도입부: 같은 교육, 다른 아침
2025년 어느 월요일 오전 8시 47분. 샌프란시스코 미션 디스트릭트(Mission District)의 공유 오피스 '위워크 16번가점'. 소피아(28세, 가명)가 아이스 아메리카노를 들고 창가 자리에 앉는다. 밖에서는 22번 버스가 삐걱거리며 멈추고, 노숙자 한 명이 출입문 앞 단계에서 잠든 채 있다. 소피아는 이 풍경에 이미 익숙하다. 노트북을 열자 대시보드가 뜬다.
고객 40개 법률 사무소. 어젯밤 사이 처리 완료된 법률 리서치 요청 23건. 청구 예정 금액 $3,800. 소피아는 스크롤을 내리며 각 항목을 확인한다. 대부분은 밤새 자동으로 생성됐다. 판례 분석, 규제 리서치, 계약서 검토 요약. 그녀가 직접 개입한 것은 23건 중 7건. 복잡한 판단이 필요하거나, 클라이언트가 특별히 요청한 맥락적 해석이 필요한 경우들이다.
월 도구 비용 합계는 약 $300이다. Claude API $100, Cursor $20, 서버 호스팅 $150, 기타 $30. 월 매출은 약 $45,000. 레버리지 비율로 환산하면 150:1이다. 3년 전이면 이 사업에 직원 10명과 월 인건비 $80,000 이상이 필요했을 것이다.
같은 시각, 50킬로미터 남쪽 마운틴뷰(Mountain View)의 한 침실 아파트. 마이클(28세, 가명)이 노트북 앞에 앉아 있다. 반면 그의 화면에는 대시보드가 아니라 링크드인(LinkedIn) 지원 양식이 열려 있다. 6개월 전 테크 스타트업에서 주니어 소프트웨어 엔지니어로 해고된 이후 지금까지 237개 공고에 지원했다. 콜백은 12번이었고, 최종 면접까지 간 곳은 3곳이었으며, 오퍼를 받은 곳은 없었다.
두 사람은 같은 해 스탠퍼드 대학교 컴퓨터 과학과를 졸업했다. 같은 수업을 들었고, 같은 프로젝트를 함께 했으며, 졸업 후 3년은 같은 회사에서 일했다.
차이는 능력이 아니다. 차이는 2년 전 어느 시점에서 AI라는 새로운 도구를 마주했을 때 물었던 질문이 달랐다는 데 있다. 소피아는 물었다. 이 도구가 내 업무의 어느 부분을 처리할 수 있다면, 나는 무엇을 할 것인가? 마이클은 반응했다. 이 도구가 내 업무를 빼앗겠구나.
같은 질문처럼 보이지만 방향이 반대다. 소피아의 질문은 레버리지를 향했고, 마이클의 반응은 방어를 향했다. 그리고 2년 후 두 사람의 아침은 이렇게 달라졌다.
이 챕터는 소피아를 이해하기 위한 것이다. 더 정확히는 "소피아가 어떻게 소피아가 됐는가"를 이해하기 위해서다. 그리고 그 이해가 마이클에게 무엇을 의미하는지를, 마이클 개인이 아니라 수백만 명의 마이클들에게 무엇을 의미하는지를 묻기 위해서이기도 하다.
AI 네이티브라 불리는 세대가 등장했다. 이들은 세대의 문제가 아니라 사고방식의 문제다. 그리고 이들이 발휘하는 레버리지의 규모는 역사상 어느 시대의 읽은 자들도 갖지 못했던 것이다. 그러나 이 레버리지의 민주화가 결과의 민주화를 의미하는 것인지는, 전혀 다른 질문이다.
섹션 A: AI 네이티브 — 세대가 아니라 사고방식
정의의 문제
"AI 네이티브(AI Native)"라는 용어는 오해를 불러일으키기 좋은 개념이다. 마치 디지털 네이티브처럼, 특정 시기에 태어나 AI와 함께 자란 세대를 가리키는 것처럼 들린다. 다만 이 챕터에서 AI 네이티브는 다르게 정의된다.
AI 네이티브는 생성형 AI를 인터넷 검색처럼 — 특별한 기술이 아닌 기본 도구로 — 사용하는 사람이다. 이들에게 Claude, Cursor, ChatGPT, Midjourney는 존재 이전을 상상하기 어려운 인프라다. 마치 1990년대 중반 이후 성장한 사람에게 인터넷 없는 일상이 상상되지 않는 것처럼.
그러나 결정적인 차이가 있다. 인터넷을 "쓰는 것"과 AI를 "활용하는 것" 사이에는 근본적으로 다른 사고방식이 요구된다. 인터넷은 정보를 검색하고 연결한다. AI는 인지적 작업을 위임받아 수행한다. 이 위임 관계를 설계할 수 있는 능력이 AI 네이티브의 핵심이다.
따라서 AI 네이티브는 나이로 결정되지 않는다. 40대 변호사가 Harvey AI를 활용해 계약서 검토 업무의 70%를 자동화하면 AI 네이티브다. 25세 개발자가 AI를 두려워하며 손코딩만 고집하면 AI 네이티브가 아니다. 소피아는 28세였지만, 그보다 중요한 것은 그녀가 물었던 질문의 방향이었다.
AI 네이티브 사고방식의 핵심은 세 가지 능력으로 압축된다.
첫째, 프롬프트 리터러시(Prompt Literacy)다. AI에게 무엇을 어떻게 요청할지 아는 능력. 이것은 타이핑의 문제가 아니라 문제를 구조화하는 능력의 문제다. 같은 법률 리서치 요청이라도, "판례를 찾아줘"와 "2020년 이후 델라웨어주 판결 중 이사의 신인의무 위반으로 개인 책임이 인정된 사례를, 법인 규모별로 분류하고 핵심 판단 기준을 비교해줘"는 결과물의 질이 차원이 다르다.
둘째, AI 아웃풋 감별력(Output Discernment)이다. AI 결과물의 오류와 환각(hallucination)을 잡아내는 능력. AI는 확신에 찬 어조로 틀린 정보를 생성한다. 법률 분야에서 존재하지 않는 판례를 실제처럼 인용하거나, 최신 법 개정사항을 모르는 채로 분석을 제공하는 일이 발생한다. 소피아가 23건 중 7건에 직접 개입한 것은 정확히 이 감별이 필요한 순간들이었다.
셋째, 레버리지 설계 능력(Leverage Design)이다. 어떤 작업을 AI에게 맡기고 어떤 작업을 직접 할지 결정하는 능력. 모든 것을 AI에게 위임하면 품질이 무너진다. 모든 것을 직접 하면 레버리지가 사라진다. 이 경계선을 정확히 설계하는 것이 AI 네이티브의 핵심 역량이다.
이 세 가지는 학교에서 가르치지 않는다. 시행착오를 통해 실전에서 습득한다. 그리고 이것이 "AI 네이티브는 세대의 문제가 아니라 사고방식의 문제"라는 주장의 실질적 함의다. 교육 시스템이 이 사고방식을 체계화하기 전까지, 이 능력은 개인의 자기 학습과 실험에 의존한다. 공교육이 산업혁명의 요구를 반영하는 데 수십 년이 걸렸던 것처럼.
코드 작성의 코모디티화
Cursor의 사례는 이 변화를 가장 선명하게 보여준다.
커서(Cursor)는 샌프란시스코에 본사를 둔 스타트업 앤스피어(Anysphere Inc.)가 만든 AI 코딩 환경이다. 단순한 코드 자동완성 도구가 아니다. AI가 코드베이스 전체를 이해하고, 개발자와 자연어로 대화하면서 코드를 생성·수정·디버깅한다.
2025년 기준, Cursor의 연간 반복 매출(ARR)은 10억 달러에 도달했다. Fortune 500 기업의 절반 이상이 Cursor를 사용한다. 그리고 이 기업들에서 생성되는 풀 리퀘스트(PR, 코드 변경 요청) 중 35%를 AI 에이전트가 자동으로 생성한다. Bessemer Venture Partners(BVP)가 확인한 수치다.
숫자가 의미하는 바는 이렇다. Fortune 500 기업의 개발팀에서 생성되는 코드 변경의 3분의 1 이상이 이제 인간이 직접 작성한 것이 아니다. 개발자는 여전히 존재하지만, 그 역할은 달라졌다. 코드를 작성하는 것에서 AI가 작성한 코드를 검토하고, 시스템 아키텍처를 설계하고, 비즈니스 맥락을 제공하는 것으로.
"과거에는 코드를 쓰는 능력이 개발자의 가치였다. 지금은 AI가 쓴 코드를 평가하고 시스템을 설계하는 능력이 가치다." Cursor 사용자들이 반복해서 하는 말이다. 코드 작성 능력은 코모디티화됐다. 이것이 마이클이 직면한 문제의 정확한 진단이다. 그는 코드를 쓰는 능력으로 경쟁했고, AI는 그 능력을 범용재로 만들었다.
그런데 이 숫자 뒤에 있는 숫자가 더 중요하다. Cursor의 팀 규모는 약 50명이다. 50명이 Fortune 500 기업 절반 이상의 개발 워크플로우에 영향을 미치고, 연 10억 달러의 매출을 만든다. 1인당 매출로 환산하면 약 2,000만 달러다. 이것이 무엇을 의미하는지는 다음 섹션에서 본격적으로 다룬다.
마이클의 실패를 다시 보자. 그는 237개 공고에 지원했다. 콜백은 12번이었다. 지원 대비 콜백 비율은 5%다. 왜 이렇게 낮은가. 마이클이 지원한 포지션들 — 주니어 소프트웨어 엔지니어 — 은 AI가 가장 먼저, 가장 빠르게 대체하는 역할이다. 기업들은 주니어 개발자를 채용하는 대신 Cursor 구독료를 낸다. 채용 공고는 있지만 실제 채용 의도가 약하다. "포지션 자체가 사라지고 있는 채용 공고"에 마이클은 237번을 지원한 셈이다.
이것이 AI 시대 밀린 자의 가장 잔인한 특성이다. 1835년 랭커셔 수직공은 자신이 왜 가난해졌는지 알았다 — 공장의 기계가 원인이었다. 마이클은 자신이 왜 취업이 안 되는지 모른다. 그는 여전히 코드를 작성할 수 있다. 문제는 코드 작성 능력이 더 이상 희소하지 않다는 것이다.
섹션 B: 50명이 세계를 재설계하다 — 극단적 레버리지의 경제학
숫자가 말하는 것
2024년 말, Anthropic의 ARR(연간 반복 매출)은 10억 달러였다. 2026년 2월, 그 수치는 140억 달러가 됐다. 14개월 만에 14배다. 3년 연속 약 10배 성장이다. 같은 기간 기업가치는 380억 달러에서 3,800억 달러로 올랐다. 2026년 초 Series G 라운드에서 조달한 금액만 300억 달러다. 2026년 매출 목표는 260억 달러다.
Claude Code는 Anthropic이 출시한 개발자용 AI 에이전트다. 출시 6개월 만에 ARR 10억 달러에 도달했다. "1명의 엔지니어가 수개월 걸리던 작업을 수일 내 완료한다"는 설명이 단순한 마케팅 문구가 아니라는 것을 이 숫자가 증명한다. 10억 달러의 매출은 수십만 명의 개발자들이 실제로 돈을 내고 이 생산성 도약에 베팅하고 있다는 의미다.
Anthropic의 다레오 아모데이(Dario Amodei) CEO는 2026년 초 인터뷰에서 70~80%의 확신으로 예측했다. "올해 안에 10억 달러짜리 1인 기업이 탄생할 것이다." 그는 구체적인 유망 모델까지 제시했다. 프롭 트레이딩(prop trading), 개발자 도구, AI 에이전트가 전체 부서를 대체하는 자동화 고객 서비스. 하나의 인간이 수십 명의 팀이 하던 일을 AI와 함께 수행하는 구조다.
이 발언은 과장처럼 들리지만, 숫자로 뒷받침된다. 2012년 페이스북이 인스타그램을 10억 달러에 인수했을 때, 인스타그램의 직원 수는 13명이었다. 그것이 역사상 가장 극단적인 레버리지 사례로 회자됐다. 그러나 AI 시대의 레버리지는 그보다 훨씬 더 나아가고 있다.
소피아의 경우를 다시 보자. 그녀는 1인 기업이다. 월 매출 45,000달러면 연환산 54만 달러다. 그녀의 도구 비용은 월 300달러다. 이 레버리지 비율을 인간 노동으로 환산하면, 그녀 1명이 과거 기준 10명의 생산성을 발휘하고 있다. 더 정확히는, 과거 10명이 했을 작업을 AI가 처리하고 소피아는 AI가 할 수 없는 부분 — 클라이언트 관계, 복잡한 판단, 서비스 설계 — 에 집중한다.
이것이 역사적으로 얼마나 새로운 현상인지를 이해하려면 레버리지의 역사를 돌아볼 필요가 있다.
레버리지의 세 단계
1권에서 추적한 읽은 자들을 떠올려보자. 1769년 리처드 아크라이트(Richard Arkwright)가 수력 방적기를 도입했을 때, 그는 레버리지를 물리적 기계에서 찾았다. 방적기 한 대가 수직공 수백 명을 대체했다. 다만 그 레버리지는 물리적이었다 — 기계를 소유하고, 공장 건물을 세우고, 강가에 위치를 잡아야 했다. 자본 집약적이고 지리적으로 고정됐다.
1994년 제프 베조스(Jeff Bezos)가 아마존을 창업했을 때, 레버리지는 플랫폼으로 이동했다. 서버팜 하나가 서점 수천 개를 대체했다. 이 레버리지는 디지털이었다 — 물리적 공장보다 진입 장벽이 낮아졌지만, 여전히 수십억 달러의 인프라 투자가 필요했고 네트워크 효과를 먼저 확보한 선도자만이 승자가 됐다.
2024~2025년, 레버리지는 세 번째 단계에 진입했다. API 호출이다. Claude API, GPT-4o API, Gemini API — 누구든 월 수십 달러로 최첨단 AI에 접근할 수 있다. 공장이 유틸리티(전기, 수도)로 전환된 것과 같은 변화다. 레버리지를 얻기 위해 더 이상 공장을 소유하거나 플랫폼을 구축할 필요가 없다. 이미 구축된 플랫폼에 연결하면 된다.
이것이 "레버리지의 탈물질화(dematerialization of leverage)"가 세 번째 단계로 진입했다. 토지에서 공장으로, 공장에서 서버로, 서버에서 API 호출로. 레버리지의 물질성이 단계적으로 소멸해가는 과정이다.
| 단계 | 레버리지 원천 | 진입 비용 | 대표 읽은 자 |
|---|---|---|---|
| 1단계 (산업혁명) | 방적기·공장 | 수십만 파운드 | 아크라이트, 카네기 |
| 2단계 (인터넷) | 서버·플랫폼 | 수백만~수십억 달러 | 베조스, 저커버그 |
| 3단계 (AI) | API 호출 | 월 $20~$300 | 소피아, 그리고 다음 세대 |
진입 비용이 이렇게 극적으로 낮아진 것은 역사상 전례가 없다. 1769년 아크라이트가 되려면 공장을 소유해야 했다. 2025년 소피아가 되려면 노트북 한 대와 API 구독료 300달러가 필요하다.
Anthropic의 성장이 말하는 것
Anthropic의 성장 궤적은 이 변화의 재무적 표현이다. 2024년 말 ARR 10억 달러에서 2026년 2월 140억 달러로의 도약은 단순한 기업 성공이 아니다. 이것은 기업들이 AI를 실험하는 단계에서 AI를 인프라로 내재화하는 단계로 전환했다는 신호다.
기업들이 Claude를 구독하는 것은 새로운 소프트웨어를 도입하는 것이 아니다. 인지 노동력의 일부를 API로 아웃소싱하는 것이다. Anthropic의 ARR 성장은 그 아웃소싱의 규모가 1년 만에 14배 확대됐다는 것을 의미한다.
이 성장을 Anthropic의 팀 규모와 함께 보면 극단적 레버리지의 실상이 드러난다. 약 4,000명의 Anthropic 직원이 ARR 140억 달러를 만들고 있다. 1인당 350만 달러다. 비교를 위해: 포드(Ford)의 17만 명 직원이 매출 약 1,850억 달러를 만든다. 1인당 109만 달러다. 포드의 3배가 넘는 1인당 생산성이다.
한편 진짜 극단은 Cursor다. 50명이 ARR 10억 달러다. 1인당 2,000만 달러. 이것은 단순한 효율성의 차이가 아니다. 생산 체제 자체의 다른 논리다. Cursor의 50명은 직접 서비스를 제공하지 않는다. 서비스를 자동으로 제공하는 시스템을 만들고 유지한다. 그 시스템이 Fortune 500 기업의 개발자들에게 인지 레버리지를 제공하고, 그 과정에서 수익이 발생한다.
중국의 AI 읽은 자들과 비교해보면 이 현상의 글로벌성이 명확해진다. 2025년 기준 글로벌 오픈 가중치(open-weight) 모델 상위 10개 중 9개가 중국산이었다(ChinaTalk, 특정 벤치마크 기준). DeepSeek, 알리바바(阿里巴巴)의 Qwen, 바이트댄스(字节跳动, ByteDance)의 Doubao. 이 모델들을 만든 팀들 역시 극단적 레버리지를 발휘하는 읽은 자들이다. DeepSeek의 훈련 비용은 약 600만 달러였다 — 미국 동급 모델 대비 수십 분의 일이다. AI 네이티브 세대의 부상은 실리콘밸리만의 현상이 아니다. 다만 이 챕터는 미국의 맥락에서 이 현상을 해부한다.
레버리지 계층의 해부
이 극단적 레버리지를 가능하게 하는 구조를 이해하려면 레버리지의 계층을 봐야 한다.
` 1층: NVIDIA (GPU 하드웨어) ↓ 2층: Anthropic / OpenAI (LLM 훈련 및 API) ↓ 3층: Cursor (API 활용 개발 도구) ↓ 4층: AI 네이티브 개발자 (Cursor 활용) ↓ 5층: 소피아 (Claude API + Cursor 활용 1인 사업) `
소피아는 5층이다. 그녀의 레버리지는 아래 4층의 레버리지를 쌓아 올린 위에 구축됐다. NVIDIA의 GPU가 없으면 Anthropic의 모델이 없고, Anthropic의 모델이 없으면 Claude API가 없고, Claude API가 없으면 소피아의 사업이 없다.
이 계층 구조는 두 가지 사실을 동시에 말한다. 하나는 레버리지의 민주화다 — 누구든 이 인프라 위에 올라탈 수 있다. 다른 하나는 권력의 집중이다 — 이 인프라를 통제하는 것은 여전히 소수다.
2025년 기준 글로벌 AI VC 투자는 2,110억 달러였고, 그 중 60%가 베이 에어리어에 집중됐다. 샌프란시스코의 경우, 전체 메가 라운드(1억 달러 이상) 92개 기업이 1,260억 달러 중 1,130억 달러를 가져갔다. AI 시대는 레버리지의 진입 비용을 낮추면서 동시에 레버리지의 과실을 특정 지역, 특정 기업, 특정 계층에 압도적으로 집중시키고 있다.
섹션 C: 레버리지의 탈물질화 — 공장에서 GPU 클러스터, 그리고 API 호출로
세 단계의 구체적 경과
"레버리지의 탈물질화"는 추상적 개념이 아니다. 역사의 구체적 경과를 추적하면 그 실체가 드러난다.
1단계: 물리적 공장의 시대 (1769년~)
아크라이트의 크롬퍼드(Cromford) 방적 공장이 기준점이다. 레버리지는 물리적 기계였다. 수력 방적기 1대가 수직공 수백 명의 노동을 대체했다. 다만 이 레버리지를 얻기 위한 조건은 엄격했다. 공장 건물, 수력을 위한 강가 입지, 원면 공급망, 노동자 관리 체계. 모든 것이 물리적이고 자본 집약적이었다. 1권에서 추적한 랭커셔 수직공의 비극 — 1805년 주급 25실링에서 1835년 4.5실링으로의 84% 붕괴 — 은 이 물리적 레버리지가 인간 노동의 가치를 어떻게 재정의했는지의 증거다.
2단계: GPU 클러스터의 시대 (2020~2024년)
빅테크의 데이터센터가 새로운 "공장"이 됐다. OpenAI의 GPT-4를 훈련시키려면 수천 개의 NVIDIA GPU가 수개월간 가동돼야 한다. Microsoft가 OpenAI에 130억 달러를 투자한 것은 비유적으로 공장 부지 매입과 같다. 이 단계의 레버리지는 디지털이지만 여전히 자본 집약적이었다. GPU 클러스터를 보유하거나, 보유한 자와 파트너십을 맺은 자만이 AI의 핵심 레버리지에 접근할 수 있었다.
3단계: API 호출의 시대 (2024년~현재)
이것이 진짜 탈물질화다. Anthropic이 Claude API를 공개하면서, 최첨단 AI 모델에 대한 접근은 월 수십 달러의 구독료를 내면 누구에게나 열렸다. 공장을 소유할 필요가 없다. GPU를 구매할 필요가 없다. 모델을 훈련시킬 필요가 없다. API 엔드포인트에 요청을 보내면 된다.
이것은 전기의 등장과 비슷하다. 19세기 공장주들은 증기기관을 직접 소유하고 운영해야 했다. 1880년대 전기가 상업화되면서, 공장주들은 더 이상 발전기를 소유할 필요가 없었다. 전선에 연결하기만 하면 됐다. AI API는 인지 노동의 전기화다. 소피아는 전기를 생산하지 않는다. 전기를 사서 쓴다.
탈물질화의 역설
그러나 이 탈물질화에는 역설이 내재한다.
전기가 민주화됐을 때, 발전소를 소유한 에디슨(Edison)과 웨스팅하우스(Westinghouse)에게 권력이 집중됐다. 누구나 전기를 쓸 수 있게 됐지만, 전기를 공급하는 인프라를 통제하는 것은 소수였다.
AI API의 탈물질화도 마찬가지다. 누구나 Claude를 쓸 수 있게 됐지만, Claude의 API 가격을 결정하고 접근을 통제하는 것은 Anthropic이다. 소피아의 월 $100 Claude 구독료는 언제든 Anthropic의 가격 정책에 따라 변할 수 있다. 소피아의 사업 모델은 Anthropic의 API 안정성과 가격 구조에 의존한다.
레버리지가 "공장 소유"에서 "API 접근 허가"로 이동했을 뿐이다. 권력 구조의 위계는 여전히 존재한다. 다만 그 위계의 꼭대기가 공장주에서 API 제공자로 바뀌었다.
이것은 1권에서 크라수스를 분석할 때와 구조적으로 같다. 크라수스는 로마의 사설 소방대를 운영하며 화재 현장에서 헐값에 건물을 매입했다. 그는 화재를 막는 인프라(소방 서비스)를 통제하며 권력을 행사했다. Anthropic과 OpenAI는 인지 노동의 인프라(AI API)를 통제하며 경제적 권력을 행사한다. 형식은 다르지만, 인프라 통제에서 권력이 나온다는 메커니즘은 동일하다.
Cursor의 실증: API 시대 읽은 자의 전형
Cursor는 이 구조를 가장 잘 보여주는 사례다. Cursor의 팀은 자체적으로 AI 모델을 훈련하지 않는다. Anthropic의 Claude를 API로 호출해서 서비스를 구축한다. Cursor는 3층 플레이어다 — 1층(NVIDIA)과 2층(Anthropic)이 만든 인프라 위에서, 개발자들에게 레버리지를 제공하는 도구를 만든다.
이것이 API 시대 읽은 자의 전형적 모델이다. 인프라를 소유하지 않고 인프라를 활용한다. 기반을 구축하지 않고 기반 위에 구축한다. 이 모델의 진입 장벽은 낮지만, 차별화의 난이도는 여전히 높다. 누구나 Claude API를 쓸 수 있지만, 그것으로 Fortune 500의 절반이 쓰는 개발 도구를 만드는 것은 다른 문제다.
한국의 독자에게 시사점이 있다. 한국의 읽은 자 후보들은 지금 어느 계층에서 경쟁해야 하는가? 1층(하드웨어)에서 삼성과 SK하이닉스가 HBM 반도체로 경쟁하고 있다. 2층(모델)에서는 네이버의 HyperCLOVA X가 있다. 3층(애플리케이션)과 4~5층(최종 사용자 레버리지)에서는 아직 Cursor에 해당하는 한국 기업이 부재하다. 이 계층 지도가 읽은 자의 포지션을 결정한다.
섹션 D: 기회의 민주화 vs 결과의 민주화
형식적 평등과 실질적 불평등 사이
소피아와 마이클 사이의 간극을 만든 것이 순전히 개인의 사고방식 차이라면, 해결책은 간단하다. 마이클에게 AI 활용법을 가르치면 된다. 하지만 문제는 그보다 구조적이다.
ChatGPT는 무료다. Cursor는 월 20달러다. 기술적으로 누구나 AI 네이티브가 될 수 있는 기회는 역사상 가장 민주화된 형태로 존재한다. 다만 이 기회를 포착하고 소피아 수준의 레버리지로 발전시키려면 특정 조건들이 필요하다.
소피아는 스탠퍼드 CS 졸업생이다. 법률 도메인 지식이 있다. 초기 클라이언트를 확보할 수 있는 네트워크가 있었다. 법률 SaaS라는 아이디어를 검증할 수 있는 자본의 여유가 있었다. 이 조건들 중 어느 하나가 없었어도 소피아의 사업은 다른 형태를 취했을 것이다.
오하이오 데이턴(Dayton)의 전 자동차 부품 공장 노동자를 생각해보자. 그에게 "ChatGPT를 배워 AI 네이티브가 되라"고 말하는 것은, 1835년 실직한 랭커셔 수직공에게 "증기기관을 배워 공장 기술자가 되라"고 말하는 것과 같은 구조다. 형식적으로 맞다. 실질적으로는 불가능에 가깝다. 새로운 기술을 배울 시간도, 자본도, 네트워크도, 그 기술을 적용할 도메인 지식도 없다.
미국 안에서도 지리적 불평등이 이 구조를 강화한다. 베이 에어리어(AI VC의 60%), 뉴욕, 시애틀, 오스틴에 AI 네이티브 생태계가 집중돼 있다. 클리블랜드, 톨레도, 영스타운에는 이 생태계가 없다. 소피아가 미션 디스트릭트에 앉아 있는 것은 우연이 아니다.
읽은 자의 세 유형
AI 시대의 읽은 자는 모두 같은 형태가 아니다. 경제적 과실의 크기와 접근 경로가 다른 세 유형이 있다.
Type A: 플랫폼 빌더
Anthropic, OpenAI, Cursor처럼 AI 도구 자체를 만드는 사람들이다. 이들은 가장 극단적인 레버리지를 발휘한다. Anthropic의 4,000명이 ARR 140억 달러를 만들고, Cursor의 50명이 ARR 10억 달러를 만든다. 이 유형은 가장 큰 경제적 과실을 거두지만, 진입 장벽도 가장 높다. 세계 최고 수준의 AI 연구 역량, 수십억 달러의 자본, 최고 수준 인재 네트워크가 필요하다.
Type B: 레버리지 사용자
소피아처럼 AI 도구를 활용해 개인 또는 소규모 팀으로 과거 대형 팀이 필요했던 작업을 처리하는 사람들이다. 1인 법률 리서치 SaaS, 1인 미디어 스튜디오, 소규모 AI 컨설팅 기업. 이 유형은 중간 수준의 진입 장벽을 갖는다. 도메인 전문성과 AI 활용 능력의 결합이 핵심이다. 소피아가 법률 도메인 없이는 법률 SaaS를 만들 수 없었다. 반면 법률 도메인만으로는 AI 레버리지를 발휘할 수 없었다.
Type C: 조직 내 통합자
기존 기업 안에서 AI 도입을 주도하고 생산성 향상으로 조직 내 지위를 높이는 사람들이다. 이 유형이 숫자적으로 가장 크다. 대형 법률 사무소의 AI 파트너, 컨설팅 기업의 AI 프랙티스 리더, 금융기관의 AI 전환 책임자. 이들의 경제적 보상은 Type A, B보다 낮지만 조직의 안전망 안에서 안정성을 유지하면서 읽은 자의 지위를 획득한다.
세 유형 모두 "읽은 자"이지만, 이들이 거두는 경제적 과실의 크기는 극적으로 다르다. Type A는 수십억 달러의 기업가치를 만든다. Type B는 1인 기업으로 수십만에서 수백만 달러를 번다. Type C는 기존 급여 체계 안에서 프리미엄을 얻는다.
그리고 이 세 유형 모두에 접근하는 것은 균등하게 열려 있지 않다.
읽은 자의 인구통계학
AI 네이티브의 지리적·사회적 분포는 기회의 불균등을 선명하게 보여준다.
베이 에어리어에는 세계 최고 밀도의 AI 네이티브 생태계가 있다. 스탠퍼드, UC버클리, MIT 졸업생들이 서로를 알고, 서로의 스타트업에 투자하고, 서로의 고객이 된다. 소피아의 초기 고객 중 일부는 그녀의 스탠퍼드 동기들이 일하는 법률 사무소였다. 이 네트워크 없이 사업을 시작했다면 초기 궤도 진입이 훨씬 어려웠을 것이다.
읽은 자가 되기 위한 교육 경로는 다양해지고 있지만, 경로마다 결과의 차이가 있다. 스탠퍼드 CS 학위는 Type A로 진입하는 가장 빠른 경로다. 3~6개월 코딩 부트캠프는 Type C의 조직 내 통합자로 진입하는 데는 유효하지만, Type A나 Type B의 고레버리지 사업을 시작하기에는 부족한 경우가 많다.
자기 학습 경로도 있다. YouTube, Coursera, fast.ai를 통해 독학으로 AI 네이티브 역량을 습득한 사람들이 있다. 한편 이 경로로 소피아 수준의 레버리지에 도달한 사람들을 보면, 대부분 기존 도메인 전문성(의료, 법률, 금융 등)을 가진 경우다. 도메인 없는 AI 능력은 Type B 읽은 자로서의 자리를 찾기 어렵다.
민주화의 실체
기회의 민주화와 결과의 민주화 사이의 간극을 가장 잘 보여주는 숫자가 있다.
글로벌 억만장자들의 자산은 2025년 기준 18조 3,000억 달러다. 전년 대비 16% 증가, 5년 평균의 3배 속도다. 상위 10대 AI 기업 중 8개를 억만장자가 지배하고 있다. 상위 1%와 하위 50%의 자산 증가 격차는 2,655배다. 옥스팜(Oxfam)의 2025년 보고서가 확인한 수치다.
"누구나 ChatGPT를 쓸 수 있다"는 것과 "AI 시대의 경제적 과실이 민주화됐다"는 것은 완전히 다른 명제다. 전자는 사실이다. 후자는 현재로서는 사실이 아니다.
그럼에도 불구하고, 레버리지의 진입 비용이 낮아진 것은 구조적 변화다. 1769년 아크라이트의 읽은 자 지위를 복제하려면 수만 파운드가 필요했다. 2025년 소피아의 읽은 자 지위를 복제하려면 월 300달러가 필요하다. 그 300달러를 감당할 수 있는 사람의 수는 1769년과 비교할 수 없이 많다. 다만 300달러를 감당할 수 있다는 것과 소피아가 가진 스탠퍼드 학위, 법률 도메인 지식, 베이 에어리어 네트워크를 갖는 것은 다른 문제다.
이것이 "기회의 민주화는 결과의 민주화를 보장하지 않는다"는 명제의 실질적 내용이다.
1권 연결점: 읽은 자 프로필의 변환
공장주에서 API 구독자로
시대마다 읽은 자의 형상은 달라졌다.
로마의 읽은 자는 크라수스였다. 그는 화재가 난 로마의 목조 인슐라에서 헐값에 건물을 매입한 뒤, 재건축해서 임대했다. 그의 레버리지는 위기를 포착하는 눈과 자본의 동원력이었다. 레버리지의 물질적 기반은 부동산과 현금이었다.
산업혁명의 읽은 자는 아크라이트였다. 그는 수력 방적기라는 기술의 가능성을 읽고, 공장 시스템을 설계했다. 레버리지는 기계와 노동 조직화 능력이었다. 레버리지의 물질적 기반은 공장과 기계였다.
인터넷 시대의 읽은 자는 베조스였다. 그는 인터넷이 유통을 재편할 것을 읽고, 플랫폼 시스템을 설계했다. 레버리지는 네트워크 효과와 로지스틱스 최적화였다. 레버리지의 물질적 기반은 서버팜과 물류 창고였다.
AI 시대의 읽은 자는 소피아다. 그녀는 AI가 법률 인지 노동을 처리할 수 있다는 것을 읽고, 서비스 시스템을 설계했다. 레버리지는 AI 활용 능력과 법률 도메인 지식의 결합이었다. 레버리지의 물질적 기반은 노트북과 API 구독료다.
이 네 읽은 자를 나란히 놓으면 한 가지 패턴이 보인다. 읽은 자의 레버리지는 시대마다 더 탈물질화됐다. 크라수스에서 아크라이트로, 아크라이트에서 베조스로, 베조스에서 소피아로. 물리적 자산의 비중이 줄고, 인지적 역량과 시스템 설계 능력의 비중이 늘었다.
그러나 패턴이 있다면 반전도 있다. 레버리지의 물질적 기반이 사라진 것이 아니라, 그 기반이 개인이 직접 소유하는 것에서 공유 인프라로 이동했다. 소피아는 GPU를 소유하지 않지만, Anthropic의 GPU에 의존한다. 크라수스는 건물을 직접 소유했다. 소피아는 API에 접근한다. 레버리지의 탈물질화는 레버리지의 소멸이 아니라, 레버리지의 위임이다.
읽은 자의 세 가지 시대
1권에서 제시한 "생산성 폭발"의 관점으로 보면, 각 시대의 읽은 자 프로필이 그 시대의 생산성 폭발 방식을 반영한다.
로마의 생산성 폭발은 스케일이었다. 제국적 규모의 군사력과 도로망이 생산성을 끌어올렸다. 읽은 자는 이 스케일을 이용한 사람이었다.
산업혁명의 생산성 폭발은 기계였다. 증기기관과 방직기가 물리적 노동의 생산성을 끌어올렸다. 읽은 자는 기계를 소유하고 조직화한 사람이었다.
AI 시대의 생산성 폭발은 인지다. 대형 언어 모델이 인지 노동의 생산성을 끌어올리고 있다. 읽은 자는 이 인지 레버리지를 설계하고 활용하는 사람이다.
1권은 "읽은 자"를 주로 시스템을 소유하고 설계하는 자본가 계층으로 다뤘다. 크라수스는 소방 시스템을 소유했다. 아크라이트는 공장 시스템을 소유했다. 이들의 읽은 자 지위는 자본의 동원력을 전제했다.
AI 시대의 읽은 자는 시스템을 소유하지 않아도 된다. API에 연결하면 된다. 이것이 읽은 자의 개인화(personalization)다. 과거에는 읽은 자 지위가 자본가 계층의 전유물이었다. 지금은 노트북 한 대와 월 300달러로 소규모 읽은 자가 될 수 있다.
그러나 이 개인화가 읽은 자와 밀린 자 사이의 구조적 분기를 제거하지는 않는다. 오히려 분기의 층위를 복잡하게 만든다. 과거에는 자본을 가진 자와 갖지 못한 자로 나뉘었다. AI 시대에는 AI 네이티브 사고방식을 가진 자와 갖지 못한 자, 도메인 전문성을 가진 자와 갖지 못한 자, 네트워크를 가진 자와 갖지 못한 자로 나뉜다. 분기의 기준이 자본에서 능력과 연결로 이동했다. 그것이 더 공정한지는 별개의 질문이다.
핵심 공식은 AI 시대에도 변하지 않는다. "기술→자본 집중→사회 불안→제도 재설계." 달라진 것은 속도다. Anthropic이 ARR 10억 달러에서 140억 달러로 성장하는 데 걸린 시간은 14개월이다. 카네기 철강이 같은 규모의 도약을 이루는 데는 수십 년이 걸렸다.
세 번째 단계 — 사회 불안 — 의 신호들도 이미 나타나고 있다. 2025년 AI 직접 해고 55,000명. 2026년 1~2월 기술 기업 해고 32,000명. 이것은 숫자가 아니라 예고다. 실질적인 AI 대체가 본격화되기 전의 선행 지표다. Ford CEO는 "AI가 화이트칼라의 절반을 대체할 것"이라고 말했고, Microsoft AI 수장 무스타파 술레이만은 "18개월 내 모든 화이트칼라 업무가 자동화될 것"이라고 말했다. 이것은 예측이 아니라 경영 방향 선언이다.
그렇다면 네 번째 단계 — 제도 재설계 — 는 언제 오는가. 그것이 Ch.7의 질문이다.
섹션 D 심화: 누가 읽은 자가 되는가 — 접근의 층위
교육의 문제
AI 네이티브 사고방식을 형성하는 데 교육이 결정적 역할을 하지 않는다는 역설이 있다. 소피아와 마이클은 같은 스탠퍼드 CS 교육을 받았다. 그러나 소피아는 AI 네이티브가 됐고 마이클은 그렇지 못했다.
그 차이는 교육과정 밖에서 형성됐다. 소피아는 졸업 후 작은 법률 테크 스타트업에서 일했다. 그 환경에서 자연스럽게 AI 도구를 실험했고, 실패를 반복하면서 프롬프트 리터러시와 레버리지 설계 능력을 키웠다. 마이클은 중형 기업의 개발팀에서 코드를 작성했다. 그 환경에서 AI는 위협으로 먼저 경험됐다.
이것은 개인의 문제이기도 하지만, 환경의 문제이기도 하다. 어떤 조직에 있느냐, 누구와 함께 일하느냐, 어떤 종류의 실패를 감당할 수 있느냐가 AI 네이티브로의 전환을 결정한다. 그리고 이 조건들은 균등하게 분포하지 않는다.
더 구조적인 문제는 공교육 시스템의 지체다. 미국의 고등학교와 대학교는 아직 AI 네이티브 사고방식을 체계적으로 가르치지 않는다. "AI를 활용하는 방법"이 아니라 "AI에 관해 배우는 것"이 교과 과정의 주류다. 산업혁명 시대에 공교육 시스템이 증기기관을 가르치는 데 수십 년이 걸린 것처럼, AI 시대의 공교육 개편은 지금 시작됐지만 아직 갈 길이 멀다.
도메인 전문성의 역할
AI 네이티브 능력만으로는 충분하지 않다. Type B 읽은 자로서 의미 있는 레버리지를 발휘하려면 도메인 전문성이 필수다.
소피아의 경쟁 우위는 법률 도메인에 있다. AI가 생성한 법률 분석의 오류를 잡아낼 수 있는 능력, 클라이언트가 실제로 원하는 것을 이해하는 능력, 법률 업계의 관행과 언어를 아는 능력. 이것들은 AI가 제공하지 못하는 것들이다.
반면 도메인 전문성 없이 AI 능력만 있는 사람은 범용 AI 어시스턴트를 만들려다 OpenAI나 Anthropic과 직접 경쟁하게 된다. 그것은 이길 수 없는 싸움이다.
이것이 기존 전문직 종사자들에게 기회이기도 한 이유다. 의료, 법률, 회계, 건축, 교육 — 깊은 도메인 지식을 가진 전문가들이 AI 레버리지를 추가하면 Type B 읽은 자로서의 포지션을 확보할 수 있다. 그러나 반대로, 이 전문직 종사자들이 AI를 위협으로만 인식하면 그들의 도메인 전문성은 코모디티화의 위험에 노출된다.
파라리걸의 사례가 여기에 해당한다. 파라리걸 업무의 69%가 AI 자동화 가능하다는 것은, 파라리걸이 AI를 쓰지 않으면 68%의 생산성 열위에 놓인다는 의미이기도 하다. 반면 AI를 쓸 수 있는 파라리걸은 3인분의 업무를 1인이 처리할 수 있다. 같은 기술 충격이 밀린 자와 읽은 자를 동시에 만든다.
중국 읽은 자들과의 대비
AI 네이티브의 부상이 미국 실리콘밸리에만 국한된 현상이라고 보는 것은 오류다.
2025년 특정 벤치마크 기준, 글로벌 오픈 가중치 모델 상위 10개 중 9개가 중국산이었다(ChinaTalk). DeepSeek R1, 알리바바의 Qwen 시리즈, 바이트댄스의 Doubao. 이 모델들은 미국 빅테크의 모델과 성능에서 대등하거나 근접하면서, 비용은 미국 모델의 4분의 1에서 6분의 1 수준이다. 중국 모델의 API 가격은 미국 대비 1/6~1/4이다.
이것은 중국의 읽은 자들이 만든 결과다. 수출 규제로 첨단 GPU 접근이 제한된 환경에서, 중국의 AI 팀들은 제약을 혁신의 동인으로 전환했다. DeepSeek의 량원펑(梁文锋)은 약 2만 개의 고성능 NVIDIA GPU(H100/H800)로 미국 프론티어 모델과 대등한 성능을 달성했다. 훈련 비용은 약 600만 달러 — 메타(Meta)의 유사 모델이 소요한 GPU 시간의 5분의 1 수준이었다.
이 중국 읽은 자들의 프로필은 미국의 읽은 자들과 구조적으로 유사하지만 맥락이 다르다. 미국의 읽은 자들은 풍요로운 자원 환경(VC 자금, 최첨단 GPU, 이민 인재)에서 레버리지를 극대화했다. 중국의 읽은 자들은 제약된 환경에서 효율성의 레버리지를 만들었다. 같은 결과를 다른 조건에서 달성했다.
미국에서 Type A 읽은 자(플랫폼 빌더)가 Anthropic이나 OpenAI라면, 중국에서 이에 해당하는 것은 DeepSeek, 알리바바, 바이트댄스다. 미국에서 Type B 읽은 자가 소피아라면, 중국에서도 AI를 도구로 1인 사업을 운영하는 수십만 명의 소피아들이 있다. 이 현상은 한 국가의 현상이 아니다.
그러나 제도적 맥락의 차이가 읽은 자들이 발휘하는 레버리지의 성격에 영향을 미친다. 중국의 읽은 자들은 데이터 접근, 정부 조달, 국가 전략과의 정렬이라는 특수한 조건 속에서 작동한다. 이것은 Ch.11에서 본격적으로 다룬다.
전환부: 읽은 자와 제도 사이의 공백
소피아의 아침은 성공 이야기처럼 보인다. 그리고 일정 부분 그것은 사실이다. AI 시대의 레버리지가 월 300달러로 접근 가능해졌다는 것은 구조적 변화다.
그러나 소피아의 아침이 말하지 않는 것이 있다. 같은 시각 마운틴뷰에서 이력서를 수정하고 있는 마이클의 아침. 40대에 파라리걸 일을 잃고 COBRA 보험료를 납부하면서 새 직업을 찾고 있는 시카고 여성의 아침.
읽은 자를 만드는 기술은 민주화됐지만, 밀린 자를 보호하는 제도는 교착 상태다. 소피아의 레버리지가 확대되는 속도와 마이클의 불안이 확대되는 속도는 비례한다.
미국 국민의 79%가 AI 규제를 원한다. 공화당 지지자의 84%, 민주당 지지자의 81%가 동시에 찬성하는 이 의제는, 미국 정치 역사에서 극히 드문 초당적 합의다. 낙태도, 총기도, 이민도 이 수준의 합의를 이루지 못했다. 그러나 연방 AI 법안은 단 한 건도 통과하지 못했다.
이 간극을 만든 것은 무엇인가. 2025년 1~3분기, 7대 테크 기업의 로비 지출 합계는 5,000만 달러였다. 의회 개회일 하루에 약 40만 달러다. Meta의 로비스트는 87명 — 하원 의원 6명당 1명 꼴이다. Alphabet은 1,220만 달러, OpenAI는 210만 달러를 같은 기간 로비에 썼다.
의회 개회일마다 빅테크는 40만 달러를 로비에 쓴다. 이 숫자가 79%의 찬성을 0건의 법안으로 전환하는 메커니즘의 시작점이다. 왜 미국의 제도가 이 속도를 따라잡지 못하는지는, 다음 챕터가 해부할 것이다.
마치며: 읽은 자의 시대, 아직 완성되지 않은 서사
소피아는 오전 11시에 공유 오피스를 나선다. 클라이언트 미팅이 있다. 그녀는 AI가 작성한 법률 분석 보고서를 들고 중소형 법률 사무소의 파트너 변호사를 만날 것이다. 그 변호사는 작년에 주니어 어소시에이트를 채용하는 대신 소피아의 서비스 구독을 선택했다. 연간 약 15만 달러를 절감했다.
그 어소시에이트 자리는 사라졌다. 아직 채용되지 않은 채로.
소피아의 성공은 그 어소시에이트의 부재 위에 부분적으로 구축됐다. 이것이 AI 시대 읽은 자들의 레버리지가 만들어내는 구조다. 레버리지의 탈물질화는 개인이 발휘할 수 있는 경제적 힘을 역사상 유례없는 수준으로 높였다. 그러나 이 힘은 진공 속에서 작동하지 않는다. 누군가의 일자리가 줄어드는 것과, 누군가의 레버리지가 늘어나는 것은 동전의 양면이다.
이것이 AI 시대 읽은 자들의 이야기가 성공 이야기임과 동시에 불완전한 이야기인 이유다.
AI 네이티브 세대는 극단적 레버리지를 발휘하는 읽은 자의 새로운 형태다. 그들의 레버리지 원천은 공장에서 API로, 물질에서 코드로 탈물질화됐다. 진입 장벽은 낮아졌고, 도달할 수 있는 레버리지의 최고치는 높아졌다. 기회는 민주화됐다.
그러나 결과는 민주화되지 않았다. AI 시대의 읽은 자들이 발휘하는 극단적 레버리지가 사회 전체의 이익으로 전환되려면, 기술이 만든 변화를 수용하고 재분배하는 제도가 필요하다. 그 제도가 작동하지 않는다면, 소피아의 성공과 마이클의 실패는 개인의 이야기가 아니라 구조의 이야기가 된다.
미국 국민의 79%는 이 구조를 바꾸기를 원한다. 공화당 84%, 민주당 81%. 그런데 연방 AI 법은 0건이다.
이 간극을 만든 것이 무엇인가. 왜 세계 최강의 AI 국가가, 세계에서 가장 오래된 민주주의가, 자국 시민의 79%가 원하는 것을 하지 못하는가. 이것이 다음 챕터의 질문이다.
의회 개회일마다 빅테크는 40만 달러를 로비에 쓴다. 오하이오 평균 가구의 7배를 하루에 쓰는 것이다. 이 숫자가 79%의 찬성을 0건의 법안으로 전환하는 메커니즘의 시작점이다.
주: 소피아와 마이클은 실존 인물이 아닌 합성 인물(composite character)로, 다수의 AI 네이티브 창업자 및 기술직 종사자 인터뷰를 바탕으로 구성했다. 이들의 구체적 발언과 내면 묘사는 허구이며, 통계 데이터와 사례 분석만이 실제 자료에 기반한다.