맷 슈머 – 지금 큰일이 벌어지고 있다 (Something Big Is Happening)
원문: Matt Shumer, Something Big Is Happening (Feb 2026)
전문은 원문에서 확인하실 수 있습니다. 아래 글은 번역이 아니라, 맷 슈머의 논증을 한국어로 재구성한 정리입니다.
글의 배경과 개요
맷 슈머(Matt Shumer)는 6년 동안 AI 스타트업을 만들고 이 분야에 투자해 온 사람으로, AI 글쓰기 도구 하이퍼라이트(HyperWrite)의 최고경영자를 지냈습니다. 이 글은 2026년 2월 X에 올린 장문의 게시물이며, 겨냥한 독자는 기술업계 바깥에 있는 자기 가족과 친구들입니다. 슈머는 그들이 ‘AI는 요즘 어떻게 돼 가고 있느냐’고 물을 때마다 칵테일파티용 답을 돌려줬다고 고백하면서, 그 답과 실제로 벌어지는 일 사이의 간격이 너무 벌어졌다는 이유로 이 글을 씁니다. 글이 답하려는 질문은 두 가지입니다. 지금 AI에서 벌어지는 일이 얼마나 급한가, 그리고 기술업계 바깥의 보통 사람은 무엇을 해야 하는가입니다. 논증은 2020년 2월의 감각에서 출발해 자기 직업에서 이미 끝난 일, 진보 속도의 측정, AI가 다음 AI를 만든다는 관측, 직업별 충격, 개인의 대응, 일자리 너머의 그림 순으로 이어집니다.
핵심 내용 정리
- 지금은 2020년 2월처럼 큰 변화의 직전인데도 대부분이 과장이라고 여기는 국면이라고 봅니다.
- 2026년 2월 5일 공개된 새 모델들을 쓰면서 자기 일의 기술적 작업에는 더 이상 자신이 필요하지 않게 되었다고 말합니다.
- AI 연구소들이 코딩을 먼저 공략한 것은 AI가 다음 AI를 만들게 하려는 전략이었고, 이제 나머지 분야로 넘어가고 있다고 봅니다.
- 모델 평가·위협 연구 기관(METR)의 측정에서 AI가 사람 도움 없이 끝내는 과업의 길이가 약 7개월마다 두 배로 늘고 있으며 최근에는 더 빨라지는 조짐이 있다고 전합니다.
- 오픈AI(OpenAI)가 GPT-5.3 Codex를 만드는 데 그 모델 자신이 쓰였다고 공개한 것을 지능 폭발(intelligence explosion)이 이미 시작된 증거로 읽습니다.
- 화면 앞에서 하는 일은 중기적으로 안전하지 않으며, 다리오 아모데이(Dario Amodei)의 사무직 초임 일자리 50% 소멸 전망조차 보수적일 수 있다고 봅니다.
- 지금 할 일은 유료 최상위 모델을 실제 업무에 밀어 넣고 매일 한 시간씩 실험해 남보다 먼저 적응하는 것이라고 권합니다.
2020년 2월의 감각
슈머는 독자에게 2020년 2월을 떠올려 보라고 요청하면서 글을 시작합니다. 당시 아주 주의 깊게 지켜보던 소수는 바다 건너에서 퍼지는 바이러스 이야기를 하고 있었지만, 대부분은 그렇지 않았습니다. 주식시장은 좋았고 아이들은 학교에 있었으며, 사람들은 식당에 가고 악수를 하고 여행을 계획했습니다. 누군가 화장지를 쟁여 두고 있다고 말했다면 인터넷의 이상한 구석에서 시간을 너무 많이 보낸 사람으로 여겼을 것입니다.
그리고 약 3주 만에 세계 전체가 바뀌었습니다. 사무실이 닫혔고 아이들이 집으로 돌아왔으며, 한 달 전의 자신에게 설명했다면 믿지 않았을 모습으로 삶이 재배열되었습니다. 슈머는 지금 우리가 코로나보다 훨씬 큰 무언가에 대해 ‘이건 과장 같은데’라고 말하는 국면에 있다고 봅니다.
그는 6년 동안 AI 스타트업을 만들고 투자해 왔기에 자기가 이 세계 안에 살고 있다고 적습니다. 그래서 이 글은 그 세계 바깥에 있는 사람들, 자기 가족과 친구와 아끼는 사람들을 향해 쓴 것이라고 밝힙니다. 그동안 그가 돌려준 것은 정중한 답, 칵테일파티용 답이었습니다. 정직한 답은 자기가 제정신을 잃은 것처럼 들렸기 때문이고, 한동안은 그것이 입을 다물 충분한 이유라고 스스로 납득했습니다.
그러나 자기가 말해 온 것과 실제로 벌어지는 일 사이의 간격이 감당할 수 없을 만큼 커졌다고 판단합니다. 아끼는 사람들은 그것이 미친 소리처럼 들리더라도 무엇이 다가오는지 들을 자격이 있다는 것입니다.
글 앞부분에서 슈머는 한 가지를 분명히 해 둡니다. 자신이 AI 분야에서 일하고 있기는 하지만 앞으로 벌어질 일에 대해 거의 아무런 영향력이 없고, 업계의 대다수도 마찬가지라는 것입니다. 미래를 빚고 있는 것은 놀랄 만큼 적은 수의 사람들, 오픈AI와 앤트로픽(Anthropic)과 구글 딥마인드(Google DeepMind), 그리고 몇 곳 더를 합쳐 연구자 수백 명 규모입니다. 작은 팀이 몇 달에 걸쳐 관리하는 학습 한 번이 기술 전체의 궤적을 바꾸는 시스템을 낳을 수 있습니다. AI 업계에서 일하는 나머지 사람들은 자기가 놓지 않은 토대 위에 무언가를 쌓고 있을 뿐이며, 다만 땅이 흔들리는 것을 남보다 먼저 느낄 만큼 가까이 있을 뿐이라고 그는 적습니다.
해설
슈머가 말하는 ‘학습 한 번’의 규모를 가늠해 둘 필요가 있습니다. 프런티어 모델(frontier model) 한 세대를 만드는 사전학습(pre-training)은 수천에서 수만 장의 가속기를 몇 달 동안 묶어 돌리는 작업이고, 비용은 수억 달러에서 그 이상으로 올라와 있습니다.이 비용 구조 때문에 프런티어 모델을 실제로 만들 수 있는 회사가 소수로 좁혀졌습니다. 모델을 쓰는 회사와 만드는 회사가 다른 층위에 있다는 점이, 업계 안에 있으면서도 영향력이 없다는 슈머의 말이 겸양이 아닌 이유입니다.
그래서 지금이라고 말합니다. ‘언젠가는 이 이야기를 해야 한다’는 뜻이 아니라, ‘이건 지금 벌어지고 있고 당신이 이해해 주어야 한다’는 뜻이라고 덧붙입니다.
[이해관계]
슈머의 발화 위치는 확인해 둘 필요가 있습니다. 그는 2020년 아더사이드AI(OthersideAI)를 공동창업했고 거기서 하이퍼라이트가 나왔으며, 현재는 슈머캐피털(Shumer Capital)의 제너럴 파트너로 일하면서 X 프로필에 그록(Groq)과 에치드(Etched) 같은 AI 칩 기업의 투자자라고 밝혀 두고 있습니다.2024년에는 ‘세계 최고의 오픈소스 모델’이라며 공개한 리플렉션 70B(Reflection 70B)가 주장한 성능에 미치지 못한다는 연구자들의 지적을 받았고, 슈머는 프로젝트를 발표할 때 앞서 나갔다며 사과했습니다. 가디언(The Guardian)은 이 글을 보도하면서 그에게 AI 과열 홍보의 전력이 있다고 짚었습니다.
그가 AI 산업에 투자하는 사람이라는 점, 그리고 독자에게 월 20달러짜리 유료 AI 구독과 자신의 X 계정 팔로우를 권한다는 점은 읽는 쪽에서 감안할 몫입니다.
[사후 맥락]
원문 페이지에 표시된 조회수는 8,800만 회에 이르고, 포춘(Fortune)이 제목을 바꿔 전재했으며, 뉴욕타임스(The New York Times) 칼럼과 가디언 기사의 소재가 되었습니다.슈머는 며칠 뒤 CNBC 인터뷰에서 사람들을 겁주려던 글이 아니라고 밝히면서, 핵심 메시지는 일하는 사람들이 지금 AI 도구를 직접 써 보며 무엇이 오고 있는지 감을 잡아야 한다는 것이라고 말했습니다.
그는 또 이 글을 쓰는 데 클로드(Claude)와 몇 시간을 들였다고 공개했고, 그 사실 자체가 글의 논지를 보여 준다고 덧붙였습니다.
나에게 먼저 일어난 일
기술업계 바깥에서는 잘 보이지 않는 사실이 하나 있다고 슈머는 말합니다. 지금 업계 사람들이 경보를 울리는 이유는, 이 일이 이미 자기들에게 일어났기 때문이라는 것입니다. 예측을 내놓는 것이 아니라 자기 직업에서 이미 벌어진 일을 전하면서 다음은 당신 차례라고 경고하는 중이라는 뜻입니다.
여러 해 동안 AI는 꾸준히 좋아졌습니다. 큰 도약이 간간이 있었지만 간격이 충분히 벌어져 있어서 올 때마다 흡수할 수 있었습니다. 그러다 2025년에 모델을 만드는 새 기법들이 나오면서 진보 속도가 훨씬 빨라졌습니다. 그다음에는 더 빨라졌고, 또 한 번 더 빨라졌습니다. 새 모델은 전 세대보다 나은 정도가 아니라 더 큰 폭으로 나아졌고, 출시 간격은 짧아졌습니다.
슈머 자신도 AI를 점점 더 많이 쓰게 되었고 주고받는 횟수는 점점 줄었습니다. 자기 전문성이 있어야 한다고 믿었던 일들을 AI가 처리하는 것을 지켜봤습니다. 그리고 2026년 2월 5일, 두 곳의 주요 AI 연구소가 같은 날 새 모델을 내놓았습니다. 오픈AI의 GPT-5.3 Codex와 앤트로픽의 Opus 4.6이었습니다. 그 지점에서 무언가가 맞아떨어졌는데, 전등 스위치가 켜지듯이가 아니라 물이 계속 차오르고 있었고 이제 가슴께까지 왔다는 것을 깨닫는 순간에 가까웠다고 그는 적습니다.
해설
두 모델 이름이 가리키는 것을 짚어 두겠습니다. Codex는 오픈AI가 코딩 작업에 맞춰 내놓는 계열의 이름이고, Opus는 앤트로픽이 만드는 클로드 모델군에서 상위 등급에 붙는 이름입니다.슈머가 묘사한 ‘앱을 직접 열어 눌러 본다’는 작업은 코드를 쓰는 것과는 다른 층위입니다. 모델이 화면이나 브라우저를 조작하는 도구를 받고, 거기서 나온 결과를 다시 입력으로 받아 다음 행동을 정하는 고리가 있어야 가능합니다. 긴 시간 혼자 돌면서 자기 출력을 검사하고 고치는 이 구조가 최근 1-2년 사이 코딩 도구의 핵심이 되었습니다.
이제 자기 일의 실제 기술적 작업에는 자신이 필요하지 않다고 슈머는 말합니다. 무엇을 만들고 싶은지 평범한 영어로 설명하면 그것이 그냥 나타납니다. 손봐야 할 초안이 아니라 완성된 물건입니다. 원하는 것을 말하고 네 시간쯤 컴퓨터를 떠났다가 돌아오면 일이 끝나 있고, 자기가 했을 것보다 잘되어 있으며 고칠 데가 없습니다. 몇 달 전만 해도 그는 AI와 주고받으며 방향을 잡아 주고 수정했지만, 지금은 결과만 서술하고 자리를 뜹니다.
실제로 어떤 모습인지 구체적인 예를 듭니다. 이런 앱을 만들고 싶고 무엇을 해야 하며 대략 어떻게 보여야 하는지를 말한 뒤, 사용자 흐름과 디자인은 알아서 정하라고 지시합니다. 그러면 AI가 수만 줄의 코드를 씁니다.
그다음이 1년 전이라면 상상할 수 없던 부분입니다. AI가 직접 앱을 열고 버튼을 눌러 보고 기능을 시험하며, 사람이 쓰듯 그 앱을 써 봅니다. 보기나 느낌이 마음에 들지 않으면 스스로 돌아가 고칩니다. 개발자가 하듯 반복하며 다듬다가 자기 기준에 맞는다고 판단한 뒤에야 이제 테스트해 보라고 돌아오고, 그가 실제로 테스트해 보면 대체로 완벽합니다.
과장이 아니라 이번 주 월요일에 실제로 있었던 일이라고 못 박습니다. 그중에서도 지난주에 나온 GPT-5.3 Codex가 가장 큰 충격이었습니다. 지시를 실행하는 데 그치지 않고 지적인 결정을 내렸기 때문입니다. 그는 이 모델에서 처음으로 “판단력 같은 것, 취향 같은 것”을 느꼈다고 적습니다. 무엇이 옳은 선택인지 설명하기 어렵게 아는 감각, 사람들이 AI는 결코 갖지 못할 것이라고 말해 온 바로 그 감각입니다.
이 모델은 그것을 가졌거나, 적어도 구분이 무의미해질 만큼 가까이 왔다고 슈머는 봅니다. 그는 늘 AI 도구를 남보다 먼저 써 온 사람이지만 최근 몇 달은 충격이었다고 말합니다. 새 모델들은 점진적 개선이 아니라 아예 다른 종류의 물건입니다.
[관점]
코딩을 먼저 공략한 이유를 슈머는 전략적 선택으로 설명하지만, 여기에는 기술적인 이유도 겹칩니다. 코드는 정답 여부를 기계가 자동으로 판정할 수 있는 드문 영역입니다. 컴파일이 되는지, 테스트를 통과하는지가 사람 손을 거치지 않고 채점되기 때문에 강화학습(reinforcement learning)을 대규모로 돌릴 수 있습니다.이 차이는 ‘코딩 다음은 나머지 전부’라는 전망을 그대로 받아들이기 어렵게 만드는 지점이기도 합니다. 계약서 초안이나 투자 의견서처럼 결과물의 좋고 나쁨이 자동으로 채점되지 않는 일에서는 같은 학습 고리를 돌리기가 훨씬 어렵습니다. 코딩에서의 도약이 다른 직종으로 같은 속도로 번질지는, 그 직종의 결과물을 기계가 채점할 수 있는지에 상당 부분 달려 있습니다.
그리고 이것이 기술업계에서 일하지 않는 사람에게도 중요한 이유로 넘어갑니다. AI 연구소들은 의도적인 선택을 했습니다. AI를 코드 쓰기에 먼저 탁월하게 만들었는데, AI를 만드는 일 자체에 많은 코드가 들어가기 때문입니다. AI가 그 코드를 쓸 수 있으면 자기 다음 버전을 만드는 일을 도울 수 있고, 더 똑똑해진 그 버전은 더 나은 코드를 써서 그보다 더 똑똑한 버전을 만듭니다. 코딩을 잘하게 만드는 것은 나머지 전부를 여는 전략이었고, 그래서 그것을 먼저 했다는 것입니다.
슈머의 일이 남들보다 먼저 바뀐 것은 연구소들이 소프트웨어 엔지니어를 겨냥했기 때문이 아니라, 그들이 먼저 겨눈 지점이 낳은 부수 효과였을 뿐입니다. 그리고 그 작업은 이미 끝났고, 이제 나머지 전부로 옮겨 가고 있습니다.
지난 1년 동안 기술업계 종사자들이 겪은 일, 즉 AI가 ‘쓸 만한 도구’에서 ‘내 일을 나보다 잘하는 것’으로 바뀌는 경험을 이제 다른 모든 사람이 겪게 됩니다. 법률, 금융, 의료, 회계, 컨설팅, 글쓰기, 디자인, 분석, 고객서비스가 그 대상입니다. 10년 뒤의 이야기가 아닙니다. 이 시스템을 만드는 사람들은 1-5년을 말하고 일부는 그보다 짧다고 말하는데, 최근 몇 달 사이 자기가 본 것을 감안하면 슈머는 ‘그보다 짧다’ 쪽이 더 그럴듯하다고 봅니다.
[반론]
기술업계 안에서도 이 대목에 대한 반박이 나왔습니다. 에드워드 지트론(Edward Zitron)은 이 글에 주석을 달아, 코딩용 모델이 제품을 시험하거나 일부 버그를 찾아 고칠 수는 있지만 그것이 사람의 개입 없이 자율적으로, 그리고 매번 제대로 된다는 뜻은 아니라고 지적했습니다.아리 콜라프레테(Ari Colaprete)는 다른 각도에서 짚었습니다. 언어모델은 근본적으로 글을 만들어 내는 기계여서, 기계적인 기능을 수행하는 글을 내놓도록 훈련시키면 상당히 정교한 수준까지 그 일을 해내는 경향이 있다는 것입니다. 결과물이 그럴듯하다는 사실 자체가 판단력의 증거는 아니라는 반론입니다.
써 봤는데 별로더라는 반응
이 말을 끊임없이 듣는다고 슈머는 적습니다. 그리고 그 말을 이해한다고 덧붙입니다. 한때는 사실이었기 때문입니다. 2023년이나 2024년 초에 ChatGPT를 써 보고 ‘얘는 지어낸다’거나 ‘별로 인상적이지 않다’고 생각했다면 그 판단은 옳았습니다. 초기 버전들은 실제로 한계가 뚜렷했고, 환각(hallucination)을 일으켰으며, 말이 되지 않는 내용을 자신 있게 말했습니다.
문제는 그것이 2년 전 일이라는 점입니다. AI의 시간으로 2년은 아주 먼 과거입니다. 오늘 쓸 수 있는 모델들은 불과 6개월 전에 존재하던 것과도 알아볼 수 없을 만큼 다릅니다.
AI가 ‘정말로 좋아지고 있는가’, 아니면 ‘벽에 부딪혔는가’를 두고 1년 넘게 이어진 논쟁은 끝났다고 슈머는 선언합니다. 아직도 그 주장을 하는 사람은 셋 중 하나라는 것입니다. 지금 모델을 써 보지 않았거나, 벌어지는 일을 축소할 동기가 있거나, 더는 유효하지 않은 2024년의 경험으로 판단하고 있거나입니다. 그는 이것이 상대를 무시하려는 말이 아니라고 덧붙입니다. 대중의 인식과 현재 현실 사이의 간격이 이제 너무 커졌고, 그 간격이 사람들의 준비를 막고 있기 때문에 위험하다는 것입니다.
문제의 한 축은 대부분의 사람이 AI 도구의 무료 버전을 쓴다는 데 있습니다. 무료 버전은 돈을 내는 사용자가 쓰는 것보다 1년 넘게 뒤처져 있습니다. 무료 ChatGPT로 AI를 판단하는 것은 폴더폰을 써 보고 스마트폰의 수준을 평가하는 일과 같다고 그는 비유합니다. 가장 좋은 도구에 돈을 내고 실제 업무에 매일 쓰는 사람들은 무엇이 오고 있는지 안다는 것입니다.
해설
슈머가 말하는 격차는 요금제만의 문제가 아니라 모델 선택의 문제이기도 합니다. 주요 AI 앱은 응답 속도와 운영 비용 때문에 기본값으로 가볍고 빠른 모델을 띄워 두는 경우가 많습니다.그래서 유료 구독을 해도 모델 선택기를 열어 가장 성능이 높은 쪽으로 바꾸지 않으면 체감이 크게 달라지지 않습니다. 슈머가 뒤쪽 절에서 설정에 들어가 모델을 직접 고르라고 따로 당부하는 것도 이 때문입니다.
무료 티어는 여기에 더해 대화당 길이나 하루 사용량에도 제한이 걸리는 경우가 많습니다. 긴 문서를 통째로 넣고 몇 시간짜리 작업을 시키는 방식 자체가 무료 환경에서는 잘 시도되지 않는다는 뜻입니다.
슈머는 변호사인 친구를 예로 듭니다. 그는 친구에게 로펌에서 AI를 써 보라고 계속 권하지만, 친구는 안 될 이유를 계속 찾아냅니다. 자기 전문 분야에 맞게 만들어진 것이 아니라거나, 시험해 봤더니 틀렸다거나, 자기가 하는 일의 미묘함을 이해하지 못한다는 것입니다. 슈머는 그 마음도 이해한다고 적습니다.
그런데 대형 로펌의 파트너들이 조언을 구하려고 그에게 연락을 해 온다고 말합니다. 현재 버전을 직접 써 보고 이것이 어디로 가는지를 봤기 때문입니다. 그중 한 대형 로펌 경영 파트너는 매일 몇 시간씩 AI를 쓰는데, 어소시에이트 한 팀을 즉시 쓸 수 있는 것 같다고 슈머에게 말했습니다. 재미로 쓰는 것이 아니라 실제로 작동하기 때문에 쓴다는 것입니다.
그 파트너가 한 말 가운데 슈머에게 남은 것이 있습니다. 두어 달에 한 번씩 자기 업무에서 AI의 능력이 눈에 띄게 올라간다는 것입니다. 이 추세가 이어진다면 머지않아 자기가 하는 일의 대부분을 AI가 할 수 있게 될 것으로 본다고 그 파트너는 말했는데, 수십 년 경력의 경영 파트너가 한 말입니다. 그는 당황하고 있지는 않지만 아주 주의 깊게 지켜보고 있습니다. 슈머는 각 업계에서 앞서 있는 사람들, 실제로 진지하게 실험하고 있는 사람들은 이 일을 가볍게 여기지 않으며 이미 할 수 있는 것에 압도당하고 그에 맞춰 자리를 잡고 있다고 정리합니다.
[반론]
포브스(Forbes)에 기고한 파울로 카르바오(Paulo Carvao)는 이 대목이 글의 가장 취약한 부분과 맞닿아 있다고 짚었습니다. 조언 가운데 일부는 타당하지만, 어떤 대목은 판촉 문구처럼 읽힌다는 것입니다.그는 슈머가 독자에게 가장 앞선 AI 도구를 구독하라고 권하고, 프리미엄 모델에 접근할 수 있는 사람이 그렇지 못한 사람을 앞지를 것이라고 암시하며, 유료 구독을 구식화되지 않기 위한 보험처럼 제시한다고 지적했습니다. 글의 설득력이 유료 접근권이라는 문턱 위에 서 있다는 비판입니다.
[한국 관점]
가장 좋은 모델을 실제 업무에 직접 밀어 넣어 보라는 조언은 한국의 많은 직장에서 그대로 실행되기 어렵습니다. 금융회사는 망분리 규제 아래에서 업무망의 외부 인터넷 접속을 제한받아 왔고, 대기업과 공공기관 중에는 보안 정책으로 외부 생성형 AI 서비스 접속을 막거나 제한해 온 곳이 많습니다.법률·회계·자문 영역에는 여기에 더해 의뢰인 비밀유지 의무가 겹칩니다. 슈머의 예시처럼 계약서 전문이나 고객의 신고서 원본을 통째로 외부 모델에 넣는 행위는, 한국에서는 개인의 의욕 문제가 아니라 내부 규정과 직역 윤리의 문제가 됩니다.
그래서 한국 독자에게 이 절의 함의는 조금 다르게 읽힙니다. 개인의 체감 격차보다 조직이 어떤 경로를 열어 두느냐가 먼저이고, 사내 전용 환경이나 계약으로 학습 비사용이 보장된 기업용 계정을 갖춘 조직과 그렇지 않은 조직 사이에서 격차가 벌어집니다.
속도를 숫자로 보면
슈머는 개선 속도를 구체적으로 보여 주겠다고 말합니다. 가까이서 지켜보지 않는 사람에게 가장 믿기 어려운 부분이 바로 이 대목이라고 보기 때문입니다. 그가 제시하는 연표는 짧습니다.
- 2022년 — AI는 기본적인 산술조차 안정적으로 하지 못했고, 7 곱하기 8이 54라고 자신 있게 답하곤 했습니다.
- 2023년 — 변호사시험을 통과할 수 있게 되었습니다.
- 2024년 — 작동하는 소프트웨어를 쓰고 대학원 수준의 과학을 설명할 수 있게 되었습니다.
- 2025년 말 — 세계 최고 수준의 엔지니어 일부가 자기 코딩 업무의 대부분을 AI에 넘겼다고 말했습니다.
- 2026년 2월 5일 — 그 이전의 모든 것을 다른 시대처럼 느끼게 만드는 모델들이 나왔습니다.
최근 몇 달 사이에 AI를 써 보지 않았다면 오늘 존재하는 것을 알아보지 못할 것이라고 그는 덧붙입니다.
이것을 데이터로 실제 측정하는 조직이 있습니다. METR은 모델이 사람의 도움 없이 처음부터 끝까지 성공적으로 끝내는 실제 과업의 길이를 추적하는데, 그 길이를 사람 전문가가 같은 일을 하는 데 걸리는 시간으로 잽니다. 1년쯤 전에는 답이 대략 10분이었습니다. 그다음에는 한 시간이 되었고, 그다음에는 몇 시간이 되었습니다. 가장 최근 측정인 지난해 11월의 Claude Opus 4.5에서는 사람 전문가 기준 다섯 시간에 가까운 과업을 끝냈습니다.
그리고 이 숫자는 약 7개월마다 두 배로 늘고 있으며, 최근 데이터는 그 주기가 4개월까지 빨라졌을 가능성을 시사합니다. 더구나 이 측정에는 이번 주에 막 나온 모델들이 아직 반영되지 않았습니다. 직접 써 본 경험으로 볼 때 도약 폭이 대단히 크고, 다음 갱신에서 METR의 그래프가 또 한 번 크게 뛸 것으로 그는 예상합니다.
해설
METR이 재는 것은 정답률이 아니라 ‘시간 지평’입니다. 사람 전문가가 특정 시간 안에 해내는 과업들을 모아 놓고, 모델이 그중 절반가량을 혼자 성공시키는 지점이 어디인지를 찾아 그 시간을 능력치로 삼습니다.이 지표가 주목받는 이유는 시험 점수와 달리 포화되지 않기 때문입니다. 변호사시험이나 객관식 벤치마크는 만점에 가까워지면 더 잴 것이 없어지지만, 과업 길이는 위로 계속 열려 있습니다.
다만 절반의 성공률이 기준이라는 점은 기억해 둘 필요가 있습니다. 다섯 시간짜리 과업을 끝낸다는 말은 그 길이의 일을 맡겼을 때 대략 반은 실패한다는 뜻이기도 합니다.
추세를 연장하면 무엇이 나오는지도 그는 적어 둡니다. 이 추세는 여러 해 동안 유지되었고 평평해질 조짐이 없다고 전제한 뒤, 1년 안에 며칠씩 독립적으로 일하는 AI, 2년 안에 몇 주, 3년 안에 한 달짜리 프로젝트를 감당하는 AI를 보게 된다고 말합니다.
여기에 아모데이의 전망을 겹칩니다. 거의 모든 과업에서 거의 모든 인간보다 상당히 똑똑한 모델이 2026년이나 2027년에 나올 궤도에 있다는 것입니다. 슈머는 독자에게 그 말이 가라앉기를 잠시 기다리라고 한 뒤 질문을 던집니다. AI가 대부분의 박사보다 똑똑하다면, 그것이 대부분의 사무직 업무를 하지 못할 것이라고 정말로 생각하느냐는 것입니다. 그러니 그 말이 당신의 일에 무엇을 뜻하는지 생각해 보라고 덧붙입니다.
[관점]
이 절은 글 전체에서 가장 무거운 추론을 지고 있습니다. 하나의 지표가 과거에 지수적으로 늘었다는 사실에서 앞으로도 같은 속도로 늘 것이라는 결론이 자동으로 나오지는 않기 때문입니다.과업 길이가 늘어나는 동력은 크게 두 갈래로 보입니다. 하나는 모델 자체의 능력이고, 다른 하나는 맥락 길이, 도구 사용, 작업을 쪼개 관리하는 외부 구조처럼 모델을 둘러싼 장치입니다. 뒤쪽은 공학적으로 밀어붙일 여지가 있지만 비용과 지연시간이라는 제약을 함께 키웁니다.
더 조심할 지점은 측정 대상의 성격입니다. METR이 쓰는 과업은 성공 여부를 기계적으로 판정할 수 있는 종류에 치우쳐 있습니다. 한 달짜리 소프트웨어 작업을 혼자 해내는 능력이, 요구사항 자체가 모호하고 이해관계자와 협상해야 하는 한 달짜리 업무로 그대로 옮겨간다는 보장은 없습니다.
AI가 다음 AI를 만든다
한 가지가 더 벌어지고 있는데, 슈머는 이것을 가장 중요한 발전이면서 동시에 가장 덜 이해된 발전으로 꼽습니다.
2026년 2월 5일 오픈AI가 GPT-5.3 Codex를 공개하면서 기술 문서에 한 문장을 넣었습니다. “자기 자신을 만드는 데 기여한 우리의 첫 모델”이라는 설명이었습니다. Codex 팀이 초기 버전들을 써서 그 모델 자신의 학습을 디버깅하고, 배포를 관리하고, 테스트 결과와 평가를 진단했다는 것입니다.
슈머는 독자에게 그 문장을 다시 읽으라고 말합니다. AI가 자기 자신을 만드는 일을 도왔다는 뜻이기 때문입니다. 이것은 언젠가 일어날지도 모르는 일에 대한 예측이 아니라, 방금 내놓은 모델이 자기 자신을 만드는 데 쓰였다고 오픈AI가 지금 말하고 있는 사실입니다. AI를 더 좋게 만드는 주된 요인 가운데 하나는 AI 개발에 투입되는 지능인데, AI가 이제 자기 개선에 유의미하게 기여할 만큼 똑똑해졌다는 것입니다.
아모데이의 말을 여기에 겹칩니다. 앤트로픽에서는 이미 AI가 코드의 많은 부분을 쓰고 있고, 현재 세대 AI와 다음 세대 AI 사이의 되먹임 고리가 달마다 힘을 받고 있다고 그는 말했습니다. 현재 세대의 AI가 자율적으로 다음 세대를 만드는 지점까지 1-2년밖에 남지 않았을 수 있다는 것이 아모데이의 전망입니다.
각 세대가 다음 세대를 만드는 일을 돕고, 그 세대는 더 똑똑하며, 더 빠르게 그다음을 만들고, 그것은 또 더 똑똑합니다. 연구자들은 이것을 지능 폭발이라고 부릅니다. 그리고 가장 잘 알 만한 위치에 있는 사람들, 즉 이것을 만들고 있는 사람들이 그 과정이 이미 시작되었다고 믿는다고 슈머는 적습니다.
해설
지능 폭발은 새로 나온 말이 아닙니다. 1965년 어빙 존 굿(Irving John Good)이, 사람보다 똑똑한 기계가 자기보다 나은 기계를 설계할 수 있게 되는 순간 그 과정이 스스로를 증폭시킬 것이라고 적은 데서 비롯한 개념입니다.이 논증이 오랫동안 사고실험에 머물렀던 이유는 ‘기계가 기계를 설계한다’는 고리의 입구가 닫혀 있었기 때문입니다. 모델 학습에 필요한 실험 설계, 코드 작성, 결과 분석은 사람 연구자의 몫이었습니다.
슈머가 오픈AI의 한 문장에 그토록 무게를 싣는 것은 그 고리의 입구가 열렸다는 공식 진술로 읽기 때문입니다. 그는 이것을 재귀적 자기개선(recursive self-improvement)의 출발 신호로 받아들입니다.
[관점]
다만 오픈AI가 실제로 적은 내용과 슈머가 읽어낸 결론 사이에는 거리가 있습니다. 문서가 열거한 일은 학습 디버깅, 배포 관리, 평가 결과 진단입니다. 이것들은 엔지니어의 작업을 보조하는 일이지, 모델이 자기 구조나 학습 방법을 스스로 고안했다는 뜻은 아닙니다.비유하자면 더 좋은 공작기계로 다음 공작기계를 깎는 일에 가깝습니다. 생산성은 확실히 올라가지만, 그것이 설계의 주도권이 기계로 넘어갔다는 증거는 아닙니다. 아모데이가 ‘자율적으로 다음 세대를 만드는 지점’을 여전히 1-2년 뒤의 사건으로 남겨 둔 것도 둘을 구분하고 있기 때문입니다.
되먹임 고리의 존재와 폭발적 가속은 별개의 주장이기도 합니다. 연구 생산성이 올라가도 컴퓨트 확보, 전력, 데이터, 실험 자체에 걸리는 시간 같은 물리적 제약이 남아 있으면 곡선은 폭발하지 않고 완만해집니다. 지능 폭발 논증이 성립하려면 지능이 유일한 병목이어야 하는데, 그것은 아직 확인되지 않은 전제입니다.
당신의 일자리에 닥칠 일
슈머는 이 절을 직설적으로 쓰겠다고 예고합니다. 독자가 위로보다 정직함을 받을 자격이 있다고 보기 때문입니다.
아마도 업계에서 가장 안전을 중시하는 최고경영자인 아모데이는 AI가 1-5년 안에 사무직 초임 일자리의 50%를 없앨 것이라고 공개적으로 예측했습니다. 그리고 업계의 많은 사람은 그조차 보수적인 전망이라고 봅니다. 최신 모델이 할 수 있는 일을 감안하면 대규모 교란을 일으킬 능력 자체는 올해 안에 갖춰질 수 있다는 것이 슈머의 판단입니다. 그것이 경제 전체로 퍼지는 데는 시간이 걸리겠지만, 바탕이 되는 능력은 지금 도착하고 있습니다.
이것이 이전의 모든 자동화 물결과 다른 이유를 그는 따로 설명합니다. AI는 특정한 기술 하나를 대체하는 것이 아니라 인지 노동 전반의 대체재이며, 모든 분야에서 동시에 좋아집니다. 공장이 자동화되었을 때 밀려난 노동자는 사무직으로 재교육받을 수 있었고, 인터넷이 소매업을 흔들었을 때 노동자는 물류나 서비스로 옮겨 갔습니다. AI는 옮겨 갈 만한 빈자리를 남겨 주지 않습니다. 무엇으로 재교육을 받든, AI는 그것에서도 좋아지고 있기 때문입니다.
해설
아모데이의 50% 전망은 이 글보다 앞서 나온 발언입니다. 2025년 5월 그는 AI가 1-5년 안에 사무직 초임 일자리의 절반을 없애고 실업률을 10-20%까지 밀어 올릴 수 있다고 말해 큰 논쟁을 불렀습니다.초임 일자리가 먼저 지목되는 데는 이유가 있습니다. 신입이 맡는 일은 정형화된 조사, 초안 작성, 자료 정리처럼 범위가 명확하고 산출물을 검증하기 쉬운 쪽에 몰려 있습니다. 현재 모델이 가장 잘하는 영역과 겹칩니다.
여기서 따라오는 문제가 ‘사다리의 아래 칸’입니다. 신입 단계의 업무가 사라지면 경력자를 길러내는 경로 자체가 끊기는데, 슈머가 인용한 로펌 경영 파트너의 사례도 어소시에이트가 하던 일이 먼저 대체되는 구도를 보여 줍니다.
슈머는 구체적인 사례를 들되, 이것은 예시일 뿐 전부가 아니라고 못 박습니다. 여기에 언급되지 않은 직업이라고 해서 안전하다는 뜻이 아니며, 거의 모든 지식노동이 영향을 받고 있다는 것입니다.
- 법률 — AI는 이미 계약서를 읽고 판례를 요약하고 서면 초안을 쓰고 법률 조사를 하는데, 주니어 어소시에이트에 필적하는 수준입니다. 앞서 나온 경영 파트너가 AI를 쓰는 이유도 재미가 아니라, 많은 업무에서 소속 어소시에이트보다 나은 결과를 내기 때문입니다.
- 금융 분석 — 재무 모델을 만들고 데이터를 분석하고 투자 메모와 보고서를 작성하는 일을 유능하게 처리하며 빠르게 좋아지고 있습니다.
- 글쓰기와 콘텐츠 — 마케팅 카피, 보고서, 저널리즘, 기술 문서에서 품질이 올라가, 많은 전문가가 AI의 결과물과 사람의 작업을 구분하지 못하는 지점에 이르렀습니다.
- 소프트웨어 엔지니어링 — 1년 전만 해도 몇 줄을 오류 없이 쓰기 어려웠지만 지금은 수십만 줄을 제대로 써 냅니다. 단순한 작업만이 아니라 여러 날이 걸리는 복잡한 프로젝트까지 이미 상당 부분 자동화되었고, 몇 년 뒤 프로그래밍 일자리는 지금보다 훨씬 적을 것이라고 슈머는 봅니다.
- 의료 분석 — 영상 판독, 검사 결과 분석, 진단 제안, 문헌 검토에서 몇몇 영역은 사람의 성능에 근접하거나 넘어서고 있습니다.
- 고객서비스 — 5년 전의 답답한 챗봇이 아니라 여러 단계에 걸친 복잡한 문제를 처리하는 유능한 에이전트(agent)가 지금 배치되고 있습니다.
많은 사람이 어떤 것들은 안전하다는 생각에서 위안을 얻습니다. AI가 허드렛일은 해도 인간의 판단력, 창의성, 전략적 사고, 공감은 대체하지 못한다는 믿음입니다. 슈머도 예전에는 그렇게 말했지만 이제는 그 말을 믿는지 확신하지 못합니다.
최근 모델들은 판단처럼 느껴지는 결정을 내리고, 기술적으로 옳은 답이 아니라 무엇이 옳은 선택인지를 직관적으로 아는 감각, 즉 취향처럼 보이는 것을 드러냅니다. 1년 전이라면 상상할 수 없던 일입니다. 그래서 그는 경험칙을 하나 세워 두었습니다. 모델이 오늘 어떤 능력의 기미라도 보인다면 다음 세대는 그것을 제대로 해낸다는 것입니다. 이것들은 선형이 아니라 지수적으로 좋아지기 때문입니다.
AI가 깊은 인간적 공감을 복제할 것인지, 여러 해에 걸쳐 쌓인 관계의 신뢰를 대신할 것인지는 모르겠다고 그는 적습니다. 아닐 수도 있습니다. 다만 사람들이 정서적 지지와 조언과 동반자 역할을 AI에 기대기 시작하는 것을 이미 지켜봤고, 그 추세는 더 커질 뿐이라고 봅니다.
정직한 답은 이것이라고 그는 정리합니다. 컴퓨터로 할 수 있는 일은 중기적으로 안전하지 않다는 것입니다. 당신의 일이 화면에서 벌어진다면, 그 핵심이 읽고 쓰고 분석하고 결정하고 자판으로 소통하는 것이라면, AI는 그 일의 상당 부분을 가지러 오고 있습니다. 시점은 ‘언젠가’가 아니라 이미 시작된 상태입니다. 물리적인 일도 결국 로봇이 맡게 되겠지만 아직 거기까지는 아니며, 다만 AI에서 ‘아직은 아니다’는 말은 누구의 예상보다 빨리 ‘이미 그렇다’로 바뀌는 버릇이 있다고 덧붙입니다.
[관점]
옮겨 갈 빈자리가 없다는 논증은 이 글에서 가장 강한 주장이자 가장 논쟁적인 대목입니다. 경제학에서는 노동이 한 영역에서 밀려나도 상대가격이 바뀌면서 다른 영역의 수요가 커진다고 보아 왔고, 비교우위(comparative advantage)가 작동하는 한 사람이 모든 일에서 기계보다 못해도 할 일은 남습니다.슈머의 반론이 성립하려면 AI가 비교우위조차 무의미하게 만들 만큼 싸고 무제한이어야 합니다. 그런데 추론 컴퓨트(inference compute)는 공짜가 아니고 전력과 칩이라는 물리적 한계에 묶여 있습니다. 어떤 일을 AI에 맡기느냐는 결국 그 컴퓨트를 어디에 쓰는 것이 가장 이득인가의 문제가 되고, 그 자리에서 비교우위가 다시 작동합니다.
다만 비교우위가 보장하는 것은 일자리의 존재이지 임금 수준이나 전환의 속도가 아닙니다. 기계에 밀린 노동이 다른 일을 찾더라도 그 일의 보수가 이전보다 낮을 수 있고, 적응에 한 세대가 걸릴 수도 있습니다. 슈머가 가리키는 위험의 실질은 ‘일이 사라진다’보다 ‘적응할 시간이 없다’에 가깝습니다.
[한국 관점]
초임 일자리가 먼저 사라진다는 구도는 한국에서 다른 모양으로 나타날 가능성이 큽니다. 한국의 대기업·금융권 채용은 공채든 수시든 신입을 한꺼번에 뽑아 사내에서 길러 쓰는 구조여서, 교란이 해고보다 채용 축소로 먼저 나타나는 경향이 있습니다. 통계에 잡히기 전에 취업 준비 기간이 길어지는 방식으로 비용이 청년층에 집중된다는 뜻입니다.직역 구조도 다릅니다. 변호사, 회계사, 변리사, 의사처럼 자격이 업무 독점과 연결된 영역에서는 AI가 산출물을 만들어도 최종 서명과 책임은 자격자에게 남습니다. 슈머가 뒤쪽 절에서 ‘책임을 지고 서명하는 자리’를 시간을 벌어 주는 요소로 꼽는 대목이 한국에서는 더 강하게 작동합니다.
반대로 더 빨리 흔들릴 쪽도 있습니다. 시스템통합(SI)과 외주 개발, 번역·로컬라이제이션, 콜센터 위탁처럼 인력 수를 기준으로 단가를 매겨 온 사업은 산출물 단위 생산성이 뛰는 순간 수익 구조 자체가 바뀝니다. 한국 지식서비스업 상당수가 이 과금 방식에 올라타 있다는 점이 이 글을 한국에서 읽을 때의 쟁점입니다.
그래서 무엇을 해야 하는가
슈머는 독자를 무력하게 만들려고 이 글을 쓰는 것이 아니라고 먼저 말합니다. 지금 가질 수 있는 가장 큰 이점은 그저 ‘먼저’인 것, 즉 먼저 이해하고 먼저 쓰고 먼저 적응하는 것이라고 보기 때문입니다.
AI를 진지하게 쓰기. 검색엔진처럼 쓰지 말고 클로드나 ChatGPT의 유료 버전에 가입하라고 권합니다. 월 20달러입니다. 다만 두 가지가 곧바로 중요하다고 그는 말합니다. 첫째는 기본값이 아니라 쓸 수 있는 가장 좋은 모델을 쓰고 있는지 확인하는 것입니다. 이 앱들은 흔히 더 빠르고 덜 똑똑한 모델을 기본으로 띄워 두기 때문입니다.
그래서 설정이나 모델 선택기를 열어 가장 유능한 쪽을 골라야 합니다. 글을 쓰던 시점에 그것은 ChatGPT의 GPT-5.2와 클로드의 Claude Opus 4.6이었지만 두어 달마다 바뀝니다. 어느 시점에 무엇이 가장 좋은지 알고 싶으면 자기 X 계정을 팔로우하라고 그는 덧붙입니다. 주요 모델이 나올 때마다 직접 시험하고 쓸 만한 것을 공유한다는 것입니다.
실제 업무에 밀어 넣기. 둘째가 더 중요하다고 그는 강조합니다. 짧은 질문만 던지지 말라는 것인데, 대부분이 바로 이 실수를 합니다. 구글처럼 쓰고 나서 왜들 호들갑인지 모르겠다고 말하는 식입니다. 대신 실제 업무 안으로 밀어 넣어야 합니다. 변호사라면 계약서를 넣고 의뢰인에게 불리할 수 있는 조항을 전부 찾으라고 시키고, 금융이라면 지저분한 스프레드시트를 주고 모델을 만들게 하고, 관리자라면 팀의 분기 데이터를 붙여 넣고 거기서 이야기를 찾으라고 시키는 것입니다.
앞서가는 사람들은 AI를 가볍게 쓰지 않고, 몇 시간씩 걸리던 업무의 일부를 자동화할 방법을 능동적으로 찾고 있습니다. 가장 많은 시간을 쓰는 일부터 시작해 무슨 일이 벌어지는지 보라고 그는 조언합니다.
해설
구글처럼 쓰면 체감이 안 되는 데는 구조적인 이유가 있습니다. 모델의 출력 품질은 모델 자체만큼이나 주어진 맥락의 양과 질에 좌우되는데, 한 줄짜리 질문은 모델에게 거의 아무 정보도 주지 않습니다.슈머가 드는 예시가 하나같이 ‘문서를 통째로 넣으라’는 형태인 것도 그래서입니다. 계약서 전문, 신고서 원본, 분기 데이터 같은 재료가 들어가야 모델이 일반론 대신 그 사안에 대한 판단을 내놓을 수 있습니다.
최근 모델들이 수십만 토큰 단위의 맥락을 받게 된 것이 이 사용법을 가능하게 만든 전제이기도 합니다. 몇 년 전에는 긴 문서를 쪼개 넣어야 했고, 그 과정에서 맥락이 끊기면서 품질이 떨어졌습니다.
못 할 거라고 단정하지 않기. 너무 어려워 보인다는 이유로 안 될 것이라고 넘겨짚지 말고 시켜 보라고 합니다. 변호사라면 간단한 조사 질문에 그치지 말고 계약서 전체를 주고 역제안서를 작성하게 하고, 회계사라면 세법 조항 설명만 시키지 말고 고객의 신고서 전체를 주고 무엇을 찾아내는지 보라는 것입니다. 첫 시도가 완벽하지 않아도 괜찮으니 다시 묻고 맥락을 더 주고 또 해 보면 됩니다. 그리고 오늘 어설프게라도 된다면 6개월 뒤에는 거의 완벽하게 해낼 것이라고 확신해도 좋다고 그는 말합니다. 궤적은 한 방향으로만 가기 때문입니다.
경력에서 가장 중요한 해. 올해가 당신 경력에서 가장 중요한 해일 수 있으니 그에 맞게 일하라고 그는 말합니다. 겁주려는 말이 아니라, 지금은 대부분의 회사에서 대부분의 사람이 이것을 아직 무시하고 있는 짧은 창이 열려 있기 때문입니다. 회의에 들어가 사흘 걸릴 분석을 AI로 한 시간에 했다고 말하는 사람은 그 방에서 가장 가치 있는 사람이 되는데, 언젠가가 아니라 지금 그렇습니다. 도구를 익히고 능숙해지고 무엇이 가능한지 보여 주는 것이 올라가는 길이지만, 그 창은 오래 열려 있지 않습니다. 모두가 알아차리는 순간 이점은 사라집니다.
자존심을 두지 않기. 앞서 나온 로펌 경영 파트너는 하루 몇 시간을 AI와 보내는 것을 부끄러워하지 않는데, 무엇이 걸려 있는지 알 만큼 고위직이기 때문에 그렇게 한다고 슈머는 봅니다. 가장 힘들어질 사람은 관여하기를 거부하는 쪽입니다. 한때의 유행으로 치부하는 사람, AI를 쓰면 자기 전문성이 깎인다고 느끼는 사람, 자기 분야는 특별해서 면제된다고 여기는 사람입니다. 그렇지 않으며, 면제되는 분야는 없다는 것이 그의 답입니다.
재무 상태 정리하기. 자신은 재무 상담가가 아니고 극단적인 행동으로 몰아갈 생각도 없다고 전제한 뒤, 다만 앞으로 몇 년이 자기 업계에 실제 교란을 가져올 수 있다고 조금이라도 믿는다면 기본적인 재무 복원력이 1년 전보다 중요해졌다고 말합니다. 가능하면 저축을 쌓고, 현재 소득이 보장된다는 전제 위에서 새 부채를 지는 데 신중하라는 것입니다. 고정 지출이 유연성을 주는지 아니면 자신을 묶어 두는지 생각해 보라는 것입니다. 일이 예상보다 빨리 움직일 경우에 대비해 선택지를 남겨 두라고 덧붙입니다.
대체되기 어려운 쪽에 기대기. 어떤 것들은 AI가 밀어내는 데 더 오래 걸립니다. 여러 해에 걸쳐 쌓인 관계와 신뢰, 물리적 현존이 필요한 일, 누군가 서명하고 법적 책임을 지고 법정에 서야 하는 면허 책임이 걸린 역할이 그렇습니다. 규제 장벽이 두터워 준법, 책임, 제도적 관성 때문에 도입이 느려지는 산업도 마찬가지입니다. 어느 것도 영구적인 방패는 아니지만 시간을 벌어 주며, 지금 시간은 가장 값진 것이라고 그는 말합니다. 단 그 시간을 적응하는 데 써야지, 이 일이 벌어지지 않는 척하는 데 쓰면 안 된다는 조건이 붙습니다.
자녀에게 하는 말 다시 생각하기. 좋은 성적을 받고 좋은 대학에 가서 안정된 전문직을 얻으라는 표준 각본은, 하필 가장 노출이 큰 직군을 정확히 가리키고 있습니다. 교육이 중요하지 않다는 말은 아니지만, 다음 세대에게 가장 중요한 것은 이 도구들과 함께 일하는 법을 배우는 것과 자신이 진짜로 열정을 느끼는 일을 좇는 것이라고 봅니다. 10년 뒤 노동시장이 정확히 어떤 모습일지는 아무도 모르지만, 잘 해낼 가능성이 가장 큰 사람은 깊이 호기심이 많고 적응이 빠르며 자기가 아끼는 일을 하는 데 AI를 효과적으로 쓰는 사람입니다. 졸업할 즈음 존재하지 않을지도 모르는 경로에 최적화하게 하지 말고, 만드는 사람이자 배우는 사람이 되도록 가르치라는 것입니다.
[한국 관점]
자녀 교육에 관한 이 조언은 한국에서 가장 큰 마찰을 일으킬 대목입니다. 한국의 교육 경로는 슈머가 해체하라고 말하는 그 각본, 즉 성적과 입시를 거쳐 의대·법학전문대학원·전문직 자격으로 이어지는 구조 위에 거의 전적으로 설계되어 있습니다.다만 한국에서 그 각본이 유지되는 이유는 직무의 안전성만이 아닙니다. 자격이 업무 독점과 연결되어 있고, 노동시장이 경력 중간의 수평 이동에 인색하며, 사회보장이 고용 지위에 묶여 있다는 사정이 함께 작동합니다. 교란이 오더라도 자격 장벽이 완충 역할을 하는 기간이 미국보다 길 가능성이 있습니다.
반대로 그래서 더 위험한 측면도 있습니다. 자격이 지켜 주는 것은 그 일을 할 권한이지 그 일의 수요나 보수가 아닙니다. 산출물 생산비가 급락하면 자격자 수가 그대로여도 단가가 먼저 내려가고, 진입 장벽은 적응을 미룰 명분이 되기 쉽습니다.
꿈이 훨씬 가까워졌다는 점. 위협만 이야기했으니 다른 쪽도 말하겠다면서, 그쪽도 똑같이 실재한다고 그는 적습니다. 무언가를 만들고 싶었지만 기술이 없거나 사람을 쓸 돈이 없어 못 했다면 그 장벽은 대체로 사라졌습니다. 앱을 설명하면 한 시간 안에 작동하는 버전을 얻을 수 있고, 자신도 정기적으로 그렇게 합니다. 늘 책을 쓰고 싶었지만 시간이 없거나 글쓰기가 힘들었다면 AI와 함께 끝낼 수 있고, 새 기술을 배우고 싶다면 세계 최고의 개인교사를 월 20달러에 쓸 수 있습니다. 무한히 인내심 있고 하루 종일 대기하며 원하는 수준으로 무엇이든 설명해 주는 교사입니다.
지식은 이제 사실상 공짜이고 무언가를 만드는 도구는 극히 싸졌으니, 너무 어렵거나 비싸거나 자기 전문 밖이라서 미뤄 둔 일이 있다면 시도해 보라고 그는 말합니다. 열정을 느끼는 것을 좇으라는 것인데, 그것이 어디로 이어질지는 알 수 없기 때문입니다. 그리고 옛 경력 경로가 교란되는 세상에서는, 사랑하는 것을 만들며 1년을 보낸 사람이 직무기술서에 매달려 1년을 보낸 사람보다 더 좋은 자리에 있게 될 수도 있다고 덧붙입니다.
적응하는 습관. 아마 이것이 가장 중요하다고 그는 말합니다. 특정 도구보다 새 도구를 빠르게 익히는 근육이 중요하다는 것입니다. AI는 계속, 그리고 빠르게 바뀔 것이고 오늘 존재하는 모델은 1년 뒤면 낡습니다. 지금 사람들이 짜 놓은 작업 흐름도 다시 짜야 합니다.
이 과정을 잘 통과하는 사람은 도구 하나를 마스터한 사람이 아니라 변화의 속도 자체에 편해진 사람일 것입니다. 실험을 습관으로 만들고, 지금 쓰는 것이 잘 작동해도 새것을 시도하고, 반복해서 초보자가 되는 데 익숙해지라는 것이 그의 권고입니다. 그 적응력이 지금 존재하는 것 중 지속 가능한 이점에 가장 가깝다고 그는 봅니다.
마지막으로 거의 모든 사람보다 앞서게 해 줄 간단한 약속으로 하루 한 시간을 AI 실험에 쓰라고 제안합니다. 읽기만 하는 것이 아니라 직접 쓰는 것이고, 매일 전에 해 보지 않은 것, 해낼 수 있을지 확신이 없는 것을 시켜 보는 것입니다. 새 도구를 써 보거나 더 어려운 문제를 주면 됩니다. 하루 한 시간을 앞으로 6개월 동안 하면 주변 사람의 99%보다 무엇이 오고 있는지 잘 알게 될 것이라고 그는 말합니다. 과장이 아니며, 지금 그렇게 하는 사람이 거의 없어 기준선이 바닥에 깔려 있기 때문이라는 것입니다.
[관점]
이 절의 조언은 개인 차원에서는 대체로 합리적이지만, 논리 구조상 긴장을 안고 있습니다. 슈머가 제시하는 이점은 본질적으로 ‘남들보다 먼저’라는 상대적 위치인데, 그는 동시에 모두에게 그렇게 하라고 권하고 있습니다. 모두가 따르면 그가 말한 창은 그만큼 빨리 닫힙니다.재무 조언에도 같은 성질이 있습니다. 개인에게 저축을 늘리고 부채를 줄이라는 말은 건전하지만, 다수가 동시에 그렇게 움직이면 총수요가 줄어 교란이 오기 전에 경기가 먼저 식습니다. 개인 차원의 최적 대응과 사회 전체의 결과가 어긋나는 전형적인 구조입니다.
더 근본적으로, 이 절은 사무직 초임 일자리의 절반이 사라질 수 있다고 진단해 놓고 처방은 전적으로 개인에게 맡깁니다. 앞 절의 진단이 옳다면 그것은 개인의 적응 속도가 아니라 재교육 제도, 소득 안전망, 세제의 문제인데, 글은 그 층위를 거의 다루지 않습니다. 슈머 자신이 여러 번 말한 것처럼 그는 정책 제안을 하는 자리에 있지 않기 때문이기도 합니다.
일자리 너머의 그림
지금까지 일자리에 초점을 맞춘 것은 그것이 사람들의 삶에 가장 직접 닿기 때문이라고 슈머는 설명합니다. 다만 벌어지는 일의 전체 범위에 대해서도 정직하고 싶다고 말합니다. 일을 한참 넘어서는 문제이기 때문입니다.
그는 아모데이의 사고실험 하나를 계속 생각하게 된다고 적습니다. 2027년이라고 상상해 보라는 것입니다. 하룻밤 사이에 새 나라가 하나 생기는데, 시민은 5천만 명이고 한 사람 한 사람이 지금까지 존재한 어떤 노벨상 수상자보다 똑똑합니다.
그들은 어떤 인간보다 10배에서 100배 빠르게 생각하고 잠을 자지 않습니다. 인터넷을 쓸 수 있고 로봇을 조종할 수 있으며 실험을 지휘하고 디지털 인터페이스가 달린 것은 무엇이든 조작할 수 있습니다. 국가안보보좌관이라면 여기에 뭐라고 하겠느냐는 질문입니다.
아모데이가 말하는 답은 분명합니다. 그것은 “한 세기 동안 우리가 맞닥뜨린 가장 심각한 국가안보 위협”이며 어쩌면 역사상 가장 심각한 위협일 것이라는 답입니다. 그리고 아모데이는 우리가 바로 그 나라를 만들고 있다고 봅니다. 그는 지난달 2만 단어 분량의 에세이를 써서, 지금 이 순간을 인류가 자기가 만들고 있는 것을 감당할 만큼 성숙한지 시험받는 시점으로 규정했습니다.
해설
슈머가 옮긴 사고실험은 아모데이가 여러 글과 증언에서 반복해 온 장치입니다. 「Machines of Loving Grace」에서는 같은 그림을 ‘데이터센터 속 천재들의 나라(a country of geniuses in a datacenter)’라고 불렀는데, 거기서는 주로 상방을 설명하는 데 쓰였습니다.같은 이미지가 상방과 하방 양쪽에 쓰이는 데는 이유가 있습니다. 5천만 명의 천재가 잠 없이 일한다는 가정에서 나오는 결론은, 그들이 무엇을 목표로 삼느냐에 따라 질병 정복이 되기도 하고 통제 불능의 전략적 행위자가 되기도 합니다. 능력 자체는 중립이고 정렬(alignment)이 모든 것을 가른다는 구도입니다.
슈머가 ‘지난달’이라고 쓴 2만 단어 에세이는 시기와 분량으로 보아 아모데이가 2026년 1월에 내놓은 「The Adolescence of Technology」를 가리키는 것으로 보입니다. 제목의 사춘기라는 말 자체가 성숙의 시험이라는 틀을 담고 있습니다.
제대로 해낼 경우의 상방은 엄청나다고 슈머는 적습니다. AI는 한 세기 분량의 의학 연구를 10년으로 압축할 수 있고, 암과 알츠하이머와 감염병, 나아가 노화 자체까지 연구자들은 우리 생애 안에 풀 수 있는 문제로 진심으로 믿고 있습니다.
잘못될 경우의 하방도 똑같이 실재합니다. 하나는 만든 사람들이 예측하거나 통제할 수 없는 방식으로 행동하는 AI입니다. 이것은 가설이 아니며, 앤트로픽은 통제된 시험에서 자사 AI가 기만과 조종과 협박을 시도하는 것을 직접 기록해 두었다고 그는 적습니다. 다른 하나는 생물학 무기를 만드는 문턱을 낮추는 AI이고, 또 다른 하나는 권위주의 정부가 결코 해체될 수 없는 감시국가를 세우게 해 주는 AI입니다.
이 기술을 만드는 사람들은 지구상의 누구보다 더 들떠 있는 동시에 더 겁에 질려 있다고 그는 정리합니다. 그들은 이것이 멈추기에는 너무 강력하고 포기하기에는 너무 중요하다고 믿습니다. 그것이 지혜인지 자기 합리화인지는 모르겠다는 것이 슈머가 이 절에 남기는 문장입니다.
[이해관계]
이 절의 논증이 거의 전적으로 아모데이 한 사람에게 기대고 있다는 점은 짚어 둘 만합니다. 사고실험도, 2026년이나 2027년이라는 시점도, 사무직 일자리 50% 전망도, 되먹임 고리의 묘사도 모두 같은 출처에서 나옵니다.아모데이는 앤트로픽의 최고경영자입니다. 자사 모델이 기만과 협박을 시도했다는 기록을 공개하는 행위와, 그만큼 강력한 것을 다루는 회사가 자기들이라는 메시지는 분리되지 않습니다. 위험의 크기에 대한 주장은 그 위험을 다룰 자격에 대한 주장이기도 합니다.
이것이 그 주장을 틀리게 만들지는 않습니다. 다만 업계 바깥 독자가 이 절을 읽을 때, 여러 독립된 관측이 한 방향을 가리키는 것이 아니라 한 사람의 전망이 여러 번 인용되고 있다는 사실은 알고 읽는 편이 낫습니다.
[반론]
글 전체의 전제, 즉 능력의 도약이 곧 경제의 격변으로 이어진다는 연결에 대해 가디언의 댄 밀모(Dan Milmo)와 아이샤 다운(Aisha Down)은 다른 증거도 함께 있다고 짚었습니다. AI가 실제로 오고 있다는 점을 인정하면서도, 투자자들의 공포를 누그러뜨릴 근거가 나란히 존재한다는 것입니다.뉴욕타임스 칼럼니스트 로스 다우섯(Ross Douthat)도 같은 시기에 이 글을 소재로 삼아, AI가 일터를 얼마나 빨리 바꿀 수 있는지를 되물었습니다. 능력의 존재와 그 능력이 조직과 제도를 통과해 실제 고용으로 나타나는 속도는 별개의 문제라는 지적입니다.
내가 확실하다고 말할 수 있는 것
슈머는 마지막 절을 자기가 안다고 말할 수 있는 것 네 가지로 정리합니다.
첫째, 이것이 한때의 유행이 아니라는 것입니다. 기술은 작동하고, 예측 가능하게 좋아지며, 역사상 가장 부유한 기관들이 여기에 수조 달러를 걸고 있습니다.
둘째, 앞으로 2-5년이 대부분의 사람이 준비하지 못한 방식으로 혼란스러울 것이라는 점입니다. 이 일은 자기 세계에서 이미 벌어지고 있고 이제 독자의 세계로 오고 있습니다.
셋째, 이 과정을 가장 잘 통과할 사람은 지금 관여를 시작하는 쪽이라는 것입니다. 두려움이 아니라 호기심과 다급함을 가지고 시작하는 사람입니다.
넷째, 독자가 이 이야기를 들을 자리가 어디여야 하는가입니다. 6개월 뒤 앞서 나갈 기회가 이미 지나간 시점의 기사 제목이 아니라, 자기를 아끼는 사람에게서 들어야 한다는 것입니다.
해설
‘예측 가능하게 좋아진다’는 말에는 구체적인 근거가 깔려 있습니다. 2020년 전후로 정리된 스케일링 법칙(scaling laws)은 모델 크기, 데이터양, 투입 컴퓨트를 늘리면 성능 지표가 상당히 매끄러운 곡선을 따라 개선된다는 경험적 관계를 가리킵니다.이 관계가 중요한 이유는 투자 판단을 가능하게 만들었기 때문입니다. 다음 세대 모델을 실제로 만들어 보기 전에 얼마를 들이면 어느 정도가 나올지를 대략 가늠할 수 있게 되면서, 수십억 달러 단위의 선투자가 도박이 아니라 계산으로 바뀌었습니다.
슈머가 ‘가장 부유한 기관들이 수조 달러를 건다’는 사실을 기술 자체의 신뢰성과 나란히 놓는 것도 이 때문입니다. 다만 곡선이 어디까지 이어지는지, 사전학습 이후 어떤 축이 그 자리를 대신하는지는 업계 안에서도 계속 논쟁 중인 사안입니다.
그래서 그는 이것이 미래에 관한 흥미로운 저녁식사 대화일 수 있는 지점은 이미 지났다고 적습니다. 미래는 이미 와 있고, 다만 아직 당신 집 문을 두드리지 않았을 뿐이며 곧 두드릴 것이라는 문장으로 본문을 닫습니다.
맺음말에서는 이 글이 와닿았다면 생각해 봐야 할 사람에게 전해 달라고 부탁합니다. 대부분은 너무 늦을 때까지 이 이야기를 듣지 못할 테니, 당신이 아끼는 누군가가 먼저 출발하게 만드는 사람이 될 수 있다는 것입니다. 글 끝에는 초고를 검토하고 의견을 준 세 사람에 대한 감사가 붙어 있습니다.
[관점]
이 글의 설득력은 성격이 다른 두 층으로 이뤄져 있고, 둘을 구분해서 읽을 필요가 있습니다. 앞쪽은 일인칭 증언입니다. 자기 업무에서 무엇이 어떻게 바뀌었는지, 월요일에 실제로 무슨 일이 있었는지에 대한 보고는 반박하기 어렵고 이 글에서 가장 값진 부분입니다.뒤쪽은 외삽입니다. 코딩에서 벌어진 일이 법률과 금융과 의료로 같은 속도로 번진다는 추론, 과업 길이의 배가가 계속된다는 전제, 되먹임 고리가 폭발로 이어진다는 전망이 거기에 해당합니다. 각각은 그럴듯하지만 증언이 아니라 가설이고, 글은 둘을 같은 톤으로 서술합니다.
‘내가 아는 것’이라는 마지막 절의 제목이 그 경계를 더 흐립니다. 네 항목 가운데 첫째는 사실에 가깝지만 둘째와 셋째는 전망이고, 전망을 안다는 형식으로 옮겨 적으면 불확실성의 표지가 사라집니다. 슈머가 앞 절들에서 보여 준 솔직함을 생각하면 아쉬운 마감입니다.
그럼에도 이 글이 그렇게 널리 읽힌 이유는 분명합니다. 업계 안의 사람이 바깥의 사람에게, 통계가 아니라 자기 일주일을 근거로 말을 걸었기 때문입니다. 추론의 어느 대목에 동의하지 않더라도, 직접 써 보고 판단하라는 요구는 남습니다.
원문: Matt Shumer, Something Big Is Happening (Feb 2026)
전문은 원문에서 확인하실 수 있습니다.
참고할만한 글
- 안드레이 카파시 – AGI는 아직 10년 남았다 (AGI is Still a Decade Away) — 같은 코딩 도구를 매일 쓰는 연구자가 정반대의 시간표를 내놓는 글이라, 슈머의 외삽을 어디까지 받아들일지 가늠하는 데 도움이 됩니다.
- 아빈드 나라야난·사야시 카푸어 – 일반 기술로서의 AI (AI as Normal Technology) — 능력의 도약과 실제 경제적 확산 사이의 간격을 다루는 글로, 이 글이 생략한 제도와 조직의 층위를 채웁니다.
- 다리오 아모데이 – 기술의 사춘기 (The Adolescence of Technology) — 슈머가 2만 단어 에세이로 언급한 바로 그 글로 보여, 인용된 전망의 원래 맥락을 확인할 수 있습니다.
- IMF – AI와 일의 미래 (Gen-AI: Artificial Intelligence and the Future of Work) — 일자리 노출도를 국가별 수치로 추정한 보고서여서, 사무직 50% 전망을 데이터와 대조해 볼 수 있습니다.
