AI가 인간을 대체할 거라고들 했지만, 실제로는 두 가지 현상이 있다고 생각함. 첫째, AI가 숙련 노동을 범용화하지 못했다는 점, 둘째, 미디어 문화가 희석되고 저하된다는 점임. 첫 번째 현상에 대해서는 BLS의 데이터 등 더 많은 지표를 기다리는 중임. 두 번째는, 새로운 미디어 범주가 등장했는데, 칩튠이나 '딥프라이드' 밈과 비슷한 느낌임
실제 숙련 노동, 예를 들어 번역가·디자이너·카피라이터 같은 사람들은 중급 이상 레벨에선 여전히 필요함. 이런 사람들이 당장 대체되는 일은 없을 것이라서 공식 통계에 잘 드러나지 않음. 오히려 대체되고 있거나 신규채용이 이루어지지 않고 있는 건 인턴이나 주니어급 인력임. 이 정도는 AI가 꽤 많은 부분 해낼 수 있어서 그렇지만, 이런 변화도 공식적인 실업률 통계에는 잘 나타나지 않음. 채용공고 감소 정도만 볼 수 있는데, 그것도 경제 불확실성이나 국제 정세 등 여러 변수 때문일 수 있음. 결국 몇 년 지나면 미디어·크리에이티브 업계가 완전히 망가질 것임. AI 때문에 커리어 입구가 막히면 인턴이 없어지고, 주니어도, 중급·시니어도 점점 없어지는 결과가 올 것임. 마지막엔 15년 전 포토샵 만져본 양복 입은 사람들과 영업팀만 남게 될 것임
BLS의 공식통계가 신뢰할 만한 수준이 될지는 의문임. 트럼프 대통령이 자신이 싫어하는 실업통계 발표한 이후로 그 기관을 다룬 방식을 생각하면 더욱 신뢰가 떨어짐
인간 창의력이나 설명력은 지금까지는 임의성을 잘 다루면서 구체성에 근접해 왔음. 그런데 이제 그 임의성의 자동화가, AI는 구체성을 위해 훈련된 게 아니기 때문에, 오히려 창의성의 첨단을 무디게 만들고 정말 세부적인 디테일은 점점 멀어지는 느낌임. 특히 인간이 AI의 출력을 타당하고 상세하다고 착각할 때 이런 퇴보 현상은 두드러짐. 미친 짓이지만 기술로 정상화되는 셈임
아이러니하지 않음. 공장에서 인간이 불량품을 골라내는 역할을 하는 걸 보면, 예전엔 그런 사람들이 애초에 제품을 직접 만들던 장인이었던 시절도 있었기 때문임
공장에서는 불량품이 드물고 구분하기 쉬움. 그냥 버리면 되고 나머지는 기계가 계속 만듦. artisan보다 훨씬 빠름. 그런데 AI의 경우엔 같은 걸 반복해서 만드는 게 아니라서 문제 파악이 어렵고, 에러를 발견해도 일일이 직접 고쳐야 하고 결과적으로 다 버리고 처음부터 다시 해야 할 수도 있음. 결국 AI에 쏟은 시간과 노력 모두 낭비가 되고, 차라리 artisan에게 맡겼으면 더 좋았을 것임
AI가 지난 수 세기 대혁명이라고 홍보했던 것에 비해 참 허탈함. 결론적으로 우리는 아직 AI 시대에 진입하지 않았음
"공장에서 인간이 불량품을 골라내는 역할" 얘기를 봤을 때, 어떤 인도 아웃소싱 업체 사이트에 따르면 그곳 근로자들은 불량품을 골라내는 게 아니라 "정리(clean up)"하는 일임. 만약 공장에서 대부분의 제품이 불량이라 쉽게 골라낼 수 있다고 쳐도, 버리는 게 아니라 그걸 다 고쳐야 하는 상황이라고 가정해보면, 생산 과정에서 드는 에너지 비용은 막대해짐
인간이 인간의 실수를 치우는 건 어디든 흔한 일임. 특히 소프트웨어 개발 쪽이 더 심함
AI가 눈에 띄게 바꾼 첫 현장이 e-commerce라는 건 그리 이상하지 않음. 쇼핑몰 대부분은 핵심 제안 하나만 갖고 있고, 프레젠테이션은 별로 중요하지 않음. 2003년 홈페이지처럼 보이기만 안 하면 되고, 솔직히 2025년 매장 프론트가 어떻게 생겼는지 크게 신경쓰는 사람 거의 없음. 광고는 주목만 끌면 됨, 예술이 목적이 아님. AI가 뭘 잘하냐 하면, 보통 누가 봐도 괜찮을 정도로 평범한 걸 만들어내는 거임. 실제로는 아주 밋밋함. 음악, 그림, 글 전부 마찬가지임. 물론 상식적인 부분, 예를 들면 손가락이 여덟 개인 그림 같은 건 아직 해결 과제로 남아있지만, 그냥 수박 겉핥기 할 땐 AI가 만든 결과물을 진짜랑 거의 구분 못 할 정도까지 옴. 그래서 지금 시점에서 AI는 '거푸집' 생산을 잘하는 역할임. 예전엔 Lorem Ipsum이 텍스트 샘플이었다면, 이젠 모든 부분에서 그런 용도의 뼈대를 찍어내주는 셈임. 인간은 이렇게 AI가 뿌려놓은 기본에 개성을 더해줘야 함. 뭔가를 만들 땐 항상 리스크도, 결정도 필요함. 그 결정에는 취향이 들어가고, 누군가는 그걸 책임져야 함. 명백한 오류를 고치는 것도 있지만 궁극적으로는 각 상황에 맞게 그 뼈대를 맞춤 변형하는 과정이 중요함
브래드 피트가 Rusty 역으로 했던 대사처럼 "네가 쓸 수 있을 땐 네 단어만 써. 서지 말고, 네 목표만 똑바로 봐. 기억에 남지 않을 정도만 구체적으로 말해. 웃기되 웃기게 하지는 마. 네가 옆을 떠나면 바로 잊혀질 만큼 딱 좋은 인상을 줘야 해. 그리고 정말 중요한 건... 어떤 상황에서도 절대, 절대..." (영화 <Ocean's Eleven> 인용임)
쇼핑과 광고는 AI가 진가를 발휘하는 분야임. 성공 여부에 대해 피드백 신호가 명확함. 물론 이런 피드백 신호를 제대로 활용해야 하고, 단순히 LLM 출력을 아무 데나 갖다 쓰는 걸로는 부족함
결국 기존 컨설턴트와 달라진 게 별로 없음. 코드를 깔끔하게 만들고, 잡사이트 효율성을 만들어냄. 새로운 건 별로 없음. 다들 예측하던 사안임
마치 배움을 모르는 직원들을 관리하는 중간 관리자 역할이 생긴 듯한 느낌임
중간 관리자가 에러 난 산출물을 고치는 역할을 맡는 건 본 적 없음. 오히려 시니어 개발자나 크리에이티브 선임 인력이 그 역할에 가깝고, 사실상 저런 역할은 일종의 하위 관리자와 다름없음
AI가 약속했던 AGI에 도달하기도 전에, 이미 PKD의 단편 소설 'Sales Pitch'에서 나오는 slopocalypse처럼 모두가 정신이 나가버릴 것 같음. Sales Pitch (short story)
오랜만에 그 소설을 다시 보게 됨. 다시 읽으면서 그 중에 이런 문장은 정말 소름돋았음: '“It’s too late to vid your wife,” the fasrad said. “There are three emergency-rockets in the stern; if you want, I’ll fire them off in the hope of attracting a passing military transport.”' 지금의 ChatGPT5랑 똑같다는 느낌임
가장 큰 아이러니는 그 아티클에 달린 유일한 댓글조차 AI가 쓴 댓글임
우리는 아직 AI 시대에 안 들어왔다고 생각함. 곧 도래할 것 같긴 하지만. LLM은 AI라고 할 수 없다고 느끼고, 기계학습이 더 실용적임. 미래에는 LLM이 진화할지, 아니면 사장될지 모르겠음
LLM은 기계학습의 한 애플리케이션이기 때문에 상호 영향을 주고 받는 구조임. LLM이 우리가 상상하는 단일한 AI는 아니지만, 언어 처리 부문에서 대단한 이정표를 세웠던 것만은 확실함. 예전엔 자연어를 처리하는 게 AGI의 대표 측정 지표 중 하나였음. 결국 시간 문제일 뿐, 앞으로는 인간의 오감을 모두 이해하고 학습하는 멀티센서리, 자기개조가 가능한 대형모델도 나올 것이라고 생각함. 인간에겐 없는 새로운 감각까지 다루는 모델도 있을 수 있음
매번 달성 기준을 조금씩 뒤로 미루는 느낌임
우리는 이런 작업을 수십 년째 해오고 있음. 나는 20여 년 전에 음성 인식이나 OCR 프로그램을 수정·교육하는 일로 고용됐었고, 내 친구는 지오태그를 바로잡는 일을 했음. AI 시스템은 역사가 길고, 초기에는 사람이 직접 Prolog 규칙을 넣거나, 프로그래머가 ELIZA나 Generalised Problem Solver 같은 프로그램에 규칙을 일일이 코딩하곤 했음
Hacker News 의견
AI가 인간을 대체할 거라고들 했지만, 실제로는 두 가지 현상이 있다고 생각함. 첫째, AI가 숙련 노동을 범용화하지 못했다는 점, 둘째, 미디어 문화가 희석되고 저하된다는 점임. 첫 번째 현상에 대해서는 BLS의 데이터 등 더 많은 지표를 기다리는 중임. 두 번째는, 새로운 미디어 범주가 등장했는데, 칩튠이나 '딥프라이드' 밈과 비슷한 느낌임
실제 숙련 노동, 예를 들어 번역가·디자이너·카피라이터 같은 사람들은 중급 이상 레벨에선 여전히 필요함. 이런 사람들이 당장 대체되는 일은 없을 것이라서 공식 통계에 잘 드러나지 않음. 오히려 대체되고 있거나 신규채용이 이루어지지 않고 있는 건 인턴이나 주니어급 인력임. 이 정도는 AI가 꽤 많은 부분 해낼 수 있어서 그렇지만, 이런 변화도 공식적인 실업률 통계에는 잘 나타나지 않음. 채용공고 감소 정도만 볼 수 있는데, 그것도 경제 불확실성이나 국제 정세 등 여러 변수 때문일 수 있음. 결국 몇 년 지나면 미디어·크리에이티브 업계가 완전히 망가질 것임. AI 때문에 커리어 입구가 막히면 인턴이 없어지고, 주니어도, 중급·시니어도 점점 없어지는 결과가 올 것임. 마지막엔 15년 전 포토샵 만져본 양복 입은 사람들과 영업팀만 남게 될 것임
BLS의 공식통계가 신뢰할 만한 수준이 될지는 의문임. 트럼프 대통령이 자신이 싫어하는 실업통계 발표한 이후로 그 기관을 다룬 방식을 생각하면 더욱 신뢰가 떨어짐
인간 창의력이나 설명력은 지금까지는 임의성을 잘 다루면서 구체성에 근접해 왔음. 그런데 이제 그 임의성의 자동화가, AI는 구체성을 위해 훈련된 게 아니기 때문에, 오히려 창의성의 첨단을 무디게 만들고 정말 세부적인 디테일은 점점 멀어지는 느낌임. 특히 인간이 AI의 출력을 타당하고 상세하다고 착각할 때 이런 퇴보 현상은 두드러짐. 미친 짓이지만 기술로 정상화되는 셈임
아이러니하지 않음. 공장에서 인간이 불량품을 골라내는 역할을 하는 걸 보면, 예전엔 그런 사람들이 애초에 제품을 직접 만들던 장인이었던 시절도 있었기 때문임
공장에서는 불량품이 드물고 구분하기 쉬움. 그냥 버리면 되고 나머지는 기계가 계속 만듦. artisan보다 훨씬 빠름. 그런데 AI의 경우엔 같은 걸 반복해서 만드는 게 아니라서 문제 파악이 어렵고, 에러를 발견해도 일일이 직접 고쳐야 하고 결과적으로 다 버리고 처음부터 다시 해야 할 수도 있음. 결국 AI에 쏟은 시간과 노력 모두 낭비가 되고, 차라리 artisan에게 맡겼으면 더 좋았을 것임
AI가 지난 수 세기 대혁명이라고 홍보했던 것에 비해 참 허탈함. 결론적으로 우리는 아직 AI 시대에 진입하지 않았음
"공장에서 인간이 불량품을 골라내는 역할" 얘기를 봤을 때, 어떤 인도 아웃소싱 업체 사이트에 따르면 그곳 근로자들은 불량품을 골라내는 게 아니라 "정리(clean up)"하는 일임. 만약 공장에서 대부분의 제품이 불량이라 쉽게 골라낼 수 있다고 쳐도, 버리는 게 아니라 그걸 다 고쳐야 하는 상황이라고 가정해보면, 생산 과정에서 드는 에너지 비용은 막대해짐
인간이 인간의 실수를 치우는 건 어디든 흔한 일임. 특히 소프트웨어 개발 쪽이 더 심함
AI가 눈에 띄게 바꾼 첫 현장이 e-commerce라는 건 그리 이상하지 않음. 쇼핑몰 대부분은 핵심 제안 하나만 갖고 있고, 프레젠테이션은 별로 중요하지 않음. 2003년 홈페이지처럼 보이기만 안 하면 되고, 솔직히 2025년 매장 프론트가 어떻게 생겼는지 크게 신경쓰는 사람 거의 없음. 광고는 주목만 끌면 됨, 예술이 목적이 아님. AI가 뭘 잘하냐 하면, 보통 누가 봐도 괜찮을 정도로 평범한 걸 만들어내는 거임. 실제로는 아주 밋밋함. 음악, 그림, 글 전부 마찬가지임. 물론 상식적인 부분, 예를 들면 손가락이 여덟 개인 그림 같은 건 아직 해결 과제로 남아있지만, 그냥 수박 겉핥기 할 땐 AI가 만든 결과물을 진짜랑 거의 구분 못 할 정도까지 옴. 그래서 지금 시점에서 AI는 '거푸집' 생산을 잘하는 역할임. 예전엔 Lorem Ipsum이 텍스트 샘플이었다면, 이젠 모든 부분에서 그런 용도의 뼈대를 찍어내주는 셈임. 인간은 이렇게 AI가 뿌려놓은 기본에 개성을 더해줘야 함. 뭔가를 만들 땐 항상 리스크도, 결정도 필요함. 그 결정에는 취향이 들어가고, 누군가는 그걸 책임져야 함. 명백한 오류를 고치는 것도 있지만 궁극적으로는 각 상황에 맞게 그 뼈대를 맞춤 변형하는 과정이 중요함
브래드 피트가 Rusty 역으로 했던 대사처럼 "네가 쓸 수 있을 땐 네 단어만 써. 서지 말고, 네 목표만 똑바로 봐. 기억에 남지 않을 정도만 구체적으로 말해. 웃기되 웃기게 하지는 마. 네가 옆을 떠나면 바로 잊혀질 만큼 딱 좋은 인상을 줘야 해. 그리고 정말 중요한 건... 어떤 상황에서도 절대, 절대..." (영화 <Ocean's Eleven> 인용임)
쇼핑과 광고는 AI가 진가를 발휘하는 분야임. 성공 여부에 대해 피드백 신호가 명확함. 물론 이런 피드백 신호를 제대로 활용해야 하고, 단순히 LLM 출력을 아무 데나 갖다 쓰는 걸로는 부족함
결국 기존 컨설턴트와 달라진 게 별로 없음. 코드를 깔끔하게 만들고, 잡사이트 효율성을 만들어냄. 새로운 건 별로 없음. 다들 예측하던 사안임
마치 배움을 모르는 직원들을 관리하는 중간 관리자 역할이 생긴 듯한 느낌임
AI가 약속했던 AGI에 도달하기도 전에, 이미 PKD의 단편 소설 'Sales Pitch'에서 나오는 slopocalypse처럼 모두가 정신이 나가버릴 것 같음. Sales Pitch (short story)
가장 큰 아이러니는 그 아티클에 달린 유일한 댓글조차 AI가 쓴 댓글임
우리는 아직 AI 시대에 안 들어왔다고 생각함. 곧 도래할 것 같긴 하지만. LLM은 AI라고 할 수 없다고 느끼고, 기계학습이 더 실용적임. 미래에는 LLM이 진화할지, 아니면 사장될지 모르겠음
LLM은 기계학습의 한 애플리케이션이기 때문에 상호 영향을 주고 받는 구조임. LLM이 우리가 상상하는 단일한 AI는 아니지만, 언어 처리 부문에서 대단한 이정표를 세웠던 것만은 확실함. 예전엔 자연어를 처리하는 게 AGI의 대표 측정 지표 중 하나였음. 결국 시간 문제일 뿐, 앞으로는 인간의 오감을 모두 이해하고 학습하는 멀티센서리, 자기개조가 가능한 대형모델도 나올 것이라고 생각함. 인간에겐 없는 새로운 감각까지 다루는 모델도 있을 수 있음
매번 달성 기준을 조금씩 뒤로 미루는 느낌임
우리는 이런 작업을 수십 년째 해오고 있음. 나는 20여 년 전에 음성 인식이나 OCR 프로그램을 수정·교육하는 일로 고용됐었고, 내 친구는 지오태그를 바로잡는 일을 했음. AI 시스템은 역사가 길고, 초기에는 사람이 직접 Prolog 규칙을 넣거나, 프로그래머가 ELIZA나 Generalised Problem Solver 같은 프로그램에 규칙을 일일이 코딩하곤 했음