저자: 징웨이벤처스

모두가 AI가 일자리를 빼앗을까 봐 불안해하는 가운데, ‘AI의 대모’ 리페이페이의 최신 인터뷰는 시대의 진실을 꿰뚫는다. 10년 후 직장에는 두 부류의 사람만 남을 것이며, 애매한 중간층 평범한 이들의 생존 공간은 계속 줄어들 것이다. 업계에 ‘지능 비용이 0에 가까워진다’는 말이 퍼져 있지만, 그녀는 이것이 지극히 오해를 불러일으키는 편향된 주장이라고 직격한다. 인류 고유의 지각, 공감, 공간 및 신체 협응 지능은 수억 년에 걸친 진화의 산물로, 거대 모델이 쉽게 복제할 수 있는 것이 아니다.

대다수 기업은 세 가지 자동화 사고의 함정에 빠져 있다. AI를 인력 감축 대체 도구로 여기고, 도구를 쌓아두기만 하면 디지털 전환이 이루어졌다고 생각하며, 전면적인 AI 도입 명령을 무턱대고 내려 직원들의 공포를 유발하는 것이다. 진정한 AI 변혁은 결코 사람을 도태시키는 것이 아니라 인간의 가치를 높이는 데 있다. 이 글은 가슴을 찌르는 ‘바벨 효과’를 제시한다. 한쪽 끝은 특정 분야에서 깊이 파고든 상위 1%의 최고 전문가로, AI를 활용해 반복 업무를 떼어내고 대체 불가능한 심층 판단에 집중한다. 다른 쪽 끝은 업무 흐름을 능동적으로 재설계하는 복합형 제너럴리스트로, 스스로 도구를 다루고 자신만의 업무 시스템을 구축한다.

보통 사람들은 기술 세대교체를 두려워할 필요가 없다. 핵심 돌파구는 수동적으로 지시를 수행하는 사고방식에서 벗어나는 데 있다. 자, 즐겨보시길:

‘AI의 대모’ 리페이페이가 MasterClass 창립자 겸 CEO 데이비드 로질과 진행한 팟캐스트 인터뷰의 제목은 《AI의 대모: 10년 후, 단 두 유형의 노동자만 남는다》입니다.

진행자가 리페이페이에게 널리 퍼진 주장에 대해 어떻게 생각하는지 물었다. 산업혁명은 육체노동을 자동화했고, 이제 AI가 지적 노동을 자동화하려 한다면 우리는 어떻게 해야 하느냐는 것이다.

그러나 리페이페이는 산업혁명은 노동을 자동화한 것이 아니라고 말한다. 노동을 더 효율적으로 만들고, 규모를 확대했으며, 노동 시장을 바꾼 것은 사실이지만, 노동 자체를 자동화하지는 않았다. 게다가 노동에 지능이 없다고 암시해서도 안 된다. 그런 가정은 지나치게 잘못된 것이다.

노동의 형태는 바뀌었지만, 인간이 노동에 쏟는 판단력, 즉 장인이 평생 축적한 경험과 직관, 육체노동 속에 담긴 인지적 판단은 진정한 의미에서 자동화된 적이 없다.

동일한 오해가 AI를 두고 다시 반복되고 있다.

01. ‘지능 비용 제로’는 오해다

AI 업계에서 최근 유행하는 말이 있다. ‘지능의 비용이 0에 가까워지고 있다’는 것이다.

리페이페이는 이 말에 직설적으로 답한다. 육체노동, 인지 노동, 정서 노동, 인간의 활동과 인간 지능은 깊이 얽혀 있다.

인간 지능은 자연 앞에서 여전히 풀리지 않은 수수께끼다. 우리는 인간 지능의 깊이와 섬세함을 제대로 알지 못한다. 따라서 ‘지능 비용이 0에 가까워진다’고 함부로 말하는 사람은 누구든 무책임한 주장을 하는 것이다.

곧바로 그녀는 두 번째 이유를 제시한다.

언어 지능만 놓고 보더라도 거대 언어 모델은 분명 강력하다. “이 모델들은 비즈니스 인텔리전스, 소프트웨어 공학, 연역적 논리 추론은 물론 더 심층적인 과제에서도 이미 위력을 발휘하고 있다.”

그러나 우리에게 익숙한 언어 지능 외에도 지각 지능, 공간 지능, 신체 지능, 정서 지능이 존재한다. 창의성이 도대체 어디서 오는지조차 아직 밝혀내지 못했다. 각자의 창의성은 뇌의 서로 다른 부위와 전 생애 경험의 다양한 부분에서 비롯된다.

예컨대,

교사가 학생이 왜 학습에 어려움을 겪는지 판단할 때 텍스트 분석만으로는 부족하다. 표정, 말투, 망설이는 순간을 관찰하는 것이다.

팀 리더가 핵심 고객 앞에서 특정 말을 꺼낼지 말지 결정할 때, 어떤 알고리즘도 그를 대신해 판단해 줄 수 없다.

‘지능 비용 제로’가 경영 의사결정의 전제로 받아들여진다면, 그것이 놓치고 있는 것은 바로 인간의 가장 값진 부분이다.

02. 자동화 사고방식을 드러내는 세 가지 행태

리페이페이는 인터뷰에서 거듭 같은 입장을 밝혔다. 나는 진심으로 AI가 기술, 즉 극도로 강력한 도구일 뿐이라고 믿는다. 하지만 이 도구는 인간이 사용하면 세상을 더 나아지게 만들 수 있다. 동시에, 이 도구를 어떻게 사용할지에 대해서도 매우 경계해야 한다.

이어 그녀는 더 중요한 말을 덧붙였다. “우리는 아이들에게 불 사용법, 칼 사용법, 그리고 인터넷 사용법을 가르쳐 왔다. 이제 하나의 종으로서, 하나의 사회로서 우리는 (AI 사용법을) 반드시 배워야 한다.”

도구가 사람을 대신하기 위한 것인지, 사람을 끌어올리기 위한 것인지는 기술이 아니라 그것을 배치하는 사람에게 달려 있다.

인터뷰에 등장하는 세 가지 행태는 세 가지 자동화 사고의 관성에 해당한다.

첫째, AI를 인력 대체기로 보는 것이다.

리페이페이는 제품 관리자의 예를 들었다.

10년 전의 전형적인 제품 관리자는 “지휘자에 더 가까웠다. 코드를 작성할 필요도 없었고, 보통 소프트웨어 엔지니어가 아니었다.”

프로토타입이 필요하면 디자이너를 찾고, 개발은 엔지니어를 기다렸다. 프로토타입을 받으면 사용자에게 보내 피드백을 받고, 다시 통합했다. “일반적인 회사에서 이러한 제품 관리 라이프사이클은 몇 달이 걸리기도 했다.”

지금은?

많은 제품 관리자가 이제 직접 코드를 작성한다. 팀이 프로토타입을 만들 때까지 기다릴 필요 없이, AI를 활용해 아주 간단한 것을 설계하고 ‘분위기 코딩(vibe coding)’을 한다. 이로써 사이클이 순식간에 단축된다.

하지만 그렇다고 해서 디자이너와 소프트웨어 엔지니어를 버려야 한다는 의미는 아니다. 단지 시간을 절약해 그들이 더 복잡한 작업에 집중할 수 있게 된 것이다.

AI는 누구도 대체하지 않았다. 모두를 한 계단 위로 밀어 올렸을 뿐이다. 제품 관리자는 ‘지휘자’에서 ‘실행자’로 바뀌었고, 디자이너와 엔지니어는 ‘실행자’에서 ‘가장 어려운 문제를 해결하는 사람’이 됐다.

자동화 사고에 젖은 관리자가 이 사례를 보면 첫 반응은 “그럼 앞으로 엔지니어를 두 명 덜 뽑아도 되겠네”일 가능성이 크다. 같은 사실, 같은 도구인데 완전히 다른 결론이다. 차이는 기술이 아니라 기술을 바라보는 관점에 있다.

둘째, ‘도구를 도입했다’는 것을 ‘옳은 일을 했다’와 동일시하는 것이다.

도구를 사고, 교육을 열고, 직원들에게 프롬프트 작성법을 가르친 뒤 임무 완수라고 생각한다.

리페이페이는 인터뷰에서 교육에 대한 판단을 이렇게 말했다. 교육의 목표는 폐쇄형 시험인지 개방형 시험인지, 혹은 표준화된 시험 점수가 아니다.

교육의 목표는 사람을 길러 각자가 속한 공동체와 사회에 의미 있는 기여자가 되고, 의미 있는 삶을 살도록 하는 것이다. AI는 이러한 기본 목표 중 어떤 것도 빼앗아서는 안 된다. 다만 AI가 이러한 목표를 더 잘, 더 효과적으로 달성하도록 도와야 한다.

‘교육’을 ‘경영’으로, ‘학생’을 ‘팀’으로 바꾸면 모든 문장이 그대로 적용된다. AI 도입의 목표는 ‘도구를 깔아놓는 것’이 아니라, 당신이 AI를 이용해 무엇을 재설계하고 있느냐이다.

로질은 기술 배경 출신이 아니지만, 자신이 현재 하고 있는 일을 이렇게 전했다.

“제가 사용하는 대부분의 애플리케이션이 저 자신이 직접 만든 것입니다. Claude Code나 Cursor로 구축했죠.

제 CEO 툴스택은 전부 제가 만든 앱입니다. 생산성 앱, 할 일 목록 앱조차도 제가 직접 만들었어요. 앱 하나를 만드는 비용이 몇 달에서 주말 하루로 단축됐습니다.”

그는 기술력을 과시하는 게 아니다. AI 시대에 뛰어난 사람은 ‘업무를 더 잘 수행하는 사람’이 아니라 ‘업무 시스템을 더 잘 설계하는 사람’이라는 점을 보여주는 것이다. 아무리 많은 도구를 사들여도 팀에 설계 사고가 없다면, 도구는 기존 프로세스를 전자화한 구태의연한 흐름으로 전락할 뿐이다.

셋째, ‘AI 전면 도입’을 하나의 기술적 지시로 여기는 것이다.

‘회사가 AI를 전면 도입한다’는 공지를 띄우면 직원들은 ‘사람을 줄이겠다는 거군’이라고 받아들인다. 반대로 옆에 앉아 “AI로 예전에 할 수 없었던 어떤 일을 할 수 있을지 같이 살펴보자”라고 말하면, 직원들은 “더 강해질 수 있겠다”고 받아들인다.

이것은 매우 흥미로운 현상이다. 직원들이 처음에 망설이는 이유는 도구 사용법을 몰라서가 아니라, 경영진이 AI로 무엇을 하려는지 모르기 때문이다. 자신들을 대체하려는 것인지, 아니면 성장시키려는 것인지.

같은 도구, 같은 예산, 같은 사람이라도 전제 조건이 다르면 결과는 완전히 달라진다.

인터뷰 후반부에 진행자가 ‘전혀 어디서부터 시작해야 할지 모르는 사람에게 가장 간단한 AI 입문 방법은 무엇인가’라고 묻자, 리페이페이는 이렇게 답했다.

“젊은이를 찾아가라. 자녀나 조카, 25세 이하라면 누구든 좋다. 그들 대부분은 이미 AI를 사용하고 있다.

순수한 호기심을 갖고, 평소에 어떻게 사용하는지, AI로 무엇을 하는지 보여 달라고 부탁해 보라. 실제로 그것이 무엇인지 이해하고 나면, 그 세계가 더 이상 두렵지 않을 것이다.”

03. 향후 10년, 직장에는 두 부류의 사람만 남는다

자동화 사고의 함정에서 벗어나면, 로질이 묘사한 직장 구조를 다시 보게 된다. 바벨의 양 끝점은 전혀 다른 의미를 띠게 된다.

로질은 인터뷰에서 이렇게 말했다. “제 가설 중 하나는 바벨 효과가 나타나리라는 것입니다. 진정한 전문가로 성장하는 사람들이 생겨나고 있습니다.

그럭저럭 괜찮은 수준의 카피라이터는 이제 누구나 거대 언어 모델로도 충분히 잘 해낼 수 있습니다. 그러나 제가 세계 최고의 카피라이터, 즉 상위 1%에 든다면 쉽게 이길 수 없을 것입니다.

그리고 우리가 목격하는 또 다른 역할은 주도성이 매우 높은 제너럴리스트입니다. 이들은 다양한 일을 해낼 수 있고, 판단력과 주도성 측면에서 뛰어납니다.”

바벨의 한쪽 끝은 상위 1%의 최고 전문가, 다른 쪽 끝은 여러 일을 동시에 다룰 수 있는 높은 주도성의 제너럴리스트다. 중간에 끼어 있는 ‘그럭저럭 괜찮은’ 사람들의 입지는 점점 좁아지고 있다.

리페이페이는 이 판단에 동의하며 분석을 한 겹 더했다.

“전문가 쪽에 있든, 제너럴리스트 쪽에 있든, 주도성은 반드시 필요합니다. 도구를 독특하고, 창의적이며, 깊이 있는 방식으로 사용할 수 있어야 합니다.”

바벨 왼쪽 끝의 최고 전문가들은 증강(enhancement)을 극한까지 활용하는 사람들이다. AI는 반복 작업의 90%를 걸러내 주고, 인간의 판단력이 가장 필요한 10%에 에너지를 집중하게 한다. 그들의 가치는 위축되는 것이 아니라 오히려 해방된다.

바벨 오른쪽 끝의 제너럴리스트는 능동적으로 증강을 창출하는 사람들이다. 직접 부딪히고, 직접 도구를 만들고, 스스로 업무 흐름을 정의한다. 이들은 증강된 미래를 기다리는 것이 아니라, 자기 자신이 증강의 시작점이다.

중간층의 문제는 스킬의 문제가 아니라 자세의 문제다. AI는 실행 차원의 ‘괜찮다’는 수준을 극도로 높여 놓았다. ‘실행할 수 있다’는 수준에 머물러 있는 사람은 어떤 일을 하든 따라잡힌다.

하지만 ‘AI를 어떻게 사용할지 지시받기를 기다리는’ 태도에서 ‘내가 직접 해보면서 무엇을 할 수 있을지 확인하겠다’로 전환하는 순간, 중간층에게도 바벨의 어느 한쪽 끝으로 도약할 기회가 열린다.

리페이페이 역시 이 전환을 특별히 언급했다. “기업가(entrepreneur)라는 단어는 상당 부분 ‘주도성’과 동의어입니다.”

04. 증강이 왜 일방적인 바람이 아닌가?

누군가는 묻는다: 만약 기술이 한 걸음 더 나아간다면, 인간의 판단력, 창의력, 감성 지능까지 모조리 자동화된다면?

李飞飞은 인터뷰에서 같은 문제의 과학적 버전을 설명하는 데 상당한 분량을 할애했습니다. 그녀의 회사와 연구 방향은 공간 지능입니다.

공간 지능은 네 가지, 즉 이해, 추론, 생성, 상호작용입니다.

이는 오늘날 우리 인간이 3D(3차원 입체) 환경에서 보여주는 여러 능력을 아우릅니다.

첫째, 우리는 무슨 일이 일어나고 있는지 이해할 수 있습니다.

둘째, 추론할 수 있습니다.

셋째, 생성할 수 있습니다.

넷째, 마지막이지만 똑같이 중요한 것은 상호작용입니다.

李飞飞는 슛을 던지는 예를 들었습니다.

슛을 던지는 동작 자체조차도 매우 복잡한 지능적 순간이며, 언어적 추론이 그 안에 관여합니다. 왜냐하면 운동선수로서 당신은 공이 들어갔는지 안 들어갔는지, 그것이 경기와 그 순간에 무엇을 의미하는지 예민하게 인식하기 때문입니다.

이와 동시에, 코트 전체를 보고 다른 선수들의 위치를 파악하며 골대를 겨냥하는 것은 철저히 공간적인 행위입니다. 그런 다음 몸을 조정하고 그 동작을 어떻게 해야 하는지 아는 것은 또 철저히 물리적인 행위입니다.

언어, 공간, 신체라는 세 가지 지능이 슛을 던지는 한순간에 동시에 작동하며 서로 협력합니다. '먼저 언어, 그다음 공간, 그다음 신체' 순서의 파이프라인이 아닙니다.

우리가 일상적으로 하는 대부분의 일은 사실 언어 지능, 공간 지능, 신체 지능의 혼합입니다. 이들은 고도로 서로를 보완하며 함께 협업합니다.

그런 다음 李飞飞는 진화론적 차원의 판단을 내렸습니다. 진화는 공간 지능이 성숙해지는 데 5억 년 이상 걸렸고, 언어 지능이 걸린 시간은 그보다 훨씬 짧습니다. 따라서 공간 지능은 매우 심층적이고 오래되었으며 근본적인 지능 능력으로, 동물과 인간 모두에게 있습니다.

이러한 판단들을 종합하면 같은 것을 가리킵니다. 오늘날 AI가 진정으로 가속할 수 있는 것은 언어 차원의 과제들, 즉 보고서 작성, 자료 조사, 데이터 분석, 코드 작성, 이미지 생성 등입니다.

이로 인해 사람들은 언어 이외의 일, 즉 판단, 창조, 공감, 모호한 영역에서의 의사 결정, 압박 속에서 평정심 유지, 다양한 신호가 상충할 때 가장 중요한 하나를 붙잡는 일에 더 많은 시간과 에너지를 쓸 수 있게 됩니다.

증강은 바람이 아니며, 가치관의 선택도 아닙니다. 이는 기술 발전의 이 단계에서 내리는 과학적 판단입니다. 인간에게는 AI가 따라잡지 못하는 것이 아직 아주 많습니다.

증강 프레임워크를 통해 절약되는 것은 반복 노동이고, 얻는 것은 해방된 전문적 판단입니다.

李飞飞는 인터뷰에서 모든 AI 관리 의사 결정을 위한 시금석으로 삼을 만한 말을 했습니다. "우리는 아이들에게 불을 사용하는 법, 칼을 사용하는 법, 그리고 인터넷을 사용하는 법까지 가르쳤습니다. 이제 하나의 종으로서, 하나의 사회로서, 우리는 AI를 어떻게 사용할지 반드시 배워야 합니다."

핵심어는 '배워야'가 아니라 '우리'입니다. 직원 혼자 배우도록 두는 것도, IT 부서가 배포하게 하는 것도 아닙니다. 관리자와 팀이 함께 AI를 모두가 함께 이해해야 할 대상으로 삼고, 그것을 사용해 각 사람을 한 단계씩 위로 밀어 올리는 것입니다.

Bitmine, 약 16만 ETH 재스테이킹, 누적 스테이킹량 488만 개 도달

인기 기사