AI는 인간 노동을 대체할 것이라고 예상되었습니다.
하지만 정반대의 결과가 나타났습니다.
사상 최초로, 인간이 소프트웨어보다 저렴해졌습니다.
주요 기업들의 직원 1인당 토큰 사용량
그리고 AI는 없애는 일자리보다 더 많은 일자리를 창출하고 있습니다.
AI 도입 후 직원 수 증가 추이
기술은 항상 한 가지 문제를 해결하면서 다른 문제를 만들어 냅니다.
1830년대, 철도의 등장은 인류 역사상 가장 큰 규모의 인프라 건설 붐을 일으켰습니다. 미국의 철도 길이는 10년 만에 120배로 증가했습니다.
그러곤 시스템이 붕괴했습니다.
1841년 10월 5일, 매사추세츠 주 웨스턴 철도에서 단순한 조율 실패로 인해 두 대의 열차가 치명적으로 충돌했습니다.
철도의 복잡성이 증가함에 따라, 개별 차장만으로는 열차 여행의 안전을 보장할 수 없게 되었습니다. 이에 철도 회사들은 수십 년에 걸친 노력을 시작했습니다. 각 지역에 관리자를 고용하고, 조직 내 새로운 역할을 정의하며, 보고 체계를 갖춘 명확한 위계 질서를 확립한 것입니다. 현대적인 경영이 탄생했습니다. 이와 함께 철도는 세계 최초의 억 달러 산업이 되었고, 전성기에는 주식 시장의 약 60%를 차지했습니다.
AI가 다시 한번 시스템을 붕괴시키고 있습니다.
우리는 모든 직원, 심지어 최악의 직원에게까지 무한한 인력과 무한한 예산을 부여했습니다.
AI를 관리하는 것은 사람을 관리하는 것보다 더 어렵습니다. AI는 역기능을 즉시 확장시키기 때문입니다. 다행히도 우리는 과거로부터 배울 수 있습니다.
에이전트 인력과 인간 인력은 같은 방식으로 실패합니다.
이 둘 사이의 7가지 주요 유사점을 이해하는 것이 다음 1조 달러 규모의 AI 가치 창출의 열쇠가 될 것입니다.
에이전트와 인간 인력의 7가지 유사점
1. 토큰맥싱(Tokenmaxxing)은 인력으로 문제를 해결하려는 것과 같습니다.
토큰맥싱 열풍은 한 달도 채 안 되어 정점을 찍고 사그라졌습니다.
하지만 사용된 토큰의 양은 결코 진짜 문제가 아니었습니다.
사람들이 토큰에 그렇게 많은 비용을 지출하는 이유는 토큰을 사용하는 방법을 모르기 때문입니다.
직원 100명 중 1명 꼴로 AI에 맥락을 제공하는 방법을 알고 있을까요. 프로세스를 명확하게 설명할 수 있는 사람, 오염된 맥락 창(context window)에 공감할 인내심을 가진 사람, 또는 그것이 무엇을 의미하는지조차 이해하는 사람은 매우 드뭅니다.
나머지 99명에게 에이전트 도구를 주면 그들은 "루프(loops)"를 만들어 냅니다.
2. 루프는 회의를 위한 회의와 같습니다.
Claude Code/Cowork, Copilot, Karpathy의 Autoresearch 또는 어떤 도구에서든, 루프는 거의 아무도 성공적으로 프롬프트를 작성할 수 없다는 사실을 임시방편으로 해결하는 방법입니다.
루프는 인간의 부족함을 보완하기 위한 무차별적인 시도입니다. 에이전트가 스스로를 호출하여 스스로를 수정하는 이유는 단지 인간이 작업을 명확하게 설명하지 못했기 때문입니다. 무차별적인 방식이 시스템이 발전할 수 있는 유일한 경로가 됩니다. 이 모든 것은 인간이 처음부터 작업을 성공적으로 이해하는 데 실패했기 때문에 발생합니다.
당신은 토큰을 사용하기 위해 토큰을 사용하고 있습니다.
3. 낭비되는 토큰은 새로운 형태의 인력 비대화입니다.
오늘날 대부분의 회사는 제대로 관리되지 않고 있습니다.
대다수의 직원은 비즈니스에 의미 있는 영향을 미치지 못합니다. 그들은 기계의 톱니바퀴일 뿐이며, 각 계층에서 승인을 도장 찍고, 존재하기 위해 존재하는 기계에 연료를 공급하기 위해 더 많은 톱니바퀴를 고용합니다.
그들은 루핑(looping)하고 있습니다.
종종 루프를 끊는 것이 더 효율적입니다. Elon Musk는 X의 직원을 80% 줄였고 회사는 더 잘 운영되었습니다. 사모펀드(PEF)의 운영 파트너들은 이 단순한 사실을 활용하여 수익을 창출합니다.
직원의 80%가 아무것도 하지 않는 것처럼, 오늘날 토큰의 80%도 아무것도 하지 않습니다.
사람이 더 많은 사람을 만듭니다. 토큰이 더 많은 토큰을 만듭니다. 루핑은 새로운 제국 건설입니다.
4. 100X 토큰은 새로운 10X 엔지니어입니다.
소프트웨어의 약속은 한 번 구축하면 저렴한 비용으로 영원히 실행하고, 감독할 필요가 없다는 것이었습니다. AI는 그 약속을 깨뜨렸습니다. 소프트웨어가 모든 것을 할 수 있게 되자, 어떤 하나의 일도 예측 가능하게 수행할 수 없게 되었습니다.
토큰은 마치 인력처럼 행동하며, 토큰을 직원으로 보기 시작하면 AI의 약속은 무너지기 시작합니다.
- "토큰은 인간보다 정확하다" 하지만 올바르게 프롬프트되었을 때만 그렇습니다.
- "토큰은 인간보다 빠르다" 하지만 100번의 재시도에서는 속도가 아무 의미가 없습니다.
- "토큰은 정치를 하지 않는다" 하지만 그들은 토큰 사용의 제국을 건설합니다.
- "토큰은 그만두지 않는다" 하지만 새로운 모델 릴리스와 새로운 세션 사이에서 사라집니다.
- "토큰은 신뢰할 수 있다" 하지만 완벽한 형식으로 자신감 있게 실패합니다.
AI가 정말 인간을 능가하는 유일한 분야는 확장성입니다. 인간을 확장하는 것은 채용, 온보딩, 이직에 막대한 에너지를 소모합니다. 토큰을 확장하는 것은 즉각적입니다. 이것이 바로 토큰을 잘못 관리하는 것이 매우 비용이 많이 드는 이유이며, 100X 토큰을 찾아 확장해야 하는 이유입니다.
10X 엔지니어가 지난 시대의 기업을 구축했습니다. 100X 토큰이 다음 시대를 구축할 것입니다.
소수의 직원이 다른 사람들을 10X 생산적으로 만드는 것과 마찬가지로, 특정 작업에 대해 적절한 양의 토큰 컨텍스트는 AI의 노력을 몇 배나 줄일 수 있습니다. 여러분에게 100X의 레버리지를 제공할 토큰이 존재합니다.
평균적으로 인간은 토큰보다 저렴하지만, 좋은 토큰은 확장할 때 더 저렴합니다.
경영은 하나를 다른 하나로 전환합니다.
5. 컨텍스트 축적(Context hoarding)은 최신 직업 안정화 전략입니다.
회사 내부에는 AI와 관련된 거대한 정치적 문제가 있으며, 이는 더욱 악화될 것입니다.
직원들은 자신의 비법을 AI 시스템에 가르치고 싶어하지 않습니다.
그들은 이 시스템이 단순히 "그들을 돕거나" "생산성을 높이기 위해" 존재하는 것이 아니라는 사실을 깨닫기 시작했습니다.
메타(Meta)를 보십시오. AI를 제대로 활용하는 데 엄청난 인센티브를 받는 주식 보유 직원들이 회사가 직원 컨텍스트를 훈련 데이터로 사용하는 것에 분노하고 있습니다. 그것도 기술 회사에서 말입니다... 이는 모든 산업에서 곧 일어날 일의 축소판입니다.
https://x.com/Polymarket/status/2061903052966076882
부족 지식은 수세기 동안 직업 안정성의 원천이었습니다. 중세 길드도 그들의 방법을 비밀로 유지했습니다. AI는 작업자에게 모든 것을 한꺼번에 넘겨달라고 요구하는 최초의 기술입니다.
아무도 자신의 대체자를 무료로 훈련시키지 않습니다.
100X 토큰을 가진 사람들은 그것을 포기할 인센티브가 가장 적습니다. 감정적으로, 구조적으로, 정치적으로, 기업들은 미래를 위한 가장 중요한 기술을 거부하도록 설계되어 있습니다.
6. 평가(Evals)는 새로운 OKR입니다.
토큰 인력을 관리하는 가장 좋은 방법은 인간을 관리하는 가장 좋은 방법과 동일합니다. 즉, '좋은 상태'가 무엇인지 정의하는 것입니다.
정치에서 벗어난 유일한 획기적인 AI 사용 사례는 코딩입니다. 코딩은 파이를 확장하고 모든 엔지니어를 더 나아지게 만들었습니다.
그 메커니즘은 평가(evals)입니다. 오늘날 AI 수익의 99%는 코딩에서 발생합니다. 코딩에는 내장된 평가가 있기 때문입니다. 코드는 실행되거나 실행되지 않습니다.
더 광범위하고, 도메인을 넘나드는 AI 사용 사례는 누군가가 필요한 평가를 구축할 때만 온라인화될 것입니다. 특정 평가는 직원에게 프롬프트를 가르치거나 채팅 도구를 제공하는 것보다 더 중요합니다. 평가를 통해 AI는 코드가 결코触及할 수 없었던 경제 부분을 집어삼킬 것입니다.
관리의 진정한 작업은 모호한 인간 프로세스를 코드로 바꾸고, 질적인 것을 양적인 것으로 표현하는 것입니다.
기업의 평가 제품군은 가장 귀중한 자산이 될 것입니다.
OKR이 최적의 성과를 위해 인간 인력을 활용하는 데 핵심적인 역할을 하는 것처럼, 평가는 무한히 확장 가능한 토큰 인력을 활용하는 데 핵심이 될 것입니다. 평가는 100X 토큰을 실행하는 방법입니다.
더욱이, 두 기업이 동일한 평가 세트를 갖는 경우는 없을 것입니다. 평가는 경쟁 우위의 핵심이 될 것입니다. 일반적인 평가나 일반적인 에이전트를 운영하는 조직은 어떤 이점도 갖지 못합니다.
7. 다음 1조 달러 규모의 기회는 변혁(Transformation) 회사입니다.
기업들은 수년간 파운데이션 모델 커밋, 애플리케이션 레이어, 그리고 내부 구축에 투자해 왔습니다. 이 모든 것은 경제학에 관한 잔혹한 진실을 숨기고 있습니다.
아직 어느 누구도 AI를 안정적으로 작동시키지 못하고 있습니다.
실리콘밸리는 이 실패를 확신하여, 최신 집착은 오늘날의 비즈니스에 반대하는 베팅을 하는 것입니다. "네오펌(Neofirms)" 또는 "AI 네이티브 서비스" 스타트업은 지식 경제 전반에 걸친 21조 달러 규모의 서비스 지출을 포착하기 위해 자금을 지원받고 있으며, 그 근거는 기존 기업(incumbents)들이 자체적인 정치와 프로세스에 얽매여 스스로 전환을 관리하지 못할 것이라는 이론입니다.
네오펌은 기존 기업의 AI 도입을 촉진하는 경쟁 압력을 제공할 수 있습니다. 하지만 가장 큰 AI 자산은 여전히 기존 기업 내부에 있습니다. 즉, 이미 작동하고 있으며, 이미 존재하는 유통 채널을 통해 확장 가능한 차별화된 프로세스입니다.
사실, 다음으로 큰 비즈니스는 기존의 서비스 지출을 잠식하는 것이 아닙니다. 그들은 기존 플레이어에게 완전히 새로운 유형의 서비스를 판매할 것입니다.
"AI 변혁 회사"는 어떤 네오펌보다 10배 더 커질 것입니다.
변혁은 일회성 프로젝트처럼 들립니다. 하지만 여기에는 Jevons 역설이 작용합니다. 조직이 채택하는 모든 사용 사례는 열 가지 더 많은 사용 사례를 드러냅니다. 기업이 AI를 더 많이 활용할수록 더 많은 변혁을 소비하게 되며, 가능성의 최전선은 매일 진보합니다. 지속적인 AI 변혁 노력은 경쟁할 수 있는 유일한 방법이 될 것입니다.
팔란티어(Palantir)를 생각해보십시오. 서류상으로는 Claude에 의해 가장 쉽게 파괴될 수 있는 소프트웨어 회사입니다. 엔터프라이즈를 위해 맞춤형 애플리케이션을 수작업으로 구축하는 5000억 달러 규모의 비즈니스입니다. SaaS를 거의 투자 불가능하게 만든 논리에 따르면, $PLTR는 $NOW보다 먼저 가치가 사라져야 합니다.
하지만 그렇지 않습니다. Palantir는 결코 소프트웨어를 판매한 것이 아니었기 때문입니다. 그것은 변혁을 판매하고 있었습니다.
하지만 변혁 자체는 Palantir 시대 이후로 진화했습니다. AI 우선 세상에서 변혁은 온톨로지, 맞춤형 소프트웨어, 그리고 드문 맞춤형 프롬프트 그 이상입니다. 진정한 작업은 평가, 토큰 최소화, 그리고 비즈니스를 프로그래밍할 수 있을 정도로 깊이 이해하는 데 있습니다.
각 기업의 미묘한 차이를 에이전트에 인코딩하는 것이 향후 10년간 가장 큰 경제적 과제가 될 것입니다.
이제 관리해야 할 때입니다.
AI 붐의 모든 단계에는 그 시대를 대표하는 클리셰가 있었습니다.
우리는 골드러시 때 곡괭이를 팔라고 들었고, 인프라를 구축했습니다. 우리는 "Service-as-a-Software"를 팔라고 들었고, 네오펌을 구축했습니다. 우리는 충분한 인프라를 가지고 있습니다. 우리는 충분한 서비스를 가지고 있습니다. 이제 해야 할 일은 기차가 정시에 운행되도록 만드는 것입니다.
이제 기업을 살펴볼 때입니다. 100X 토큰을 찾고, 효과가 있는 루프를 기록하며, 엄청나게 낭비되고 있는 지능을 올바른 방향으로 이끌어야 합니다.
인간이 소프트웨어보다 저렴해졌습니다.
누군가는 여전히 그 둘에게 무엇을 해야 할지 알려줘야 합니다.
이 글의 생각을 함께 나누어 준 Sam Wolfe, David Oks, @WillManidis, @Alex_Danco 님께 감사드립니다. 또한 초안 작성에 도움을 준, 너무 많은 루프에서 실행되고 있는 @ClaudeAI Fable 5 에게도 감사드립니다.
