AI 애플리케이션 시대의 하네스와 인재상, 그리고 AI 사이코시스라는 부작용까지 정리

핵심 메시지

• Claude Code와 Codex는 더 이상 코딩 도구가 아니라 거의 모든 워크플로우를 관통하는 범용 도구로 자리 잡았다.
• 다음 세대 AI 애플리케이션은 빠르게 만든 모바일 앱이 아니라 하네스 덩어리이며, 상품은 도구가 아니라 문제 해결 자체다.
• 차별화의 축은 두 가지로 좁혀진다. 그 회사만 가진 고객 데이터와, 그 회사만 조합할 수 있는 툴셋이다.
• Claude Code를 잘 쓴다는 사실은 반년 전에는 인재의 증거였지만 지금은 필요조건일 뿐이다.
• 속도의 대가로 도파민 과몰입과 번아웃이 뒤따르고, 이를 두고 'AI 사이코시스'라는 말이 돌기 시작했다.

쉽게 이해하기

2026년 5월 중순에 녹음된 이 에피소드에서 두 진행자는 상반기를 이렇게 요약한다. 연초만 해도 AI 코딩과 에이전트 코딩은 유행어였는데, 이제는 엔지니어를 넘어 지식 노동자 전반으로 실무 관행이 퍼졌다는 것이다. 모델이 좋아지면 하네스가 따라 발전하고, 하네스가 만들어낸 특징이 다시 모델 안으로 흡수되는 선순환이 숨 막히는 속도로 돌고 있다는 진단도 덧붙는다. 다만 구글은 하네스 경쟁에 적극적으로 참전하기보다 '대충 말하면 결과물을 떨어뜨려 주는' 방향을 노리는 듯하다고 본다.

이야기의 중심축은 '다음 애플리케이션은 어떻게 생겼는가'다. 진행자는 인터넷과 모바일에서 인프라가 안정되고 값이 떨어진 뒤에야 애플리케이션의 시대가 열렸다는 비유를 가져온다. 그렇다면 지금 열리는 AI 애플리케이션의 시대에서, 과거의 웹 서비스나 모바일 앱을 더 빨리 만드는 것은 답이 아니라는 결론이 나온다. 예전에는 사업자가 도구를 주고 사용자가 그 도구로 문제를 풀었다면, 이제 사용자는 의도만 건네고 사업자는 문제 해결, 즉 태스크 완수를 팔아야 한다는 것이다.

그래서 애플리케이션의 대부분은 하네스가 되고, 사용자와 하네스 사이에 남는 얇은 층을 요즘은 'AI 서피스'라고 부른다. 현재 그 서피스는 대화창이고 입력은 키보드 아니면 음성이다. 인간이 지금 같은 하드웨어 인터페이스를 쓰는 한 이 부분은 쉽게 바뀌지 않는다는 것이 진행자의 관측이다. 그는 Codex가 이미 그 형태를 보여주고 있으며, 이것이 사실상 AI 애플리케이션의 미래형이라고 말한다.

그렇다면 범용 도구가 모든 것을 할 수 있는 세상에서 버티컬은 어떻게 살아남는가. 쿠팡 같은 기업이 자기 기능을 깔끔한 API로 풀어 OpenAI에 넘기면 ChatGPT가 아주 잘 호출하겠지만, 그 순간 광고와 크로스셀로 유지하던 매체력을 통째로 내주게 되므로 절대 그렇게 하지 않으리라는 설명이 이어진다. 대신 각 사업자는 자기 에이전트를 만들고, 개인화된 맥락과 더 강한 툴을 붙여 '여기서 하면 더 잘 되는' 영역을 만들 것이다. 진행자는 이를 검색 시대의 버티컬 웹 서비스, 앱스토어 시대의 개별 앱들이 겪었던 일의 완벽한 동형 반복이라고 부르며, 베네딕트 에번스가 말한 '오라클의 언번들링'이 ChatGPT를 대상으로 다시 벌어질 것이라고 본다.

기업 내부로 눈을 돌리면 이야기는 더 냉정해진다. 진행자는 AI 네이티브와 AI 어시스티드를 구분해야 한다고 말한다. 사람의 개입 없이 워크플로우가 끝나면 AI 네이티브, 사람이 하던 일은 그대로인데 AI가 조금 낫게 만들어 주면 AI 어시스티드다. 그리고 'AI 네이티브 회사가 되겠다'고 말하는 곳의 대부분은 실제로는 어시스티드에 머문다. 데이터가 정리돼 있고 디지털 전환이 끝난 회사는 SDK를 붙이는 것만으로 일이 풀리지만, 데이터가 개인 엑셀 파일에 흩어진 회사는 애초에 붙일 파이프라인이 없다. 게다가 실무자 대부분은 자기 일을 AI에 넘기고 싶어 하지 않아 만들어 준 도구가 쓰이지 않는다. 그는 이런 회사에 컨설팅으로 들어가 어시스티드 도구를 만들어 주기보다, 그 워크플로우를 새로 써서 그 회사를 공격하라고 조언한다. 남의 마진이 곧 나의 기회라는 것이다.

인재상에 대한 결론은 가혹하다. Claude Code나 Codex를 잘 쓰는 것은 반년 전이라면 AI 인재의 증거였지만 지금은 그런 사람이 너무 많아졌다. 진행자는 인재를 두 부류로 나눈다. 하나는 변호사나 뱅커처럼 자기 분야에서 무엇을 풀어야 하는지 이미 알고 그 위에 AI를 얹어 비즈니스를 다시 쓰는 도메인형이고, 다른 하나는 목적조차 메타 최적화의 대상으로 삼아 모델에게 위임하면서 부족한 분야 지식을 빠르게 따라잡는 부류다. 다만 진행자가 자신의 생명공학 학습 경험을 예로 들자 상대 진행자가 순환 논리를 지적하고, 진행자는 십수 년간 관련 책을 읽어 온 기반이 있었기에 가능했다고 곧바로 인정한다.

그 아래층인 인프라 이야기도 빠지지 않는다. 자기만의 서비스에 트래픽을 걸려면 프런티어 랩이 추론 클라우드에 까는 수준의 인프라와 엔지니어링이 필요하고, vLLM이나 SGLang을 설치하는 것으로 끝나지 않는다는 것이다. 어떤 워크로드는 프리필이 몰리고 어떤 워크로드는 디코드 의존성이 크며 컨텍스트 길이도 제각각이라, 그에 따라 엔지니어링 구조가 완전히 달라져야 한다. 진행자는 이를 2000년대 초 구글이 맵리듀스와 빅테이블로 연산과 저장을 분산화했을 때, 바깥의 오픈 진영이 따라잡는 데 꽤 오랜 시간이 걸렸던 상황에 비유한다.

마지막 축은 사람이다. 에이전트가 오래 돌아도 중요한 조율과 의사결정은 여전히 인간의 몫이고, 확률적으로 터지는 성공이 슬롯머신처럼 도파민을 자극해 사람을 하루 종일 붙잡아 둔다. 카파시가 한 인터뷰에서 스스로를 사이코시스 상태라고 표현한 뒤로 이 말이 널리 퍼졌는데, 지금 쓰이는 맥락은 병증에 가깝다는 지적이 나온다. 여기에 겉보기에는 잘 돌아가지만 아키텍처가 조용히 무너지고 있을 수 있다는 개발자들의 우려도 겹친다. 진행자는 자신이 이제 결과를 세 번 돌려 세 번 다 같은 답이면 그냥 버튼을 누른다며, 모든 문제를 연산으로 환원해 풀 수 있다는 이상주의와 '모델이 나보다 낫다'는 가정을 스스로 인정한다.

그래서 대화는 불편한 결론으로 수렴한다. 안정된 타이틀로 익숙한 업무를 반복하며 오래 빼먹을 수 있는 좋은 직업은 사라지는 중이고, 남는 자리는 불확실성을 견디며 계속 정보를 받아들이고 결정을 내리는 쪽이다. 그에 대한 반작용으로 '슬로 AI'라는 흐름도 언급된다. 시모어 페퍼트의 '마음이 소화할 수 있는 한 입'이라는 표현을 빌려, AI의 속도가 아니라 자신의 속도에 맞추자는 주장이다. 사업 측면에서는 만드는 능력보다 브랜드와 디스트리뷰션이 다시 중요해지고, 최고가 되기보다 유일한 하나가 되는 포지셔닝이 답이라는 이야기로 마무리된다.

주요 인사이트

• AI 애플리케이션의 승부처는 UX가 아니다. 사용자의 의도를 문제 해결로 바꿔 주는 하네스가 제품의 대부분을 차지한다.
• 플랫폼과 버티컬의 긴장은 새 이야기가 아니다. 자기 기능을 범용 에이전트에 깔끔한 API로 넘기는 순간 매체력을 잃기 때문에, 기존 강자는 자기 에이전트를 만들 수밖에 없다.
• 하네스를 통제 레이어로 보면 차별화 축은 고객 데이터와 툴 조합 두 가지로 압축되고, 이 둘의 곱이 곧 그 회사의 새로운 가치가 된다.
• 대부분의 'AI 네이티브 전환'은 실제로는 AI 어시스티드에 머문다. 데이터 파이프라인 부재와 자기 일을 내주기 싫은 실무자의 저항이 겹치기 때문이다.
• 도구 숙련도는 이미 필요조건으로 내려앉았고, 남는 질문은 '어떤 문제를 풀 것인가'에 대한 감각을 어떻게 갖추느냐다.
• 생산성 향상의 청구서는 소진으로 돌아온다. 시장의 인센티브가 과몰입을 보상하는 한 피로를 호소하는 단계는 당분간 이어질 수밖에 없다.

자주 묻는 질문

관련 AI 소식