9월 7일 월요일
AI가 더 똑똑해졌다는 선언보다 중요한 것은 기업과 국가가 어떤 업무를 자동화하고, 어떤 판단을 사람에게 남기며, 흔들리는 시장에서 어떤 원칙으로 버틸지다.
AI 도입은 기술 선택보다 운영 선택이다
G20 무대의 AGI 발언들은 같은 결론으로 모인다. 지능은 이제 제품 기능이 아니라 전력, 데이터센터, 교육, 업무 절차, 규제 태도를 함께 요구하는 운영 인프라가 됐다.
AI가 이미 충분히 강력해졌다면 조직의 첫 질문은 무엇이어야 하나
젠슨 황, 일론 머스크, 샘 알트만의 말은 서로 다른 회사의 전망처럼 보이지만, 업무 현장에는 하나의 압력으로 도착한다. AI는 더 이상 챗봇을 잘 고르는 문제가 아니다. 황은 AI를 에너지, 칩, 데이터센터, 모델, 데이터와 애플리케이션이 결합한 인프라로 설명하고, 직업 전체보다 과업이 자동화된다고 본다. 머스크는 규제가 기본적으로 새 기술을 막는 구조라면 혁신이 느려지고, 스타트업과 전력 공급이 성장의 병목이 된다고 말한다. 알트만은 AGI라는 말 자체보다 실제 사용자가 얻는 가치, 컴퓨트 공급, 지역사회 수용, 일자리 전환이 더 중요하다고 선을 긋는다. 따라서 조직이 물어야 할 질문은 어느 모델이 AGI인가가 아니라, 어떤 반복 업무를 맡기고 어떤 승인권과 책임은 남길지, 전력과 비용과 데이터센터 논쟁까지 감당할 준비가 있는지다. 이 관점은 비개발 조직에도 바로 닿는다. 고객지원, 교육, 문서 작성, 내부 리서치처럼 이미 AI를 붙이기 쉬운 과업이 늘어날수록 리더는 성과 측정 방식과 책임 소재를 다시 정해야 한다. AI가 만든 초안을 누가 승인하는지, 실패가 났을 때 어떤 로그와 근거를 남길지, 지역 인프라와 사회적 반발을 어떻게 설명할지도 업무 설계의 일부가 된다.
- 01
직업이 아니라 과업이 바뀐다
황의 관점에서 AI가 자동화하는 것은 타이핑, 말하기, 검색, 문서 작성 같은 과업이다. 직업은 목적, 맥락, 의미, 책임으로 묶인 역할이기 때문에 단번에 사라지지 않는다. 기업 입장에서는 직무명을 없애기보다 업무 단위를 다시 쪼개고, 사람이 남겨야 할 판단과 AI에 맡길 실행을 구분해야 한다. 예를 들어 상담원이라는 직업은 남더라도 상담 전 요약, 답변 후보 작성, 지식베이스 검색은 도구가 맡을 수 있다. 이때 사람의 역할은 더 적게 일하는 것이 아니라 맥락을 판단하고 고객에게 책임 있는 결정을 내리는 쪽으로 이동한다.
- 02
도입 속도는 규제와 전력이 결정한다
머스크는 디지털 AI가 빠르게 복제되는 반면 로봇과 데이터센터는 전력, 부품, 공급망을 요구한다고 본다. 특히 칩 생산 속도보다 전력 공급이 늦으면 좋은 모델을 가져도 실제 서비스와 산업 적용은 막힌다. 조직의 AI 전략도 구매 예산만이 아니라 전력, 데이터 보관, 지역사회 반발, 파트너 인프라를 포함해야 한다. 사내 자동화가 작게 시작되더라도 사용량이 늘면 비용과 지연 시간이 의사결정 변수로 올라온다. 그래서 실험을 허용하는 규정과 운영 한계를 함께 세우는 일이 성능 평가만큼 중요하다.
- 03
AGI 선언보다 사용자의 가치가 우선이다
알트만은 AGI가 합의된 경계라기보다 모호한 이정표라고 말한다. 중요한 것은 선언이 아니라 사람들이 생활과 업무에서 시간을 절약하고, 회사를 시작하고, 복잡한 코드를 다루며 실제 가치를 얻는가다. 리더는 거창한 용어보다 사용량, 비용, 접근성, 안전한 확산 조건을 기준으로 도입을 판단해야 한다. 어떤 부서가 먼저 쓸지, 어떤 데이터는 넣지 않을지, 누구에게 교육을 제공할지가 더 현실적인 질문이다. 이렇게 보면 AI 전략은 미래 예측 문서가 아니라 매주 갱신되는 운영 체크리스트에 가깝다.
- 04
공포만으로는 안전도 성장도 얻기 어렵다
세 발언 모두 무조건 낙관을 요구하지는 않는다. 데이터센터 반발, 일자리 영향, 실제 피해 규제, 공급망 비용은 남아 있다. 다만 가설적 공포만 앞세우면 도입이 늦고, 반대로 성능만 앞세우면 책임 구조가 빈다. 필요한 것은 실제 피해를 규제하고 업무별 통제 조건을 붙이는 실용적 수용이다. 조직 내부에서도 같은 원칙이 작동한다. 전면 금지나 전면 허용보다, 고객 데이터·재무 정보·법적 판단처럼 위험이 큰 영역과 반복 문서·요약·초안처럼 실험 가능한 영역을 나누는 편이 더 지속 가능하다.
이번 호의 업무적 결론은 단순하다. AI 도입은 모델 구매 프로젝트가 아니라 운영 설계 프로젝트다. 어느 과업을 맡길지, 사람의 책임을 어디에 둘지, 인프라 비용과 사회적 수용을 어떻게 설명할지 정하지 못하면 성능 향상은 조직의 생산성으로 번역되지 않는다. 반대로 작게라도 업무 단위, 승인권, 위험 등급, 비용 한계를 정하면 AGI 논쟁과 별개로 오늘부터 바뀌는 일이 보인다. 이 순서가 정해져야 비용과 책임 논쟁도 실제 운영 언어로 내려온다.
불확실성 앞에서 필요한 것은 예측보다 생존 구조다
AI 랠리와 폭락장 불안이 동시에 커질 때, 투자 조언들은 빠른 정답보다 레버리지, 현금, 공부, 감정 관리라는 반복 가능한 구조를 강조한다.
추격하는 판단AI와 반도체가 오른다는 분위기만 보고 종목이나 레버리지 상품을 따라가면 시장이 흔들릴 때 왜 보유해야 하는지 설명하기 어렵다. 좋은 뉴스가 많을수록 매수 이유가 가격 상승 기대 하나로 좁아지는 위험도 커진다.
버티는 구조애크먼은 10년 동안 거래할 수 없어도 보유할 사업인지 묻고, 책과삶 대화는 자신이 이해하는 산업과 지수, ETF 같은 구조를 먼저 보라고 한다. 핵심은 유행보다 현금흐름, 경쟁우위, 감당 가능한 집중도다.
추격하는 판단가격 하락을 맞히려 하거나 손실을 피하려는 충동은 매매 빈도를 늘리고, 예상보다 빠르고 크게 오는 충격 앞에서 강제 매도를 부른다. 차입과 단기 옵션은 판단이 틀렸을 때 시간을 빼앗는다.
버티는 구조무차입 포트폴리오, 현금성 자산, 감당 가능한 손실 범위를 미리 정하면 모두가 패닉일 때도 보유하거나 살 수 있는 여지가 남는다. 폭락장을 기회로 쓰려면 하락이 오기 전부터 현금과 원칙이 있어야 한다.
추격하는 판단타인의 성공과 시장 상승을 질투나 조급함으로 받아들이면 모르는 분야에 늦게 뛰어드는 행동으로 이어진다. 내가 왜 샀는지 설명하지 못하는 상태에서는 작은 하락도 정체성의 위협처럼 느껴진다.
버티는 구조투자 이유를 문장으로 설명하고, 타인의 성공을 배울 배경으로 받아들이며, 아침의 자기 대화처럼 감정을 다루는 습관이 판단을 지탱한다. 이는 정신론이 아니라 변동성 속에서 행동을 늦추는 운영 장치다.
AI가 만든 성장 기대와 폭락장 공포는 같은 날에도 함께 존재한다. 그래서 오늘의 의사결정 기준은 더 정확한 예언이 아니라, 틀렸을 때도 살아남는 구조를 이미 갖췄는가다. 업무 도입과 투자 판단 모두 같은 질문으로 돌아온다. 내가 이해한 범위 안에서 움직이고, 실패했을 때 회복할 여지를 남겼는가. 예측이 틀려도 무너지지 않는 절차를 가진 사람과 조직만이 다음 기회를 실제 선택지로 남길 수 있다. 그래서 이 판의 공통된 조언은 속도를 늦추라는 뜻이 아니라, 먼저 기준을 세운 뒤 속도를 내라는 쪽에 가깝다.
아직 못 읽은 북마크
북마크를 고르는 중…