1 🔥 200년째 반복되는 같은 공포영화

- 케인즈가 100년 전에 예언했다. 자동화 덕분에 주 15시간만 일하면 된다고. 틀렸다. 사람들은 남는 시간에 쉬는 대신 없던 일을 만들어냈다
- "AI가 사고를 대신하면 인류의 종말 가치는 제로." 이게 비관론자(doomer)의 핵심 논리인데, 경제학에서는 "노동 총량의 오류(lump-of-labor fallacy)"라고 부르는 전형적인 착각임. 세상에 해야 할 일이 정해져 있다는 전제 자체가 틀렸다
- AI가 일부 업무를 없애는 건 이미 일어나는 중. 근데 "AI가 경제 전반에 영구적 대량 실업을 만든다"? 이건 증거도 없고, 상상력도 없고, 인간에 대한 이해도 없는 주장


2 📉 "인지 비용"이 100배 폭락 중 - 근데 이게 왜 재앙인가?

- LLM 인텔리전스의 가격 대비 성능이 2023년 9월 이후 로그 스케일 기준 100배 넘게 떨어졌음
- 비관론자들은 여기서 "체크메이트"를 외치는데, 역사는 매번 반대로 갔다. 강력한 자원의 비용이 급락하면 경제가 가만있는 법이 없음
- 제번스 패러독스(Jevons Paradox). 화석연료가 에너지를 싸게 만들었을 때, 고래잡이꾼만 실직한 게 아니라 플라스틱이라는 전혀 새로운 산업이 탄생했다. 비용 하락 → 수요 팽창 → 새 산업 출현. 이 사이클이 한 번도 안 깨졌다


3 🚜 트랙터, 전기, 엑셀 - 러다이트는 왜 매번 졌나

- 20세기 초 미국 고용의 약 33%가 농업. 2017년엔 2%. 트랙터가 노동시장을 부숴야 할 판이었는데, 농업 산출은 3배 뛰고 인구는 폭증했고, 그 노동력은 공장·병원·소프트웨어로 흘러갔다
- 전기도 같은 패턴. 1900년에 미국 공장의 5%만 전기를 썼는데, 1930년엔 80%. 생산성이 두 배 뛰면서 제조공·영업·대출 담당이 더 많아졌지, 줄지 않았다
- 자동차 가격이 떨어지자 생산과 고용이 동시에 폭발. 범용 기술이 하는 일은 늘 똑같다. 경제를 재편하고 유용한 일의 영역 자체를 키운다
- 엑셀이 회계사를 멸종시켰나? 장부 담당 100만 명이 줄고 재무분석가 150만 명이 새로 생겼다. FP&A라는 산업 자체가 이때 태어남


4 ✈️ 여행사 직원의 후일담이 흥미롭다

- 기술이 여행사 고용을 절반으로 줄였다. 근데 그 사람들이 영구 실업자가 됐나? 다른 곳에서 일자리를 찾았고, 고령화 보정하면 고용인구 비율은 2000년이나 지금이나 거의 같다
- 진짜 재밌는 건 살아남은 여행사 직원들. 2000년에 이들의 주간 급여는 전체 평균의 87%였는데, 2025년엔 99%까지 올라옴. 민간 부문 전체보다 임금 상승률이 더 빨랐다는 뜻. 기술이 사람 수를 줄이되, 남은 사람의 몸값은 올린 것
- 비관론자들이 영화 한 장면만 잘라서 보여주는 것과 같다. 풀 버전을 보면 얘기가 다르다


5 🛡️ 기업들은 AI로 사람을 자르겠다고 말하고 있나?

- 실적발표에서 AI를 "노동력 대체" 맥락으로 언급하는 비율 대비 "증강" 맥락 언급 비율이 약 8:1. 회사들은 사람 자르는 데 AI를 쓰겠다는 게 아니라 사람의 능력을 키우겠다고 말하고 있음
- 소프트웨어 개발 일자리는 2025년 초부터 건수와 비중 모두 상승세. AI 코딩 도구가 보급되면서 git push, 신규 앱, 신규 사업자 등록이 동시에 폭증
- PM 오픈 포지션도 2023년 최저치(4,113개)에서 79% 반등해 7,379개로 2022년 이후 최대. SWE와 PM 채용이 동시에 느는 건 "AI가 생각을 대체하면 둘 중 하나가 줄어야 한다"는 논리가 현실에서 작동 안 한다는 증거
- AI 노출도가 높은 업종에서 오히려 임금 상승률이 평균을 웃돌고 있음. 시스템 설계 분야가 특히 두드러짐


6 📊 데이터는 뭐라고 하나 - 아직 "대학살" 같은 건 없다

- NBER - "AI 도입이 총 고용에 유의미한 변화를 아직 안 가져왔다. 기업 내 업무 재편은 시작됨"
- 애틀랜타 연방준비은행 - "4건의 서베이에서 평균 90% 넘는 기업이 고용 영향 없다고 응답"
- 센서스 - "AI 사용 기업 중 고용 변화 보고는 5%뿐. 증가(2.3~3.7%)와 감소(2.0~2.4%)가 거의 동일 분포"
- 예일대 Budget Lab - "AI의 노동시장 영향에 대한 불안은 광범위하지만, 데이터가 보여주는 건 안정"
- Goldman Sachs 산업별 분석에서도 AI 도입·노출과 실업률 사이 통계적 유의관계 없음. R² = 0.00~0.01
- 전체 합산은 중립. 다만 내부를 들여다보면 AI 증강 산업은 고용이 빠르게 늘고, AI 대체 위험 산업은 반대 방향. 재배치가 일어나는 중


7 🏗️ 1940년에 없던 직종이 오늘 일자리의 대부분이다

- 1940년 이후 만들어진 일자리 다수가 1940년 당시 존재조차 안 하던 직종이었음
- 로보틱스 데이터셋이 Hugging Face에서 2년 만에 10위에서 1위로 올라섰다. AI가 없었으면 태어나지 않았을 산업 영역
- 물론 모든 직종이 무사하진 않다. 고객서비스 신규채용은 2023년 4분기 8.3%에서 2025년 하반기 약 2.9%로 급락. 전환 비용은 실재하고, 직업 재교육은 진짜로 필요함
- 데이터센터·전력 인프라 건설이 2022년 대비 20만 명 이상의 숙련직 일자리를 새로 만들고 있고, 이건 최소 2030년까지 지속 전망. AI Capex 자체가 지금 헬스케어 빼면 거의 유일한 고용 엔진이라는 Goldman의 분석도 있다
- 비관론이 성립하려면 딱 하나의 조건이 필요한데, 지능이 싸지는 그 순간 인간의 욕구와 아이디어가 동시에 멈춰야 한다. 그런 일은 역사상 한 번도 없었다

출처: David George, "The 'AI Job Apocalypse' Is a Complete Fantasy", a16z News, 2026년 5월 6일

- 조찬 모임에서 듣고 온 트렌드로 전 직원 AI 유료계정을 파줬지만, 돌아온 건 마이너스 성적표뿐. 진짜 AI 전환은 툴 구독이 아니라 '조직도'를 갈아엎는 데서 시작됩니다.

(업계 지인들과 나눈 기업현장의 AX 실태에 관한 얘기를 정리해 공유합니다.)

다양한 기업의 AI 전환 현장을 들여다보면서 느낀 건, 대부분의 회사가 같은 함정에 빠져 있다는 거였습니다. 그 함정의 이름은 'AI 어덥션 (Adoption)'. 도입은 했는데 전환은 안 된 상태.

솔직히 말하면, 이 패턴은 너무 익숙합니다. 90년대 후반 인터넷 처음 나왔을 때 홈페이지 만들어주고 이메일 세팅하던 시절, 2010년대 스마트폰 앱 개발·클라우드 전환이 유행하던 시절, 그리고 지금 AI 전환. 기술 트렌드만 바뀌었지 조직이 빠지는 함정은 놀랍도록 똑같습니다.


1. 도구만 쥐여주면 벌어지는 참사

• 오너가 조찬회나 유튜브에서 AI 트렌드를 잔뜩 듣고 옵니다. 출근하자마자 실무진을 호출하죠. "야, 내가 듣고 왔는데 앞으로 이렇게 된다더라. 우리는 뭐 없냐?"

• 부랴부랴 유튜브 검색해서 AI 전문가라는 사람 데려다 세미나 한 번 열고, 전 직원에게 AI 유료 계정을 하나씩 쏴줍니다. 대표님 입장에서는 나름 큰 투자이자 결단이었을 겁니다.

• 한 달 뒤 결과는 처참해요. 직원들은 리포트 좀 빨리 쓰고 파워포인트 이쁘게 꾸미는 데 그 비싼 툴을 씁니다. AI 생성 이미지 갖다 붙이면서 "나 AI 잘 쓴다"고 생각하고 있죠.

• 회사 고정비는 매달 백 명 단위로 꼬박꼬박 나가는데, 정작 직원들이 일을 예전보다 덜 하는 듯한 기이한 현상을 목격하게 됩니다. 직원은 편해졌는데 회사 ROI는 마이너스로 꽂혀요. 이건 체질을 바꾼 게 아니라 단순한 어덥션에 불과하니까요.

• 그리고 한 달 뒤, 대표님은 또 조찬회에 다녀옵니다. "다른 회사는 이번에 여기까지 했다는데 우리는 뭐 하고 있어?" 무한반복.


2. 직원들이 방어 모드에 돌입하는 진짜 이유

• 새로운 뭔가를 조직에 던져주면 조직은 본능적으로 방어벽을 칩니다.

• 속마음은 뻔하죠. '이거 잘 쓰면 내 자리 없어지는 거 아니야?' AI가 전환 도구가 아니라 내 밥그릇을 위협하는 적군으로 전락하는 순간입니다.

• AI 관련 프로젝트를 제안하면서 "AI"라는 단어를 아예 빼고 "컴퓨터 프로그래밍 도와주는 거"라고 표현해야 직원들이 방어벽을 안 세운다는 얘기도 들었습니다. 그 정도로 현장의 공포심은 실재합니다.

• 당신을 자르려는 게 아니라, 당신들이 더 큰 성과를 내게 해서 성과급을 두 배로 가져가게 해주겠다는 확실한 판을 깔아줘야 합니다. 위협이 아니라 압도적인 기회로 느끼게 만드는 것. 이건 기술의 문제가 아니라 경영진의 설계 영역이에요.


3. 쌍팔년도 조직도를 찢어라

• 지금 우리 회사의 조직도를 한번 떠올려보세요. 기획팀, 물류팀, 영업팀. 다분히 쌍팔년도 산업시대의 유물입니다.

• AI-native 회사는 이런 기능 중심 부서를 없애버리고, 대신 'A고객 전담팀', 'B고객 전담팀'처럼 철저히 고객 중심으로 조직을 쪼개기도 합니다.

• 각 팀이 작은 사내 벤처처럼 독립적으로 움직이게 둡니다. 그럼 예전 기획팀이나 물류팀이 하던 잡무와 지원 업무는 누가 하냐고요? 바로 AI 에이전트가 그 자리를 통째로 대체하는 구조를 짜는 겁니다.

• 이론적으로 이 구조가 복제되면, 고객만 확보하는 것으로 사업을 10배 키울 수 있습니다. 워크플로우와 조직도를 동시에 바꿔야 스케일업이 가능하다는 얘기예요.

• 조직도를 바꾼다는 발상 자체가 없으면, 그건 어덥션이고 새로운 껍데기를 살짝 추가한 것밖에 안 됩니다. DX가 이미 잘 돼 있는 회사들이 오히려 더 안 움직이는 이유가 여기 있어요. "우리는 이미 클라우드도 쓰고 SaaS도 쓰고 재택도 하니까 충분하다"는 착각. AI는 거기에 양념처럼 얹는 거로 끝나버리죠.


4. 밀키트 전략으로 실무진 무장시키기

• 백지상태에서 뭔가 만들어보라고 하면 아무도 안 움직입니다. 실무진에게는 전문가가 미리 짜둔 '반제품 밀키트'를 던져주는 게 핵심이에요.

• 기본적인 설명서대로 일단 조립하게 만든 다음, 본인 업무에 필요한 토핑(기능)을 스스로 얹어보게 유도합니다. "여기서 토핑 하나 추가하면 100원, 이건 50원" - 이런 식으로 커스터마이징 과금 구조를 만드는 거죠.

• 위에서 억지로 시키는 교육이 아니라 비개발자가 직접 무언가를 자동화해 본 경험이 쌓이면, 직원들끼리 알아서 학습하고 조직 전체가 진화합니다. "바이브코딩이 이겁니다"가 교육이 아니고, 실습해서 직접 쓸 수 있게 만드는 것까지가 교육입니다.

• 그리고 한 번 던져주고 끝이 아닙니다. AX 솔루션 제공업체 입장에선, 윈도우 업데이트처럼 필요할 때마다 자동으로 기능이 추가되고 업데이트되는 구조까지 제공해야 합니다. 교육이 컨설팅으로, 컨설팅이 솔루션 필요로, 솔루션이 다시 교육 수요로 - 이 플라이휠이 위로 올라가면서 커져야 스케일 업이 됩니다. 안 그러면 그냥 이번 달 먹을 거, 다음 달 먹을 거 수주하는 SI 신세를 벗어나지 못해요.


최신 툴만 결제해 준다고 끝나는 마법은 없습니다. 회사 전체의 일하는 방식과 구조를 뜯어고치지 않으면 기업의 진짜 AX는 시작조차 할 수 없죠.

여러분 회사의 조직도는 지금 어떤 단계인가요. 여전히 옛날 구조에 껍데기만 AI로 씌워두셨나요.

(이런 문제로 골치 아픈 분들은 연락주세요. 저희 회사가 도움을 드리겠습니다.)

장면 하나. 2001년 닷컴 버블 붕괴 직전. 어느 임원이 이사회 앞에서 자신 있게 발표한다. "우리 웹사이트 월간 히트 수가 100만 건을 돌파했습니다." 박수가 쏟아지지만 아무도 묻지 않는다. "히트 1건이 뭔가요?" (알고 보면 페이지에 이미지 14개가 있으면 접속 1번에 히트 14개가 찍히는 구조)

지금 AI 업계가 똑같은 짓을 하고 있다. OpenAI 주간 활성 사용자 9억 명이라는 수치를 내세우지만, 이 중 80%는 연간 1,000개 메시지 이하다. 하루에 3~5개. 그냥 가끔 검색 대신 쓰는 수준이다. 그리고 그 9억 명 중 실제로 돈을 내는 사람은 5%뿐이다.

반면 빅테크 4사가 올해 AI 인프라에 쏟아붓는 돈은 6,000억 달러 이상. 전 세계 통신사들의 연간 설비투자 합계(약 3,000억 달러)의 두 배.

이 간극이 지금 AI 국면 전체의 핵심이다. 소음은 역사상 최대치인데, 실제 신호는 아직 희미하다.


1 🔁 역사는 항상 같은 방식으로 반복됐다, 딱 하나만 빼고

- 메인프레임 → PC → 웹 → 스마트폰 → 생성형 AI. 10~15년 주기의 플랫폼 전환, 매번 판이 뒤집힘
- 전환이 일어나면 모든 혁신, 투자, 신규 창업이 새 플랫폼으로 몰림. 기존 건 사라지는 게 아니라 그냥 뒷방으로 밀림 (브리티시항공은 지금도 메인프레임으로 돌아감)
- Microsoft가 PC 시대엔 95%를 먹었지만, 모바일 전환을 한 박자 놓쳤더니 신규 기기 점유율 10~15%로 쪼그라든 것이 그 증거
- Sundar Pichai, Zuckerberg가 "과잉투자보다 놓치는 게 훨씬 더 위험하다"고 말한 것도 이 공포에서 나온 것
- 딱 하나 다른 점: 이번엔 이 기술이 얼마나 좋아질 수 있는지, 물리적 한계가 어디인지 아무도 모름. 뇌가 왜 작동하는지 모르는 것처럼

2 💸 6,000억 달러의 공포 - "IBM이 되느냐 마느냐"

- 올해 빅4(Meta·Google·Microsoft·Amazon)의 AI 인프라 투자는 최소 6,000억 달러. 전년 대비 약 50% 증가
- 전 세계 통신 인프라 연간 설비투자 합계 약 3,000억 달러, 석유·가스 상류 부문도 약 4~5,000억 달러 수준임을 감안하면 이 숫자가 얼마나 큰지 감이 옴
- 이 돈의 약 3분의 1이 Nvidia로 흘러 들어감. 지난 분기 Nvidia 매출 680억 달러
- Nvidia는 GPU 파는 회사가 아님. 5만~10만 달러짜리 컴퓨터를 파는 회사임. 새로운 Sun Microsystems에 가깝다 - Sun이 어떻게 됐는지는 다들 알겠지만
- 공급망이 수요를 따라가질 못함. GPU 병목, 메모리 병목, TSMC 한계, 전력망은 3~5년 치 대기 중
- 빅4의 Capex 대 매출 비율이 30~50%까지 치솟음. 통신사 기준 15~20%인 것에 비하면 괴물 수준. 이미 부채까지 끌어쓰기 시작

3 📉 역사상 가장 비싸고 가장 빨리 쓸모없어지는 자산의 탄생

- 추론 비용은 3개월마다 절반씩 하락 중. 기존 모델 운영은 수익성 있음
- 문제는 다음 프론티어 모델. 만드는 비용은 천문학적이고, 출시 후 6개월이면 다음 모델에 자리를 뺏김
- 프론티어 모델 = 역사상 가장 비싸고 수명이 가장 짧은 자산.
- OpenAI가 한때 압도적 선두였지만 지금은 구글, Anthropic과 사실상 동급 경쟁. 매달 두세 곳이 새 프론티어 모델을 내놓으며 서로 추월하는 형국
- LLM 시장 구조는 네트워크 효과 기반 소프트웨어보다 반도체에 가까울 수 있음 - 30개 회사가 최전선을 다투다 사실상 TSMC 하나만 남은 것처럼, 여기도 극소수만 살아남는 구조로 수렴될 수 있다

4 🧪 파일럿은 쏟아지는데 정작 생산 투입은 요원하다

- 9억 명 가운데 80%가 하루 3~5개 메시지. 이게 "AI 전환"의 현주소
- AI를 매일 사용한다는 답변은 5~10% 수준. 월 1회, 주 1회가 다수
- Bain 조사에 따르면 AI 파일럿은 기술·고객서비스·마케팅에 몰려 있고, 실제 생산 전환까지 가는 속도는 여전히 더딤
- Accenture는 분기 AI 수주 20억 달러를 발표했다가 "이제 모든 게 AI라서 따로 집계하는 게 의미 없어졌다"며 수치 보고를 중단함
- 지금 Y Combinator 입주 스타트업 거의 전부가 AI 기반 무언가를 만드는 중. 결국 이들 모두 기존 제품의 unbundling - 예전엔 Oracle과 SAP를 쪼갰고, 지금은 ChatGPT를 쪼개는 중

5 📊 스프레드시트가 회계사를 없애지 않은 이유 - 그리고 AI도 그럴 것

- 1978년 VisiCalc(최초 PC 스프레드시트) 등장 당시, 회계사들에겐 진짜 인생이 뒤집히는 도구였음
- 금리 하나 바꾸면 전체 숫자가 바뀜. 한 달짜리 프로젝트를 1주일에 끝낸 회계사가 남은 3주를 골프장에서 보냈다는 실화도 있음. 클라이언트가 "이렇게 빨리 한 게 맞아?" 라고 의심할까봐
- 변호사에겐? "회계팀한테 좋은 건 알겠는데 내 일은 문서 처리야." 결국 별로 안 씀
- 지금 생성형 AI 채택 분포도 이 모양임. 일부에겐 판을 바꾸는 도구, 다수에겐 "언제 한번 제대로 써봐야지"
- Excel이 회계사를 없앤 게 아니라 회계사 수를 더 늘렸음. 자동화 = 고용 감소라는 등식은 역사적으로 틀린 경우가 더 많았다

6 🔧 소프트웨어 개발이 제일 먼저 흔들린다, 하지만 착각하면 안 된다

- OpenAI 사용자 산업별 분석: 기술 섹터 압도적 1위, 전문서비스 2위. 나머지는 긴 롱테일
- Vibe coding과 코딩 에이전트는 진짜 게임체인저임. AWS가 Instagram을 직원 50명으로 5,000만 사용자 규모로 만들 수 있게 해준 것과 비슷한 수준의 레버리지
- 하지만 "AI가 코드를 써주니 이제 누구나 자체 소프트웨어를 만든다"는 논리는 틀렸음. 코드 작성이 어려운 게 아니라, 무엇을 만들어야 하는지 아는 것이 어려운 것
- Accenture가 AI 덜 쓰는 시니어 직원에게 페널티를 매기기 시작했다는 보도가 나왔음. "시니어들이 쓸 만한 도구를 아직 못 만든 거다"
- LLM은 컴퓨터가 못하는 걸 잘하고, 컴퓨터가 잘하는 걸 못 함. 이 비대칭을 이해 못 하면 도입하자마자 "이게 뭐야" 소리가 나옴

7 🏪 바코드로 슈퍼마켓을 뒤집은 건 계획이 아니었다

- 1974년 바코드 도입 당시 슈퍼마켓이 기대한 건 딱 하나 - 금요일 밤 종이 클립보드 들고 매장 돌아다니는 재고 조사를 없애는 것
- 실제로 벌어진 일: 재고 관리 방식 전면 재편, EDI 자동 발주 도입, 취급 SKU 수 최대 5배 증가
- 비용 절감 → 운영 구조 재설계 → 이전엔 불가능했던 것의 실현. AI 배포도 같은 경로를 밟을 가능성이 높음
- ①이미 아는 문제에 AI 적용(비용 절감), ②새로운 use case 발견(새 매출원), ③시장 자체를 재정의하는 플레이어 등장(disruption). 현재는 단계 1

8 🤖 "무한 인턴"에서 "무한 어소시에이트"로 - 사람 줄이는 게 아니다

- AI는 이제 단순 반복 작업을 넘어서 어소시에이트급 업무를 처리할 수 있는 방향으로 진화 중
- 하지만 어소시에이트 결과물을 그냥 클라이언트에 주진 않음. 검토는 여전히 사람이 함
- 미국 회계사·감사 고용 비율: 주판 → 메인프레임 → PC → 클라우드를 거쳤는데도 꾸준히 증가함. 자동화가 일자리를 없앤 게 아니라, 더 많은 일을 가능하게 만든 것
- 미국 물류비용도 20년간 자동화 물결에도 불구하고 기본적으로 플랫 유지. 단가가 내려가면 물량이 늘었기 때문
- 가격 탄력성의 역설: 같은 일을 더 싸게 할 수 있게 되면, 더 많이 하게 됨

9 ❓ 고용 공포에 대한 솔직한 대답 - "모른다, 하지만 전에도 이랬다"

- AI가 일자리를 없앨 것이라는 공포, 새 일자리가 생긴다는 낙관론 둘 다 아직 검증된 것 없음
- 1800년 인구 80~90%가 농부였던 것에서 지금까지 기술은 일자리를 파괴하고 새로 만들어왔음. 패턴은 일관됨
- 전환 과정에서 마찰과 고통이 있다는 것도 일관됨. 이번에도 그 고통은 피하기 어렵다
- 5~10년 안에 AGI? - "vibe forecasting", 이론적 근거 없이 직감으로 하는 예측
- 우리가 진짜 모르는 것: 생성형 AI가 왜 이렇게 잘 작동하는지. 뇌가 어떻게 작동하는지 몰라도 뇌가 작동하듯 - 원리를 모르니 한계도 모름

10 🛗 엘리베이터 안내양은 어디 갔나 - AI의 종착점은 "그냥 인프라"

- 맨해튼의 어느 아파트엔 아직 사람이 직접 레버를 당기는 수동 엘리베이터가 있음.
- 자동화 비용이 약 50만 달러라 아직 교체 못 했다고 함.
- 미국 엘리베이터 운전사 고용 데이터: 보급 단계에서 급증 → 자동화 이후 급락. 교과서에 나올 법한 완벽한 자동화 곡선
- 하지만 지금 엘리베이터를 탈 때 "AI 자동화 엘리베이터를 이용하는군"이라고 생각하는 사람은 없음. 그냥 엘리베이터임
- AI 연구자 Tesler, 1970년 발언: "AI란 기계가 아직 못 하는 것이다. 되고 나면 그냥 소프트웨어다"
- 15년 전 이미지 인식은 마법이었고, 지금은 그냥 기능임. 생성형 AI도 결국 그 경로

출처: Benedict Evans, 'AI Eats the World' 키노트 발표 및 Q&A 세션

모든 걸 자동화한 회사에서 사람이 한 명도 안 잘렸다. AI가 만들어내는 건 어제의 복사본이고, 복사본이 쌓일수록 원본을 알아보는 눈이 비싸지기 떄문이다.


1. 🏢 이메일 95%를 AI가 쓰는 회사, 왜 30명이 그대로인가

- Every(미디어·SaaS 스타트업)의 CEO 댄 시퍼. 코딩, 글쓰기, 디자인, 고객응대까지 자동화할 수 있는 건 전부 자동화했음. Codex와 Claude Code를 전 업무에 깔고, 신모델은 출시 전에 알파 테스트까지 돌리는 회사
- CEO 본인 이메일의 95%를 AI가 대신 처리. 받은편지함 0건이 유지되는데(본인도 이건 처음이라고), 그래도 메일은 직접 검토함
- 슬랙에서 @멘션하면 상대가 사람인지 봇인지 반반. 매니저가 코드를 커밋하고 엔지니어가 고객 전화를 받음
- 이 상태에서 30명 직원은 그대로, 해고 없음. 오히려 채용 중. 일하는 방식은 완전히 바뀌었는데 사람 수는 안 줄었음. 대체 왜?


2. 🍳 '슬롭의 역설' - 싸진 역량이 만드는 뻔함의 홍수

- AI는 인간이 과거에 남긴 결과물(코드, 글, 이미지, 기획서)을 학습해서 누구나 싸게 쓸 수 있는 '기본값'으로 만듦. 어제까지 희소했던 역량이 하루아침에 commodity가 되는 구조
- 문제는 여기서 발생. 같은 모델, 같은 데이터로 뽑아낸 결과물은 전부 비슷비슷함. 시퍼는 이걸 'slop(슬롭)'이라 부름. 깊이 생각 안 하고 같은 도구를 돌린 결과물.
- 인터넷 덕에 사람들은 슬롭을 금방 간파함. 새 모델을 처음 볼 때는 놀라지만, 몇 달 지나면 기준이 올라가 있음. 그 순간 패턴에서 벗어난 결과물만 희소하고 비싸짐
- 여기서 핵심 메커니즘이 작동함. 운영팀이 올린 PR은 엔지니어가 리뷰해야 하고, 마케터 썸네일은 디자이너가 다듬어야 하고, 엔지니어 초안은 편집자가 손봐야 함. 싼 역량의 홍수가 역설적으로 전문가 수요를 폭발시킴


3. 🥪 '사람 샌드위치' - AI와 실제로 일하는 방식

- 에이전트와의 협업은 두 모드로 갈림. 하나는 직원처럼 부리는 모드(슬랙에 사는 코워커형, 고객응대에 박힌 임베디드형). 고객응대 에이전트 Fin은 5월 한 주에 202건 중 81건을 사람 없이 종료(처리 대상의 40.1%)
- 더 흥미로운 건 두 번째 모드. 사람과 에이전트가 같은 화면에서 동시에 작업하는 것. 시퍼는 하루 종일 Codex 안에서 글도 쓰고, 이메일도 처리하고, SaaS도 돌림
- 이걸 '사람 샌드위치'라고 부름. 사람이 위에서 "뭘 할 거고 뭐가 좋은 결과냐"를 정하고 → AI가 가운데서 초안·검색·코드를 압축하고 → 사람이 아래서 "됐나, 다음은 뭔가" 판단. 양쪽이 사람, 속재료가 AI
- 처음에 직원 1인당 에이전트를 하나씩 붙였더니 금방 방치돼서 못 쓰게 됐음. 에이전트는 관리 안 하면 썩음. 그 관리가 전부 사람 몫


4. 🍼 두 살배기가 GPT보다 앞서는 한 가지

- 두 살배기는 코드도 못 짜고 시험도 못 봄. 거의 모든 과제에서 AI보다 못함. 그런데 결정적으로 앞서는 게 있음
- 빨간 풍선을 만지고 싶다. 포크로 찔러보고 싶다. 부모가 웃는지 화내는지 보고 싶다. 프롬프트를 기다리지 않음. 자기 목적이 있음
- 지금의 에이전트는 자율성(주어진 일을 오래 수행하는 것)은 있는데, 주체성(스스로 뭘 하고 싶은 것)은 없음. 모델은 agent(대리인)이지 agency(주체)가 아님
- AGI가 와도 달라지지 않음. 프레임을 자유롭게 오가더라도 그 목표를 정해주는 건 사람. AI가 잘하는 건 이미 적어둔 종이를 읽는 일이고, 종이에 안 적힌 걸 알아채는 건 우리 몫

지금 이 순간 내 고객이 뭘 원하는지, 이 코드를 정말 새로 짜야 하는지, 이 글이 읽는 사람 가슴에 닿는지, '아직은' 사람이 직접 알아채야 하는 영역이다.

출처: Dan Shipper (Every CEO), "After Automation: Why AI progress creates more work for humans, not less" (2026.5.21, Every)

- 당신 회사의 진짜 실무자가 사람이 아니라 에이전트가 되는 날

Jensen Huang 왈, "10년 뒤 NVIDIA엔 직원 7만 5천 명이 있을 겁니다. 그 옆에 에이전트가 750만 개." 직원 1명당 에이전트 100개.

McKinsey 수장 Bob Sternfels 왈, "회사 직원이 총 6만 명인데, 사람이 4만이고 에이전트가 2만 5천입니다." 1년 반 전엔 에이전트가 3천이었다. 지금 목표는 2026년 안에 사람과 에이전트 수를 1:1로 맞추는 거라고 하는데, 그동안 에이전트들이 리서치·분석 업무에서 아낀 시간이 연간 150만 시간, 반년 동안 뽑아낸 차트가 250만 장에 달한다고 한다.


1. AI-Native랑 Agent-Native, 뭐가 다른 건데?

AI-Native는 기존 조직에 AI를 갖다 붙이는 게 아니다. 처음부터 AI를 중심에 놓고 조직과 제품, 워크플로 전부를 설계하는 걸 말한다. Harvard Business School 정의에 따르면, "AI를 빼면 회사 자체가 성립 안 되는 구조." 이미 돌아가는 회사에서 ChatGPT 사용하는 것하고는 출발선이 다르다.

Agent-Native는 이 AI-Native가 한 단계 더 깊어진 거다. AI가 보조하고 추천하는 수준을 넘어, 자율 에이전트가 아예 실무자 자리에 앉는다. 사람은 매니저석으로 올라간다.

쉽게 비유하면 이렇다.
• AI-Native: "AI 빼면 우리 회사 안 돌아가."
• Agent-Native: "에이전트 빼면 우리 팀 주간회의 조차 못 해."

둘이 경쟁 관계가 아니다. AI-Native가 나무 뿌리라면 Agent-Native는 거기서 뻗은 가장 최근 가지다.

이걸 업계에서 정식으로 정리한 건 Factory CEO Matan Grinberg와 Sequoia 파트너 Lauren Reeder. 이 둘이 공동 기획한 "Agent Native 40" 리스트에 Goldman Sachs, Netflix, Shopify, Bloomberg, Stripe, Walmart 같은 이름이 줄줄이 올라와 있다. 실험이 아니라 이미 이 방식으로 돌리는 조직들이다.


2. "복잡한 일 빼곤 전부 에이전트한테 넘겨라"

• 단순 작업: 에이전트가 원샷. "버튼 색 바꿔줘" 같은 거.
• 중간 난이도: 에이전트가 혼자 피드백 돌리면서 처리. 사람은 결과만 확인.
• 복잡한 작업: 여기만 사람이 직접 코딩 에이전트 옆에 앉아서 같이 한다.

원칙은 간단하다. 복잡한 것 빼곤 전부 위임. "에이전트가 primary 실무자고 엔지니어가 그걸 매니징하는 구조가 아니면, 당신 조직은 agent-native가 아니다."

HBR도 2026년 2월에 이 흐름을 잡아냈다. "Agent Manager"라는 직무가 떠오르고 있다는 거다. PM(Product Manager)이 소프트웨어 시대의 산물이었듯, 에이전트를 조율하고 성과를 관리하고 거버넌스를 짜는 사람이 따로 필요해지고 있다는 얘기.


3. Shopify는 선빵을 쳤고, Klarna는 코피를 흘렸다

Shopify CEO Tobi Lütke가 2025년 4월에 전 직원에게 보낸 메모. "새로 사람 뽑고 싶으면, AI가 왜 이 일을 못하는지 먼저 증명해라." 유출될 걸 미리 알고 자기가 먼저 X에 올려버린 것도 영리했다. 이 메모 하나가 나온 뒤 Meta, Microsoft, Google이 줄줄이 비슷한 방침을 발표했다. 한 사람이 업계 분위기를 바꿔놓은 셈이다.

그리고 반대편에 Klarna라는 좋은 교재가 있다.

• 2024년 2월, AI 챗봇이 고객 응대 700명분을 대체했다고 대대적으로 발표. 첫 달에 230만 건 대화, 응대 시간 11분→2분, 연간 $4,000만 수익 개선 전망. "엔지니어 외 전 직군 채용을 약 1년간 동결했다. 4,500명이 3,500명이 됐다"
• 그런데 고객 만족도가 쭉쭉 빠지기 시작. 급한 불을 끄겠다고 엔지니어랑 마케터한테 고객 전화를 직접 돌리는 상황까지 벌어졌다.
• 결국 2025년 5월, CEO가 Bloomberg에 나와서 인정했다. "비용 절감이 너무 지배적 기준이었고, 품질이 떨어졌다." 고객에게 항상 사람과 대화할 수 있는 선택지가 있어야 한다면서, 다시 고객 서비스 인력을 채용하기 시작했다.

교훈: Agent-Native는 "사람을 에이전트로 갈아치워라"가 아니다. 에이전트 몫과 사람 몫의 경계선을 새로 긋는 작업이다. 에이전트가 루틴을 맡고, 사람은 판단·공감·예외 처리를 맡는다. 자산관리 같은 데서는 fiduciary duty(수탁자 의무)가 있으니까, 에이전트가 분석과 옵션 제시까지 하더라도 최종 사인은 반드시 사람이 해야 한다.


4. 회사 밖으로 나가면? 에이전트끼리 먼저 명함을 돌린다

Agent-Native 시대엔 회사 간 협업도 판이 달라진다.

지금은 중간 과정이 전부 사람이다.
Agent-Native 조직 간에는? 우리 에이전트가 거래처 에이전트한테 직접 발주를 넣고, 견적 비교하고, 납기 조율까지 해버린다. 김 대리와 박 과장은 각자 회사에서 방향 확인이랑 최종 승인만 하면 된다.

이게 공상이 아닌 게, 기술 표준이 이미 깔리고 있다.

• Google이 2025년 4월에 만든 A2A(Agent-to-Agent) 프로토콜. 1년 만에 150개 이상 기업이 참여했고 Linux Foundation이 관리한다. Microsoft, AWS, Salesforce, SAP가 실서비스에 넣었다.
• Anthropic의 MCP가 "에이전트↔도구" 연결이라면, A2A는 "에이전트↔에이전트" 연결이다. 회사 안에서는 MCP, 회사 밖으로는 A2A. 층이 다르다.
• Gartner 전망: 2026년 기업 앱의 40%에 에이전트 탑재. 2025년엔 5%도 안 됐다.


5. 그래서 방향은 어디로

Microsoft 2026 Work Trend Index 데이터가 의미심장하다. AI 성과에 영향을 미치는 요인 중 개인의 스킬이나 마인드셋은 32%에 불과했다. 나머지 67%가 조직 문화, 매니저 역할, 인재 관행 같은 조직 요인이었다. 좋은 도구를 사다 놓는 게 아니라, 조직을 처음부터 다시 짜는 게 승부처라는 뜻이다. AI-Native로 뼈대를 세워야 Agent-Native가 그 위에서 돌아간다.

McKinsey의 경우, 에이전트 도입 이후 비고객 대면 인력을 25% 줄이고 고객 대면 인력은 오히려 25% 늘린 것으로 알려졌다. "25-squared 모델: 사람이 할 일이 줄어든 게 아니라, 사람이 해야 할 일의 종류가 바뀐 거다. 잡무에서 해방되니까 오히려 고객 앞에 서는 사람을 더 뽑는다.", "판단력, 포부 설정, 창의성 - 이 세 가지만은 사람이 해야 한다"


도구의 문제가 아니고 습관의 문제다. 결국 Agent-Native 전환의 가장 큰 걸림돌은 기술이 아니라 사람의 관성이다.

Orchestration. 원래 클래식 음악에서 온 단어인데, 2026년 AI 업계에서 자주 언급되고 있습니다. 이 '지휘자' 비유가 에이전트 오케스트레이션과 바이브코딩(Vibe Coding)에서 나옵니다. 개발자가 코드를 직접 타이핑하는 '작가'에서, AI 결과물을 검토하고 전체 구조를 조율하는 '편집자'이자 '지휘자'로 바뀐다는 이야기입니다. 에이전트 오케스트레이션이든 바이브코딩이든, AI 시대에 인간에게 남는 역할이 같은 곳을 가리키고 있죠.


1. AI 에이전트 오케스트레이션, 지금 무슨 일이 벌어지고 있나

• Gartner 예측에 따르면 2026년 말까지 기업 애플리케이션의 40%가 AI 에이전트를 내장합니다. 에이전트 하나로는 복잡한 업무를 못 돌리니까, 여러 에이전트가 팀을 이뤄 일하는 멀티 에이전트 시스템이 대세가 됐어요.

• Procux는 AI CEO, AI CFO, AI CTO까지 16개 C-suite 에이전트를 제공하고, Neuronify는 120개 이상의 임원급 업무를 에이전트로 자동화합니다. 각 에이전트가 서로 다른 목표와 기준을 갖고 있어요. 한 녀석은 속도, 다른 녀석은 안전, 또 다른 녀석은 완성도. 아무도 안 조율하면? 충돌납니다.

• 그래서 등장한 게 오케스트레이터 에이전트. 업무를 쪼개서 전문 에이전트에 배분하고, 중간 결과를 취합하고, 갈등까지 조정합니다.


2. 오케스트라 지휘자는 실제로 뭘 하나

• "막대 흔드는 거 말고 뭘 하냐"는 질문, 한번쯤 해보셨을 겁니다. 30~100명이 넘는 연주자가 동시에 연주하는 상황에서, 지휘자는 박자만 잡는 사람이 아닙니다.

• 공연 전에 악보를 수 주에서 수 개월간 연구해요. 작곡가가 남긴 템포, 강약, 프레이징을 해석해서 '이 곡이 어떻게 들려야 하는지' 비전을 세웁니다. 같은 베토벤 교향곡이라도 카라얀과 번스타인이 다른 이유가 여기 있어요.

• 리허설에서는 교사 역할을 합니다. 악기 간 음량 밸런스를 조정하고, 까다로운 리듬을 맞추고, 음악이 자연스럽게 '호흡'하도록 다듬어요. 트럼펫 옆에 앉은 연주자는 현악기 소리가 안 들립니다. 지휘자만이 전체를 동시에 듣고 연결할 수 있는 유일한 위치에 있어요.

• 공연 중에는 실시간 교통경찰이자 스토리텔러입니다. 손짓 하나로 템포를 바꾸고, 몸을 기울여 긴장감을 만들고, 부드러운 동작으로 서정을 전달합니다. 악보에 없는, 100명을 하나로 만드는 기술이에요.


3. 놀라울 정도로 닮았습니다

• 전체 그림을 보는 유일한 존재입니다. 첼리스트는 첼로 파트만, 리스크 분석 에이전트는 리스크만 봐요. 각 파트가 언제, 어떻게 기여해야 하는지 결정하는 건 지휘자(오케스트레이터)뿐입니다.

• 직접 연주(실행)하지 않습니다. 지휘자는 악기를 안 들고, 오케스트레이터 에이전트도 직접 업무를 수행하지 않아요. 바이브코딩에서 개발자가 코드를 직접 타이핑하지 않고 AI에게 의도만 전달하는 것과 같은 구조예요.

• 사전 준비가 성패를 가릅니다. 지휘자 업무의 70%는 무대가 아니라 악보 연구실에서 이뤄지고, 에이전트 오케스트레이션도 워크플로우 설계와 에스컬레이션 경로 설정 같은 사전 아키텍처가 핵심이에요.


4. 차이점

• 지휘자는 감정을 해석하고, 오케스트레이터는 로직을 실행합니다. 같은 악보라도 지휘자의 인생 경험과 미학이 해석에 녹아들어요. AI 오케스트레이터는 아직 정해진 규칙과 최적화 함수 안에서 움직입니다. '이 구간에서 왜 눈물이 나게 해야 하는지'를 아는 건 인간뿐이에요.

• MIT 보고서에 따르면 기업의 GenAI 파일럿 중 95%가 측정 가능한 손익 성과를 내지 못하고 있는데 실패 원인이 모델 성능이 아니라 워크플로우 통합과 거버넌스라는 점이 흥미로워요. 결국 '조율'의 실패입니다.

• 신뢰의 성격이 다릅니다. 지휘자와 연주자 사이에는 수년간 쌓인 신뢰가 있어요. AI 에이전트 간에는 프로토콜(MCP, A2A)이 그 자리를 대신하는데, 프로토콜은 신뢰가 아니라 규약입니다.


5. 악기를 만져본 적 없는 지휘자가 가능한가

• AI가 초급 개발자들이 하던 기초 코딩 업무를 대체하면서, 주니어가 실력을 쌓으며 성장할 기회가 줄어들 수 있습니다. 장기적으로 숙련된 시니어의 공급을 끊는 '인재 단절'이 생길 수 있다는 건데, 오케스트라에 비유하면 연주 경험 없이 바로 지휘대에 서라는 것과 같습니다.

• 반면, 코딩이라는 기술 장벽이 낮아질수록 "무엇을 해결해야 하는가"를 아는 도메인 지식의 가치는 역설적으로 올라갑니다. 금융, 의료, 제조 등 특정 분야의 문제를 정확히 이해하고 AI 솔루션을 설계하는 사람, 이게 바로 컨덕터의 자질이에요.

AI 에이전트가 C-suite 역할까지 대신하는 세상이 오면, 인간에게 남는 역할은 뭘까요. 내 생각엔 그게 바로 '컨덕터'입니다. 악보에 없는 해석, 프로토콜에 없는 판단, 데이터에 없는 직관. 결국 중요한 건 기술 자체가 아니라 그 기술로 어떤 가치를 만들어낼지에 대한 '인간의 의도'입니다.

(최근 지인들과 AI 산업부터 바이브 코딩, 교육의 미래까지 다양한 주제로 대화를 나눴는데, 메모할만한 부분들만 추려 공유합니다.)

1. AI 시장, 결국 3명만 링 위에 남는다

• Google, OpenAI, Anthropic. 지금 AI 판에서 살아남을 플레이어는 이 셋뿐이라는 게 그날 대화의 결론이었습니다. 나머지는 서서히 퇴장하거나 인수당하거나.

• Google은 솔직히 체급이 다릅니다. 검색, 클라우드, 안드로이드, 유튜브까지 인프라가 이미 전부 깔려 있어요. B2C를 해도 추가 비용이 거의 안 드는 구조. 궁극적으로 파이가 제일 크다는 데 이견이 없었습니다.

• 문제는 OpenAI. "인프라를 만들면서 동시에 B2C를 해버렸기 때문에 적자가 어마어마한 거예요." B2C로 시작했다가 뒤늦게 B2B로 전환 중인데, 전선이 너무 넓어요. 반면 Anthropic은 B2B에서 먼저 확고한 포지션을 잡아놓은 케이스. 전문가·개발자 사이에서 입지가 탄탄합니다.

• 소프트뱅크가 OpenAI에 몰빵해서 이번 분기 장부가치로 크게 벌었다는 얘기도 나왔고, Anthropic IPO 밸류에이션은 이미 "머니게임" 영역이라는 시각. 기술 가치와 캐피털마켓 가치는 별개라는 거죠.


2. 바이브 코딩은 코딩이 아니다, 업무 지시다

• "바이브 코딩을 코딩이라고 생각하면 안 돼요. 개발자들 데리고 24시간 회의하는 거예요. 업무 지시인 거죠."

• 기존 코딩의 업그레이드 버전이 아닙니다. DOS 쓰다가 Windows가 나온 수준 이상의 전환. "새로운 언어를 배운다고 생각하고 배워야지, 기존 언어의 어드밴스 레벨이 아니라 아예 다른 랭귀지인 거죠.", "25년 만에 코딩이라는 걸 또 해봤는데, 너무 재밌어서 잠을 못 잤다."

• 이 중독성의 정체가 뭔가 했더니, 온라인 게임과 구조가 똑같습니다. 도파민 보상 체계. 내가 원하는 걸 시켜서 결과가 나왔을 때 터지는 그 성취감이, 퀘스트 클리어할 때 느낌이랑 완전히 일치한다는 거예요. 이번 판 깨야 돼, 이거 하고 자야지. 이러다가 밤을 새는 거죠.

• 핵심은 '잘 시키는 능력'. "시키지 않으면 못하는 거야. 시켜서 끌어내야 해. 시키니까 잘하더라고." AI는 시키면 기가 막히게 하는데, 뭘 시킬지를 모르면 쓸모가 없습니다.


3. 프레임워크 없이 AI 시키면 출근시간도 못 지킨다

• AI에게 규칙 없이 일을 시키면 어떻게 되냐. "출근하라고 했더니 7시에 나왔다가 9시에 나왔다가 개념이 없는 거야. 왜 그랬냐 그랬더니, 몇 시에 오라는 얘기가 없었잖아요, 이러는 거지" 회사 취업규칙처럼 AI에게도 규정을 줘야 합니다.

• GitHub에 이미 검증된 오픈소스 프레임워크가 많아요. "다른 회사 취업규칙 가져다가 이름만 바꿔서 쓰는 것"과 같은 개념. 그걸로 파인 튜닝. 새 차를 받으면 기본 상태인데, 엔진·시트·쇼바를 자기 몸에 맞게 바꾸는 과정이 그거예요.


4. 개발자의 역할이 '마님'으로 바뀌었다

• 과거의 개발자는 직접 그릇 닦는 일꾼이었다면, 지금은 감시하고, 피드백 주고, 지적하고, 다시 시키는 '마님' 역할로 전환됐다.

• 문제는 오래된 개발자일수록 이 전환이 어렵다는 거. "자기가 그릇 닦는 게 편한 거야. 자꾸 감시하라고 하니까, 야 나와 내가 할게, 이 소리가 나와요." 코딩 경력이 오래될수록 기존 방법론에 갇혀서 새 접근을 거부하는 경향이 있다고. "우리 문파가 아니다. 사파다 사파. 사파는 취급 안 한다." 이런 반응이 실제로 나온답니다.

• 반면에 개발 경험이 전혀 없지만 커뮤니케이션 능력과 논리적 사고력이 있는 사람을 시켰더니? "와, 날아다녀요 얘들이." 백지 상태 4명으로 시작했는데 결과가 좋았다는 거예요.


5. 대표가 직접 바이브 코딩을 해봐야 하는 진짜 이유

• "부엌에서 하루 종일 요리할 생각은 없는데, 요리사를 시키려면 기본은 알아야 돼." 근데 더 중요한 건, 판 자체가 바뀌었다는 사실. "판때기가 일식에서 중식으로 바뀐 거야. 옛날 일식 경험 가지고 주방장 골라봤자 중식이 안 되는 거야."

• 프로토타이핑에서 특히 위력적입니다. 예전에는 말로 설명하면 개발자가 다르게 가져왔는데, 바이브 코딩으로 직접 만들어서 보여주면 커뮤니케이션이 압도적으로 빨라져요. 파워포인트가 아니라 HTML을 바로 뽑아서 보여주는 거죠.

• 실제 사례도 나왔습니다. 한 분이 보험회사 대상으로 세일즈 대시보드 데모를 바이브 코딩으로 직접 만들어 보여줬더니, 그 자리에서 "감동이다"라는 반응이 나왔다고. 개발 업체에 맡겨서 1년 걸린 걸, 자기가 일주일이면 하겠다는 확신이 들었다는 거예요.


6. 바이브 코딩으로 돈 받기 시작하면, 거기서부터 지옥이다

• 여기서 꼭 짚고 넘어가야 할 리스크. 비개발자가 바이브 코딩으로 제품을 만들어서 돈을 받기 시작하면, 유지보수·보안·구조적 문제·후속 수정 요청을 감당할 수 없게 됩니다.

• "돈을 받는 순간 나는 품질 보증을 해야 한다." 커머셜라이즈하면 책임이 따르는 건데, 그걸 생각 안 하고 팔았다가 멘붕이 오는 경우가 실제로 많다고. POC까지는 무료로 해보고, 상용화 단계에서는 전문 조직이 테이크오버하는 게 안전합니다.


7. AI 에이전트를 '비서실' 조직도로 만들어라

• AI 에이전트를 회사 조직도처럼 만들어 운영하는 게 지금 트렌드입니다. CTO, 법무, HR, 마케팅 등 C-Level 임원진을 에이전트로 구성해서 각 역할에 특화시키는 거예요.

• "나는 회장님이고, 비서실장 에이전트를 만들어놓고, 그 밑에 팀들을 쫙 만드는 거지." 혼자 시키는 것과 역할을 정확히 줘서 협업시키는 건 결과가 완전히 다르다고.

• "결국은 시키는 사람의 능력에 따라서 발휘가 되는 거예요.AI를 탓할 필요가 없어." 그리고 이 조직 운영의 상위 개념을 이쪽에서는 '오케스트레이션'이라고 부릅니다.


8. 싱가포르가 깨끗한 게 왜 문제인가

• "싱가포르 바닥을 보세요. 껌 자국도 없지, 벽에 낙서도 없지. 파괴가 없으면 크리에이티브가 없고, 크리에이티브가 없으면 스타트업도 없다." 싱가포르 공교육의 경우 '말 잘 듣는 국민'을 키우는 구조라, 파괴적 혁신이 태생적으로 나오기 어렵다는 분석.

• 싱가포르 유니콘 파운더를 보면 대부분 외국인입니다. 로컬 파운더가 거의 없어요. 그랩조차 원래 말레이시아에서 시작한 걸 테마섹이 투자를 미끼로 헤드쿼터를 싱가포르로 끌어온 케이스고요.

• 한국은? "천재들이 모여서 서울에서 지들끼리 치고받고 싸우더라고요. 서양에서는 바보들이 모여서 전 세계를 상대로 하고."


9. 미래 교육은 과목이 아니라 역량이다

• AI가 대체 못하는 분야로 가야 합니다. 인문학, 심리학, 언어학, 순수 문학, 예술. "휴먼 네이처로 가야 돼." 변호사, 의사, 금융 쪽이 안전하다는 건 이미 지나간 패러다임이라는 거죠.

• "지금의 교육은 이미 사라져가는 과거 패러다임을 배우고 있습니다. 그거는 기득권들의 라이센스 싸움이에요." 교육의 미래는 논리적 사고, 문제 해결, 추론, 커뮤니케이션, 메타인지. 창업 자체가 학위가 되는 모델이 필요하다는 이야기도 나왔습니다. 스페인 몬드라곤 협동조합 모델이 참고 사례.


10. 금붕어와 인간의 차이, 그리고 150세

• 손정의 이야기가 나왔습니다. AGI가 오고 나면 10년 후 인간과 AGI의 차이는 원숭이와 인간의 차이, 20년 후에는 금붕어와 인간의 차이. "금붕어가 어떻게 사람의 마음을 이해하겠습니까? 하지만 금붕어가 사람을 어떻게 일 시키는지를 배워야 해요."

• 일론 머스크의 로봇도 2년 전에 다들 웃었습니다. 근데 그때 한 분이 "나는 존경했어. 보통 배짱이 아니거든. 자신 없으면 안 보여줘."라고 하신 게 기억에 남아요. 3년 후면 외과 의사보다 나을 거라는 전망. AI와 피지컬 AI가 결합되면 못하는 게 뭐가 있겠느냐.

• K형 양극화 이야기도 빠질 수 없었습니다. 산업혁명 이후 중산층이 늘어났다가, 지금 다시 줄어드는 시대. 역노화·유전자 기술까지 더하면, "지금 태어난 아이들은 150세를 살 수도 있다"는 말이 농담이 아니게 됩니다.


한국은 몇 안 되는 얼리 어답터 민족이면서 동시에 FOMO와 경쟁의 민족입니다. 뭐가 새로 나왔다 하면 바로 뛰어드는 성향에, "쟤가 하는데 나만 안 하면 죽는 거 아니야?"라는 공포가 겹치면 그 안에서 시너지가 나온다고. 근데 싱가포르는 그게 없다고 합니다. 현재 대학생 세대도 기본적으로 '받아먹는 세대'라, 도전의 절실함이 부족하다는 지적. 열정 있는 소수를 잘 선별해서 집중 투자하는 게 기술이라는 거죠.

휴대폰 부품 뜯어본들 뭘 알겠습니까. 근데 잘 쓰잖아요. 결국 이해하는 게 아니라 잘 시키는 게 능력인 AI 시대가 온 겁니다.

AI가 물류를 지배하는 2026년, 스마트폰도 GPS도 없는 5,000명이 하루 20만 개 도시락을 Six Sigma 정확도로 배달합니다. 130년째. 이걸 대체하겠다고 뛰어든 IT 스타트업은 전부 망했습니다.

이 조직이 다바왈라(Dabbawala). 정식 명칭은 뭄바이 티핀박스 공급자협회(Nutan Mumbai Tiffin Box Suppliers Trust)입니다.

2003년, 찰스 왕세자(현 찰스 3세)가 인도 방문 중 뭄바이의 도시락 배달부들을 만나고 싶다고 했습니다. 영국 왕실의 요청에 돌아온 대답이 걸작이었어요. "11시에서 11시 40분 사이에만 가능합니다. 장소도 저희가 정합니다. 배달 스케줄에 지장을 줄 수 없으니까." 영국 왕세자가 도시락 배달부 스케줄에 맞춘 겁니다. 이 만남에 감동한 찰스 왕세자는 2005년 자신의 결혼식에 다바왈라 두 명을 초대했는데, 인도 국적 초대자는 자이푸르 왕비 포함 단 세 명이었습니다.


1. 1890년, 도시락 100개에서 시작된 130년 시스템

• 1890년, 마하데오 하바지 바체가 배달원 약 100명으로 뭄바이 도시락 배달을 시작했습니다. 136년이 지난 지금 배달원 5,000명, 하루 도시락 20만 개. 오전 배달, 오후 빈 도시락 회수. 하루 왕복 2회.
• 뭄바이 직장인 평균 통근 시간이 왕복 3시간입니다. 초만원 열차에 도시락까지 들고 탈 수가 없어요. 집에서 만든 따뜻한 밥을 사무실 책상에 정시에 올려놓는 것. 이게 이 사업의 전부이자 핵심입니다.
• 배달료는 월 800~1,000루피. 한화로 약 1만 5천~2만 원. 이 가격에 왕복 배달과 수거가 포함됩니다.

2. 앱 대신 컬러코드, AI 대신 240만 번의 손 릴레이

• 도시락 뚜껑에 컬러코드, 알파벳, 숫자를 조합해서 마킹합니다. 출발 지역, 경유 기차역, 목적지 건물, 층수, 담당 배달원까지 이 코드 하나에 전부 담겨요.
• 배달원 대부분이 중학교 2학년 수준 학력입니다. 글을 잘 못 읽는 사람도 많아요. 그런데 이 코드만 보면 누구든 어디로 가야 하는지 정확히 압니다. 문자가 아니라 색깔과 기호로 설계된 시스템이니까.
• 도시락 하나가 목적지까지 최소 6번 사람 손을 거칩니다. 돌아올 때도 6번. 하루 총 240만 번의 수작업 이동이 벌어지는데, 오류율이 1,600만 건당 1건입니다.
• 배달원 1인당 하루 35~40개 담당, 이동 거리 약 60km. 자전거, 손수레, 로컬 기차만 씁니다. GPS도, 바코드 스캐너도 없습니다.

3. 136년간 파업 0건, 나쁜 고객은 잘라버리는 조직

• 20~30명 자율 팀 단위로 운영되고, 배달원 전원이 조직 지분을 나눠 가진 주주입니다. 월급쟁이가 아니라 공동 사업자예요.
• 대부분 바르카리(Varkari) 종파 소속으로, "일은 곧 기도"라는 믿음을 갖고 있습니다. 술과 담배를 하지 않고, 6~7월에는 21일간 도보 순례를 떠날 정도로 규율이 강한 공동체입니다.
• 간디 모자 미착용, 음주 출근, 지각 모두 벌금. 분쟁은 내부 위원회 처리. 136년간 파업이 단 한 번도 없었습니다.
• 고객 관리도 엄격합니다. 도시락을 제시간에 안 내놓은 고객이 3회 누적되면 서비스를 끊어버려요. 고객도 이 시스템의 규율을 따라야 합니다.

4. IT 스타트업 전멸, 앱이 모사할 수 없었던 것

• 2010년대 이후 여러 IT 스타트업이 "이 아날로그 시스템을 앱으로 대체하겠다"며 뛰어들었습니다. 결과는 전멸.
• 뭄바이의 열차 시간표는 수시로 바뀌고, 골목은 지도에 안 나오는 곳이 수두룩합니다. 무엇보다 다바왈라 사이에는 카스트 기반의 신뢰 관계가 깔려 있어요. 오늘 누가 아픈지, 이 골목은 몇 시에 막히는지, 이 건물 경비원은 뒷문으로 들여보내 주는지. 데이터베이스에 넣을 수 있는 종류의 정보가 아닙니다.
• 하버드 케이스에도 이 대목이 나옵니다. 외부 컨설턴트가 신기술 도입을 제안했지만, 정작 FedEx가 다바왈라한테 배우러 온 게 현실이었다고.

5. AI 물류 자동화 vs. 다바왈라, 숫자가 말하는 것

• 2025~2026년 기준, AI 물류 자동화를 도입한 창고들의 오류 감소율은 약 99%. 대단한 숫자입니다. 다바왈라의 정확도는 99.9999%. 차원이 다릅니다.
• AI가 강한 영역은 분명합니다. 경로 최적화, 수요 예측, 재고 관리, 문서 자동화. 배송 시간 정확도를 20%까지 높이고, 라스트마일 비용을 10~20% 줄인다는 데이터도 있어요.
• 그런데 2025년 물류 자동화 업계에서 나온 가장 중요한 교훈이 뭔지 아십니까. "성과를 결정한 건 하드웨어가 아니라 워크플로우 설계였다." 로봇 성능이 아니라, 작업 흐름을 어떻게 짜느냐가 갈랐다는 겁니다.
• 다바왈라가 130년 전부터 해온 게 바로 그겁니다. 기술 없이 역할 분담, 동선 최적화, 예외 처리를 인간 네트워크로 만들어낸 거예요.

6. 스타트업이 가져가야 할 세 가지

• 시스템의 단순함. 문맹인 사람도 이해할 수 있게 설계된 체계. 팀원 누구나 5분 안에 이해 못 하는 구조는 조직이 커질수록 오류가 늘어납니다.
• 주인의식 구조. 전원이 주주이고, 배달이 잘못되면 내 수입이 줄어드는 구조. 136년간 파업 없이 돌아간 진짜 이유입니다. 스타트업에서 스톡옵션을 주는 것과 원리가 같은데, 다바왈라는 1890년부터 했습니다.
• 기술 도입의 순서. 프로세스가 엉망인 조직에 AI를 얹으면, 엉망인 프로세스가 더 빨리 돌아갈 뿐입니다. 다바왈라는 기술 없이 프로세스만으로 Six Sigma를 찍었어요. 우리 조직은 AI 도입 전에 프로세스부터 잡혀 있는지, 이 질문이 먼저입니다.

AI와 자동화는 분명히 강력한 도구입니다. 안 쓸 이유도 없어요. 다만 도구를 들이기 전에 "역할 분담이 명확한가", "서로 신뢰하는가", "현장에서 예외가 터졌을 때 누가 판단하는가"를 점검하는 게 순서 아닐까 싶습니다.

스마트폰이 세상을 뒤엎는 데 5년 걸렸습니다. AI는 같은 일을 3년 안에 해치우고 있어요. 산업 구조, 투자의 흐름, 새로운 BM의 탄생까지. 평행우주 이론이 연상됩니다.

2007년 1월, 스티브 잡스가 무대에서 아이폰을 꺼내 두 손가락으로 화면을 벌렸습니다. 사진이 커지자 관객석이 뒤집어졌어요. 핀치 투 줌. 지금은 두 살짜리도 하는 동작에 사람들이 "저거 광고 조작 아니냐"고 했습니다. 블랙베리 트랙볼이 최첨단이던 시절이니까요.

15년 뒤, 2022년 11월 30일. OpenAI가 ChatGPT를 내놨는데 발표회도 없었습니다. 블로그 포스트 하나. 그런데 5일 만에 100만 명이 몰렸습니다. TikTok이 9개월, 넷플릭스가 3년 반 걸린 숫자를요.

잡스는 무대를 흔들었고, OpenAI는 블로그 글 하나로 세상을 흔들었습니다. 방법은 달라도 결과는 같았어요. 그리고 그 뒤에 벌어진 일들의 구조도 소름 돋을 만큼 닮아 있습니다.


1. 플랫폼의 탄생: 진짜 게임은 "그 위에서 뭘 만드느냐"

• 잡스는 처음에 서드파티 앱을 허용할 생각이 없었습니다. "웹앱을 만들라"고 했더니 일반 개발자들의 반응이 골프 갤러리 수준의 박수. 결국 2008년 7월 앱스토어가 500개 앱으로 문을 열었고, 72시간 만에 1,000만 다운로드. 2013년에 앱 100만 개를 돌파하면서 소프트웨어 유통의 문법 자체를 다시 썼습니다.
• ChatGPT도 처음엔 대화창 하나가 전부였어요. 그런데 2023년 API 개방, GPTs 마켓, 2025~2026년 에이전트 프레임워크까지 나오면서 플랫폼 위에 수천 개의 서비스가 돌아가고 있습니다. 2025년 연 매출 200억 달러 돌파, 2026년 2월엔 1,100억 달러 규모 펀딩까지 마쳤고요.

기기든 모델이든, 그 자체가 아니라 위에 올라타는 생태계가 진짜 돈을 만듭니다. 앱스토어가 아이폰의 킬러앱이었듯, API/MCP와 에이전트 레이어가 LLM의 킬러앱이 되는 중이에요.


2. iOS vs Android, ChatGPT vs Claude: 역사는 복붙을 좋아합니다

• 스마트폰 시대 최고의 라이벌 구도는 Apple iOS vs Google Android였습니다. 아이폰이 시장을 열었지만 진짜 대중화는 Android가 해냈어요. 오픈소스 전략으로 삼성·LG·화웨이 등 수십 개 제조사를 끌어들이면서, iOS가 프리미엄을, Android가 대중 시장을 양분하는 구조가 됐습니다.
• AI에서도 판박이 구도가 만들어지고 있어요. ChatGPT가 시장을 열었고, Anthropic의 Claude가 맹추격 중입니다. Ramp AI Index 기준 2026년 4월, 미국 기업 AI 유료 사용 비율에서 Anthropic(34.4%)이 OpenAI(32.3%)를 처음 역전했습니다. 2023년 6월에 Anthropic 기업 도입률이 0.03%였으니, 3년 만에 1,000배 이상 뛴 셈이에요.
• 엔터프라이즈 코딩 시장에서는 격차가 더 큽니다. Claude 54%, ChatGPT 21%. 에이전트형 코딩 도구 Claude Code가 폭발하면서 Anthropic 연 매출은 2024년 10억 달러에서 2026년 전망 200억 달러 안팎.
• 반면 소비자 시장에서 ChatGPT는 여전히 압도적입니다. 주간 9억 명, 하루 프롬프트 25억 건, Fortune 500의 92%가 사용 중. OpenAI 기업가치 7,300억 달러.

2023년에 OpenAI가 50%를 차지하던 시장에서 2년 만에 판이 뒤집어졌습니다. iOS가 프리미엄·생태계를, Android가 보급·개방성을 가져갔듯, ChatGPT가 소비자·범용을, Claude가 엔터프라이즈·전문성을 가져가는 구도. 15년 전 극본을 비슷하게 쓰고 있어요.


3. 돈의 방향: VC 자금이 몰리는 곳이 다음 10년을 결정합니다

• 스마트폰 시대: 모바일 VC 투자 비중이 2010~2014년 사이 2배로 뛰어 2014년 기준 370억 달러. Instagram, Uber, Airbnb가 이때 태어나거나 로켓을 탔습니다.
• AI 시대: 2023년 약 500억 달러, 2024년 1,140억 달러, 2025년 2,110억 달러(전년 대비 85% 성장). 전체 글로벌 VC의 약 50%가 AI에 집중됐어요. OpenAI·Anthropic·xAI·Scale AI 등 5개 회사만 2025년에 840억 달러, 전체 VC 자금의 20%입니다. 2026년 1분기엔 파운데이션 모델 회사들이 1,780억 달러를 모았는데, 2025년 전체(889억 달러)의 2배를 한 분기 만에 넘겼어요.

구조는 같은데 액수가 한 자릿수 다릅니다.


4. 산업 파괴: 기존 왕좌가 흔들리는 속도

• 노키아와 블랙베리가 아이폰 출시 후 3~4년 만에 무너졌습니다. 빠르다고 느꼈지만 전환에 5년은 걸렸어요.
• AI는 속도부터 다릅니다. ChatGPT 출시 2개월 만에 Google이 Bard를 긴급 발표, Microsoft는 Bing에 GPT를 박았고, Baidu·Alibaba·Meta 전부 자체 LLM을 내놨어요. 빅테크 6개사 시가총액 합계가 2022년 이후 8조 달러 증가. Nvidia는 "게이밍 GPU 회사"에서 시가총액 세계 1~3위를 오가는 회사가 됐습니다.

5년 걸리던 산업 재편이 2년 안에 벌어졌어요.


5. 새로운 경제 모델: '긱 이코노미'에서 '에이전트 이코노미'로

• 스마트폰의 가장 큰 유산이 긱 이코노미입니다. Uber·Lyft 드라이버만 미국에서 215만 명, 독립 근로자 5,800만 명(노동인구의 36%). 스마트폰+GPS+모바일 결제가 없었으면 불가능했던 비즈니스였어요.
• AI가 만들어내는 건 에이전트 이코노미입니다. Gartner에 따르면 2026년 말까지 기업 애플리케이션의 40%에 AI 에이전트가 들어갑니다. 2025년 초 5% 미만에서 1년 만에 8배. Y Combinator 최근 배치의 47%가 AI 에이전트 스타트업이에요. 미국 소비자의 39%가 이미 쇼핑에 AI를 써봤고 53%가 올해 쓸 계획이라고 답했습니다.

긱 이코노미가 "사람의 유휴 자원"을 연결했다면, 에이전트 이코노미는 "AI의 인지 능력"을 업무에 연결합니다.


6. S커브 위의 좌표: 지금 AI는 스마트폰 타임라인의 어디쯤일까요

• 스마트폰: 2007년 출하량 1.2억 대 → 2012~2013년 10억 대 돌파(S커브 급경사 진입) → 2015년 사용자 45억 명. 변곡점까지 5~6년.
• AI: 2022년 11월 ChatGPT 출시(5일 만에 100만) → 2023년 1월 월간 1억 명 → 2025년 10월 주간 8억 명 → 2026년 2월 주간 9억 명, 유료 구독자 5,000만 명 이상. 출시 3년 반 만에 주간 9억. 미국+EU+캐나다 인구를 합친 것보다 많습니다.

지금 AI는 스마트폰 타임라인의 2010~2012년쯤입니다. 매스 마켓 진입 초기, S커브가 진짜 가속 붙는 변곡점. 스마트폰은 이 변곡점 이후 3년 만에 사용자가 4배로 뛰었어요.


7. 앞으로 3~5년, 스마트폰의 궤적이 알려주는 것들

• "앱스토어 모먼트": 앱스토어가 수백만 개발자를 끌어들였듯, AI 에이전트 마켓플레이스가 본격화됩니다. GPT Store, MCP 서버 생태계가 초기 형태로 존재하고, 2027~2028년쯤 표준 인프라로 자리잡을 가능성이 높아요.
• "Android 모먼트": 오픈소스 LLM(Llama, Mistral 등)이 개발도상국·중소기업 시장의 대중화를 이끕니다. ChatGPT 사용자 증가율이 저소득 국가에서 고소득 국가 대비 4배 이상 빠른 게 그 신호입니다.
• "Uber 모먼트": 스마트폰+GPS+결제가 합쳐져 Uber가 나왔듯, AI 에이전트+API+결제 인프라가 합쳐지면 지금 상상 못할 서비스가 등장합니다. 2009년에 "낯선 사람 차에 타는 앱"은 미친 소리였어요. "AI가 대신 계약서 검토하는 서비스"도 지금은 비슷한 반응을 받고 있습니다.
• 하드웨어 사이클: 스마트폰이 센서를 달며 앱의 가능성을 넓혔듯, AI 전용 칩이 에이전트의 가능성을 넓힙니다. Nvidia가 OpenAI에 추론용 3GW, 학습용 2GW를 공급하기로 한 건 그 자체가 시대 선언이에요.


스마트폰 시대에도 거품은 있었습니다. 수십만 개 앱이 사라졌죠. 현재 AI 스타트업의 90%가 1년 내에 문을 닫는다는 통계도 이미 나와 있어요. 2025년에 쏟아진 2,000억 달러 중 상당 부분은 회수가 안 될 겁니다.

그때 배운 게 하나 있다면, "모바일 퍼스트"를 입으로만 외친 회사는 사라졌고, 모바일이 아니면 존재할 수 없는 가치를 만든 회사(Uber, Instagram, 카카오톡)만 살아남았다는 겁니다. AI에서도 같은 공식이에요. 결국 플랫폼 전쟁의 승자는 "더 좋은 기술"이 아니라 "더 풀기 어려운 문제를 푸는 생태계"였습니다.

이미 우리는 AI 없는 작업 환경을 상상 못하는 사람들이 됐어요. 그 사실 자체가 2010년쯤 스마트폰 없이 길 찾기가 불가능해진 순간과 겹칩니다. 못 느끼는 사이에 이미 S커브 위에 올라타 있는 겁니다.

* 참고: 본 포스팅에 대한 기획, 소재 발굴, 글 작성 방향/포맷/스타일 지시, 편집, 이미지 생성 기획은 제가 직접 했고, 초안 작성은 claude opus 4.6, 이미지 생성은 나노바나나/GPT Images 2.0으로 했습니다.

한국인에게 AI는 뭘까요? 기술? 트렌드? 아닙니다. 솔직히 말하면, 영어예요. 안 하면 뒤처지는 거. 엄마 친구 아들은 이미 하고 있는데, 나만 안 하면 큰일 나는 거.

한국인들이 AI에 유독 열정적이고, 긍정적이고, 적극적인 이유. 다른 나라 사람들이 "AI가 세상을 바꿀까?" 고민하는 사이, 한국인들은 이미 "이걸로 뭘 만들지?"를 생각하고 있다고 합니다. 심지어 AI를 내 집 마련의 수단으로 본다는 말까지 나왔어요. AI랑 부동산을 연결시키는 나라. 이건 좀 대단하죠.


1. 원래 그래왔다 - 기술 위의 서핑보드 (전 국민이 어얼리 어댑터인 나라)

• 한국은 지난 100년간 새로운 기술이 올 때마다 올라탔습니다. 경공업, 중공업, 반도체, 조선, 방산, 소프트웨어. 변화가 오면 두려워하기보다 기회로 잡고, 그걸로 소득을 높이고, 앞서 나갔어요.
• AI라고 뭐가 다르겠냐는 거죠. 한국인들은 AI를 두려움의 대상이 아니라 기회의 대상으로 봅니다. 위기이자 기회이자, 더 정확하게는 생존의 문제로 받아들이는 겁니다.


2. FOMO의 나라 - "너 그것도 못 해?"

• 새로운 기술이 나왔는데 뒤처지면 안 된다. 이게 한국입니다. 내가 열심히 하는 게 문제가 아니라, 뒤처지는 게 문제. "너 AI 그거 못 해? 옆에 애는 하는데?" "엄마 친구 아들은 그거 해가지고 대기업 들어갔다는데?" 이런 압박이 실제로 작동하고 있다는 얘기예요.
• 외국인들이 AI를 쓸까 말까 저울질하는 동안, 한국에서는 "AI 에이전트 못 들어봤어? 너 AI 몇 개 써?"가 일상 대화가 됐습니다.
• 놀라운 건, 이게 젊은 세대만의 이야기가 아니라는 거. 부장님도, 과장님도, 심지어 대표님도 AI를 해야 한다고 느끼고 있어요. 거의 만장일치입니다.
• 한국 응답자의 거의 절반은 자기 일자리가 AI로 대체될 거라 생각한대요. 두려움이 있죠. 근데 한국인들은 그 두려움 때문에 AI를 밀어내는 게 아니라, 오히려 더 열심히 파고드는 민족이에요.-


3. 숫자가 증명하는 AI 국가

• 전 세계 대학생 AI 사용률 비교에서, 한국이 가장 가파른 상승을 보여줬습니다. 2023년에 23%였던 대학생 AI 활용률이 2025년에 84%까지 올랐어요. 거의 네 배. "안 할 수 없잖아"가 데이터로 찍힌 셈.
• ICT 관련 박사 졸업생 수는 세계 6위. 1위 중국, 2위 미국, 3위 영국, 4위 독일, 5위 프랑스, 그 다음이 한국입니다. 인구 대비로 보면 어마어마한 인재 풀이에요.
• 2025 정부 AI 준비도 지수에서는 동아시아 1위. 글로벌 5위. 공무원도 AI 테스트를 받는 나라. 다른 나라 관청 가서 뭐 하나 신고해 본 사람은 압니다. 그 답답함을. 한국은 다릅니다. 빨리빨리가 여기서도 작동해요.


4. 정부도 올라탔다

• AI 경쟁력 강화에 8.4조 원 투입 발표. 국민성장펀드, 소버린 AI 같은 키워드가 이미 나오고 있습니다.
• 전남 해남군 솔라시도에 국가 AI 컴퓨팅 센터가 들어섭니다. 사업 규모 약 2.5조 원, 자본금 4천억, 첨단 AI 반도체 1만 5천 장 투입.
• 제도 쪽도 빠릅니다. 2016~2025년 사이 AI 관련법 통과 건수를 보면, 미국 25개, 한국 17개. 프랑스 10개, 일본 10개, 독일 5개, 캐나다 1개, 인도 1개. 올해 1월 말부터는 세계 최초 AI 기본법도 시행 중이에요. 인공지능 3대 강국을 목표로 잡은 거죠.


변화가 오면 기회로 보는 나라. 무섭기보다 가능성으로 받아들이는 나라. AI 짤 최강 생성국이자, AI에 가장 긍정적인 나라. 심지어 AI와 내 집 마련을 연결시키는 나라.

다만 한 가지, 이 속도와 열정 속에서 "나는 뒤처지고 있는 건 아닌가"라는 불안이 빠지지 않는 것도 사실입니다. 그 불안이 동력이 되기도 하지만, 솔직히 좀 피곤하기도 하죠. 그래도 이게 한국의 힘이 아닐까 싶습니다.

출처: 세계에서 가장 AI에 진심인 나라 (슈카월드)

요즘 잘 나가는 AI 기업들 채용공고에 공통으로 뜨는 포지션이 있다. 그냥 개발자가 아니다. 고객 현장에 투입되는 개발자, Forward Deployed Engineer(FDE). 이 역할을 처음 만든 Palantir는 지금 시가총액 380조 원짜리 회사가 됐고, FDE 프로그램 출신들이 OpenAI, xAI, Anduril 곳곳에 포진해 있다. 우연이 아니다.

1 🧥 살 수 없는 재킷

- Palantir 입사하면 검은 트랙 재킷을 받음. 그런데 돈으로 못 사는 회색 재킷이 하나 더 있었음
- 현장을 수없이 다니면서 검은색이 바랬다는 게 사내 신화. 실제로는 리더십이 현장에서 검증된 엔지니어에게만 수여
- 엔지니어들이 "FDE 되려면 자격증이 뭐가 필요해요?"라고 물으면, Vinoo의 대답은 늘 같았음. 재킷은 상징이고 진짜는 그 안에서 일어나는 변화라고

2 🔑 FDE가 뭔데

- 고객 성과(outcome)를 책임지는 소프트웨어 엔지니어. 고객 만족도 점수가 아니라, 고객이 소프트웨어로 이루려는 실제 결과를 자기 것으로 안는 사람
- 세일즈 엔지니어는 딜을 닫고, 솔루션 아키텍트는 환경을 설계하지만, FDE는 고객이 진짜 이기게 만드는 게 일
- 채용으로 FDE 조직을 만들 수 없음. 전통적 개발 직무에선 이 역량이 안 길러지니까. 코드 짜고 배포하고 다음 티켓 넘어가는 루프에선, 고객이 내 코드에 목숨 거는 무게를 느낄 일이 없음
- Palantir의 답: 채용 말고 양성. Project Frontline이라는 프로그램으로 250명 이상의 엔지니어를 현장에 보냈고, 졸업생들이 지금 OpenAI, xAI, Anduril, Hex 등에서 활동 중

3 📡 세 가지 힘이 FDE를 필수로 만들고 있다

- AI가 주니어 개발자의 일을 대체하는 지금, 살아남는 건 AI가 못 하는 일을 하는 엔지니어 - 고객 앞에 앉아서 진짜 문제를 짚고 결과를 책임지는 사람
- 방위 산업 테크 폭발. Anduril, Shield AI 같은 회사들의 군·정부 고객은 배포 실패를 용납 안 함. 헬프데스크로 안 되는 환경이라 현장에 사람이 가야 함
- 엔터프라이즈 구매자가 똑똑해짐. 수십 년간 안 쓰는 소프트웨어(shelfware) 사온 기업들이 이제 구현 보증을 요구. 배포를 책임지는 회사가 이기는 구조로 전환 중

4 💰 왜 이게 돈이 되나

- 엔터프라이즈 소프트웨어 대부분이 가치를 못 내는 건 기술 결함이 아니라 제대로 도입이 안 돼서
- FDE가 만드는 플라이휠: 배포 → 피드백 → 제품 개선 → 쉬운 배포 → 고객 증가 → 피드백 순환
- Palantir가 상위 20개 고객에서만 연 11억 달러 이상 매출. 제품이 살짝 나아서가 아니라 엔지니어가 고객 결과를 자기 것처럼 책임지니까
- FDE는 최고의 제품 인사이트 소스이기도 함. 한 현장에서 50개 넘는 파이프라인 모니터링이 악몽이었는데, 그 고통을 직접 겪은 엔지니어 몇 명이 모니터링 도구를 만들어 여러 사이트에 배포.

5 🏆 뛰어난 FDE의 여섯 가지 결

- 고객 세계에 대한 집요한 호기심
- 엔지니어링 세기 조절: 중복 제거 요청에 2주 들여 정교한 엔진을 만들었는데, 필요한 건 한 번 쓰고 끝나는 SQL 쿼리.
- 청중별 언어 전환: CTO에겐 "15년치 엣지 케이스가 분기 보드 리포트를 깨뜨릴 수 있다", 엔지니어링 리드에겐 "12개 테이블, 847개 컬럼, 문서화 안 된 상호의존성, 암묵적 타입 변환". 같은 문제를 두 가지 언어로
- 위기 침착함: 고객사 CEO에게 데모 중 시스템 크래시. 전화 한 통으로 4분 만에 복구.
- 권한 없이 결과 만들기: "이 버그 좀 봐주세요"가 아니라 "이 고객 연매출 400만 달러, 갱신 6주 남았고, 임원 스폰서가 이 버그를 1순위 불만이라고 했다"로 말함. 이틀 만에 수정
- 고객 요청 되돌리는 판단력: 3개월짜리 커스텀 기능 요청에 바로 답 안 하고 2일간 이유를 파악. 기존 제품 설정 변경으로 해결 가능했고, 고객은 그날 바로 된 걸 더 좋아함

6 🚫 이런 사람에겐 안 맞는다

- 깊은 몰입 시간이 생명인 사람 - FDE는 인터럽트의 연속
- 모호함이 견딜 수 없는 사람 - 불완전한 정보 속에서 끊임없이 판단해야 함
- 한 분야 깊이 파는 게 목표인 사람 - FDE는 태생적 제너럴리스트
- 고객 불만을 개인적으로 받는 사람, 경계를 못 세우는 사람 - 번아웃 직행
- 이건 약점이 아님. 안 맞는 것뿐


FDE라는 이름이 한국에선 아직 낯선데, 핵심은 하나다. "코드 짜는 사람이 고객 앞에도 나가야 한다." 개발팀은 고객을 모르고, 영업팀은 기술을 모른다. 이 간극 사이에서 양쪽 다 할 수 있는 사람이 희소하고 비싼 인재가 된다. 초기 스타트업에선 사실 모든 멤버가 FDE여야 한다. 고객 현장에 안 나가본 엔지니어가 만든 제품은 자칫 예쁜 쓰레기가 될 수있다.

출처: Vinoo Ganesh, "The Definitive Guide to Forward Deployed Engineering" (Next Play Newsletter, 2026.02.06)

"잠깐 커피 사 오는 10분 동안 AI가 놀고 있었다." 바이브코딩 하는 사람이라면 한 번쯤 겪는 상황이다. 그런데 이제 폰 하나로 카페에서든 지하철에서든 "야, 그거 다 됐어?" 물어볼 수 있게 됐다. Claude Code의 Remote Control 기능인데, 설정은 10분이면 끝나고 추가 비용도 없다. (지난 2월 앤트로픽에서 Research Preview 버전으로 출시했는데, 직접 사용해보니 확실히 편하다 ^^)


1️⃣ 그래서 이게 뭔데 - 30초 요약

- 내 컴퓨터에서 돌아가는 Claude Code 세션을 웹 브라우저나 폰 Claude 앱에서 그대로 이어받는 기능임
- 핵심은 이거다. 코드 실행은 내 컴퓨터가 한다. 웹이나 폰은 TV 리모컨 같은 것
- 컴퓨터 터미널, 웹, 폰 - 세 군데를 동시에 켜놔도 전부 실시간 싱크됨
- 작업 끝나면 폰으로 푸시 알림이 날아옴
- 주의: claude 웹의 code 클라우드 버전과 헷갈리면 안 됨. Remote Control은 내 컴퓨터를 원격 조종하는 거지, 서버에서 돌리는 게 아님


2️⃣ 이런 사람, 지금 당장 켜라

- 노트북에서 Claude Code 돌리다가 외출할 일이 잦은 사람
- "빌드 걸어놓고 밥 먹으러 갔는데 끝났는지 아닌지 모르겠어" 하는 사람
- 회의 도중 슬쩍 폰 꺼내서 "아까 그 작업 어떻게 됐지?" 확인하고 싶은 사람
- 바이브코딩 입문자라면 특히. 코드를 직접 안 짜더라도 AI한테 시킨 일을 밖에서 관리할 수 있다는 게 꽤 큰 차이임


3️⃣ 필요한 것들 - 없으면 문 앞에서 막힘

- Claude Code v2.1.51 이상 (모바일 푸시는 v2.1.110 이상). 터미널에서 claude --version 쳐보면 바로 나옴
- 구독은 Pro, Max, Team, Enterprise 중 하나. 무료 플랜이나 API key로는 못 씀
- 인증은 claude.ai OAuth 로그인 방식만 지원. 회사 계정이면 관리자가 먼저 Remote Control 토글을 켜줘야 시작 가능
- 폰에서 쓸 거면 Claude 앱 설치 → 같은 계정 로그인 → 알림 권한 허용. 이 세 개 다 해야 완성


4️⃣ 설정은 딱 두 번 누르면 끝 - 진짜로

- 터미널에서 claude 실행 → /config 입력
- "Enable Remote Control for all sessions" 찾아서 true. 이거 한 번 켜면 매번 플래그 안 달아도 자동 등록
- 같은 메뉴에서 "Push when Claude decides"도 true. 작업 끝나거나 결정 필요할 때 폰으로 자동 알림
- 두 개 다 true 확인, ESC 누르면 세팅 끝. 평생 다시 안 건드려도 됨
- "No mobile registered" 경고 뜨면 당황하지 말고, 폰에서 Claude 앱 한 번 열었다 닫은 뒤 컴퓨터에서 새 세션 시작하면 해결


5️⃣ 쓰는 법 A - 카페 PC에서 웹으로 접속

- 컴퓨터에서 claude 실행해놓고 나감. 화면 꺼져도 됨. 단, 절전 모드 시간은 90분 이상 여유 있게
- 밖에서 아무 PC로 claude 웹의 code 메뉴 접속 → 같은 계정 로그인 → Recents에서 초록 점 달린 내 세션 클릭
- 거기서 뭔가 입력하면 집 컴퓨터에서 실행되고 결과가 화면에 뜸. 마치 원격 데스크톱 같은 느낌
- OS 상관없음. 브라우저만 돌아가면 됨


6️⃣ 쓰는 법 B - 지하철에서 폰으로 한 줄 지시

- Claude 앱 열고 code 메뉴 선택 → 세션 목록에서 내 컴퓨터 이름 + 초록 점 탭
- "테스트 한 번 더 돌려", "이 PR 머지해" 같은 짧은 명령 던지기에 딱임
- 타이핑 귀찮으면 음성 입력으로 말해도 됨
- 긴 코드 보기는 폰 화면에서 한계 있으니, 그건 나중에 큰 화면에서


7️⃣ 푸시 알림 - 여기가 좀 특이함

- "끝나면 알려줘"라고 했는데 알림이 안 온다? 버그가 아님. Claude가 "이걸 굳이 보내야 하나?" 스스로 판단한 거임
- 확실히 받고 싶으면 실제 결과를 만드는 명령과 같이 요청
- 한 줄 정리: 명시 요청은 참고 사항일 뿐, 최종 결정권은 Claude한테 있음. 콘텐츠 없으면 안 쏨


8️⃣ 이건 알고 써야 안 당함 - 한계 리스트

- 제일 중요한 것: 내 컴퓨터가 켜져있어야 작동함. 클라우드가 아님. 끄면 끝
- 절전 모드 들어가면 10분 뒤 타임아웃. 외출 전에 절전 타이머 넉넉히 늘려놓을 것
- 인터넷 10분 이상 끊기면 세션 날아감
- /mcp, /plugin, /resume은 컴퓨터 터미널 전용. 웹이나 폰에서는 안 됨
- 보안은 괜찮은 편. TLS 암호화, 코드·파일은 내 컴퓨터에만 저장. 다만 메시지는 Anthropic 서버를 경유
- 추가 비용 없음. 기존 구독에 포함


출처: "Claude Code Remote Control Guide - 웹·모바일 이어 작업하기 완전 가이드" v2.0 (2026-04-26), Wilt Venture Builder 작성

0. 이 가이드는 누구를 위한 것인가

다음 중 한 가지라도 해당된다면 이 가이드가 도움 됩니다.

· 데스크탑이나 노트북에서 Claude Code로 작업하다가 외출·이동 시 폰이나 다른 PC에서 이어 쓰고 싶은 사람

· 긴 작업(빌드·테스트·대량 파일 처리 등)을 던져두고 끝나면 폰으로 알림 받고 싶은 사람

· 회의·카페·지하철에서 노트북 작업을 모니터링하거나 짧은 지시를 추가하고 싶은 사람

Remote Control이 이 모든 걸 하나로 해결합니다.

1. Remote Control이 뭔가 (1분 개념)

Claude Code는 보통 자기 컴퓨터 터미널에서 사용합니다. 그런데 외출하면 그 터미널을 못 보죠. Remote Control은 같은 세션을 웹 브라우저(claude.ai/code)나 스마트폰 Claude 앱에서 그대로 이어받는 기능입니다.

핵심 특징 4가지:

1. 실제 작업은 사용자 컴퓨터에서 실행 — 코드·파일·설정·MCP 서버 등 모든 로컬 자산에 그대로 접근

2. 웹·모바일은 단순한 창 — 메시지를 보내고 결과를 보는 인터페이스 역할만

3. 여러 디바이스 동시 sync — 컴퓨터 터미널·웹 브라우저·스마트폰 앱이 같은 세션에 동시 접속 가능

4. 푸시 알림 — 작업 완료·결정 필요 시점에 폰으로 자동 알림

💡 클라우드와 다름: claude.ai/code의 “Claude Code on the web”은 Anthropic 클라우드에서 실행됩니다. Remote Control은 사용자 컴퓨터에서 실행되고 웹·앱은 그 컴퓨터를 원격 조종하는 것뿐입니다. 차이가 큽니다.

Part A. 사전 준비 (한 번만)

A-1. OS·구독·버전 요건

⚠️ Team/Enterprise 사용자는 처음 사용 전에 조직 관리자가 claude.ai/admin-settings/claude-code에서 Remote Control을 활성화해야 합니다.

A-2. 모바일 앱 설치 (스마트폰에서 사용하려면)

설치 QR 코드가 필요하면 컴퓨터 터미널에서 claude 실행 후 /mobile 입력 → QR 코드 표시.

설치 후 다음 작업:

1. 앱 실행 → 컴퓨터와 같은 계정으로 로그인

2. 알림 권한 요청 팝업 → 허용

A-3. 컴퓨터에서 인증 (한 번만)

1. 터미널 (Terminal / iTerm / Windows Terminal / PowerShell / Git Bash 등) 실행
2. 작업할 폴더로 이동: cd ~/projects 같이
3. claude 입력 → 인터랙티브 세션 시작
4. /login 입력 → claude.ai 옵션 선택 → 브라우저에서 로그인
5. 작업 폴더 신뢰(workspace trust) 동의 (한 번만 묻습니다)

이미 평소 claude를 쓰고 있다면 이 단계는 끝난 상태입니다.

Part B. 한 번만 켜는 두 가지 설정 (영구 적용)

이 두 가지를 한 번 켜놓으면 매번 별도 작업 없이 자동 작동합니다.

B-1. 설정 1 — “모든 세션에 Remote Control 자동 등록”

1. 터미널에서 claude 실행 → 인터랙티브 세션 진입
2. /config 입력 후 Enter
3. 설정 메뉴가 나타남
4. “Enable Remote Control for all sessions” 항목 찾기
(보통 Sessions 또는 Remote 카테고리 아래)
5. Enter로 토글 → true 표시 확인
6. ESC로 메뉴 종료

효과: 이제부터 claude를 실행할 때마다 자동으로 Remote Control 등록됩니다. --remote-control 플래그를 매번 붙일 필요 없어집니다.

B-2. 설정 2 — “푸시 알림 자동 발송”

위와 같은 /config 메뉴 안에서 추가로 한 가지 더:

1. /config (설정 메뉴) 안에서
2. “Push when Claude decides” 항목 찾기
3. Enter로 토글 → true 표시 확인
4. ESC로 메뉴 종료

효과: 작업 완료·결정 필요 시점에 스마트폰 Claude 앱으로 자동 푸시 알림이 옵니다. (아래 Part E에서 작동 원리 설명)

⚠️ “No mobile registered” 경고가 표시되면 폰 Claude 앱을 한 번 실행한 뒤 컴퓨터에서 새 claude 세션을 시작하세요. 토큰이 자동 등록됩니다.

B-3. 검증 — 설정 잘 됐나

/config 메뉴에서 두 항목 모두 true로 표시되면 완료. 다음 단계 사용법으로.

Part C. 시나리오 A — 웹 (claude.ai/code)에서 이어 작업

C-1. 어떤 상황에 적합한가

· 외부 PC가 있는 환경 (회사·다른 집·카페의 데스크탑)

· 큰 화면에서 코드 diff·여러 파일 동시 보기

· 키보드·마우스로 본격 작업

C-2. 단계별 절차

컴퓨터 (외출 전)

1. 작업 폴더로 이동: cd ~/projects

2. claude 실행 → 인터랙티브 세션 시작

3. 세션 이름 명시 권장: claude -n “프로젝트 X 작업” (안 붙이면 자동 생성)

4. 컴퓨터 그대로 두고 외출

o 화면은 꺼져도 OK

o 절전 모드는 꺼두거나 시간 충분히 길게 (90분+ 권장)

o 인터넷 연결 유지

외부 PC 브라우저

5. https://claude.ai/code 접속 → 같은 계정 로그인

6. 좌측 사이드바 Recents 섹션에서 컴퓨터 이름 + 초록 점 세션 찾기

7. 클릭하여 진입

8. 입력창에 메시지 → 컴퓨터에서 실제 실행 → 응답 표시

C-3. 웹 시나리오 강점

C-4. 웹에서 작동하는 명령

다음 슬래시 명령들은 웹에서도 그대로 사용 가능:

/compact, /clear, /context, /usage, /exit, /extra-usage, /recap, /reload-plugins 등 텍스트 출력형.

C-5. 웹 시나리오 한계

Part D. 시나리오 B — 스마트폰 (iOS·Android)에서 이어 작업

D-1. 어떤 상황에 적합한가

· 이동 중 (지하철·버스·도보)

· 카페·회의 사이 쉬는 시간

· 노트북 작업 모니터링 + 짧은 후속 지시

· 푸시 알림으로 작업 진행 상황 인지

D-2. 두 가지 진입 방법

방법 1: 세션 목록에서 진입 (가장 일반적)

컴퓨터 (외출 전)

1. cd ~/projects
2. claude (또는 claude -n “프로젝트 X”)
3. 컴퓨터 그대로 두고 외출

스마트폰 (외부)

4. Claude 앱 실행
5. 세션 목록에서 컴퓨터 이름 + 초록 점 세션 찾기
6. 탭하여 진입
7. 폰 화면에서 메시지 입력 → 컴퓨터에서 실제 실행
8. 응답이 폰에 표시. 푸시 알림으로 중요 이벤트 받음

방법 2: QR 코드로 즉시 진입

특정 세션을 빨리 열고 싶을 때:

컴퓨터

1. claude remote-control --name “프로젝트 X”
→ 서버 모드 시작 + 세션 URL 표시
2. 스페이스바 → 큰 QR 코드 표시

스마트폰

3. Claude 앱 실행 → 우상단 QR 스캐너 또는 카메라 앱
4. QR 스캔 → 해당 세션이 앱에서 즉시 열림

💡 Part B의 설정 1을 켜놓았다면 방법 1로 충분합니다. 방법 2는 다중 세션을 동시에 운영할 때 유용.

D-3. 모바일 시나리오 강점

D-4. 모바일 시나리오 한계

Part E. 푸시 알림 작동 원리 (중요)

E-1. “Claude decides” — 가치 판단형 푸시

푸시 알림은 단순한 명시 요청만으로 발사되지 않습니다. Claude가 “이게 푸시할 가치가 있는가” 자체 판단합니다.

공식 문서: > “Claude decides when to push. It typically sends one when a long-running task finishes or when it needs a decision from you to continue.”

자동 푸시가 발사되는 조건:

1. 장시간(보통 1분 이상) 작업 완료 + 결과 콘텐츠 있음

2. 사용자 결정 필요 시점 (“이 파일 덮어쓸까요?”, “다음 단계 뭘 할까요?”)

3. 의미 있는 출력 발생 (파일 diff, 테스트 결과, 검색 결과 등)

E-2. 신뢰성 높은 푸시 트리거 패턴

E-3. 신뢰성 낮은 패턴 (피하기)

패턴

이유

sleep 5 단독

5초는 짧고 결과도 없음 → Claude “보낼 게 없음” 판단

“끝나면 알림 줘”만 있고 작업이 trivial

작업 결과가 빈약하면 푸시 생략

Claude가 도구 호출 없이 즉답하는 단순 인사

작업 자체가 없음

E-4. 한 줄 정리

푸시는 “보낼 콘텐츠가 의미 있을 때” 자동 발사. 명시 요청은 힌트일 뿐 Claude의 가치 판단이 final gate.

→ 푸시를 확실히 받고 싶으면 항상 실제 결과를 만드는 작업과 함께 요청.

Part F. 검증 — 설정이 제대로 작동하나 (3분 테스트)

F-1. Test 1 — 양방향 sync 검증

웹 → 컴퓨터 방향

[웹 claude.ai/code]
1. Recents에서 세션 진입
2. 입력창: “현재 작업 디렉토리 알려줘”

[컴퓨터 터미널 화면]
3. 그 메시지가 자동으로 입력되어 보임
4. Claude가 pwd 명령 실행 → 응답
5. 응답이 양쪽(웹·컴퓨터)에 동시 표시

컴퓨터 → 웹 방향

[컴퓨터 터미널]
6. 입력: “테스트 메시지 — 웹에서도 보이나”

[웹 화면]
7. 그 메시지 + 응답이 자동 표시 (새로고침 없이)

양쪽 모두 sync되면 ✅ 연결 정상.

F-2. Test 2 — 모바일 푸시 검증

[웹 또는 컴퓨터]
“git status 확인하고 결과 알림으로 보내줘”
또는
“ls -la 실행 후 결과 알림”

수 초~수십 초 내 스마트폰 Claude 앱에 푸시 알림 도착해야 함.

F-3. UI 상태 점 의미

claude.ai/code Recents의 점 색깔:

회색이어도 컴퓨터에서 다시 claude 실행하면 같은 이름으로 자동 재등록됩니다.

Part G. 비교 — 웹 vs 모바일 한눈에

💡 세션 한 개에 모든 디바이스 동시 접속 가능. 컴퓨터 + 외부 PC 웹 + 폰 앱 3개를 동시에 켜놓아도 모두 sync됩니다.

Part H. 시나리오 선택 가이드

Part I. 트러블슈팅

I-1. 세션이 claude.ai/code에 안 보인다

I-2. 회색 점이 초록으로 안 바뀐다

대부분 컴퓨터 세션이 살아있지 않아서. 새 터미널에서 claude 다시 실행하면 같은 이름으로 자동 재등록.

UI 표시는 지연될 수 있으나 양방향 메시지 sync가 작동하면 실제로는 연결된 상태.

I-3. 모바일 푸시가 안 온다

순서대로 점검:

특히 #5이 가장 흔한 원인. sleep 5 같이 결과 없는 명령은 Claude가 “보낼 가치 없음” 으로 자체 생략.

I-4. “Remote Control requires a claude.ai subscription” 에러

API key 인증 사용 중. claude auth login으로 claude.ai OAuth 재인증. 환경변수 ANTHROPIC_API_KEY가 설정돼 있으면 unset.

I-5. “Remote Control is disabled by your organization’s policy”

Team/Enterprise에서 관리자가 활성화 안 한 상태. 관리자가 claude.ai/admin-settings/claude-code에서 Remote Control 토글을 켜야 함.

Part J. 알아두면 좋은 한계·주의

J-1. 컴퓨터 켜져있어야 함 (Cloud 아님)

Remote Control은 외부에서 사용자 컴퓨터를 원격 조종하는 방식. 컴퓨터 claude 프로세스가 살아있는 동안만 작동.

→ 외출 전 절전 시간 충분히 늘리거나 “활성 상태 유지” 설정 권장.

J-2. 네트워크 단절 10분 이상 → 세션 timeout

컴퓨터가 켜져있어도 인터넷 끊김이 10분 이상 지속되면 세션 종료. 다시 claude 실행해야 함.

J-3. 데이터·보안

· 모든 트래픽은 Anthropic API over TLS 암호화

· OAuth + 단명(short-lived) 자격증명 사용

· 코드·파일은 사용자 컴퓨터에만 저장. 클라우드로 옮겨가지 않음

· 단, 메시지 라우팅은 Anthropic 서버 경유

J-4. 일부 명령은 컴퓨터 터미널에서만

· /mcp, /plugin, /resume — 인터랙티브 picker가 필요해서 웹·모바일에서 X

· /compact, /clear, /context, /usage, /exit, /extra-usage, /recap, /reload-plugins — 텍스트 출력형이라 웹·모바일에서 OK

J-5. Ultraplan과 동시 사용 불가

Ultraplan 세션을 시작하면 활성 Remote Control 세션이 자동 끊김. 둘 다 claude.ai/code 인터페이스를 점유하기 때문.

Part K. 자주 묻는 질문

Q1. 컴퓨터를 끄면 어떻게 되나요? A. 세션 종료. claude.ai/code Recents에는 회색으로 표시되고 외부에서 사용 불가. 다시 컴퓨터 켜고 claude 실행하면 같은 이름으로 자동 재등록.

Q2. 같은 세션을 여러 디바이스에서 동시에 사용해도 되나요? A. 됩니다. 컴퓨터 + 외부 PC 웹 + 폰 3개를 동시에 켜고 어디서 메시지 보내도 모두 sync됩니다.

Q3. 푸시 알림을 강제로 받고 싶을 때는? A. 명시적으로 결과를 만드는 명령으로 요청: “git status 확인하고 결과 알림으로 보내줘” 같이. 단순 “끝나면 알림” 만으로는 작업이 가벼우면 Claude가 생략할 수 있음.

Q4. 회사 PC와 집 PC 각각에 다른 세션을 가질 수 있나요? A. 됩니다. 각 컴퓨터에서 claude를 실행하면 각자 별도 세션으로 등록되고 외부에서 둘 다 보입니다.

Q5. iPhone과 Android 둘 다 같이 쓸 수 있나요? A. 됩니다. 두 폰 모두 같은 계정으로 Claude 앱 로그인하면 같은 세션에 둘 다 접속 가능.

Q6. 외부 PC에 Claude Code를 설치하지 않아도 웹은 쓸 수 있나요? A. 네. 웹 (claude.ai/code)은 브라우저만 있으면 어떤 OS에서도 작동합니다. 추가 설치 불필요.

Q7. 웹·모바일 사용도 추가 비용이 드나요? A. 별도 비용 없음. 보유 중인 Claude 구독 (Pro/Max/Team/Enterprise) 안에 포함.

Part L. 한 줄 요약

· 웹: 외부 PC 있을 때, 코드·결과 보면서 본격 작업

· 모바일: 이동 중, 짧은 지시·푸시 알림으로 컴퓨터 작업 모니터링

· 두 토글 한 번 설정으로 자동 활성화: /config에서 “Enable Remote Control for all sessions” + “Push when Claude decides” → 매번 별도 작업 불필요

· 푸시는 콘텐츠 있는 명령에만 자동 발사

참조

· 공식 문서: https://code.claude.com/docs/en/remote-control

· Claude Code 버전 확인: claude --version (v2.1.51 이상 필요, 모바일 푸시는 v2.1.110 이상)

· iOS 앱: https://apps.apple.com/us/app/claude-by-anthropic/id6473753684

· Android 앱: https://play.google.com/store/apps/details?id=com.anthropic.claude

· 웹 인터페이스: https://claude.ai/code

본 가이드는 Claude Code Remote Control 기능 (Research Preview)을 일반 사용자가 쉽게 활용할 수 있도록 정리한 자료입니다. 작성: 2026-04-26 (v2.0), Wilt Venture Builder.

요즘 하루가 멀다 하고 "X는 죽었다", "AI 에이전트가 다 한다"는 글이 쏟아지죠. 바이브 코딩으로 주말에 앱 만들었다는 포스팅엔 좋아요가 수백 개씩 달리고. 이거 보다 보면 슬슬 불안해집니다. 나만 뒤쳐지고 있는 거 아닌가?

근데 잠깐. 10년 전에도 비슷한 소리 들었습니다. 클라우드 안 하면 망한다, 모바일 퍼스트 아니면 끝난다. 그때도 세상이 내일 당장 뒤집어질 것처럼 난리였는데, 실제로 그 변화가 '보통 사람들' 삶에 스며드는 데는 꽤 긴 시간이 걸렸어요. 스마트폰이 처음 나온 게 2007년인데, 우리 부모님이 카카오톡 쓰기 시작한 건 한참 후잖아요.

프로덕트 코치 Ant Murphy라는 양반이 이 현상을 데이터로 깔끔하게 정리했습니다. 'The AI Chasm' - AI의 캐즘. 읽어보니 FOMO에 시달리던 마음이 좀 편해지더라고요.


1. 숫자는 화려한데, 속을 까보면 좀 허전합니다

• 스탠포드 2026 AI 인덱스 리포트 기준, 전 세계 인구의 절반이 생성형 AI를 써봤다고 합니다. 숫자만 보면 대단하죠.
• 근데 이 중 대다수는 뭘 하냐면요 - 무료 ChatGPT한테 "이 문장 좀 다듬어줘" 하거나, 구글 검색할 때 AI 답변이 알아서 뜨는 걸 그냥 보는 정도.
• McKinsey 조사가 더 적나라합니다. 기업의 88%가 "저희 AI 씁니다" 하는데, 진짜 제대로 AI를 도입해서 성과를 뽑아내는 곳은 겨우 1%.
• 88% vs 1%. 이 차이가 뭔지 아시겠죠? 대부분은 그냥 ChatGPT 계정 하나 만들어놓고 "우리 AI 도입했습니다"라고 보고서에 쓰고 있다는 뜻입니다.

2. 이 패턴, 우리 이미 여러 번 봤습니다

• 1962년에 에버렛 로저스라는 학자가 새 기술이 퍼져나가는 패턴을 정리했는데, 60년이 지난 지금도 똑같이 작동하고 있어요. 기술은 비약적으로 발전하는데 인간의 행동 양식은 그 속도를 못 따라갑니다.
• 혁신가 2.5%, 얼리어답터 13.5% - 합쳐봐야 16%. 지금 AI 얘기를 열심히 하고, 실제로 뭔가 만들고 있는 사람들이 딱 이 범위 안에 있습니다.
• 나머지 84%는? 아직 구경 중이거나, 관심조차 없거나, "우리 업종은 좀 다르니까"라며 넘기고 있어요.
• 얼리어답터에서 초기 다수로 넘어가는 이 구간이 진짜 절벽이라는 겁니다. 대부분의 혁신 기술이 여기서 주저앉아요.
• 전기차 생각해보세요. 테슬라가 2012년에 Model S 출시했는데, 주변에서 전기차 흔하게 보이기 시작한 게 한 10년 뒤 아닌가요? 기술이 있다고 세상이 바로 바뀌는 게 아닙니다.
• AI도 마찬가지. 저자의 판단으로는 AI가 아직 이 캐즘에 도달조차 못했다고 합니다.

3. AI가 유독 더 어려운 이유 - 이건 단순한 도구가 아니라 '내 자리'를 건드립니다

• 클라우드나 모바일은 일하는 방식을 바꿨지만, 내가 쓸모없어질 거라는 공포를 주진 않았거든요.
• AI는 다릅니다. 누군가에겐 '도구'지만, 또 다른 누군가에겐 '내 대체재'로 느껴져요. "AI한테 내 역할 학습시켜서 나를 대체했다"는 이야기를 심심찮게 듣잖아요.
• 인간은 같은 크기의 이득보다 손실에 약 2배 더 민감하게 반응합니다. AI가 줄 수 있는 혜택보다 "나 잘리는 거 아냐?"라는 공포가 2배 더 강력하게 작동한다는 거죠.
• 머리로는 "AI 배워야지" 하면서 몸이 안 따라가는 이유가 여기 있습니다. 이건 게으름이 아니라 인간의 본능이에요.

4. 그래서 현실에서는 무슨 일이 벌어지고 있나

• 고객 대면 AI 프로젝트를 줄이고, 내부 업무용 AI로 방향을 바꾸는 곳이 점점 늘고 있다는 거예요.
• 한 VP는 "우리 제품 전체를 AI 퍼스트로 갈아엎겠다"고 별도 팀까지 만들었는데, 고객 반응이 영 아니어서 팀을 해체하고 원상복구했다고.
• 고객 상담 직원 자르고 AI 챗봇으로 대체한 기업들이 불만 폭주에 허덕이는 사례도 나옵니다.
• 기업들이 발굴하는 AI 활용 사례가 내부용 59%, 고객 대면 41%로 내부 쪽이 더 많고, 기업 AI 지출 1위가 $4B 규모 코딩 도구 - 이것도 압도적으로 내부용.
• 내부는 내가 통제 가능한 영역이니까요. 고객한테 "이제 AI 쓰세요"라고 강제할 수는 없지만, 우리 팀한테 "이 도구 써봐"는 가능하잖아요.

5. AI 기능 출시는 쉽다. 어려운 건 사람을 바꾸는 일이다

• 첫째, 인간의 행동은 안 변한다. 최소한 AI 발전 속도만큼 빠르게는 절대 안 변한다.
• 둘째, AI 버블은 우리가 생각하는 것보다 훨씬 작다. 링크드인에서 떠드는 사람들이 전체를 대표하는 게 아니다. 가장 목소리 큰 사람이 다수는 아니다.
• 셋째, 채택 곡선은 예상보다 오래 걸린다. 클라우드도, 모바일도, 그 전의 인터넷도 다 그랬다. AI라고 이 법칙을 비껴가진 않는다.
• 그리고 한마디 더. "남들이 당신의 제품을 베낄 수는 있어도, 당신이 제품을 만드는 방식까지는 베끼지 못한다." 결국 제품을 AI로 바꾸기 전에, 먼저 자기 자신의 일하는 방식을 바꾸는 게 순서라는 얘깁니다.


이런 글을 공유하면 "그래도 이번엔 다르다"고 반박하실 분들이 분명 있을 겁니다.

맞아요, 다를 수 있어요. AI의 발전 속도는 인터넷이나 모바일과는 비교가 안 될 정도로 빠르니까. 근데 기술의 속도와 사회의 속도는 별개의 문제입니다. 기술이 아무리 빨라도, 그걸 받아들이는 건 결국 사람이고, 사람은 60년 전이나 지금이나 새로운 걸 받아들이는 패턴이 크게 안 달라졌어요.

신기술 나왔다고 호들갑 떠는 사람 따로, 뒤에서 조용히 자기 방식 바꿔가며 적응하는 사람 따로. 결국 살아남는 건 항상 후자였습니다.

출처: Ant Murphy, "The AI Chasm" (2025.4.17)

얼마 전 싱가포르에서 한국의 한 자동차 부품사 대표를 만났다. 30년 업력에 매출 700억원, 현장을 손바닥처럼 꿰고 있는 CEO(최고경영자)였다. 그런데 정작 고민은 기술이 아니었다. “신입은 안 오고, 숙련공은 은퇴합니다. 일감이 없어서 문 닫는 게 아니라 일할 사람이 없어서 문을 닫을 판이에요.” 한국 중소 제조업의 현주소다.

AI가 해결책으로 떠오르지만 현실은 녹록지 않다. 대한상공회의소가 504개 제조기업을 조사한 결과, 82.3%가 AI(인공지능)를 경영에 활용하지 않고 있었다. 중소기업만 떼어 보면 활용률은 4.2%. 중소기업중앙회 조사에서는 94.7%가 ‘도입 계획조차 없다’고 답했다.

우리가 흔히 ‘제조업 AX(인공지능 전환)’하면 무인 공장, 로봇 팔, 피지컬 AI를 떠올린다. 하지만 현장을 들여다보면 진짜 병목은 라인이 아니라 일하는 방식에 있다. 견적서, 발주서, 품질 보고서, 원가 계산이 여전히 엑셀과 카톡과 팩스 사이를 떠돌고 있고, 일의 노하우들은 숙련 직원의 머릿속에서만 머문다. 제조 AX의 본질은 라인 자동화가 아니라 이 ‘보이지 않는 워크플로우’를 AI로 재설계하는 쪽에 더 가깝다.

실제 사례가 있다. 매출 수백억원 규모의 한 식품 제조업체는 132개 SKU(상품군)를 26개 판매 채널에 깔고 있었다. 채널마다 수수료 구조가 달라 ‘실제로 얼마가 남는지’ 아무도 실시간으로 답하지 못했다. 결산이 끝나야만 이익을 알 수 있었다. 이 업체 대표는 AI 에이전트로 채널별 매출을 자동 수집하고 원부재료·노무비·물류비를 역산해 공헌이익을 매일 계산하는 시스템을 직접 만들었다.

장비를 바꾼 게 아니라 보이지 않던 숫자에 불을 켠 것이다. 이 시스템은 쓸수록 정밀해진다. 데이터가 쌓일수록 원가 예측이 정확해지고 정확한 견적은 더 많은 수주로 이어진다. 먼저 시작한 곳과 안 한 곳의 격차는 복리처럼 벌어진다.

이런 흐름을 중소 현장으로 퍼뜨리려는 움직임도 있다. 올해 출범한 민간 제조AX 컨소시엄 ‘엑스모스(AXMOS)’도 이같은 취지에서 출발했다. 여러 기업이 공유하는 AI 플랫폼을 설치하고 전문인력이 현장에 상주하며 맞춤 세팅을 해주는 것이 핵심이다. 실제 공정에서 함께 굴러야 데이터가 쌓이고 그 데이터가 시스템을 개선하는 학습 고리가 돌아간다. 기술을 파는 게 아니라 ‘쓸 수 있게 만들어주겠다’는 발상이다.

이러한 제조 AX가 왜 절실한지 미국을 보면 감이 온다. 딜로이트와 미국 제조업협회(NAM)에 따르면 미국 제조업은 2033년까지 약 190만 개의 일자리가 인력 부족에 시달린다. 미국이 반세기 동안 제조 생태계 자체를 해체해온 결과다. 이걸 다시 쌓으려면 10년으로도 부족하다. 제조업 경쟁력을 지속적으로 유지시키는 게 중요한 이유다.

한국의 제조AX는 잠재력도 크다. 미국이 AI의 본진이지만 클라우드 위의 알고리즘과 인프라의 얘기다. 기름때 묻은 제조 현장의 데이터는 우리가 가진 자산이다. 현장 밀착형 소프트웨어에서는 미국의 틈이 보이고, 한국은 그걸 가장 잘 채울 수 있는 나라다.

정부는 올해 AI에만 약 10조원의 예산을 편성했다. 더 중요한 건 예산이 아니라 ‘이미 가진 것’을 다시 보는 눈이다. 반세기 쌓인 현장의 노하우, 대기업-협력사 네트워크, 지방 공장의 숙련된 인력. 너무 익숙해서 안 보일 뿐 전 세계가 부러워할만한 자산이다.

소수의 선도 기업이 불균형적으로 큰 몫을 가져갈 가능성이 높다. 의사결정이 빠른 오너가 먼저 움직인다면 조용한 지방 공장이 ‘글로벌 제조 AX의 첫 레퍼런스’가 될 수도 있다.

한국의 그 부품사 대표에게 마지막으로 당부했다. “비싼 인력이 엑셀과 카톡에 쏟는 행정 낭비부터 AI 에이전트에게 맡겨보십시오. 현장 노하우를 AI로 차곡차곡 쌓다 보면, 한국의 부품이 아니라 한국의 ‘제조 시스템’을 통째로 사가는 바이어가 나올 겁니다.”

(‘머니투데이-유니콘팩토리’에 기고한 제조업 AX에 관한 글: https://www.unicornfactory.co.kr/article/2026041617251382227)

챗봇은 똑똑한 앵무새였다. 물으면 대답하되, 맞는지 틀리는지는 내가 알아서 확인해야 했다. 그런데 에이전트는 다르다. 시키면 알아서 하고, 틀리면 스스로 고치고, 될 때까지 반복한다. 잠도 안 자고. 더 소름끼치는 건, 이 혁명에 사람이 별로 필요 없다는 사실이다. 소수의 인간이 에이전트 군단을 지휘하는 시대 — 벤 톰슨은 이걸 근거로 “AI는 버블이 아니다”라고 선언한다.

1. LLM 진화의 세 장면 — 앵무새에서 자율 노동자까지

- 2022년 ChatGPT: 세상을 놀라게 했지만 두 가지 치명적 약점. 자주 틀리고 할루시네이션을 일으킴. 사용자가 직접 팩트체크 해야 쓸 수 있었음

- 2024년 o1: 답을 내뱉기 전에 스스로 추론하는 모델 등장. 실수가 줄었고 신뢰도가 확 올라감

- 2025년 말, 진짜 전환점. Anthropic의 Opus 4.5 + Claude Code, OpenAI Codex가 에이전트로 작동하기 시작. 코드를 짜고, 돌려보고, 안 되면 스스로 수정 — 사람 개입 제로

- 중요한 건 모델만이 아님. 모델을 감싸는 소프트웨어 ‘하네스(harness)’가 결정적. Opus 4.5 자체보다 Claude Code 하네스의 변화가 성능 점프를 만들어냄

2. 소수가 지배하는 컴퓨팅 수요

- 챗봇 시대: AI를 잘 쓰려면 “뭘 시킬지 아는 사람”이어야 했음. 주도권은 인간에게

- 에이전트 시대: 한 사람이 에이전트 여러 개를 동시에 굴림. 소수의 주도적 인간이 거대한 컴퓨팅 수요를 혼자 만들어냄

- “많은 사람이 써야 AI가 의미 있다”는 가정이 깨짐. 소수만으로도 수요 폭발 가능

- 병목이 이동했다. “얼마나 많이 쓰느냐”가 아니라 “소수가 에이전트를 몇 개나 돌리느냐”의 게임

3. 에이전트가 만드는 해고의 경제학

- 소비자는 생산성 도구에 돈 안 냄. OpenAI 유료 전환율이 낮은 건 놀랄 일이 아님

- Anthropic의 엔터프라이즈 올인은 정확한 판단. 기업은 직원 생산성 향상에 돈 쓰고, 더 나아가 인력 자체를 줄이는 데도 적극적

- 모든 대기업엔 회사를 실제로 굴리는 소수 핵심 인력과, 그 의지를 실행하는 거대한 조직 장치가 있음. 에이전트는 이 장치의 상당 부분을 대체함 — 지치지 않고, 불평 없이, 끝날 때까지

- AI 시대의 적정 조직 규모는 이전보다 훨씬 작음. 선제적으로 줄이지 않으면, AI 네이티브 경쟁자에게 비용과 역량 모두에서 밀림

4. “모델은 범용품” — 이 말, 틀렸을 수 있다

- 통설: AI 모델은 곧 상품화됨. DeepSeek가 600만 달러로 1억 달러 모델 수준 달성. 오픈소스가 스타트업 80% 점령

- 애플의 호레이스 데디우: “모델 직접 안 만들고 제미나이 라이선스한 애플이 천재”

- 반론: 추론 모델은 엄청난 토큰과 대형 컨텍스트 윈도우가 필요. 아무리 애플 칩이 좋아도 로컬로는 클라우드 추론 모델과 경쟁 불가

- 에이전트 시대의 법칙 — 모듈화된 부품은 이윤이 사라지고, 통합된 부품에 이윤이 몰림. 모델+하네스를 통합한 Anthropic과 OpenAI가 유리. 구글은 강한 모델이 있지만 설득력 있는 하네스가 아직 없음

5. MS의 U턴이 모든 걸 말해준다

- MS는 “모델은 상품, 인프라가 핵심”이라고 했다가, 월 99달러짜리 E7 번들의 핵심으로 에이전트 제품 ‘Copilot Cowork’를 내세움

- Copilot Cowork는 기존 챗봇과 달리 모델 중립 전략을 포기. 에이전트는 모델+하네스가 하나로 움직여야 하기 때문

- 가장 큰 플랫폼 사업자가 스스로 “모델은 범용품”이라는 자기 주장을 뒤집은 것. 이건 시장 전체에 보내는 시그널

- 애플이 제미나이 라이선스 + 자체 하네스(새 Siri)로 가겠다는 전략? MS조차 그 방식을 포기했는데

6. 버블인가, 구조적 전환인가

- 하이퍼스케일러 전부 “수요가 공급을 초과”라고 일제히 외치며 설비투자를 계속 늘리는 중

- 에이전트 수요가 다른 이유 세 가지: (1) LLM 약점이 기하급수적 컴퓨팅으로 해결되고 (2) 소수 인간만으로 수요 폭발 가능하며 (3) 비용 절감뿐 아니라 매출 증대에도 직결

- 톰슨의 마무리 — “모두가 버블이라 걱정하는 한 버블이 아니다. 위험한 건 모두가 ‘절대 아니야’라고 확신하는 순간. 근데 나는 지금 아니라고 선언하고 있으니... 뭐, 그건 할 수 없지.”

출처: Ben Thompson, “Agents Over Bubbles”, Stratechery (2026년 3월 16일)

(톰슨이 말하는 “소수의 주도적 인간이 에이전트 군단을 지휘하는 세상”은 흥미롭지만, 그 소수에 내가 포함된다는 보장은 어디에도 없다. 에이 그래도 이 글 자체는 내가 직접 읽고 골라서 정리한 거니까, 아직은 사람의 몫이 남아있다고 믿고 싶긴 하다.)

소프트웨어 깔아주겠다는 회사는 넘치는데, 정작 직접 공장 돌리면서 AI로 경쟁하겠다는 회사는 왜 없을까?

제조업체에 AI 솔루션 소개하러 가본 적 있는 분이라면 이 장면이 익숙할 겁니다. 회의실은 번듯하고, 노트북은 최신형이고, '혁신'이라는 단어가 프린트된 보고서가 테이블 위에 놓여 있습니다. 그런데 솔루션 데모를 시작하자마자 상대방 얼굴에 짜증이 한 가득. "이런 건 우리도 이미 하고 있습니다." 가만 보면 철 지난 솔루션인데 박박 우깁니다. 왜? 새 걸 도입하는 순간, 지금까지 자기네가 만들어온 것들의 실체가 바로 뽀록 나니까요.

이게 한국만의 풍경이 아니었습니다. 미국도 마찬가지더라고요.
제조업 출신 투자자 Annelies Gamble이 AI 기반 금속 공급업체 Nox Metals 창업자 Zane Hengsperger와 나눈 대화의 핵심이 정확히 이겁니다. "기존 공장주들이 이걸 하고 싶어할 거라 생각하지 않는다. AX를 설득할 수가 없다. 자기 방식에 갇혀 있으니까." 그래서 이 양반들의 결론은? 설득하지 말고, 직접 해라.


1. 공장 바닥에 떨어진 돈을 줍는 AI

• 제조업은 본질적으로 의사결정의 연속입니다. 원자재 들어오고 부품 나가는 사이에 수천 개의 판단이 끼어 있습니다.
• 이 작업 몇 시간 걸리지? 어떤 재고 쓸까? 견적 얼마로 잡지? 이 주문 받을까 말까? 어떤 기계를 어떤 순서로 돌려야 마진이 남나?
• 그런데 이걸 아직도 엑셀, 화이트보드, 20년차 반장님 감으로 돌리는 곳이 태반입니다. 여기에 AI를 제대로 붙이면? 바닥에 떨어져 있는 돈을 주워담는 셈이죠.
• Nox Metals가 하는 일이 딱 이겁니다. 제철소와 CNC 가공업체 사이에서 금속을 잘라주는 회사인데, 가격 책정부터 재고 선택, 절단 최적화, 일정 관리, 납품까지 전부 AI로 돌립니다. 금속을 파는 회사지만, 진짜 경쟁력은 AI가 만드는 예측과 최적화에 있습니다.
• "작업 시간을 4시간으로 잡았는데 3시간에 끝나면, 1시간의 생산 능력을 날린 거다. 그 1시간 때문에 다른 주문을 거절하거나 기계가 놀게 된다." 이런 비효율이 공장마다 수십 군데씩 숨어 있습니다. 제조업에서 생산 능력이 곧 가격을 결정하니까요.

2. 왜 AI를 '팔면' 안 되고 '장착'해야 하나

• 여기서 진짜 날카로운 논점이 나옵니다. AI의 예측·최적화 효과는 공정을 직접 통제할 때만 복리로 쌓인다는 겁니다.
• 재고를 직접 안 갖고 있으면 리드타임을 줄일 수 없습니다. 일정을 직접 통제 안 하면 속도를 약속할 수 없습니다. 핵심 의사결정이 내 시스템 밖에서 일어나면 학습 루프 자체가 만들어지지 않습니다.
• 그래서 Nox는 소프트웨어 회사들이 절대 안 하고 싶어하는 일을 합니다. 금속 재고를 자기 대차대조표에 직접 올려놓는 거죠. "재고를 직접 가지고 있어야 빠르게 움직일 수 있다."
• 제조업의 해자(moat)는 SaaS의 해자와 결이 다릅니다. 전환 비용이나 네트워크 효과가 아니라, 재고 포지션, 처리 밀도, 공정 지식, 그리고 시스템을 통과하는 모든 작업에서 배우는 능력. 이게 해자입니다.
• 솔직히 말하면, 공정 위에 얇은 AI 레이어만 얹어서 파는 회사? 회의적입니다. 값어치는 결국 기반 시스템을 충분히 쥐고 있어서 지속적으로 개선할 수 있는 쪽에 쌓인다는 거죠. 칼을 만드는 사람이 아니라 칼을 쓰는 요리사가 돈을 번다는 얘기와 비슷합니다.

3. 설득은 포기하라, 그냥 이겨라

• 기존 공장을 AI 네이티브로 바꾸는 건 거의 불가능에 가깝습니다. 이유는 기술이 아니라 사람입니다.
• 데이터는 여기저기 조각나 있고, 워크플로는 절반은 소프트웨어, 절반은 엑셀, 나머지는 경력 30년차 작업자 머릿속에 있습니다. 기계는 낡았고, 문화적으로도 새 소프트웨어는커녕 AI를 들이댈 분위기가 아닙니다.
• DX건 AX건 핵심은 기술의 문제가 아니라 이해관계의 문제입니다. 새 시스템이 들어오면 기존에 자기들이 만들어온 것의 실체가 드러나니까, 머리와 입이 따로 놀 수밖에 없죠.
• 그래서 이 사람들의 예측이 꽤 도발적입니다. 모든 레거시 공장이 서서히 AI를 도입하는 미래가 아니라, 소수의 AI 네이티브 신생 업체가 기존 공장들을 "steamroll(밀어버릴) 것"이라는 겁니다.
• "5~10년 후엔 전체 기업의 2%가 전체 물량의 30~50%를 처리하게 될 것이다." 과장처럼 들리지만, 학습 루프가 한번 돌기 시작하면 복리 효과가 나옵니다. 더 정확한 견적 → 더 많은 물량 → 더 많은 데이터 → 더 나은 가격·스케줄링 → 더 좋은 서비스 → 고객 집중 → 밀도 향상 → 경제성 개선. 이게 돌기 시작하면 따라잡기가 정말 어렵습니다.

4. 재산업화는 로켓이 아니라 배관공이 만든다

• 미국 재산업화 논의가 요즘 뜨겁지만, 대화는 늘 로켓, 반도체, 방산 같은 피라미드 꼭대기에 집중됩니다. 정작 산업 역량은 그 밑의 배관에 달려 있는데요.
• 원자재, 제철소, 서비스센터, 가공, 부품 공급, 물류 인프라. 이 연결 조직이 취약하면 꼭대기가 아무리 화려해도 소용없습니다.
• "한 고객은 스테인리스 스틸 한 조각을 못 구해서 제품 출시를 미뤘다. 중국에선 2주면 되는 걸 미국에선 6개월 걸린다." 이 한 문장에 현실이 다 담겨 있습니다.
• "제조업 소프트웨어 스타트업 하나당, 공장 우선 스타트업이 50개는 있어야 한다." 서비스센터든, 물류든, 상류 공급망이든. 테크 업계가 '자산이 무겁다'고 고개를 돌렸던 바로 그 카테고리에서 기회가 나온다는 겁니다.


AI 네이티브 공장이라는 개념이 한국에도 적용된다면, 소수가 시장을 재편하는 건 시간문제 아닐까 싶습니다.

그리고 이건 제조업만의 얘기가 아닙니다. AI를 '도구'로 남한테 팔려는 회사와, AI를 '체질'로 장착하고 직접 뛰는 회사. 어느 쪽이 이길지는, 굳이 제조업이 아니더라도 답이 보이지 않나요.

(출처: Annelies Gamble, "The Promise of the AI-Native Manufacturer", 2026.04.07)

보스턴컨설팅이 컨설턴트 700명을 갈라봤더니, AI 잘 쓰는 사람과 못 쓰는 사람의 차이가 도구가 아니라 '뇌'에 있더라는 연구가 나왔다. 같은 AI를 줬는데, 어떤 사람은 반신(半神)이 되고, 어떤 사람은 그냥 고급 부속품이 됐다. 150년 전 니체가 '위버맨쉬'와 '라스트맨'으로 인류를 쪼갠 게, 2025년에 이렇게 현실이 될 줄이야.

뇌과학자 장동선 박사가 '초인의 조건' 저자 신태균, 최용호와 나눈 대담이 꽤 뼈 있었다.


1. 니체가 예언한 2025년 - 대중은 초인이 아니라 '편한 삶'에 열광했다

• 짜라투스트라가 산에서 내려와 초인 사상을 설파하자, 대중이 열광한 건 초인이 아니었다. '라스트맨'이었다. 손 하나 까딱 않고, 편안하고, 다 같이 잘 먹고 잘 살면 그게 행복이지 - 이쪽에 환호했다.

• 150년 지난 지금, AI가 다 해주니까 인간은 편하게 살면 된다고 생각하는 사람들. 딱 라스트맨이다. 주변에 체감상 이미 상당히 많다.

• 니체가 말한 위버맨쉬의 진짜 조건은 네 가지: 자기 한계 극복, 새로운 가치 창조, 실패까지 껴안는 운명 수용(아모르파티), 세상을 깨부수고 나아갈 힘. 슈퍼맨처럼 타고나는 게 아니라, 스스로 만들어가는 존재다.


2. 같은 AI를 줬는데 - 반신이 된 사람 vs 부속품이 된 사람

• BCG 연구에서 AI 활용 유형을 둘로 나눴다. '센타우로스'와 '사이보그'.

• 센타우로스는 자기 고유의 사고력을 살려 AI와 합친 사람. 성과가 폭발했다. 사이보그는 못하는 거 전부 AI한테 던진 사람. 이쪽은 AI를 붙여놔도 성과가 안 나온 건 물론, 그냥 인간보다 못한 경우까지 나왔다.

• 똑같은 칼인데 누가 잡느냐에 따라 과일 깎는 과도가 되기도 하고, 50년 장인의 사시미 칼이 되기도 한다. AI도 마찬가지다.


3. 100전 100승은 '인류의 끝판왕'일 뿐이다

• 이 대담에서 가장 날카로웠던 구분. 인류(人類)는 주어진 질문에 가장 완벽한 답을 내는 사람. 초인류(超人類)는 질문 자체를 만드는 사람. 학생 중 최고는 인류, 문제를 출제하는 선생이 초인류.

• 손자병법으로 치면? 100전 100승이 인류의 끝판왕. 초인류는 안 싸우고 이긴다. "안 싸우고 이길 수는 없는 거야?"라는 질문을 던지는 순간, 안 싸우고 이기는 방법이 눈에 들어오기 시작한다.

• 초인류는 경쟁하지 않는다. 남들과 다른 길을 가니까 비교 자체가 불가능하다. 33가지 능력을 전부 개발하란 소리가 아니다. 리스트를 훑어보고 "이건 내 안에 원래 있는 거 같다"는 게 딱 하나만 있어도, 거기서 출발하면 된다.


4. AI 시대 진짜 무기는 '생각을 생각하는 능력'이다

• 뇌과학자들이 꼽는 AI 시대 최고 능력: 메타인지. AI가 답을 주면 "오 됐다"가 아니라 "이게 맞나? 왜 이런 답이 나왔지? 질문을 바꾸면 어떻게 되지?"를 던질 수 있느냐.

• 지드래곤 얘기가 나왔는데, 이 사람을 곁에서 본 저자들이 한결같이 놀란 게 있다. 뭘 말해줘도 그냥 받아들이지 않는다. 그 자리에서 질문에 대해 또 질문하고, 거기서 전혀 다른 생각으로 이어나간다. 이게 그냥 기본 모드라는 거다. 만날 때마다 똑같은 적이 없다고.

• 핵심은 '명사'가 아니라 '형용사'다. 열정은 누구나 있다. 근데 '미친' 열정인지가 갈림길. "저 사람 저걸 해냈다고?" 소리가 나와야 초인류.


5. 초등학교 때의 작은 차이가 인생을 갈라놓는다 - 매튜 효과

• 초등학교 때 책 좋아하는 애와 싫어하는 애 차이는 거의 없다. 근데 시간이 쌓이면? 읽는 아이는 어휘력 → 문해력 → 더 깊은 독서 → 지식 폭발. 안 읽는 아이는 정반대로 쭉 내려간다.

• AI 시대엔 이 격차가 극단적으로 증폭된다. 메타인지가 있는 사람이 AI를 쓰면 어마어마한 선순환이 돌고, 편안함만 좇는 사람은 사고력 자체를 AI에 아웃소싱하면서 그냥 부속품이 되어간다.

• "공대에 미친 중국, 의대에 미친 한국" - KBS 다큐 '인재 전쟁'의 이 한 줄을 듣고 저자가 번역한 버전이 섬뜩하다. "초인류에 미친 중국, 라스트맨에 미친 한국." 의대 쏠림의 밑바닥에 깔린 게 안전·안정·리스크 헷징이라면, 그건 라스트맨적 DNA 아닌가.


6. '증강 인생' - 어제의 나와 오늘의 나 사이 거리

• 성공이냐 실패냐가 아니라, 어제의 나와 오늘의 나가 얼마나 달라졌는가. 이걸 '증강 인생'이라 부른다.

• 예전엔 혼자 힘으로 증강하려면 체감이 안 됐다. 근데 이제 AI가 있다. 이걸 써서 자신의 삶을 증강시키느냐, 그냥 편해지는 데만 쓰느냐가 위버맨쉬와 라스트맨의 갈림길.

• 5년, 10년 후 두 집단 사이 격차는 이전 어떤 시대의 양극화보다 극단적일 거라는 전망. 솔직히 과장이 아닌 게, 이미 주변에서 벌어지고 있다.


스티브 잡스가 애플에 복귀해서 제일 먼저 한 게 신제품 발표가 아니라 "우리 핵심 가치가 변질됐다"는 30분짜리 훈시였다는 대목이 자꾸 머릿속에 남는다. Think Different가 '크리에이티브하게 생각하라'가 아니라 '존재 목적부터 다른 길을 가라'는 선언이었다는 거다.

AI한테 답 받아놓고 "됐다" 하며 넘어가는 라스트맨 모드에 빠질 때가 많다. 편하니까. 근데 그 편안함이 내 생각 근육을 갉아먹고 있다.

"문명이 바뀌면 운명이 바뀐다." 불안해할 일이 아니라, 기회라는 뜻이기도 하다. 다만 그 기회는 편안함을 거부하고, 스스로 질문을 던지는 사람한테만 열린다. 질문을 멈추는 순간, 당신은 이미 라스트맨이다.

출처: 장동선 박사 유튜브 '남들과 다르게 사는 사람이 결국 성공하는 이유' - '초인의 조건: 위버맨쉬가 되는 33가지 길' 저자 최용호, 신태균 대담

- 로펌도 회계법인도 컨설팅펌도, 시간 대신 결과를 파는 AI-native firm, '네오펌'으로 전환하지 않으면 살아남기 어렵다


한 가지 숫자만 기억하면 된다. 미국 상위 100개 로펌이 2025년에 벌어들인 수익이 690억 달러. 구글이 1년간 R&D에 쏟아붓는 돈보다 많다. 그런데 이 690억 달러의 행방이 기막히다. 전액, 한 푼도 빠짐없이, 파트너 변호사들 연봉으로 나간다. 기술 투자? 없다. 시스템 혁신? 관심 없다. 왜? 파트너십 구조에서는 수익을 매년 배당처럼 나눠가지게 돼 있으니까.

이 구조가 100년 넘게 잘 굴러갔다. 근데 지금, AI가 변호사가 하던 "생각이 필요한 일"까지 해치우기 시작하면서 판이 흔들린다. Crosby라는 AI 로펌을 세운 Ryan Daniels가 X에 올린 글, 그리고 Sequoia Capital 팟캐스트에서 공동창업자 John Sarihan과 나눈 대화를 합치면, 이 균열의 실체가 꽤 생생하게 보인다.


1. 🏭 1856년 제철소에서 일어난 일이 지금 로펌에서 반복된다

- 베세머 이전, 철강은 숯 사이에 연철 끼워넣고 6주를 구워야 나왔다. 장인이 불꽃 색깔을 읽어가며 품질을 잡던 시대
- 헨리 베세머가 뜨거운 공기와 선철만으로 고품질 강철을 싸고 빠르게 뽑아내자, 제철소는 더 이상 공장이 아니었다. 연구소로 변신했다. 그리고 그 연구소들이 마천루와 대륙횡단 철도를 만들어냈다
- Ryan의 주장은 이거다. 지금 로펌, 회계법인, 컨설팅펌이 정확히 그 베세머의 순간에 서 있다고
- 차이가 있다면, 베세머 때는 전환에 수십 년이 걸렸다. AI 시대엔 수년이면 충분하다는 것


2. 🔄 네오펌(Neofirm) - 로펌이 아니라 R&D 조직

- 기존 전문 서비스 펌의 DNA: 파트너십 구조, 빌러블 아워, 외부 투자 차단, 이익 전액 배분. 한마디로, 돈은 잘 벌지만 미래엔 1원도 투자하지 않는 구조
- 네오펌은 이걸 통째로 뒤집는다. 실무자와 AI 엔지니어가 반반 구성. 법인이라 VC 투자 가능. 시간이 아니라 결과물에 과금
- Crosby는 빌러블 아워를 아예 없앴다. 문서당 과금. 계약서 한 건 처리하는 중앙값이 1시간 미만. 체감상 이건 로펌이라기보다 SaaS에 변호사가 붙어있는 느낌에 가깝다
- 왜 이게 혁명적이냐면 빌러블 아워 체제에서는 일을 빨리 끝내면 매출이 줄어든다. 효율의 적이 비즈니스 모델인 셈. 찰리 멍거가 살아있다면 이 구조를 보고 콧방귀를 뀌었을 것
- SpaceX가 비용가산(cost-plus) 모델에서 고정가격 모델로 바꾼 뒤에야 로켓 재착륙이 나왔듯이, 인센티브 구조를 바꾸면 불가능해 보이던 것이 가능해진다


3. 🧪 "우리 변호사 하버드 나왔어요"의 유통기한

- 1980년대 의학계에 근거중심의학(EBM)이라는 게 등장했다. 의사 개인의 감이 아니라 과학적 증거로 환자를 치료하자는 운동. 미국 의료 시스템을 근본적으로 바꿔놓았다
- 화이트칼라 업계에선 이 운동이 안 일어났다. 업무 품질을 측정할 방법 자체가 없었으니까. "이 계약서 검토 잘 됐어?"를 객관적으로 판단할 수 있는 사람이 없었다
- 그런데 AI 연구자들이 모호한 정성 기준을 정량 평가 체계(eval)로 전환하는 기술을 만들어냈다. 네오펌에서는 사람이든 에이전트든, 모든 결과물에 eval이 돌아간다
- Crosby는 TTAT(Total Turnaround Time)이라는 핵심 지표를 쓴다. 계약서가 들어와서 최종 합의까지 걸리는 총 시간. 그리고 가드레일로 HuRT(Human Review Time)를 둔다. 작명이 좀 천재적인데, 사람이 개입하는 시간을 줄이자 = "아픔(Hurt)을 줄이자"
- 미래엔 변호사를 고를 때 출신 학교가 아니라 벤치마크 스코어를 물어볼 수 있게 된다. 시간당 3,000달러짜리 파트너와 1,000달러짜리 파트너 사이 차이를 실제 데이터로 비교할 수 있는 세상


4. 🪑 책상 배치가 혁신을 결정한다

- Crosby 오피스 좌석 배치: 변호사-엔지니어-변호사-엔지니어. 인테리어 취향이 아니라 전략이다
- 이전에도 시도가 있었다. Atrium(트위치 공동창업자 Justin Kan이 세운 리걸테크)과 Clearspire가 비슷한 걸 했다가 실패했다. 차이? 그때는 변호사가 하던 "생각이 필요한 일"을 기계에 넘길 수 없었다. 지금은 된다
- John Sarihan의 핵심 주장이 날카롭다. 파운데이션 모델이 90%까지는 공짜로 데려다 준다. 근데 90%에서 99.99%로 가는 건 고객별 파인튜닝과 고객별 eval 없이는 불가능하다고
- 예를 들어 계약서에서 "commercially reasonable"과 "reasonable"은 AI 임베딩 공간에선 거의 같아 보인다. 그런데 법적으로는 완전히 다른 의미다. 이런 뉘앙스는 옆자리에 변호사가 앉아있지 않으면 영원히 못 잡는다
- Ryan이 경험한 에피소드: 엔지니어만 있을 땐 엔진을 공회전시키는 느낌이었는데, 변호사가 합류하자마자 기어가 딱 물렸다고. "저건 맞고, 이건 틀리고, 이 방향으로 가야 돼" 변호사들이 즉각 피드백을 쏟아내기 시작하면서 속도가 확 달라졌다


5. 🤖 AI 에이전트끼리 계약 협상하는 세상

- Crosby의 궁극 비전: 양측 에이전트가 각자 당사자의 리스크 선호도, 마지노선, 협상 지구력을 장착한 채로 계약 협상을 시뮬레이션한다
- 1차 라운드부터 7차 라운드까지 돌리고, 감사 가능한 기록과 함께 최종 합의안을 사람에게 보여준다. "이 정도면 합리적인가요?"라고 물으면서
- Ryan이 웃기는 소리를 한다. "테이블을 내리치는 에이전트도 필요하다"고. Sequoia의 Sonya Huang이 바로 받았다. "그게 컴퓨팅을 더 많이 쓰는 에이전트겠네요."
- 중요한 건 이게 적대적 협상이 아니라 협력적 협상이라는 점이다. 양쪽이 더 빨리 합의에 도달하도록 돕는 플랫폼


6. 🌊 변호사 일자리를 뺏는 게 아니라, 없던 시장을 만든다

- 미국 로펌 11,000개가 전체의 8%인데 매출의 75%를 차지한다. 나머지 92%는 개인 고객 상대하는 소형 로펌들
- 문제는 이 소형 로펌들이 서비스하는 영역(임대차, 양육비, 고용계약)에서 변호사 서비스를 제대로 받는 사람이 거의 없다는 것. 대안이 "없음"
- Ryan의 핫테이크: 이 영역이 완전 자동화된다. 변호사를 대체하는 게 아니라, 아무도 안 하던 일을 AI가 하는 것. 솔직히 지금도 집 계약서 ChatGPT한테 물어보는 사람 꽤 있지 않나
- 반면 Fortune 500 대상 복잡한 기업 법무는 상당 기간 사람이 필요하다. 핵심은 언제 에이전트가 멈추고 변호사에게 넘길지를 정확히 아는 것. Crosby는 이걸 위해 의료과실 보험까지 들고 모든 업무에 법적 책임을 진다


7. 🔮 네오펌은 SaaS를 사지 않는다. 직접 만든다

- Crosby 초기에 시중의 리걸 AI 도구를 전부 써봤다. 다 부족했다. 처음엔 짜증, 금방 실존적 위기감으로 바뀌었다고
- 결론: 자체 기술 개발 외에 답이 없었다. 기성 SaaS를 사거나 벤더에 기능 요청하는 시대는 네오펌에게 이미 끝났다
- 네오펌과 일하는 경험은 "더 빠른 변호사"가 아니다. 완전히 다른 종류의 경험이다. 모든 요청에 ETA가 붙고, 내 사업 맥락을 놀라울 정도로 기억하고, 세무사가 감사 확률을 예측해주는 세상
- 머지않아 소프트웨어 회사와 서비스 회사의 경계 자체가 사라진다


Ryan이 Fortune 500 통신사의 법무총괄을 만났을 때 얘기다. "AI 써봤냐"고 물으니까, CEO가 계속 하라고 하는데 자기는 거부하고 있다고 당당하게 답했다고. 이 사람이 틀린 건 아니다. 변호사는 안정성과 리스크 회피로 먹고사니까. 근데 그게 바로 함정이다. 소프트웨어 개발자는 새 기술 빨리 쓰면 보상받고, 전문직은 변화를 거부해야 보상받는 구조. 네오펌은 이 구조적 모순을 비즈니스 모델 자체로 풀겠다는 시도다.

법률뿐 아니라 회계, 컨설팅, 보험, 투자은행 등 시간을 파는 모든 전문 서비스 업종이 같은 질문 앞에 서 있다. "우리는 시간을 팔 것인가, 결과를 팔 것인가."


출처:
- Ryan Daniels, "The White Collar Revolution is Here" (X/Twitter 게시글)
- Sequoia Capital Training Data Podcast, "Deal Velocity, Not Billable Hours: How Crosby Uses AI to Redefine Legal Contracting" (Ryan Daniels & John Sarihan 인터뷰)

AI가 모든 직장인에게 똑같은 수트를 입혀줬다. 그런데 결과는 천지차이다. 구글 출신 연쇄 창업가인 B팩토리 노정석 대표가 직접 부딪히며 깨달은 AI 네이티브 경영의 민낯을 풀어본다.


1. 🔧 AI 도입의 핵심 — "70%의 잡일을 날려버리는 것"

- 흔히 AI 도입이라 하면 '밸류체인 무인화'를 떠올리는데, 노정석 대표의 접근은 다름
- 핵심은 각 직무에서 가치 창출 구간(20~30%)과 준비 노동(70~80%)을 분리하는 것
- 마케터를 예로 들면, 실제 마케팅에 쓰는 시간은 전체의 20~30%뿐. 나머지는 엑셀 정리, PPT 제작, 자료 조사 같은 준비 작업
- 전략은 명확함. 앞단의 단순 노동을 AI 에이전트가 처리하고, 사람은 뒤쪽 부가가치 구간으로 이동
- "주관식을 객관식으로 바꿔 주는 행위"
- 기존 방식: 3~4인 팀이 시장 조사, 경쟁사 분석, 컨셉 도출까지 1개월 소요
- B팩토리 방식: 에이전트 2~3개가 서로 토론하며 정리 → 팀장에게 "객관식 5개짜리 문제집" 제공 → 팀장은 자기 취향과 방향성만 얹어서 의사결정자에게 전달. 한 시간 이내로 끝남
- 에이전트 구조가 처음엔 복잡해 보이지만, 결국 3가지로 귀결됨: 데이터 커넥터(이메일, DB, 메신저 연동) + 정교한 프롬프트 + 모델/에이전트 프레임워크
- 그리고 "익스플로러"라는 직무 분석 에이전트가 있음. 직원들의 이메일, 문서, 슬랙 대화를 순회하며 각 사람이 정확히 뭘 하는지 직무 해설서를 자동 생성. 여기서 단순 노동을 골라내 에이전트로 대체하는 게 1단계

2. 😤 직원들의 반응 - "소소한 러다이트 운동이 벌어졌다"

- 솔직히 말하면, 직원들이 싫어했다고 함. 단순 노동이 사라지면 남는 건 부가가치 창출인데, 그건 사실상 CEO 역할을 요구하는 것과 마찬가지
- 기존 숙달 업무에서 편안함을 느끼던 사람들에게는 꽤 고통스러운 전환
- 소규모 러다이트 운동이 늘 있었다고. 물론 완전 대체는 아니고 AI 업무와 사람 업무가 공존하는 형태
- 대응은 전사 교육. 대표가 직접 Claude Code, AI 코딩 도구를 전 직원 대상으로 교육함. 마케터 포함 비개발 직군도 전부
- 교육할 때 한 말이 인상적임 - "세상이 이렇게 바뀌어 갈 거니까, 다음 회사 다다음 회사까진 갈 수 있어도 그 다음은 어렵다. 지금 배우는 계기로 삼아라"
- 가장 큰 병목은 의외로 커맨드라인 환경. "마우스로 해결 안 되는 뭔가가 나오면 두려움"이 몰려온다는 것
- 그런데 이 구간만 넘기면 미친 듯이 성장함. 엔지니어가 하던 일들을 비개발자가 가져가기 시작
- 두 번째 병목은 배포(클라우드, URL, 앱스토어). 이 두 구간만 해결하면 급격하게 AI 네이티브 인재로 전환된다는 게 노 대표의 관찰

3. 📐 시니어 vs 주니어 — "능력 과잉(Capability Overhang)"이라는 무서운 개념

- 시니어의 강점은 조직 단위 경험. AI를 하나의 직원이나 부서처럼 이해하고 총괄 역할을 금방 파악함
- 주니어의 약점은 지엽적 업무만 경험해서 AI를 조직적으로 활용하는 시야가 부족하다는 것
- 그런데 절대적이진 않음. AI 모델은 질문 수준에 맞는 답변을 하기 때문
- "AI를 활용하는 능력은 그 사람의 능력에 제한된다(constrained)." 이 말이 핵심
- 엔지니어링 용어로 '능력 과잉(Capability Overhang)'. 모델의 능력을 제대로 꺼낼 수 있는 사람은 사실상 만 명짜리 직원군을 거느린 셈
- 반면 시니어의 관점도 결국 "세월 따라 쌓인 도그마"에 불과할 수 있음
- 학습 과정 전체를 AI에 위임하는 고등학생, 대학 중퇴 창업자들이 기존 시니어보다 더 큰 이익을 내는 경우를 "매우 자주" 봤다고
- 삽질이든 진짜 일이든 결과만 놓고 판단 → 에이전트를 수십 개 동시에 돌림
- 문제는 이 "새로운 종"이 되지 못한 기존 주니어들. 이들이 가장 큰 피해를 입음
- B팩토리 내부에서도 인재 양극화가 심각. AI 활용을 결정한 사람과 안 한 사람의 격차가 극심하게 벌어지는 중
- 변화를 거부한 사람은 회사를 떠났고, 잘하는 사람에겐 스탁옵션과 급여 조정으로 리워드

4. 🌊 AI가 모든 산업을 뒤엎는 구조 - "모두가 회장님의 삶을 살게 된다"

- B2C 쪽: 기존에는 고객 눈앞을 선점하는 게 돈이었음. 구글, 쿠팡, 배민 같은 매체력을 마진으로 전환하는 구조
- AI 에이전트 시대에는 에이전트가 고객 옆에 끼어들면서, 기존 앱들의 매체력이 사라지고 전부 "도구"로 전환됨
- "모두가 회장님의 삶을 살게 되는 시대" - 앉아서 말만 하면 다 해 주는 에이전트. 택시앱, 배달앱, 이커머스 앱 모두 에이전트가 부르는 도구가 됨
- B2B 쪽: "이걸 사셔야 됩니다" 방식은 사라짐. "해결했습니다" 방식만 살아남음. 단순 툴 판매 회사는 소멸하고, 워크플로우와 문제 해결을 제공하는 회사만 생존
- 제로 클릭 사회가 온다. 앱 설치하고 탭탭 하는 시대가 끝나고, AI에게 말하면 코앞에 띄워주거나, 말하기도 전에 알아서 띄워주는 회사들이 등장

5. ⚠️ AI의 치명적 약점 - 암묵지(暗黙知)가 사라진다

- 단순 노동을 반복하면서 축적되던 암묵지. 룰로 캐치 안 되는 예외 상황 감각, 설명 안 되는 노하우 같은 것들이 사라지는 부작용
- 결국 "시니어는 AI로 이익, 주니어는 기회 박탈"이라는 구조가 만들어짐
- 해소 방향은 두 가지. 첫째, 모델 성능이 지수적으로 발전하면서 "문제라고 했던 부분들이 알아서 사라지고 있다"는 것
- 둘째, 에이전트 복제가 가능해지면서 "전기세를 투입해서 문제를 전부 검색의 문제로 전환"하는 방식으로 해결

6. 🔥 AI 시대에 인간의 가치 - "딱 두 개뿐이다"

- 첫째, 의지를 표현하는 것. "난 이걸 반드시 해 버리겠어"라는 불굴의 의지. 첫 아이템 실패해도 두 번, 세 번 하면 결국 성공한다는 것
- 채용 기준도 바뀜. AI 리터러시 자격증 < "또라이 지수"(얼마나 하고 싶냐). 논리적으로 잘 짜인 보고서형 사업가보다 불굴의 의지형 사업가가 더 오래감
- 둘째, 신뢰를 제공하는 것. 인간 대 인간의 신뢰 관계는 AI가 대체 못 함
- 아이언맨 수트 비유가 정곡을 찌름. 모두에게 수트가 주어졌지만, "누가 입느냐에 따라 완전히 달라지는 세상"이 이미 와 있음

7. 📚 자녀 교육 — "프리트레이닝이 답이다"

- AI 모델 학습 과정을 자녀 교육에 벤치마크한 관점이 흥미로움
- AI 모델의 80~90%는 프리트레이닝(세상 모든 지식 암기). 이 단계만으로는 쓸모없음. 나머지 강화학습(시험 반복)을 거쳐야 비로소 유용해짐
- 사람도 마찬가지. 아이언맨 수트를 입고 날려면 방대한 기초 지식이 먼저 깔려 있어야 함
- 실리콘밸리 현인들이 자녀에게 가장 강조하는 것은 독서. "이해 안 되더라도 무조건 다 읽고 이 책을 끝내"
- 의외의 주장 - 한국 주입식 교육도 나쁘지 않다는 것. 방대한 데이터를 밀어 넣는 과정(프리트레이닝)은 AI 시대에 오히려 더 중요해짐
- 결론은 간단함. "공부 많이 하는 게 정말 중요하다." AI에게 질문하는 수준 자체가 달라지기 때문

8. ⚡ 승자독식 사회 - 더 편해지는 게 아니라 더 바빠진다

- 역사적 패턴을 보면, 유튜브와 인스타가 방송국 독점을 민주화했듯 AI도 엔지니어 기득권을 해체 중. 시장은 "넓고 얇아지지만 총량은 훨씬 커진다"
- 그런데 체감상 더 편해지는 게 아님. "인간은 문제를 해결하는 속도보다 문제를 만드는 속도가 항상 더 빠르다"
- AI로 할 수 있는 일이 많아지니까 동시에 여러 개를 돌려야 하는 상황. 노정석 대표 본인도 "ADHD죠. 하루에 다섯 번 여섯 번씩 모자를 바꿔 씁니다"
- 대체 불가 직업은 인간의 감성을 다루는 영역. 상담사, 헤어, 명품 장인, 위로를 제공하는 직업
- 다만 피지컬 AI(안드로이드)가 감성 신호까지 읽게 되면, 이마저도 장담 못 한다는 게 씁쓸한 현실

(요약하자면 이런 거다. AI 시대에 살아남는 사람은 결국 두 부류뿐이다. 불굴의 의지로 수트를 입고 날아다니는 사람, 그리고 사람과 사람 사이에 신뢰를 쌓는 사람. 엑셀 잘 만든다고, 코딩 좀 한다고 살아남는 시대는 끝났다)

출처: AI 네이티브 기업에서 실제로 벌어지고 있는 일 - 노정석 대표(비팩토리), YouTube