저자: TT3LABS, 웹3/AI/SaaS 기반 원격 채용 플랫폼

2026년 2월 26일, 핀테크 대기업 블록(Block)은 4,000명 이상의 직원을 해고하고, 직원 수를 10,000명 이상에서 6,000명 미만으로 줄인다고 발표했습니다. CEO 잭 도시는 주주들에게 보낸 서한에서 이 사실을 언급했습니다.

"스마트 도구는 회사를 설립하고 운영하는 방식을 바꿔놓았습니다... 우리가 개발 중인 도구를 사용하면 훨씬 더 작은 규모의 팀으로도 더 많은 일을 더 효율적으로 해낼 수 있습니다."

도르시는 또한 매우 냉혹한 예측을 내놓았습니다.

"대부분의 기업은 이미 너무 늦었다고 생각합니다. 내년 안에 대부분의 기업이 같은 결론에 도달하고 비슷한 구조적 조정을 하게 될 것입니다."

그날 장 마감 후 블록의 주가는 20% 이상 급등했습니다. 이는 자본 시장이 회사의 AI 활용도와 효율성에 대해 실질적으로 반응한 것입니다.

프로그래밍 지식이 전혀 없는 일반인도 대규모 모델을 이용하면 단 하룻밤 만에 완벽하게 작동하는 앱을 독립적으로 운영할 수 있습니다. 이는 자본 시장에 중요한 질문을 제기합니다. 수만 명의 프로그래머를 고용하여 슈퍼 앱의 일상적인 운영을 유지하는 거대 기술 기업의 인적 자원 비용에 얼마나 많은 가치가 남아 있을까요?

인공지능으로 인간 노동력을 대체하는 추세는 필연적으로 더 많은 대기업에서 따를 것입니다. 불안감은 불가피하지만, 불안감만으로는 아무것도 해결할 수 없습니다. 변화하는 거시적 환경부터 시작하여 점차 개별 기업의 생존 전략으로 나아가야 합니다.

인공지능은 단순한 도구가 아니라 생산 수단으로 자리매김하고 있습니다.

시장에서는 현재 단계를 정의하기 위해 "웹4"라는 용어를 사용하기 시작했습니다. 맥락을 명확히 하기 위해 먼저 인터넷 진화의 여러 단계를 살펴보겠습니다.

웹2

핵심은 소프트웨어와 사람 간의 상호작용입니다. 다양한 플랫폼은 알고리즘을 사용하여 사용자의 관심을 사로잡으려 하는데, 이는 본질적으로 트래픽 확보를 위한 경쟁입니다.

웹3

이는 디지털 자산 소유권과 가치 분배 문제를 해결하려는 시도입니다. 많은 사람들이 이를 단순히 암호화폐와 동일시하지만, 본질적으로는 여전히 부의 분배 규칙에 관한 게임 수준에 머물러 있으며 디지털 제품의 "생산 및 제조" 관계에 대해서는 다루지 않습니다.

웹4의 전야

인공지능(AI)은 처음으로 생산 관계의 근본적인 변화에 영향을 미치고 있습니다. 더 이상 단순히 효율성 향상을 위한 도구가 아니라, 새로운 유형의 생산 수단으로 변모하고 있습니다. AI를 더 잘 활용하는 기업이 생산량을 10배 이상 끌어올릴 수 있을 것입니다.

기존의 팀 협업 방식에는 수많은 숨겨진 비용이 존재합니다. 뛰어난 리더의 판단력과 업계 직관은 부하 직원이 그대로 따라하기 어렵고, 여러 사람이 함께 작업할 경우 오해와 재작업으로 인한 손실이 불가피합니다. 이러한 것들이 바로 조직 운영의 "숨겨진 비용"이며, 이전에는 명확한 해결책이 없었습니다. 인공지능(AI)은 이러한 숨겨진 비용을 크게 줄여줍니다. AI는 학습 곡선이 없고, 명확한 지침만 있으면 높은 품질로 작업을 수행할 수 있으며, 여러 작업을 동시에 처리할 수 있습니다. 한 사람의 전략적 판단력과 AI의 실행력이 결합되면 과거 전체 팀이 달성했던 생산성을 극대화할 수 있습니다.

물론 AI가 여전히 가끔씩 "말도 안 되는 소리를 진지하게 하는" 경우가 있기 때문에 인간의 검토와 판단은 여전히 ​​필수적입니다. 하지만 모델의 신뢰도는 매달 향상되고 있으며, 순수 실행 포지션에 대한 버퍼 기간은 대부분의 사람들이 생각하는 것보다 훨씬 짧습니다.

효율성과 평등, 그리고 뿌리 깊은 위기: 진입 장벽이 제거된 후 발생하는 일들

단기적으로는 일반인들도 AI 도구 사용으로 인한 효율성 향상이라는 혜택을 누릴 수 있습니다. 그러나 장기적으로 AI가 근본적인 효율성 격차를 해소하고 전문가들의 진입 장벽을 크게 낮추게 되면, 개별 생산성 향상에도 불구하고 전체 사업 규모가 그에 비례하여 확장되지 않을 경우, 기존 직원 수를 유지하는 것이 오히려 부담이 될 수 있음을 기업들은 깨닫게 될 것입니다.

현재의 연봉 격차만 봐도 알 수 있습니다. TT3LABS의 채용 정보 모니터링 데이터에 따르면, 2025년 이후 AI 분야 채용 시장에서는 수천만 달러에 달하는 연봉 패키지가 반복적으로 등장했는데, 이러한 인재들은 대부분 팀 관리 능력이 부족한 젊은 AI 엔지니어들입니다. 메타(Meta)가 오픈AI(OpenAI)의 핵심 연구원을 영입할 당시, 계약금만 해도 1억 달러를 넘었습니다. 오픈AI 직원들의 평균 주식 보상액은 150만 달러에 달했고, 앤트로픽(Anthropic)의 선임 연구 엔지니어 기본 연봉은 (주식 제외) 69만 달러에 이르렀습니다.

자본은 희소한 역량, 즉 인공지능 자체를 더욱 강력하게 만드는 데 이 돈을 투자하고 있습니다. 기반 모델의 진화를 주도할 수 있는 사람들은 전체 비즈니스 네트워크에서 그 가치가 기하급수적으로 증폭될 수 있습니다. 반면, 인공지능으로 더 낮은 비용으로 대체할 수 있는 업무를 수행하는 사람들은 기업 가치가 하락하는 것을 목격할 수 있습니다.

이는 더욱 근본적인 위기를 드러냅니다. 점점 더 많은 사람들이 문제에 대한 첫 번째 반응으로 인공지능(AI)에 의존하면서, 추론, 검증, 시행착오라는 중요한 과정을 건너뛰고 있습니다. 시간이 지남에 따라 이는 비판적 사고 능력의 상실로 이어집니다. 문제는 바로 이러한 고된 과정이 문제 해결 능력을 키워준다는 점입니다. 이 과정을 AI에 장기간 의존하게 되면, 직장에서의 역할은 단순히 다른 사람의 요구사항을 AI 입력값으로 변환하고 AI의 출력값을 다시 다른 사람에게 전달하는 "요구사항 번역가"로 전락하게 됩니다. 그리고 바로 이 중요한 중간 단계를 차세대 AI가 가장 쉽게 건너뛸 수 있는 부분이 바로 이것입니다.

영향 지도: 당신은 어디에 위치해 있습니까?

좌표계가 없는 두려움은 단순한 불안일 뿐입니다. 대책을 논의하기 전에 먼저 "영향 지도"를 그려야 합니다. 이는 공황을 조장하려는 것이 아니라, 각자가 자신의 상황을 이해하도록 돕기 위한 것입니다.

위험도가 높은 업무는 작업 지침에 명확하게 명시될 수 있습니다.

기본 코딩, 기초 데이터 분석, 표준화된 보고서 생성, 템플릿 디자인, 그리고 일상적인 번역 및 교정 작업. 이러한 직무들은 "입력 → 처리 → 출력"이라는 명확한 구조를 공유합니다. 블록에서 해고된 4,000명 이상의 직원 중 상당수가 이 범주에 속했습니다. 이들의 전문 기술은 부족하지 않았지만, 그들이 수행하던 작업은 대규모 모델이 처리할 수 있는 수준의 업무였습니다.

스스로에게 물어볼 만한 기준이 있습니다. 만약 당신의 모든 업무를 단 하나의 AI 명령어로 작성할 수 있다면, 기계는 당신을 대체할 준비가 된 것입니다. 남은 질문은 회사가 언제 그러한 결정을 내릴 것인가 하는 점뿐입니다.

경험 중심의 중간 관리직이 이러한 격변 속에서 "재편성"되고 있다.

프로젝트 관리자, 운영 감독자, 중간급 엔지니어. 이들의 업무는 판단력과 조정 능력을 요구하는데, 인공지능(AI)은 단기적으로는 이러한 능력을 완전히 대체할 수는 없지만, 점차 그 역할을 축소해 나가고 있습니다. 이전에는 사업 조직 내에서 각 부문을 담당하고 서로 협력하는 중간급 관리자가 다섯 명씩 필요했습니다. 하지만 이제 AI가 상류 및 하류 프로세스 실행을 대신 수행하면서, 한두 명의 인력으로 전체 사업 조직을 원활하게 운영할 수 있게 되었습니다.

이 그룹은 "점점 줄어드는 일자리"라는 상황에 직면해 있습니다. 여러분의 능력은 떨어지지 않았지만, 해당 직무에 대한 시장 수요는 급락하고 있습니다. 이 그룹이 나아갈 길은 인공지능을 활용하여 하위 직급의 실행 능력을 강화하고, 상위 직급에서 문제 해결 능력을 향상시키는 것입니다.

부가가치 불확실성의 원인

어떤 직무의 핵심은 "일을 제대로 하는 것"이 ​​아니라 "끊임없이 불완전한 정보를 바탕으로 결정을 내리고 그 결과에 책임을 지는 것"입니다. 복잡한 비즈니스 협상, 위기 관리, 다문화 조직 관리, 고위험 투자 평가 등이 그 예입니다. 인공지능은 분석과 조언을 제공할 수 있지만, 당신 대신 승인을 하거나, 책임을 지거나, 식탁에서 눈길 한 번으로 숨겨진 의도를 읽어낼 수는 없습니다.

이러한 역할은 가치가 떨어지지 않을 뿐만 아니라, AI 덕분에 기본 실행 비용이 크게 절감되므로 동일한 예산으로 더 큰 프로젝트를 진행할 수 있어 의사 결정권자에게 더 큰 영향력을 제공합니다.

실제로 많은 사람들의 업무는 여러 단계에 걸쳐 있습니다. 간단한 자가 진단을 해보세요. 매일 하는 업무를 생각해 보세요. 얼마나 많은 업무가 명확한 지침으로 설명할 수 있고, 얼마나 많은 업무가 모호한 상황에서 스스로 결정을 내려야 하나요? 전자의 비율이 높을수록 가능한 한 빨리 개선해야 할 필요가 있습니다.

도구 사용에 대한 불안감을 없애고 공공 컴퓨팅 파워를 개인 전용 장벽으로 전환하세요.

OpenClaw("작은 바닷가재")는 1월 말 갑자기 등장하여 며칠 만에 GitHub에서 17만 개 이상의 별점을 받았습니다. 다양한 모델 제조업체들이 빠르게 이를 따라했습니다. 알리바바 클라우드는 원클릭 배포 솔루션을 출시했고, 텐센트는 경쟁 제품으로 CoPaw를 내놓았으며, 미니맥스와 키미 또한 자체 호환 솔루션을 선보였습니다.

그러면 아주 흥미로운 현상을 발견하게 될 겁니다. 많은 사람들이 이번 달에 AI를 실제로 활용하여 비즈니스 성과를 내는 시간보다 "크레이피쉬 배포 방법 연구"나 "어떤 패키지 상품이 더 비용 효율적인지 비교"에 더 많은 시간을 쏟고 있다는 사실이죠. 모두가 도구를 쫓고 있지만, 일단 도구를 구하고 나면 누군가 두 시간 만에 당신의 배포 설정을 그대로 복제할 수 있습니다.

"OpenAI, Anthropic, Meta, Google, xAI 등 모든 대형 언어 모델은 동일한 공개 인터넷 데이터를 사용하여 학습됩니다. 따라서 본질적으로 동일하며, 이것이 바로 이러한 모델들이 매우 빠른 속도로 상품화되고 있는 이유입니다."

— 래리 엘리슨, 오라클 2026 회계연도 2분기 실적 발표 컨퍼런스 콜

반대로, 이는 여러분의 작업이 일반 모델의 공개된 기능에만 의존하는 한, 결과물은 획일적일 것이며, 아무리 정교한 지침을 제시하더라도 경쟁 우위를 확보할 수 없다는 것을 의미합니다.

진정한 장벽은 공공 부문에서 민간 부문으로의 전환에 있다.

현재 매우 분명한 추세가 나타나고 있습니다. 대기업부터 스타트업에 이르기까지 점점 더 많은 조직이 현지화된 자체 모델을 도입하고 있습니다. 직접적인 이유는 정보 보안입니다. 누구도 핵심 비즈니스 데이터를 제3자 API에 맡기고 싶어 하지 않습니다. 하지만 이러한 추세에는 간과하기 쉬운 파급 효과가 있습니다. 업계 주요 기업들이 자체 시스템에 데이터와 지식을 축적함에 따라, 범용 모델이 학습할 수 있는 공개 인터넷상의 업계 정보량이 감소하고 점점 더 시대에 뒤떨어지게 될 것입니다. 표면적으로는 AI가 모든 사람의 지식 진입 장벽을 낮춰주는 것처럼 보이지만, 진정으로 가치 있는 업계 지식은 공개 인터넷에서 빠르게 사라져 각 기업의 비공개 지식 저장소로 가라앉고 있습니다.

그러므로 여러분이 수년간 축적해 온 업계의 "암묵적 지식"은 가치가 떨어지는 것이 아니라 오히려 가치가 상승하고 있습니다. 단, 전제 조건은 그 지식을 실제로 적용하는 것입니다.

머릿속, 채팅 기록, 이메일 기록에 흩어져 있는 표준화되지 않은 비즈니스 경험들을 정리하고 구조화하여, 자신만의 모델이 소화할 수 있는 "맥락"으로 만드세요. TT3LABS 백엔드 데이터에 따르면 웹3 업계에서 2년 이상의 경력을 가진 지원자는 업계 배경이 없는 대기업 출신 기술 인재보다 초기 심사 통과율이 훨씬 높습니다. 핵심적인 이유는 업계 노하우가 일반적인 기술 능력보다 훨씬 더 중요하기 때문입니다. 3년의 CEX 운영 경험을 가진 사람이 규정 준수 논리를 이해하고 암묵적인 규칙을 파악하는 능력, 두 번의 DAO 거버넌스 주기를 거친 사람이 제안서 설계 및 커뮤니티 정서의 변곡점을 판단하는 능력, 그리고 특정 분야 콘텐츠 제작에 깊이 관여한 사람이 청중 심리와 스토리텔링의 흐름을 파악하는 능력은 공개적으로 이용 가능한 교육 데이터에서는 찾아볼 수 없습니다.

이러한 개인적인 경험들을 구조화하고 모델에 통합하면, 당신의 AI는 더 이상 일반 백과사전이 아니라 오직 당신만을 위해 일하고 당신의 특정 분야만을 이해하는 전담 파트너가 됩니다. 이러한 심층적인 결과물은 일반적인 모델을 사용하는 다른 회사들이 결코 따라잡을 수 없는 수준입니다.

핵심 논리는 간단합니다. AI는 공개된 지식을 처리하는 데 탁월하지만, 개인적인 경험을 처리할 때는 전적으로 사용자의 입력에 의존합니다. 따라서 깊이 있는 산업 전문 지식과 AI를 결합할 수 있는 사람들이 이러한 새로운 분업에서 핵심 자산이 될 것입니다.

당신의 경험이야말로 진정한 "모델"입니다.

AI 모델은 빠르게 진화하고 있습니다. 오늘날의 GPT, Claude, Gemini는 6개월 안에 더욱 강력한 버전으로 대체될 수 있습니다. 하지만 여러분에게 있어 더 강력한 모델로 전환하는 것은 API 인터페이스만 변경하면 되는 간단한 작업입니다. 하지만 반복적인 업데이트를 통해 대체되지 않을 진정한 것은 바로 여러분이 모델에 제공하는 개인 데이터와 경험 기반입니다.

모델은 누구나 사용할 수 있는 범용 인프라입니다. 하지만 여러분이 모델에 입력하는 업계 통찰력, 비즈니스 판단, 그리고 얻은 교훈은 여러분만의 고유한 "학습 데이터셋"이 됩니다. AI의 성능이 향상될수록 이 데이터셋을 더 잘 처리할 수 있게 되고, 여러분의 독점적 가치는 더욱 높아집니다. 따라서 지식 기반이 빠르게 쓸모없어질까 걱정하지 마세요. 지식 기반은 모델이 반복적으로 개선되더라도 가치가 떨어지지 않는 유일한 자산입니다. 모델은 변하지만, AI 기능이 향상될수록 데이터 기반은 더욱 가치 있게 될 것입니다.

동시에, 전통적인 직장 경쟁의 논리가 재정립되고 있다. 과거에는 직원들이 야근이나 퇴근 시간을 이용해 자신의 태도를 보여줄 수 있었지만, 기계가 24시간 내내 생산성을 유지하는 시대에는 "내가 남보다 더 열심히 일할 수 있다"는 식의 경쟁 전략은 인공지능 앞에서 무의미해졌다.

많은 사람들이 "저는 여전히 팀에 정서적 가치를 제공하고 있습니다."라고 말할 것입니다. 맞는 말입니다. 정서적 가치는 인간 고유의 능력이지만, 그 가치는 직급에 따라 달라집니다. 최전선 팀이 10명에서 2명과 AI 에이전트 몇 명으로 축소되면, "팀 윤활유" 역할을 하는 정서적 가치는 그 제 기능을 잃게 됩니다. 의사 결정 단계, 복잡한 비즈니스 게임, 고위험 신뢰 구축, 이해관계자 간 갈등 중재와 같은 상황에서는 하위 계층의 비용 절감으로 인해 깊은 인간관계가 더욱 중요해집니다. 정서적 가치가 사라지는 것이 아니라, 상위 계층으로 이동하는 것입니다.

궁극적으로 인공지능 시대에 개인이 해야 할 가장 중요한 투자는 어떤 도구를 사용할지 배우는 것이 아니라, 자신만의 인공지능을 끊임없이 육성하는 것입니다. 도구는 계속 발전하겠지만, 경험은 변하지 않습니다.

세 단계만 거치면 됩니다. 지금 바로 시작하세요.

블록 사례로 돌아가 보면, 일부는 해고되었지만 다른 일부는 남았습니다. 차이점은 AI가 표준 생산성 도구가 된 후에도 누가 대체 불가능한 존재로 남느냐에 있습니다. 회사에서 AI 교육을 제공할 때까지 기다리지 마세요. 오늘부터 다음과 같은 조치를 취해볼 수 있습니다.

01. "직접 하기"에서 "워크플로우 구축"으로 전환

직장인들이 저지르는 가장 큰 함정은 AI를 이용해 "게으름을 피우는 것"(예: AI로 주간 보고서를 작성하거나 이메일을 다듬는 것)인데, 이는 여전히 실행 수준의 사고방식입니다. 진정으로 필요한 것은 스스로를 "현장 관리자"로 여기고 현재 직무의 핵심 결과물을 AI로 자동화된 생산 라인으로 재구성하는 것입니다.

한 번에 여러 가지 새로운 모델을 시도하지 마세요. 현재 사용 가능한 가장 완성도 높은 도구(예: ChatGPT Plus 또는 Claude)를 선택하여 가장 시간과 경험이 많이 소요되는 작업에 투입하세요. "수동으로 데이터 수집 → 분석 및 비교 → 결론 도출"이라는 기존의 선형적인 작업 방식을 "자동 데이터 수집 설정 → AI 분석 프레임워크에 입력 → 수동 미세 조정"으로 전환하세요. 이 워크플로를 통해 일주일 걸리던 작업을 하루 만에 완료하고 매우 안정적인 품질을 확보할 수 있다면, 당신은 더 이상 단일 컴퓨팅 파워 노드가 아니라 고도로 활용 가능한 "소규모 기업"이 된 것입니다.

02. 암묵적인 경험을 자신만의 디지털 아바타에 "통합"하세요

대규모 모델은 공개적으로 이용 가능한 데이터를 학습합니다. 모든 이론을 이해하지만, 회사의 까다로운 주요 고객의 숨겨진 특성이나 재무 부서와 소통할 때 피해야 할 금기 사항은 전혀 이해하지 못합니다. 수많은 시행착오를 통해 얻은 이러한 "암묵적 지식"이야말로 가장 귀중한 자산입니다.

하지만 이러한 자산들이 머릿속에만 머물러 있다면 복리 이자를 발생시키지는 않을 것입니다. 현재 여러분의 과제는 기존의 대규모 모델(예: 커스텀 GPT 또는 클로드 프로젝트)의 맞춤 설정 기능을 활용하여 여러분의 경험을 "시스템 사전 설정 지침"으로 변환하는 것입니다. 여러분이 처리했던 모든 예외적인 상황, 실패 사례 분석 보고서, 그리고 업계의 암묵적인 규칙들을 시스템에 입력하세요. 여러분의 목표는 정적인 지식 기반 노트북을 구축하는 것이 아니라, 여러분의 강력한 비즈니스 스타일을 반영하여 24시간 내내 오직 여러분만을 위해 일하는 개인 비서를 "길들이는" 것입니다. 여러분의 "디지털 아바타"가 완성되면, 범용 AI를 사용하는 다른 사람들은 절대 여러분과 경쟁할 수 없을 것입니다.

03. 문제를 정의할 권리와 책임감을 스스로 강화하십시오.

팀 내에서 우리는 '답을 찾는' 작업은 기계에 위임하면서 '질문을 하고' '결정을 내리는' 권한은 스스로에게 유지하는 연습을 의식적으로 시작했습니다. AI는 완벽한 답변 엔진이지만, 요구 사항 이면에 숨겨진 진정한 비즈니스 동기를 파악할 수는 없습니다. 상사가 "새로운 고객 유지 전략을 실행하고 싶다"라고 말하면 AI는 즉시 10가지 이론적인 성장 해킹 모델을 제시할 것입니다. 하지만 현재의 예산과 개발 자원을 고려하여 "솔루션 B는 완벽하지만 현재로서는 실행 불가능하고, 기능의 절반을 제거한 솔루션 C가 현재 우리의 속도에 가장 적합하다"라고 지적할 수 있는 사람은 오직 당신뿐입니다.

동시에 한 가지를 명심해야 합니다. AI는 감옥에 가지 않으며 책임을 지지 않습니다. 기업이 당신에게 높은 연봉을 지급하는 것은 대개 사업 성과에 대한 "안전망"을 보장해 주는 것입니다. AI가 생성한 코드나 솔루션을 제출할 때는 "저는 제 전문 경험을 바탕으로 AI의 결과물을 검토했으며, 최종 구현에 대한 책임은 제가 지겠습니다"라고 자신 있게 말할 수 있어야 합니다. 이러한 "책임 프리미엄", 즉 불확실한 영역에서 결정을 내리고 궁극적인 사업적 결과를 감수하려는 의지는 어떤 시대에도 기계가 대체할 수 없는 것입니다.

도르시는 "대부분의 기업은 이미 너무 늦었다"고 말했다. 하지만 개인의 경우 정반대다. 대부분의 사람들은 아직 준비를 시작하지 않았거나 이러한 추세를 인지하지 못하고 있다.

모든 사람이 인공지능 전문가가 될 필요는 없습니다. 하지만 누구나 자신의 업무 중 어떤 부분을 기계가 조만간 처리할 수 있을지, 어떤 부분을 자신이 직접 해야 하는지 파악하고, 전자에 시간과 에너지를 쏟는 대신 후자에 집중해야 합니다.

인공지능이 모든 분야에서 인간을 능가하는 날이 온다면, 그것은 2027년이나 2030년쯤일지도 모릅니다. 하지만 이는 결코 방관할 수 있는 변화가 아닙니다.

당신이 준비될 때까지 기다려주지 않습니다.