9월 20일 일요일
AI가 답을 돕는 단계를 넘어 업무와 창작을 직접 움직이기 시작하면, 사람의 일은 실행보다 과제 선택·승인 기준·중단 조건을 설계하는 쪽으로 이동한다.
AI에게 일을 맡긴 뒤에도 사람이 남아야 하는 자리
더 빠른 답변을 받는 것과 사람이 개입하지 않아도 업무가 끝나는 것은 다르다. 자동화의 성패는 모델의 말솜씨보다 무엇을 맡기고, 어디서 멈추며, 누가 결과를 승인하는지에 달려 있다.
보조와 위임은 같은 성능표를 쓰지 않는다
대화형 AI가 유용하다는 사실만으로 업무를 통째로 넘길 수 있는 것은 아니다. Diego Mida의 구분을 빌리면 보조 도구는 사람이 결과를 보고 대화하며 만족하면 성공하지만, 자동화는 사람이 계속 지켜보지 않아도 과제가 정확히 끝나야 성공한다. 고객지원처럼 겉보기에 단순한 일도 회사의 비용과 책임을 실제로 움직이는 순간에는 후자의 기준이 필요하다. 인간의 선호를 학습한 시스템은 친절하고 자신감 있는 답을 내는 데 강하지만, 불확실성을 드러내고 멈춰야 할 때 멈추는 판단과는 긴장이 생길 수 있다. 그래서 도입 검토의 첫 질문은 ‘모델이 얼마나 똑똑한가’가 아니라 ‘이 업무의 성공을 누가 어떤 증거로 확인하는가’여야 한다. 사람이 마지막 판단을 하는 보조 업무와, 채용 후보 연락·일정 조율처럼 에이전트가 결과까지 수행하는 업무를 한 묶음으로 평가하면 중요한 비용과 책임의 경계를 놓치게 된다.
실행자가 줄수록 과제 설계자와 승인자가 중요해진다
YC가 관찰한 변화는 역할 이동을 더 구체적으로 보여준다. 채용 도구는 인재를 찾는 데서 후보자에게 연락하고 인터뷰 일정을 잡는 데까지 범위를 넓혔지만, 문화 적합성과 관계를 판단하는 일은 여전히 사람에게 남았다. 여러 코딩 에이전트를 병렬로 운용하는 창업자에게도 핵심 역량은 모든 코드를 직접 쓰는 능력보다 무엇을 만들지 고르고, 각 작업의 상태와 막힘을 읽고, 결과의 품질을 판정하는 능력에 가까워진다. 이는 사람의 역할이 사라진다는 단순한 이야기가 아니다. 반복 실행은 줄고 문제 선택, 업무 분해, 우선순위 조정, 예외 처리와 최종 승인에 책임이 모인다. 특히 경험 많은 운영자와 창업자가 유리하다는 관찰은 도메인 감각과 실패 패턴에 대한 기억이 새 자동화 환경에서 오히려 중요해질 수 있음을 시사한다. 조직은 인원을 얼마나 줄일지보다 누가 목표를 정하고 여러 자동화 결과를 하나의 책임 있는 결정으로 묶을지를 먼저 정해야 한다.
승인선을 없애기 전에 중단 조건을 만든다
실무 도입은 사람 한 명의 직무를 통째로 복제하는 방식보다, 말로 명확히 설명할 수 있고 반복되며 결과 확인 기준이 있는 작은 작업에서 시작하는 편이 원문들이 제시한 변화와 맞는다. 먼저 보조 단계에서는 사람이 모든 결과를 검토하고, 다음 단계에서 오류 비용이 낮고 되돌릴 수 있는 구간만 자동 실행으로 옮긴다. 그 뒤에도 사업상 중요한 결정에는 별도 승인선을 두고, 시스템이 확신하지 못할 때 사람에게 넘기는 기준을 마련해야 한다. 평가 항목도 대화 만족도 하나로 두지 않는다. 완료 여부, 오류가 났을 때의 중단, 예외가 전달되는 방식, 사람이 다시 개입하는 비용을 나눠 본다. 동시에 여러 에이전트를 쓰는 조직이라면 빠른 산출량이 곧 성과라는 착각을 피해야 한다. 병렬 실행이 늘수록 작업 간 충돌, 검증 누락, 잘못 고른 문제를 더 빨리 푸는 위험도 함께 커진다. 자동화의 최종 책임자는 모델을 칭찬하는 사람이 아니라 맡길 범위와 통과 기준을 문서화하고, 실패했을 때 업무를 되돌릴 수 있게 만드는 사람이다.
영상이 즉시 만들어질 때 감독의 일은 더 선명해진다
실시간 생성은 기다리는 시간을 줄이는 데서 끝나지 않는다. 창작자는 매 순간 무엇을 바꿀지 지시하고, 재현 가능성을 승인하며, 기존 제작 자산과 AI 사이의 경계를 관리하게 된다.
생성형 비디오가 실시간 도구가 되면 창작자의 역할과 제작 승인 절차는 어떻게 달라지는가?
H3 Max Turbo 사례에서 5초 영상의 생성 시간이 약 1.5초까지 줄어들자 병목은 단순한 대기 시간에서 제어와 신뢰성으로 이동했다. 최근 장면을 기억하고 음성·채팅·투표 지시를 즉시 반영하는 비디오는 완성된 클립을 받아보는 도구가 아니라 진행 중인 세계를 다루는 매체에 가깝다. 이때 창작자는 프롬프트를 한 번 쓰는 사람이 아니라 장면의 상태를 읽고 다음 행동을 선택하는 감독이 된다. 관객도 수동 시청자에서 사건을 공동 결정하는 참여자로 바뀐다. 그러나 전문 제작 현장의 성공 기준은 우연히 멋진 장면이 나온 한 번의 데모가 아니다. 같은 인물, 카메라, 조명, 음성, 움직임을 계획대로 반복할 수 있어야 한다. 따라서 더 빨라진 생성은 승인을 없애기보다 승인 대상을 바꾼다. 사람은 모든 프레임을 직접 만드는 대신 입력 참조와 제어 규칙을 정하고, 결과가 그 규칙을 지켰는지 확인한다.
- 01
역할: 제작자에서 실시간 연출자로
클립을 만든 뒤 수정 요청을 보내는 순차 작업은 재생 중 음성으로 인물의 등장과 카메라 이동을 지시하는 연속 작업으로 바뀐다. 최근 장면의 세부 상태와 더 긴 세계의 구조가 유지되면 창작자는 결과물을 기다리는 사람보다 장면의 방향을 계속 판단하는 사람이 된다. 관객의 투표와 채팅까지 입력으로 들어오면 연출자는 자유도를 무한히 열기보다 선택지를 설계해 일관성과 재미를 함께 관리해야 한다.
- 02
승인: 결과물 한 편보다 제어 규칙을 먼저 본다
기본 프롬프트의 결과가 대체로 그럴듯해도 전문 제작에는 반복 가능한 수준의 신뢰성이 필요하다. Blender 장면, 기존 촬영물, 캐릭터와 음성 참조, 시간별 카메라 경로와 조명처럼 제작 의도를 구조화한 입력이 중요한 이유다. 승인 절차도 최종 영상만 보고 통과시키는 방식에서 참조 자산이 올바른지, 카메라와 인물 규칙이 지켜졌는지, 여러 번 생성해도 원하는 결과가 재현되는지를 점검하는 방식으로 넓어진다.
- 03
도입: 거대한 약속보다 좁고 정확한 기능부터
스튜디오가 먼저 원하는 것은 영화 한 편의 전면 생성보다 기존 영상을 조금 연장하거나 카메라와 조명을 바꾸고 립싱크와 움직임을 맞추는 기능이다. 이는 조직이 AI를 기존 제작 파이프라인 밖의 대체재로 두기보다, 명확한 입출력과 승인 기준이 있는 지점에 연결해야 함을 보여준다. 자체 IP 적용과 미국 내 호스팅 같은 운영 조건도 실제 채택의 일부다. 속도와 비용만 비교해서는 부족하며, 자산이 어디에 머무는지와 누가 결과를 다시 사용할 수 있는지까지 확인해야 한다.
실시간 생성형 비디오가 줄이는 것은 제작자의 판단이 아니라 판단 사이의 대기 시간이다. 조직이 얻을 이익은 더 많은 장면을 만드는 데만 있지 않다. 좁은 기능을 기존 작업에 붙이고, 참조 자산과 제어 규칙을 승인 단위로 삼으며, 반복 생성에서도 결과가 유지되는지 확인할 때 실시간성이 실제 업무 변화가 된다. 반대로 데모의 놀라움만 보고 도입하면 속도는 빨라져도 수정 횟수와 책임 경계는 흐려질 수 있다. 창작자의 새 전문성은 모델을 대신해 만드는 것이 아니라 무엇을 고정하고 무엇을 열어둘지 설계하는 데 있다.
아직 못 읽은 북마크
북마크를 고르는 중…