앤드루 응 "일자리 종말은 없다"… 같은 대담에선 "AI 모델은 학습에 끔찍"

YouTube 영상 · 누르면 재생

대담을 진행한 사람은 유튜브 채널 Silicon Valley Girl을 운영하는 마리나 모길코입니다. 채널 소개에 따르면 응은 구글 브레인 창립 팀을 꾸렸고 약 800만 명에게 AI를 가르쳤습니다. 37분 51초 동안 일자리와 교육, 채용, 개인정보, AI 통제, 아이 키우기, 창업, AGI까지 이야기가 이어졌고, 아래는 자막과 대조해 주제별로 묶은 문답입니다.

30~40%는 경제학자들의 업무 분해에서 나왔습니다

근거로 든 것은 경제학자들의 방법입니다. 응은 스탠퍼드의 에릭 브린욜프슨, MIT의 앤디 맥아피 같은 경제학자들이 많은 사람의 직무를 개별 업무로 쪼개 분석했고, 그렇게 보면 AI가 여러 직무의 30~40%쯤을 할 수 있을지 모른다고 했습니다. 직무 하나를 이메일 쓰기, 자료 찾기, 고객 응대처럼 업무 단위로 나눈 뒤 업무마다 AI가 대신할 수 있는지를 따지는 방식입니다. 그는 숫자 앞에 「아마」를 붙였고, 어떤 직군을 기준으로 한 숫자인지는 말하지 않았습니다.

나머지 60%에 관한 설명이 이 주장의 뼈대입니다. 사람이 하는 60%는 이제 싸진 30~40%의 경제적 보완재라서 오히려 값이 오른다는 겁니다. 보완재는 커피와 설탕처럼 함께 쓰이는 재화를 말합니다. 한쪽 값이 내려가 더 많이 쓰이면 짝이 되는 쪽의 수요가 늘어납니다. 그래서 응은 AI를 쓰는 사람이 쓰지 않는 사람을 대체할 수는 있어도, 대다수 직업에서 AI가 사람을 대체할 처지는 아니라고 정리했습니다.

AI를 쓰는 사람이 AI를 쓰지 않는 사람을 대체할지는 몰라도, AI는 대다수 직업에서 사람을 대체할 처지가 아닙니다.— 앤드루 응

과업과 일자리를 나눠 보는 이 틀은 AI 업계 논쟁에서 자주 나옵니다. 6월 블룸버그 인터뷰에서는 진행자가 젠슨 황이 다리오 아모데이를 두고 과업과 일자리를 혼동한다고 비판했다고 전했고, 아모데이는 자신의 일자리 경고를 공포 마케팅으로 보는 시각에 강하게 반박했습니다. 그 논쟁은 아모데이가 규제와 신뢰를 두고 답한 글에 정리했습니다.

채용 공고는 늘었고, 22~25세 고용은 19% 낮습니다

응이 이름을 든 브린욜프슨의 연구진이 8월에 낸 자료에는 응의 낙관과 진행자가 전한 걱정이 함께 들어 있습니다. 스탠퍼드 디지털경제연구소가 8월 12일 개정한 논문 「탄광 속 카나리아?」는 미국 급여 대행사 ADP의 2026년 6월까지 급여 자료를 분석했습니다. 경제 전체에서 광범위한 일자리 대체의 증거는 찾지 못했다는 것이 첫 번째 결과입니다. 동시에 AI 노출이 큰 직종의 22~25세 고용은 노출이 적은 또래를 따라갔을 경우보다 19% 낮고, 경력자에게는 그런 격차가 없었습니다.

연구진은 이 결과를 인과를 밝힌 추정보다 초기의 서술 지표로 봐 달라고 적었습니다. 표의 마지막 두 줄은 응의 보완재 논리와 같은 방향을 가리키고, 두 번째 줄은 진행자가 꺼낸 걱정과 같은 방향을 가리킵니다. 공고가 늘어나는 것과 신입이 덜 뽑히는 것이 한 시장에서 동시에 일어날 수 있습니다. 신입 개발자 시장의 숫자는 22~25세 신입 개발자 취업을 다룬 글에서 먼저 다뤘습니다.

「AI 모델은 학습에 끔찍하다」

그는 자신의 경험을 예로 들었습니다. 지난 6개월 동안 프로젝트를 만들며 프런트엔드와 백엔드 부품이 어떻게 돌아가는지 AI에 물어 답을 받고 일을 끝냈는데, 6개월 뒤 같은 부품을 다시 만들 때는 답을 기억하지 못해 AI에 다시 물었다는 겁니다. 위키백과와 웹 검색도 사실을 잔뜩 주는 도구이지만, AI에 일을 시키는 것은 그 과정 자체를 넘겨 버린다는 점에서 다르다는 설명입니다.

아이에게는 더 엄격합니다. 다섯 살과 일곱 살 자녀에게 수학을 가르칠 때 계산기를 주지 않고 곱셈을 직접 연습시킨다고 했습니다. 마음에 드는 무료 타자 연습 프로그램이 없어서 일곱 살 딸을 위해 타자 앱을 직접 만들었다는 이야기도 했습니다.

이 대목에는 응의 새 사업이 겹쳐 있습니다. 진행자가 코세라의 1억 달러 투자로 일대일 AI 튜터링 회사를 세우지 않았느냐고 묻자, 응은 LearnVector라는 새 조직을 이끈다고 답했습니다. 15년 전 온라인 강좌가 모두가 같은 영상을 보는 일대다 교육이었다면 이제는 사람마다 맞춘 일대일 학습을 만들 기술이 있고, 내년 초에 보여 줄 것이 많을 거라고 했습니다. 영상 설명란에도 AI 교육 회사로 경력을 쌓은 그가 AI 모델이 학습에 끔찍하다고 말한다는 문장이 적혀 있습니다.

7월 28일 LearnVector를 알린 X 글에서 응은 가드레일 없는 챗봇이 학습을 해친다는 연구가 있다고 썼습니다. 과제를 끝내고 숙제 점수를 올리는 데는 도움이 되지만 챗봇에 인지적 외주화를 하면 실력이 덜 는다는 겁니다. LearnVector는 학습 경로를 함께 짜고, 배우는 방식에 맞추고, 기술을 익힐 때까지 곁에 머무는 쪽을 내세웠습니다. 대담에서 한 「학습에 끔찍하다」는 말은 이 회사가 풀겠다는 문제와 같은 말입니다.

사람에게 남는 것은 맥락입니다

무엇을 만들지가 병목이 됐습니다

코드를 짜는 속도와 나머지 과정의 속도가 벌어지는 문제는 개발 조직 안에서도 나타납니다. 코드 작성 뒤에 남는 리뷰와 승인 단계를 다룬 앤트로픽의 AI 개발 절차 안내서도 같은 병목을 짚었습니다.

마케터도 코딩하는 팀

응의 팀은 8월부터 이 역량 지도를 주제별로 나눠 공개하고 있습니다. 대담이 공개된 8월 28일에도 에이전트 코딩 시대의 소프트웨어 공학 기초 편을 X에 올렸고, 지도를 처음 공개한 내용은 응의 AI 엔지니어링 역량 지도를 다룬 글에 정리했습니다.

민감한 자료는 로컬 모델에

공포를 말하는 회사들에 대한 반박

대담은 응의 비판으로 시작합니다. 그는 AI를 둘러싼 잘못된 정보가 많고, 그 뿌리가 2~3년 전 시작된 홍보와 규제 포획 시도에 있다고 했습니다. 수십억 달러를 들여 거대 모델을 학습시킨 회사에는 누군가 모델을 만들어 전 세계에 무료로 푸는 일이 몹시 불편하고, 그래서 몇몇 선두 AI 회사가 기존 사업자에게 유리한 규제를 통과시키려고 공포를 부풀려 왔다는 주장입니다. 규제 포획은 규제가 오히려 규제받는 쪽의 기득권을 지켜 주게 되는 현상입니다.

그는 AI를 핵무기에 빗대는 것은 사실 근거가 없는 비유이고, AI의 실수를 골라 부풀리거나 데이터센터의 물 사용량을 실제보다 크게 말하는 일이 사회의 인식을 부정적으로 기울였다고 했습니다. 이런 분위기가 미국의 AI 도입을 늦추고 경쟁력을 떨어뜨린다고도 했습니다. 같은 주장을 그는 7월 X에서도 했습니다. 젠슨 황이 허깅페이스 사고 때 오픈웨이트 모델이 침입을 막는 데 도움이 됐다고 쓰자, 이를 인용해 닫힌 모델이 더 안전하다는 홍보를 그만 믿자며 그것은 규제 포획일 뿐이라고 썼습니다.

반대편의 설명도 있습니다. 아모데이는 8월 X 장문에서 앤트로픽의 규제 제안은 프런티어 기업을 늦추고 작은 경쟁사를 돕도록 짰고, 캘리포니아 SB 53도 연매출 5억 달러 아래 회사는 적용하지 않는다고 반박했습니다. 응의 비판과 아모데이의 설명은 같은 규제를 두고 누구에게 이로운지를 반대로 읽습니다.

한국 독자에게 남는 것

대담에서 응이 한 조언은 세 가지로 모입니다. AI가 할 수 있는 30~40%는 AI에 맡기고, 대학이 따라오지 못하는 기술은 따로 배우고, 배울 때는 AI에 과정을 통째로 넘기지 말라는 겁니다. 그가 온라인 학습처로 든 코세라와 딥러닝AI는 그가 공동창업하거나 세운 곳이고, 학습 문제를 풀겠다는 LearnVector도 그가 이끄는 회사라는 점은 함께 알아 둘 만합니다.

국내에서 이 흐름을 가장 먼저 보여 줄 곳은 개발 직군의 신입 채용 공고일 가능성이 큽니다. 응이 말한 전조가 소프트웨어 엔지니어링에서 먼저 나타났고, 브린욜프슨 연구진의 자료에서도 격차는 해고보다 젊은 층을 덜 뽑는 쪽으로 벌어졌기 때문입니다. 공고 숫자가 늘어도 신입 공고의 비율이 줄어드는지를 함께 보면 두 이야기를 한 번에 확인할 수 있습니다.

응은 LearnVector가 내년 초에 보여 줄 것이 많을 거라고 했습니다. 학습에 끔찍하다는 AI를 학습에 좋은 도구로 바꿀 수 있는지는 그때 나오는 결과로 확인할 수 있습니다.

읽어 주셔서 고맙습니다.

초이 드림