---
id: wiki-2026-0508-ai-literacy
title: AI Literacy
category: 10_Wiki/Topics
status: verified
canonical_id: self
aliases: [AI 문해력, AI fluency, AI competence, co-intelligence, AI education]
duplicate_of: none
source_trust_level: B
confidence_score: 0.85
verification_status: conceptual
tags: [ai-literacy, education, prompt-engineering, critical-thinking, ai-ethics, future-skills, productivity]
raw_sources: []
last_reinforced: 2026-05-09
github_commit: pending
inferred_by: Claude Opus 4.7 (manual cleanup 2026-05-09)
tech_stack:
  language: education / process
  applicable_to: [Education, HR, Self-development]
---

# AI Literacy

## 📌 한 줄 통찰 (The Karpathy Summary)
> **AI 사용 ≠ AI literacy**. 매 user 가 ChatGPT 사용 가능 가, "왜 이 답?", "이 답 가 신뢰?", "어떻게 더 잘?" 의 답 가 별 skill. **Understand + Utilize + Evaluate + Reflect** 의 4 dimension. 코딩 literacy 의 modern 후계자.

## 📖 구조화된 지식 (Synthesized Content)

### 4 dimension (Long et al. 2020 + Mollick "Co-intelligence")

1. **Understand**: AI / LLM 의 작동 원리.
   - Token / context window / hallucination.
   - Train data 의 cutoff.
   - 매 model 의 strength / weakness.
   - Pattern matching ≠ reasoning.

2. **Utilize**: 효과적 사용.
   - Prompt engineering (clear task, examples, constraints).
   - Tool / agent (Claude Code, Cursor).
   - Multi-step task 의 break down.
   - 매 model 의 적절 선택 (Opus 가 critical, Haiku 가 quick).

3. **Evaluate**: 결과 의 verification.
   - Hallucination detect (citation, fact-check).
   - Bias 인지 (training data 의 bias).
   - Source verification.
   - 자기 reasoning 의 sanity check.

4. **Reflect**: 윤리 / 사회 의 영향.
   - Privacy (매 prompt 가 server).
   - Bias 의 amplification.
   - Job displacement.
   - Misinformation potential.
   - 의존 / 의지 의 위험.

### Bloom's Taxonomy 식 (AI 의)
1. **Remember**: terminology (LLM, RAG, fine-tune).
2. **Understand**: concept (token, context, hallucination).
3. **Apply**: use ChatGPT / Claude 의 task.
4. **Analyze**: 매 output 의 quality / bias 의 critique.
5. **Evaluate**: 새 model / tool 의 verdict.
6. **Create**: prompt template / agent / 매 workflow.

→ 매 level 의 progressive skill.

### 매 audience 의 priority

#### General public
- AI 가 무엇 (LLM, image gen).
- ChatGPT / Claude 사용.
- Hallucination 인지.
- Privacy + scam 인지.

#### Professional (non-tech)
- 매 task 의 AI 활용 (writing, analysis).
- Prompt 의 효과적 작성.
- Output 의 critical review.
- Tool 의 적절 (research, coding, design).

#### Engineer
- API integration.
- RAG / fine-tune / agent.
- Cost / latency / quality optimization.
- Production eval.

#### Educator / parent
- Cheating 의 detect (hard).
- AI-augmented learning (Khan Academy).
- 학생 의 critical thinking.

#### Policymaker
- Regulation (EU AI Act, US EO).
- Bias / fairness.
- Job market impact.

### Common misconception 의 fix

- ❌ "AI 가 만물 알아" → 실제 = train cutoff + hallucination.
- ❌ "AI 가 sentient" → pattern matching.
- ❌ "AI = AGI 곧" → 매 capability 의 plateau / breakthrough cycle.
- ❌ "AI 가 magic" → train data + 알고리즘.
- ❌ "Prompt 가 고정" → iterate + variant.
- ❌ "최신 model 가 항상 best" → cost / latency trade-off.

### 매 평소 work 의 AI integration

#### Writing
- Draft → AI revise → human polish.
- 매 paragraph 의 alternative.
- Tone / style 의 adjust.

#### Coding
- Boilerplate generation.
- Bug fix.
- Refactor.
- Test write.

#### Research
- Literature 의 summarize.
- Brainstorm.
- 매 paper 의 critical question.

#### Decision
- Pros / cons matrix.
- 매 option 의 risk.
- Analogous case 의 search.

→ 매 task 의 적절 use case.

### Critical thinking — 매 AI output 의 fact-check
1. **Source**: AI 가 source claim?
2. **Reproducibility**: 다른 model 도 같은 답?
3. **Plausibility**: 매 number / claim 의 sanity.
4. **Bias check**: 매 perspective.
5. **Counter-question**: "왜 안 X?".

## 💻 패턴 (활용 + 검증)

### Prompt 의 4 component
```
1. Role / context: "You are an expert React dev."
2. Task: "Refactor this code to use hooks."
3. Constraints: "Keep TypeScript types. No new dependencies."
4. Format: "Output: code block + 1 sentence summary."
```

### Iteration pattern
```
v1: "Translate to French: Hello"
v2: "Translate to formal French: Hello"
v3: "Translate to formal French (business email register): Hello"

→ 매 iter 의 specificity ↑.
```

### Few-shot example
```
"Classify sentiment.

Example 1: 'This is great!' → positive
Example 2: 'I hate it' → negative
Example 3: 'Mediocre' → neutral

Now: '{user_input}' → ?"
```

→ 매 task 의 일관 output.

### Chain of thought
```
"Solve step-by-step.
Q: A train travels 60 mph for 2.5 hours. Distance?
Reasoning: ..."
```

→ Math / logic 의 정확 ↑.

### Self-verification
```ts
async function answer(query: string) {
  const ans1 = await llm.complete(query, { temp: 0.7 });
  const ans2 = await llm.complete(query, { temp: 0.7 });
  
  if (similar(ans1, ans2)) return ans1;
  
  // 다른 답 = 의심.
  const verify = await llm.complete(`Q: ${query}\nA1: ${ans1}\nA2: ${ans2}\n\nWhich more accurate? Why?`);
  return verify;
}
```

### Hallucination detect
```ts
function fact_check(claim: string, search_result: string) {
  return llm.complete(`Claim: ${claim}\nSource: ${search_result}\n\nDoes source support claim? (Y/N + reason)`);
}
```

### Multi-step task
```
"Build a flashcard app":
1. Define data structure.
2. Choose framework (React).
3. Component breakdown.
4. State management.
5. Persistence.
6. Test plan.

→ 매 step 의 separate prompt.
```

### Curriculum (자기 학습)
```
Week 1: ChatGPT basic + 매일 1 task.
Week 2: Prompt engineering deep.
Week 3: Claude + Cursor 의 다양 tool.
Week 4: API call (Python).
Week 5: RAG basic.
Week 6: Agent basic.

→ 6 week 의 baseline literacy.
```

## 🤔 의사결정 기준 (Decision Criteria)

| 상황 | AI 사용 | 검증 |
|---|---|---|
| Brainstorm | ✅ Generate ideas | Filter manually |
| Draft writing | ✅ Initial + iterate | Polish + fact-check |
| Code | ✅ Boilerplate, bug | Test + review |
| Research | ✅ Summary, search | Cite + verify |
| Critical decision | ✅ Pros/cons | 매 source 의 check |
| Sensitive (legal, medical) | ⚠️ Reference only | 전문가 + final |
| Personal expression | ❌ Authentic 가 가치 |  |
| 시험 / 평가 | 매 institution 의 policy |  |

**기본값**: AI = 매 task 의 첫 draft / brainstorm. Human = final review + critical decision.

## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
- **"AI 의 이해" 의 standard**: 매 country / institution 의 다른 curriculum.
- **Tool change 의 빠름**: 6 month 마다 update. "최신 best practice" 가 short-lived.
- **Critical thinking 의 paradox**: AI 의 답 의 검증 = AI 사용. Meta-cognition 필요.
- **Education 의 cheating**: 매 학생 의 ChatGPT 사용 = 공정 X / 새 reality?
- **AI literacy ≠ AI fear**: 매 risk 의 인지 의 healthy.
- **Co-intelligence (Mollick)**: 매 task 의 AI + human 의 collaboration. "AI 가 없는 인간 의 의미" 재정의.

## 🔗 지식 연결 (Graph)
- 부모: [[Digital-Literacy]] · [[Information-Literacy]]
- 변형: [[Prompt_Engineering|Prompt-Engineering]] · [[AI-Ethics]]
- Adjacent: [[Lifelong-Learning]]
- 응용: [[Code Agent — Devin / Cursor / Claude Code]]

## 🤖 LLM 활용 힌트 (How to Use This Knowledge)

**언제 이 지식을 쓰는가:**
- 매 team 의 AI training program.
- 학교 / 회사 의 AI policy 작성.
- 매 user 의 self-development plan.
- AI tool 의 onboarding.
- "AI 가 일자리 빼앗?" 질문 의 nuanced 답.

**언제 쓰면 안 되는가:**
- AI 의 specific 기술 detail (다른 doc).
- Specific 회사 의 AI training (custom curriculum).
- 매우 고급 (researcher 의 already known).
- AI 의 banning / blanket prohibition (다른 framework).

## ❌ 안티패턴 (Anti-Patterns)
- **"AI 가 모든 거 답": critical 검증 X.
- **AI 의 output 의 100% trust**: hallucination 의 victim.
- **Privacy 무시**: sensitive prompt 가 server.
- **Tool 의 lock-in**: 1 ChatGPT 만 = 매 task 의 best fit X.
- **Prompt 가 1 try**: iterate 가 핵심.
- **AI 만 + critical thinking 안 함**: 매 user 의 atrophy.
- **Learning 가 정적**: 매 6 month 의 update 필요.
- **AI ban (학교)**: 학생 의 reality 의 부적응.

## 🧪 검증 상태 (Validation)
- **정보 상태:** verified (concept-level).
- **출처 신뢰도:** B (Long et al. 2020 paper, Ethan Mollick "Co-Intelligence", AI4ALL curriculum, UNESCO AI literacy framework).
- **검토 이유:** Manual cleanup. 매 framework 가 active. 매 6 month review.

## 🧬 중복 검사 (Duplicate Check)
- **기존 유사 문서:** [[Prompt_Engineering|Prompt-Engineering]] (subset), [[AI-Ethics]] (related), [[Critical Thinking]] (parent).
- **처리 방식:** KEEP (overall framework).
- **처리 이유:** Literacy 가 holistic. 매 component 의 own document.

## 🕓 변경 이력 (Changelog)
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|------|-----------|-----------|--------|
| 2026-05-08 | P-Reinforce Phase 1 정규화 | UPDATE | A |
| 2026-05-09 | Manual cleanup — pattern + curriculum + 안티패턴 + 매 audience 의 priority | UPDATE | B |