더 많은 통제권을 원하는 사람들을 위해 도서관이 응답하며 ‘AI 피하기’ 워크숍이 화제

techcrunch librarians 보도는 빅테크가 좀처럼 인정하지 못해 온 갈등을 포착했다. 많은 사람은 AI를 도입해야 할 또 하나의 이유가 아니라, AI를 덜 원한다. 미국 여러 도시의 도서관은 원치 않는 인공지능 기능을 끄는 방법을 다루는 워크숍으로 이 수요에 응답하고 있다.

이 세션들은 익숙한 AI 리터러시 모델을 뒤집는다. 참가자들은 여전히 생성형 AI의 작동 방식을 배우지만, 실질적인 수업은 거부에 관한 것이다. 사서들은 사람들이 자신의 기기에서 어떤 시스템을 작동시킬지 선택할 수 있도록 설정, 대안, 우회 방법을 시연한다.

반응은 일반적인 컴퓨터 수업의 참석 규모를 넘어섰다. 이는 기술 기업들이 AI 도입을 피할 수 없는 진전으로 묘사하곤 한다는 점에서 중요하다. 이 워크숍들은 사용자가 여전히 확신하지 못한 상황에서도 제품이 기본 설정을 통해 확산될 수 있다는 또 다른 현실을 드러낸다.

‘AI 피하기’, 뜻밖의 도서관 인기 프로그램이 되다

소박한 기술 수업이 원치 않는 AI 기능에 대한 대중의 불만을 보여주는 가시적 지표가 됐다.

사우스 필라델피아 도서관의 사서 찰리 베일리는 2026년 6월 29일 한 시간짜리 ‘AI 피하기’ 워크숍을 열었다. 공식 행사 안내는 운영체제, 애플리케이션, 인기 웹사이트에서 AI 도구를 비활성화하는 방법을 제공한다고 안내했다.

필라델피아 세션에는 약 20명의 성인이 참석했다. 베일리는 소비자용 AI 시스템 개요로 시작한 뒤 참가자들의 휴대전화와 컴퓨터를 함께 살펴봤다. 실습 시연에는 Apple Intelligence와 Google Gemini 기능을 끄는 방법이 포함됐다.

이런 구성은 워크숍을 단순한 반기술 모임 이상으로 만든다. 참가자들은 누군가가 AI 도구를 사용할 수 있는 이유, 다른 사람이 사용을 자제할 수 있는 이유, 그리고 여전히 어떤 통제권을 행사할 수 있는지를 듣는다. 목표는 일률적인 거부가 아니라 충분한 정보를 바탕으로 한 선택이다.

베일리는 TechCrunch에 강요된 도구에 대한 불만이 이 프로그램의 계기가 됐다고 말했다. 사람들은 자신이 요청하지 않은 AI 기능을, 이미 사용하던 제품 안에서 마주하고 있었다. 일부 설정은 찾기 어려웠고, 다른 통합 기능은 부분적인 거부 옵션만 제공했다.

행사의 온라인 반응은 교실 수용 인원을 훨씬 웃돌았다. 원 보도에 따르면, 도서관의 Instagram 공지는 2,000개가 넘는 좋아요와 220회의 공유를 받았다. 베일리는 등록자가 첫 워크숍의 정원을 넘어서자 추가 세션을 잡았다.

이 수치는 해당 계정의 평소 참여도와 비교하면 더욱 두드러진다. TechCrunch는 많은 도서관 게시물이 많아야 수십 개의 좋아요를 받는다고 보도했다. 하나의 설정 워크숍이 바로 인근 지역을 훨씬 넘어 사람들에게 도달한 셈이다.

이 개념은 메인주 뱅고어 공공도서관의 디지털 미디어 사서 한나 사이러스에게서 시작됐다. 사이러스는 이용자들이 소프트웨어가 왜 이메일을 작성하고, 짧은 메시지를 요약하며, 일상적인 작업에 AI 생성 답변을 삽입하는지 반복해서 묻자 자신만의 ‘AI 피하기’ 수업을 만들었다.

그녀의 일반적인 컴퓨터 입문 수업은 보통 12명 안팎의 참가자를 모았다. 첫 ‘AI 피하기’ 워크숍 등록은 그녀가 강의실을 마감하고 대기자 명단을 만들며 원격 접속을 추가하기 전 30명에 도달했다. 온라인 시청자를 포함하면 첫 두 세션에는 각각 약 70명이 참석했다.

사이러스는 이후 워크숍 개발 과정에 관한 자료를 공개했다. 여러 지역의 수십 명 사서가 슬라이드와 안내를 요청하며 그녀에게 연락했다. 그녀는 이러한 전문적 반응이 이전의 교육 활동에서는 볼 수 없었던 수준이라고 설명했다.

이후 이 패턴은 확산됐다. 필라델피아, 메인, 보스턴의 사서들은 각 지역사회에 맞게 이 아이디어를 적용했다. 보스턴 공공도서관은 신뢰하기 어려운 결과물, 개인정보 우려, AI 기능을 제한하는 방법을 다루는 세션을 홍보했다.

이 수요가 techcrunch librarians 키워드 뒤에 있는 사건이다. 다만 이 수치가 전국적 도입 규모의 추정치라기보다 신호로서 더 중요하다. 소규모 공공 프로그램들이 기존의 AI 교육에서 종종 간과되는 청중을 발견하고 있다.

이 청중에게는 또 하나의 프롬프트 작성 세미나가 필요하지 않다. 이들이 원하는 것은 빠져나갈 출구의 지도다.

지금 AI 거부 수요가 늘어나는 이유

사용자가 자신에게 필요하다고 결정하기도 전에 소프트웨어 업데이트를 통해 기능이 도착하면 AI 피로감은 커진다.

소비자 AI 배포는 선택형 웹사이트를 넘어 운영체제, 검색 엔진, 이메일 서비스, 오피스 소프트웨어, 모바일 애플리케이션으로 옮겨갔다. 이 배포 전략은 사람들이 AI를 직접 찾아 나서지 않아도 기존 작업 흐름에 AI를 배치한다.

그 차이는 중요하다. 챗봇을 열기로 선택하는 것과 검색 페이지에서 생성 텍스트를 발견하거나 이메일에서 글쓰기 제안을 마주하는 것은 다르다. 전자는 의도적인 제품 선택이다. 후자는 플랫폼이 통제하는 기본 경험이다.

기본값은 도입에 필요한 노력을 줄이지만, 동의를 흐리기도 한다. 사용자는 기술적으로 거부할 수 있더라도 이를 알아낼 합리적인 경로가 없을 수 있다. 설정은 업데이트마다 바뀔 수 있고, 낯선 이름을 달 수 있으며, 기능의 일부만 비활성화할 수도 있다.

‘AI 피하기’ 워크숍은 기기 수준에서 이 공백을 다룬다. 사람들에게 제어 기능이 어디에 있는지, 그 제어가 실제로 무엇을 바꾸는지, 어떤 기능은 완전히 제거할 수 없는지를 보여준다. 이 과정은 AI 윤리에 관한 추상적 논쟁을 구체적인 설정 메뉴로 바꾼다.

개인정보 보호는 우려의 한 원천이다. 사람들은 텍스트, 이미지, 음성 녹음, 검색 기록 또는 기기 활동이 자신의 컴퓨터 밖으로 나가는지 알고 싶어 한다. 또한 제공업체가 그 정보를 보관하거나 모델 개선에 사용하는지도 이해하고 싶어 한다.

신뢰성도 또 다른 문제다. 생성형 AI는 학습된 패턴을 바탕으로 그럴듯한 순서를 예측해 새로운 텍스트를 만든다. 답변을 제시하기 전에 각 진술을 독립적으로 검증하지는 않는다. 소프트웨어가 정보를 요약하거나 확신에 찬 듯한 답변을 내놓을 때 이 차이는 중요해진다.

사이러스는 별도의 보도에서 이 한계를 직설적으로 요약했다. “생성형 AI는 정보를 생성하지 않는다. 단어를 생성할 뿐이다.” 이는 모든 결과물이 거짓이라는 뜻은 아니다. 유창한 표현이 증거 검증을 대체할 수 없다는 뜻이다.

메인주의 도서관 운동은 수업을 넘어 확장됐다. 시어스몬트 타운 도서관 관장 스티븐 브라운은 사이러스의 웨비나에 참석한 뒤 이용자들이 개인 기기에서 AI 기능을 제거하거나 제한하도록 돕기 시작했다.

브라운은 이 일을 선택권의 문제로 설명했다. 휴대전화는 특정 구성으로 출시되지만, 소유자가 항상 그 구성을 받아들여야 하는 것은 아니다. 사서는 낯선 기술적 결정을 관리 가능한 행동으로 번역할 수 있다.

청중에는 생성형 AI 뒤에 있는 경제·문화 시스템에 반대하는 사람들도 포함된다. 이들의 우려는 학습 데이터, 창작 노동, 환경 비용, 허위 정보, 감시, 기업 집중 등을 포괄한다.

단 하나의 워크숍으로 이런 논쟁을 해결할 수는 없다. 그러나 이를 통제권이라는 더 좁은 질문과 분리할 수는 있다. 누군가가 이메일 프로그램이 문장을 다시 작성하도록 허용할지 결정하기 전에 인공지능에 관한 완전한 이론을 알아야 해서는 안 된다.

이것이 AI 피하기가 디지털 리터러시의 일부가 되는 이유다. 리터러시는 모든 기술에 대한 의무적 열광을 뜻하지 않는다. 시스템의 이점, 한계, 대안을 평가할 만큼 충분히 이해하는 것을 뜻한다.

techcrunch librarians 보도가 주목받은 이유는 시장의 도입 서사가 불완전했기 때문이다. 제품 사용량은 반감과 함께 증가할 수 있다. 배포는 노출을 측정하지만, 항상 지지를 측정하는 것은 아니다.

TechCrunch의 사서들이 드러낸 기본값 도입의 문제

핵심 갈등은 사서 대 혁신이 아니다. AI 노출을 동의로 간주하는 제품 설계에 맞선 사용자 주체성의 문제다.

대형 기술 기업은 기존 제품 전반에 AI를 배치할 강력한 유인을 갖고 있다. 더 넓은 배포는 사용량, 피드백, 그리고 고객을 플랫폼 안에 유지할 기회를 만든다. 또한 AI 인프라에 투입되는 막대한 자원을 정당화하는 데도 도움이 된다.

사용자는 서로 다른 유인으로 같은 인터페이스에 접근한다. 이들은 검색을 완료하고, 메시지를 보내고, 문서를 정리하거나, 휴대전화를 사용하고 싶어 한다. AI 기능이 도움이 될 수도 있지만, 불확실성, 복잡함, 원치 않는 데이터 관계를 더할 수도 있다.

그 불일치가 바로 워크숍이 가시화하는 문제를 만든다. 플랫폼은 수백만 계정에서의 기능 도입을 최적화한다. 사서는 스위치를 찾지 못하는 개인에게 대응한다.

거부 옵션이 존재한다고 해서 의미 있는 선택이 제공되는 것은 아니다. 사용자는 먼저 기능이 활성화됐음을 알아차려야 한다. 그 이름을 이해하고, 제어 기능을 찾고, 비활성화의 결과를 평가해야 한다. 이후 소프트웨어 업데이트가 이러한 배치를 바꿀 수도 있다.

일부 AI 통합 기능은 다른 기능보다 끄기 쉽다. 기기 비서에는 명확한 설정 페이지가 있을 수 있다. 반면 검색 엔진은 영구적인 계정 수준 제거 옵션 없이 주요 검색 결과 경험에 요약을 넣을 수 있다.

필라델피아 워크숍 참가자들은 자신들의 우회 방법을 공유했다. 한 참석자는 Google 검색 주소에 &udm=14를 추가하면 웹 중심 결과 보기를 요청할 수 있다고 설명했다. 베일리는 그 문자열을 방의 화이트보드에 적었다.

이 장면은 도서관이 왜 이 역할에 적합한지를 보여준다. 기술 사용자들 사이에서만 공유되던 우회 방법도 누군가가 시연하고, 한계를 설명하고, 질문에 답하면 더 넓은 대중이 활용할 수 있게 된다.

이 교육은 사용자 통제권이 얼마나 불균등할 수 있는지도 드러낸다. 더 단순한 검색 경험을 얻기 위해 사람들이 쿼리 매개변수를 외워야 해서는 안 된다. 그럼에도 플랫폼의 인터페이스가 그렇지 못할 때, 작은 공유 지식 하나가 어느 정도 선택권을 되돌려줄 수 있다.

Apple, Google, Microsoft, Meta, OpenAI는 이 이야기에서 동일한 상대가 아니다. 각사의 제품, 설정, 사업 모델은 다르다. 이들을 하나의 기술 시스템으로 취급하면 중요한 차이가 가려진다.

그러나 이들은 하나의 배포 논리를 공유한다. 각 기업은 AI를 기존 디지털 환경의 일상적 일부로 만들 유인을 갖고 있다. 대중은 이 전략을 프롬프트, 요약, 비서, 글쓰기 도구, 추천 행동의 집합으로 마주한다.

‘AI 피하기’ 운동은 정상화가 논쟁의 끝이라는 가정에 도전한다. 기능은 신뢰를 얻기 전에 흔해질 수 있다. 피하려면 노력이 필요하기 때문에 널리 사용되는 상태로 남을 수도 있다.

이 구분은 제품팀에 중요해야 한다. 강제적인 노출은 단기 참여 지표를 개선할 수 있지만, 장기 신뢰를 훼손할 수 있다. 설정을 이해하거나 되돌릴 수 없는 사용자는, 그렇지 않았다면 가치를 인정했을 기능을 포함한 인접 기능까지 불신할 수 있다.

명확한 제어 기능이 반드시 도입을 줄이는 것은 아니다. 오히려 도입을 더 의미 있게 만들 수 있다. 기능이 무엇을 하는지 이해하고, 의도적으로 활성화하며, 이후 비활성화할 수 있는 사람은 기본값으로 집계된 사람보다 더 강한 신호를 제공한다.

따라서 techcrunch librarians 보도는 바이럴 워크숍 형식 이상의 것을 설명한다. 이는 기술 산업을 위한 이례적인 피드백 채널을 드러낸다. 도서관은 AI 우선 제품 설계가 만들어낸 지원 요청을 모으고 있다.

도서관은 거부를 디지털 리터러시로 바꾸고 있다

공공도서관은 제품을 판매하거나 분기 실적 목표를 지키려 하거나, 참여자에게 기술 전문성을 요구하지 않고도 AI 도입을 논의할 수 있다.

도서관은 오랫동안 사람들이 컴퓨터를 사용하고, 온라인 서비스를 이용하며, 정보를 평가하고, 기본적인 개인정보를 보호하도록 도왔다. 누군가에게 AI 어시스턴트를 제한하는 방법을 가르치는 일은 워크숍의 도발적인 이름이 암시하는 것보다 이러한 역사에 더 자연스럽게 부합한다.

이들의 기관적 위치는 중요하다. 플랫폼 제공업체는 자사의 제어 기능을 설명할 수 있지만, 이용이 계속될수록 이익을 얻는다는 점은 변하지 않는다. 도서관은 제품을 사용하지 않겠다는 결정을 포함해 이용자의 목표에서 출발할 수 있다.

이러한 독립성은 교실의 성격을 바꾼다. 참여자들은 기업의 관점을 먼저 받아들이지 않고도 특정 기능이 필요한지 물을 수 있다. 편의성과 개인정보 보호, 정확성, 창작 통제권, 혹은 단순한 선호를 비교할 수도 있다.

이 워크숍은 사람들이 흔히 혼자 겪는 우려를 함께 나눌 수 있는 사회적 환경도 만든다. 사용자는 다른 모든 사람이 AI 요약을 반기거나 이를 끄는 방법을 알고 있다고 생각할 수 있다. 등록자가 가득 찬 사실은 혼란과 회의가 널리 공유되고 있음을 보여준다.

Bailey는 필라델피아 참여자들 사이에 동료애가 형성됐다고 설명했다. 참석자들은 일방적인 강의를 듣는 대신 팁을 주고받았다. 사서는 구조를 제공했고, 참여자들은 다양한 기기와 애플리케이션에서 얻은 경험을 보탰다.

이러한 동료 요소는 AI 제어 기능이 분산되어 있기 때문에 중요하다. 한 명의 강사가 모든 휴대폰 버전, 브라우저 설정, 계정 유형, 소프트웨어 업데이트를 예상할 수는 없다. 공동체의 지식은 빈틈을 메우는 데 도움이 되지만, 모든 우회 방법은 여전히 검증이 필요하다.

더 넓은 공공 참여 분야는 이러한 확장된 리터러시 정의를 뒷받침한다. Association of Science and Technology Centers가 2026년에 발표한 공공 기관 프레임워크는 신뢰받는 학습 기관의 여러 역할을 제시한다.

이러한 역할에는 AI를 설명하고, 사람들이 안전 위험을 헤쳐 나가도록 돕고, 기술을 도입할지와 어떤 방식으로 도입할지에 관한 결정을 지원하는 일이 포함된다. 이 프레임워크는 도입을 바람직한 결과로 전제하기보다, 주체성을 교육적 성과로 다룬다.

또한 개인정보 보호, 편향, 허위정보, 사기와 관련된 위험도 인정한다. 박물관과 과학관은 도서관은 아니지만, 대중을 향한 사명을 공유한다. 두 기관 모두 전문 기술 분야 밖의 이용자를 위해 기술 시스템을 이해하기 쉽게 풀어낼 수 있다.

AI 회피 수업은 이 원칙을 특히 직접적인 방식으로 구현한다. 교육 과정은 시스템의 작동 방식에서 시작해 장단점을 살펴보고, 참여자가 선택한 행동으로 마무리할 수 있다.

보스턴 워크숍 안내는 이 모델을 따른다. 생성형 AI에 대한 설명, 신뢰성과 개인정보 보호에 관한 논의, 그리고 가능한 범위에서 기능을 비활성화하는 방법을 제공한다고 안내한다.

“가능한 범위에서”라는 표현은 핵심적이다. 머신러닝 시스템은 눈에 보이는 챗봇 인터페이스 없이도 많은 서비스 뒤에서 작동하기 때문에 완전한 회피는 어렵다. 스팸 필터, 추천 엔진, 사기 탐지, 콘텐츠 순위 지정에는 모두 자동화된 모델이 관여한다.

따라서 유용한 워크숍은 범위를 정의해야 한다. 눈에 보이는 생성형 기능을 끄는 것은 기기에서 모든 알고리즘을 제거하는 것과 다르다. 제품을 바꾸는 일 역시 한 종류의 데이터 관행을 다른 종류의 관행으로 교환하는 결과가 될 수 있다.

좋은 교육은 이러한 한계를 인정해야 한다. 그렇지 않으면 “AI 회피”는 어떤 사서도 지킬 수 없는 약속이 된다. 현실적인 목표는 더 나은 이해를 바탕으로 한 선택적 거부다.

이 모델은 회의적인 사람과 적극적으로 사용하려는 사람 모두에게 도움이 될 수 있다. 기능을 끄는 방법을 배운 사람은 그 기능이 어디에서 작동하고 어떤 정보를 다루는지도 알게 된다. 같은 지식은 기능을 다시 켜겠다는 더 신중한 결정을 뒷받침한다.

바이럴 수치가 증명하지 못하는 것

참석자가 몰린 워크숍은 충족되지 않은 수요를 보여주지만, 대부분의 소비자가 AI 제품을 포기하고 싶어 한다는 사실까지 입증하지는 않는다.

참석자 수치는 소수의 프로그램에서 나온 것이다. 하이브리드 도서관 세션에 70명이 참여한 것은 12명 규모의 컴퓨터 수업과 비교하면 놀랍다. 하지만 이는 대표성 있는 전국 설문조사가 아니다.

소셜 참여도 비슷한 한계가 있다. 도서관 게시물에 2,000개가 넘는 좋아요가 달렸다는 사실은 이 주제가 이례적으로 널리 퍼졌음을 보여준다. 그러나 얼마나 많은 사람이 기능을 끄고 그 선택을 유지했는지, 혹은 AI를 완전히 거부했는지는 알 수 없다.

이 명칭 자체가 여러 유형의 참여자를 끌어들일 수 있다. 일부는 원칙적으로 생성형 AI에 반대한다. 다른 이들은 특정 제품을 싫어하거나 자동 요약을 신뢰하지 않거나, 단지 방해를 줄이고 싶어 한다. 또 다른 집단은 선택하기 전에 기술을 이해하고 싶어서 참여할 수 있다.

이러한 동기를 하나의 반AI 집단으로 묶어서는 안 된다. 가장 강력한 교훈은 검증된 소비자 도입 붕괴가 아니라 통제권에 대한 수요에 관한 것이다.

기술적 조언의 유효 기간도 짧다. 기업은 메뉴, 기능 이름, 계정 요구 사항, 기본 동작을 바꾼다. 6월에 유효했던 워크숍 자료도 대규모 소프트웨어 업데이트 이후에는 불완전해질 수 있다.

사서들에게는 유지 관리 절차가 필요하다. 안내문에는 기기 버전을 명시하고, 테스트 날짜를 기록하며, 영구 설정과 임시 우회 방법을 구분해야 한다. 그렇지 않으면 이 프로그램은 해결하려는 바로 그 혼란을 만들 수 있다.

대안도 면밀히 살펴야 한다. 규모가 작은 브라우저나 검색 제공업체는 생성된 답변에 대한 노출을 줄일 수 있지만, 그 대신 다른 개인정보 보호, 보안, 접근성 측면의 상충 관계를 도입할 수 있다. “Big Tech가 아니다”라는 사실이 자동으로 품질을 보장하지는 않는다.

AI 리터러시를 회피만으로 규정할 위험도 있다. 사람들은 챗봇을 한 번도 열지 않더라도 조작된 미디어, 사기, 신뢰할 수 없는 요약, 자동화된 결정을 알아볼 수 있을 만큼 충분히 이해해야 한다.

거부와 인지는 서로 다른 능력이다. 누군가는 어시스턴트를 비활성화할 수 있지만, 여전히 소셜 미디어, 검색 결과, 고객 서비스, 다른 사람이 보낸 메시지를 통해 합성 콘텐츠를 마주할 수 있다.

가장 좋은 워크숍 모델은 세 층을 결합한다. 첫째, 시스템을 쉬운 언어로 설명한다. 둘째, 의미 있는 위험과 이점을 짚는다. 셋째, 하나의 정답을 강요하지 않으면서 참여자에게 실질적인 제어 방법을 제공한다.

업계 옹호자들은 AI 기능이 글쓰기, 접근성, 번역, 연구, 반복 업무에서 사람들을 돕는다고 합리적으로 주장할 수 있다. 일부 사용자는 이를 적극적으로 원한다. 이러한 도구를 일률적으로 제거하거나 억제하는 것은 한 가지 경직된 정책을 다른 정책으로 대체하는 일이 될 수 있다.

Bailey의 형식은 그렇게 보이지 않는다. 그는 사용을 자제해야 하는 이유를 제시하기 전에 가능한 활용 사례를 설명하는 것으로 알려졌다. 교육 과정의 초점은 전면 금지가 아니라 자율성에 있다.

Big Tech는 AI를 포기하지 않고도 이러한 비판에 답할 수 있다. 기업은 더 명확한 안내, 안정적인 설정, 진정한 옵트인 경로, 일반 사용자가 이해할 수 있는 문서를 제공할 수 있다. 핵심 기능과 실험적인 생성형 기능을 분리할 수도 있다.

techcrunch 사서 현상은 초기 홍보 효과가 사라진 뒤에도 워크숍이 계속 채워진다면 더 큰 의미를 갖게 될 것이다. 재참석, 새로운 도서관 시스템의 요청, 업데이트된 자료에 대한 지속적인 수요는 이러한 주장을 강화할 것이다.

현재로서는 제한된 표본에서 나온 뚜렷한 신호다. 기술 기업은 전통적인 제품 분석을 통해 이런 종류의 피드백을 좀처럼 받지 못하기 때문에, 바로 그 점에서 주목할 가치가 있다.

AI 회피가 지속될지 보여줄 세 가지 신호

다음 단계는 바이럴 워크숍이 지속 가능한 공공 인프라, 더 나은 제품 제어 기능, 혹은 짧게 끝나는 항의 형식으로 발전할지에 달려 있다.

첫 번째 신호는 확산이다. Cyrus는 자신의 접근 방식을 공유한 뒤 수십 명의 사서로부터 문의를 받았고, Maine, Philadelphia, Boston에서도 프로그램이 등장했다. 추가 도서관 시스템이 일회성 행사가 아니라 정기 수업을 개설한다면 이 움직임은 더 큰 의미를 갖게 된다.

정기 프로그램은 언론 보도 이후에도 수요가 유지된다는 점을 보여줄 것이다. 또한 공유 교육 과정, 업데이트 일정, 다양한 기기에 대한 안내가 필요해진다. 유지 관리되는 공공 자료는 흩어진 팁을 접근 가능한 소비자 지원 형태로 바꿀 수 있다.

두 번째 신호는 플랫폼 기업의 대응이다. Apple, Google, Microsoft, Meta 등 제공업체는 기술 개발 속도를 늦추지 않으면서도 AI 제어 기능 사용의 마찰을 줄일 수 있다.

업데이트 후에도 유지되는 설정, 데이터 처리 방식을 명확히 설명하는 기능, 관련 기능을 한곳에서 비활성화할 수 있는 방식을 지켜볼 필요가 있다. 설정 과정에서 진정한 옵트인을 제공한다면 더욱 강력한 대응이 될 것이다.

제어 기능을 더 쉽게 찾을 수 있게 된다면, 워크숍은 공식 캠페인 없이도 제품에 대한 기대치를 바꾸는 데 영향을 미친 셈이 된다. 기업이 AI를 피하기 어렵게 만든다면 불신이 깊어지는 동시에 참석자 수는 늘어날 수 있다.

세 번째 신호는 향후 AI 리터러시 프로그램의 내용이다. 도서관은 프로그램을 도입, 평가, 안전, 거부 트랙으로 나눌 수 있다. 이는 공동체에 적극적 사용자와 확고한 회의론자가 모두 존재한다는 점을 인정하는 방식이다.

더 폭넓은 교육 과정은 AI 회피가 단순한 반발 트렌드라는 주장을 약화시킬 것이다. 검증, 개인정보 보호, 접근성, 실용적 실험과 함께 거부를 정보에 기반한 기술 사용의 한 부분으로 정립하게 될 것이다.

독자 역시 자신의 기기에 같은 기준을 적용해야 한다. 어떤 AI 기능이 활성화되어 있는지, 어떤 정보를 처리하는지, 가치를 제공하는지, 이용 가능한 제어 기능이 자신의 선호와 맞는지 확인하라.

이러한 선택을 개인적으로 기록해 두면 소프트웨어 업데이트로 익숙한 설정이 바뀔 때 도움이 될 수 있다. 이 습관은 유용한 정보를 사용자의 통제 아래 체계적으로 정리하고 다시 찾을 수 있게 하는 더 넓은 개인 지식 관리에도 도움이 된다.

techcrunch 사서 이야기는 결국 제품 대시보드가 답할 수 없는 단순한 질문을 던진다. 사람들이 옵트아웃하기 어렵기 때문에 AI를 사용한다면, 도입은 실제로 무엇을 의미하는가?

도서관은 한 가지 답을 제시하고 있다. 사람들이 이해할 수 있는 정보와 질문할 장소, 실질적인 통제권을 제공하라. 그리고 어떤 기술이 자신의 삶에 들어올 자격이 있는지는 스스로 결정하게 하라.