블로그 글 하나를 쓰면서 AI를 쓰는 방식이 조금씩 달라지고 있다는 걸 느꼈습니다. 처음엔 제목 하나 추천받는 수준이었는데, 어느 순간부터는 자료 정리부터 초안 방향까지 연결해서 맡기고 있었습니다. 그러다 문득 '이게 앞으로 얼마나 더 자동화될까'라는 생각이 들었고, 지금 AI가 어느 단계에 와 있는지 정리해 봤습니다.
생성형 AI 3년, 그런데 아직 시작도 아니라고?
ChatGPT가 처음 나왔을 때 저도 꽤 충격을 받았습니다. 2022년 11월 말의 일이니 이제 2년 반 조금 넘은 셈인데, 그 짧은 시간 동안 AI가 만든 글과 사람이 쓴 글을 구분하기 어려워졌습니다. 이미지도, 코드도 마찬가지입니다. 생성형 AI(Generative AI)란 텍스트·이미지·음악 등 새로운 콘텐츠를 스스로 만들어내는 인공지능으로, 쉽게 말해 '뭔가를 창작할 수 있는 AI'입니다. 이 분야는 이제 어느 정도 완성 단계에 접어들었다는 평가가 나오고 있습니다.
그런데 흥미로운 건 그다음입니다. 생성형 AI가 '마무리됐다'는 말은 AI 자체가 끝났다는 게 아닙니다. 오히려 이건 진짜 게임이 막 시작됐다는 신호에 가깝습니다. 전문가들 사이에서는 현재 AI 어댑션 레이트(AI Adoption Rate), 즉 실제 산업 현장에서 AI를 도입한 비율이 미국조차 20% 수준에 불과하다고 봅니다. 서비스업이나 제조업에서는 아직 도입 초기에도 못 미친다는 얘기입니다
(출처: McKinsey & Company).
레스토랑에 비유하자면 지금까지 3년은 샐러드 정도였다는 표현이 있는데, 직접 써봤더니 그 말이 꽤 정확하게 느껴졌습니다. 제가 블로그에서 AI를 쓰는 방식만 봐도, 질문 하나에 답 하나를 받는 수준에서 이제 여러 작업을 연결하는 쪽으로 바뀌고 있거든요. 그게 앞으로 본격화된다면 어떤 모습일지 생각해보게 됩니다.
- 생성형 AI 등장 후 약 2년 반 만에 글·이미지·코드 품질이 사람 수준에 근접
- 미국 기준 산업 내 AI 도입률은 현재 약 20% 수준에 불과
- 생성형 AI의 완성은 끝이 아닌 다음 단계의 출발점
에이전틱 AI가 바꿀 일자리와 분업의 구조
솔직히 이 부분은 처음 접했을 때 예상 밖이었습니다. 에이전틱 AI(Agentic AI)란 목표만 주면 스스로 정보를 수집하고, 계획을 세우고, 도구를 활용해 결과물까지 만들어내는 인공지능을 말합니다. 기존 생성형 AI가 질문에 답하는 '단답형'이었다면, 에이전틱 AI는 일을 스스로 '수행'합니다. 2026년 6~7월을 기점으로 이 방식이 본격 확산된다는 전망이 나오고 있습니다.
이게 왜 중요하냐면, 지금까지는 사람이 프롬프트를 입력하고 결과를 확인하는 과정을 반복해야 했기 때문입니다. 프롬프트 엔지니어링(Prompt Engineering)이란 AI에게 원하는 결과를 얻기 위해 질문이나 지시를 정교하게 작성하는 기술인데, 지난 3년간 이게 중요하다는 이야기가 많았습니다. 하지만 에이전틱 AI가 자리를 잡으면 이 과정 자체가 줄어들 수 있습니다. AI가 알아서 판단하고 실행하니까요.
제 경험상 이건 생산성의 문제만이 아닙니다. 블로그 하나를 쓸 때도 자료 수집, 초안 작성, 이미지 준비, SEO 최적화를 각각 지시해야 했는데, 이게 하나의 흐름으로 연결된다면 작업 방식이 완전히 달라집니다. 한편으로는 자동화가 너무 많은 권한을 갖게 되면 오류가 생겼을 때 수습하기가 훨씬 어려워질 수도 있다는 점도 함께 생각하게 됩니다.
일자리 변화도 단순한 대체의 문제가 아닙니다. '100명을 고용하는 대신 100개의 AI 에이전트를 운용한다'는 개념이 현실화될 때, 사람의 역할은 에이전트를 지휘하고 오케스트레이션(Orchestration)하는 쪽으로 이동합니다. 오케스트레이션이란 여러 AI 에이전트나 시스템을 조율하고 통합적으로 관리하는 능력을 말합니다. 결국 AI를 얼마나 많이 쓰느냐보다 어떻게 잘 관리하느냐가 개인과 기업 모두의 경쟁력이 될 것입니다(출처: World Economic Forum).
제조 AX와 한국의 기회, 그리고 데이터 문제
제조업 분야에서의 AI 전환을 제조 AX(Manufacturing AI Transformation)라고 부릅니다. 쉽게 말해 공장과 생산 현장에 AI를 도입해 자동화를 넘어 자율화 수준으로 끌어올리는 것입니다. 한국은 반도체, 조선, 자동차 등 12대 제조 업종에서 세계적인 경쟁력을 갖추고 있고, 지난 10년간의 DX(Digital Transformation) 과정에서 상당한 양의 제조 데이터가 축적됐습니다. 제가 이 부분을 읽으면서 꽤 설득력 있다고 느꼈습니다.
그런데 여기에 한 가지 중요한 문제가 있습니다. 그 데이터가 아직 '자산화'되지 않았다는 점입니다. 언어 데이터나 이미지 데이터는 문장 안에 맥락이 있습니다. 단어와 단어 사이에 의미의 연결이 있기 때문에 AI가 학습하기 좋은 구조입니다. 반면 제조 현장에서 나오는 데이터는 대부분 숫자 나열에 불과하고, 그 숫자가 언제 누가 어떤 조건에서 만든 것인지에 대한 맥락 정보가 없습니다. 서버 어딘가에 쌓여 있지만 재활용이 안 되는 상태라고 보면 됩니다.
이 문제를 해결하는 것, 즉 제조 데이터에 맥락을 부여해서 AI가 활용할 수 있는 형태로 만드는 것이 지금 한국 제조 AX의 가장 큰 숙제입니다. 반도체 설계 툴을 만드는 시놉시스(Synopsys), 케이던스(Cadence) 같은 EDA(Electronic Design Automation) 기업들이 이미 이 방향으로 움직이고 있고, 삼성전자와 SK하이닉스도 내부적으로 유사한 팀을 가동하기 시작했다는 얘기가 들립니다. 제 경우엔 이 흐름이 단순한 기술 트렌드가 아니라 10년 후 기업 생사를 가를 수 있는 문제라는 생각이 들었습니다.
피지컬 AI(Physical AI)란 디지털 세계를 넘어 로봇, 자율주행, 공장 장비 등 현실 물리 환경에서 작동하는 AI를 말합니다. 이 영역은 에이전틱 AI보다 더 초기 단계이지만, 한국은 제조 인프라와 데이터 기반, 정부와 민간의 투자가 맞물리면서 미국·중국 다음의 독보적 3위권으로 올라설 가능성이 있다고 봅니다. 다만 가능성이 있다는 것과 실제로 이루어낸다는 것은 다른 얘기이므로, 공급 기업·수요 기업·정부가 같은 방향으로 움직이는 게 전제가 되어야 합니다.
자주 묻는 질문
Q. 에이전틱 AI와 기존 챗봇의 차이가 뭔가요?
A. 기존 챗봇은 질문에 답하는 단답형에 가깝습니다. 에이전틱 AI는 목표를 주면 스스로 정보를 찾고, 순서를 계획하고, 여러 도구를 연결해 결과물까지 만들어냅니다. 제가 블로그 작업에 비유해보면, 챗봇은 제목 하나 추천해주는 수준이고 에이전틱 AI는 자료 조사부터 초안·SEO까지 이어서 처리하는 방식입니다.
Q. AI가 일자리를 없애는 건 확실한 건가요?
A. '없앤다'기보다 '바꾼다'에 가깝다고 봅니다. AI 에이전트를 운용하고 지휘하는 역할, 즉 오케스트레이션 능력이 중요해지기 때문입니다. 단순 반복 업무는 줄어들겠지만, 새 기술 활용 기회가 누구에게나 공평하게 주어지는지도 함께 따져봐야 할 문제입니다.
Q. AI 버블이 올 수도 있나요?
A. 기술 자체의 문제보다 투자 속도와 수익 회수 타이밍의 미스매치(ROI 불균형)에서 버블이 생긴다는 시각이 있습니다. 닷컴 버블 때도 인터넷 기술 자체는 실제였지만 투자가 앞서갔죠. AI도 비슷한 구조이긴 하지만, 전체 시장의 도입률이 아직 초기 단계라 수요 자체가 사라질 가능성은 낮다고 봅니다.
Q. 제조 AX를 위해 가장 먼저 해결해야 할 게 뭔가요?
A. 제조 현장 데이터의 자산화입니다. 공장에서 나오는 숫자 데이터에 맥락(언제, 누가, 어떤 조건에서)을 붙여줘야 AI가 의미 있게 학습하고 활용할 수 있습니다. 데이터가 아무리 많아도 맥락 없이 서버에 쌓여만 있으면 실질적인 자산이 되지 못하기 때문입니다.
결론
제가 블로그를 운영하면서 AI 활용 방식이 달라진 것처럼, 산업 전체도 지금 그 변화의 초입에 있습니다. 생성형 AI가 정리되고 에이전틱 AI가 본격화되는 이 시점은, 레스토랑으로 치면 메인 요리가 나오기 직전입니다. 준비된 사람에게는 기회이고, 그렇지 않은 사람에게는 따라가기 바쁜 시기가 될 가능성이 있습니다.
저는 앞으로도 AI를 블로그 작업에 계속 활용할 생각이지만, 자동화가 편리할수록 마지막 확인과 판단은 제가 직접 하는 원칙을 유지하려 합니다. AI가 얼마나 많은 일을 대신하느냐보다, 그 결과를 얼마나 책임 있게 활용하느냐가 결국 중요하기 때문입니다. 에이전틱 AI 시대를 앞두고 있다면, 지금 당장 거창한 준비보다 내가 맡길 일과 직접 판단할 일의 기준을 먼저 세워두는 것부터 시작해 보시길 권합니다.