컴퓨터가 인간을 기다리는 시대
2026년 3월 20일, No Priors 팟캐스트에 출연한 안드레 카파시는 진행자 사라 구오에게 담담하게 말했다. 자신이 작년 12월 이후로 코드를 한 줄도 직접 작성하지 않았다고. OpenAI의 공동 창업자이자 테슬라의 전 AI 총괄, 그리고 'vibe coding'이라는 용어를 만들어낸 장본인의 입에서 나온 이 고백은 기술 업계 전체에 충격파를 던졌다. 그는 코드 작성과 에이전트 위임의 비율이 80대 20에서 20대 80으로, 그리고 이제는 그마저도 넘어섰다고 설명했다. 프로그래밍이라는 행위 자체가 컴퓨터가 발명된 이래 유지되어 온 형태에서 근본적으로 달라졌다는 것이 그의 진단이었다. 에디터에 코드를 타이핑하는 시대는 끝났고, 이제는 AI 에이전트를 가동시키고 영어로 작업을 지시한 뒤 그들의 결과물을 병렬로 관리하고 검토하는 시대가 왔다는 것이다.
이 전환이 특히 극적인 이유는 불과 5개월 전 카파시의 입장과 정확히 반대였기 때문이다. 2025년 10월 18일, 드워케시 파텔의 팟캐스트에 출연한 그는 AI 에이전트에 대해 신랄한 비판을 쏟아냈다. 업계가 너무 큰 도약을 하려 하고 있으며, 이것이 대단한 것처럼 포장하고 있지만 실제로는 그렇지 않다고 했다. 그가 사용한 단어는 "slop", 즉 쓸모없는 결과물이라는 뜻이었다. 에이전트의 시대가 올 것이라는 점은 인정했지만, 그것은 "10년의 에이전트 시대"라는 긴 호흡의 이야기였지 당장 내일의 현실은 아니었다.
그런데 2025년 12월에 무언가가 바뀌었다. 카파시 자신의 표현을 빌리면, 코딩 에이전트가 12월 이전에는 기본적으로 작동하지 않았고 12월 이후에는 기본적으로 작동하기 시작했다. 이 변화는 점진적인 진보가 아니라 일종의 위상 전이(phase transition)였다. 그는 2026년 2월 26일 X에 올린 글에서 이 변화가 얼마나 극적이었는지 일반인이 제대로 인식하지 못하고 있다고 토로했다. 프로그래밍이 인식 불가능할 정도로 달라졌다는 것이다.
카파시는 이 전환의 정점을 자신이 공개한 autoresearch 프레임워크로 보여주었다. 2026년 3월 7일 오픈소스로 공개된 이 시스템은 AI 에이전트가 자율적으로 실험을 설계하고 실행하며, 그 결과를 평가한 뒤 다시 개선된 실험을 반복하는 구조였다. 이틀간 700개의 실험이 자동으로 수행되었고, 그 과정에서 카파시 본인이 20년의 경력에도 불구하고 놓치고 있던 20개의 최적화를 발견했다. 연구자의 직관과 경험을 AI의 무차별적 탐색이 능가한 순간이었다. 카파시는 이것을 자신의 박사 과정 시절과 비교했다. 그때는 한 번에 두세 개의 실험만 겨우 돌릴 수 있었고, GPU가 돌아가는 것을 기다리는 게 하루 일과의 전부였다. 이제 그 제약은 완전히 사라졌다. 문제는 실험을 돌릴 컴퓨팅 자원이 아니라, 무엇을 실험할지 생각해내는 인간의 머리였다.
이 5개월간의 궤적은 한 개인의 변심이 아니라 기술 자체의 질적 도약을 증언하는 것이었다. 세계에서 AI를 가장 깊이 이해하는 인물 중 하나가 회의론자에서 완전한 전환자로 변한 데에는 그만한 이유가 있었다. 그리고 그 이유의 핵심에는 하나의 불편한 진실이 자리 잡고 있었다. 이제 컴퓨터가 병목이 아니라 인간이 병목이라는 사실이다.
카파시는 No Priors 팟캐스트에서 자신의 심리 상태를 묘사하면서 하나의 용어를 만들어냈다. 'AI Psychosis'. 임상적 진단이 아니라 자조적인 표현이었지만, 그 안에 담긴 현실은 결코 가볍지 않았다. 그는 자신이 끊임없이 일종의 AI 정신병적 상태에 놓여 있다고 말했다. AI로 달성할 수 있는 것에 대한 거대한 잠금 해제(unlock)가 일어났고, 그 가능성의 공간이 계속 탐색을 요구하기 때문이었다. AI를 잘 쓸수록 새로운 세상이 열리고, 열릴수록 또 탐색하게 되고, 이것이 중독에 가까운 상태로 이어진다는 것이다. 그는 이 과정에서 일종의 우울 상태도 경험한다고 솔직하게 인정했다.
진행자 사라 구오는 이 상태의 구조를 정확히 짚어냈다. 만약 더 많은 토큰에 접근할 수 있다면, 더 많은 작업을 병렬로 처리해야 한다는 압박이 생긴다. 토큰 지출 능력에 한계를 느끼지 않는다면, 시스템에서 최대 역량의 병목은 바로 당신 자신이 된다. 이것은 매우 스트레스를 주는 구조라는 것이 그녀의 관찰이었다. 카파시는 여기에 동의하면서, 한 서비스의 한도가 차면 다른 서비스로 옮겨가며 토큰을 소진해야 한다고 덧붙였다. 구독료를 내고도 한도를 다 쓰지 못하면 그것 자체가 비효율이자 낭비라는 감각이 지배하는 것이다.
카파시가 명명한 이 현상은 그만의 경험이 아니었다. 2026년 3월, 보스턴컨설팅그룹(BCG)이 약 1,500명의 미국 직장인을 대상으로 수행한 설문 결과가 하버드 비즈니스 리뷰에 발표되었다. 연구진이 'AI Brain Fry'라고 명명한 이 현상은 놀라울 정도로 광범위했다. 응답자 7명 중 1명이 AI 도구 감독으로 인한 정신적 피로를 보고했다. AI 감독 부담이 높은 직원들은 그렇지 않은 직원들에 비해 정신적 노력이 14% 더 높았고, 정신적 피로는 12%, 정보 과부하는 19% 더 심했다. 한 시니어 엔지니어링 매니저는 머릿속에 수십 개의 브라우저 탭이 열려 있고 모두가 주의력을 두고 싸우는 느낌이라고 묘사했다. 윙윙거리는 감각, 정신적 안개, 집중력 저하, 느려지는 의사결정이 공통적으로 보고된 증상이었다.
이 현상을 가장 생생하게 증언한 사람은 오픈소스 프로젝트 OpenFGA의 핵심 메인테이너인 시단트 카레였다. 2026년 2월 8일 개인 블로그에 올린 글에서 그는 지난 분기가 자신의 커리어에서 가장 많은 코드를 배포한 분기이자 동시에 가장 지친 분기였다고 고백했다. AI가 생산 비용을 줄였지만, 조율과 검토와 의사결정의 비용은 증가시켰으며, 그 비용은 전적으로 인간에게 전가되었다는 것이 그의 분석이었다. 그가 사용한 비유는 강렬했다. AI가 속도 제한장치(governor)를 제거했다는 것이다. 이제 유일한 한계는 인간의 인지적 지구력이며, 대부분의 사람들은 자신의 인지적 한계를 넘어설 때까지 그 한계가 어디인지 알지 못한다고 했다.
컴퓨터월드는 2026년 3월 AI가 유발하는 심리적 질환의 분류 체계까지 제시했다. 'AI FOMO'는 AI의 급격한 변화에 뒤처지고 있다는 공포로 정의되었으며, AI 업계 리더들이 의도적으로 이 공포를 조장하여 제품 사용을 유도하고 있다는 분석이 덧붙여졌다. 플로리다 대학의 조셉 손턴과 스테파니 맥나마라 연구진은 'AI Replacement Dysfunction(AIRD)'이라는 개념을 제안했다. 직업적 대체에 대한 만성적 공포로 인한 불면, 직업적 부정, 편집증 등의 증상을 포괄하는 진단 프레임워크였다. 링크드인 설문에서는 응답자의 40% 이상이 AI 발전 속도가 자신의 안녕에 부정적 영향을 미치고 있다고 답했다.
한국에서도 이 현상은 이미 가시화되고 있었다. 뉴스스페이스는 2026년 2월 AI를 열성적으로 사용하는 직원이 번아웃 위험이 더 높다는 보도를 내놓았다. 퀀텀 워크플레이스의 데이터에 따르면 AI를 빈번하게 사용하는 직원의 번아웃율은 45%로, 비사용자의 35~38%보다 유의미하게 높았다. 같은 매체는 2026년 3월 OpenAI의 엔지니어 히우 팜이 "무섭고 위험한 번아웃"을 이유로 퇴사한 사건도 보도했다. AI 프론티어 기업의 인재 유출이 기술적 한계가 아니라 인간적 한계에서 비롯되고 있다는 신호였다. 한국의 해커뉴스로 불리는 긱뉴스(GeekNews)에서는 "뒤처져도 괜찮습니다"라는 제목의 글이 활발한 토론을 불러일으켰다. AI FOMO가 암호화폐 시대의 FOMO와 구조적으로 유사하다는 비교가 등장했고, 강박적 탐색이 건강한 학습과 어디서 구분되는지에 대한 논쟁이 이어졌다.
카파시의 'AI Psychosis'는 결국 개인의 심리적 취약성이 아니라 구조적 조건의 산물이었다. 무한에 가까운 실행 능력이 유한한 인지 능력과 만날 때, 그 간극이 만들어내는 긴장은 불가피하다. 문제는 이 긴장을 인식하는 것이 아니라, 이 긴장 속에서 어떻게 기능할 것인가이다.
직관적으로 보면, AI 도구의 도입은 업무량을 줄여야 한다. 코드를 자동으로 생성하고, 문서를 순식간에 요약하고, 이메일을 대신 작성해주는 도구가 보급되었으니, 당연히 사람들은 더 적게 일하고 더 일찍 퇴근해야 한다. 그러나 현실의 데이터는 이 직관을 정면으로 배반한다.
업워크 리서치 인스티튜트의 2024년 조사에서 AI 사용자의 77%가 업무량이 오히려 증가했다고 답했다. AI가 일을 줄여주는 것이 아니라, AI가 가능하게 만든 새로운 일이 기존의 일 위에 쌓이고 있었다. 포춘은 이 현상의 핵심 질문을 이렇게 정리했다. AI가 당신에게 6시간을 돌려주는지가 문제가 아니라, 누군가가 당신에게 그 6시간을 지킬 수 있게 해주는지가 문제라고. 실제로 일어나는 일은 절약된 시간이 즉시 새로운 작업으로 채워지는 것이었다. 생산성 도구가 여유를 만드는 것이 아니라 기대치를 높이는 도구로 기능하고 있었다.
Faros AI가 2025년 발표한 AI 생산성 역설 보고서는 이 구조를 소프트웨어 개발이라는 구체적 현장에서 드러냈다. AI를 적극적으로 활용하는 개발자들은 21% 더 많은 작업을 완료했고, 병합(merge)하는 풀 리퀘스트(PR)의 수는 98%나 증가했다. 여기까지만 보면 AI는 분명히 생산성을 높이고 있었다. 그러나 같은 보고서의 다른 지표가 문제의 본질을 드러냈다. PR 리뷰에 걸리는 시간이 91% 증가한 것이다. 코드를 만드는 속도는 기계가 담당하여 극적으로 빨라졌지만, 그 코드를 검토하고 승인하는 것은 여전히 인간의 몫이었다. 생산량이 두 배로 늘었는데 검토 인력은 그대로이니, 병목은 자연스럽게 인간의 리뷰 과정으로 이동한 것이다.
MIT 슬론 경영대학원의 2026년 연구는 이 현상을 더 넓은 맥락에서 확인했다. AI를 도입한 기업들이 초기에 겪는 생산성의 일시적 하락, 즉 J커브 효과를 데이터로 입증한 것이다. AI 도입 직후 생산성이 평균 1.33%포인트 하락하는 현상이 관측되었으며, 이는 적응 비용과 새로운 워크플로우 학습에 따른 마찰로 설명되었다. 장기적으로는 생산성이 회복되고 상승하지만, 그 과정에서 인간이 감당해야 하는 인지적 부하는 결코 무시할 수 없는 수준이었다.
BCG의 연구는 이 인지적 부하의 실체를 더 구체적으로 드러냈다. AI 감독 비중이 높은 직원들은 정보 과부하가 19% 더 심했을 뿐 아니라, 의사결정 피로(decision fatigue)를 호소하는 비율도 유의미하게 높았다. AI가 생성한 결과물을 평가하고, 여러 AI 도구의 출력을 비교하고, 최종 판단을 내리는 과정이 기존의 업무 위에 새로운 인지적 레이어로 추가된 것이다. 이전에는 보고서를 작성하는 것이 일이었다면, 이제는 AI가 작성한 보고서를 읽고 평가하고 수정하는 것이 일이 되었다. 작업의 성격이 생산에서 감독으로 이동했지만, 그 감독이라는 행위가 생산보다 인지적으로 덜 부담스러운 것은 결코 아니었다.
Cua AI의 CEO 프란체스코 보나치는 이 상태를 '바이브 코딩 마비(vibe coding paralysis)'라고 불렀다. 역설의 구조는 명쾌했다. 능력이 많아질수록 그것을 사용해야 한다는 강박이 커진다. 더 많이 사용할수록 주의력이 분산된다. 주의력이 분산될수록 실제로 완성하여 내보내는 것은 줄어든다. 무한한 실행 능력이 오히려 완성을 방해하는 구조, 이것이 2026년 지식 노동의 가장 기묘한 패러독스였다.
스택 오버플로의 2025년 개발자 설문은 이 피로가 숫자로 드러나기 시작했음을 보여주었다. AI 도구에 대한 긍정적 감정이 전년의 70% 이상에서 60%로 하락한 것이다. 열광의 시기가 지나고 현실의 마찰이 체감되기 시작한 것이다. AI가 약속한 것은 해방이었지만, 많은 이들이 경험하고 있는 것은 새로운 형태의 속박이었다.
2026년 3월 엔비디아 GTC에서 젠슨 황이 발표한 내용은 AI 시대의 보상 체계가 근본적으로 재편되고 있음을 선언한 것이었다. 그는 엔비디아의 엔지니어들이 기본 급여 위에 연봉의 약 절반에 해당하는 AI 토큰 예산을 받게 될 것이라고 밝혔다. 연봉 50만 달러의 엔지니어라면 최소 25만 달러 어치의 토큰을 소비해야 하며, 만약 그렇지 않다면 자신은 심각하게 우려할 것이라고 했다. 토큰 소비량이 곧 생산성의 지표이자, 역으로 인간이 AI를 얼마나 효과적으로 지휘할 수 있는지의 척도가 된다는 의미였다.
젠슨 황의 비전은 더 넓었다. 그는 엔비디아가 인간 직원 7만 5천 명과 함께 AI 에이전트 750만을 운용하는 조직으로 진화할 것이라고 말했다. 인간 대 에이전트 비율 100대 1. 이 구조에서 인간의 역할은 코드를 작성하거나 데이터를 분석하는 실행자가 아니라, 수백 개의 에이전트에게 방향을 제시하고 그들의 산출물을 조율하는 지휘자이다. AI를 사용하지 않는 것은 칩 설계에 연필과 종이를 쓰는 것과 같다는 것이 그의 비유였다.
테크크런치는 이 발표 직후인 2026년 3월 21일, "AI 토큰은 새로운 사이닝 보너스인가, 아니면 단순한 사업 비용인가"라는 기사를 내보냈다. 실리콘밸리에서 토큰 예산이 채용 협상의 조건으로 부상하고 있다는 보도였다. 연봉, 스톡옵션, 그리고 이제 토큰. 세 번째 보상 축이 등장한 것이다. CNBC는 젠슨 황의 발표를 "에이전트가 인간의 업무 방식을 재편하는 시대"의 신호탄으로 해석했다. 카파시의 표현을 빌리면, 토큰은 이제 실리콘밸리의 채용 도구 중 하나가 되었고, "내 직장에는 토큰이 얼마나 딸려오는가"가 오퍼 레터의 핵심 항목으로 자리 잡기 시작했다.
이 변화는 단순한 복지 정책의 변화가 아니다. 토큰이 보상 체계에 편입된다는 것은 인간의 가치가 직접적인 실행 능력이 아니라 토큰을 소비하는 능력, 즉 AI를 지휘하는 능력으로 측정되기 시작했다는 의미이다. 과거에는 더 빠르게 코딩하는 개발자, 더 많은 보고서를 작성하는 분석가가 높은 평가를 받았다. 이제는 더 많은 토큰을 의미 있게 소진할 수 있는 사람, 즉 더 많은 에이전트에게 더 정확한 지시를 내리고 더 넓은 범위의 작업을 병렬로 조율할 수 있는 사람이 높은 평가를 받는 구조로 이동하고 있다.
화이트먼의 계산은 이 구조의 스케일을 가늠하게 해준다. 그가 일주일간 소비한 3억 개 이상의 토큰은 이미 대부분의 지식 노동자가 한 달간 생산하는 텍스트 분량을 아득히 초과한다. 그러나 그조차도 자신의 AI 인턴들이 대부분의 시간 동안 유휴 상태라고 토로했다. 토큰 공급은 기하급수적으로 증가하고 있지만, 그것을 소비할 수 있는 인간의 '의도 대역폭'은 선형적으로만 확장 가능하다. 이 간극이 바로 토큰의 경제적 가치를 결정하는 핵심 변수이다. 토큰 자체는 점점 싸지고 있지만, 토큰을 의미 있게 사용할 수 있는 인간의 능력은 점점 비싸지고 있다.
a16z의 공동 창업자 마크 엔데리슨은 17년간 하나의 테제를 반복해왔다. 우리가 살고 있는 세상은 실제로 가능한 수준에 비해 터무니없이 원시적이라는 것이다. 2023년 6월 발표한 "Why AI Will Save the World"에서 그는 의학을 비롯한 수많은 분야가 인간과 기계 지능의 결합으로 달성할 수 있는 것에 비하면 석기시대 수준이라고 선언했다. 같은 해 10월의 테크노 옵티미스트 선언에서는 우리가 훨씬 우월한 삶의 방식으로 나아갈 수 있으며, 그 도구와 시스템과 아이디어가 이미 존재한다고 썼다.
이 선언은 추상적 낙관론이 아니었다. 엔데리슨의 커리어 전체가 이 간극을 메우는 행위로 점철되어 있었기 때문이다. 넷스케이프를 만들었을 때 그가 메운 간극은 인터넷이라는 기술과 일반인의 접근성 사이의 거리였다. a16z를 창업했을 때 메우려 한 간극은 혁신적 기술과 그것을 사업화할 수 있는 창업가 사이의 거리였다. 2020년 4월 "It's Time to Build"라는 에세이를 발표했을 때, 그가 지적한 것은 기술의 부재가 아니라 의지의 부재였다. 팬데믹이 드러낸 것은 미국이 마스크도, 검사 키트도, 병상도 충분히 만들지 못한다는 사실이었다. 기술이 나빠서가 아니었다. 기술을 배포할 의지가 없었기 때문이다.
2026년 1월 29일, 레니스 팟캐스트에 출연한 엔데리슨은 이 테제를 AI 시대에 맞게 갱신했다. 그는 자신이 끝없는 좌절 상태에서 산다고 말했다. 자신이 조금만 더 똑똑했다면 자신이 하는 일을 훨씬 더 잘할 수 있을 것이라는 감각이 늘 따라다닌다고. 그는 AI를 '현자의 돌(Philosopher's Stone)'에 비유했다. 뉴턴이 물리학과 미적분학을 발전시킨 것은 유명하지만, 정작 그가 수십 년간 집착한 것은 연금술이었다. 세상에서 가장 흔한 물질을 가장 귀한 것으로 바꾸는 비법. 엔데리슨은 AI가 바로 그것이라고 했다. 세상에서 가장 흔한 것, 즉 모래(실리콘)를 세상에서 가장 희귀한 것, 즉 사고(thought)로 변환하는 기술이라는 것이다.
이 비유는 인간 병목 테제와 정확히 맞물린다. 현자의 돌이 존재하더라도, 그것을 사용할 수 있는 연금술사가 부족하면 의미가 없다. AI라는 현자의 돌은 이미 완성되어가고 있지만, 그것을 지휘하여 실제 가치로 전환할 수 있는 인간의 판단력과 방향 감각이 희소 자원으로 부상하고 있는 것이다. 엔데리슨 자신도 이 점을 명시적으로 인정했다. 병목은 코드를 생성하는 능력이 아니라, 더 높은 추상화 수준에서 시스템을 감독하고 검증하고 설계하는 능력이 될 것이라고 말한 것이다.
a16z가 2026년 1월 150억 달러 규모의 신규 펀드를 조성하면서 내세운 미션은 "미국이 앞으로 100년의 기술을 이끌도록 보장하는 것"이었다. 엔데리슨에게 이 미션은 17년간 변하지 않은 것의 연장선이었다. 기술적으로 가능한 것과 현실 사이의 간극을 메울 수 있는 창업가를 찾아 그들에게 전부를 거는 것. 달라진 것은 그 간극의 성격이다. 과거에는 기술 자체가 부족했다. 더 좋은 소프트웨어, 더 빠른 하드웨어, 더 넓은 네트워크가 필요했다. 이제 기술은 충분하다. 부족한 것은 그 기술을 방향 지을 수 있는 인간이다. 서구 전반이 정체된 이유도 같다고 엔데리슨은 진단한다. 문제는 기술이 나쁜 것이 아니라 기술이 부족한 것, 더 정확히는 기술을 실행에 옮기려는 의지와 능력이 부족한 것이다.
인류 역사의 대부분에서 지능은 희소한 자원이었다. 복잡한 문제를 분석하고, 패턴을 인식하고, 새로운 해법을 도출하는 능력은 오랜 교육과 훈련을 통해서만 얻을 수 있었고, 그것을 갖춘 사람은 항상 부족했다. 이 희소성이 전문직의 경제적 가치를 지탱했다. 변호사, 의사, 엔지니어, 분석가의 높은 보수는 본질적으로 그들의 인지 능력에 대한 프리미엄이었다.
프롬프트 엔지니어링 인스티튜트는 이 구도가 근본적으로 뒤집혔다고 선언했다. 새로운 병목은 판단력이라는 것이 그들의 테제였다. 지능이 희소했던 세계는 사라졌다. AI가 분석하고, 패턴을 인식하고, 해법을 제안하는 능력을 거의 무한한 규모로 제공하기 시작했기 때문이다. 그러나 그 분석의 방향을 설정하고, 제안된 해법의 적절성을 평가하고, 최종적으로 무엇을 실행에 옮길지 결정하는 능력, 즉 판단은 여전히 인간에게만 있다. 실행의 비용이 0에 수렴하는 세계에서, 남는 것은 무엇을 실행할 것인가에 대한 판단이다.
포브스 코리아는 이 전환을 이렇게 요약했다. 기계가 판단을 대신할수록, 인간에게 남는 일은 느끼고 해석하는 일이라고. 한국경제는 전문가들의 견해를 인용하며, AI는 효율성을 담당하고 인간은 일의 방향성을 결정하는 유효성을 갖게 될 것이라고 전망했다. 효율성(efficiency)과 유효성(effectiveness)의 구분은 이 맥락에서 핵심적이다. 효율성은 주어진 일을 빠르고 정확하게 수행하는 것이고, 유효성은 올바른 일을 선택하는 것이다. AI가 전자를 압도적으로 잘 수행하게 되면서, 후자의 가치가 상대적으로 급등하고 있다.
이 구조적 전환의 첫 번째 희생자는 실행 역량으로만 가치를 인정받던 직군이었다. 미국의 컴퓨터 개발자 고용은 2023년에서 2025년 사이 27.5% 감소했다. 코드를 작성하는 능력 자체의 시장 가치가 급락하고 있는 것이다. 야후 테크는 카파시의 코드 80%를 AI 에이전트가 작성하고 있다는 사실을 보도하면서, 그 대가를 치르고 있는 것은 주니어 개발자들이라고 지적했다. 과거에 주니어 개발자가 맡던 일, 즉 비교적 단순한 코드 작성, 버그 수정, 문서화 작업이 AI에 의해 대체되면서, 경력 진입 자체가 어려워지고 있다는 것이다. CIO 코리아는 이 현상을 개인이 아닌 구조의 문제로 프레이밍하며, 자율성과 몰입과 협업이라는 세 가지 해법을 제시했다.
AI가 정보 처리와 패턴 인식을 담당하게 되면서, 인간에게 고유하게 남는 가치는 맥락에 대한 감각, 윤리적 판단, 이해관계자들 사이의 미묘한 역학에 대한 이해, 그리고 아직 존재하지 않는 것을 상상하는 능력이 되었다. 이것들은 모두 데이터에서 추출할 수 없는 것들이며, 경험과 직관과 공감의 영역에 속하는 것들이다.
마크 엔데리슨이 AI 코딩 봇에는 인간 감독자가 그 어느 때보다 필요하다고 말한 것은 이 맥락에서 읽어야 한다. 기계가 더 강력해질수록 그것을 감독하는 인간의 역할은 축소되는 것이 아니라 오히려 더 중요해진다. 다만 그 역할의 성격이 완전히 달라졌을 뿐이다. 키보드를 두드리는 손이 아니라, 무엇을 만들지 결정하는 머리가, 그리고 왜 만들어야 하는지를 아는 감각이 이 시대의 진짜 희소자원이 되었다.
컴퓨팅의 역사는 병목의 이동사였다. 진공관의 시대에는 연산 하나를 수행하는 물리적 속도가 병목이었고, 트랜지스터가 그것을 해소했다. 메인프레임의 시대에는 한정된 기계에 접근하는 것 자체가 병목이었고, 개인용 컴퓨터가 그것을 해소했다. 인터넷 초기에는 데이터의 전송 속도가 병목이었고, 광대역이 그것을 해소했다. 클라우드 시대에는 서버의 물리적 위치와 용량이 병목이었고, AWS와 Azure가 그것을 해소했다. 매번 병목이 해소될 때마다 새로운 가능성이 폭발적으로 열렸고, 동시에 새로운 병목이 드러났다.
2026년, 그 병목은 처음으로 기계의 바깥에 도달했다. 컴퓨팅 자원은 사실상 무제한이다. 토큰은 넘쳐나고, 데이터센터는 계속 늘어나고 있으며, AI 모델의 역량은 매달 새로운 기록을 갱신하고 있다. 그런데 이 모든 것이 아무것도 하지 않고 멈춰 서 있다. 인간이 지시하지 않으면 단 하나의 토큰도 의미 있게 소비되지 않기 때문이다. 롭 화이트먼이 자신의 AI 인턴들이 아무것도 하지 않고 앉아 있다고 묘사한 장면은 이 시대의 가장 정확한 초상화이다.
안드레 카파시가 자기 자신의 변화를 통해 증명한 것은 이 전환이 추상적 이론이 아니라 이미 일어난 현실이라는 점이다. 세계 최고 수준의 AI 연구자가 더 이상 코드를 쓰지 않는다. 대신 에이전트를 지휘하고, 실험의 방향을 설정하고, 결과물을 평가한다. 그리고 그 과정에서 구독 한도가 남으면 불안해하고, 가능성의 공간을 탐색하지 않으면 강박을 느끼며, 자신이 시스템의 병목임을 자각하고 괴로워한다. 이것이 AI Psychosis이다. 그리고 이것은 한 개인의 심리적 취약성이 아니라, 무한한 실행 능력과 유한한 인지 능력이 충돌할 때 구조적으로 발생하는 증상이다. BCG의 연구가 보여준 AI Brain Fry, 업워크의 조사가 드러낸 업무량 증가, Faros AI의 보고서가 입증한 리뷰 시간 91% 증가, 그리고 스택 오버플로 설문에 나타난 긍정적 감정의 하락까지, 데이터는 일관되게 같은 방향을 가리키고 있다.
젠슨 황이 토큰을 연봉의 일부로 편입시킨 것은 이 현실에 대한 기업 차원의 공식적 인정이다. 토큰이 보상이 된다는 것은 토큰을 의미 있게 소비하는 능력이 가치의 원천으로 인정받았다는 뜻이다. 인간 7만 5천 명이 AI 에이전트 750만을 지휘하는 조직에서 인간의 가치는 더 이상 실행 속도가 아니다. 방향 설정과 판단과 조율, 즉 메타인지적 역량이 인간의 경제적 가치를 결정하는 핵심 변수로 부상한 것이다.
마크 엔데리슨이 17년간 반복해온 테제는 이 전환의 역사적 위치를 짚어준다. 현재와 가능한 것 사이의 간극은 언제나 존재했다. 과거에 그 간극의 원인은 기술의 부재였다. 더 좋은 도구, 더 빠른 기계, 더 강력한 알고리즘이 부족했다. 이제 그 간극의 원인은 인간의 부재이다. 기술은 충분하다. 모래를 사고로 바꾸는 현자의 돌은 이미 만들어졌다. 부족한 것은 그 돌을 들고 올바른 방향으로 걸어갈 수 있는 사람이다. 서구가 정체된 이유도, 기업이 AI 도입에 고전하는 이유도, 개발자 번아웃이 구조적 문제로 부상한 이유도 모두 같은 뿌리에서 나온다. 기술이 나빠서가 아니라, 기술을 방향 지을 인간의 역량이 병목이기 때문이다.
이 시대가 요구하는 역량은 따라서 코딩이 아니다. 데이터 분석도 아니다. 보고서 작성도 아니다. 이 모든 것을 AI가 인간보다 빠르고 저렴하게 수행할 수 있게 된 시점에서, 인간에게 남는 역할은 문제를 정의하고, 방향을 설정하고, 여러 가능성 중 무엇을 선택할지 판단하는 것이다. 프롬프트 엔지니어링 인스티튜트가 선언한 대로, 새로운 병목은 판단력이다. 실행이 공짜에 수렴하는 세계에서, 무엇을 실행할 것인가에 대한 판단이 유일한 희소자원이다. 포브스 코리아의 표현대로 기계가 판단을 대신할수록 인간에게 남는 일은 느끼고 해석하는 일이며, 한국경제가 인용한 전문가들의 견해대로 AI는 효율성을 담당하고 인간은 유효성을 담당하게 된다.
우리는 수십 년간 컴퓨터를 빠르게 만드는 데 모든 노력을 쏟았다. 더 빠른 칩, 더 큰 메모리, 더 넓은 대역폭, 더 영리한 알고리즘. 그 노력은 성공했다. 컴퓨터는 충분히 빨라졌다. 이제 컴퓨터가 우리를 기다리고 있다. 토큰은 쌓여가고 있고, GPU는 유휴 상태이며, AI 에이전트는 지시를 기다리며 대기하고 있다. 내가 병목이다. 머리를 조금 쓰다 보면 브레인 포그가 오고, 명료하지 않은 상태에서 지시를 내리면 무의미한 결과만 돌아온다. 이 문장은 2026년 지식 노동의 가장 솔직한 자화상이자, 동시에 가장 중요한 출발점이다. 병목이 어디인지 아는 것이, 그 병목을 넘어서는 첫 번째 조건이기 때문이다.