반응형
반응형

 

MBC PD수첩에서 기획한 "AI 딜레마" 2부작 다큐멘터리로, 인공지능(AI)의 급격한 발전이 일자리와 채용 시장, 특히 청년 세대에게 미치는 충격적인 변화를 다루고 있습니다.

각 부의 핵심 내용을 요약해 드립니다.

1부: 일자리 종말론 (AI 딜레마 1부)

"AI가 우리의 일자리를 빼앗을 것인가, 아니면 새로운 기회를 만들 것인가?"

  • 현실이 된 AI의 일자리 대체:
    • 그래픽 디자이너로 일하던 청년이 자신의 디자인 스타일을 AI가 단숨에 흉내 내는 것을 보고 직업에 위기를 느껴 목수로 직업을 바꾼 사례가 등장합니다.
    • 통번역, 성우, 프로그래머 등 전문 영역뿐만 아니라 영상 제작과 마케팅까지 AI가 빠르게 대체하고 있습니다. 한 1인 패션 기업은 모델이나 스튜디오 없이 AI로 룩북을 만들고, 한 마케팅 회사는 직원을 12명에서 4명으로 줄인 대신 'AI 직원' 여러 명에게 스케줄 관리와 이메일 작성을 맡깁니다.
  • 비용 절감과 권고사직: 기업 입장에서는 사람보다 훨씬 저렴하고 빠르며 불평도 없는 AI를 선호하게 되면서, 데이터 분석가 등 기존 노동자들이 하루아침에 권고사직을 당하는 일들이 발생하고 있습니다.
  • 피지컬 AI(로봇)의 위협: 이제 AI는 컴퓨터 화면을 넘어 로봇의 몸을 입고 현실의 육체노동까지 위협하고 있습니다. 중국의 산업 현장과 가정, 그리고 미국의 자동차 공장에까지 인간의 형태를 한 휴머노이드 로봇이 실무에 투입될 준비를 마쳤습니다.

2부: 신입사원 실종사건 (AI 딜레마 2부)

"왜 기업들은 더 이상 신입사원을 뽑지 않는가?"

  • 다쳐버린 취업의 문:
    • 어렵게 공인회계사(CPA) 시험에 합격해도 대형 회계법인들이 신입 채용을 대폭 줄여 백수 신세가 된 청년들, 그리고 고스펙을 갖추고도 계속 면접에서 탈락하는 청년들의 뼈아픈 현실을 조명합니다.
  • 신입사원을 대체한 AI: 기업들이 신입사원을 안 뽑는 이유는 명확합니다. 과거 신입들이 하던 자료 조사, 문서 초안 작성, 기초 코딩 등의 업무를 이제 AI가 몇 분 만에 완벽하게 해내기 때문입니다. 한 대기업 인사팀 직원은 신입 대신 5명의 'AI 팀원'을 활용해 하루 종일 걸릴 교육 보고서를 순식간에 작성합니다.
  • 경력직만 원하는 사회: AI 관련 빅데이터로 채용 공고 1천만 건을 분석한 결과, AI 노출도가 높은 직군일수록 신입 채용은 급감하고 요구하는 경력 기간은 더 늘어났습니다. 시니어(경력직)들은 AI에게 정확히 지시를 내리고 결과물을 판단할 수 있어 능률이 오르지만, 정작 후배들이 일을 배우며 성장할 '훈련의 장(신입 일자리)'은 사라져 버렸습니다.
  • 가중되는 청년들의 고통: 청년 구직자들은 이제 AI 역량 검사까지 치러야 하고, 대학을 갓 졸업하자마자 AI를 능숙하게 다루고 통제하는 '팀장급' 업무 능력을 요구받으며 더욱 치열한 스펙 쌓기에 내몰리고 있습니다.

💡 요약 결론: 이 다큐멘터리는 기업들이 비용 절감을 위해 AI를 도입하는 합리적 선택이 사회 전체로 보면 '다음 세대 육성 포기'라는 파국적인 결과를 낳을 수 있다고 경고합니다. 단순히 "시대가 변했으니 살아남아라"라고 청년들에게 책임을 전가할 것이 아니라, 기회를 잃어가는 청년들에게 첫 일자리를 어떻게 보장할 것인지 사회적 논의와 대책이 시급함을 꼬집고 있습니다.

 

[PD수첩] "AI 딜레마 1부 - 일자리 종말론" - 2026년 10월 13일 밤 10시 20분 방송
https://www.youtube.com/watch?v=-xg5NP1sj2Y


[PD수첩] "AI 딜레마 2부 – 신입사원 실종사건" - 2026년 10월 20일 밤 10시 20분 방송
https://www.youtube.com/watch?v=lgYMV8stgnI&t=629s

 

반응형
반응형
AI에 맡긴 생각
돌려받을 수 있을까

 
그렇다면 우리 개인은 무엇을 지켜야 할까요?
 
레터 서두에서 드린 질문으로 돌아가 보겠습니다. 여러분은 매일 몇 번이나 AI에게 물어보시나요? 메일 답장 초안을 맡기고, 긴 보고서는 요약을 받아 읽고, 회의 아이디어도 일단 AI에게 던져보는 일이 이제 낯설지 않습니다. 진짜 편리하죠. 그런데 이 편리함이 쌓이면 어떻게 될까요?
 
얀 르쿤 회장은 간담회에서 이런 말을 했습니다. "정보가 점점 AI를 거쳐 전달되는데, 시민의 정보 식단 전체가 미국 서부나 중국의 극소수 기업 AI에 좌우되는 건 민주국가가 받아들일 수 없는 일"이라고요. 국가 차원의 주권을 강조한 말이었지만, 개인에게 그대로 옮겨 놓아도 무리가 없습니다. 내가 무엇을 읽고, 어떻게 판단하는지까지 AI가 대신 골라준다면, 내 생각의 주인은 누구일까요?
 
AI에 기댈수록 흐려지는 '생각 근육'
실제로 이런 우려를 뒷받침하는 연구들이 나오고 있습니다. 그중에서도 인상 깊었던 연구 결과인데요. 미국 MIT 미디어랩 연구진은 지난해 6월 참가자 54명을 세 그룹으로 나눠 에세이를 쓰게 했습니다. 챗GPT를 쓰는 그룹, 검색엔진을 쓰는 그룹, 아무 도구 없이 쓰는 그룹입니다. 뇌파를 측정해 보니 도구 없이 쓴 그룹의 뇌 연결성이 가장 강하고 넓게 나타났고, 챗GPT 그룹이 가장 약했습니다. 특히 챗GPT 그룹은 방금 쓴 자기 글을 제대로 인용하지 못했고, 글에 대한 주인의식도 가장 낮았고요. 연구진은 이를 '인지 부채'라고 불렀습니다. 당장은 편하지만 생각하는 힘을 빌려 쓴 대가가 쌓인다는 뜻입니다.
 
일터에서도 비슷한 신호가 보이죠. 마이크로소프트 리서치와 카네기멜런대 연구진이 생성형 AI를 매주 쓰는 지식노동자 319명을 조사했더니, AI를 신뢰할수록 비판적 사고에 들이는 노력이 줄어드는 경향이 나타났습니다. 반대로 자기 일에 자신감이 있는 사람일수록 AI 답변을 더 꼼꼼히 따져봤고요. 연구진은 AI를 쓰면 비판적 사고의 무게가 '정보를 모으는 일'에서 '정보를 검증하는 일'로 옮겨간다고 분석했습니다.
 
AI를 끊자는 게 아니라, '매니저'가 되자는 것
그렇다고 AI를 멀리하자는 얘기는 아닙니다. 마이크로소프트 연구진도 AI 사용을 줄이라고 권하지 않았습니다. 대신 정보를 찾고 문제를 푸는 기초 역량은 스스로 유지하라고 했죠.
 
르쿤 회장의 전망이 힌트가 될 것 같습니다. 그는 "머지않아 거의 모든 근로자는 자신을 위해 일하는 AI 시스템 팀을 관리하는 매니저가 될 것"이라고 했습니다. 매니저의 역할은 일을 떠넘기는 게 아니라, 방향을 정하고 결과를 판단하는 것이죠. 크리스토퍼 응우옌 에이토매틱 CEO의 말도 같은 맥락입니다. 책에서 배우는 지식은 AI도 익힐 수 있지만, 현장에서 부딪히며 쌓는 지식이 훨씬 유용하다는 겁니다. 그 몫은 여전히 사람에게 남아 있고요.
 
앞서 우스트빈 CTO는 기업에 '최소 존속 기업'을 정해두라고 조언했습니다. 사업을 이어가는 데 꼭 필요한 것은 남에게 맡기지 말라는 뜻이었죠. 개인에게도 비슷한 목록이 필요하지 않을까요? AI가 아무리 잘해줘도 내가 직접 해야 하는 일. 중요한 결정의 이유를 스스로 설명하는 것, AI의 답을 한 번 더 의심해 보는 것, 처음 한 줄은 내 손으로 써보는 것 같은 일들 말입니다.
 
 

📌 97년생 메타 총괄 알렉산더 왕 인터뷰 상세 요약

1. MSL의 시작과 뮤즈(Muse)의 탄생 배경

  • 개인용 초지능(Personal Super Intelligence): 알렉산더 왕은 마크 저커버그, 냇 프리드먼(Nat Friedman)과 함께 사람들의 삶을 실질적으로 향상시키는 AI를 만들자는 비전 아래 Meta Super Intelligence Labs(MSL)를 시작했습니다 [00:17].
  • 오픈클로(OpenClaw)가 준 충격: 2026년 초, 냇 프리드먼은 개인 AI 에이전트인 오픈클로를 통해 마치 3년 치 심리 치료를 한 번에 받는 듯한 강도 높은 자아 분석을 경험합니다 [04:23]. 이들은 에이전트의 엄청난 잠재력을 확신하고 2026년 2월, 단 1~2주 만에 뮤즈(Muse)의 초기 프로토타입을 빠르게 개발했습니다 [05:40].

2. 메타만의 길과 마크 저커버그의 끈기

  • 소비자용 AI 집중: 당시 앤스로픽 등 경쟁사들은 모두 '코딩 에이전트'에 몰두하고 있었습니다. 하지만 메타는 인스타그램과 페이스북을 통해 사람들의 '관심사와 취미'를 연결해 온 유산이 있었기에 철저히 '개인용 소비자 AI' 구축에 집중했습니다 [11:05].
  • 7개월간의 제품 다듬기: 프로토타입은 마법 같았지만 신뢰성이 부족했습니다. 팀은 마크 저커버그의 적극적인 지원 아래 7개월 동안 모델의 결함을 다듬으며 신뢰할 수 있는 소비자용 제품으로 완성했습니다 [08:39]. 저커버그 본인도 자신의 주짓수(MMA) 훈련 영상을 AI에게 분석하게 하는 등 끈기 있게 제품 테스트에 참여했습니다 [07:07].

3. 밈(Meme) 마케팅과 스크린샷 바이럴

  • 유쾌한 소통: 쏟아지는 수많은 AI 제품들 속에서 뮤즈를 돋보이게 하기 위해, 알렉산더 왕은 X(구 트위터)에서 유쾌하고 파격적인 인터넷 밈과 귀여운 마스코트(Jollybot)를 활용해 대중의 관심을 끌었습니다 [26:32].
  • 스크린샷의 힘: 현대 소비자 제품은 사용자가 지인들과 공유하는 '스크린샷 한 장'으로 기능이 설명되어야 성공합니다. 뮤즈는 이 스크린샷에 담긴 직관적인 문제 해결 과정 덕분에 자연스럽게 입소문을 탔습니다 [33:01].

4. 개인 AI가 가져올 주체성(Agency)의 회복

  • 성인의 삶에 꿈을 되찾아주다: 알렉산더 왕은 사람들이 사회에 진출하며 어릴 적 꾸었던 거대한 꿈과 주체성을 잃어버린다고 말합니다. 개인 AI 에이전트는 삶의 복잡한 장애물들을 대신 처리해 주어, 사람들이 자신의 원대한 목표를 현실에서 이룰 수 있도록 돕는 도구가 될 것이라고 강조합니다 [36:08].

5. 스케일 AI 인수 및 다이아몬드 채굴 리더십

  • 파격적인 인수 계약: 마크 저커버그가 알렉산더 왕에게 직접 조언을 구한 것을 계기로, 메타가 스케일 AI(Scale AI)의 지분 49%를 인수하는 계약이 빠르게 성사되었습니다 [46:04]. 이를 통해 알렉산더 왕은 메타의 AI 랩을 새롭게 재건하게 됩니다 [48:42].
  • 다이아몬드 채굴 방식의 관리: 효율성을 쥐어짜는 마천루 건설 방식과 달리, AI 연구는 거대한 혁신을 찾는 '다이아몬드 채굴'에 가깝습니다 [58:33]. 천재적인 연구원들이 관료주의의 방해 없이 최고의 역량을 발휘하도록, 알렉산더 왕은 200명이 넘는 최고 인재들과 직접 소통하며 자유로운 환경을 조성하는 데 집중하고 있습니다 [01:04:49].
반응형
반응형

LLM을 어설픈 챗봇으로 경험하는 대중과 대규모 작업을 맡기는 전문 사용자 사이에서 능력에 대한 인식 격차가 커지고 있으며, 활용 분야와 시스템 접근 수준에 따라 경험이 크게 달라짐

https://news.hada.io/topic?id=35202

 

LLM의 능력에 대한 인식 격차가 커지고 있다 | GeekNews

LLM을 어설픈 챗봇으로 경험하는 대중과 대규모 작업을 맡기는 전문 사용자 사이에서 능력에 대한 인식 격차가 커지고 있으며, 활용 분야와 시스템 접근 수준에 따라 경험이 크게 달라짐 Karpathy

news.hada.io

 

  • LLM을 어설픈 챗봇으로 경험하는 대중과 대규모 작업을 맡기는 전문 사용자 사이에서 능력에 대한 인식 격차가 커지고 있으며, 활용 분야와 시스템 접근 수준에 따라 경험이 크게 달라짐
  • Karpathy의 대략적 추산으로 약 60억 명은 LLM을 거의 접하지 않았고, 약 10억~20억 명은 무료 챗봇을 검색과 글쓰기 보조 수단으로 가끔 사용
  • 수학과 코드 분야의 전문 사용자 약 2,000만 명은 과거 수주~수개월 걸리던 복잡한 프로젝트를 에이전트가 프롬프트로 완수하는 변화를 직접 경험
  • 내부 최첨단 시스템에 접근하는 약 5,000명은 수천 에이전트가 수주간 협업하는 작업을 접하고 있으며, 인간의 검토와 이해가 결과물 생산 속도를 따라가지 못하기 시작
  • 격차를 만드는 요인은 문제의 규모와 작업 기간, 디지털 환경에서 검증 가능한 분야에 집중된 역량, 무료/유료/내부 시스템 사이의 접근 차이가 함께 만들어 냄

LLM 체감 역량의 네 단계

  • Andrej Karpathy는 4월의 트윗을 다시 꺼내며, LLM 역량에 대한 이해의 격차가 더 커지고 있다고 봄
  • 인구와 비율은 대략적 추산이며, 경험 수준에 따라 다음 네 단계로 나뉨
  • LLM을 거의 접하지 않은 약 60억 명
    • 인구의 약 75% 는 LLM을 거의 접하지 않음
  • 무료 챗봇을 가끔 쓰는 약 10억~20억 명
    • 약 20% 는 무료 ChatGPT류 제품을 가끔 사용함
    • 어설픈 챗봇을 조금 더 나은 Google 검색이나 글쓰기 보조 도구처럼 쓰며, 에이전트가 항공편 예약을 시도하는 정도를 경험할 수 있음
    • Karpathy의 비기술 분야 친구 중에는 별 쓸모가 없다고 말하는 사람이 있으며, 수학과 코드 이외 분야의 전문가 상당수도 이 단계에 속함
    • 임원과 여러 직무의 종사자는 사람들과 대화하는 데 많은 시간을 쓰므로, 변화를 지적으로 이해하더라도 경험은 간접적이고 다소 추상적임
  • 최첨단 LLM을 전문적으로 활용하는 약 2,000만 명
    • 약 0.2% 는 수학과 코드 분야에서 최첨단 LLM을 전문적으로 활용함
    • 과거 수주~수개월 걸리던 대규모 복잡한 작업을 에이전트가 프롬프트로 완수하는 모습을 직접 봄
      • 사례로 앱 제작, 복제, 번역, 바이너리에서 앱 역컴파일이 있음
    • 변화는 매우 최근에 빠르게 일어났으며, Karpathy도 1년이 채 되지 않은 시점에는 코드를 한 글자씩 직접 입력하고 가끔 Tab 자동완성을 사용했음
  • 내부 최첨단 시스템에 접근하는 약 5,000명
    • 약 0.00006% 는 내부 최첨단 시스템에 접근함
    • 외부에도 일부 선공개된 모습은 수천 에이전트가 수주간 대형 소프트웨어 프로젝트에서 협업하는 형태임
    • 제로데이 취약점 발굴, 기계 속도의 사이버 공격과 방어, 새로운 과학 발견, 수학의 최전선 확장 등 업계 최고 전문가에게도 수년이 걸렸을 작업을 수행함
    • 인간의 검토와 이해는 뒤처지기 시작함
    • 수개월 전 OpenAI-HF 사건은 여전히 사람들이 경위를 발굴하고 분석하고 있음
    • 최첨단 수학을 다룬 722편의 원고를 수학자들이 검토하는 데도 한동안 시간이 걸릴 수 있음

깔때기를 만드는 세 요인

  • 야심, 문제 규모, 작업 기간이 커질수록 영향도 커짐
    • 한 문단으로 답할 질문은 시스템의 역량을 거의 시험하지 못하며, 자신에게 중요한 크고 어려운 문제들이 충분히 있어야 함
    • 이 요인이 소비자와 전문 사용자 사이의 격차를 만듦
  • 분야별 역량의 불균일성 때문에 디지털 환경에서 검증 가능하고 경제적 가치가 높은 분야에 성능의 정점이 집중됨
    • LLM 역량은 수익 잠재력을 기준으로 구성한 환경들의 조합에서 검증 가능한 보상을 사용하는 강화학습으로 형성됨
    • 이 요인이 수학과 코드 같은 활용 분야에 따른 격차를 주로 만듦
  • 접근 권한도 무료, 유료, 내부 시스템 사용자 사이의 차이를 만듦
  • 대중 대부분은 시스템을 접하지 않았거나 어설픈 챗봇으로 경험하고, 전문가 다수는 소폭의 개선만 체감하는 반면, 극소수 전문가는 거의 수직으로 상승하는 변화에 현기증을 느끼는 상황이 동시에 벌어지고 있음
반응형
반응형

AI 시대를 여행하는 히치하이커를 위한 안내서

 

 

https://ai.qu3vipon.com/

 

프로젝트 소개 - AI 시대를 여행하는 히치하이커를 위한 안내서

AI 시대를 여행하는 히치하이커를 위한 안내서 AI는 이제 일상에 자연스럽게 녹아들고 있습니다. 질문에 답하고, 글을 쓰고, 이미지를 만들고, 때로는 일을 대신 처리합니다. 하지만 많은 사람이

ai.qu3vipon.com

🚀 일반인도 쉽게 배우는 LLM의 원리와 AI Agent 개발 첫걸음

AI가 일상에 깊숙이 자리 잡은 요즘, 우리는 매일 AI를 사용하면서도 정작 그 속에서 어떤 일이 일어나는지는 잘 모르는 경우가 많습니다. 복잡한 수학과 낯선 전문 용어들 때문에 시작부터 벽을 느끼곤 하죠.

하지만 자동차 엔진의 원리를 알면 운전이 더 즐겁고 깊이 있어지듯, AI의 원리를 이해하면 AI를 훨씬 더 주체적이고 스마트하게 활용할 수 있습니다.

이 가이드는 전문 지식이 없는 일반인부터 직접 AI 서비스를 만들어보고 싶은 예비 개발자까지 모두를 위한 맞춤형 AI 안내서입니다.

🎯 이런 분들께 강력 추천합니다!

  • ChatGPT 등 AI를 단순 사용을 넘어 주체적으로 활용하고 싶은 분
  • AI 관련 뉴스나 대화에 등장하는 낯선 용어들의 진짜 의미를 알고 싶은 분
  • 복잡한 수식이나 코딩 없이 LLM의 원리와 발전 과정을 이해하고 싶은 분
  • (Python 기초가 있다면) 직접 LLM을 활용한 AI Agent를 개발하고 서비스해보고 싶은 분

📚 핵심 학습 내용 (2-Track)

🧠 Track 1. LLM(거대 언어 모델) 완벽 이해하기

코딩을 모르더라도 이 트랙만으로 AI의 한계와 가능성을 꿰뚫어 볼 수 있습니다.

  • AI 발전의 역사적 중요 아이디어와 문제의식 탐구
  • 복잡한 수식 대신 비유와 흐름으로 익히는 핵심 개념
  • 주요 논문과 인물을 통해 보는 AI 발전사

💻 Track 2. AI Agent 직접 개발하기 (Python)

파편화된 기술 문서들을 엮어, 하나의 매끄러운 학습 흐름으로 구성했습니다.

  1. FastAPI 기초: 웹 서비스용 API 서버 구축
  2. 비동기 프로그래밍(asyncio): 효율적인 데이터 처리 (I/O) 학습
  3. AI 모델 서빙: AI 특성에 맞춘 API 제공 방법
  4. LangChain & LangGraph: LLM 앱 및 Agent 워크플로 구성
  5. AI Agent 실전 개발: 배운 내용을 모두 연결해 나만의 Agent 개발 및 배포 (※ 각 절마다 실습 과제와 해설이 제공되어 탄탄한 복습이 가능합니다.)

💡 들어가기 전에 (주의사항)

이 과정은 단순히 AI로 결과물을 빠르게 찍어내는 '바이브 코딩'을 위한 팁이 아닙니다. LLM의 근본적인 원리를 탄탄하게 이해하고, 이를 바탕으로 제대로 된 AI Agent를 직접 설계하고 구현해보는 '진짜' 안내서입니다.

험난한 AI 세계에서 길을 잃지 않고, AI를 내 마음대로 다루는 첫걸음을 지금 시작해 보세요!

 

#인공지능 #AI #LLM #거대언어모델 #AIAgent #AI에이전트 #ChatGPT #챗GPT #AI기초 #AI공부 #AI개발 #파이썬 #Python #FastAPI #LangChain #랭체인 #LangGraph #비동기프로그래밍 #코딩초보 #초보자환영

반응형
반응형

경력자에겐 날개, 청년에겐 벽…저연차 청년 직군부터 강타하는 AI 고용 충격

 

https://www.itworld.co.kr/article/4213910

 

경력자에겐 날개, 청년에겐 벽...저연차 청년 직군부터 강타하는 AI 고용 충격

생성형 AI 확산 이후 저연차 청년층의 신규 채용이 전 세계적으로 급감하는 가운데, 형식 지식은 AI가 대체하고 암묵 지식은 경험자가 독점하는 구조가 청년 고용 위기를 심화시키고 있다.

www.itworld.co.kr

 

AI가 노동 시장에 미치는 영향이 가시화되면서, 그 충격이 경력을 막 시작한 청년층에 집중되고 있다는 연구 결과가 나왔다. 스탠퍼드대학교 디지털경제연구소 연구팀의 최신 연구에 따르면, AI는 이미 고용 시장에 영향을 미치기 시작했으며 주로 커리어 초기의 청년층에 타격을 주고 있다. 연구팀은 HR 플랫폼 ADP의 익명 급여 데이터를 분석하고, AI 노출 정도가 서로 다른 직종들을 비교해 결론을 도출했다.

22세에서 25세 연령대를 분석한 결과, AI 노출도가 높은 직종의 고용률이 노출도가 낮은 직종보다 19% 낮은 것으로 나타났다. 지난해에는 그 격차가 13%였다.

스탠퍼드 연구팀은 2026년 6월 기준 데이터를 반영한 개정 논문에서 청년 고용 감소를 이끄는 메커니즘도 새롭게 규명했다. 핵심은 ‘형식지(codified knowledge)’와 ‘암묵지(tacit knowledge)’의 구분이다. 형식지란 교육과 교재, 문서화된 절차를 통해 습득할 수 있는 공식적·표준화된 지식으로, 생성형 AI는 이런 지식을 재현하고 적용하는 데 강점을 보인다. 반면 현장 경험과 멘토링, 반복적인 실무를 통해 쌓이는 암묵지에 의존하는 직종에서는 오히려 고연차 근로자의 고용이 증가했다. 연구팀은 생성형 AI가 텍스트로 부호화된 지식을 복제하고 적용하는 데 특히 효과적이라는 점이 이 같은 패턴을 설명한다고 밝혔다.


노동 시장 전반으로 시야를 넓히면 격차는 상당히 줄어든다. 고연차 근로자와 경험이 많은 직원은 같은 방식으로 영향을 받지 않았다. 연구팀은 기존 직원 해고보다 AI 노출 직종에서 청년층 신규 채용 자체가 감소하는 방식으로 변화가 일어나고 있다고 분석했다.

골드만삭스도 8월 19일 공개한 보고서 ‘글로벌 경제 논평: AI는 글로벌 노동 시장에 영향을 미치고 있는가’에서 유사한 결론을 내놨다. 800개 이상의 직종을 분석한 결과, AI 자동화 노출도가 높은 산업에서 2022년 하반기 이후 채용 공고 증가세가 둔화된 것으로 나타났으며, 미국·독일·호주에서 그 패턴이 특히 뚜렷했다. AI 노출도 10%포인트가 연간 고용 증가율에 미치는 부정적 영향은 전체 노동자 기준으로 0.1%포인트에 그쳤지만, 저연차 근로자에게는 미국 기준 0.2%포인트 이상, 호주에서는 0.6%포인트 이상으로 집계됐다. AI 노출 직군 가운데 고용 감소폭이 가장 큰 분야는 콜센터였다. 미국 내 콜센터 고용은 추세선 대비 39% 낮은 수준에 머물렀으며, 캐나다는 33%, 독일은 27%로 나타났다.

국제노동기구(ILO)도 8월 11일 발표한 ‘2026 청년 고용 글로벌 동향: 미래로의 귀환’ 보고서에서 우려를 표명했다. 보고서에 따르면 2025년 전 세계 청년 실업률은 12.4%로, 6,700만 명에 달하는 15~24세 청년이 일자리를 갖지 못한 것으로 나타났다. 청년층 일자리 중 6.1%가 AI에 의한 업무 대체 위험에 높은 수준으로 노출돼 있으며, 노출 직종 일자리 중 10%만 사라져도 최대 560만 명의 청년 근로자가 영향을 받을 수 있다고 ILO는 경고했다.


청년층에서의 감소세는 AI가 특정 업무를 대체하는 방식으로 활용되는 직종에서 가장 두드러지게 나타났다. AI가 직원의 업무를 보완하는 방식으로 활용되는 경우에는 양상이 훨씬 복잡했다. 한국도 예외는 아니다. 한국은행이 분석한 자료에 따르면, 2022년 6월부터 2026년 6월 사이 15~29세 청년 고용이 28만 5,000명 감소했으며, 그 중 26만 8,000명(94%)이 AI 노출도가 높은 산업에서 발생한 감소분이었다. 정보서비스, 출판, 컴퓨터 프로그래밍, 전문 서비스 분야에서 감소폭이 가장 컸다. 골드만삭스는 한국은행 분석을 인용하며, AI 고용 충격이 특정 국가만의 현상이 아닌 선진국 전반에 걸친 구조적 변화임을 강조했다.

반응형
반응형

에이전트가 소극적인 건 성격 문제가 아니라 지시문 문제입니다. 어디서 멈춰야 할지를 알려주지 않으면, 에이전트는 가장 안전한 지점 — 첫 번째 답변 — 에서 멈춥니다.

대상: 로컬 VS Code에서 Claude Code를 쓰는 개발자 목적: 매번 확인받지 않고 한 번의 지시로 끝까지 진행시키기


1. 에이전트가 멈추는 세 지점

능동성을 설계하려면 먼저 어디서 멈추는지를 알아야 합니다. 실제로 멈추는 이유는 딱 세 가지입니다.

멈추는 이유증상해결 위치
완료 조건이 없다 "리팩터링 해줘"에는 끝이 없음. 설명 한 편 쓰고 턴을 넘김 지시문
권한에서 막힌다 파일 수정·명령 실행마다 승인 대기 → 자율 진행이 아니라 20번의 클릭 권한 설정
애매해서 되묻는다 선택지가 갈리는 지점에서 진행 대신 질문을 택함 지시문(판단 기준)

아래 다섯 요소는 이 세 지점을 지시문 안에서 미리 막아두는 방법입니다.


2. 능동적 요청문의 다섯 요소

순서는 상관없지만, 다섯 개가 다 있으면 에이전트는 되묻지 않고 끝까지 갑니다.

2-1. 목표 — 행동이 아니라 "상태"로 쓴다

"~를 해줘"는 한 번의 행동으로 끝납니다. "~인 상태로 만들어"는 그 상태가 될 때까지 반복하게 만듭니다. 이 한 끗 차이가 능동성의 대부분을 결정합니다.

  • ❌ 테스트 고쳐줘
  • ✅ npm test가 전부 통과하는 상태로 만들어

2-2. 완료 판정 — 에이전트가 직접 실행할 수 있는 검증 명령을 준다

사람이 눈으로 확인하는 기준 말고, 터미널에서 참/거짓이 나오는 기준을 주세요. 그래야 에이전트가 자기 작업을 스스로 채점하고 다시 시도합니다.

완료 기준: npm run lint, npm run build, npm test 세 개가 모두 exit 0.

2-3. 중단 규칙 — "멈추지 마"와 "여기선 멈춰"를 함께 준다

중간 확인을 금지하되, 진짜 위험한 예외는 명시적으로 열어두세요. 예외를 안 주면 에이전트는 불안해서 계속 되묻거나, 반대로 건드리면 안 되는 걸 건드립니다.

중간에 확인 요청하지 말고 끝까지 진행해. 단 운영 DB 접근 · git push --force · 시크릿 파일 수정은 실행 전에 반드시 멈추고 물어봐.

2-4. 판단 기준 — 갈림길에서 쓸 기본값을 미리 준다

"애매하면 물어봐"는 곧 중단입니다. 대신 "애매하면 이렇게 해"를 주면 진행됩니다. 가정 세우는 걸 막지 말고, 대신 나중에 보고하게 하세요.

판단이 갈리면 기존 코드 스타일을 따르는 쪽으로 결정하고, 세운 가정은 마지막에 목록으로 보고해.

2-5. 작업 범위 — 마음대로 해도 되는 영역을 못 박는다

범위가 열려 있으면 에이전트는 조심스러워집니다. 자유 영역과 금지 영역을 같이 주면 그 안에서는 확실히 능동적으로 움직입니다.

src/**, tests/** 안에서는 파일 생성·삭제·수정 다 알아서 해. migrations/, .env*, package-lock.json은 손대지 마.

2-6. (보너스) 보고 — 끝에 무엇을 받을지 정한다

보고 형식을 지정하면 에이전트가 중간 설명을 줄이고 실행에 집중합니다. 진행 중 수다가 줄어드는 부수 효과도 큽니다.

진행 중 설명은 최소로. 끝나면 변경 파일 목록 / 세운 가정 / 남은 리스크 세 항목만 보고해.


3. 같은 일, 다른 지시문 (Before / After)

사례 A. 버그 수정

❌ 멈추는 지시문

 
로그인 API에 버그 있는 것 같은데 좀 봐줘.

범위·완료조건·권한이 전부 비어 있음. 에이전트는 코드를 읽고 "이런 것 같습니다" 리포트를 쓰고 멈춥니다.

✅ 끝까지 가는 지시문

 
로그인 API에서 만료 토큰이 401 대신 500을 반환하는 버그를 재현부터 수정까지 끝내줘.

1) 실패하는 테스트를 먼저 작성해서 재현하고
2) 원인을 고치고
3) npm test가 전부 통과할 때까지 반복해.

src/auth/**, tests/** 안에서는 알아서 수정해.
중간 확인 없이 진행하고, 끝나면 변경 파일과 원인 한 줄만 보고해.

상태 목표 + 검증 명령 + 범위 + 중단 금지. 재현 → 수정 → 검증 루프가 지시문 안에 들어 있습니다.


사례 B. 리팩터링

❌ 멈추는 지시문

 
이 코드 리팩터링 좀 해줘.

"리팩터링"은 끝이 없는 동사입니다. 어디까지가 완료인지 모르니 한두 개만 고치고 "이런 것도 가능합니다"로 끝납니다.

✅ 끝까지 가는 지시문

 
src/services 아래에서 200줄 넘는 파일이 하나도 없는 상태로 만들어줘.

먼저 대상 파일 목록과 분리 계획을 세우고, 승인 기다리지 말고 바로 실행해.
각 파일을 쪼갤 때마다 npm test를 돌려서 초록이면 다음 파일로 넘어가.
빨간불이면 최대 3번까지 스스로 고쳐보고, 그래도 안 되면 그 파일만 원복하고 목록에 남겨줘.

공개 API 시그니처는 바꾸지 마.

측정 가능한 완료 조건(200줄), 파일 단위 검증 루프, 실패 시 재시도 횟수와 폴백까지 지정.


사례 C. 의존성 업그레이드

❌ 멈추는 지시문

 
이 라이브러리 최신 버전으로 올려줄 수 있어?

가능 여부를 묻는 문장은 가능 여부에 대한 답을 받습니다. 게다가 breaking change 앞에서 반드시 멈춥니다.

✅ 끝까지 가는 지시문

 
axios를 최신 메이저로 올리고 빌드·테스트가 통과하는 상태로 만들어줘.

CHANGELOG의 breaking change를 먼저 확인하고, 우리 코드에서 영향받는 호출부를 전부 찾아서 고쳐.
마이그레이션 방법이 여러 개면 공식 문서 권장안을 택하고 이유를 마지막에 한 줄로 적어줘.

작업은 upgrade/axios 브랜치에서 하고, 커밋은 하되 push는 하지 마.

기본 판단 기준(공식 권장안)을 미리 주어 되묻기를 차단하고, 위험한 동작(push)만 명시적으로 금지.


4. 지시문만으로 안 되는 부분: 권한

지시문을 아무리 잘 써도 승인 프롬프트가 뜨면 거기서 멈춥니다. 자율 진행의 실질적인 병목은 대개 여기입니다.

수단어디서효과
자동 승인 토글 VS Code 확장 입력창 편집 승인을 매번 누르지 않아도 됨. 가장 손쉬운 첫 단계
/permissions 세션 중 명령 허용/거부 규칙을 눈으로 보며 추가. 여기서 정한 값이 설정 파일에 남음
--permission-mode CLI 실행 시 plan은 계획만, acceptEdits는 파일 편집 자동 승인. 지원 값은 claude --help로 확인
--allowedTools CLI 실행 시 "Bash(npm test),Read,Edit"처럼 필요한 것만 미리 열기. 가장 안전한 자동화 형태
claude -p "..." 터미널·스크립트 대화 없이 한 번에 실행. cron, git hook, CI에 붙일 때 사용

⚠️ 주의 — 모든 검사를 건너뛰는 모드(bypassPermissions 계열)는 사내 코드베이스에서 기본값으로 쓰지 마세요. 자유 영역을 지시문으로 좁히고 --allowedTools로 필요한 도구만 여는 쪽이 훨씬 안전하면서 체감 속도는 같습니다.


5. 매번 쓰지 말고 한 번만 박아두기 (CLAUDE.md)

다섯 요소 중 중단 규칙 · 판단 기준 · 작업 범위 · 보고 형식은 매 요청마다 달라지지 않습니다. 프로젝트 루트의 CLAUDE.md에 넣어두면 모든 세션에 자동 적용되고, 지시문은 목표와 완료 조건 두 줄로 짧아집니다.

 
markdown
# 작업 방식

- 작업은 계획 → 실행 → 검증 순서로 진행하고, 중간 확인 요청 없이 끝까지 간다.
- 완료 전 반드시 `npm run lint`와 `npm test`를 직접 실행해 통과를 확인한다.
- 테스트가 실패하면 최대 3회까지 스스로 수정하고, 그래도 안 되면 시도한 내용과 함께 보고한다.
- 판단이 갈리면 기존 코드 스타일과 기존 패턴을 따르는 쪽을 택하고, 세운 가정은 마지막에 목록으로 보고한다.
- 진행 중 설명은 최소로 한다. 완료 보고는 변경 파일 / 가정 / 남은 리스크 세 항목.

# 손대면 안 되는 것

- `migrations/`, `.env*`, `package-lock.json` 수정 금지
- `git push --force`, 운영 DB 접근은 실행 전 반드시 확인

이렇게 해두면 평소 요청은 이 정도로 줄어듭니다.

 
결제 취소 API에서 중복 취소가 막히는 상태로 만들어줘.

6. 이벤트에 자동으로 반응시키기 (Hooks)

지시문은 사람이 말을 걸어야 시작됩니다. 훅은 말을 걸지 않아도 특정 시점에 무조건 실행되는 규칙입니다. 프롬프트로 "저장하면 린트 돌려줘"라고 부탁하는 것보다 확실합니다.

훅 이벤트시점주 용도
SessionStart 세션이 열릴 때 환경 변수 로드, 브랜치 확인 등 준비 작업
PreToolUse 도구 실행 직전 위험한 명령을 실제로 차단할 수 있는 유일한 지점
PostToolUse 파일 편집 직후 포매터·린터·타입체크 자동 실행
Stop 응답이 끝난 뒤 요약 기록, 자동 커밋 등 마무리

.claude/settings.json 예시 — 파일을 편집할 때마다 prettier와 eslint를 자동 실행:

 
json
{
  "hooks": {
    "PostToolUse": [
      {
        "matcher": "Edit|Write",
        "hooks": [
          {
            "type": "command",
            "command": "npx prettier --write \"$CLAUDE_FILE_PATHS\" && npx eslint --fix \"$CLAUDE_FILE_PATHS\"",
            "timeout": 60
          }
        ]
      }
    ]
  }
}
  • 훅 스크립트는 stdin으로 이벤트 JSON을 받고, 종료 코드로 결과를 알립니다.
  • PreToolUse에서 exit 2를 반환하면 그 도구 호출이 차단됩니다.
  • 팀 공통 규칙은 .claude/settings.json(커밋), 개인 설정은 .claude/settings.local.json(gitignore)에 둡니다.
  • 이벤트 이름과 필드는 버전에 따라 늘어나므로, 적용 전 공식 훅 레퍼런스에서 현재 스키마를 확인하세요.

7. 반복되는 요청은 아예 명령으로 만든다

  • 슬래시 커맨드 — .claude/commands/fix-tests.md에 다섯 요소를 다 갖춘 지시문을 저장해두면, 다음부터는 /fix-tests 한 단어로 같은 품질의 요청이 나갑니다. $ARGUMENTS로 인자를 받을 수 있습니다.
  • 서브에이전트 — .claude/agents/*.md의 description에 "코드를 수정한 뒤에는 반드시 먼저 사용"처럼 언제 쓰는지를 적어두면, 사용자가 호출하지 않아도 Claude가 알아서 위임합니다. 능동성의 상당 부분이 이 한 줄에서 나옵니다.
  • /loop — 배포 상태나 CI처럼 "될 때까지 지켜봐야 하는" 일은 세션 안에서 주기적으로 다시 확인하게 할 수 있습니다.
  • GitHub Actions — PR·이슈처럼 사람이 자리에 없을 때 발생하는 이벤트는 anthropics/claude-code-action으로 넘기는 게 맞습니다. 로컬 VS Code 세션이 할 일이 아닙니다.

8. 복붙 템플릿

새 작업을 시킬 때 이 골격만 채우면 됩니다. CLAUDE.md를 이미 세팅했다면 앞의 두 항목만 써도 충분합니다.

 
[목표]  ______가 ______인 상태로 만들어줘.

[완료]  다음이 모두 통과하면 완료야: ______, ______

[절차]  1) ______  2) ______  3) 검증이 실패하면 최대 3회까지 스스로 고쳐

[범위]  ______ 안에서는 알아서 수정해. ______는 손대지 마.

[진행]  중간 확인 요청 없이 끝까지 진행해.
        단 ______는 실행 전에 멈추고 물어봐.
        판단이 갈리면 ______ 쪽으로 결정하고 가정은 마지막에 보고해.

[보고]  끝나면 변경 파일 / 세운 가정 / 남은 리스크만 알려줘.

9. VS Code 확장에서의 주의점

  • 입력창의 자동 승인 토글이 체감상 가장 큰 차이를 만듭니다. 여기부터 켜보세요.
  • 훅, 서브에이전트, 슬래시 커맨드, CLAUDE.md는 확장에서도 그대로 동작합니다. 설정 파일은 프로젝트의 .claude/ 아래에 두면 됩니다.
  • claude -p 같은 비대화형 자동화는 터미널 CLI 쪽입니다. cron이나 git hook에 물릴 작업은 확장이 아니라 CLI로 실행하세요.
반응형

+ Recent posts