긍정적 사고, 음식의 절제, 규칙적인 운동

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

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

• 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

AI 시대를 여행하는 히치하이커를 위한 안내서

https://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

[AI] 당신이 직접 쓰지 않은 글은 읽고 싶지 않다

https://news.hada.io/topic?id=34092

https://blog.colinbreck.com/i-dont-want-to-read-what-you-didnt-write/

AI 글쓰기의 한계와 직접 쓰는 글의 가치 요약

1. AI 문서가 빠뜨리는 맥락과 관계

• 정보 나열과 본질의 부재: AI가 만든 설계 문서와 PR 요약은 변경 내역을 상세히 나열하지만, '왜 필요한지', '무엇이 중요하고 어디를 중점적으로 봐야 하는지'와 같은 핵심 맥락을 놓치기 쉽습니다.
• 합의와 숙고 과정의 실종: 구현 후 AI로 사후 요약한 문서는 동료의 의견을 모으고 생각을 다듬는 협업 기능을 상실한 채 단순 사후 설명서로 전락합니다.
• 관계와 감정의 회피: 갈등을 피하려 AI로 다듬은 메시지는 비인격적이고 무감정해져 읽고 답할 의지를 꺾습니다. 서툴더라도 고유한 목소리와 감각이 담긴 직접 쓴 글이 관계를 더 잘 만듭니다.

1. 생성자와 독자 간의 맥락 격차

• 독자의 피로와 이탈: 프롬프트를 작성한 사람은 배경을 알아 결과를 쉽게 이해하지만, 과정에 없던 독자는 모든 문장을 읽으며 맥락을 역추적해야 합니다. 대다수 개발자는 AI 특유의 느낌이 나는 글을 마주할 때 읽기를 중단합니다.
• 고유한 목소리의 힘: 독자와 깊이 연결되는 글은 매끄러운 텍스트가 아니라 필자의 독특한 말투, 관점, 경험이 묻어나는 글입니다.

1. 바람직한 AI 활용법: '대필' 대신 '검증과 편집'

• 정확도와 생산성 향상: 글 전체를 대신 쓰게 하기보다 코드·로그 대조를 통한 사실 검증, 오탈자 및 문법 오류 탐지, 인용 및 도식 서식 정리에 활용할 때 진가를 발휘합니다.
• 인간 검토자의 한계 보완: 전문가도 놓치기 쉬운 세부적인 표기 불일치나 누락을 AI가 빠르고 정확하게 찾아낼 수 있습니다.
• 기계적 요약의 적합성: 전체 맥락과 판단이 중요한 본문보다는 간결성과 추상성이 핵심인 논문 초록(Abstract) 작성 등에 효과적입니다.

1. AI 글쓰기의 본질적 한계와 탐지

• 정신 모형의 부재: LLM은 특정 독자에 대한 이해나 실제 경험 없이 다음 단어의 확률을 계산할 뿐이며, 명확한 검증 기준을 세우기 어렵습니다.
• 필자와 독자의 신뢰: 필자가 고민해 쓰지 않은 문장을 독자가 애써 해독하게 만드는 것은 필자와 독자 사이의 신뢰를 깨뜨리는 행위입니다.

1. 시스템 사고와 서사의 중요성

• 요약되지 않는 복잡성: 엔지니어링, 장애 대응, 제품 개발과 같은 작업은 단순 요약으로 담아낼 수 없는 발견과 불확실성의 서사를 담고 있습니다.
• 사고력 저하의 위험: 요약 도구에 지나치게 의존하면 복잡한 정신 모형을 스스로 구축하는 훈련이 줄어들어, 미묘한 연결고리를 발견하고 세부를 살피는 통찰력을 잃을 수 있습니다.

1. 결론: 직접 쓰는 글이 갖는 궁극적 가치

• 독자가 읽고 싶은 글: 독자가 찾는 것은 단순한 정보의 나열이 아니라 필자의 경험, 판단, 우선순위가 깃든 인간의 목소리입니다.
• 의도적인 글쓰기의 희소성: 많은 이들이 AI로 텍스트를 대량 생산할수록, 신중하게 생각하고 불완전하더라도 자기 생각과 관점을 정성스레 담아낸 글의 가치는 더욱 높아집니다.

#AI글쓰기 #생성형AI #AI한계 #개발자글쓰기 #설계문서 #PR요약 #시스템사고 #글쓰기의가치 #AI편집 #테크에세이 #개발문화 #인간의목소리

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

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

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.