요즘 AI 에이전트와 MCP를 다루는 강연을 들으면 결론은 대개 셋으로 모인다. 편리하다, 싸다, 빠르다. 틀린 말은 아니다. 그런데 그 말만 듣고 강연장을 나서면 정작 중요한 질문 하나가 비어 있다.
그래서 이 기술로 무엇을 새로 하게 되는가?
이 질문을 붙들고 있다가 아메리칸항공(AA)의 SABRE가 떠올랐다. 세계 최초의 실시간 전산 예약 시스템이다. 이 이야기를 꺼내는 사람들은 대개 엄청난 개발비만 기억하고, 왜 만들었는지는 말하지 않는다. 그런데 어느 강연에서 들은 설명은 달랐다. AA 회장이 막대한 돈을 들여 전산화를 밀어붙인 목적은 변동가격이었다는 것이다. 중간 가격으로 간을 보고, 잘 팔리면 올리고 안 팔리면 내려 좌석점유율과 가격을 함께 최적화했다고 한다.
이 일화를 AI에게 팩트체크시켜 보았다. 결론부터 말하면 절반만 맞다. 그런데 틀린 절반이 오히려 더 큰 교훈을 품고 있다.
회장은 둘이었다
SABRE는 1953년의 우연에서 시작됐다. 로스앤젤레스발 뉴욕행 비행기에서 AA 사장 C.R. 스미스와 IBM 영업사원 블레어 스미스가 옆자리에 앉았다. 당시 항공 예약은 직원들이 손으로 카드를 써서 회전 선반에 꽂아 관리하는 방식이었고, 초과 예약과 빈 좌석이 일상이었다. C.R. 스미스는 약 4,000만 달러를 IBM과의 공동 개발에 걸었고, 1960년대 초 가동된 SABRE는 당시 세계 최대의 상업용 실시간 데이터 처리망이 되었다.
그러니 첫 번째 회장의 목적은 변동가격이 아니었다. 예약 오류를 없애는 것, 지금 말로 하면 정확하고 빠르고 싼 처리, 곧 효율이었다. 게다가 당시 미국 항공 요금은 민간항공위원회(CAB)가 정했다. 항공사가 가격을 마음대로 움직일 수 있는 시대가 아니었다.
변동가격을 무기로 만든 사람은 따로 있다. 훗날 AA 회장이 되는 로버트 크랜달이다. 1978년 항공 규제 철폐를 전후해 요금 경쟁이 열리자, 그는 SABRE에 쌓인 예약 데이터를 가격 결정에 쓰기 시작했고 이 관행에 ‘수익 관리(yield management)’라는 이름을 붙였다.
강연에서 들은 일화는 C.R. 스미스의 투자와 크랜달의 전략이 한 사람의 이야기로 합쳐진 것이다.
효율의 기계가 규칙의 기계가 되기까지
여기서 교훈이 뒤집힌다. SABRE는 처음부터 새 규칙을 위해 만든 기계가 아니었다. 효율을 위해 만든 기계가 20여 년 동안 데이터를 쌓았고, 규제라는 바깥 조건이 바뀌자 누군가 그 기계에 전혀 다른 질문을 던졌다.
같은 좌석을 왜 같은 값에 팔아야 하는가?
크랜달의 답은 단순히 가격을 올리고 내리는 것이 아니었다. 1985년 1월 AA는 ‘얼티밋 슈퍼 세이버’ 운임을 내놓았다. 핵심은 할인 폭보다 조건이었다. 일찍 사고, 환불을 포기하고, 주말을 끼어 머무는 사람에게만 싸게 판다. 이 조건은 휴가 여행객과 출장객을 가르는 울타리였다. 그리고 DINAMO라는 시스템이 항공편마다 빈자리가 남을 것 같은 만큼만 할인 좌석을 풀었다.
전 좌석 99달러의 단순함을 내세우던 저가항공 피플익스프레스(People Express)는 이 공격을 버티지 못했다. 그 회사 CEO 도널드 버는 얼티밋 슈퍼 세이버가 나오기 전까지 창업 이래 줄곧 흑자였다고 회고했고, 회사는 얼마 지나지 않아 다른 항공사에 넘어갔다. 피플익스프레스에는 전산 예약 시스템도, 분석할 20년치 데이터도 없었다. 두 회사의 차이는 비행기가 아니라 쌓인 기록과 그것을 해석하는 규칙에 있었다.
엄밀히 말해 크랜달이 할인 운임을 처음 생각해 낸 것은 아니다. 영국의 BOAC가 좌석 수를 제한한 조기 예약 할인을 먼저 실험했다. 크랜달의 몫은 아이디어 자체보다 그것을 수요 예측·좌석 통제·초과 예약을 묶는 체계로 만들고, 이름을 붙여 업계의 표준으로 세운 데 있다. 크랜달 스스로도 수익 관리를 규제 철폐 이후 운송 경영에서 가장 중요한 기술적 진전으로 꼽았다.
반론: AI는 이미 가격 규칙을 발명한다
그렇다면 “이런 규칙을 AI가 스스로 만들기는 어렵다”는 생각은 맞는가. 반론은 생각보다 강하다.
2020년 『American Economic Review』에 실린 칼바노(Calvano) 등의 연구는 강화학습(Q러닝) 가격 알고리즘들을 반복 가격 경쟁 시뮬레이션에 풀어놓았다. 알고리즘들은 서로 아무 신호도 주고받지 않았는데도 경쟁 가격보다 높은 가격을 매기는 법을 일관되게 학습했다. 그 높은 가격은 상대가 값을 내리면 한동안 보복하고 다시 협조로 돌아가는 담합형 전략으로 유지되었다. 누구도 담합을 가르치지 않았다. 알고리즘이 규칙을 ‘발견’한 것이다.
알파고의 37수도 같은 계열의 증거다. 인간의 기보에 없던 수였다. 목표와 환경만 주면 기계는 인간이 생각하지 못한 전략을 찾아낸다. 이 관점에서 보면 크랜달의 변동가격도, 수요 데이터가 충분한 시뮬레이터 안이라면 기계가 재발견할 수 있는 규칙이다.
그래도 남는 인간의 몫
그러나 이 반론을 자세히 들여다보면 오히려 인간의 몫이 어디에 있는지가 드러난다. 체화된 인지의 관점을 빌리면 더 선명해진다.
1. 판을 까는 것은 사람이다 ― 행동공간의 설계
칼바노의 알고리즘은 ‘가격’이라는 손잡이와 ‘이윤’이라는 점수를 받았다. 크랜달의 발명은 바로 그 손잡이를 만드는 일이었다. 좌석 하나하나를 서로 다른 가격의 상품으로 쪼개고, 사전 구매·환불 불가·주말 체류 같은 조건으로 고객을 가르는 울타리를 친 것이다.
이 울타리는 데이터에서 곧바로 나오지 않았다. 출장객은 왜 막판에 표를 사고 주말 전에 돌아오려 하는지, 휴가객은 왜 몇 주 전에 일정을 정하는지는 숫자가 아니라 사람들이 살아가는 방식에서 나오는 구분이다. 체화된 인지의 말로 하면, 의미 있는 구분은 계산 이전에 행위자가 세계에 몸담은 방식에서 생긴다.
그러니 이것은 주어진 행동공간 안의 최적화가 아니라 행동공간 자체의 설계다. 알파고의 37수도 바둑판과 바둑 규칙 안에서 나왔을 뿐, 바둑의 규칙을 바꾸지는 않았다.
2. 판이 바뀐 것을 알아채는 것도 사람이다 ― 구조적 접속
생물학자 마투라나와 바렐라는 생명체와 환경이 반복적으로 상호작용하며 서로의 구조를 바꿔 가는 관계를 ‘구조적 접속’이라 불렀다. 이 눈으로 보면 SABRE를 바깥 세계에 접속시킨 것은 SABRE 자신이 아니라 크랜달이었다. 규제 철폐라는 제도 변화, 저가항공이라는 새 경쟁자, 출장객과 휴가객의 서로 다른 처지는 SABRE의 데이터베이스 안에 들어 있지 않았다.
시뮬레이터 안에서 학습하는 알고리즘은 시뮬레이터와만 접속되어 있다. 바깥 세계가 바뀌어도 누군가 그 변화를 판에 옮겨 주기 전까지는 알지 못한다. 에이전트가 웹과 시장 데이터에 실시간으로 연결되면 이 간극은 줄어들 것이다. 그래도 수많은 변화 가운데 무엇이 ‘판이 바뀐 사건’인지 가려내는 판단은 아직 사람에게 남아 있다.
3. 규칙을 써도 되는지는 기계가 판단하지 않는다 ― 필멸성과 책임
칼바노의 알고리즘이 찾아낸 규칙은 하필 담합이었다. 기계는 이윤을 늘리는 규칙을 발견했지만, 그것이 법과 사회가 허용하는 규칙인지는 묻지 않는다.
시뮬레이션 속 알고리즘은 실패해도 초기화하고 다시 돌리면 된다. 실제 시장의 기업은 그렇지 않다. 피플익스프레스는 가격 전쟁에서 진 대가로 사라졌다. 사라질 수 있는 존재만이 위험을 걸고 결단하며, 그 결과를 책임진다.
옆자리 승객과 내 표값이 다를 때 그 차이를 사회가 받아들이게 만드는 일, 받아들일 수 없는 규칙을 걸러내는 일은 그래서 필멸적이고 관계적인 존재인 사람의 몫이다.
정확한 명제
그러니 정확한 명제는 “AI는 없는 규칙을 만들지 못한다”가 아니다. AI는 주어진 판 위에서 인간보다 빨리 규칙을 찾는다. 다만 어떤 판을 깔지, 판이 바뀌었는지, 찾아낸 규칙을 세상에 써도 되는지는 아직 인간이 정한다.
사업과 제도의 승부는 대개 이 세 가지에서 갈린다.
에이전트와 MCP에 던질 질문
SABRE의 역사가 지금의 에이전트 담론에 주는 교훈은 둘이다.
하나는, 처음의 투자는 대개 효율을 명분으로 이루어진다는 것이다. 부끄러운 일이 아니다. C.R. 스미스의 4,000만 달러도 예약 카드를 없애려는 돈이었다. 문제는 효율에서 이야기를 끝내는 것이다. 에이전트가 문서를 대신 쓰고 MCP가 사내 시스템을 이어 붙이는 지금, 그 연결 속에는 조직이 무엇을 언제 누구에게 하는지의 기록이 쌓이고 있다. 그것이 우리 시대의 20년치 예약 데이터다.
다른 하나는, 그 기록을 새로운 규칙으로 바꾸는 질문은 기계가 대신 던져 주지 않는다는 것이다. “얼마나 빨라지는가”는 SABRE 첫 번째 회장의 질문이다. “같은 것을 왜 같은 방식으로 팔아야 하는가”는 두 번째 회장의 질문이다.
강연장에서도, 경영의 현장에서도 지금 들어야 할 것은 두 번째 질문이다.
기계가 찾아낸 규칙의 책임을 누가 지는가에 대해서는 〈AI의 판단은 누구의 책임인가 ― 설명가능성을 넘어 관계적 책임으로〉에서 따로 다루었다.
출발점: AI 에이전트·MCP 강연을 듣고 Gemini와 나눈 문답 (2026년 10월 8일)
참고
- Sabre, 〈The Sabre Story〉
- IBM, 〈Sabre: The first online reservation system〉
- Wikipedia, 〈Yield management〉, 〈Revenue management〉
- Calvano, E., Calzolari, G., Denicolò, V., Pastorello, S. (2020). Artificial Intelligence, Algorithmic Pricing, and Collusion. American Economic Review, 110(10), 3267–97.
- Maturana, H. R., Varela, F. J. (1987). The Tree of Knowledge: The Biological Roots of Human Understanding. Shambhala. (국역 『앎의 나무』)