AI 낙관론의 이면 (구조적 불평등, 자동화 한계, 현장 실무)

저는 처음 자동매매 알고리즘으로 자동봇을 접했을 때, 저도 빅테크가 말하는 낙관론을 반쯤 믿었습니다. "AI는 인간을 돕는 도구"라는 말이 그렇게 틀린 것도 아니니까요. 그런데 시장이 한 번 뒤집히고, 예비 창업자가 눈앞에서 무너지는 걸 보고 나면 생각이 달라집니다. AI가 '과업(Task)만 대체한다'는 말 뒤에 무엇이 숨어 있는지, 현장에서 직접 겪은 이야기로 짚어보겠습니다.

 

AI는 과업을 대체한다 — 그게 왜 문제인가

글로벌 기술 리더들 사이에서 자주 나오는 말이 있습니다. "AI는 인간이 아닌 과업(Task)을 대체한다." 언뜻 들으면 안심이 됩니다. 그런데 이 문장을 뒤집으면 전혀 다른 그림이 나옵니다. 단순 과업만 수행해온 수많은 노동자들의 자리가 구조적으로 사라진다는 뜻이기도 하니까요.

실제로 국제노동기구(ILO)는 2023년 보고서에서 생성형 AI가 전 세계 일자리의 약 40%에 영향을 미칠 수 있다고 분석했습니다(출처: ILO). 여기서 '영향'이란 단어가 중요합니다. 대체나 소멸이 아니라 '변형'이라고 표현하지만, 단순 반복 업무 비중이 높은 저숙련 직군일수록 그 충격의 방향은 한쪽으로만 쏠립니다.

제가 운영하는 암호화폐 자동매매 시스템을 예로 들면, 초기에 알고리즘 트레이딩(Algorithmic Trading)을 도입했을 때 기대는 높았습니다. 알고리즘 트레이딩이란? 사전에 설정한 조건과 규칙에 따라 시스템이 자동으로 매매를 실행하는 방식으로, 감정 개입을 최소화하고 속도를 극대화하는 것이 핵심입니다. 처음에는 실제로 단순한 시세 모니터링이나 반복 주문 과업을 확실히 덜어줬습니다.

그러나 2022년 루나 사태나 2024년 초 미국 금리 불확실성이 불거졌을 때, 알고리즘은 아무것도 해주지 못했습니다. 변동성 지수(Volatility Index)가 단기간에 폭등하는 구간에서 — 여기서 변동성 지수란? 시장 참여자들이 느끼는 불안과 불확실성의 크기를 수치화한 것으로, 이 값이 급등할수록 예측 모델의 신뢰도가 떨어집니다 — 리스크 판단과 손절 타이밍 결정은 결국 제 몫이었습니다. 수치가 아닌 맥락을 읽는 건 여전히 인간의 일입니다.

빅테크가 말하는 "AI를 수석 보좌관처럼 활용하라"는 조언이 나쁜 건 아닙니다. 하지만 그 조언을 실행할 수 있는 사람은 이미 전략을 설계할 능력과 자본을 갖춘 소수입니다. 전체 노동 시장에서 그런 위치에 있는 사람이 몇 퍼센트나 될까요. 저는 그 비율이 생각보다 훨씬 낮다고 봅니다.

💡 첫 번째 인사이트 요약

• 단순 과업 자동화: 해당 업무에 종사하던 저숙련 노동자에게 직접적인 타격을 줍니다.
• 실무 판단의 중요성: 알고리즘 트레이딩도 극단적인 시장 변동성 앞에서는 결국 인간의 판단에 의존할 수밖에 없습니다.
• 기회의 불평등: AI를 '전략 도구'로 활용할 수 있는 조건 자체가 이미 사회적으로 불평등하게 분포되어 있습니다.
• 결론: "AI는 과업을 대체한다"는 말은 사실이지만, 그 과업을 삶의 기반으로 삼아온 사람들에게 그 변화는 기회가 아닌 생존 위협입니다.

 

공감과 창의성을 길러라 — 현장 속도는 다르다

기술 리더들이 공통적으로 강조하는 미래 역량이 있습니다. 비즈니스 창의성, 공감 능력, 시스템 사고. 맞는 말입니다. 제가 경험상 이건 틀린 말이 아닙니다. 문제는 그 역량을 키우는 속도와 기술이 발전하는 속도 사이의 간격입니다.

카페 창업 컨설팅을 할 때, 저는 AI 도구를 활용해서 매장 동선 시뮬레이션이나 상권 분석 데이터 정리에 걸리는 시간을 과거 대비 70% 이상 줄였습니다. 머신러닝(Machine Learning) 기반 상권 분석 툴을 쓰기 시작하면서부터인데, 머신러닝이란? 데이터에서 패턴을 스스로 학습하고 예측 모델을 만드는 기술로, 수작업으로는 며칠 걸리던 입지 분석을 수십 분으로 압축해줍니다. 이건 분명히 도움이 됐습니다.

그런데 정작 예비 창업자가 상담 자리에서 "저 이거 진짜 해도 되는 건지 모르겠어요"라고 떨리는 목소리로 말할 때, 데이터 리포트는 아무 소용이 없었습니다. 그 순간 필요한 건 수치가 아니라 그 사람의 두려움이 어디서 오는지를 감지하고 말 한마디를 고르는 것이었습니다. 제가 직접 창업 실패를 경험한 지인들을 옆에서 지켜본 기억, 그 맥락이 대화에 깔려 있어야 상대방이 비로소 마음을 엽니다.

맥킨지 글로벌 인스티튜트(MGI)는 2024년 보고서에서 AI 도입 이후 오히려 고차원 대인 역량(공감, 설득, 상황 판단)에 대한 수요가 빠르게 증가하고 있다고 분석했습니다(출처: McKinsey Global Institute). 역설적이게도, AI가 단순 과업을 빠르게 처리할수록 남겨진 일의 난도는 올라갑니다.

그런데 그 높아진 난도를 따라잡을 교육 인프라나 전환 속도는 현장에서 체감하기에 너무 느립니다.

저는 센터 회원들을 교육할 때마다 이 간격을 매일 봅니다. AI 툴을 쥐어줘도 그것을 어디에 어떻게 쓸지 맥락을 잡지 못하면 아무 의미가 없습니다. 자연어 처리(NLP, Natural Language Processing) 기반 분석 도구 — 즉 사람이 쓰는 언어를 컴퓨터가 이해하고 분석하는 기술 — 를 가르쳐도, 그 결과를 사업 판단과 연결하는 사고 훈련이 없으면 툴은 그냥 새로운 짐이 됩니다. 기술의 속도에 인간의 학습 속도가 따라가지 못하는 이 구간, 빅테크의 낙관론은 이 구간을 지나치게 가볍게 봅니다.

💡 두 번째 인사이트 요약

• 수치 너머의 맥락: 머신러닝 분석 도구가 상권 데이터를 단시간에 정리해 줄 수는 있지만, 창업자의 두려움을 읽고 설득하는 것은 오직 인간의 공감 영역입니다.
• 남겨진 업무의 고난도화: AI 도입이 빠를수록 인간이 처리해야 할 남겨진 역할의 난도는 점점 더 올라갑니다.
• 교육 속도의 격차: 높아진 역량 격차를 메울 현실적 속도와 사회적 인프라는 낙관론이 전제하는 것보다 훨씬 더딥니다.

 

자주 묻는 질문

Q. AI가 일자리를 빼앗는다는 게 진짜인가요, 과장인가요?

A. 전면적으로 빼앗는다기보다 구조적으로 재편된다는 표현이 더 정확합니다. ILO 분석에 따르면 전 세계 일자리의 약 40%가 AI 영향권에 들어 있지만, 그 영향이 기회인지 위협인지는 직군과 개인의 역량에 따라 극명하게 갈립니다. 단순 반복 업무 비중이 높을수록, 그리고 전환 역량을 키울 여건이 부족할수록 위협 쪽에 가까워집니다.

 

Q. 암호화폐 자동매매에서 AI를 쓰면 실제로 수익이 나나요?

A. 평탄한 시장 구간에서는 분명히 효율이 올라갑니다. 단순 반복 주문이나 시세 모니터링 과업은 알고리즘이 훨씬 정확하게 처리합니다. 그러나 급격한 변동성 구간에서는 알고리즘이 기준으로 삼는 과거 데이터 패턴이 무력화되는 경우가 생기고, 그때 리스크 판단은 결국 운용자의 몫입니다. 도구로는 유용하지만 전부를 맡기는 건 제 경험상 위험합니다.

 

Q. 빅테크가 말하는 "공감 능력과 비즈니스 창의성"을 어떻게 키워야 하나요?

A. 방향 자체는 맞습니다. 다만 그 역량을 키우는 건 단기간에 되지 않으며, 현장 경험 없이 강의만으로는 한계가 있습니다. 제 경험상 가장 효과적인 방법은 AI 툴을 실제 문제에 반복적으로 써보면서 '결과를 해석하는 연습'을 쌓는 것입니다. 툴 사용법이 아니라 결과를 맥락에 연결하는 사고 훈련이 핵심입니다.

 

Q. AI 도입이 오히려 사람 간 소통을 더 중요하게 만드나요?

A. 현장에서 직접 보면 그렇습니다. 데이터 분석과 반복 업무를 AI가 처리할수록, 남겨지는 역할은 맥락 판단, 감정 조율, 신뢰 형성처럼 사람 사이에서만 작동하는 것들입니다. 카페 창업 컨설팅에서도 수치 분석보다 예비 창업자의 불안을 읽고 대응하는 시간이 오히려 더 길어졌습니다. AI 도입이 소통의 비중을 줄이는 게 아니라 오히려 높입니다.

 

결론

AI가 인류에게 유용한 도구라는 사실 자체를 부정할 생각은 없습니다. 저 역시 매일 그 도구의 혜택을 받으며 사업을 운영하고 있으니까요. 다만 "AI는 기회"라는 메시지가 모두에게 동일한 무게로 전달되는 것은 경계해야 한다고 생각합니다. 자동화의 과실을 거둘 수 있는 조건이 이미 불균등하게 분포되어 있고, 기술이 빠를수록 그 격차는 더 벌어질 가능성이 있습니다.

화려한 미래 비전에 도취되기 전에, 지금 당장 자동화의 속도에 적응하지 못하는 사람이 내 주변에 얼마나 있는지를 먼저 보는 것이 현실적인 출발점이라고 생각합니다. 기술의 방향보다 그 기술이 만들어내는 사회적 속도 차이, 그 간극을 어떻게 좁힐지를 묻는 것이 지금 시점에서 더 중요한 질문입니다.

 

참고: 유튜브 채널 <지식인사이드> - 구글 클라우드 부사장이 예측한, 2030년 AI로 달라질 충격적 미래ㅣ지식인초대석 EP.129 (모에 압둘라 부사장)