AI 자동화 시대의 커리어 전략: 지능 폭발 시나리오와 값어치가 오를 기술 고르는 법

핵심 메시지

• 핵심 예측 지점은 'AI가 AI 연구 자체를 해내는 시점'이다. 그 순간부터 알고리즘 피드백 루프가 돌기 시작해, 한 회사가 수백만 명분의 연구 인력에 해당하는 작업을 돌릴 수 있게 된다는 것이다.
• 벤 토드는 세 가지 시나리오로 나눠 생각하길 권한다. 2028~2030년경 자동화된 AI 연구자가 등장하는 빠른 시나리오, 병목 때문에 2030년대 초로 밀리는 중간 시나리오, 현재 패러다임이 곧 한계에 부딪혀 수십 년 정체되는 느린 시나리오다.
• 대량 실업은 생각보다 단순하지 않다. 부분 자동화는 오히려 임금과 고용을 늘린 사례가 많고, 방사선과 의사와 ATM 도입 후 은행 창구 직원이 대표적인 예로 제시된다.
• 100% 자동화와 99% 자동화 사이에 엄청난 차이가 있다. 경제 모형에서 전자는 임금이 올랐다가 떨어지는 반면, 후자는 남은 1%의 일이 경제 전체로 팽창하며 임금이 계속 오른다.
• AI 배경이 없어도 몇 달 안에 전환한 사례가 많다. 분야 속성 학습 → 기여 방식 정하기 → 그 분야 사람들과 대화 → 채용·펠로십 지원 → 포트폴리오 프로젝트라는 표준 절차가 소개된다.

쉽게 이해하기

이 대담의 출발점은 '내 커리어에서 남은 시간이 예전만큼 길지 않을 수 있다'는 감각이다. 벤 토드는 앞으로를 가늠하려면 AI가 AI 연구 자체를 수행하는 시점을 예측해보는 것이 유용하다고 말한다. 그 시점이 오면 지금 세상에 있는 칩만으로도 한 회사가 수백만 명분의 연구를 돌릴 수 있고, 그 결과 1년 안에 5년치 진전이 일어나는 상황도 충분히 가능하다는 추정이 나온다는 것이다.

그는 자신이 이 방향으로 마음을 굳힌 이유로 각 단계가 실제로 맞물려 돌아가는 계산을 든다. 매출이 다섯 배 늘면 칩 구입비가 다섯 배가 되고, 칩 효율이 2년마다 두 배가 되니 실제 연산량은 열 배가 된다. 열 배 연산은 다시 열 배 매출로 돌아왔고, 여기에 연구 인력 증가와 알고리즘 효율 개선까지 겹친다. 연구 투입이 두 배가 될 때 알고리즘 개선폭이 두 배를 넘는다는 점이 피드백 루프가 실제로 돌 수 있다는 근거로 제시된다.

그렇다면 커리어 조언은 어떻게 써야 할까. 시간이 짧은 시나리오일수록 세상이 덜 깨어 있어 영향력이 크지만, 갓 대학을 졸업한 사람은 10년 뒤 훨씬 좋은 위치에서 훨씬 큰 도움을 줄 수 있다. 두 힘이 교차하는 지점이 각자에게 최적인 시기이며, 그래서 그는 '가장 짧은 시나리오만 보고 움직이는 것'과 '3년 아니면 의미 없다는 태도' 둘 다 경계한다.

대량 실업 전망에 대해서는 데이터를 들어 신중론을 편다. 방사선과 의사는 오래전부터 사라진다고 했지만 고용은 오히려 늘었는데, 업무 중 영상 판독은 3분의 1 정도이고 나머지는 병원 내 조율과 환자 설명처럼 AI가 아직 못 하는 일이기 때문이다. ATM이 들어왔을 때 지점당 창구 직원은 절반으로 줄었지만 지점을 훨씬 많이 열 수 있게 되면서 전체 고용은 20년간 늘었고, 스마트폰과 인터넷 뱅킹이 온 뒤에야 크게 꺾였다.

그는 값어치가 오를 기술을 고르는 네 가지 기준을 제시한다. 자동화하기 어려울 것, AI와 상호보완적일 것, 사회가 훨씬 더 많이 소비할 수 있는 영역일 것, 그리고 남들이 쉽게 배워 들어오기 어려울 것이다. 데이터센터를 다루는 전기 기술자의 임금이 이미 크게 오른 반면, 고급 식당 서빙은 사람이 하길 원하지만 진입이 쉬워 임금이 특별히 더 오르지는 않으리라는 것이 그 예다. 마지막으로 그는 지금 이미 값어치 있는 일에서 출발하되, 무엇이 오르고 내릴지를 얹어 판단하라고 조언한다.

주요 인사이트

• 'AI는 곧 정렬 문제이고 기술 연구자만 필요하다'는 인식은 틀렸다는 것이 대담의 핵심 메시지 중 하나다. 그는 영향력 있는 조직들에 물어본 결과 가장 큰 인력 병목이 운영·관리·회계·채용 같은 조직 운영 업무와 커뮤니케이션, 정책·행정이라고 답했다고 전한다.
• 부분 자동화가 오히려 고용을 늘리는 이유는 생산성 향상분이 대개 감원이 아니라 매출 확대로 쓰이기 때문이다. 다만 회계처럼 수요가 고정된 영역은 예외이며, 소프트웨어나 의료·여행처럼 사회가 더 많이 소비할 수 있는 영역과 결과가 갈린다.
• 역사적 전환의 속도 사례로 한국이 언급된다. 과거에는 거의 모두가 농업에 종사했지만 지금은 몇 퍼센트에 불과하고, 한국에서는 그 전환이 한 세대 만에 일어났다. 이미 99%의 일자리가 자동화된 셈인데 남은 1%가 경제 전체로 팽창했다는 비유다.
• 장기적으로는 불평등이 커질 가능성이 크다고 본다. 노동보다 자본의 비중이 커지고, 로봇과 칩을 더 많이 가진 쪽이 더 많이 생산하기 때문이다. 다만 단기에는 AI가 가장 늦게 대체할 서비스·물리 노동 임금이 오르는 불평등 완화 효과도 함께 나타난다고 짚는다.
• 직업 안정성만 보고 지금 AI 관련 일을 피하는 것은 이르다는 지적도 있다. AI 엔지니어링처럼 남은 병목에 해당하는 기술은 자동화가 진행될수록 오히려 값어치가 올라가며, 실제로 코드 리뷰가 병목이 되면서 엔지니어가 열 개의 에이전트를 관리하는 형태로 바빠졌다는 현장 이야기가 근거로 제시된다.

자주 묻는 질문

관련 AI 소식