여덟 차시를 한 장의 지도로

📖 예시 답안 정확도는 맞힌 비율일 뿐, 틀린 사람이 몇 명이고 어떻게 틀렸는지를 말해 주지 않는다. 2차시에서 민감도 95%·특이도 90%인 검사를 유병률 1%인 1만 명 마을에 놓았더니 양성 판정 1,085명 중 진짜 환자는 95명, 곧 양성예측도 8.8%였다. 열 명 중 아홉이 헛짚음이다. 게다가 인구를 5천만으로 키워도 이 비율은 변하지 않고 억울해지는 사람 수만 늘어난다.
그러므로 세 가지를 더 물어야 한다. ① 얼마나 드문 일인가(유병률) — 드물수록 양성예측도가 무너진다. ② 민감도와 특이도를 따로 알려 달라 — 정확도 하나에는 둘이 뭉쳐 있다. ③ 몇 명에게 쓸 것인가 — 같은 비율이라도 규모가 커지면 틀린 사람 수가 함께 커진다. 덧붙여 누구에게 틀리는지(집단별 성능)도 물어야 한다. 그것은 2단원 3차시와 이 단원 7차시가 다룬 것이다.

📖 예시 답안 사라지는 단위는 직업이 아니라 업무다. 4차시에서 직업을 업무로 쪼개 점수를 매겼더니 직업 사이의 폭보다 한 직업 안 업무들의 폭이 더 컸다. 같은 직업 안에서도 어떤 업무는 거의 자동화되고 어떤 업무는 거의 안 된다는 뜻이다. 그러므로 "이 직업이 사라진다"보다 "이 직업의 이 업무가 줄고, 저 업무가 남는다"가 정확하다.
다만 이 계산이 놓치는 것이 있다. ① 가정에 크게 흔들린다 — 채점 방식을 평균에서 최대 병목으로 바꾸자 아홉 자리 중 일곱이 뒤집혔고, 요리사는 62.9%에서 20.8%로 떨어졌다. ② 새로 생기는 일과 제도를 못 센다 — 이 모형은 지금 있는 업무만 본다. 비용·법·사회적 합의가 자동화를 늦추거나 막는 것도 세지 못한다. 그래서 이 점수는 예언이 아니라 생각의 도구다.

📖 예시 답안 두 가지가 문제다. 첫째, "공정하게"가 무엇인지 정하지 않았다. 7차시에서 확인했듯 공정성에는 최소 세 가지 뜻이 있고 (집단별 선발률을 같게 / 오탈락률을 같게 / 정밀도를 같게), 기준점 하나로 셋을 동시에 맞출 수 없다. 그러니 "공정하게 하자"는 무엇을 하라는 말인지 정해지지 않은 문장이다.
둘째, 누가 · 언제 · 무엇을 하는지가 없다. 지킬 사람도 확인할 방법도 없는 문장은 규약이 아니다.
고쳐 쓰면 이렇게 된다 — "채용에 AI를 쓰는 곳은, 합격자를 발표하기 전에 지원자 집단별 오탈락률을 계산해 공개하고, 집단 사이 차이가 5%포인트를 넘으면 그 까닭을 함께 밝힌다. 지원자는 탈락 사유를 물을 수 있고, 회사는 30일 안에 답한다."
여기에는 어느 공정성을 골랐는지(오탈락률), 누가(채용에 AI를 쓰는 곳), 언제(발표 전), 무엇을(계산·공개·설명), 그리고 이의 제기 절차가 들어 있다.