1. 결론: 기사를 쓰는 줄 알았는데, 기사를 쓰는 공장을 만들고 있었다
처음에는 그냥 기사를 쓰고 싶었다. AI 초안, 글쓰기 규칙, 12개 언어, QC, 내부 링크, GitHub, 정기 실행, 실패 재검사를 붙이다 보니 중심이 “한 편 쓰기”에서 “좋은 기사가 반복 생산되는 공정 설계”로 옮겨 갔다.
오타 하나를 고치면 한 편만 좋아진다. 생성 규칙 하나를 고치면 이후 수백·수천 편과 다국어판까지 개선될 수 있다. 이것은 수정이라기보다 영구 버프다. 기자로 시작해 편집장, QA, 생산기술, SRE, 공장장을 겸하게 됐는데 외관은 침대에서 휴대폰을 두드리는 사람이다.
2. 가장 즐거운 점: 한 번 고치면 계속 고쳐져 있다
수작업은 덧셈이고 시스템 개선은 곱셈이다. 제목 규칙, QC, 내부 링크 로직, 장애 복구를 고치면 이후 실행 전체가 영향을 받는다.
제조업으로 말하면 불량품을 계속 손보는 대신 불량이 나오지 않는 공정으로 바꾸는 것이다. 그래서 게임처럼 “하나만 더”가 반복된다. 공장은 자동화됐는데 사람은 자동 종료가 없다.
3. 모습만 보면 완전히 휴일이다
가치가 “무엇을 바꿀지, 무엇을 채택할지, 어디가 이상한지” 판단하는 데 있다면 책상에 붙어 있을 이유가 줄어든다. 침대, 산책, 헬스장 휴식, 여행, 식사 중에도 스마트폰으로 판단할 수 있다.
밖에서는 휴대폰을 보는 사람, 안에서는 생성 사양과 QC 기준이 바뀐다. 겉모습: 휴일. 실제: 공장 사양 변경. 원격근무의 다음 단계는 생활 속에 필요한 의사결정만 삽입하고 실행은 기계에 맡기는 형태일 수 있다.
4. 기업도 ‘사람이 지휘하고 AI가 실행’하는 방향으로 간다
Microsoft 2025 Work Trend Index에서 전 세계 리더 46%, 일본 43%가 AI 에이전트로 업무 흐름 또는 비즈니스 프로세스를 완전히 자동화하고 있다고 답했다.[1] 이는 모든 업무의 46%가 자동화됐다는 뜻이 아니다.
2026년에는 Copilot 대화 10만 건 이상 중 49%가 분석·문제해결·평가·창의 같은 인지 업무를 지원했다. 응답자들은 AI 출력 QC 50%, 비판적 사고 46%를 중요한 인간 능력으로 꼽았고 86%는 AI 결과를 최종 답이 아닌 출발점으로 본다고 했다.[2] 방향은 인간이 전부 제작→AI 보조→AI 실행, 인간은 목적·QC·책임이다.
5. 왜 게임처럼 멈추기 어려운가
목표가 분명하고, 문제를 보고, 고치고, 빠르게 피드백을 받으며, 스스로 공략법을 고른다. 성공한 업그레이드는 다음 실행을 쉽게 만든다.
플로우 연구는 도전-기술 균형, 명확한 목표, 명확한 피드백, 통제감 등을 다룬다.[9] 게이미피케이션 연구에서도 자율성이 내재적 동기와 관련되지만, 2024년 메타분석에서 전체 효과는 유의하되 작았다.[10] 핵심은 포인트가 아니라 자기가 찾은 문제를 고치고 그 개선이 계속 남는 것이다.
6. Minecraft, Palworld, Factorio가 딱 맞는 비유다
Minecraft 레드스톤은 자동문과 자동 수확 장치를 만들 수 있다.[7] Palworld는 공식 설명에서 “Factories & Automation”과 팰에게 일을 맡기는 구조를 내세운다.[8] Factorio는 공장을 만들고 유지하며 생산을 자동화하고, 연구·물류 로봇·회로·블루프린트로 고도화한다.[6]
| 게임 | AI 기사 공장 |
|---|---|
| 수작업 채집 | 직접 글쓰기 |
| 작업대 | AI 초안 |
| 자동 장치 | 템플릿·프롬프트 |
| 물류 연결 | GitHub·정기 실행 |
| 센서·회로 | QC·감시·이상 감지 |
| 블루프린트 | 전 기사·다국어에 개선 전개 |
| 막힌 곳만 수정 | 인간은 예외·방향 변경만 담당 |
즉 세이브 파일이 GitHub에 있는 Factorio다.
7. 설비도 가볍다: ‘AI 이용료 + 전기요금♡’
범위를 잘 잡으면 월 수천 엔 수준의 AI 이용료와 이미 있는 스마트폰·PC·인터넷·전기만으로 작은 자동 시스템을 만들 수 있는 경우가 있다. 개인 GPU 서버를 24시간 돌리지 않는 구성도 가능하다.
총비용은 설계, API, 호스팅, 백업, 법무, 품질 사고 등에 따라 커진다. 그래도 중요한 변화는 개인이 자기 전용 업무 시스템을 만드는 진입장벽이 크게 내려갔다는 점이다.
8. 생각 로그가 쌓이면 ‘과거의 나’도 작업자가 된다
오래 AI를 쓰면 “이 표현은 싫다”, “여기서는 근거를 찾는다”, “같은 사고는 공정을 고친다” 같은 판단 패턴이 남는다.
Stanford HAI는 1,052명을 약 2시간씩 인터뷰해 transcript와 LLM으로 에이전트를 만들었다. 사회조사 응답에서 에이전트는 참가자 본인이 2주 뒤 자기 답을 재현한 정확도의 85% 수준을 보였다.[3] 인간 전체의 복제는 아니며 개인정보·동의 문제도 있다. 그래도 업무에서는 과거 판단 로그→AI 1차 판단→인간은 예외만 검토가 가능해진다.
9. 인간은 ‘목표를 바꾸는 일’에 남는다
Nature Reviews Psychology는 AI가 대규모 데이터 처리·통계 패턴·정해진 목표 최적화에 강하고, 인간은 새로움·불확실성·대인 상황에서 강점이 있다고 정리한다.[4]
AI는 어제의 규칙을 빠르게 돌리고, 인간은 내일 무엇을 목표로 할지, 규칙을 버릴지, 방향을 바꿀지 결정한다. 과거의 나=노동, 현재의 나=목표 편집이 될 수 있다.
10. 좋은 노동은 8시간 힘들어 보이는 것이 아니라 시스템이 계속 가치를 내는 것일 수 있다
1시간의 시스템 개선이 미래 1,000번의 반복을 없앤다면, 책상에 앉아 있던 시간만으로 가치를 재는 것은 약해진다. 목적 정의, 기준 설계, AI 결과 의심, 재발방지, 방향 변경이 중요해진다.[2][4]
다만 자동화 덕분에 24시간 일할 수 있다고 정말 24시간 일하면 실패다. 수면을 줄이고 알림을 감시하고 미검증 오류를 대량 배포하는 것은 자유가 아니다. 목표는 사람을 자동화하는 것이 아니라 공장을 자동화하고 사람을 삶으로 돌려보내는 것이다.
어제의 나에게 일을 시키고, 오늘의 나는 산책한다.
미래의 노동은 멀리서 보면 휴일처럼 보일지도 모른다.
