병목은 애초에 기계가 아니었다.

AI는 이 일자리들을 가져간다 — 거드는 게 아니라, 가져간다. 다들 각오하는 그런 종말은 아니다. 테크 업계에서 가장 오래된 패턴일 뿐이다. 모든 업그레이드는 평범한 노동자 다수를 새로운 부류의 소수로 갈아치운다.

옛 역할은 사라진다. 그 자리는 훨씬 적은 수의 새 역할이 채우고, 그 역할들은 더 높은 곳에 있다. 바깥에서 넘겨짚는 얘기가 아니다. 내 회사 안에서 벌어지는 일을 지켜보며 하는 말이다.

실무를 맡던 자리

Thunderbit에서는 AI가 인플루언서 아웃리치를 처음부터 끝까지 도맡는다 — 누구에게 연락할 가치가 있는지 점수를 매기고, 첫 이메일을 쓰고, 답장에 응대하고, 협상하고, 상대가 잠잠해지면 다시 연락을 넣는다. 고객 지원도 똑같이 돌아간다. 이 모든 걸 처리하는 거대한 AI 하나가 있는 게 아니다. 상황 유형마다 에이전트를 따로 만든다.

한 팀이 필요했던 일을 이제는 기계 하나에 사람 하나면 해낸다 — 에이전트가 내리지 못하는 단 하나의 결정을 내리는 그 사람 말이다. 이 크리에이터가 그만한 값어치가 있나? 이 환불이 맞나? 예, 아니오. 소통은 자동화됐다. 판단은 그렇지 않았다.

듣기 좋은 말로는 AI가 “사람들을 더 가치 있는 일로 끌어올린다”고들 한다. 나는 그 말을 믿지 않는다. 실행 자리는 끌어올려진 게 아니다. 흡수됐다. 언젠가 사라지는 게 아니라 — 이미 사라졌다. 지난 물결은 여행사 직원들에게 똑같은 짓을 했다. 그들은 정점 대비 약 60% 줄었고, 뉴스룸 일자리도 절반 넘게 사라졌다. 책상은 업그레이드되지 않는다. 그저 비워질 뿐이다.

업그레이드마다 필요 인원은 줄어든다

전에도 있었던 일이고, 늘 같은 방식이었다 — 그리고 매번 사람 수만 줄어드는 게 아니라, 요구되는 기준도 함께 높아진다.

한 세기 전만 해도 미국인의 약 40%가 땅에서 일했다. 오늘날은 2% 미만인데, 식량은 그 어느 때보다 많이 거둔다. 소매업도 같은 각본을 따랐다. 예전엔 고졸 학력의 점원 부대가 굴리던 업종이었다. 그러다 전자상거래 — 요컨대 소매업에 인터넷을 더한 것 — 덕분에 아마존 같은 회사는 극소수의 인력으로 더 큰 시장을 상대하게 됐고, 그 인력 대부분은 대졸 엔지니어였다.

시장은 커졌고 물류비는 싸졌지만, 그래도 인원은 줄고 학력 문턱은 올라갔다. 컴퓨터가 퍼지는 동안 대졸 임금 프리미엄은 39%에서 79%로 거의 두 배가 됐다. GM은 정점에 600,000명이 넘는 사람을 고용했다. 엔비디아는 그 극히 일부만으로 최초의 4조 달러 기업이 됐다.

AI는 그다음 단이고, 그 경계를 다시 한 번 위로 밀어 올린다. 엔지니어의 황금 10년은 저물고 있다. 새로운 엘리트는 연구자다 — 모델 그 자체를 움직일 수 있는 소수, 그 어떤 엔지니어도 받아본 적 없는 보수를 받는 이들. 소매업자, 엔지니어, 연구자. 각 단마다 더 적은 사람과 더 가파른 학력 요건으로 더 많은 가치를 만든다. 피라미드는 단지 높아지기만 하는 게 아니다. 좁아진다.

누가 그 좁아진 계단에 오르는가

그렇다면 그 새롭고 더 좁은 단 위에는 누가 오를 수 있나? 판단력을 지켜냈고, 기계를 부리는 법을 익힌 사람들이다.

나는 직원 전원에게 마이크를 사줬고, 우리 모두를 각자의 음성 도구에 앉혔다 — 받아쓰기, 회의록, 전부 다 — 이제 실력이란 에이전트에게 원하는 바를 소리 내어 정확히 말한 뒤, 손으로 직접 하는 대신 그렇게 만들어내는 것이기 때문이다. 우리 팀 마케터는 더 이상 도구를 만들어 달라고 티켓을 끊지 않는다. 말로 설명하면, 에이전트가 만든다.

그러면서 내가 뽑는 사람도 달라진다. 비즈니스 인재는 뭔가 만들고 싶어 안달일 때만 뽑고, 엔지니어는 비즈니스에 진심일 때만 뽑는다. 한 우물만 판 순수 전문가는 함께 가기 어렵다. 이런 도구를 만드는 사람들조차 이제 인터페이스는 구문이 아니라 평범한 말이라고 할 것이다 — 그래서 해자는 코딩이 아니다. 판단, 안목, 그리고 무엇을 요청해야 할지 아는 것이다. 옛 역할이 살아남은 척한다고 해서 그중 단 하나라도 구제되는 건 아니다.

유일한 변수는 시간이다

이 중 무엇도 하룻밤 새 벌어지는 일은 아니다. 관건은 연산 시간이 아니라 인간의 시간이다 — 5년에서 10년, 내 솔직한 짐작이다. 기계는 준비됐다. 우리는 아니다.

이런 도구를 쓰는 사람들조차 그 성능을 잘못 가늠한다. 한 통제된 실험에서, AI와 함께 일한 숙련 개발자들은 약 20% 더 빨라졌다고 느꼈다 — 그런데 실제로는 19% 더 느린 것으로 측정됐다. 역량은 이미 와 있다. 인간의 적응은 아직이다. 그 격차가 이야기의 전부이고, 그 간극은 사람이 변하는 속도만큼만 좁혀진다.

하지만 문제 되는 건 속도일 뿐, 방향이 아니다. 전통적인 역할은 사라지고 있다. 새 역할은 더 적을 것이고, 더 높은 곳에 있을 것이다. 병목은 기계가 그 일을 해낼 수 있느냐가 결코 아니었다 — 해낸다, 지금, 내 회사에서. 관건은 사람이 얼마나 빨리 움직이느냐다. 그러니 문제는 AI가 그 일자리들을 가져가느냐가 아니다. 가져간다. 문제는 당신이 남은 단 위에 서 있을 것이냐다.