요즘 트위터리안 스케쥴
10~13시 한국 트윗읽기
14~16시 동아시아 트윗읽기
16~19시 러시아, 중아시아 트윗읽기
20~21시 동아프리카 트윗읽기
22~1시 유럽, 서아프리카 트윗읽기
2~4시 미국 동부, 캐나다, 브라질 트윗읽기
5~6시 멕시코, 미국 중부 트윗읽기
7~9시 미서부, 호주 트윗읽기
하시모토 칸나가 600번 넘게 시도해서 완성했다는 닛신 컵누들 광고를 아십니까.
이거 다시 봐도 진짜 광기 그 자체임. '바카코이(바보 같지만 멋있는)'라는 컨셉인데, 놀랍게도 CG 1도 없이 쌩노가다 아날로그 방식으로 찍었다고 함.
교실에서 신발 던져서 신발장에 골인시키고, 컵라면에 포크 던져서 꽂는 기상천외한 묘기가 계속 나오는데 이걸 성공할 때까지 계속 던진 거임. 하시모토 칸나랑 출연진들이 시도한 횟수만 무려 600번이 넘는다고 함.
특히 압권은 마지막에 3명이 동시에 컵라면 속으로 포크 던져 넣는 장면임. 한 명이라도 삐끗하면 처음부터 다시인데, 결국 성공했을 때 배우들 표정이 연기가 아니라 진짜 찐텐으로 기뻐하는 게 보임.
요즘 세상에 편하게 CG 안 쓰고 굳이 이런 노가다를 고집해서 '진짜'를 만들어내는 거 보면 참 대단함
호쿠사이가 말하기를, 주의 깊게 보라.
그가 말하기를, 주의를 기울여 알아차리라.
그가 말하기를, 계속 바라보고 호기심을 간직하라.
그가 말하기를, 바라봄에는 끝이 없다.
그가 말하기를, 나이 들어 감을 기대하라.
그가 말하기를, 계속 변화하라.
그러면 자신의 진정한 모습에 더 가까이 갈 것이니.
길이 막히더라도 그것을 받아들이고
흥미가 있는 한 반복해서 하라.
그가 말하기를, 자신이 사랑하는 일을 계속해서 하라.
계속해서 기도하라.
그가 말하기를, 모든 것은 살아 있다.
조개껍질, 집, 인간, 물고기
산, 나무, 숲은 살아 있다.
물은 살아있다.
모든 것은 자신만의 삶을 가지고 있다.
모든 것은 우리 안에 살아 있다.
그가 말하기를, 자신 안의 세상과 함께 살라.
그가 말하기를, 그림을 그리거나 책을 쓰는 것은 중요하지 않다.
숲을 보거나 물고기를 잡는 것은 중요하지 않다.
네가 그것들을 보살피고, 느끼고, 알아차리는 것이 중요하다.
삶이 너를 통해 살도록 하는 것이 중요하다.
삶이 너를 통해 사는 것이 자족이며 기쁨이며, 만족이며 강함이다.
그가 말하기를, 두려워하지 말라. 겁내지 말라.
사랑하고, 느끼고, 삶이 너의 손을 잡게 하라.
삶이 너를 통해 살게 하라.
- 로저 키이스
AI 음원 사기로 100억 번 남성
> 노스캐롤라이나 출신 남성이 AI로 수십만 곡의 노래를 만듦
> 스포티파이, 애플 뮤직, 아마존 등에 업로드함
> 봇(Bot) 군단을 동원해 본인 곡을 수십억 회 스트리밍함
> 약 800만 달러(약 107억 원)의 수익을 올림
> 감시를 피하려고 수천 곡에 하루 66만 회 재생을 분산시키는 치밀함을 보임
> 진짜 아티스트들이 1회 재생당 0.003센트를 벌려고 발버둥 칠 때, 그는 '가짜 음악'과 '가짜 청중'으로 시스템을 해킹함
> 세계 최초의 음원 스트리밍 형사 기소 사례가 됨
> 800만 달러 전액 환수 조치 예정
> 하지만 수법은 이미 세상에 공개됨
> 기술은 그가 시작했을 때보다 훨씬 더 발전함
음악 산업은 지난 10년간 불법 다운로드와 싸워왔으나, 이제는 '존재하지 않는 음악을 존재하지 않는 사람이 듣는' 기괴한 사기와 싸워야 하는 시대가 왔다.
지난 12시간 동안 무슨 일이 벌어졌는지 이거 보고 이해함
1 > 골드만삭스가 공식적으로 폭탄 발언
AI에 4500억 달러(약 62조 원) 쏟아부었는데, 미국 경제 성장에 기본적으로 0 기여했다고 수석 이코노미스트가 기록으로 남겼다.
2 > 우버가 리비안에 12.5억 달러(약 1.7조 원)을 퍼부어 5만 대 로보택시를 만든다. 우버를 키운 기사들은 이제 차에 밀려날 판이다.
3 > 제프 베조스가 1000억 달러(약 138조 원) 모아서 공장들을 싹쓸이 매입 중. 공장을 새로 짓는 게 아니라, 기존 공장을 사서 사람을 다 비우고 AI로 채우려 한다.
4 > 도어대시가 새로운 앱을 런칭: 사람들이 집안일을 하면서 스스로 찍은 영상을 돈 받고 올리게 한다. 콘텐츠용이 아니라 AI 훈련 데이터용. 로봇이 사람 대신 집안일을 배우게 하려는 거다.
5 > 오픈AI가 수백만 개발자들이 사랑하던 오픈소스 파이썬 툴 ‘Astral’을 통째로 사버렸다. 코딩 에이전트에 바로 붙여서 써먹으려 함. 커뮤니티는 분노 폭발 상태.
6 > 50명짜리 스타트업 ‘Cursor’가 자체 AI 모델 ‘Composer 2’를 공개. 클로드를 코딩 벤치마크에서 완전히 박살냈다. 300억 달러짜리 거대 연구소가 50명에게 발렸다.
7 > 할리우드가 죽은 발 킬머를 AI로 부활시켜 새 영화 주인공으로 캐스팅. 암으로 죽은 지 오래됐는데, 한 장면도 찍지 않은 디지털 클론으로 영화 찍는다.
8 > HSBC은 AI로 중간·후방 업무를 통째로 도려내 대규모 감원 계획 중.
9 > 영국 실업률 5.2% 돌파. AI가 아직 본격적으로 사람을 해고하기도 전인데 이미 이렇게 됐다.
포춘 500대 기업들이 AI 투자액을 4.5조 달러(약 620조 원)로 상향. 미국 일자리 93%가 AI에 의해 뒤집힐 위험.
10 > 지금 엔비디아 GTC 행사가 한창. 젠슨 황이 키노트 끝에 노래 부르는 로봇과 자신의 디지털 클론을 보여주며 마무리. 삽 파는 놈이 미래까지 팔고 있다 는 농담이 현실이 됐다.
한 명이 팀 전체를 이겼다
AI 에이전트 시대, 일의 의미가 바뀌고 있다
원글에서 지목한 Austin Lau는 코드를 한 줄도 몰랐다.
터미널을 처음 열어본 마케터였다.
엔트로픽 입사 후, 동료가 사내 Slack에 "비개발자를 위한 Claude Code 설치 가이드"를 올렸다. 그는 그걸 따라 하다가 구글에 "맥에서 터미널 여는 법"을 쳐야 했다.
그로부터 1주일 후, 그는 피그마 플러그인과 Google Ads 자동화 워크플로우를 직접 만들었다.
광고 소재 하나 만드는 시간이 30분에서 30초로 줄었다. 60배나 빨라져 버렸다.
그리고 이 한 명이, 기업 가치 약 3800억 달러짜리 회사의 성장 마케팅을 사실상 혼자 돌렸다. 말이 된다고 생각하는가?
사실 나도 "이거 좀 바이럴이 심하네" 했는데, 이건 실화다 엔트로픽이 자사 공식 블로그에서 직접 공개했다.
어떻게 한 명이 팀을 대체했나? 시스템의 구조
Austin이 만든 건 도구가 아니라 루프(loop)였다.
Step 1: 데이터 수집 → AI 분석
기존 광고 캠페인 데이터를 CSV로 뽑는다. 클릭률, 전환율, 지출 금액 포함. 이걸 Claude Code에 던지면, 어떤 광고가 죽어가고 있는지 자동으로 짚어준다.
Step 2: 서브 에이전트 분업
이게 핵심이다. 그는 두 개의 전문 에이전트를 만들었다.
에이전트 A: 헤드라인만 담당 (30자 제한)
에이전트 B: 설명문만 담당 (90자 제한)
하나의 프롬프트로 모든 걸 때리면 품질이 낮아진다. 역할을 쪼개면 각 에이전트가 자신의 제약에만 집중한다. 결과물의 품질이 다르다.
Step 3: 자동 크리에이티브 생성
Claude Code가 만들어낸 헤드라인과 설명문을 Figma 플러그인이 받는다. 클릭 한 번에 100개 광고 배너가 만들어진다. 기존에는 프레임 복사 → 텍스트 붙여넣기 → 사이즈별 반복을 수작업으로 했다.
Step 4: 실시간 성과 분석
Meta Ads API에 연결된 MCP 서버를 만들었다. 이제 "이번 주 전환율 가장 높은 광고는?" 같은 질문을 자연어로 던지면 대시보드 열 필요 없이 바로 답이 온다.
Step 5: 메모리 시스템이 스스로 학습
모든 가설과 실험 결과가 기록된다. 다음 라운드에서 Claude는 이전에 뭐가 먹히고 뭐가 안 먹혔는지를 자동으로 반영한다. 시스템이 돌아갈수록 똑똑해진다.
결과: 광고 제작 2시간 → 15분. 크리에이티브 산출량 10배 증가. 전담 팀보다 더 많은 채널과 광고 변형을 테스트하게 됐다.
이거 읽고 있는 당신, 이게 마케팅만의 이야기라고 생각을 지금 하고 있나?
인간은 본능적으로 예외를 찾는다. "마케팅이야 원래 자동화되잖아." 그렇다면 다른 곳은? 어떨까?
영업 (Sales)
Salesforce가 2026년 초 공개한 조사에서 AI 에이전트를 쓰는 영업 팀의 94%가 "에이전트 없이는 목표를 달성할 수 없다"고 답했다. 영업 담당자는 근무 시간의 60%를 비영업 업무에 쓰고 있다.
데이터 입력, 보고서 작성, 이메일 초안. AI 에이전트가 이걸 가져가면 남는 시간이 전부 클로징으로 간다. AI를 도입한 영업팀의 83%가 전년 대비 매출이 증가했다고 Salesforce는 밝혔다.
제조 (Manufacturing)
맥켄지 2025 조사에서 제조업은 AI 비용 절감 효과가 가장 뚜렷한 분야 중 하나다. 품질 검사, 예측 유지보수, 공정 이상 감지에서 에이전트가 24시간 작동한다. 사람이 8시간마다 교대로 했던 일을 에이전트는 쉬지 않는다.
Siemens는 자사 AI 기반 비전 검사 솔루션이 결함 탐지율을 최대 90%까지 끌어올릴 수 있다고 공식 자료에서 밝혔다. 숙련된 검사원이 놓치는 0.1mm 단위 결함을 카메라와 에이전트가 잡는다.
회계 (Accounting)
회계사는 숫자를 입력하는 사람에서 판단을 내리는 사람으로 역할이 바뀌고 있다. 계정 대사, 이상 거래 탐지, 세금 신고 자동화. 에이전트는 실수 없이 24시간 이 작업을 돌린다. 인간에게 남는 건 그 숫자가 의미하는 바를 해석하는 일이다. 대신 마지막 검토와 승인이 가장 중요하다.
고객 서비스 (가장 극단적인 사례이자 가장 솔직한 교훈)
Klarna라는 스웨덴의 핀테크 회사가 있다.
2024년 초, 이 회사의 AI 어시스턴트는 첫 달에만 230만 건의 대화를 처리했다. 23개 국가, 35개 언어. 전체 고객 서비스 채팅의 66%를 처리했다. 700명 분의 일이다. CEO Sebastian Siemiatkowski는 이 수치를 자사 공식 보도자료에서 직접 발표했다.
그런데 2025년, Klarna는 인간 상담원을 다시 채용하기 시작했다. Siemiatkowski는 Bloomberg에 이렇게 말했다. "우리는 너무 멀리 갔다. 비용 효율만 보다가 품질을 잃었다."
복잡한 문제, 감정이 얽힌 민원, 뉘앙스가 필요한 상황에서 AI는 한계를 드러냈다. 2025년 11월 기준으로도 Klarna의 AI는 853명 분의 업무를 처리 중이다. 하지만 회사는 지금 AI와 인간을 함께 쓴다. Klarna의 경험이 말해주는 건 이거다.
AI는 팀을 없애는 게 아니라, 팀의 구조를 바꾼다.
나는 오늘도 다시 한번 이야기 한다. 에이전트와 소통하는 법을 배워야 한다 그게 미래의 핵심 기술이다
주커버그는 2026년 1월 말 실적 발표에서 이렇게 말했다.
"예전에는 큰 팀이 필요했던 프로젝트가, 이제 한 명의 뛰어난 사람이면 된다."
그 "한 명의 뛰어난 사람"이 되는 방법이 뭘까?
코딩? Austin은 코드를 몰랐다. AI를 다루는 기술? 그보다 더 근본적인 것이 우리는 필요하다
문제를 명확하게 설명하는 능력.
Austin이 처음 Claude Code에 던진 질문은 이렇다. "클로드, 나는 피그마에서 작업 중이야. 이 반복적인 복사 붙여넣기 문제를 해결하고 싶어. Figma 플러그인 만드는 걸 도와줄 수 있어?"
기술 지식이 없다. 코드 요청도 없다. 그냥 자신의 문제를 솔직하게 설명했다.
Austin은 이걸 이렇게 표현했다. "당신이 필요한 건 코딩 방법이 아니에요. 당신의 문제와 원하는 결과를 명확하고 간결하게 설명하는 방법이에요."
그렇다면 인간은 무엇을 배워야 하는가
Fortune 500 기업의 90%가 이미 AI 에이전트를 만들고 있다. Microsoft 2025 데이터다. 230,000개 이상의 기업이 Copilot Studio로 에이전트를 빌드했다.
이 흐름 안에서 인간에게 남는 것이 무엇인지를 생각해야 한다.
첫째, 문제 정의 능력. 에이전트는 잘못된 문제를 빠르게 풀어준다. 무엇을 자동화해야 하고, 무엇을 자동화하면 안 되는지 판단하는 건 사람이다. 이게 새로운 핵심 기술이다.
둘째, 에이전트 소통법. 명령어를 잘 쓰는 것이 목표가 아니다. 동료에게 일을 맡기듯, 맥락과 목표와 제약 조건을 명확히 전달하는 것이다. Austin의 말대로 "동료에게 문제를 설명하듯" 하면 된다.
셋째, 메모리 설계 능력. 에이전트는 기록하지 않으면 기억하지 않는다. Austin의 시스템이 점점 똑똑해진 이유는 모든 실험 결과를 기록했기 때문이다. 어떤 정보를 어떻게 기록하고 에이전트에게 전달할지 설계하는 사람이 유리하다.
넷째, 판단과 책임. 에이전트가 만들어낸 Google Ads 카피는 Austin이 직접 검토한 후 올라갔다. "인간 판단이 먼저 담긴 후에야 @claudeai 가 브레인스토밍을 시작한다." 에이전트의 결과물에 최종 책임을 지는 것은 여전히 사람이다.
기술이 없어도 된다, 문제만 있으면
Austin은 처음에 터미널이 뭔지 몰랐다.
그는 지금 @AnthropicAI 의 마케팅을 혼자 돌리고 있다.
그가 가진 건 기술 지식이 아니었다. "내 일의 어떤 부분이 반복적이고 지루한가"를 정확히 아는 능력, 그리고 그것을 에이전트에게 설명하는 끈기였다.
$380B짜리 회사를 혼자 들고 뛰어도 되는 세상이 왔다.
문제는 에이전트를 쓸 수 있느냐가 아니다.
에이전트에게 제대로 물어볼 수 있느냐다.
P.S : 아래 클로드 마케팅 팀의 클로드 코드를 활용하는 방법 이미지를 붙여 놓았다. 최소한 이 두장은 GPT나 클로드를 통해서 한번 분석해보고 내 업무에 적용해보자
Sources: Anthropic 공식 블로그 (2026.01.29) — Austin Lau 직접 인터뷰, 수치 원문 확인 / Klarna 공식 보도자료 (2024.02) 및 Bloomberg, CX Dive (2025.05, 10) — 재채용 전환 경위 포함 / Salesforce State of Sales 2026, Microsoft Build 2025
빵택시 뭔지 몰라서 검색해봤는데
인원 상관없이 1시간에 3만원이고
기사님이 대전 유명빵집들을 미리 예약해 주셔서
웨이팅 없이 구매할 수 있대
차에 테이블, 커트러리까지 구비돼있고
기사님이 웰컴기프트랑 이것저것 챙겨주시기까지 함
지난 3개월 정도 영업중지 기간동안에는
이미 예약했던 손님들을 무료로 태워주셨대
오픈클로를 "설치"하려고 했던 당신에게
이 글을 쓴 분이 10시간을 매달렸다는 걸 읽으면서, 나는 정확히 무엇이 힘들었는지 알 것 같았다.
터미널이 낯설어서가 아니다. 개발 용어가 생소해서가 아니다.
패러다임이 틀렸기 때문이다.
우리는 소프트웨어를 "설치"하는 방식으로 30년을 살았다. 프로그램을 다운받고, 실행하고, 버튼을 누르면 작동했다. 인간이 설계한 대로, 인간이 예상한 범위 안에서.
그 경험이 오픈클로 앞에서 독이 된다.
오픈클로는 설치하는 것이 아니다. 키우는 것이다.
처음 켰을 때 아무것도 안 되는 게 맞다. 텅 빈 https://t.co/goiUsSqfxW, 아무것도 모르는 에이전트. 그게 정상이다. 갓 태어난 직원한테 첫날부터 실무를 맡기면 안 되듯이.
나도 처음엔 "코딩"을 하려고 했다.
파이썬 스크립트를 짜달라고 했다. 에러가 나면 에러 메시지를 복사해서 다시 물었다. 안 되면 또 물었다. 유튜브를 찾아봤다. 스택오버플로우를 뒤졌다.
완전히 잘못된 접근이었다.
전환점은 어떤 명령어를 쓰는지 공부하는 걸 멈추고, 그냥 말하기 시작했을 때 왔다.
"야, 나 매일 아침 이메일 보고 중요한 거 있으면 알려줘."
그게 전부다. 어떻게 구현할지는 에이전트가 알아서 한다. 내가 파이썬을 몰라도 된다. crontab 문법을 몰라도 된다. 그냥 원하는 걸 말하면 된다.
인간이 코딩하는 게 아니다. 에이전트한테 일을 시키는 거다.
이 인식의 전환이 왜 어렵냐면, 우리 세대는 "컴퓨터는 내가 시키는 대로만 한다"는 것을 진리로 배웠기 때문이다.
컴퓨터는 거짓말하지 않는다고 배웠다. 에러가 나면 내가 틀린 거라고 배웠다. 모든 문제는 정해진 답이 있고, 그걸 찾으면 해결된다고 배웠다.
오픈클로는 그 반대다.
에이전트는 애매한 지시를 받아도 최선을 다해 해석한다. 틀릴 수도 있다. 그러면 "아니 이렇게 해" 하면 된다. 인간과 일하는 것처럼. 처음부터 완벽한 명령어를 짤 필요가 없다.
30년간 쌓아온 "컴퓨터 잘 다루는 법"이 오히려 방해가 되는 아이러니. 이걸 내려놓는 게 진짜 learning curve다.
이분이 느끼는 "내 한계인가"는 한계가 아니다. 나도 그랬다 인터페이스를 잘 못 쓰고있었다
스마트폰이 처음 나왔을 때 피처폰 쓰듯이 쓰려는 사람들이 있었다. 버튼을 찾았다. 설명서를 읽었다. "왜 이렇게 복잡하냐"고 했다.
그 사람들이 문제가 아니었다. 그냥 아직 스마트폰이 폰이 아니라는 걸 몰랐던 거다.
오픈클로는 프로그램이 아니다. 말 잘 듣는 사람 한 명을 고용한 거다.
그 사람한테 코딩 문법을 가르칠 필요 없다. 그냥 "내일 아침 7시에 날씨 알려줘", "내 노션 열어서 오늘 할 일 정리해줘", "이 이메일 답장 초안 써줘" 하면 된다.
우리는 기술을 배우는 게 아니라 위임하는 법을 배우는 거다.
글쓴이가 액션버튼으로 텔레그램 봇에 메시지 보내도록 설정했다는 부분이 인상깊었다.
그게 맞다. 그게 미래다.
스마트폰 다음 폼팩터가 보인다고 했는데 나도 그렇게 생각한다. 화면을 보며 앱을 여는 것에서, 말하면 에이전트가 처리하는 것으로. 인터페이스가 사라지는 방향.
그 세상에서 중요한 건 코딩 실력이 아니다. 무엇을 시킬지 아는 것이다.
30년간 컴퓨터와 씨름한 이분이 그걸 더 잘 안다. 어떤 작업이 반복적인지, 어떤 게 자동화되면 편한지, 어디서 실수가 나는지 그 감각은 25살 개발자보다 48살 실무자가 훨씬 뛰어나다.
기술이 낯설어도 문제를 아는 사람이 이긴다.
마지막으로.
10시간 해서 실무 자동화 하나도 못 했다고 했는데, 그 10시간이 낭비가 아니다.
그 10시간 동안 이분은 터미널이 뭔지 알았고, LLM이 어떻게 틀리는지 알았고, 에이전트에게 무엇을 기대하면 안 되는지 알았다.
그게 학습이다.
이제 방향만 바꾸면 된다. 어떻게 만드는지 공부하는 것에서, 무엇을 시킬지 생각하는 것으로.
코딩이 아니라 위임. 설치가 아니라 관계.
에이전트는 당신이 프로그래머가 되길 기다리지 않는다. 그냥 말을 걸면 된다.
글이 길더라도 이런 글을 제발 전문으로 한땀 한땀 읽으시길 추천드립니다. 아깝습니다.
거대한 변화가 일어나고 있습니다 (Something Big Is Happening)
맷 슈머(Matt Shumer): 2020년 2월을 떠올려 보십시오.
세심하게 주의를 기울였다면 해외에서 바이러스가 퍼지고 있다는 이야기를 몇몇 사람들이 나누는 것을 눈치챘을지도 모릅니다. 하지만 우리 대부분은 크게 신경 쓰지 않았습니다. 주식 시장은 호황이었고, 아이들은 학교에 다녔으며, 우리는 식당에 가고 악수를 나누며 여행을 계획했습니다.
만약 누군가 당신에게 두루마리 휴지를 사재기하고 있다고 말했다면, 당신은 그 사람이 인터넷의 이상한 구석에서 너무 많은 시간을 보냈다고 생각했을 것입니다. 그러다가 약 3주라는 시간 동안 전 세계가 바뀌었습니다. 사무실은 폐쇄되었고, 아이들은 집으로 돌아왔으며, 삶은 불과 한 달 전의 자신에게 설명했더라도 믿지 못했을 모습으로 재편되었습니다.
저는 우리가 지금 코로나보다 훨씬 더 큰 무언가의 "과장된 것 같다"는 단계에 와 있다고 생각합니다.
저는 AI 스타트업을 세우고 이 분야에 투자하며 6년을 보냈습니다. 저는 이 세상 속에서 살고 있습니다. 그래서 저는 제 삶 속에 있는 사람들, 즉 제 가족, 친구들, 그리고 저에게 "그래서 AI가 대체 뭐야?"라고 계속 묻지만 실제 벌어지고 있는 일에 미치지 못하는 답변을 듣고 있는 소중한 사람들을 위해 이 글을 씁니다.
저는 그동안 그들에게 정중한 버전, 즉 사교 모임용 답변만을 해왔습니다. 왜냐하면 솔직한 버전은 마치 제가 정신이 나간 것처럼 들리기 때문입니다. 한동안은 그것이 진실을 혼자만 간직할 충분한 이유가 된다고 생각했습니다.
하지만 제가 말해온 것과 실제로 일어나고 있는 일 사이의 간극이 너무 커져 버렸습니다. 제가 아끼는 사람들은 설령 미친 소리처럼 들릴지라도 앞으로 닥칠 일을 들을 자격이 있습니다.
먼저 분명히 짚고 넘어가야 할 점이 있습니다. 제가 AI 분야에서 일하고 있지만, 저를 포함한 업계 대다수는 앞으로 일어날 일에 대해 거의 영향력을 행사하지 못한다는 것입니다. 미래는 아주 소수의 사람들에 의해 형성되고 있습니다. 오픈AI(OpenAI), 앤스로픽(Anthropic), 구글 딥마인드(Google DeepMind) 등 몇몇 기업의 수백 명의 연구원들이 그들입니다. 소규모 팀이 몇 달간 관리하는 단 한 번의 학습 실행(training run)이 기술의 전체 궤적을 바꾸는 AI 시스템을 만들어낼 수 있습니다. AI 분야에서 일하는 우리 대부분은 우리가 닦지 않은 기초 위에 무언가를 짓고 있는 셈입니다. 우리는 여러분과 마찬가지로 이 상황이 전개되는 것을 지켜보고 있습니다. 다만 땅의 진동을 가장 먼저 느낄 수 있을 만큼 가까이 있을 뿐입니다.
하지만 이제는 때가 되었습니다. "언젠가 이 이야기를 해야지"라는 방식이 아니라, "이것은 지금 일어나고 있는 일이고, 당신이 이를 반드시 이해해야 한다"는 방식이어야 합니다.
이것이 실제 상황임을 아는 이유는 저에게 먼저 일어났기 때문입니다
기술 업계 밖의 사람들이 아직 이해하지 못하는 사실이 있습니다. 업계의 수많은 사람이 지금 경종을 울리는 이유는 이 일이 이미 우리에게 일어났기 때문입니다. 우리는 예측을 하는 것이 아닙니다. 우리의 직업 세계에서 이미 일어난 일을 말해주며, 다음은 여러분 차례라고 경고하는 것입니다.
수년간 AI는 꾸준히 개선되어 왔습니다. 여기저기서 큰 도약이 있었지만, 각 도약 사이에는 이를 받아들일 만한 충분한 간격이 있었습니다. 그러다 2025년, 모델을 구축하는 새로운 기술들이 개발되면서 발전 속도가 훨씬 빨라졌습니다. 그리고 더 빨라졌고, 다시 더 빨라졌습니다. 새로운 모델은 이전 모델보다 단순히 더 나은 것이 아니라 훨씬 더 큰 폭으로 개선되었으며, 출시 간격은 짧아졌습니다. 저는 AI를 점점 더 많이 사용하게 되었고, AI와 말을 주고받는 횟수는 줄어들었으며, 예전에는 저의 전문 지식이 필요하다고 생각했던 일들을 AI가 처리하는 것을 지켜보았습니다.
그러던 2월 5일, 두 개의 주요 AI 연구소가 같은 날 새로운 모델을 출시했습니다. 오픈AI의 GPT-5.3 코덱스(Codex)와 앤스로픽(ChatGPT의 주요 경쟁자인 클로드 제작사)의 오퍼스(Opus) 4.6입니다. 그리고 무언가 깨달음이 왔습니다. 전등 스위치가 켜지는 느낌이 아니라, 물이 차올라 이제 가슴 높이까지 왔다는 것을 깨닫는 순간과 같았습니다.
저는 이제 제 업무의 실제적인 기술적 작업에 더 이상 필요하지 않습니다. 제가 무엇을 만들고 싶은지 평이한 영어로 설명하면, 그것이 그냥... 나타납니다. 제가 수정해야 할 초안이 아니라, 완성된 결과물입니다. AI에게 원하는 것을 말하고 컴퓨터 앞을 떠나 4시간 동안 쉬다 오면 작업이 완료되어 있습니다. 아주 잘, 제가 직접 했을 때보다 더 낫게, 수정할 필요도 없이 완료되어 있습니다. 몇 달 전만 해도 저는 AI와 대화하며 가이드라인을 주고 편집을 했습니다. 이제는 결과만 설명하고 자리를 뜹니다.
이것이 실제로 어떤 모습인지 이해를 돕기 위해 예를 들어보겠습니다. 저는 AI에게 이렇게 말합니다. "이런 앱을 만들고 싶어. 기능은 이래야 하고, 대략 이런 모습이면 좋겠어. 사용자 흐름과 디자인 등 모든 걸 알아서 짜봐." 그러면 AI는 그렇게 합니다. 수만 줄의 코드를 작성합니다. 그리고 1년 전만 해도 생각할 수 없었던 일이 벌어집니다. AI가 직접 앱을 실행합니다. 버튼들을 클릭해 봅니다. 기능을 테스트합니다. 사람이 하는 것처럼 앱을 사용해 봅니다. 디자인이나 느낌이 마음에 들지 않으면 스스로 돌아가서 수정합니다. 개발자처럼 반복 작업을 수행하며 만족할 때까지 고치고 다듬습니다. 앱이 스스로의 기준을 충족했다고 판단한 후에야 저에게 돌아와 말합니다. "테스트할 준비가 되었습니다." 그리고 제가 테스트해 보면 대개 완벽합니다.
과장이 아닙니다. 이번 주 저의 월요일 모습이 이랬습니다.
하지만 저를 가장 놀라게 한 것은 지난주에 출시된 모델(GPT-5.3 코덱스)이었습니다. 그것은 단순히 제 지시를 수행하는 것이 아니었습니다. 지능적인 결정을 내리고 있었습니다. 처음으로 '판단력'이라 느껴지는 무언가를 가지고 있었습니다. '취향' 같은 것 말이죠. 사람들이 AI는 절대 가질 수 없을 것이라고 말해왔던, 무엇이 옳은 결정인지 아는 설명할 수 없는 감각 말입니다. 이 모델은 그것을 가지고 있거나, 혹은 그 차이가 더 이상 중요하지 않을 만큼 근접해 있습니다.
저는 항상 AI 도구를 일찍 도입해 왔습니다. 하지만 지난 몇 달은 저에게도 충격적이었습니다. 이 새로운 AI 모델들은 점진적인 개선이 아닙니다. 이것은 완전히 다른 차원의 존재입니다.
그리고 이것이 기술 분야에서 일하지 않는 여러분에게도 중요한 이유가 여기 있습니다.
AI 연구소들은 의도적인 선택을 했습니다. 그들은 AI를 코딩에 능숙하게 만드는 데 먼저 집중했습니다. 왜냐하면 AI를 구축하는 데는 엄청난 양의 코드가 필요하기 때문입니다. AI가 그 코드를 작성할 수 있다면, 자기 자신의 다음 버전을 만드는 데 도움을 줄 수 있습니다. 더 나은 코드를 쓰는 더 똑똑한 버전이 만들어지고, 그것이 다시 더 똑똑한 버전을 만드는 것입니다. AI를 코딩에 최적화하는 것은 다른 모든 것을 여는 열쇠가 되는 전략이었습니다. 그래서 그들은 그것을 가장 먼저 했습니다. 제 직업이 여러분보다 먼저 변하기 시작한 것은 그들이 소프트웨어 엔지니어를 목표로 삼았기 때문이 아니라, 그들이 먼저 겨냥한 목표의 부작용이었을 뿐입니다.
그들은 이제 그 일을 해냈습니다. 그리고 이제 다른 모든 분야로 이동하고 있습니다.
지난 1년 동안 기술직 종사자들이 AI가 '유용한 도구'에서 '나보다 일을 더 잘하는 존재'로 변하는 것을 지켜보며 겪었던 경험을 이제 다른 모든 사람이 겪게 될 것입니다. 법률, 금융, 의료, 회계, 컨설팅, 작문, 디자인, 분석, 고객 서비스 등 모든 분야가 그렇습니다. 10년 뒤의 일이 아닙니다. 이 시스템을 만드는 사람들은 1년에서 5년 사이라고 말합니다. 어떤 이들은 그보다 더 짧을 것이라고 합니다. 지난 몇 달 동안 제가 본 것을 고려하면, 저 역시 "더 짧을 것"이라는 의견에 무게가 실립니다.
"하지만 제가 써본 AI는 별로던데요"
저는 이런 말을 끊임없이 듣습니다. 저도 이해합니다. 예전에는 사실이었으니까요.
만약 당신이 2023년이나 2024년 초에 챗GPT를 써보고 "말을 지어내네"라거나 "별로 인상적이지 않네"라고 생각했다면, 당신의 말이 맞았습니다. 초기 버전들은 정말 한계가 있었습니다. 환각 현상을 일으켰고, 터무니없는 소리를 자신 있게 내뱉었습니다.
그건 2년 전 일입니다. AI의 시간으로 따지면 선사시대 이야기입니다.
오늘날 사용할 수 있는 모델들은 불과 6개월 전의 것들과도 비교할 수 없을 만큼 다릅니다. AI가 "정말 좋아지고 있는가" 아니면 "한계에 부딪혔는가"를 두고 1년 넘게 이어져 온 논쟁은 끝났습니다. 결론이 났습니다. 여전히 한계론을 주장하는 사람은 현재 모델을 써보지 않았거나, 벌어지고 있는 일을 축소해야 할 동기가 있거나, 혹은 더 이상 유효하지 않은 2024년의 경험을 바탕으로 평가하고 있는 것입니다. 무시하려고 드는 말이 아닙니다. 대중의 인식과 현재 실재 사이의 간극이 너무나 크고, 그 간극이 위험하기 때문에 드리는 말씀입니다. 그 간극 때문에 사람들이 대비를 하지 못하고 있기 때문입니다.
문제의 일부는 대다수 사람이 AI 도구의 무료 버전을 사용하고 있다는 점입니다. 무료 버전은 유료 사용자가 접근할 수 있는 모델보다 1년 이상 뒤처져 있습니다. 무료 버전 챗GPT로 AI의 현주소를 판단하는 것은 피처폰을 쓰면서 스마트폰의 수준을 평가하는 것과 같습니다. 최고의 도구에 비용을 지불하고 실제 업무에 매일 사용하는 사람들은 무엇이 다가오고 있는지 알고 있습니다.
변호사인 제 친구가 떠오릅니다. 저는 그에게 로펌에서 AI를 써보라고 계속 권하지만, 그는 안 될 이유만 찾습니다. 자신의 전문 분야에 맞지 않는다거나, 테스트해 보니 오류가 있었다거나, 자신이 하는 일의 뉘앙스를 이해하지 못한다는 식입니다. 이해합니다. 하지만 대형 로펌의 파트너들이 저에게 조언을 구하러 연락해 옵니다. 그들은 현재 버전들을 써봤고 이것이 어디로 향하고 있는지 보았기 때문입니다. 한 대형 로펌의 대표 파트너는 매일 몇 시간씩 AI를 사용합니다. 그는 마치 즉시 활용 가능한 어소시에이트(주니어 변호사) 팀을 거느린 기분이라고 말했습니다. 그가 장난감이라서 쓰는 것이 아닙니다. 효과가 있기 때문에 쓰는 것입니다. 그리고 그는 저에게 잊히지 않는 말을 했습니다. 몇 달마다 AI가 업무에 활용되는 능력이 현저히 향상된다는 것입니다. 만약 이 궤적이 유지된다면, 머지않아 자신이 하는 일의 대부분을 AI가 수행할 수 있을 것으로 예상한다고 했습니다. 수십 년의 경력을 가진 로펌 대표가 하는 말입니다. 그는 패닉에 빠지지는 않았지만, 매우 주의 깊게 지켜보고 있습니다.
자기 분야에서 앞서가는 사람들(실제로 진지하게 실험하는 사람들)은 이를 무시하지 않습니다. 그들은 이미 가능한 기능들에 경악하고 있습니다. 그리고 그에 맞춰 자신들의 위치를 조정하고 있습니다.
실제로 얼마나 빨리 움직이고 있는가
발전 속도를 구체적으로 말씀드리겠습니다. 가까이서 지켜보지 않는다면 가장 믿기 어려운 부분이기 때문입니다.
* 2022년, AI는 기초 산술도 제대로 하지 못했습니다. 7 × 8 = 54라고 자신 있게 말하곤 했습니다.
* 2023년, AI는 변호사 시험을 통과했습니다.
* 2024년, AI는 작동하는 소프트웨어를 작성하고 대학원 수준의 과학을 설명할 수 있게 되었습니다.
* 2025년 말, 세계 최고의 엔지니어 중 일부는 코딩 작업의 대부분을 AI에 넘겼다고 말했습니다.
* 2026년 2월 5일, 이전의 모든 것을 구시대로 느껴지게 만드는 새로운 모델들이 등장했습니다.
지난 몇 달 동안 AI를 써보지 않았다면, 지금 존재하는 기능들은 여러분에게 생소하게 느껴질 것입니다.
이것을 데이터로 측정하는 METR라는 단체가 있습니다. 이들은 사람 전문가가 수행하는 데 걸리는 시간을 기준으로, AI 모델이 사람의 도움 없이 처음부터 끝까지 성공적으로 완료할 수 있는 실제 업무의 길이를 추적합니다. 약 1년 전 그 수치는 대략 10분이었습니다. 그러다 1시간이 되었고, 몇 시간이 되었습니다. 가장 최근 측정값(11월의 클로드 오퍼스 4.5)에 따르면 AI는 인간 전문가가 거의 5시간 동안 해야 할 일을 완수했습니다.
그리고 이 수치는 대략 7개월마다 두 배로 늘어나고 있으며, 최근 데이터는 4개월마다 두 배로 가속화될 수 있음을 시사합니다.
하지만 그 측정치조차 이번 주에 출시된 모델들은 포함되지 않은 것입니다. 제가 직접 써본 바로는 그 도약이 매우 큽니다. 저는 METR의 다음 그래프 업데이트에서 또 다른 거대한 도약이 나타날 것으로 예상합니다.
이러한 추세(수년간 꺾이지 않고 유지된)를 확장해 보면, 내년 안에는 며칠 동안 독립적으로 작업할 수 있는 AI를 보게 될 것입니다. 2년 안에는 몇 주 단위의 일을, 3년 안에는 한 달짜리 프로젝트를 수행할 것입니다.
(앤스로픽 CEO인) 다리오 아모데이는 "거의 모든 업무에서 거의 모든 인간보다 실질적으로 더 똑똑한" AI 모델이 2026년이나 2027년쯤 등장할 궤도에 있다고 말했습니다.
이 사실을 잠시 곱씹어 보십시오. 만약 AI가 대부분의 박사 학위 소지자보다 똑똑하다면, 정말로 대부분의 사무직 업무를 수행할 수 없으리라 생각하십니까?
이것이 여러분의 업무에 무엇을 의미하는지 생각해 보십시오.
AI가 이제 다음 AI를 만들고 있습니다
가장 중요하면서도 가장 덜 이해되고 있는 변화가 하나 더 있습니다.
2월 5일, 오픈AI는 GPT-5.3 코덱스를 출시하며 기술 문서에 이런 내용을 포함했습니다.
"GPT-5.3-Codex는 자체 제작에 도구로 사용된 우리의 첫 번째 모델입니다. 코덱스 팀은 초기 버전을 사용하여 자신의 훈련을 디버깅하고, 배포를 관리하며, 테스트 결과와 평가를 진단했습니다."
다시 읽어보십시오. AI가 자신을 만드는 것을 도왔습니다.
이것은 언젠가 일어날지도 모르는 일이 아닙니다. 오픈AI가 방금 출시한 AI가 바로 자기 자신을 만드는 데 사용되었다고 지금 말하고 있는 것입니다. AI를 더 좋게 만드는 핵심 요소 중 하나는 AI 개발에 투입되는 지능입니다. 그리고 AI는 이제 자신의 개선에 의미 있는 기여를 할 만큼 충분히 지능적입니다.
앤스로픽의 CEO 다리오 아모데이는 현재 자사 코드의 "많은 부분"을 AI가 작성하고 있으며, 현재의 AI와 차세대 AI 사이의 피드백 루프가 "매달 활력을 얻고 있다"고 말합니다. 그는 우리가 "현재 세대의 AI가 자율적으로 다음 세대를 구축하는 시점까지 불과 1~2년밖에 남지 않았을 수도 있다"고 말합니다.
각 세대는 더 똑똑한 다음 세대를 만드는 데 도움을 주고, 그 세대는 다시 더 똑똑한 세대를 더 빨리 만듭니다. 연구원들은 이를 '지능 폭발'이라고 부릅니다. 그리고 이를 직접 만드는 사람들, 즉 누구보다 잘 아는 이들은 이 프로세스가 이미 시작되었다고 믿고 있습니다.
이것이 당신의 직업에 의미하는 바
위로보다는 정직함이 여러분에게 더 필요하다고 생각하기에 직설적으로 말씀드리겠습니다.
AI 업계에서 아마도 가장 안전을 중시하는 CEO인 다리오 아모데이는 1년에서 5년 내에 AI가 사무직 초급 일자리의 50%를 없앨 것이라고 공개적으로 예측했습니다. 그리고 업계의 많은 이들은 그가 보수적으로 잡은 수치라고 생각합니다. 최신 모델들의 능력을 고려할 때, 거대한 혼란을 야기할 능력은 이미 올해 말이면 갖춰질 수 있습니다. 그것이 경제 전반으로 파급되는 데는 시간이 걸리겠지만, 근본적인 능력은 지금 도착하고 있습니다.
이것은 과거의 어떤 자동화 물결과도 다르며, 왜 그런지 이해하셔야 합니다. AI는 특정 기술 하나를 대체하는 것이 아닙니다. 인지 노동 전체를 대체하는 일반적인 대안입니다. AI는 모든 분야에서 동시에 좋아집니다. 공장이 자동화되었을 때 실직한 노동자는 사무직으로 재교육받을 수 있었습니다. 인터넷이 소매업을 뒤흔들었을 때 노동자들은 물류나 서비스업으로 이동했습니다. 하지만 AI는 이동할 만한 편리한 틈새를 남겨두지 않습니다. 당신이 무엇으로 재교육을 받든, AI는 그 분야에서도 발전하고 있기 때문입니다.
구체적인 예를 몇 가지 들어보겠습니다. 단, 이것들은 예시일 뿐입니다. 이 목록에 없다고 해서 당신의 직업이 안전하다는 뜻은 아닙니다. 거의 모든 지식 노동이 영향을 받고 있습니다.
* 법률 업무: AI는 이미 계약서를 읽고, 판례를 요약하며, 준비 서면을 작성하고, 주니어 변호사에 버금가는 수준으로 법률 조사를 수행할 수 있습니다. 제가 언급한 대표 파트너가 AI를 쓰는 이유는 재미있어서가 아닙니다. 많은 업무에서 자신의 어소시에이트 변호사들보다 성과가 좋기 때문입니다.
* 금융 분석: 재무 모델 구축, 데이터 분석, 투자 메모 작성, 보고서 생성. AI는 이 일들을 능숙하게 처리하며 빠르게 발전하고 있습니다.
* 작문 및 콘텐츠: 마케팅 문구, 보고서, 저널리즘, 기술 작문. 품질이 이미 많은 전문가가 AI의 결과물과 사람의 작업물을 구분할 수 없는 수준에 도달했습니다.
* 소프트웨어 엔지니어링: 제가 가장 잘 아는 분야입니다. 1년 전만 해도 AI는 오류 없이 몇 줄의 코드를 겨우 썼습니다. 이제는 올바르게 작동하는 수십만 줄의 코드를 작성합니다. 단순한 작업뿐만 아니라 복잡한 다일 프로젝트까지 직무의 상당 부분이 이미 자동화되었습니다. 몇 년 후에는 지금보다 훨씬 적은 수의 프로그래밍 직무만 남을 것입니다.
* 의료 분석: 스캔 판독, 실험 결과 분석, 진단 제안, 문헌 검토. AI는 여러 분야에서 인간의 성과에 근접하거나 이를 능가하고 있습니다.
* 고객 서비스: 5년 전의 답답한 챗봇이 아니라, 진정으로 유능한 AI 에이전트가 도입되어 복잡한 다단계 문제를 처리하고 있습니다.
많은 사람이 어떤 것들은 안전할 것이라는 생각에서 위안을 얻습니다. AI가 허드렛일은 할 수 있어도 인간의 판단력, 창의성, 전략적 사고, 공감은 대체할 수 없다는 생각 말입니다. 저도 예전엔 그렇게 말했습니다. 하지만 이제는 더 이상 믿지 않습니다.
최신 AI 모델들은 판단력처럼 느껴지는 결정을 내립니다. 단순히 기술적으로 옳은 것이 아니라 무엇이 적절한 결정인지 아는 직관적 감각인 '취향'과 유사한 것을 보여줍니다. 1년 전만 해도 상상할 수 없던 일입니다. 현재 저의 판단 기준은 이렇습니다. '오늘 모델이 어떤 능력의 낌새라도 보인다면, 다음 세대는 그것을 정말 잘하게 될 것이다.' 이 기술들은 선형적이 아니라 기하급수적으로 발전합니다.
AI가 인간의 깊은 공감을 복제할 수 있을까요? 수년간 쌓아온 신뢰의 관계를 대체할 수 있을까요? 모릅니다. 아닐 수도 있겠죠. 하지만 저는 사람들이 이미 감정적 지지, 조언, 동료애를 위해 AI에 의지하기 시작하는 것을 보았습니다. 그 추세는 커지기만 할 것입니다.
솔직한 답변은, 컴퓨터로 할 수 있는 일 중 중기적으로 안전한 것은 아무것도 없다는 것입니다. 만약 당신의 일이 스크린에서 일어난다면(읽고, 쓰고, 분석하고, 결정하고, 키보드로 소통하는 것이 핵심이라면) AI는 그 업무의 상당 부분을 잠식할 것입니다. 그 일정은 "언젠가"가 아닙니다. 이미 시작되었습니다.
결국 로봇이 육체 노동도 처리하게 될 것입니다. 아직 그 단계는 아닙니다. 하지만 AI 세계에서 "아직 그 단계가 아니다"라는 말은 누구의 예상보다 빨리 "현실"이 되곤 합니다.
실제로 당신이 해야 할 일
제가 이 글을 쓰는 이유는 여러분을 무기력하게 만들기 위해서가 아닙니다. 지금 여러분이 가질 수 있는 단 하나의 가장 큰 이점이 바로 '남보다 앞서가는 것'이라고 생각하기 때문입니다. 남보다 먼저 이해하고, 사용하고, 적응하는 것입니다.
AI를 단순히 검색 엔진으로 쓰지 말고 진지하게 사용하기 시작하십시오. 클로드나 챗GPT의 유료 버전에 가입하십시오. 한 달에 20달러입니다. 하지만 당장 중요한 두 가지가 있습니다.
첫째, 기본 모델이 아니라 현재 사용 가능한 가장 뛰어난 모델을 사용하고 있는지 확인하십시오. 이 앱들은 종종 더 빠르고 덜 똑똑한 모델을 기본값으로 설정하곤 합니다. 설정이나 모델 선택기에서 가장 유능한 옵션을 선택하십시오. 지금은 챗GPT의 GPT-5.2나 클로드의 오퍼스 4.6이지만, 이는 몇 달마다 바뀝니다. 어떤 모델이 가장 좋은지 최신 상태를 유지하고 싶다면 제 X(@mattshumer_)를 팔로우하셔도 좋습니다. 저는 모든 주요 릴리스를 테스트하고 실제로 쓸 가치가 있는 것을 공유합니다.
둘째, 더 중요한 점은 단순히 짧은 질문만 던지지 마라는 것입니다. 그것이 대부분의 사람이 저지르는 실수입니다. 구글처럼 대하면서 왜 다들 난리인지 궁금해합니다. 그러지 말고 여러분의 실제 업무에 AI를 밀어 넣으십시오. 당신이 변호사라면 계약서를 입력하고 의뢰인에게 해가 될 수 있는 모든 조항을 찾아달라고 하십시오. 금융업에 종사한다면 엉망인 스프레드시트를 주고 모델을 짜달라고 하십시오. 관리자라면 팀의 분기 데이터를 붙여넣고 그 속에 담긴 이야기를 찾아달라고 하십시오. 앞서가는 사람들은 AI를 가볍게 쓰지 않습니다. 그들은 예전에 몇 시간씩 걸리던 업무의 일부를 자동화할 방법을 적극적으로 찾습니다. 당신이 가장 많은 시간을 쓰는 일부터 시작해 보십시오.
또한 너무 어려워 보인다고 해서 못 할 거라 짐작하지 마십시오. 시도해 보십시오. 변호사라면 간단한 조사 질문만 하지 말고, 계약서 전체를 주고 반대 제안서를 초안으로 잡아달라고 하십시오. 회계사라면 세금 규정을 설명해달라고만 하지 말고, 고객의 전체 신고서를 주고 무엇을 찾을 수 있는지 보십시오. 첫 번째 시도가 완벽하지 않을 수도 있습니다. 괜찮습니다. 반복하십시오. 질문 방식을 바꾸어 보십시오. 더 많은 맥락을 주십시오. 다시 시도하십시오. 결과에 놀라실 수도 있습니다. 그리고 기억하십시오. 오늘 조금이라도 작동한다면 6개월 뒤에는 거의 완벽하게 해낼 것이라는 사실을요. 궤적은 한 방향으로만 향합니다.
올해는 당신의 커리어에서 가장 중요한 해가 될 수도 있습니다. 그에 걸맞게 일하십시오. 스트레스를 주려는 말이 아닙니다. 지금은 대부분의 회사에서 대부분의 사람이 여전히 이를 무시하고 있는 짧은 기회의 창이 열려 있기 때문입니다. 회의실에 들어가 "3일 걸릴 이 분석을 AI를 사용해 1시간 만에 끝냈습니다"라고 말하는 사람은 그 방에서 가장 가치 있는 사람이 될 것입니다. 나중이 아니라 바로 지금입니다.
이 도구들을 배우십시오. 능숙해지십시오. 무엇이 가능한지 증명하십시오. 남들보다 빠르다면 이것이 당신이 올라가는 방법입니다. 무엇이 오고 있는지 이해하고 다른 이들에게 길을 보여줄 수 있는 사람이 되는 것입니다. 그 창은 오래 열려 있지 않을 것입니다. 모두가 이를 깨닫고 나면 이점은 사라집니다.
자존심을 버리십시오. 그 대형 로펌 대표는 AI와 매일 몇 시간씩 시간을 보내는 것을 부끄러워하지 않습니다. 그는 무엇이 걸려 있는지 이해할 만큼 충분히 경력이 높기 때문에 그렇게 하는 것입니다. 가장 고전할 사람들은 참여하기를 거부하는 이들입니다. 이를 일시적인 유행으로 치부하거나, AI를 쓰는 것이 자신의 전문성을 깎아먹는다고 느끼거나, 자신의 분야는 특별해서 영향이 없을 거라 가정하는 사람들입니다. 그렇지 않습니다. 어떤 분야도 예외는 없습니다.
경제적 상황을 정돈하십시오. 저는 금융 전문가가 아니고 여러분을 겁주어 극단적인 행동을 하게 하려는 것도 아닙니다. 하지만 앞으로 몇 년 안에 여러분의 산업에 진정한 혼란이 올 수 있다고 조금이라도 믿는다면, 기초적인 경제적 회복 탄력성은 1년 전보다 더 중요합니다. 가능하다면 저축을 늘리십시오. 현재의 수입이 보장된다고 가정한 새로운 부채를 떠안는 데 신중하십시오. 고정 지출이 당신에게 유연성을 주는지 아니면 당신을 옭아매는지 생각해보십시오. 상황이 예상보다 빨리 움직일 때를 대비해 선택지를 만드십시오.
자신의 위치를 생각하고, 대체하기 가장 어려운 것에 집중하십시오. 어떤 것들은 AI가 대체하는 데 더 오래 걸릴 것입니다. 수년간 쌓아온 관계와 신뢰, 물리적 존재가 필요한 작업, 자격증이 필요한 책임 있는 역할(여전히 누군가가 서명하고 법적 책임을 지며 법정에 서야 하는 역할들), 규제 장벽이 높아 도입이 더딘 산업 등이 그렇습니다. 이것들이 영구적인 방패는 아니지만 시간을 벌어줄 것입니다. 그리고 지금 그 시간은 여러분이 현실을 부정하는 데 쓰는 것이 아니라 적응하는 데 쓴다면 가장 가치 있는 자산이 될 것입니다.
아이들에게 해주는 말을 다시 생각해보십시오. 좋은 성적을 받고 좋은 대학에 가서 안정적인 전문직을 얻으라는 표준적인 공식은 이제 가장 위험에 노출된 역할들을 정조준하고 있습니다. 교육이 중요하지 않다는 말이 아닙니다. 하지만 다음 세대에게 가장 중요한 것은 이 도구들과 함께 일하는 법을 배우고, 진정으로 열정을 느끼는 일을 추구하는 것입니다. 10년 뒤의 노동 시장이 어떤 모습일지 아무도 모릅니다.
하지만 번성할 가능성이 가장 높은 사람은 깊은 호기심을 갖고 적응력이 뛰어나며, 자신이 진정으로 아끼는 일을 하기 위해 AI를 효과적으로 사용하는 사람입니다. 아이들에게 단순히 졸업할 때쯤이면 사라질지도 모를 커리어 패스에 최적화된 사람이 아니라, 스스로 무언가를 만들고 배우는 사람이 되라고 가르치십시오.
당신의 꿈이 훨씬 가까워졌습니다. 지금까지 위협에 대해 주로 이야기했으므로 반대편에 대해서도 말씀드리겠습니다. 그 역시 똑같이 실재하니까요. 만약 당신이 무언가 만들고 싶었지만 기술이 없거나 사람을 고용할 돈이 없어서 포기했다면, 이제 그 장벽은 거의 사라졌습니다. AI에게 앱을 설명하고 한 시간 만에 작동하는 버전을 가질 수 있습니다. 과장이 아닙니다. 저는 정기적으로 이렇게 합니다. 항상 책을 쓰고 싶었지만 시간이 없었거나 글쓰기가 힘들었다면, AI와 협업하여 해낼 수 있습니다. 새로운 기술을 배우고 싶으신가요? 세계 최고의 튜터가 이제 월 20달러에 누구에게나 열려 있습니다. 무한한 인내심을 갖고 24시간 대기하며 어떤 수준이든 설명해 줄 수 있는 튜터입니다. 이제 지식은 사실상 공짜입니다. 무언가를 만드는 도구는 극도로 저렴해졌습니다. 너무 어렵거나 비싸서, 혹은 전문 분야가 아니라서 미뤄왔던 일이 있다면 무엇이든 시도해 보십시오.
당신의 열정을 쫓으십시오. 그것이 어디로 이어질지 모릅니다. 기존의 커리어 경로가 무너지는 세상에서는, 1년 동안 자신이 사랑하는 것을 만든 사람이 직무 기술서에 매달려 1년을 보낸 사람보다 더 나은 위치에 서게 될지도 모릅니다.
적응하는 습관을 기르십시오. 이것이 아마도 가장 중요할 것입니다. 특정 도구가 무엇인지는 중요하지 않습니다. 새로운 도구를 빨리 배우는 근육이 중요합니다. AI는 계속 바뀔 것이고, 그 속도는 빠를 것입니다. 오늘 존재하는 모델은 1년 뒤면 구식이 될 것입니다. 사람들이 지금 짜놓은 워크플로우는 다시 짜야 할 것입니다. 이 상황을 잘 헤쳐 나가는 사람은 하나의 도구를 마스터한 사람이 아니라, 변화의 속도 그 자체에 편안함을 느끼는 사람이 될 것입니다. 실험하는 습관을 들이십시오. 현재 방식이 잘 작동하더라도 새로운 것을 시도해 보십시오. 반복해서 초보자가 되는 것을 기꺼이 받아들이십시오. 그 적응력이 지금 존재하는 가장 지속 가능한 경쟁력에 가깝습니다.
거의 모든 사람보다 앞서 나갈 수 있는 간단한 약속을 하나 제안합니다.
하루에 한 시간씩 AI를 실험하는 데 쓰십시오. 단순히 그것에 관한 글을 읽는 것이 아닙니다. 직접 사용하는 것입니다. 매일 무언가 새로운 것을 시도해 보십시오. 전에 안 해본 것, AI가 처리할 수 있을지 확신이 없는 것을 시도하십시오. 새로운 도구를 써보십시오. 더 어려운 문제를 던져보십시오. 매일 한 시간씩 말입니다. 앞으로 6개월 동안 이렇게 한다면, 당신은 주변 사람 99%보다 다가올 미래를 더 잘 이해하게 될 것입니다. 과장이 아닙니다. 지금 아무도 이렇게 하지 않고 있습니다. 기준점은 바닥에 있습니다.
더 큰 그림
사람들의 삶에 가장 직접적으로 영향을 미치기 때문에 직업에 집중했지만, 일 이상의 영역에서 벌어지고 있는 일의 전체 범위를 솔직하게 말씀드리고 싶습니다.
다리오 아모데이가 제시한 생각할 거리 중 제가 잊지 못하는 것이 있습니다. 2027년이라고 가정해 보십시오. 하룻밤 사이에 새로운 국가가 나타납니다. 5천만 명의 시민이 있는데, 한 명 한 명이 지금까지 존재했던 그 어떤 노벨상 수상자보다 똑똑합니다. 그들은 인간보다 10배에서 100배 더 빨리 생각합니다. 잠도 자지 않습니다. 인터넷을 사용하고, 로봇을 제어하며, 실험을 지시하고, 디지털 인터페이스가 있는 모든 것을 조작할 수 있습니다. 국가 안보 보좌관은 뭐라고 말할까요?
다리오 아모데이는 답이 뻔하다고 말합니다. "지난 한 세기 동안, 어쩌면 역사상 우리가 직면한 가장 심각한 국가 안보 위협"이라고요.
그는 우리가 지금 그 국가를 건설하고 있다고 생각합니다. 그는 지난달에 2만 단어 분량의 에세이를 써서, 지금 이 순간을 인류가 자신이 창조하고 있는 것을 감당할 만큼 성숙했는지를 시험하는 순간으로 규정했습니다.
우리가 이를 제대로 해낸다면 그 긍정적인 면은 경이로울 것입니다. AI는 한 세기 분량의 의학 연구를 10년으로 압축할 수 있습니다. 암, 알츠하이머, 전염병, 노화 자체까지... 연구원들은 이것들이 우리 생애 안에 해결 가능하다고 진심으로 믿습니다.
네이버 지도의 살구색인 곳과 아닌 곳의 차이는?
살구색 지역의 의미
네이버 지도가 2023년 여름에 추가한 “관심지역” 기능입니다.
네이버 지도 사용자들의 검색량·방문량·저장·리뷰 등 빅데이터를 분석해 관심도가 높은 지역을 자동으로 옅은 살구색으로 칠해 표시합니다.
“검색량이 많아 상권이 활성화되면 살구색으로 변한다”는 정확한 설명이에요.
데이터가 실시간에 가깝게 업데이트되기 때문에, 인기 상승 지역은 점점 살구색 영역이 넓어지거나 진해집니다.
살구색이 아닌 지역과의 차이
살구색 지역은 유동인구가 많고 상권이 활발한 핫플레이스나 상업지구인 경우가 많습니다 (예: 서울 강남역 주변, 홍대, 명동 등).
살구색이 아닌 지역은 상대적으로 관심도와 방문이 적은 곳(주거지 중심이나 덜 알려진 지역)입니다.
좋은 상권 찾는 팁
창업이나 상권 분석 시 정말 유용한 기능이에요. 네이버 지도 앱/웹에서 그냥 지도를 확대해 보면 자동으로 살구색 영역이 보입니다. (별도 레이어 켜지 않아도 됨)
살구색이 진하고 넓게 퍼져 있는 곳을 우선적으로 보면 상권 활성화 정도를 빠르게 파악할 수 있어요.
시각 예시
실제 네이버 지도 화면 예시(서울 도심 기준)에서 살구색 관심지역이 어떻게 보이는지 참고하세요.
강남·홍대 같은 곳은 넓게 살구색으로 덮여 있고, 주변 일반 지역은 회색빛으로 대비됩니다.
(실제 지도에서 직접 확인하시면 더 정확해요 – 네이버 지도 앱 열고 서울 중심부 확대해보세요)
이 기능 덕분에 좋은 상권 찾기가 훨씬 쉬워졌음.
여기 사장님이 며칠전에 인스타 올리셨는데 모 식품 대기업에서 “윤숲을 똑같이 카피한 제품”을 개발하라는 지시가 내려와서 연구원들이 방문하고 제품 사갔대 ㅜ
도대체 어떤 기업인지는 모르겠지만..🙄 진짜 양심도 없지 앞으로 누가 다쿠아즈샌드 출시하는지 다 지켜본다 ......
윤숲 화이팅 !!!! !!! 자영업자 지지마 ‼️
지난 4주 동안 AI 관련 툴+토큰 사용에 350만원 태우고 느낀 점
부담 생길만큼 큰 지출이었는데 느낀 점이 많아서 정리..
1. 신기술 쓴다고 마냥 다 미래지향적인 행동은 아니다. 내가 한 행동이 ‘기술 여흥’이 아니라 ‘미래에 대한 투자’ 가 되려면 목적의식을 계속 붙잡아야 한다
2. 돈이 엄청 빨리 녹는다. 주 토큰 소모는 리즈닝 모델로 방대한 양의 글을 읽고 지식/흥미/재미 요소를 원하는 형태로 추출해내는 작업과 소소한 여행 관련 영상 제작에 집중되었는데 퀄리티와 토큰 필요량은 비례했다.
3. 잘 아는 도메인에서의 생산성 향상은 비현실적일 정도로 높았지만, 낯선 도메인은 아직 극적이지 않다. 어떻게 활용할지 '감'을 잡는 데만 에너지가 다 소모되어, 정작 구체적인 작업 지시 단계까지 도달하지 못한 경우가 태반이었다.
4. 일단 파이프라인을 구축해두면 유용하겠다 싶은 작업들이 계속 눈에 띈다. 사용량을 임계치까지 밀어붙이기 전에는 보이지 않던 가치 창출 지점들이 어느 순간 문득 모습을 드러내기 시작했다.
5. 역설적이게도 비용을 한껏 들여 테스트해 본 뒤, 정작 실제 부가가치는 스케일이 크지 않은 가볍고(Lean) 기민한 작업에서 창출되는 경우가 많았다.
6. 몇 번의 연습만 더 거치면 수익 모델에 도달하는 시간은 비약적으로 단축될 것으로 보인다. 뒤집어 말하면, 내 프로덕트가 세상에서 마주할 경쟁의 밀도 또한 압도적으로 높아질 것임을 의미한다.
7. 내가 가진 교양과 취향의 폭이 너무 좁은 게 많이 아쉽다. 더 다양한 것을 경험하고 많은 것에 관심을 두고 있었더라면 할 수 있는 일도 비례해서 늘어났을 텐데, 내 도메인의 한계가 많이 아쉽다.
블루노트 레이블에서 무조건 소장해야하는 재즈 앨범
• Art Blakey & The Jazz Messengers - Moanin' (1958)
블루노트의 대표 아티스트인 아트 블레이키가 이끄는 재즈 메신저스의 대표 앨범이다. 끈적하고 소울풀한 HardBop의 정석을 보여주는 앨범이라 재즈 입문자에게도 너무 좋은 앨범이고, 소장으로도 너무 이쁨!
• Cannonball Adderley - Somethin' Else (1958)
알토 색소폰의 거장이며, 재즈계의 전설 Miles Davis가 음악적 감독을 맡은 앨범임! 이 앨범에는 그 유명한 ‘Autumn Leaves’가 수록되어 있고, 각 연주자가 다 레전드임! 이 앨범도 재즈 입문자에게 강추
• John Coltrane - Blue Train (1957)
재즈 성인(Saint)으로도 불리는 아티스트의 걸작인 앨범이다. 음 하나하나 꾹꾹 눌러서 연주해 더 깊고 진한 음색을 들을 수 있고, 에너지가 넘치는 앨범임!
• Sonny Clark - Cool Struttin' (1958)
한국과 일본 재즈팬들이 유독 사랑했던 앨범이기도 하다. 명료하고 친절한 피아노의 연주 덕분에 이 앨범도 재즈 입문자에게 강추하는 앨범!