와 함께 짚는다.

이야기 읽기
에세이

큰 목표를 이번 주에 확인할 수 있는 작업으로 나누기

‘포트폴리오를 만든다’는 목표를 이번 주에 정리할 프로젝트 설명과 검토 날짜로 바꿔 본다. 목표 설정 연구가 구체적이고 도전적인 목표와 피드백을 어떤 조건에서 다루는지 살펴보고, 큰 방향을 작게 확인 가능한 작업으로 나누는 방법을 정리한다.

이야기 읽기