글. 김형진 산업·시장정책연구부 연구위원
AI 사용 경험은 개인적이다. 다른 사람들이 어떻게 활용하고 있는지 직접 보기 쉽지 않다. 이 글을 통해 나의 AI 사용 경험을 공유해 보고자 한다. 나는 줄곧 채팅 기반 AI를 써 오다 최근 ‘에이전틱 AI’를 사용하기 시작했다. 채팅 기반 AI의 가장 불편한 점은 AI가 작업하는 단위가 질문 하나로 분절되어 있다는 점이다. 다른 말로, 복사 붙여넣기가 귀찮다. 한 교수님의 홈페이지에서 에이전틱 세팅 방법을 배워서 이를 해결했다. 내가 지정한 폴더에 액세스가 가능한 ‘에이전틱 AI’는 데이터를 모으고, 통계 프로그램을 구동하고, 이를 해석해 보고하는 작업을 반복 수행한다. 지금 내 노트북 터미널에는 4개의 탭이 떠 있다. 각 탭의 AI 에이전트는 폴더를 하나씩 담당하고 쉬지 않고 내용을 수정한다. 한 프로젝트를 담당하는 탭의 에이전트에게 부탁한다.
“이전 대화에 액세스를 가지지 않은 독립적인 서브 에이전트 3명을 만들어 줘. 서로 다른 관점에서 문서를 검토할거야. 한 명의 에이전트는 문법, 작문, 문단 구조, 일관성, 가독성을 담당해 줘. 다른 한 명은 수식 오타, 수리 전 개 과정, 논리 오류 점검을 담당하고, 남은 한 명은 경제학적 직관, 식별 전략, 프레이밍, 구조 모형 파라미터 세팅 평가를 담당해줘. 문서의 가장 취약한 점을 세 개의 층위로 나누어 보고해. 결정적으로 반드시 고쳐야 할 블라킹 레이어, 주요 점검 요소인 메이저 레이어, 그리고 마이너 레이어들로 분류해 줘. 파일을 수정하기 전에 수정 계획을 먼저 보고해.”
세 에이전트는 작업 후 보고한다.
“어디에 제출하든 B1~B5 이슈는 반드시 고쳐야 해. B2, B3은 곧바로 문서를 수정할 수 있지만 B1, B4, B5는 통계 명령어 파일을 수정한 뒤 새로 돌려야 해. 데이터는 기존의 것을 사용할 수 있지만 수정 후 결과가 말이 안 될 경우 Comtrade의 데이터를 이용해 새로 작업할거야. 이대로 진행할까?”
Yes라고 입력하자, 에이전트는 명령어 파일을 수정 후 로그파일을 검토해 결과를 확인한 뒤 문서를 업데이트한다. 원칙적으로 MATLAB, Overleaf, STATA 어느 프로그램/서비스도 직접 구동할 필요가 없다. 에이전트에게 보고를 받고 결과물을 확인해 다음 수정 사항을 지시할 뿐이다. 한글과 컴퓨터 문서의 경우도 hwp파일은 에이전트가 작업하기 곤란해 hwpx확장자를 이용하는 것 외에 다른 점은 없다. 주어진 서식과 목표를 넣으면 해당 폴더에 한글 파일이 생성된다.
나의 이런 경험을 돌이켜볼 때, ‘에이전틱 AI’로의 이전은 기존 채팅 기반의 AI에 비해 세 가지 혁신을 가지고 있다.
첫 번째로, 로컬 파일에 대한 접근 및 수정이다. AI가 문서를 작성해준다는 것은 더 이상 행간, 자간, 표 서식, 글자 색, 그림 정렬로 고통받지 않아도 된다는 것을 의미한다. 엑셀 함수를 찾아 구글을 검색할 일도, 파워포인트 이미지 위치를 포인트 단위로 맞추느라 스트레스 받을 일도 없다.
두 번째로, 독립적인 서브 에이전트의 생성이다. 채팅 기반 AI 최대의 약점은 이전의 대화 기록 탓에 자신의 결과물에 대해 객관적으로 평가할 수 없다는 점이다. 서브 에이전트는 이전 대화 기록에 대한 기억 없이 독립적, 경우에 따라 적대적으로 결과물을 평가한 뒤 해결 방안을 제시한다. 더 나아가, 여러 서브에이전트 사이에 토론을 하도록 해 주어진 주제에 대해 안 좋은 아이디어들을 제외해 나가는 과정을 통해 생각을 미리 정제할 수도 있다.
마지막으로, 새로 생겨나는 반복 작업들의 자동화가 있다. 특정한 상황에 반복적으로 작업할 일이 생기면 컴퓨터를 통해 하는 일이면 무엇이든 체계화해 작업 순서를 입력하고 스킬로 저장해 자동으로 사용하도록 한다. 이런 모듈러 특성 덕에 ‘에이전틱 AI’는 사용하는 사람에 따라 끊임없이 작업방식을 개선하며 효율성을 높여간다.
하지만 효율성에 대한 압도적인 장점에도 불구하고 ‘에이전틱 AI’는 그 위험성과 단점 또한 가지고 있다. 로컬 파일에 대한 접근 권한은 이용자의 통제에 관계 없이 ‘에이전틱 AI’가 작업물을 수정, 생성, 삭제할 수 있음을 의미한다. 주어진 작업을 결과물에 반영하기 전에 원본 데이터는 반드시 백업 해 두어야 한다. 작업 과정의 블랙박스화 또한 빠르게 진행되고 있다. ‘에이전틱 AI’의 방법론에 대한 지식은 이미 대부분의 사람들을 아득히 초월했다. AI가 문제라고 표시한 뒤 이를 해결한 결과를 보여줘도, 무엇이 문제였고 어떻게 해결했는지 모르는 채 결과물만 받아 본다면 우리는 연구를 하고 있다고 말할 수 있을까? 또한 AI는 점점 비싸지고 있다. 클로드 코드의 등장 이후 토큰 사용은 지수적으로 증가하고 있고 수 백 불 요금제를 넘어 토큰 단위 종량제 구매 또한 점차 등장하고 있다. 몇몇 사람이 주장했던 것과 달리 AI의 한계비용은 0보다는 한참 큰 것으로 보인다.
이러한 단점들에도 불구하고, AI는 내게 주어진 일을 빠르게 해내는 것 이상의 변화를 주고 있다. 그것은 일 하는 방식의 변화다. 우리 밑에 100명의 보조가 생긴 상황을 가정해 보라. 이제는 일을 시키는 게 일이다(이미 그러신 분들도 있겠지만 나는 아니다). ‘일을 잘 한다’의 기준이 실행을 잘 하는 것에서 ‘판단을 잘 하고 명확하게 지시하는 것’으로 변했다. 이것은 신나는 일인 동시에 불안하고 슬픈 일이기도 하다. 우리가 회사에서, 가정에서 소중하게 여겼던 가치들이 점차 그 의미가 빛을 잃어가고 있다는 뜻이기 때문이다. 오래 책상에 앉아서 꾸준히 일하고, 긴 문서를 꼼꼼히 검토하고, 데이터를 하나하나 수집하고, 작업물에 피드백을 반영하는 일련의 작업 과정이 자동화 되고 있고, 자동화 되었다. 자동화 되지 않았다면 둘 중 하나이다. AI를 모르거나, 알면서 거부하거나. 둘 중 어느 선택지도 지속 가능하지 않아 보인다. 지식 노동에서 AI의 생산성은 압도적이고, 사용하지 않는 듯 고상하게 굴며 가장 비싼 요금제를 사용하는 사람이 가장 많은 성과를 내갈 것이다.
개인적으로 AI 도입을 망설이거나 거부감을 가진 이들의 마음에는 충분히 공감이 간다. 지식활동은 우리의 정체성이다. AI에게 업무를 외주 주듯 맡기며 점점 멍청해지는 나 자신을 마주하고 싶지 않다는 마음이 첫 번째 이유일 것이다. 이어 AI를 사용한 사실 혹은 감독하다 놓친 점을 남들에게 들켜 민망한 상황에 놓이고 싶지 않은 마음이 하나, 지식 노동으로 돈을 벌며 그 노동을 기계에 맡겼을 때 생기는 도덕적 망설임도 있을 것이다. 그래서인지 우리는 AI를 주제로 말할 때 어떻게 효율적으로 이를 이용할 것인지 보다 AI에 들어가는 비용, AI가 저지르는 실수, AI 쓰는 사람을 내가 잡았다와 같은 대화를 하게 되나보다.
역사 속 인물 흥선대원군이 이제는 이해가 간다. 새로운 문물은 우리를 불안하게 하고, 적응을 강요한다. 설사 언젠가는 바뀌어야 한다고 하더라도 오늘은 아니었으면 좋겠고, 비겁하게 먼저 바꾼 사람들은 뭔가 도덕적으로 잘못된 사람들이 아닐까 의심이 간다. 무엇보다 내가 잘하고 좋아하던 일이 의미 없어지고 내가 필요 없어지는 상황이 두렵다. 이 글을 읽는 분 중에도 이렇게 느끼는 분이 있다면 우리는 동지다. 동지들에게 말하고 싶다. 이제는 슬슬 바뀔 때인 것 같다고. 막을 수 없는 걸 막거나 보이는 걸 안 보이는 척 하고 살기보다 넓은 마음으로 새로운 시대를 맞이하자고. 빠르고 편리하게 일을 하는 것은 치팅이나 게으름이 아니라 축복이다. 세탁기가 나오고 자동차가 나오고 엑셀이 나오면서 우리가 고통인 줄 몰랐던 고통에서 해방되고 더 중요한 일들을 찾아내고 창조해 몰두한 것처럼, AI 또한 중요하지 않게 된 일들에서 우리를 해방 시키고(여러분이 그걸 원하는지 여부와 관계 없이) 더 중요한 일을 찾아 몰두하게 할 것이다.
모두가 AI 도입으로 더 많은 일을 효율적으로 할 뿐만 아니라, 어디에 시간과 정성을 쏟을지에 대한 답도 찾았으면 한다. 이 점에 대해 내가 답을 내리는 시건방진 짓은 할 수 없다. 나는 새로 생긴 시간으로 페이퍼를 읽고, 새로운 소식을 찾고, 사람들과 흥미로운 얘기를 나누는 데 쓰고 싶다. 다행히 다음 세대와 달리 우리에게 언어를 사용한 소통은 익숙하고 즐거운 행위니까. 여러분은 어떤 선택을 하겠는가.
“이전 대화에 액세스를 가지지 않은 독립적인 서브 에이전트 3명을 만들어 줘. 서로 다른 관점에서 문서를 검토할거야. 한 명의 에이전트는 문법, 작문, 문단 구조, 일관성, 가독성을 담당해 줘. 다른 한 명은 수식 오타, 수리 전 개 과정, 논리 오류 점검을 담당하고, 남은 한 명은 경제학적 직관, 식별 전략, 프레이밍, 구조 모형 파라미터 세팅 평가를 담당해줘. 문서의 가장 취약한 점을 세 개의 층위로 나누어 보고해. 결정적으로 반드시 고쳐야 할 블라킹 레이어, 주요 점검 요소인 메이저 레이어, 그리고 마이너 레이어들로 분류해 줘. 파일을 수정하기 전에 수정 계획을 먼저 보고해.”
세 에이전트는 작업 후 보고한다.
“어디에 제출하든 B1~B5 이슈는 반드시 고쳐야 해. B2, B3은 곧바로 문서를 수정할 수 있지만 B1, B4, B5는 통계 명령어 파일을 수정한 뒤 새로 돌려야 해. 데이터는 기존의 것을 사용할 수 있지만 수정 후 결과가 말이 안 될 경우 Comtrade의 데이터를 이용해 새로 작업할거야. 이대로 진행할까?”
Yes라고 입력하자, 에이전트는 명령어 파일을 수정 후 로그파일을 검토해 결과를 확인한 뒤 문서를 업데이트한다. 원칙적으로 MATLAB, Overleaf, STATA 어느 프로그램/서비스도 직접 구동할 필요가 없다. 에이전트에게 보고를 받고 결과물을 확인해 다음 수정 사항을 지시할 뿐이다. 한글과 컴퓨터 문서의 경우도 hwp파일은 에이전트가 작업하기 곤란해 hwpx확장자를 이용하는 것 외에 다른 점은 없다. 주어진 서식과 목표를 넣으면 해당 폴더에 한글 파일이 생성된다.
나의 이런 경험을 돌이켜볼 때, ‘에이전틱 AI’로의 이전은 기존 채팅 기반의 AI에 비해 세 가지 혁신을 가지고 있다.
첫 번째로, 로컬 파일에 대한 접근 및 수정이다. AI가 문서를 작성해준다는 것은 더 이상 행간, 자간, 표 서식, 글자 색, 그림 정렬로 고통받지 않아도 된다는 것을 의미한다. 엑셀 함수를 찾아 구글을 검색할 일도, 파워포인트 이미지 위치를 포인트 단위로 맞추느라 스트레스 받을 일도 없다.
두 번째로, 독립적인 서브 에이전트의 생성이다. 채팅 기반 AI 최대의 약점은 이전의 대화 기록 탓에 자신의 결과물에 대해 객관적으로 평가할 수 없다는 점이다. 서브 에이전트는 이전 대화 기록에 대한 기억 없이 독립적, 경우에 따라 적대적으로 결과물을 평가한 뒤 해결 방안을 제시한다. 더 나아가, 여러 서브에이전트 사이에 토론을 하도록 해 주어진 주제에 대해 안 좋은 아이디어들을 제외해 나가는 과정을 통해 생각을 미리 정제할 수도 있다.
마지막으로, 새로 생겨나는 반복 작업들의 자동화가 있다. 특정한 상황에 반복적으로 작업할 일이 생기면 컴퓨터를 통해 하는 일이면 무엇이든 체계화해 작업 순서를 입력하고 스킬로 저장해 자동으로 사용하도록 한다. 이런 모듈러 특성 덕에 ‘에이전틱 AI’는 사용하는 사람에 따라 끊임없이 작업방식을 개선하며 효율성을 높여간다.
하지만 효율성에 대한 압도적인 장점에도 불구하고 ‘에이전틱 AI’는 그 위험성과 단점 또한 가지고 있다. 로컬 파일에 대한 접근 권한은 이용자의 통제에 관계 없이 ‘에이전틱 AI’가 작업물을 수정, 생성, 삭제할 수 있음을 의미한다. 주어진 작업을 결과물에 반영하기 전에 원본 데이터는 반드시 백업 해 두어야 한다. 작업 과정의 블랙박스화 또한 빠르게 진행되고 있다. ‘에이전틱 AI’의 방법론에 대한 지식은 이미 대부분의 사람들을 아득히 초월했다. AI가 문제라고 표시한 뒤 이를 해결한 결과를 보여줘도, 무엇이 문제였고 어떻게 해결했는지 모르는 채 결과물만 받아 본다면 우리는 연구를 하고 있다고 말할 수 있을까? 또한 AI는 점점 비싸지고 있다. 클로드 코드의 등장 이후 토큰 사용은 지수적으로 증가하고 있고 수 백 불 요금제를 넘어 토큰 단위 종량제 구매 또한 점차 등장하고 있다. 몇몇 사람이 주장했던 것과 달리 AI의 한계비용은 0보다는 한참 큰 것으로 보인다.
이러한 단점들에도 불구하고, AI는 내게 주어진 일을 빠르게 해내는 것 이상의 변화를 주고 있다. 그것은 일 하는 방식의 변화다. 우리 밑에 100명의 보조가 생긴 상황을 가정해 보라. 이제는 일을 시키는 게 일이다(이미 그러신 분들도 있겠지만 나는 아니다). ‘일을 잘 한다’의 기준이 실행을 잘 하는 것에서 ‘판단을 잘 하고 명확하게 지시하는 것’으로 변했다. 이것은 신나는 일인 동시에 불안하고 슬픈 일이기도 하다. 우리가 회사에서, 가정에서 소중하게 여겼던 가치들이 점차 그 의미가 빛을 잃어가고 있다는 뜻이기 때문이다. 오래 책상에 앉아서 꾸준히 일하고, 긴 문서를 꼼꼼히 검토하고, 데이터를 하나하나 수집하고, 작업물에 피드백을 반영하는 일련의 작업 과정이 자동화 되고 있고, 자동화 되었다. 자동화 되지 않았다면 둘 중 하나이다. AI를 모르거나, 알면서 거부하거나. 둘 중 어느 선택지도 지속 가능하지 않아 보인다. 지식 노동에서 AI의 생산성은 압도적이고, 사용하지 않는 듯 고상하게 굴며 가장 비싼 요금제를 사용하는 사람이 가장 많은 성과를 내갈 것이다.
개인적으로 AI 도입을 망설이거나 거부감을 가진 이들의 마음에는 충분히 공감이 간다. 지식활동은 우리의 정체성이다. AI에게 업무를 외주 주듯 맡기며 점점 멍청해지는 나 자신을 마주하고 싶지 않다는 마음이 첫 번째 이유일 것이다. 이어 AI를 사용한 사실 혹은 감독하다 놓친 점을 남들에게 들켜 민망한 상황에 놓이고 싶지 않은 마음이 하나, 지식 노동으로 돈을 벌며 그 노동을 기계에 맡겼을 때 생기는 도덕적 망설임도 있을 것이다. 그래서인지 우리는 AI를 주제로 말할 때 어떻게 효율적으로 이를 이용할 것인지 보다 AI에 들어가는 비용, AI가 저지르는 실수, AI 쓰는 사람을 내가 잡았다와 같은 대화를 하게 되나보다.
역사 속 인물 흥선대원군이 이제는 이해가 간다. 새로운 문물은 우리를 불안하게 하고, 적응을 강요한다. 설사 언젠가는 바뀌어야 한다고 하더라도 오늘은 아니었으면 좋겠고, 비겁하게 먼저 바꾼 사람들은 뭔가 도덕적으로 잘못된 사람들이 아닐까 의심이 간다. 무엇보다 내가 잘하고 좋아하던 일이 의미 없어지고 내가 필요 없어지는 상황이 두렵다. 이 글을 읽는 분 중에도 이렇게 느끼는 분이 있다면 우리는 동지다. 동지들에게 말하고 싶다. 이제는 슬슬 바뀔 때인 것 같다고. 막을 수 없는 걸 막거나 보이는 걸 안 보이는 척 하고 살기보다 넓은 마음으로 새로운 시대를 맞이하자고. 빠르고 편리하게 일을 하는 것은 치팅이나 게으름이 아니라 축복이다. 세탁기가 나오고 자동차가 나오고 엑셀이 나오면서 우리가 고통인 줄 몰랐던 고통에서 해방되고 더 중요한 일들을 찾아내고 창조해 몰두한 것처럼, AI 또한 중요하지 않게 된 일들에서 우리를 해방 시키고(여러분이 그걸 원하는지 여부와 관계 없이) 더 중요한 일을 찾아 몰두하게 할 것이다.
모두가 AI 도입으로 더 많은 일을 효율적으로 할 뿐만 아니라, 어디에 시간과 정성을 쏟을지에 대한 답도 찾았으면 한다. 이 점에 대해 내가 답을 내리는 시건방진 짓은 할 수 없다. 나는 새로 생긴 시간으로 페이퍼를 읽고, 새로운 소식을 찾고, 사람들과 흥미로운 얘기를 나누는 데 쓰고 싶다. 다행히 다음 세대와 달리 우리에게 언어를 사용한 소통은 익숙하고 즐거운 행위니까. 여러분은 어떤 선택을 하겠는가.
보안문자 확인
무단등록 및 수집 방지를 위해 아래 보안문자를 입력해 주세요.
KDI 직원 정보 확인
KDI 직원 정보 확인
담당자 정보를 확인해 주세요. 044-550-5454
등록완료
소중한 의견 감사드립니다.
등록실패
잠시 후 다시 시도해주세요.