AI의 변곡점 앞에서 무엇을 준비해야 하는가
AI를 둘러싼 대화에는 이상한 시간차가 있다. 누군가는 몇 년 전 무료 챗봇의 엉성한 답을 기억하며 아직 쓸 만하지 않다고 말한다. 다른 누군가는 이미 자신의 업무 방식이 완전히 달라졌다고 말한다. 같은 기술을 이야기하지만, 서로 다른 시점을 보고 있는 것처럼 대화가 어긋난다.
2026년 2월 Matt Shumer가 발표한 “Something Big Is Happening”은 이 간격을 강한 언어로 설명한 글이다. 원문은 AI가 지식 노동과 사회를 바꾸는 속도를 경고하며 지금 당장 적응해야 한다고 주장한다. 읽는 내내 공감한 부분도 있었고, 지나치게 단정적이라고 느낀 부분도 있었다. 그럼에도 이 글이 던진 질문만큼은 피하기 어렵다. 우리가 익숙한 업무와 전문성의 가치는 이미 얼마나 달라지고 있는가.
나에게도 먼저 일어난 변화
이 주장이 막연한 미래 예측으로만 들리지 않았던 이유는 개발자로 일하며 비슷한 변화를 직접 겪었기 때문이다.
처음의 코딩 AI는 자동완성에 가까웠다. 짧은 함수를 제안하고, 오류 메시지를 설명하고, 반복적인 코드를 대신 써주는 정도였다. 결과를 이해하고 고치는 일은 전적으로 개발자의 몫이었다. 그러나 모델과 도구가 발전하면서 맡길 수 있는 작업의 단위가 커졌다. 요구사항을 정리해 주면 여러 파일을 수정하고, 테스트를 실행하고, 실패 원인을 찾아 다시 고치는 흐름까지 수행하기 시작했다.
이 변화가 주는 충격은 코드가 빨리 만들어진다는 데만 있지 않았다. 개발자가 직접 키보드로 구현하는 시간보다 무엇을 만들어야 하는지 정의하고, 결과가 요구사항을 충족하는지 판단하는 시간이 더 중요해졌다. 예전에는 구현 능력이 부족해 시도하지 못했던 아이디어를 훨씬 적은 비용으로 검증할 수 있게 되었고, 반대로 오랫동안 쌓아온 기술 중 일부는 빠르게 보편화되었다.
나는 이 변화를 Hereby를 만들면서도 경험했다. 문서 처리 파이프라인을 설계하고 LLM 추론 인프라를 운영할 때 AI는 개발 속도를 크게 높였다. 하지만 모델이 낸 결과를 제품으로 연결하려면 여전히 데이터의 품질, 예외 상황, 비용과 지연, 개인정보와 책임을 사람이 판단해야 했다. AI가 일을 없앴다기보다 일의 중심을 옮기고 있다는 표현이 더 정확했다.
성능보다 빠르게 바뀌는 업무의 단위
AI의 발전을 이야기할 때 벤치마크 점수에만 집중하기 쉽다. 그러나 현장에서 더 크게 체감되는 변화는 모델이 독립적으로 처리할 수 있는 업무의 길이다. 한 문장을 완성하던 도구가 하나의 함수를 작성하고, 여러 파일의 변경을 계획하고, 테스트와 수정까지 이어간다. 사람이 매 단계 지시해야 했던 시스템이 점점 더 긴 구간을 맡는다.
업무의 단위가 커지면 사람의 역할도 바뀐다. 작은 결과를 계속 확인하는 대신 목표와 제약을 먼저 정의해야 하고, 중간 과정 전체를 직접 보지 못하더라도 최종 결과를 검증할 방법을 마련해야 한다. AI에게 더 많은 자율성을 줄수록 로그, 테스트, 승인 절차와 책임의 경계가 중요해지는 이유다.
Shumer의 글은 이 속도가 다른 지식 노동에도 빠르게 확산될 것이라고 본다. 법률, 금융, 회계, 글쓰기와 분석처럼 문서를 읽고 판단하며 결과물을 작성하는 업무는 특히 영향을 받기 쉽다. 그 전망의 정확한 시기에는 이견이 있을 수 있다. 직업은 개별 과업의 합보다 복잡하고, 조직의 책임 구조와 규제, 고객의 신뢰는 기술 성능만으로 바뀌지 않기 때문이다.
그렇다고 변화가 과장이라고 치부할 수도 없다. AI가 직업 전체를 한 번에 대체하지 않더라도, 그 직업을 구성하는 과업의 상당 부분을 더 빠르고 싸게 수행하면 채용과 교육, 업무 배분은 달라진다. “대체되는가”만 묻다 보면 이미 진행 중인 재구성을 놓치게 된다.
법률가의 일에서 보이는 가능성과 한계
법학을 공부하면서 이 문제는 더 구체적으로 다가왔다. AI는 긴 판결문과 계약서를 빠르게 요약하고, 쟁점 후보를 찾고, 초안의 구조를 만드는 데 큰 도움을 준다. 방대한 자료에서 출발점을 찾는 시간은 확실히 줄일 수 있다.
그러나 법률 업무는 그럴듯한 문장을 만드는 것으로 끝나지 않는다. 인용한 판례가 실제로 존재하는지, 현재 사안에 적용할 수 있는지, 서로 충돌하는 사실관계 중 무엇을 전제로 삼을지 확인해야 한다. 의뢰인에게 유리한 주장과 법적으로 책임질 수 있는 조언도 구분해야 한다. 잘못된 답의 비용이 큰 영역에서는 빠른 생성보다 검증과 책임의 구조가 먼저다.
오히려 AI가 초안을 쉽게 만들수록 전문가에게 요구되는 판단의 기준은 높아질 수 있다. 단순한 자료 정리와 형식적인 문서 작성의 가치는 낮아지고, 문제를 정확히 정의하며 불완전한 자료 속에서 결론을 선택하고 그 결과에 책임지는 능력은 더 중요해진다. 법률가가 AI와 경쟁해야 한다기보다, AI가 포함된 업무 환경에서 무엇을 직접 판단해야 하는지를 새로 배워야 하는 셈이다.
경고의 언어를 그대로 믿지 않는 이유
원문의 긴박감에는 분명한 장점이 있다. 과거의 사용 경험만으로 현재 기술을 평가하는 사람에게 다시 실험해 볼 이유를 준다. 하지만 모든 변화가 하나의 지수 곡선을 따라 예측 가능하게 진행된다고 보는 데에는 주의가 필요하다.
모델의 성능이 좋아지는 것과 조직이 실제 업무를 맡기는 것은 다른 문제다. 데이터 접근 권한, 보안, 오류의 책임, 도입 비용과 기존 시스템의 통합이 남아 있다. 높은 성능이 바로 높은 신뢰를 의미하지도 않는다. 특정 시험이나 벤치마크에서 전문가 수준에 도달했다고 해서 현실의 복잡한 상황을 같은 수준으로 처리한다고 단정할 수 없다.
“컴퓨터로 하는 일은 모두 곧 사라진다”는 식의 문장은 경각심을 주지만, 개인이 준비할 방향을 오히려 흐릴 수 있다. 두려움만 커지면 기술을 제대로 시험하기보다 맹신하거나 거부하는 극단으로 가기 쉽다. 필요한 태도는 낙관과 공포 사이에서 어느 한쪽을 선택하는 것이 아니라, 실제 업무에 적용해 보고 어디까지 믿을 수 있는지 증거를 쌓는 것이다.
지금 준비할 수 있는 것
첫째, AI를 검색창처럼만 사용하지 않아야 한다. 자신이 잘 아는 실제 업무를 주고 결과의 수준과 실패 유형을 관찰해야 한다. 전문성이 있는 문제를 맡겨보아야 모델이 어디에서 유용하고 어디에서 위험한지 알 수 있다. 중요한 것은 좋은 답 한 번을 얻는 일이 아니라, 반복해서 사용할 수 있는 작업 방식을 찾는 것이다.
둘째, 결과를 검증하는 체계를 만들어야 한다. 코드라면 테스트와 리뷰, 법률 조사라면 원문 확인과 인용 검증, 데이터 분석이라면 입력과 계산 과정의 재현이 필요하다. AI가 빨라질수록 검증을 생략하는 것이 아니라, 검증도 함께 자동화하고 사람이 확인할 지점을 명확히 해야 한다.
셋째, 특정 도구보다 적응하는 능력을 길러야 한다. 지금 가장 좋은 모델과 인터페이스도 곧 바뀔 수 있다. 하나의 제품 사용법을 외우는 것보다 새로운 도구를 작은 업무에 적용하고, 기존 방식과 비교하고, 필요하면 버릴 수 있는 습관이 오래 남는다.
넷째, 자신의 전문성을 결과의 생산이 아니라 판단의 근거로 바꾸어야 한다. AI가 초안을 만들 수 있어도 무엇이 중요한지, 어떤 위험을 감수할지, 누구에게 어떤 설명을 해야 할지는 맥락을 아는 사람이 정한다. 관계와 신뢰, 법적 책임, 조직 안의 조율처럼 결과물 바깥의 역할도 더 중요해질 수 있다.
마지막으로, AI가 낮춘 진입장벽을 기회로 사용해야 한다. 예전에는 개발 인력이나 큰 비용이 필요했던 아이디어를 작은 시제품으로 만들 수 있고, 익숙하지 않은 분야도 개인화된 설명을 받으며 배울 수 있다. 기존 직업이 흔들리는 가능성과 개인이 더 많은 것을 만들 수 있게 된 가능성은 동시에 존재한다.
결국 사람에게 남는 질문
“Something Big Is Happening”의 모든 예측에 동의하지는 않는다. 몇 년 안에 어떤 직업이 얼마나 줄어들지 누구도 정확히 알기 어렵다. AI가 스스로의 연구개발을 돕는 피드백이 어느 속도로 이어질지, 기술적 능력이 제도와 조직에 얼마나 빨리 흡수될지도 불확실하다.
다만 이미 확인할 수 있는 변화는 충분히 크다. AI는 단순한 보조 도구에서 더 긴 작업을 수행하는 협업자로 이동하고 있고, 그에 따라 사람이 직접 해야 하는 일의 범위도 바뀌고 있다. 이 흐름을 일시적인 유행으로 치부하기에는 내가 실제로 일하는 방식부터 너무 많이 달라졌다.
그래서 필요한 것은 “AI가 결국 인간을 대체할 것인가”라는 거대한 질문에 미리 답하는 일이 아닐지도 모른다. 오늘 내가 하는 일 중 무엇을 맡길 수 있는지, 무엇은 반드시 직접 확인해야 하는지, 빨라진 생산성을 어떤 더 나은 결과로 연결할지를 묻는 편이 현실적이다.
AI의 변곡점 앞에서 가장 위험한 태도는 낙관도 비관도 아니다. 오래된 경험에 머문 채 현재의 변화를 확인하지 않는 태도다. 직접 사용하고, 의심하고, 검증하며, 필요한 책임은 끝까지 사람이 지는 것. 불확실한 미래를 준비하는 방법은 결국 그 반복 속에서 만들어질 것이다.
참고: 이 글은 Matt Shumer의 “Something Big Is Happening”을 읽고, 개발과 법학 공부 과정에서 경험한 변화를 바탕으로 작성한 개인적인 비평과 회고다. 원문의 전체 번역이 아니다.