AI 발 대공황, 진짜루?

AI 발 대공황, 진짜루?

 

Introduction

"AI 발 대공황, 진짜루?"라는 질문은 요즘 기술 뉴스의 공기를 꽤 정확하게 찌른다. 한쪽에서는 "2030년까지 일자리 수천만 개가 사라진다"고 외치고, 다른 한쪽에서는 "이제 개발자는 끝났다", "기획자도 끝났다", "디자이너도 끝났다", "사무직은 전부 자동화된다"는 식의 종말론을 매일 생산한다. 뉴스 제목만 보면 인류는 이미 실업급여 신청서를 작성했고, 개발자는 키보드를 내려놓고 고구마 농사를 준비해야 할 것 같다. 그런데 정말 그럴까? AI가 만든 충격이 경제 전체를 무너뜨리는 대공황으로 이어질까, 아니면 우리가 또 한 번 기술 변화의 과장 광고에 집단으로 흔들리고 있는 걸까?

이 글은 AI 낙관론자의 박수 소리도 아니고, 공포 마케팅 장사꾼의 확성기도 아니다. 오히려 "무섭긴 한데, 무서워하는 방식이 틀린 것 아닌가?"라는 쪽에 가깝다. AI는 실제로 일하는 방식을 바꾸고 있다. 코드를 작성하고, 문서를 요약하고, 이미지를 만들고, 고객 응대 초안을 짜고, 회의록을 정리한다. 하지만 기술이 일을 바꾼다는 말과 경제가 대공황으로 붕괴한다는 말은 전혀 다른 문장이다. 전자는 관찰이고, 후자는 시나리오다. 시나리오는 검증해야지, 밈처럼 복붙하며 믿으면 곤란하다.

특히 2021년부터 2022년 사이의 코로나 개발자 연봉 버블을 기억하는 사람이라면 지금의 분위기가 낯설지 않을 것이다. 그때도 모두가 약간 취해 있었다. "개발자 되면 인생 역전", "6개월 뒤 대기업", "연봉 오퍼가 줄을 선다"는 이야기가 막차 버스처럼 달렸다. 지금은 정반대 방향의 버스가 왔다. "AI 때문에 다 끝났다", "배워도 소용없다", "이제 인간은 클릭 담당이다." 그때 연봉 오퍼에 취했던 것처럼, 지금 AI 공포에 취해 있으면 판단력이 흐려진다. 술병 라벨만 바뀌었을 뿐이다.

AI는 일자리를 단순히 없애는 괴물이 아니라, 일의 정의를 바꾸는 압력이다. 진짜 위험은 AI 자체보다 그 압력을 읽지 못하고 공포나 맹신 중 하나로 도망치는 태도다.

프롤로그: AI 대공황 공포 시나리오, 진짜 다 망하는 걸까?

AI 대공황론은 대체로 세 단계로 구성된다. 첫째, AI가 인간보다 빠르고 싸게 일한다. 둘째, 기업은 비용을 줄이기 위해 사람을 해고한다. 셋째, 실업자가 급증해 소비가 무너지고 경제가 침체된다. 듣기에는 그럴듯하다. 실제로 일부 직무는 이미 자동화 압력을 받고 있고, 반복적인 문서 작성, 단순 고객 응대, 기초 리서치, 초안 생성 업무는 빠르게 재편되고 있다. 문제는 이 논리를 모든 직업과 모든 산업에 한꺼번에 덮어씌울 때 생긴다. 세상은 엑셀의 한 열처럼 깔끔하게 밀리지 않는다.

기술은 직업을 없애기도 하지만, 업무 단위를 쪼개고 다시 조립하기도 한다. 예를 들어 "개발자"라는 직업 안에는 요구사항 해석, 아키텍처 설계, 코드 작성, 테스트, 배포, 장애 대응, 보안 검토, 팀 커뮤니케이션, 운영 비용 관리가 함께 들어 있다. AI가 코드 초안을 더 빨리 만든다고 해서 이 모든 일이 한꺼번에 사라지지는 않는다. 오히려 코드 초안이 빨라질수록 "이게 정말 맞는가?", "어디서 깨지는가?", "운영 환경에서 어떤 비용을 만드는가?"를 판단하는 책임은 더 선명해진다.

공포 마케팅은 이 복잡함을 좋아하지 않는다. 복잡한 이야기는 클릭률이 낮다. "업무 구조가 재편되고, 일부 반복 업무는 줄어들며, 검증과 문제 정의 역량의 가치가 올라간다"보다 "AI가 당신의 일자리를 먹는다"가 훨씬 잘 팔린다. 그래서 대공황이라는 단어가 등장한다. 공포는 사람을 빨리 움직이게 하고, 빨리 결제하게 하고, 빨리 구독하게 한다. "지금 이 강의를 듣지 않으면 도태됩니다", "이 자동화 툴을 쓰지 않으면 회사에서 밀립니다", "이 프롬프트 모음집이 마지막 탈출구입니다." 대공황은 경제 용어인 동시에 마케팅 문구가 된다.

공포 문구	현실적인 해석	확인해야 할 질문
AI가 모든 사무직을 대체한다	반복적이고 규칙 기반인 업무부터 자동화 압력이 커진다	그 업무의 최종 책임, 예외 처리, 고객 접점은 누가 맡는가?
개발자는 곧 필요 없다	단순 구현 속도보다 문제 정의와 검증 역량이 중요해진다	AI가 만든 코드의 장애, 보안, 비용 책임은 누가 지는가?
프롬프트만 알면 누구나 전문가다	프롬프트는 인터페이스이고 전문성은 판단 기준이다	답변이 틀렸을 때 알아차릴 기준이 있는가?
AI를 안 쓰면 바로 도태된다	도구 적응은 필요하지만 맹목적 구독이 역량은 아니다	내 업무 흐름에서 실제 병목은 무엇인가?

본론 1: 딸깍의 한계, AI가 절대로 대체하지 못하는 1인치

요즘 개발자 커뮤니티에서 가장 현실적인 농담은 이것이다. "AI가 다 해준다더니 디버깅은 왜 내 몫인가." 클로드 코드, 코파일럿, 커서, 각종 에이전트형 도구가 등장하면서 코딩은 정말 많이 바뀌었다. 빈 파일 앞에서 멍하게 시작하던 시간이 줄었고, 반복적인 보일러플레이트를 빠르게 만들 수 있으며, 낯선 라이브러리의 사용 예시도 몇 초 만에 얻을 수 있다. 그런데 실무자는 안다. AI가 만든 코드는 종종 자신감 넘치는 신입 개발자와 비슷하다. 말은 빠르고 손도 빠른데, 가끔 매우 당당하게 엉뚱한 곳에 폭탄을 묻는다.

AI 코딩의 한계는 단순히 "가끔 틀린다"가 아니다. 인간이 요구사항을 모호하게 주면 AI는 모호함을 질문으로 되돌려주기보다 그럴듯한 가정을 채워 넣는다. 기존 코드베이스의 암묵적 규칙, 운영 환경의 제약, 보안 정책, 조직의 배포 관행, 과거 장애의 교훈까지 완벽히 이해하지 못한 채 "작동해 보이는 코드"를 만든다. 여기서 작동해 보인다는 말이 중요하다. 데모에서는 돌아가지만 실제 고객 트래픽, 느린 네트워크, 빈 데이터, 권한 오류, 타임존, 레이스 컨디션, 과금 정책 앞에서는 전혀 다른 얼굴을 한다.

그래서 AI 시대의 개발자는 사라지는 것이 아니라 역할이 바뀐다. 손으로 모든 줄을 직접 쓰는 사람에서, 문제를 정의하고, 제약을 명확히 주고, 산출물을 검증하고, 실패 조건을 설계하는 사람으로 이동한다. "딸깍"은 시작 버튼일 뿐이다. 진짜 실력은 딸깍 이후에 나온다. AI가 만든 코드가 왜 맞는지 설명할 수 있는가? 어떤 입력에서 깨지는지 테스트할 수 있는가? 장애가 났을 때 로그를 읽고 원인을 좁힐 수 있는가? 보안적으로 위험한 기본값을 알아볼 수 있는가? 이 질문에 답하지 못하면 딸깍은 생산성이 아니라 복권 긁기다.

ai_code_review_gate:
  requirement_definition:
    - "성공 조건과 실패 조건을 먼저 적는다"
    - "운영 환경의 버전, 권한, 데이터 크기를 명시한다"
    - "AI가 가정하면 안 되는 영역을 따로 표시한다"
  verification:
    - "공식 문서 또는 기존 코드 패턴과 비교한다"
    - "빈 값, 권한 오류, 타임아웃, 중복 요청을 테스트한다"
    - "로그와 롤백 경로를 확인한다"
  ownership:
    final_responsibility: "AI가 아니라 배포 버튼을 누른 사람"

AI가 대체하지 못하는 1인치는 바로 이 책임의 거리다. 사용자는 결과를 원하고, 회사는 안정성을 원하고, 고객은 자신의 데이터가 안전하기를 원한다. AI는 제안할 수 있지만 책임지지 않는다. 배포가 터져도 퇴근 후 전화를 받지 않는다. 결제 장애가 나도 사과문을 쓰지 않는다. 개인정보가 새어도 감사 대응 회의에 앉아 있지 않는다. 오늘도 클로드랑 싸우다 지쳐 퇴근한 개발자가 결국 마지막 방어선이다. 웃기지만 꽤 진지한 현실이다.

본론 2: 역사적 데자뷔, 마차에서 자동차로, IDC에서 클라우드로

새로운 기술이 나올 때마다 사람들은 종말을 상상했다. 자동차가 등장했을 때 마차 산업은 흔들렸고, 공장 자동화가 확산될 때 숙련공의 위상은 바뀌었고, 인터넷이 퍼질 때 오프라인 유통과 미디어는 큰 충격을 받았다. IT 안에서도 비슷한 장면은 반복됐다. IDC에서 클라우드로 넘어갈 때 "서버 엔지니어는 끝났다"는 말이 나왔다. 제이쿼리에서 리액트 같은 프론트엔드 패러다임으로 넘어갈 때도 "이전 방식만 하던 사람은 도태된다"는 이야기가 돌았다. 실제로 일부 기술은 뒤로 밀렸다. 그러나 사람이 사라진 것이 아니라 역할과 가치 기준이 바뀌었다.

IDC 시대의 엔지니어는 물리 서버, 랙, 네트워크 장비, 장애 대응에 익숙해야 했다. 클라우드 시대가 오자 손으로 장비를 만지는 일은 줄었지만, 인프라 설계, 비용 최적화, 보안 경계, 가용성, IaC, 모니터링 같은 새로운 일이 커졌다. 제이쿼리 중심의 웹 개발에서 컴포넌트 기반 프론트엔드로 넘어갈 때도 DOM 조작 기술만으로는 부족해졌지만, 상태 관리, 빌드 시스템, 테스트, 접근성, 사용자 경험 설계라는 더 넓은 생태계가 열렸다. 기술은 한쪽 문을 닫으면서 다른 쪽 복도를 만든다. 문제는 복도가 생겼다는 사실을 빨리 알아차리는 사람과 닫힌 문 앞에서 계속 손잡이만 돌리는 사람의 차이다.

기술 전환	사라지거나 줄어든 일	새롭게 커진 일
마차에서 자동차	마차 운행과 관리 중심의 생태계	자동차 제조, 정비, 도로, 물류, 운전 교육
IDC에서 클라우드	서버 주문과 수작업 설치 중심 업무	클라우드 아키텍처, 비용 관리, 자동화, 보안 운영
제이쿼리에서 리액트	페이지 단위 DOM 조작 중심 개발	컴포넌트 설계, 상태 관리, 빌드 파이프라인
AI 에이전트 도입	반복 초안 작성과 단순 구현 작업	문제 정의, 검증, 자동화 설계, 품질 통제

AI도 같은 흐름 위에 있다. 물론 속도는 빠르고 충격은 크다. 이번 변화가 가볍다는 뜻은 아니다. 하지만 "충격이 크다"와 "대공황이 온다"는 여전히 다르다. 대공황이라는 말은 수요 붕괴, 금융 불안, 생산과 소비의 급격한 동시 위축을 포함하는 무거운 단어다. AI가 일부 직무의 생산성을 높이고 기업의 인력 구조를 바꾸는 것은 사실이지만, 동시에 새로운 서비스, 새 도구, 새 교육, 새 검증 산업, 새 규제 대응, 새 보안 시장을 만든다. 기술은 비용을 낮출 뿐 아니라 이전에는 비싸서 못 하던 일을 가능하게 만든다.

따라서 중요한 질문은 "AI가 내 일을 빼앗을까?"에서 "내 일의 어떤 부분이 상품화되고, 어떤 부분이 더 비싸질까?"로 바뀌어야 한다. 반복 초안, 단순 요약, 기초 코드 작성은 점점 싸진다. 반대로 문제를 정확히 정의하는 능력, 도메인 맥락을 이해하는 능력, 위험을 발견하는 능력, 결과물을 검증하는 능력, 여러 이해관계자를 설득하는 능력은 더 중요해진다. 자동차가 마부를 단순히 없앤 것이 아니라 이동 산업을 재정의했듯, AI는 지식 노동을 재정의하고 있다.

본론 3: AI 사기꾼과 사이비들의 대잔치

솔직히 AI 대공황보다 더 조심해야 할 것은 AI 공포를 이용해 돈을 버는 사람들이다. 기술 변화기에는 늘 사이비가 번성한다. "남들은 모르는 기회", "이번이 마지막", "지금 따라오지 않으면 평생 도태", "AI가 예측한 급등주", "AI가 찍은 부동산 상승 지역", "자동매매로 월급 복사" 같은 말은 불안을 먹고 자란다. 과거에는 차트 몇 장과 성공 후기 캡처가 필요했다면, 이제는 AI라는 단어 하나로 미래 기술의 권위를 빌릴 수 있다. 사기꾼 입장에서는 매우 효율적인 포장지다.

특히 투자 영역에서 AI는 위험한 장식품이 되기 쉽다. 주가와 부동산은 데이터가 많고 숫자가 많아서 AI와 잘 어울려 보인다. 하지만 데이터가 많다는 것은 미래가 보인다는 뜻이 아니다. 시장은 과거 패턴뿐 아니라 금리, 정책, 전쟁, 유동성, 심리, 규제, 대형 사고, 군중의 탐욕과 공포로 움직인다. 모델이 예쁜 선을 그려도, 내 계좌의 손실은 예쁘게 정렬되지 않는다. "AI가 분석했다"는 문장은 투자 근거가 아니라 검증 대상이다.

더 심각한 문제는 바이브 투자자다. 바이브 코딩이 "일단 AI에게 맡기고 느낌으로 굴려 보는 개발"이라면, 바이브 투자는 "AI가 좋다니까 느낌으로 매수하는 행위"다. 개발에서 바이브 코딩이 실패하면 빌드가 깨지고 로그가 화를 낸다. 투자에서 바이브 투자가 실패하면 계좌가 조용히 사라진다. 개발자는 롤백이라도 하지만, 시장은 내 손실을 되돌려주지 않는다. AI에게 투자 판단을 맡기는 것은 계산기를 들고 카지노에 들어가 "나는 과학적으로 베팅한다"고 말하는 것과 비슷할 수 있다.

AI 투자 사기 의심 신호

• 원금 보장, 확정 수익, 손실 없는 자동매매를 말한다.
• 공식 금융사 계좌가 아니라 개인 계좌나 코인 지갑 입금을 요구한다.
• 알고리즘은 비밀이라며 검증 가능한 근거를 공개하지 않는다.
• 유명인의 얼굴, 음성, 캡처 화면을 앞세우지만 공식 채널 확인이 어렵다.
• 지금 결제하지 않으면 기회를 놓친다며 시간을 압박한다.

AI 사기꾼의 핵심 전략은 지능이 아니라 분위기다. "기술을 모르는 당신은 이미 늦었다"는 열등감, "남들은 이미 돈을 벌고 있다"는 조급함, "AI는 인간보다 객관적이다"라는 착각을 섞는다. 그러면 사람은 검증보다 안심을 선택한다. 사실 우리는 돈을 벌고 싶은 것이기도 하지만, 동시에 불안에서 벗어나고 싶다. 사기꾼은 수익률을 파는 척하지만 실제로는 불안 완화제를 판다. 그리고 그 약의 성분표에는 대개 탐욕, 공포, 과장, 비공개 알고리즘이 적혀 있다.

AI를 믿어서 망하는 것이 아니라, 검증 없이 믿고 싶은 결론만 고르는 순간 망한다. 특히 돈이 걸린 문제에서 "AI가 그랬다"는 말은 면책 사유가 아니다.

현실적인 생존 전략: 딸깍을 지배하는 사람의 습관

AI 시대에 살아남는 사람은 프롬프트를 가장 많이 외운 사람이 아니다. 도구 이름을 가장 빨리 갈아타는 사람도 아니다. 진짜로 오래가는 사람은 자신의 업무를 구조화할 줄 알고, AI에게 맡길 일과 직접 판단할 일을 구분하며, 결과물을 검증하는 사람이다. AI를 쓰지 않는 고집도 위험하지만, AI만 믿는 신앙은 더 위험하다. 도구는 써야 한다. 다만 도구에게 운전대를 넘겨주면 안 된다.

업무에서 가장 먼저 해야 할 일은 "내 일이 무엇으로 구성되어 있는가"를 쪼개는 것이다. 예를 들어 콘텐츠 마케터라면 아이디어 발굴, 자료 조사, 초안 작성, 톤 조정, SEO 구조화, 성과 분석, 브랜드 리스크 검토가 있다. 이 중 AI가 잘하는 것은 초안, 변형, 요약, 비교표 만들기다. 사람이 끝까지 가져가야 하는 것은 브랜드의 맥락, 독자 감정, 사실 확인, 최종 메시지다. 개발자도 마찬가지다. AI는 코드 초안을 잘 만든다. 하지만 장애 대응 설계, 보안 경계, 운영 비용, 사용자 피해 가능성은 인간이 책임져야 한다.

역량	AI에게 맡기기 쉬운 부분	사람이 강화해야 할 부분
문제 정의	요구사항 질문 목록 만들기	진짜 문제가 무엇인지 이해관계자와 합의하기
자료 조사	초기 키워드, 요약, 비교표 생성	출처, 날짜, 원문, 반대 근거 확인하기
개발 구현	반복 코드, 테스트 초안, 문서 초안 작성	설계 의도, 예외 처리, 보안, 배포 책임 지기
의사결정	선택지와 장단점 정리	조직 맥락, 비용, 리스크, 윤리 기준으로 판단하기

좋은 프롬프트보다 좋은 검증 루틴이 더 중요하다. AI에게 질문할 때는 "정답을 줘"보다 "가정, 근거, 반례, 실패 조건을 분리해 줘"라고 요청하는 편이 낫다. 결과를 받으면 바로 사용하지 말고, 일부러 반대 질문을 던져야 한다. "이 답변이 틀릴 수 있는 조건은?", "가장 위험한 누락은?", "공식 문서와 충돌할 가능성은?", "초보자가 오해할 지점은?" 같은 질문이다. 이 과정은 귀찮다. 하지만 귀찮음은 인간이 아직 운전석에 있다는 증거다.

AI 결과물 검증 프롬프트 예시

1. 위 답변의 핵심 가정을 목록으로 분리해 주세요.
2. 각 가정이 틀렸을 때 발생할 수 있는 실패 시나리오를 적어 주세요.
3. 공식 문서, 원문, 로그, 데이터로 확인해야 할 항목을 체크리스트로 만들어 주세요.
4. 이 답변을 그대로 사용하면 법적, 보안적, 금전적 리스크가 생기는 부분을 표시해 주세요.
5. 최종 판단 전에 인간 검토자가 반드시 봐야 할 근거를 요약해 주세요.

대공황보다 현실적인 시나리오: 양극화와 재교육의 압박

AI 발 대공황이 과장이라고 해서 아무 일도 없다는 뜻은 아니다. 더 현실적인 위험은 대공황보다 덜 극적이지만 훨씬 가까이 있다. 바로 직무 내부의 양극화다. AI를 잘 쓰는 사람은 반복 업무를 줄이고 더 큰 문제를 다룰 수 있다. 반대로 기존 방식만 고수하는 사람은 같은 시간에 낼 수 있는 산출물의 밀도에서 밀릴 수 있다. 여기서 격차는 단순히 "AI 툴을 켰는가"가 아니라 "AI를 업무 구조 안에 제대로 넣었는가"에서 생긴다.

기업도 혼란을 겪을 것이다. 어떤 회사는 AI를 생산성 도구로 도입해 교육, 검증, 보안 정책을 함께 만들 것이다. 어떤 회사는 "AI 쓰면 인건비 줄겠네"라는 단순한 계산으로 사람을 줄였다가 품질 저하, 보안 사고, 고객 불만, 운영 장애를 겪을 수 있다. 특히 지식 노동은 겉으로 보이는 산출물보다 보이지 않는 판단의 비중이 크다. 문서 한 장, 코드 한 줄, 보고서 한 문단 뒤에는 맥락을 걸러내는 일이 숨어 있다. 그 일을 제거하면 비용은 줄어든 것처럼 보이지만, 리스크가 다른 계정으로 이동할 뿐이다.

개인에게 필요한 것은 거창한 AI 석사 과정이 아니라 꾸준한 재교육 루틴이다. 매주 자신의 업무에서 반복되는 일을 하나씩 찾아 AI로 초안을 만들고, 그 결과를 검증하는 기준을 만든다. 팀에서는 AI 사용 규칙을 문서화한다. 어떤 데이터는 넣으면 안 되는지, 어떤 결과물은 반드시 사람이 리뷰해야 하는지, 어떤 도구는 회사 정책상 금지되는지 정한다. 개인의 생산성 놀이가 조직의 운영 리스크로 번지지 않게 하는 것이다.

AI 시대의 격차는 "AI가 있느냐 없느냐"가 아니라 "AI 결과물을 믿을 기준이 있느냐 없느냐"에서 벌어진다.

Frequently Asked Questions

AI 때문에 개발자 일자리가 정말 사라질까요?

단순 구현과 반복 코딩의 가치는 낮아질 가능성이 큽니다. 하지만 요구사항 해석, 시스템 설계, 보안 검토, 장애 대응, 운영 책임은 더 중요해집니다. 개발자라는 직업이 즉시 사라진다기보다, 개발자의 평가 기준이 "코드를 얼마나 직접 많이 썼는가"에서 "문제를 얼마나 정확히 정의하고 결과를 검증하는가"로 이동한다고 보는 편이 현실적입니다.

AI가 예측한 주식이나 부동산 정보는 믿어도 되나요?

참고 자료로는 쓸 수 있지만 최종 판단 근거로 삼으면 위험합니다. AI는 과거 데이터와 입력된 정보로 패턴을 정리할 수 있지만, 금리, 정책, 규제, 시장 심리, 돌발 사고를 확정적으로 예측하지 못합니다. 수익률 보장, 원금 보장, 비공개 알고리즘, 즉시 입금 요구가 붙으면 투자 정보가 아니라 사기 신호로 봐야 합니다.

AI 시대에 가장 먼저 길러야 할 역량은 무엇인가요?

프롬프트 기술보다 문제 정의와 검증 능력이 먼저입니다. AI에게 일을 잘 시키려면 성공 조건, 실패 조건, 제약 사항을 명확히 설명해야 합니다. 그리고 결과를 받은 뒤에는 출처, 버전, 반례, 보안, 법적 책임, 실제 운영 환경을 확인해야 합니다. 딸깍을 잘하는 사람보다 딸깍 이후를 책임질 수 있는 사람이 오래갑니다.

AI를 안 쓰면 정말 도태될까요?

모든 도구를 무작정 따라갈 필요는 없지만, 자신의 업무에서 AI가 줄일 수 있는 반복 작업을 실험하지 않는 것은 위험합니다. 다만 도태를 피하려고 검증 없는 자동화에 뛰어드는 것도 위험합니다. 작은 업무부터 적용하고, 효과와 리스크를 기록하며, 팀이나 조직의 보안 정책 안에서 사용하는 균형이 필요합니다.

Key Takeaways

• AI 발 대공황론은 실제 변화와 공포 마케팅이 섞인 주장이다.
• AI는 반복 초안과 단순 구현을 빠르게 만들지만, 최종 책임과 검증은 인간에게 남는다.
• 역사적으로 큰 기술 전환은 직업을 없애는 동시에 새로운 역할과 생태계를 만들었다.
• AI 투자, 부동산 예측, 자동매매를 앞세운 사기와 사이비 리딩방을 특히 경계해야 한다.
• AI 시대의 핵심 역량은 프롬프트 암기가 아니라 문제 정의, 반례 탐색, 출처 검증, 운영 책임이다.

Conclusion

결론부터 말하면, AI 발 대공황은 오지 않을 가능성이 높다. 적어도 "AI가 갑자기 모든 사람의 일을 빼앗아 경제 전체가 한순간에 무너진다"는 식의 영화 예고편 같은 시나리오는 현실을 지나치게 단순화한다. 하지만 변화가 작다는 뜻은 아니다. AI는 이미 업무의 속도, 비용, 기대 수준을 바꾸고 있다. 어제까지는 하루 걸리던 초안이 오늘은 10분 만에 나오고, 예전에는 전문가에게 물어야 했던 기초 설명이 누구에게나 열린다. 이 변화는 무시할 수 없다.

다만 살아남는 사람은 AI를 신처럼 모시는 사람이 아니라, 도구처럼 부려 먹는 사람이다. 코드를 한 줄 더 잘 짜는 능력만으로는 부족해질 수 있다. 대신 문제를 완벽하게 정의하고, AI가 뱉은 결과물을 날카롭게 검증하고, 위험한 결정을 멈출 줄 아는 사람이 강해진다. "AI가 다 해준다"는 말에 뇌를 위탁하지 말자. "AI가 다 망하게 한다"는 말에 공포를 위탁하지도 말자. 둘 다 주체성을 포기하는 방식이다.

우리는 디지털 신흥 종교의 신도가 될 필요가 없다. 딸깍은 예배가 아니라 인터페이스다. 대공황은 없다. 다만 딸깍을 지배하는 사람과 딸깍에 지배당하는 사람이 갈라지는 대전환기가 있을 뿐이다. 그러니 오늘도 AI에게 일을 시키되, 마지막 질문은 사람이 하자. "이거 진짜 맞아?" 그 질문을 끝까지 붙들고 있는 사람이, 다음 시대의 포식자다.

AI 공포와 인간 검증을 대비한 테크 블로그 이미지