핵심 요지 — AI 기술의 유행을 좇기보다 오랫동안 발전시킨 자기 생각을 AI가 실행하게 해야 한다는, 지식노동 재설계의 원칙을 살펴본다.
2023년 봄, 반나절짜리 인공지능 강좌를 맡았다. 트랜스포머와 GPT의 원리를 설명하고, 구글 코랩에서 BERT로 네이버 영화평을 분류하는 실습까지 진행했다. 원리와 실습을 함께 다루니 반응은 좋았지만 준비하는 사람의 수고는 컸다. 라이브러리 버전 하나가 달라져도 코드가 멈췄고, 참가자의 환경마다 새로운 문제가 생겼다.
2년 뒤 그 실습 코드를 다시 꺼내 LLM에게 건넸다. 최신 라이브러리에 맞게 고치고, 데이터셋을 다시 연결하고, 평가 지표와 예측 예시까지 넣으라고 했다. 과거에는 사람의 숙련과 시간이 필요했던 유지보수가 대화 몇 차례로 끝났다. 이때 질문이 생겼다. LLM은 노동을 없애는가, 아니면 노동의 중심을 다른 곳으로 옮기는가.
실행의 가격이 급격히 내려갔다
구글 코랩 같은 환경은 이미 값비싼 장비 없이도 머신러닝 실습을 가능하게 했다. 이제 LLM은 코드 작성과 오류 수정, 낡은 예제의 복원까지 돕는다. 도구를 준비하고 사용법을 설명하는 비용이 내려가면서, 비전공자도 데이터와 모델을 직접 만져볼 가능성이 커졌다.
그렇다고 모든 사람이 개발자가 되어야 한다는 뜻은 아니다. 중요한 변화는 아이디어를 시험하는 데 필요한 중간 단계가 짧아졌다는 것이다. 예전에는 예산과 개발팀이 있어야 확인할 수 있던 생각을 이제는 개인이 작게 구현해보고, 실패하고, 다시 고칠 수 있다.
남는 것은 오래된 질문이다
2007년에는 휴대전화로 영어를 연습하는 모바일러닝을 생각했다. 스마트폰이 등장하자 스마트러닝이라 불렀고, 딥러닝과 LLM의 시대에는 개인별 음성인식과 즉석 피드백을 상상할 수 있게 되었다. 기술의 이름은 바뀌었지만 밑바닥의 생각은 같았다. 사람은 직접 해보고 피드백을 받을 때 더 깊이 배운다는 구성주의적 믿음이었다.
기술만 따라가면 매번 출발점으로 돌아간다. 반대로 오래 붙들어온 질문이 있으면 새 기술은 그 질문을 구현하는 다음 도구가 된다. 모바일러닝, 스마트러닝, 딥러닝, LLM러닝은 서로 단절된 유행이 아니라 하나의 생각이 도구를 바꾸며 나선형으로 전개된 과정이다.
생각이 노동을 대체한다는 말
여기서 ‘생각이 노동을 대체한다’는 말은 생각만 하면 일이 저절로 끝난다는 뜻이 아니다. 반복 실행의 상당 부분을 기계가 맡을수록 무엇을 만들고 왜 고쳐야 하는지를 정하는 일이 노동의 중심이 된다는 뜻이다. 오래 발전시킨 문제의식, 현장을 관찰하는 기준, 실패를 해석하는 관점이 생산수단이 된다.
AI 시대의 전략은 모든 신기술을 남보다 빨리 좇는 것이 아니다. 내가 십 년 이상 붙들어온 생각을 분명히 하고, AI가 그 생각을 따라오게 만드는 것이다. 기술의 속도는 사람이 감당하기 어렵지만, 잘 자란 질문은 기술이 바뀔 때마다 새로운 몸을 얻는다.
페이스북 원문: 〈LLM은 노동을 어떻게 변화시킬까?〉 (2025년 4월 25일)