AI에게 글을 쓰게 하는 것만으로도 충분히 싸다. 그런데 한동안 쓰다 보면 더 이상한 점을 깨닫게 된다.
글을 쓰는 AI의 요금 감각으로, 글을 만드는 공장 자체까지 만들 수 있다는 것이다.
예를 들어 총괄, 기사 파이프라인, 품질 관리, 공개, 클라우드 배포, 광고·분석, 정기 실행, 낡은 사양 정리, 이미지 안전까지 아홉 가지 역할로 나눈다고 해 보자. 사람의 회사라면 "각각 담당자를 두죠"라는 말이 나올 구성이다. 하지만 AI는 같은 계약 안에서 역할을 나눠 동시에 돌릴 수 있다.
사원증은 0장, 좌석도 0석, 사내 행사도 0회. 그런데 병합 충돌(여러 사람이 고친 코드를 합칠 때 부딪히는 문제)만큼은 어엿하게 발생한다.
여기서는 설명용으로 "월 1.5만 엔의 AI 이용료"라는 가정을 두고, 사람의 작업 시간과 비교하면 무슨 일이 생기는지 정리해 본다. 결론부터 말하면 AI의 강점은 "사람 9명을 완전히 대체하는 것"이 아니다. 소프트웨어로 쪼갤 수 있는 지적 작업의 추가 비용을 터무니없이 작게 만들 수 있다는 점이다.
9개 팀으로 나누면, 한 사람의 일이 "작업"에서 "운행 관리"로 바뀐다
예를 들어 다음처럼 역할을 나눈다.
| 역할 | 주요 업무 |
|---|---|
| 총괄 | 전체 정합성, 우선순위, 충돌 해소 |
| 기사 파이프라인 | 기사 생성, 편집, 다국어화 |
| 품질·발견 | 품질 검사, 내부 링크, 관련 기사, 독자가 기사를 찾아오는 경로 |
| 공개 | 공개 대기열, 최종 판정, 릴리스 |
| 클라우드 | 배포, 실서비스 확인, 복구 |
| 광고·분석 | 광고, 접속 분석, 개선 후보 |
| 정기 실행 | 스케줄, 실행 상태, 재개 |
| 사양 정리 | 오래된 변경 요청과 계약의 중복 정리 |
| 이미지 안전 | 이미지 승인, 연결, 공개 안전성 |
물론 이것이 사람 9명과 같다는 얘기는 아니다. 다만 일을 아홉 개의 책임 구역으로 나눌 수 있다는 것 자체가 크다.
한 AI가 조사 중이면 다른 AI에게 테스트 수정을 맡긴다. 공개 담당이 외부 서비스에서 막혀도 품질 담당은 계속 나아간다. 총괄 역할은 "전부 끝날 때까지 기다리기"가 아니라, 막힌 부분만 따로 떼어 놓고 다음 일을 흘려보낸다.
이 순간 사람의 일은 "전부 직접 하기"에서 "어떤 일을 어느 역할에, 어떤 순서로 보낼까"로 바뀐다.
즉 본인이 엔지니어와 편집자와 분석가를 동시에 연기한다기보다, 사람 작업 스케줄러가 되는 셈이다.
월 1.5만 엔을 인건비 옆에 놓으면, 금액의 단위가 갑자기 이상해진다
월 1.5만 엔이면 연 18만 엔이다.
사람 쪽은 어디까지나 설명용으로 다음과 같은 가정을 둬 본다.
| 경우 | 사람의 총 작업 시간 | 가정한 시간당 단가 | 단순 계산 인건비 |
|---|---|---|---|
| 작은 경우 | 200시간 | 5,000엔 | 100만 엔 |
| 중간 예 | 400시간 | 7,000엔 | 280만 엔 |
| 무거운 경우 | 600시간 | 10,000엔 | 600만 엔 |
"실제 시세가 반드시 이 값"이라는 표가 아니다. 비교를 위한 단순한 산수일 뿐이다.
그래도 중간 예에서는 400시간×7,000엔＝280만 엔. 월 1.5만 엔짜리 AI를 1년 쓰면 18만 엔이니, 280만 엔은 그 약 15.6년 치가 된다.
여기까지만 보면 "그럼 AI는 사람 400시간만큼의 일을 하는 건가?" 싶어지지만, 그건 아니다.
AI는 실제 환경에 대한 권한이 없기도 하고, 같은 실수를 표현만 바꿔 반복하기도 하고, 긴 작업에서 전제를 빠뜨리기도 한다. 사람이라면 한 번 보면 아는 사내 사정도, 계약서나 파일로 명시해 주지 않으면 이해하지 못할 때가 있다.
그래도 코드, 글, 조사, 테스트, 변경 사항 검토, 정리처럼 복제하기 쉬운 지적 작업에서는 이 가격 차이가 그대로 효과를 낸다.
인건비의 세계에서 갑자기 "계산 자원과 이용 한도의 세계"로 넘어가는 것이다. 경리 담당이 보면 계산기를 두 번 쳐다볼 만한 단위 변환이다.
왜 하필 소프트웨어에서 특히 잘 통할까
물리적인 공장이라면 라인을 9개로 늘리려면 기계, 바닥 면적, 전원, 유지보수, 인원이 필요하다.
소프트웨어는 다르다.
두 번째 AI 담당을 늘릴 때 책상을 살 필요는 없다. 세 번째를 위해 사무실을 빌릴 필요도 없다. 품질 담당을 추가한다고 신입 연수장이 필요하지도 않다.
필요한 것은 주로 이런 것들이다.
- 작업을 나눈다
- 입력과 출력을 정한다
- 기준이 되는 원본을 정한다
- 충돌했을 때의 규칙을 정한다
- 테스트한다
- 결과를 합친다
즉 "조직을 늘린다"는 일이 상당 부분 소프트웨어 설계 그 자체가 된다.
게다가 AI는 글을 쓰는 데서 그치지 않고, 그 글을 자동으로 검사하는 코드를 짜고, 번역 공정을 만들고, 공개 처리를 고치고, 측정 보고서를 만드는 데까지 손을 뻗는다.
여기가 한 단계 이상하다.
보통은 "제품을 만드는 사람"과 "제품을 만드는 공장을 만드는 사람"은 별개의 비용이다. AI에서는 제품을 만드는 AI가 다음 제품을 만들 공장까지 만들기 시작한다.
글을 쓰게 하려고 돈을 낸 줄 알았는데, 정신을 차려 보니 자동 테스트, 품질 검사, 배포, 분석까지 자라나 있다. 소프트웨어판 "빵을 샀더니 빵 공장이 딸려 왔다"다.
다만 9개 팀이 사람 9명은 아니다
이 부분을 대충 넘기면 이야기가 이상해진다.
AI 팀에는 사람 전문가가 가진 것 중 일부가 없다.
예를 들면 이런 것들이다.
- 조직 안에서의 책임
- 현장의 암묵지(말로 설명되지 않는 노하우)
- 본인만 할 수 있는 인증
- 물리적인 작업
- 장기적인 인간관계
- 실제 사회에서의 법적·계약상 권한
- "뭔가 이상한데?" 하고 느끼는 현장 감각
이런 것은 그대로 대체되지 않는다.
게다가 AI를 9개로 늘리면 실수도 9배 속도로 늘릴 수 있다.
낡은 사양을 읽은 담당이 낡은 코드를 되살린다. 두 팀이 같은 기능을 따로따로 만든다. 모두가 "내 범위는 통과"라고 하는데 실서비스만 멈춘다.
사원은 없는데 부서 간 조율만큼은 대기업이 된다.
그래서 AI를 병렬로 돌릴 때는 인원수보다 정합성을 지키는 장치가 중요하다.
가장 중요한 것은 "총괄 팀"
여러 AI를 쓸 때 가장 중요한 것은 사실 작업 담당이 아니라 총괄이다.
총괄 역할은 이런 일을 한다.
- 최신 상태를 읽는다
- 무엇이 기준 원본인지 정한다
- 각 담당의 책임 범위를 나눈다
- 같은 기능의 이중 구현을 막는다
- 실패한 담당만 따로 격리한다
- 마지막에 전부를 같은 실서비스 상태로 묶는다
이 총괄이 없으면 AI는 "싼 9명"이 아니라 "같은 방에서 각자 다른 설계도를 보고 있는 9명"이 된다.
특히 중요한 것은 먼저 읽고 → 시험해 보고 → 상태를 분류하고 → 필요한 곳만 고친다는 사고방식이다.
이미 있는 기능을 확인하고, 완성·부분 완성·고장·낡음·미확인으로 나눈다. 그리고 필요한 곳만 고친다.
이렇게 하지 않으면 AI는 호의 100%로 기존 기능을 하나 더 만든다.
호의로 만든 이중 구현은 대개 나중에 비호의적인 결과가 된다.
기사 공장은 이 비용 혁명이 눈에 잘 띈다
기사 공장을 사람만으로 쪼개 보면 생각보다 직종이 많다.
기획, 집필, 편집, 교정, 번역, 검색 최적화, 내부 링크, 공개, 웹 개발, 인프라, 광고, 분석, 품질 관리.
기사 한 편을 쓰는 비용만 보고 있으면 이 뒤편이 잘 보이지 않는다.
AI에서는 반대로 글을 쓰는 요금 감각의 연장선에서, 그 뒤편의 구조까지 손댈 수 있다.
기사 본문을 쓴 다음 세션에서 번역기를 고친다. 다른 팀이 공개 처리를 수리한다. 또 다른 팀이 분석 데이터를 읽는다. 총괄이 전부를 잇는다.
그러면 "AI에게 글을 쓰게 하고 있다"라는 설명으로는 부족해진다.
실상은 작은 디지털 사업의 부서들을 필요할 때만 불러내 쓰는 것에 가깝다.
소프트웨어 전반에서 창업과 부업의 최소 단위가 바뀐다
이 구조는 기사에만 해당하지 않는다.
소규모 웹 서비스, 업무 자동화, 사내 도구, 데이터 분석, 조사 시스템, SaaS 시제품처럼 결과물이 주로 디지털로 끝나는 일일수록 잘 통한다.
예전에는
"아이디어는 있다. 하지만 엔지니어를 고용할 정도는 아니다." "분석 담당까지는 못 둔다." "운영까지 생각하면 혼자서는 무리다."
라며 멈췄던 일이,
"일단 AI에게 3역으로 만들게 하고, 망가지면 5역으로 늘리고, 마지막에 총괄을 둔다"
정도의 시작 방식으로 바뀐다.
이것은 단순히 개발비가 싸진다는 이야기가 아니다.
시험해 볼 수 있는 아이디어의 수가 늘어난다.
실패 한 번의 값이 내려가니, 예전이라면 기획 회의에서 사라졌을 작은 안건을 실물까지 가져갈 수 있다.
사람을 채용할 정도는 아닌 일에도 제대로 된 담당 부서를 만들 수 있다.
부서라고 해도 명함은 없다. 회식도 없다. 조직도만 훌륭하다.
결론: AI의 진짜 저렴함은 "한 번 답하는 값"이 아니라 "조직을 늘릴 수 있는 값"
월 요금만 보면 AI가 비싸다고 느낄 수도 있다.
하지만 비교 대상을 "검색 서비스"나 "문장 생성 앱"이 아니라, 여러 지적 작업을 동시에 돌리는 작은 조직으로 바꾸면 보이는 모습이 달라진다.
물론 AI는 사람 9명이 아니다. 책임도, 현장 감각도, 실제 권한도 다르다.
그래도 소프트웨어로 표현할 수 있는 일에 대해서는
역할을 늘리는 비용 시도 횟수를 늘리는 비용 공장 자체를 만드는 비용
이 크게 내려간다.
그러니 충격적인 것은 "AI가 글을 쓸 수 있다"는 사실이 아니다.
글을 쓰는 AI 이용료 정도의 감각으로 기사 공장까지 만들 수 있다는 것이다.
그리고 소프트웨어에서는 그 공장이 또 다른 공장을 만들 수 있다.
사원이 0명인데 부서는 늘어난다. 사무실 0제곱미터인데 병렬 작업은 늘어난다. 복리후생비는 0엔이지만, 맥락(AI가 한 번에 기억하며 읽어야 하는 정보량)은 아주 잘 먹는다.
지적 노동의 원가 구조는 꽤 이상한 시대로 접어들었다.
