Data literacy - 퍼스널라이징의 함정

4장 3절.

퍼스널라이징의 함정: 더는 우연이 없는 세상

우리는 지금 모든 것이 개인화된 세상에 살고 있다. ‘너를 위한 추천’은 더 이상 특별한 기술이 아니다. 이제는 기본이다.

• 넷플릭스는 내가 좋아할 영화만 보여주고
• 유튜브는 내가 끝까지 볼 만한 영상만 추천한다
• 쿠팡은 내가 한 달 뒤에 다시 살 것 같은 제품을 먼저 띄워준다
• 스포티파이는 내가 좋아하는 음악만 골라 플레이리스트를 만들어준다

이건 기적 같고, 너무나 편리한 일이다. 하지만 그 편리함의 끝에 무엇이 있는지는, 아무도 말해주지 않는다.

“다 알고 있으니까, 넌 생각 안 해도 돼.”

개인화의 핵심은 이거다.

“너는 이미 이런 걸 좋아하잖아.”
“네가 예전에 이런 걸 봤으니까, 이번에도 분명히 좋아할 거야.”

 

추천 시스템은 나의 선택을 대신하고, 내가 뭘 좋아할지 미리 판단하고, 그 판단을 내 앞에 놓는다.

처음엔 이게 너무 좋다. 생각할 필요도 없고, 새로운 걸 탐색할 필요도 없다. 알고리즘이 알아서 다 해주니까.

하지만 어느 순간 깨닫게 된다. 내가 진짜 원하는 게 뭔지, 이제는 스스로도 잘 모르겠다는 걸

개인화는 ‘편리함’과 ‘무기력’을 동시에 만든다

선택지가 줄어들수록 편해진다. 그건 사실이다. 하지만 그 선택지가 나를 위한 것처럼 보이는 순간, 그건 오히려 나를 가두는 벽이 된다.

1. 넌 이런 사람이라고 이미 정의돼 있으니까
2. 다른 걸 보여줄 필요는 없다고 판단되고
3. 결국 새로운 것을 만날 기회가 사라진다

결국 ‘나답게 사는 것’처럼 보이지만, 그건 과거의 데이터를 반복 재생하는 삶일 뿐이다.

우연이 사라진 세상에서, 진짜 나를 만날 수 있을까?

진짜 취향은 어디서 만들어지는 걸까? 우리는 모두 한 번쯤은, 전혀 의도하지 않은 순간에 어떤 콘텐츠, 사람, 이야기와 마주치면서 자신의 취향을 새롭게 발견했던 경험이 있다.

• 우연히 듣게 된 낯선 음악이 평생의 플레이리스트가 되거나
• 친구가 아무 생각 없이 던진 영화 추천이 인생 영화가 되기도 하고
• 서점에서 책등 하나가 눈에 띄어 운명처럼 읽게 되는 책도 있다

그런데 지금은?

우연이 설 자리가 없다. 개인화는 예측을 기반으로 하기 때문에 예외와 예측 불가능한 선택을 구조적으로 배제한다.

모든 것은 ‘내 취향’인데, 왜 지루할까?

이건 단순한 콘텐츠 소비의 문제가 아니다. 이제 우리는 쇼핑도, 뉴스도, 친구도, 심지어 연애조차도 개인화된 알고리즘 위에서 한다.

“전부 내가 좋아하는 건데, 왜 점점 피로할까?”
“새로움이 없는 느낌인데, 싫은 건 아니야.”
“편하긴 한데, 이게 진짜 나일까?”

 

이건 개인화의 역설이다. 나를 위해 최적화된 세상일수록 나 자신을 확인하고 확장할 기회는 줄어든다.

의외성의 부재는, 감정의 평탄화를 부른다

감정은 대비에서 발생한다. 익숙함과 낯섦이 교차할 때, 우리는 흥미와 자극, 공감과 몰입을 느낀다.

• 예측 가능한 콘텐츠
• 알고리즘에 의해 계산된 구조
• 반복되는 나와 비슷한 선택

이 모든 게 감정을 무디게 만든다. 감정이 얕아지고, 반응은 피로해지고, 자극은 무력해진다.

이건 단지 ‘재미없음’의 문제가 아니라, 삶이 단조로워지는 문제다.

개인화된 세상에서 나를 다시 찾기 위한 질문

• 최근에 내가 선택하지 않은 걸 본 적 있나?
• 예상 밖의 콘텐츠와 언제 마지막으로 마주쳤나?
• 내가 좋아하는 게 정말 ‘나’가 좋아하는 걸까, 시스템이 좋아하라고 준 걸까?
• 요즘 내 취향은 어떻게 바뀌었지?

이 질문들을 통해 우리는 정체되어 있던 데이터 기반의 ‘나’에서 흐름을 가진 인간으로 다시 돌아올 수 있다.

퍼스널라이징은 진보가 아니라, 프레임일 수 있다

우리는 이렇게 생각한다. “맞춤형 서비스는 더 나은 삶을 만들어준다.”

하지만 실제로는, 과거의 패턴으로 미래를 예측하는 기술일 뿐이다.

• 맞춤형 뉴스는 내 세계를 좁히고
• 맞춤형 콘텐츠는 새로운 가능성을 덮어버리며
• 맞춤형 쇼핑은 내 소비 성향을 고정시킨다

‘나답게 산다’는 말은, 알고리즘이 짜준 세계 속에서 ‘예측 가능한 나’를 살아간다는 말이 되어버린다.

우연은 사라졌고, 선택은 정해졌고, 그러면서도 나는 여전히 자유롭다고 믿는다.

그게 퍼스널라이징의 함정이다. 그리고 그 함정을 인식한 순간부터, 우리는 다시 스스로를 정의할 수 있다.

[목차] Part1. 데이터는 왜 우리를 속이는가

[1장. “이 숫자, 진짜일까?”]

• 1-1. 매출이 200% 늘었다는데, 진짜 대박일까? ( Data literacy - 기저 효과 )
• 1-2. 평균의 함정: 내 월급은 왜 항상 평균보다 낮을까? ( Data literacy - 평균의 함정 )
• 1-3. 97%의 만족? 그 3%가 될 수 있는 나 ( Data literacy - 자기 선택 편향 )
• 1-4. 표본, 샘플, 응답률 — 누구 말을 믿을까? ( Data literacy - 비응답 편향 )

[2장. “그래프는 거짓말을 하지 않는다?”]

• 2-1. Y축만 깎았을 뿐인데 매출이 폭등했다 ( Data literacy - Y축 자르기 )
• 2-2. 누적 그래프와 막대 그래프 사이의 간극 ( Data literacy - 누적과 막대 그래프 )
• 2-3. 이중축 그래프, 도대체 뭘 비교하자는 거지? ( Data literacy - 상관관계와 인과관계 착각의 함정 )
• 2-4. 그래프는 ‘보여주는’ 게 아니라 ‘숨기는’ 도구일 때가 많다 ( Data literacy - 선택된 수치의 힘

[3장. “그래프는 거짓말을 하지 않는다?”]

• 3-1. 선택된 수치의 힘 ( Data literacy - 팩트가 많으면 진실에 가까운가? )
• 3-2. 데이터를 만든 사람의 입장 ( Data literacy - 데이터를 만든 사람의 입장 )
• 3-3. 중립을 가장한 편향 ( Data literacy - 중립을 가장한 편향 )
• 3-4. 팩트가 많으면 진실에 가까운가? ( Data literacy - 팩트가 많을수록 진실에 가까워질까? 

[4장. “당신이 클릭하는 순간, 데이터는 당신을 읽는다”]

• 4-1. 추천 알고리즘은 왜 내 취향을 이렇게 잘 알까? ( Data literacy - 추천 알고리즘은 왜 내 취향을 이렇게 잘 알까? )
• 4-2. 내가 뭘 본 줄 아는 ‘그들’의 시선 ( Data literacy - 내가 뭘 본 줄 아는 ‘그들’의 시선 )
• 4-3. 퍼스널라이징의 함정: 더는 우연이 없는 세상 ( Data literacy - 퍼스널라이징의 함정 )
• 4-4. 내가 만든 데이터가 나를 규정하는 순간 ( Data literacy - 내가 만든 데이터가 나를 규정하는 순간 )