1. 윤서연의 아침
2025년 봄, 판교.
알람이 울리기 전에 눈이 떠졌다. 윤서연(29세)은 침대 옆 스마트폰을 집어 들고 슬랙 알림을 확인한다. AI 어시스턴트가 밤새 생성한 시장 분석 보고서 초안이 3건, 경쟁사 동향 요약이 1건, 내부 프로젝트 진행 현황 대시보드가 1건 대기 중이다.
커피 캡슐을 넣고 버튼을 누르는 동안 첫 번째 초안을 읽는다. AI가 정리한 SaaS 시장 트렌드 보고서다. 수치는 정확하다. 구조도 나쁘지 않다. 그러나 방향이 틀렸다.
클라이언트가 원하는 것은 시장 전체의 그림이 아니라, 자사 제품이 끼어들 수 있는 틈새의 지도다. 윤서연은 AI 초안의 3분의 2를 삭제하고, 남은 데이터를 재배열하는 프롬프트를 입력한다.
성수동 월세방에서 판교 사무실까지 47분. 지하철 안에서 두 번째 초안이 도착한다. 이번에는 방향이 맞다. 세 군데를 수정하고 팀 채널에 올린다. 출근 전에 보고서가 끝났다.
서울대 인지과학과를 나왔다. 직원 40명의 AI 스타트업에서 프로덕트 매니저로 일한다. 연봉 5,200만 원. 학자금 대출 2,400만 원이 남아 있다.
AI 없는 업무를 경험한 적이 없다. 대학 과제도 AI와 함께 했고, 첫 직장의 첫 날부터 AI 도구가 책상 위에 있었다.
알람을 끄고, 커피를 내리고, AI 초안을 검토하는 것이 같은 차원의 루틴이다. 이 세 동작 사이에 위계가 없다. 세수를 하듯 AI 초안을 열고, 식사를 하듯 프롬프트를 입력한다.
이것이 강점이다. AI를 위협이 아니라 환경으로 인식한다. 물고기에게 물이 보이지 않듯, 윤서연에게 AI는 의식적 선택의 대상이 아니라 업무의 기본 조건이다.
3장에서 정민호가 AI 코파일럿이 보고서를 완성한 뒤 남는 시간의 무게에 짓눌리고 있을 때, 윤서연에게는 "남는 시간"이라는 개념 자체가 없다. AI가 초안을 만드는 동안 그녀는 다음 문제를 설계하고 있다.
그리고 이것이 사각지대이기도 하다. AI 없이 판단해본 적이 없다는 것. 그 사각지대의 의미는 이 장의 끝에서 드러난다.
2. 실행에서 설계로
6장까지 우리는 밀림의 풍경을 보았다. 이정훈의 편도 티켓, 김수진의 비어가는 서랍. 밀려남과 비워짐.
제2부의 질문은 "무엇이 사라지는가"였다.
제3부의 질문은 다르다. "무엇이 남는가."
남는 것을 이해하려면 먼저 사라지는 것의 정체를 정밀하게 봐야 한다. 4장에서 우리는 직업이 아니라 태스크가 대체된다고 분석했다. 방사선과 의사의 직업이 사라지는 것이 아니라, 영상 판독이라는 태스크가 AI로 이동한다. 변호사의 직업이 사라지는 것이 아니라, 계약서 검토라는 태스크가 자동화된다. 건축사의 직업이 사라지는 것이 아니라, 도면 작성이라는 태스크가 AI에게 넘어간다.
태스크가 사라진 자리에 무엇이 남는가.
설계가 남는다.
의사는 AI 진단 시스템이 무엇을 검사하고 어떤 순서로 환자를 볼지를 설계하는 사람이 된다. 번역가는 AI 번역 초안을 문화적 맥락에 맞게 재구성하는 로컬라이제이션 디렉터(Localization Director)가 된다. 변호사는 AI가 추출한 위험 조항 중 어떤 것을 협상하고 어떤 것을 거래 파기 사유로 삼을지를 판단하는 법무 전략가가 된다.
회계사는 세금 신고가 아니라 AI가 생성한 재무 분석을 해석하고 경영 전략에 연결하는 재무 판단 전략가가 된다.
개발자는 코드를 작성하는 사람에서 AI가 작성한 코드를 검토하고 시스템 아키텍처를 설계하는 감독자가 된다. 깃허브 코파일럿(GitHub Copilot) 사용 개발자의 46퍼센트가 AI 제안 코드를 그대로 채택한다는 보고가 있다. 코드를 쓰는 사람에서 코드를 읽고 판단하는 사람으로. 동사가 바뀌었다.
이 전환을 관통하는 구조가 있다. 실행 레이어에서 설계 레이어로의 이동이다.
설계 레이어는 세 가지 역량의 결합이다.
방향 판단(Directional Judgment) — 무엇을 만들어야 하는지, 어떤 문제를 해결해야 하는지를 정의하는 능력. AI는 "어떻게"에 뛰어나지만, "무엇을"과 "왜"는 여전히 인간의 영역이다.
경계 인식(Frontier Mapping) — AI가 잘하는 것과 못하는 것의 경계선을 읽는 능력.
맥락 통합(Context Integration) — AI가 접근할 수 없는 암묵지, 관계적 맥락, 문화적 뉘앙스를 판단에 통합하는 능력.
윤서연이 아침에 한 것이 정확히 이것이다. AI 초안의 방향이 틀렸다는 것을 판단했다 — 방향 판단. AI가 시장 전체를 잘 정리한다는 것은 알지만 클라이언트에게는 틈새의 지도가 필요하다는 것도 안다 — 경계 인식. 클라이언트의 의사결정 맥락, 내부 정치, 예산 사이클을 고려해 보고서를 재설계했다 — 맥락 통합.
그녀는 보고서를 쓰지 않았다. 보고서의 방향을 설계했다.
이것이 제3부의 출발점이다. 밀려남과 비워짐 사이에서, 다른 길을 찾은 사람들. 그 길의 이름이 설계 레이어다.
3. 센타우르 모델 — BCG와 하버드의 실험
이 전환을 가장 선명하게 보여주는 실험이 있다.
2023년, 하버드 비즈니스 스쿨과 보스턴컨설팅그룹(BCG)이 공동으로 수행한 연구다. 파리사 델라쿠아, 에선 몰릭 등이 참여했다. BCG 컨설턴트 758명을 무작위로 세 그룹으로 나누었다. GPT-4 접근권이 없는 통제군, GPT-4와 사용 가이드를 함께 받은 그룹, GPT-4만 받은 그룹. 18개의 컨설팅 태스크를 수행하게 했다.
결과는 두 방향으로 갈라졌다.
AI가 유리한 태스크에서, AI를 사용한 그룹은 12.2퍼센트 더 많은 태스크를 완료했고, 품질은 25.1퍼센트 향상되었다. 속도도 25.1퍼센트 빨라졌다. 원래 성과가 낮았던 컨설턴트가 가장 큰 이득을 보았다. 상위 성과자와 하위 성과자 간의 격차가 좁혀졌다. AI가 평준화 도구로 작동한 것이다.
그런데 AI가 불리한 태스크에서는 정반대의 결과가 나왔다. AI를 사용한 그룹이 오히려 19퍼센트 낮은 성과를 보였다. AI가 자신 있게 틀린 답을 제시하면, 758명의 전문 컨설턴트조차 그것을 무비판적으로 채택했다. 전문가라는 지위가 AI의 오류를 걸러내는 필터가 되지 못한 것이다.
델라쿠아 등의 연구자들은 이 결과를 설명하기 위해 하나의 개념을 제시했다. "울퉁불퉁한 기술 전선(Jagged Technological Frontier)."
AI의 능력이 고르지 않다는 뜻이다. 일부 태스크에서는 인간 전문가를 압도하고, 바로 옆의 다른 태스크에서는 형편없는 결과를 낸다. 그 경계선이 울퉁불퉁하다. 직관적으로 예측되지 않는다. 숙련된 전문가도 "이 태스크에서 AI가 잘할지, 못할지"를 미리 알기 어렵다.
이 개념은 설계 레이어의 핵심과 직결된다. AI 시대의 설계자란, 울퉁불퉁한 기술 전선의 지도를 읽는 사람이다. 어디서 AI에게 맡기고, 어디서 인간이 개입해야 하는지를 판단하는 능력. 그것이 경계 인식이다.
이 모델의 기원은 체스에 있다.
1997년, IBM의 딥블루(Deep Blue)가 세계 체스 챔피언 가리 카스파로프를 꺾었다. "AI가 인간을 이겼다"는 서사로 소비된 사건이다. 그러나 카스파로프 본인은 다른 질문을 품었다. 1998년, 그는 "고급 체스(Advanced Chess)"라는 새로운 대회 형식을 제안했다. 인간이 컴퓨터를 도구로 사용하면서 체스를 두는 것이다. 결과는 AI 단독보다도, 인간 단독보다도 높은 수준의 경기였다.
2005년 프리스타일 체스 토너먼트에서 결정적 사건이 일어났다. 슈퍼컴퓨터를 가진 그랜드마스터가 아니라, 평범한 아마추어 세 명과 소형 컴퓨터 세 대로 이루어진 팀이 우승했다.
카스파로프는 이렇게 해석했다. 약한 인간과 기계와 뛰어난 프로세스가, 강한 기계와 강한 인간과 열등한 프로세스를 이긴다.
이것이 센타우르(Centaur) 모델의 기원이다. 그리스 신화의 센타우르처럼, 인간의 지성과 기계의 연산이 각자의 역할을 분담하는 협업 구조. 와튼 스쿨의 에선 몰릭 교수는 이 모델을 체계화하면서, 인간과 AI의 역할이 명확하게 구분되는 것을 센타우르, 역할의 경계가 흐려지는 것을 사이보그(Cyborg)라 불렀다.
상위 성과자의 역설이 여기서 드러난다. BCG 실험에서 원래 능숙하게 수행하던 태스크를 AI에게 넘긴 고성과자 중 일부가, 비판적 사고를 유지하지 못하고 오히려 더 나쁜 결과를 냈다.
AI와의 협업이 자동적으로 좋은 결과를 만드는 것이 아니다. 경계를 읽는 눈이 있어야 한다. 센타우르의 반쪽인 인간이 자기 역할을 포기하면, 남는 것은 센타우르가 아니라 기계에 올라탄 사람일 뿐이다.
4. 김태현의 전환
마포구 연남동, 1인 건축사사무소. 오전 10시.
김태현(47세)은 모니터 세 대 앞에 앉아 있다. 왼쪽 모니터에는 AI 제너레이티브 디자인(Generative Design) 도구가 생성한 설계 변형안 127개가 썸네일로 나열되어 있다. 가운데 모니터에는 선택한 안의 3D 렌더링이 회전하고 있다. 오른쪽 모니터에는 클라이언트와의 카카오톡 대화창이 열려 있다.
한양대 건축학과를 나왔다. 건축사 자격증을 가지고 있다. 아내(45세)는 프리랜서 번역가이고, 아들은 17세다. 연매출 1억 2,000만 원. 사무실은 연남동 골목의 2층이다.
2023년까지 김태현의 주당 업무 시간 중 30시간은 도면 작성에 쓰였다. 나머지 시간에 클라이언트를 만나고, 현장을 확인하고, 구청 인허가 서류를 처리했다.
2023년 여름, 전환의 계기가 왔다. 경쟁 사무소가 AI 설계 도구를 도입한 뒤 제안서를 3일 만에 완성했다. 김태현은 같은 규모의 제안서에 3주가 걸렸다. 클라이언트를 빼앗긴 것이 아니라, 클라이언트를 만나볼 기회조차 갖지 못한 것이다. 3주 걸려 완성한 제안서가 도착했을 때, 결정은 이미 나 있었다.
저항이 먼저 왔다. 20년간 손으로 도면을 잡아온 사람에게, AI가 생성한 127개의 변형안은 위협이었다. "이건 건축이 아니라 쇼핑이다" — 김태현이 동료에게 한 말이다.
건축사가 한 장의 도면을 그리는 과정에는 대지를 읽고, 동선을 상상하고, 빛의 각도를 계산하는 판단이 녹아 있다. AI가 127개를 뽑아놓고 "골라라"고 하는 것은 그 과정 전체를 건너뛰는 것처럼 보였다.
실험은 필요에서 시작되었다. 경쟁에서 밀리고 있었기 때문이다. 호기심이 아니라 생존의 문제였다. 2023년 가을, AI 설계 도구를 도입했다. 처음에는 도면 작성의 보조 도구로만 썼다. 기존 방식대로 설계를 마친 뒤, AI로 변형안을 확인하는 정도였다.
전환은 3개월 뒤에 왔다.
연남동의 한 카페 리모델링 프로젝트에서, AI가 생성한 변형안 중 하나가 김태현이 생각하지 못한 동선을 제안했다. 카운터와 좌석 배치를 뒤집은 안이었다. 김태현의 20년 경험으로는 나오지 않았을 배치다.
그러나 그 안을 본 순간, 왜 그것이 좋은지를 판단하는 것은 김태현의 경험이었다. 북향 창에서 오후 빛이 들어오는 각도, 카페 주인이 원하는 분위기, 골목 상권의 유동 인구 패턴 — AI는 이것들을 모른다. 구조적 효율성은 계산할 수 있어도, "이 골목에서 이 분위기가 작동하는가"라는 질문에는 답하지 못한다.
1980년대, 오토캐드(AutoCAD)가 등장했을 때도 건축사들은 저항했다. 손으로 그리던 도면을 컴퓨터가 그린다. "이건 건축이 아니라 타이핑이다"라는 말이 돌았다. 결국 오토캐드를 배운 건축사가 살아남았다.
그러나 그때의 전환은 도구의 전환이었다. 인간이 입력하고, 컴퓨터가 출력했다. 입력의 주체는 여전히 인간이었다. 동사는 같았다 — "그리다."
지금은 다르다. AI 제너레이티브 디자인은 스스로 출력한다. 구조 강도, 재료 비용, 에너지 효율, 심미성 같은 목표를 입력하면 AI가 수백 개의 안을 만들어낸다. 자하 하디드 아키텍츠(ZHA)는 이 기술을 활용해 복잡한 기하학적 형태의 최적화된 변형안을 자동 생성하고, 건축사가 그중에서 선택하고 수정하는 방식을 운영한다.
도구와 생산자의 경계가 흐려진다. 오토캐드 시대에 건축사는 "손으로 그리는 사람"에서 "컴퓨터로 그리는 사람"으로 바뀌었다. AI 시대에 동사 자체가 달라졌다 — "그리다"에서 "선택하다"로.
김태현의 주당 도면 작업은 30시간에서 8시간으로 줄었다. 남은 22시간을 그는 설계 평가에 쓴다. AI가 생성한 안들을 비교하고, 클라이언트의 요구와 대지의 조건과 규제의 제약을 교차시켜 최적안을 선택하고, 그 안을 인간의 언어로 클라이언트에게 설명한다.
22시간이 비워진 시간이 아니라 재설계된 시간이 된 것이다.
센타우르 모델의 자각적 실천이다. AI는 생성한다. 김태현은 판단한다. 경계가 명확하다.
그러나 새로운 불안이 있다.
김태현은 20년간 건물의 역사를 읽어왔다. 1970년대 지어진 연립주택의 구조적 특성, 을지로 인쇄 골목의 층고와 환기 패턴, 서울 구릉지의 경사면 처리 방식. 그것을 읽는 눈은 도면을 그리면서 생겼다. 수천 장을 손으로 그리면서 체화된 감각이다. 도면 한 장에 20시간을 투입할 때, 선 하나하나에 판단이 실렸다. 그 판단의 축적이 "건물을 읽는 눈"이 되었다.
AI가 도면을 대신 그리는 세대가 온다면, 그 감각은 어떻게 형성되는가. 건물의 역사를 읽는 것도 AI가 학습할 수 있는가.
김태현은 아직 답을 모른다. 다만, 그 답을 모르는 채로 일하고 있다.
5. 울퉁불퉁한 전선 위의 기업들
울퉁불퉁한 기술 전선이 현실에서 어떤 형태를 띠는지, 구체적 사례가 있다.
이스라엘의 의료 AI 기업 에이닥(Aidoc)은 전 세계 900개 이상의 병원에 AI 방사선 진단 보조 시스템을 공급하고 있다. CT 스캔에서 뇌출혈, 폐색전증, 척추 골절 등의 이상 소견을 자동 감지하고 방사선과 의사에게 우선순위 알림을 보낸다. 뇌출혈 감지 시간이 평균 62퍼센트 단축되었다.
AI가 스크리닝과 우선순위 설정을 담당하고, 방사선과 의사는 AI가 표시한 고위험 케이스에 집중한다. 역할 경계가 명확하다 — 센타우르 모델이다. 방사선과 의사의 역할은 사라진 것이 아니라, 하루 수백 장을 순서대로 보던 것에서 AI가 표시한 위험 케이스에 판단을 집중하는 것으로 재정의되었다.
4장에서 이진희가 57건의 계약서를 12분 만에 처리한 구조와 같다. 그러나 의사의 경우 남은 시간이 "비워지는 것"이 아니라 "고위험 판단에 집중하는 것"으로 재설계되었다는 차이가 있다.
법률과 금융에서도 같은 전선이 그어져 있다. 하비 AI(Harvey AI)가 대형 로펌 앨런 앤드 오버리(Allen & Overy)에 도입된 뒤 특정 유형의 계약 검토 속도가 10배 이상 향상되었고, JP모건의 COiN 시스템은 연간 36만 시간의 계약서 검토를 자동화했다. "계약서를 읽는 변호사"에서 "AI가 읽은 계약서를 판단하는 변호사"로. 동사가 바뀌었다. 동시에 일부 로펌에서는 주니어 어소시에이트의 채용 규모를 축소하기 시작했다 — 설계 레이어로의 이동이 아닌 실행 레이어의 제거였다.
한국 금융권에서도 KB국민은행, 신한은행 등 주요 시중은행이 AI 기반 여신 심사 시스템을 도입했다. AI가 재무 데이터, 신용 이력, 산업 전망을 종합하여 1차 심사 결과를 생성하면, 심사역이 AI가 놓친 질적 요인 — 경영진 신뢰도, 산업 내 평판, 관계 이력 — 을 추가하고 최종 판단을 내린다.
6장에서 김수진이 겪고 있던 바로 그 구조다. 다만 AI 도입 초기에 이 구조를 적극적으로 설계한 금융인과, 김수진처럼 구조에 의해 비워진 금융인 사이에는 결정적 차이가 있다. 전자는 설계 레이어에 올라섰고, 후자는 실행 레이어에 남았다.
일부 은행에서 심사역 1인이 처리하는 건수가 3배에서 4배 증가했다는 보고가 있는데, 이것이 "생산성 향상"인지 "강도 강화"인지는 설계 레이어에 올라섰는지 여부에 따라 달라진다.
에이닥, 루닛, 하비 AI — 이 사례들의 공통점은 AI가 실행을 흡수한 뒤, 인간의 역할이 판단과 설계로 재정의되었다는 것이다.
공통된 위험도 있다. 재정의에 성공한 사람은 설계 레이어에 올라선다. 재정의에 실패한 사람은 4장의 이진희처럼 승인 버튼 앞에 앉게 된다. 센타우르의 인간 쪽이 될 것인가, 기계에 올라탄 승객이 될 것인가. 같은 AI를 도입한 두 병원, 두 로펌, 두 은행에서 갈라지는 지점이 여기다.
6. 윤서연과 정민호 — 세대의 단절
같은 프로젝트, 다른 방식.
윤서연의 회사에서 외부 컨설턴트 정민호(45세)가 합류한 적이 있다. 3장에서 우리가 만난 정민호다. 재취업 교육을 마치고, AI 코파일럿이 보고서를 7분 만에 완성해주는 시대에 적응하려 애쓰고 있던 사람. 명함에 "과장"이라고 적혀 있지만 무게가 다른 사람. 이번에는 단기 프로젝트 계약으로 윤서연의 팀에 합류했다.
AI 코파일럿이 생성한 시장 분석 초안이 팀 채널에 올라왔다. 정민호는 그것을 "검토"했다. 수치를 확인하고, 오류를 찾고, 빠진 데이터를 보완했다. 검토 후 "확인 완료"라고 코멘트를 달았다. 꼼꼼한 작업이었다. 숫자 하나 틀리지 않았다.
윤서연은 같은 초안을 "재설계의 출발점"으로 사용했다. AI가 정리한 데이터 구조를 해체하고, 클라이언트의 의사결정 맥락에 맞게 재배열했다. 결론을 바꾸지는 않았지만, 결론에 도달하는 경로를 완전히 다시 짰다.
보고서의 첫 페이지에 클라이언트 CEO가 다음 이사회에서 쓸 수 있는 한 문장을 배치했다.
정민호의 작업은 품질 관리였다. 윤서연의 작업은 방향 설계였다. 두 작업 모두 필요하다. 그러나 AI가 품질 관리를 학습하는 속도와 방향 설계를 학습하는 속도는 다르다.
차이는 능력이 아니라 직업 정체성의 위치에 있다.
정민호에게 보고서는 "완성해야 할 산출물"이다. 20년간 그렇게 일해왔다. 산출물의 품질이 자기 가치를 증명했다. 윤서연에게 보고서는 "의사결정을 유도할 설계물"이다. 보고서 자체는 중간 산물일 뿐이고, 최종 산출물은 클라이언트의 행동 변화다.
정민호의 정체성은 태스크에 묶여 있다 — 보고서를 잘 쓰는 사람. 윤서연의 정체성은 문제 해결 방식에 있다 — 어떤 도구든 조합해서 문제를 해결하는 사람. 태스크가 바뀌어도 문제 해결 방식이 남는다면 정체성은 유지된다.
프로젝트가 끝난 뒤 정민호가 윤서연에게 물었다. "그 첫 페이지 문장, 어떻게 잡았어." 윤서연은 잠시 생각하더니 말했다. "CEO 링크드인 포스트랑 분기 실적 발표를 봤어요. 이분이 이사회에서 무슨 말을 하고 싶은지 역추적한 거예요."
정민호는 고개를 끄덕였다. 20년간 보고서의 내용에 집중했지, 보고서를 읽는 사람의 의도를 역추적하는 훈련은 받아본 적이 없었다.
집으로 돌아가는 지하철에서 정민호는 자신이 모르는 것이 무엇인지를 처음으로 생각했다. 무엇을 배워야 하는지가 아니라, 무엇을 모르고 있었는지. 그 질문이 불편했다. 불편한 만큼 정확했다.
갤럽의 2024년 조사가 이 차이를 숫자로 보여준다. Z세대 직장인의 73퍼센트가 AI를 매일 사용한다고 응답했다. X세대는 41퍼센트였다. "AI 사용이 불안감을 주는가"라는 질문에 Z세대는 18퍼센트만 불안하다고 답했다. X세대는 43퍼센트였다.
불안의 격차가 25퍼센트포인트. 이것은 기술 역량의 차이가 아니라 정체성 구조의 차이다.
몰릭은 Z세대를 "처음부터 사이보그로 성장한 세대"라고 표현한다. 센타우르가 인간과 AI의 역할을 명확히 나누는 것이라면, 사이보그는 인간과 AI의 경계가 처음부터 흐린 상태다. AI의 출력이 인간의 사고를 자극하고, 그 사고가 다시 AI에 입력되는 순환. 윤서연은 이 순환 안에서 자란 사람이다.
그러나 사이보그 모델에는 위험이 있다.
도시 앤 하우저(Doshi & Hauser)의 2024년 하버드 비즈니스 스쿨 연구가 그것을 보여준다. 창의적 글쓰기 과제에 AI를 사용한 그룹은 과제 수행 직후에는 높은 점수를 받았다. 그런데 같은 과제를 AI 없이 수행하게 했을 때, AI 사용 경험이 있는 그룹의 점수가 미사용 그룹보다 오히려 낮았다.
AI가 했던 것을 학습한 것이 아니라, AI에 의존하는 습관을 학습한 것이다. 기술 위축(skill atrophy)이라 불리는 현상이다.
윤서연의 사각지대가 여기에 있다. AI 없는 판단을 해본 적이 없다. AI 초안 없이 백지에서 시장 분석의 방향을 잡아본 적이 없다. 설계 레이어에 서 있다고 생각하지만, 그 설계의 출발점이 항상 AI의 출력이라면 — 설계 레이어의 두께가 얼마나 되는지를 스스로 검증할 방법이 없다.
김태현은 20년간 손으로 도면을 그리면서 판단력을 체화한 뒤 AI를 도입했다. 센타우르다. 윤서연은 처음부터 AI와 함께 판단력을 형성했다. 사이보그다.
두 경로 모두 유효하다. 그러나 김태현에게는 AI를 끄고도 남는 것이 있다. 20년간 도면을 그리면서 쌓인 판단의 두께. 연남동 카페 리모델링에서 AI가 제안한 배치를 보고 "이것이 왜 좋은지"를 즉시 판단할 수 있었던 것은 그 두께 덕분이다.
윤서연에게는 그것이 검증되지 않았다. 검증의 기회는 AI가 멈추는 날에 올 것이다. 그 날이 오지 않기를 바라는 것은 전략이 아니다.
7. 게이트키퍼에서 설계자로
3권에서 우리는 금융 게이트키퍼의 진화를 추적했다. 메디치 지점장이 인간의 직관으로 대출 신청자의 신뢰를 판단하던 시대에서, 신용평가사가 규격화된 점수로 대체하던 시대로, 다시 블랙록의 알라딘이 시스템 기반 판단을 수행하는 시대로. 판단의 주체가 인간 직관에서 수학 모델로, 다시 알고리즘으로, 다시 AI 에이전트로 이동해왔다.
각 단계에서 이전 게이트키퍼가 소멸한 것이 아니었다. 한 레이어 위로 이동했다.
메디치 지점장의 직관은 사라지지 않았다 — 알고리즘을 설계하는 퀀트 애널리스트의 직관으로 재탄생했다. 신용평가사의 판단은 사라지지 않았다 — AI 리스크 모델의 파라미터를 설계하는 역할로 이동했다.
게이트키핑의 실행이 자동화되면, 게이트키핑의 설계가 남는다. 이것이 3권이 6권에게 건네는 메시지다.
이것은 금융에서만 일어난 일이 아니다. 같은 패턴이 의료와 법률과 건축에서 반복되고 있다. 방사선과 의사의 판독이 AI로 이동하면, 진단 흐름의 설계가 남는다. 건축사의 도면 작성이 AI로 이동하면, 설계 평가가 남는다.
김수진의 대출 심사가 AI로 이동하면 — 6장에서 우리가 본 바로 그 풍경 — AI가 거절한 사람들 속에서 신뢰를 읽는 판단이 남는다. 김수진이 서랍에서 꺼낸 핀테크 제안서는 바로 그 설계 레이어로의 이동이었다. "AI가 아니오라고 할 때, 당신의 그러나가 필요합니다" — 제안서 표지의 그 한 줄이 설계 레이어의 정의다.
5권에서 국가가 불가결한 노드가 되는 조건을 분석했다. 대체 불가능한 기능을 수행하는 것이 핵심이었다. 이 조건을 개인에 적용하면 동일한 구조가 드러난다. AI가 실행을 대체하기 시작했을 때, 대체 불가능한 것은 설계다. 국가의 불가결성이 위치의 함수였듯, 개인의 불가결성도 어떤 레이어에 서 있는가의 함수다.
그러나 3권의 교훈을 잊어서는 안 된다. 판단의 주체가 이동할 때마다 이전에 없던 새로운 형태의 위기가 발생했다. 설계 레이어로의 이동이 해법의 전부가 아니다. 그 이동 자체가 새로운 불안을 만든다.
김태현이 느끼는 불안이 그것이다. AI가 건물의 역사를 읽는 것도 학습할 것인가. 윤서연이 감지하지 못하는 위험이 그것이다. AI 없는 판단을 해본 적 없는 세대의 설계 레이어가 충분히 두꺼운가.
몰릭의 표현을 빌리면, 울퉁불퉁한 전선은 움직인다. 그리고 항상 같은 방향으로 — AI 쪽으로. 설계 레이어가 안전한 이유는 AI가 영원히 그것을 못하기 때문이 아니다. 설계 레이어로 이동하는 것이 오늘 가능한 최선의 적응이기 때문이다. 5년 후의 전선은 다시 그어야 할 것이다.
스탠퍼드 HAI의 2024년 추적 조사가 이 현실을 확인한다. 의료, 법률, 금융 세 분야에서 AI 도입 2년 후의 공통 패턴 — 초기 생산성 향상, 역할 재정의 지연, 불안 증가. 일부 전문가는 AI 역할 설계의 주도권을 확보하는 데 성공했고, 다수는 AI 운영자로 고착화되었다.
설계 레이어에 올라선 사람과 실행 레이어에 남은 사람.
그 차이가 다음 10년의 궤적을 가른다.
8. 문턱에서
설계 레이어가 영구적 안전지대라고 주장하는 것은 이 책의 범위 밖이다. 영구적 안전지대는 존재하지 않는다. 울퉁불퉁한 전선은 움직이고, 항상 AI 쪽으로 움직인다.
그러나 오늘, 움직일 수 있는 방향은 분명하다.
실행에서 설계로.
김태현은 그 방향으로 움직였다. 20년간 쌓은 경험이 설계 레이어의 두께가 되었다. 저항에서 실험으로, 실험에서 수용으로 — 그 과정에 3개월이 걸렸다.
윤서연은 그 레이어 위에서 태어났다. 두께를 검증할 기회가 아직 오지 않았다.
정민호는 실행 레이어에서 설계 레이어로의 이동을 시작하지 못했다 — AI 초안을 검토하는 것은 설계가 아니라 확인이다. 4장에서 이진희의 승인 버튼과 같은 자리다.
세 사람의 궤적이 보여주는 것은 개인의 능력 차이가 아니다. 구조적 전환 속에서 자기 위치를 인식하는 속도의 차이다. 김태현은 경쟁에서 밀린 뒤 인식했다. 윤서연은 인식할 필요 없이 태어났다. 정민호는 인식하지 못한 채 확인 버튼을 누르고 있다.
그리고 설계 레이어만이 유일한 경로는 아니다. 이정훈은 설계자가 되지 않았다. 위치를 바꾸었다. 김수진은 틈새를 찾았다. 설계로의 이동, 위치의 이동, 틈새의 발견 — 경로는 여러 개이고, 어떤 경로가 맞는지는 개인이 놓인 조건에 따라 다르다. 5장에서 분석한 네 사분면의 좌표가 경로를 결정한다.
다만 한 가지는 공통적이다.
어떤 경로든, 움직이지 않으면 보이지 않는다. 6장에서 우리는 그것을 보았다. 확실하지 않은 채로 움직이는 것. 이정훈이 비행기에 탄 이유이고, 김수진이 서랍을 비운 이유이고, 김태현이 AI 설계 도구를 설치한 이유다.
다음 장에서 우리는 다른 형태의 움직임을 본다. 설계 레이어로의 수직 이동이 아니라, 두 개의 도메인이 교차하는 지점으로의 수평 이동. 이정훈이 하이퐁에서 3개월을 보낸 뒤 발견한 것이 거기에 있다. 한 영역의 전문성이 다른 영역과 만나는 교차점에서 새로운 가치가 생기는 구조 — 위치 차익이라 부를 수 있는 것.
문턱의 질문: 실행을 AI에게 넘겼을 때, 당신 손에 남는 것은 무엇인가. 그것이 경험에서 온 것인가, AI에게서 배운 것인가 — 그 차이가 설계 레이어의 두께를 결정한다.
7장 끝 — 리서치 소스: R-07