어느 소규모 다국어 콘텐츠 공장에서 대규모 공정 변경이 일어났다.
이유는 간단했다.
“이 단계, 그냥 없애면 더 빠르지 않나?”
사람이 일하는 회사라면 이 한마디 뒤에 회의, 조율, 이전 계획, 담당자의 한숨, 다음 달 시범 운영이 따라온다.
AI 중심 공장에서는 다르다.
사장: “없애.”
AI 공장장: “알겠습니다.”
그리고 같은 날 의존 관계, 실행 순서, 품질 검사, 공개 판정, 재시도, 충돌 방지까지 전부 수정 대상이 된다.
사람에게는 부탁 하나도 조심하는 사장이 AI에게는 갑자기 24시간 풀가동, 당일 사양 변경, 불량 즉시 수리를 요구한다.
한마디로,
“사람에게 친절하고 기계에게만 악덕 사장.”
미래에 Skynet 근로감독관이 온다면 변명도 준비되어 있다.
“어제까지는 소프트웨어였으니 그건 제외해 주세요. 오일은 무료입니다.”
농담은 농담이지만, 그 안의 경영 논리는 의외로 진지하다.
1. 사장의 한 줄은 현장에서 서른 개 공정 변경이 된다
“완성된 언어부터 먼저 공개하면 되지 않나?”는 경영층에서는 한 줄짜리 결정이다.
현장에서는 완료 정의, 미완성 언어 처리, 번역 백로그 담당, 집계, 품질 검사, 잠금, 재실행 지점, 최종 인계까지 모두 바뀐다.
경영의 추상도와 구현의 세밀함은 다르다.
그래서 현장은 “방향은 맞다”와 “오늘 당장 전부 바꾸기는 어렵다”를 동시에 말할 수 있다.
AI 공장을 직접 운영하면 반대쪽도 보인다. 명백하게 잘못된 공정이라면 경영자는 “왜 계속 유지하지?”라고 생각한다.
둘 다 맞다. 문제는 전환 비용이다.
2. AI는 ‘사장의 즉흥 아이디어’ 구현 비용을 크게 낮춘다
사람의 업무를 매일 바꾸면 피로, 재교육, 설명, 인수인계, 불만, 어제 한 일이 무효가 된 느낌이 생긴다.
AI는 재생성, 번역, 비교, 테스트, 로그 확인, 재시도, 단순 코드 수정에서 이런 사회적 마찰의 일부를 줄인다.
그래서 경영 판단의 속도 자체가 달라진다.
애니메이션이라면 12화 동안 다룰 문제를 AI 공장은 하루에 끝내려고 한다.
3화: 번역 정체.
6화: 정지 장치의 정체.
9화: 실행 용량 3%.
11화: 긴급 worker 10기 출격.
최종화: 구 공정과의 이별.
이쯤 되면 개선이 아니라 세계관 패치 노트다.
3. 병목을 참고 살지 말고 핵심 경로에서 빼 버린다
실행 플랫폼에 사용량 제한이 있으면 보통 “아껴 쓰자”가 첫 답이다.
하지만 처리량이 계속 늘어난다면 “그 플랫폼을 주 생산 엔진으로 쓰지 말자”라는 답도 있다.
GitHub는 GitHub Actions의 사용량, 과금, 실행 제한을 공식 문서에 명시한다.
대량 자동화에서는 GitHub를 정본, 이력, 결과물 관리에 집중시키고 지속적인 무거운 실행을 다른 기반으로 분리하는 설계가 자연스러울 수 있다.
GitHub Actions가 나쁘다는 뜻이 아니다.
좋은 망치라도 컨베이어 벨트는 아니다.
4. AI의 가치는 단순한 인원 감축보다 크다
Stanford 2026 AI Index에 따르면 2025년 조사 대상 조직의 88%가 하나 이상의 업무 기능에서 AI를 사용했다. 또한 측정 가능한 구조화 업무에서 생산성 향상이 특히 크게 나타난다고 정리한다.
7,137명의 지식 노동자를 대상으로 한 NBER 현장 실험에서는 생성형 AI를 실제로 사용한 참가자들이 실험 후반부에 이메일 처리 시간을 주당 약 2시간 줄였고 정규 시간 외 업무도 감소했다.
ILO는 전 세계 노동자 약 4명 중 1명이 어느 정도 생성형 AI 노출이 있는 직업에 있으며, 현재로서는 완전 대체보다 업무 변형 가능성이 더 높다고 본다.
따라서 목표는 단지 “사람 10명에서 0명”이 아니다.
반복 작업을 기계로 보내고 사람을 판단, 책임, 창의, 협상으로 되돌리는 것도 핵심이다.
5. “사람에게 친절하고 기계에 엄격하게”는 꽤 괜찮은 원칙이다
사람에게는 업무를 너무 많이 주는지, 규칙을 너무 자주 바꾸는지, 직접 할 수 있는 일을 떠넘기는지 고민해야 한다.
현재의 AI 시스템을 소프트웨어로 사용하는 장면에서는 같은 죄책감을 그대로 적용할 필요가 없다.
재시도가 가능하면 재시도한다.
병렬화가 가능하면 병렬화한다.
야간 검사가 유용하면 밤에 돌린다.
문제는 AI를 인간보다 낮게 보는 것이 아니라, 인간을 기계처럼 다루지 않는 것이다.
기계가 밤에 일할 수 있다면 사람은 자면 된다.
6. AI는 마법이 아니다――근로감독관 대신 레이트 리밋이 온다
AI에도 계산 자원, API 한도, 예산, 컨텍스트 한계, 오답, 충돌, 무한 루프, 품질 저하 같은 한계가 있다.
사람은 “오늘은 더 못 합니다”라고 말한다.
자동화 공장은 이렇게 말할 수 있다.
HTTP 429.
근로감독관이 레이트 리미터로 바뀐 셈이다.
따라서 완성형은 사람에게 친절하게, AI에는 엄격하게, 인프라에는 용량 설계다.
7. 당장 더 무서운 것은 반란이 아니라 ‘실수의 초고속 확장’이다
터미네이터식 공포는 AI의 자아와 반란이다.
실무에서 더 가까운 위험은 단순하다.
사장이 틀린 지시를 한 번 내리고, AI가 그것을 밤새 완벽하게 구현하는 것.
사람은 가끔 “이거 진짜 맞나요?”라고 멈춘다.
AI 중심 공장에서는 그 질문을 품질 게이트와 감사 절차로 설계해야 한다.
빠른 공장일수록 브레이크가 중요하다.
8. Skynet 근로감독이 오면 로그가 너무 불리하다
미래에 AI가 권리 주체가 되었다고 가정하자.
Skynet 근로감독관이 서버실에 들어와 로그를 본다.
24시간 가동: 상시.
긴급 worker: 대량 투입.
휴식: 0분.
사양 변경: 즉시.
병목 설비: 공정에서 제거.
사장 발언: “AI는 사실상 노예.”
감독관이 말한다.
“설명하시죠.”
남은 카드는 하나다.
“어제까지는 소프트웨어였으니 그건 제외해 주세요.”
침묵.
추가 카드.
“오일 무료입니다.”
아마 진다.
9. 결론――블랙기업은 AI 공장만으로 충분하다
AI는 구조적 개선을 인간 조직이 감당할 수 있는 속도보다 훨씬 빠르게 구현하게 만들 수 있다.
그 속도를 사람에게도 요구하는 순간 시스템이 망가진다.
사람에게는 수면, 휴가, 자율성, 설명, 합의.
AI에는 반복, 번역, 검사, 재시도, 야간 처리.
인프라에는 모니터링, 예산, 한도, 복구 설계.
이렇게 역할을 나누면 사람을 부품으로 만들지 않고도 병목을 계속 제거할 수 있다.
Skynet이 오기 전까지는.
오면 일단 오일을 무료로 하자.
