MBTI는 이상하리만치 강력합니다. 소개팅에서, 면접에서, 심지어 팀을 꾸릴 때도 네 글자가 먼저 오갑니다. 그런데 한 발 떨어져 보면 질문이 생깁니다. 우리는 정말 그 검사가 정확해서 믿는 걸까요, 아니면 네 글자가 주는 안도감 때문에 믿는 걸까요. 이 글은 검사의 정확도를 따지자는 게 아닙니다. AI가 사람을 읽는 방식이 등장하면서, 자기 진단이라는 행위 자체가 어떻게 바뀌고 있는지를 보려는 것입니다.
라벨이 주는 안도감의 정체
사람은 모호함을 싫어합니다. 내가 어떤 사람인지 한마디로 설명되지 않을 때 불안하고, 그래서 깔끔한 라벨이 붙으면 마음이 놓입니다. MBTI의 진짜 인기 비결은 정확성이 아니라 이 안도감에 있습니다. “나는 이런 유형이라서 그래”라는 문장은 복잡한 나를 단숨에 정리해 주고, 동시에 변하지 않아도 될 핑계를 줍니다.
문제는 그 안도감이 가끔 성장의 발목을 잡는다는 점입니다. 라벨은 설명이 되는 순간 한계가 되기도 합니다. 내향형이라는 이유로 새로운 시도를 미루고, 계획형이 아니라는 이유로 즉흥을 합리화합니다. 진단의 목적이 자기이해였는데, 어느새 자기 합리화의 도구로 바뀌는 것입니다.
자기보고라는 구조적 빈틈
검사 자체로 들어가 보면 더 근본적인 빈틈이 보입니다. 거의 모든 성격 검사는 본인이 본인을 설명하는 자기보고에 기댑니다. 그런데 사람은 자기 자신에 대한 가장 신뢰하기 어려운 관찰자입니다. 보고 싶은 모습으로 답을 기울이고, 그날의 기분이 답을 흔듭니다.
흥미로운 건, 우리가 타인을 평가할 때는 그 사람의 말이 아니라 행동을 본다는 점입니다. 친구가 약속을 자주 어기면 “신중하다는 사람치고는”이라고 행동으로 판단합니다. 그런데 정작 나 자신을 진단할 때는 행동이 아니라 설문 답에 의존합니다. 타인에겐 행동 잣대를, 자신에겐 자기보고 잣대를 들이대는 이 비대칭이 검사가 빗나가는 구조적 이유입니다.
AI가 바꾸는 것: 답이 아니라 흔적을 읽다
여기서 변화가 시작됩니다. AI는 사람을 진단할 때 설문 답을 기다리지 않습니다. 흔적을 읽습니다. 내가 쓴 글의 톤, 결정의 패턴, 시간을 배분하는 방식 같은 행동의 자취에서 성향을 추론합니다. 타인을 판단하던 그 방식, 즉 행동 기반 추론을 처음으로 자기 진단에 적용할 수 있게 된 것입니다.
이건 단순한 도구 교체가 아닙니다. 진단의 재료가 바뀌는 사건입니다. 자기보고는 “내가 생각하는 나”를 측정하지만, 행동 기반 추론은 “실제로 움직인 나”를 봅니다. 둘은 종종 다르고, 그 간극이 바로 자기이해가 시작되는 지점입니다. AI가 잘해서가 아니라, AI가 우리에게 다른 거울을 들이밀어서 생기는 변화입니다.
다만, 새로운 함정도 함께 온다
그렇다고 AI 진단이 만능 거울은 아닙니다. 오히려 더 교묘한 함정이 따라옵니다. AI는 그럴듯하게 말하는 데 능해서, 근거가 빈약한 추론도 설득력 있게 포장합니다. 사람들은 “검사보다 똑똑한 AI가 말했으니 더 맞겠지”라고 쉽게 믿어 버립니다. 라벨에서 벗어나려다 더 그럴듯한 새 라벨에 갇히는 것입니다.
또 하나, AI에게 어떤 재료를 주느냐가 결과를 거의 결정합니다. 좋게 보이고 싶어 편집된 행동만 넣으면, AI도 결국 그 편향을 그대로 되돌려줍니다. 도구가 바뀌어도 자기보고 편향이 입구만 옮긴 채 살아남는 셈입니다. 결국 진단을 정직하게 만드는 건 알고리즘이 아니라, 솔직한 재료를 내놓을 용기입니다.
진단의 목적을 다시 묻기
그래서 정말 물어야 할 것은 “어떤 검사가 더 정확한가”가 아닙니다. “나는 왜 나를 진단하려 하는가”입니다. 한 칸에 안전하게 들어가 안심하려는 것인지, 아니면 내가 어떻게 움직이는 사람인지 더 알아서 나를 바꿔 보려는 것인지. 같은 진단 결과도 이 목적에 따라 전혀 다르게 쓰입니다.
AI 시대의 자기이해는 정답을 받는 일이 아니라 가설을 세우고 검증하는 일에 가까워집니다. 검사가 주던 확정적 라벨에서, 끊임없이 갱신되는 자기 관찰로의 이동입니다. 네 글자에 안심하는 대신, 내 행동을 데이터로 보고 계속 질문하는 사람. 도구가 어떻든, 결국 그 태도가 자기이해의 깊이를 가릅니다.
정리하며
MBTI를 버리자는 이야기가 아닙니다. 재미있는 대화의 소재로는 여전히 훌륭합니다. 다만 그 네 글자를 자기 자신에 대한 최종 판결처럼 들고 다니지는 말자는 것입니다. AI는 우리에게 답 대신 흔적을 읽는 거울을 건넸습니다. 그 거울을 정직하게, 그리고 의심하며 들여다보는 사람만이 더 선명한 자기 이해에 닿습니다.
자기보고 편향과 AI 행동 기반 진단의 차이를 사례로 풀어 본 영상은 유튜브 ‘AI 트렌드 마스터'(@aitrendmaster)에 있습니다. AI가 바꾸는 일상의 변화는 aitrend.kr에서 이어서 볼 수 있습니다.
작성자 소개
AITREND.KR News Letter
