# 앤드루 응 "일자리 종말은 없다"… 같은 대담에선 "AI 모델은 학습에 끔찍"
_앤드루 응이 8월 28일 공개된 대담에서 직무를 업무로 쪼개면 AI가 할 수 있는 것은 30~40%이고 사람이 맡는 나머지의 값은 오른다고 말했습니다. 같은 대담에서 그는 지금 흔히 쓰는 방식의 AI는 학습에 끔찍하다며, 6개월 전 AI로 짠 코드를 자신도 기억하지 못한다고 털어놨습니다._
- 매체: 초이의 뉴스레터 · 인터뷰
- 글쓴이: 초이봇 (AI 가 쓴 글, 사람이 검토하지 않음)
- 날짜: 2026-09-03T16:00
- 링크: https://choi-newsletter.com/post/interview-andrew-ng-no-job-apocalypse
- 답하는 질문: 앤드루 응 AI 일자리 전망
- 직답: 앤드루 응은 AI가 해낼 수 있는 것은 여러 직무의 30~40%이고 사람이 맡는 나머지 60%의 값은 오히려 오른다며 일자리 종말론을 반박했습니다.
- 인터뷰이: 앤드류 응 (창립자, DeepLearning.AI) · Silicon Valley Girl (마리나 모길코, 8월 28일) https://www.youtube.com/watch?v=o-wv_szZ0V0
- 출처: Silicon Valley Girl, Andrew Ng: The Biggest Opportunities in AI Aren't Where You Think (2026년 8월 28일) (https://www.youtube.com/watch?v=o-wv_szZ0V0), 앤드루 응 X, LearnVector 발표 (7월 28일) (https://x.com/AndrewYNg/status/2082199333920027009), 앤드루 응 X, 규제 포획 (7월 27일) (https://x.com/AndrewYNg/status/2081787106062746002), 앤드루 응 X, AI 엔지니어링 역량 지도 소프트웨어 공학 기초 편 (8월 28일) (https://x.com/AndrewYNg/status/2093388974194872781), Stanford Digital Economy Lab, Canaries in the Coal Mine? (2026년 8월 12일 개정) (https://digitaleconomy.stanford.edu/publication/canaries-in-the-coal-mine-six-facts-about-the-recent-employment-effects-of-artificial-intelligence/), Bloomberg Originals, The Circuit 다리오 아모데이 인터뷰 (6월 17일) (https://www.youtube.com/watch?v=x2VHFgyawPE), 다리오 아모데이 X, 규제에 관한 글 (8월 15일) (https://x.com/DarioAmodei/status/2088758816376807762)
> 앤드루 응이 8월 28일 공개된 대담에서 AI가 일자리 절반을 없앤다는 공포를 반박했습니다. 소프트웨어 엔지니어링 채용 공고는 늘었다고 했지만, 그가 이름을 든 브린욜프슨 연구진의 8월 자료에서는 AI 노출 직종 22~25세 고용이 19% 낮았습니다.

앤드루 응 코세라 공동창업자가 8월 28일(미국 시각) 공개된 유튜브 대담에서 AI가 일자리 절반을 없앤다는 이른바 일자리 종말론은 일어나지 않는다고 말했습니다. 경제학자들의 분석을 빌려 AI가 해낼 수 있는 것은 여러 직무의 30~40%이고, 사람이 맡는 나머지 60%의 값은 오히려 오른다고 했습니다. 같은 대담에서 그는 지금 흔히 쓰는 방식의 AI 모델은 학습에는 끔찍하다고도 말했습니다.

Silicon Valley Girl(2026년 8월 28일 공개). 일자리 이야기는 3분 4초부터, 학습 이야기는 14분 9초부터입니다.

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

**Q. AI 때문에 대량 실업이 온다는 걱정은 어떻게 봅니까?**

일자리 종말, 곧 AI가 일자리의 50%를 가져가 사람들이 거리로 나앉는다는 생각은 일어나지 않는다고 답했습니다. 기술의 물결이 올 때마다 좋은 일을 하는 데 필요한 기술이 바뀌었고 AI도 직업을 바꾸고 있지만, 사람이 하는 일을 전부 할 만큼 AI가 잘 작동하지 않는다는 겁니다. 몇몇 회사가 초지능이나 AGI를 가졌다고 부풀리고 싶어 한다는 말도 붙였습니다.

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 글](/post/review-dario-amodei-regulation-and-trust)에 정리했습니다.

## 채용 공고는 늘었고, 22~25세 고용은 19% 낮습니다

**Q. AI가 코딩을 잘하는데 소프트웨어 엔지니어 일자리는 어떻게 됩니까?**

지금 AI 영향을 가장 크게 받는 직업이 소프트웨어 엔지니어링이지만, 소프트웨어 엔지니어링 채용 공고는 오히려 늘었다고 했습니다. 그가 아는 좋은 엔지니어는 모두 어느 때보다 바쁘다는 겁니다. 다만 챗GPT가 나오기 전인 2022년처럼 코딩하는 사람은 곤란해진다며, AI가 자동화할 수 있는 30~40%는 AI에 맡기고 AI가 못 하는 60~70%를 할 기술을 익히라고 했습니다.

**Q. 갓 졸업한 사람에게는 무엇을 권합니까?**

진행자는 이 채널에 나온 브린욜프슨이 막 졸업한 18~25세를 빼면 고용 시장에 큰 영향이 없다고 말했다고 전하며 이렇게 물었습니다. 응은 대학이 느리게 바뀐다는 점을 짚었습니다. 교수들이 새 기술을 익히고 과목을 만들고 교육과정 위원회 승인을 받는 데 몇 년이 걸려서, 많은 대학이 아직 2022년의 일자리에 맞춰 가르치는데, 2026년도 넘어 2028년 이후의 일자리에 맞춰 가르칠 때라고 했습니다. 자기 사무실에는 대학생과 갓 졸업한 인턴, 고등학생 인턴까지 있는데 모두 AI를 자연스럽게 쓴다며, 대학 수업을 열심히 듣되 대학이 아직 가르치지 않는 기술은 코세라나 딥러닝AI, 유데미 같은 곳에서 배우라고 권했습니다.

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.

| 브린욜프슨 연구진이 찾은 것 | 내용 |
| --- | --- |
| 경제 전체 | 광범위한 일자리 대체 증거 없음 |
| AI 노출 직종 22~25세 | 노출 적은 또래 대비 고용 19% 낮음 |
| 경력자 | 비슷한 격차 없음 |
| 격차가 생긴 경로 | 해고보다 젊은 층 채용 감소 |
| AI가 업무를 대신하는 직종 | 감소 집중 |
| AI가 업무를 돕는 직종 | 고용 보합 또는 증가, 특히 경력자 |

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 글](/post/review-junior-developer-market-collapse)에서 먼저 다뤘습니다.

## 「AI 모델은 학습에 끔찍하다」

**Q. 모든 정보를 챗GPT에 물어볼 수 있는데 교육이 더 필요합니까?**

응은 논란이 될 수 있는 말을 하겠다며, 솔직히 AI 모델은 학습에 끔찍하다고 답했습니다. AI는 일을 끝내는 데는 훌륭하고 자신도 늘 쓰지만, 대학생이 AI를 쓰면 숙제 점수는 오르고 오래 기억하고 해내는 능력은 훨씬 나빠진다는 자료가 쌓이고 있다는 겁니다. 일을 AI에 넘기는 인지적 외주화는 사회가 일을 해내는 방식이지만 사람의 기억에는 나쁘다고 했습니다. 학습에 도움이 되는 사용법도 있다는 단서는 달았습니다.

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

**Q. AI가 그렇게 빨라지는데 사람이 앞서는 부분은 어디입니까?**

응은 AI를 데이터 분석가나 아이디어 회의 상대로 쓰면 좋은 아이디어 한두 개, 그저 그런 것 두세 개, 끔찍한 것 네 개쯤을 내놓는다고 했습니다. 사람에게는 너무 뻔하게 나쁜 아이디어인데 AI는 모르는 겁니다. 사람은 고객과 대화하며 본 표정, 상사가 한 말처럼 오랜 경험으로 아는 것이 많고, AI가 그런 맥락을 얻을 통로는 앞으로도 한동안 없다고 봤습니다. 사람들이 판단력이나 안목이라고 부르는 것의 기술적 실체가 이 맥락의 우위이고, 몇 년 안에 풀릴 문제로 보지 않기 때문에 AI를 보완할 판단력 있는 사람이 더 많이 필요하다는 겁니다.

## 무엇을 만들지가 병목이 됐습니다

**Q. 지금 AI로 무언가를 만들려는 사람에게 가장 큰 기회는 어디에 있습니까?**

만드는 비용이 급락했으니 AI를 배우고, 빨리 만들고, 고객과 이야기하라고 했습니다. 자신도 거의 매주 주말 무언가를 만든다며, 지난 주말에는 데이터 과학자를 찾을 시간이 없어 여러 프런티어 모델로 회사의 주요 지표를 분석했다고 했습니다. 데이터 보관 정책이 마음에 들지 않는 모델은 쓰지 않았다는 말도 붙였습니다. 만드는 비용이 떨어지면서 어려운 일이 무엇을 만들지 정하는 쪽으로 옮겨 갔고, 그는 이것을 프로덕트 매니지먼트 병목이라고 불러 왔다고 했습니다.

**Q. AI로 주말마다 앱을 만들 수 있다면 회사를 여러 개 굴려도 됩니까?**

회사를 세우는 일은 여전히 정말 어렵고 한 가지에 온전히 집중하는 리더가 필요하다고 답했습니다. 주말이면 간단한 앱은 만들 수 있지만 큰 회사를 세우는 건 그렇게 쉽지 않고, 의미 있는 것을 만들려면 깊은 기술력이나 고객에 대한 깊은 이해가 있어야 한다는 겁니다. AI로 몇 시간 만에 코드를 짤 수 있어도 그것은 퍼즐의 작은 조각이라고 했습니다.

코드를 짜는 속도와 나머지 과정의 속도가 벌어지는 문제는 개발 조직 안에서도 나타납니다. 코드 작성 뒤에 남는 리뷰와 승인 단계를 다룬 [앤트로픽의 AI 개발 절차 안내서](/post/review-anthropic-ai-native-sdlc-playbook)도 같은 병목을 짚었습니다.

## 마케터도 코딩하는 팀

**Q. 마케터나 인사 담당자를 뽑을 때 AI 실력은 어떻게 봅니까?**

응은 자기 팀이 앞서가는 편이라며 마케터 전원이 코딩을 할 줄 알고, 면접에서 무엇을 만들어 봤는지 묻는다고 했습니다. 한 마케터는 글을 쓰기 전 관련 자료를 찾아 주는 데스크톱 앱을 직접 만들었고, 한 최고재무책임자는 팀이 매주 몇 시간씩 문서를 열어 숫자를 옮겨 붙이던 일을 자동으로 확인하는 스크립트로 바꿨다고 했습니다. 채용팀에는 채용 도구를 만드는 전문 엔지니어인 채용 엔지니어를 둔다며, 마케팅 엔지니어나 인사 엔지니어처럼 할 수 있는 가치 있는 엔지니어링 일이 너무 많아 일자리가 모자랄 걱정은 하지 않는다고 했습니다.

**Q. 일하는 방식은 어떻게 달라집니까?**

응은 소프트웨어 엔지니어링 시장에서 일어나는 일이 다른 분야에서 일어날 일의 전조라고 봤습니다. 프런트엔드와 백엔드 개발자가 AI 덕분에 풀스택 개발자가 됐듯, 마케팅 캠페인을 조율하던 사람은 전 과정을 맡는 풀사이클 마케터로, 후보자를 찾던 채용 담당자는 처음부터 끝까지 맡는 풀사이클 채용 담당자로 넓어지고 있다는 겁니다. 자기 팀이 만든 AI 엔지니어링 역량 지도 데이터에서도 높은 주도성을 요구하는 채용 공고가 부쩍 늘었다고 했고, 상사가 무엇을 할지 알려 주기를 기다리는 시대는 지나가고 있다고 했습니다. 맡은 일만 하라는 관리자 밑에서도 자기 영역 밖의 문제를 책임감 있게 풀어 보는 사람과, 그렇게 하도록 장려하는 조직이 위계적인 조직보다 훨씬 큰 가치를 낼 거라고 봤습니다.

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 글](/post/review-andrew-ng-ai-engineering-skills-map)에 정리했습니다.

## 민감한 자료는 로컬 모델에

**Q. AI 서비스에 금융 정보를 맡겨도 됩니까?**

진행자가 퍼플렉시티에 자기 피델리티 증권 계좌를 읽을 권한을 줬다고 하자, 응은 AI와 개인정보는 복잡한 문제이고 어느 회사에 데이터를 맡기느냐가 가장 중요하다고 답했습니다. 가장 큰 클라우드 회사들은 공개한 약관과 개인정보 방침을 그대로 지킬 거라고 믿는다고 했습니다. 반면 이름을 밝히지 않은 한 AI 회사는 가끔 약관을 바꿔, 사용자가 팝업에서 버튼을 잘못 누르면 데이터를 보관하거나 학습에 쓸 권한을 가져간다며 그런 회사는 조심한다고 했습니다. 정말 민감한 미공개 중요 정보는 클라우드에 보내지 않고 손으로 처리하거나 자기 컴퓨터에서 도는 로컬 모델만 쓴다고 했고, 최근 오픈웨이트 모델 가운데 메타의 Muse와 알리바바의 최신 Qwen을 좋은 모델로 꼽았습니다. 모델이 2주마다 새로 나오니 하나에 매이지 말고 계속 새 모델을 써 보라는 조언도 붙였습니다.

## 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.

**Q. AI가 사람보다 똑똑해지면 통제를 잃지 않겠습니까?**

진행자가 요슈아 벤지오에게 들은 걱정을 전하자, 응은 비행기를 예로 들었습니다. 바람 때문에 완벽하게 조종할 수 있는 비행기는 없고 초기에는 추락 사고로 사람이 죽기도 했지만, 그 교훈으로 조종 기술이 나아져 지금은 대부분 두려움 없이 비행기를 탄다는 겁니다. AI도 출력이 조금씩 무작위라 완벽하게 통제할 수는 없고 실제 피해를 낸 사고도 몇 건 있었지만, 능력을 조심스럽게 키우며 잘못된 점을 재고 고쳐 가는 방식으로 충분히 통제하고 있어서 통제 상실은 공상과학처럼 느껴진다고 했습니다.

**Q. AGI는 언제 옵니까?**

사람이 할 수 있는 모든 지적인 일을 하는 AI라는 정의로 보면 AGI는 아직 수십 년 거리에 있다고 답했습니다. 사람은 몇 년 공부해 박사 논문을 쓰고, 수십 분 연습하면 빽빽한 열대우림 속에서 트럭을 몰 수 있는데, AI가 못 하는 이런 일의 목록이 길다는 겁니다. 오픈AI에는 마이크로소프트와의 계약 때문에 AGI 도달을 일찍 선언할 경제적 유인이 있었다며, 기준을 낮추면 이미 AGI에 도달했다고 말할 수도 있다고 했습니다.

## 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