- 당신 회사는 방금 백만 명의 월급루팡을 고용했다. 그것도 자발적으로.

AI가 사람 밥그릇을 뺏는다는 공포 마케팅이 3년째 먹히고 있다. 그런데 실제 숫자를 까보면? 정반대다. AI를 가장 적극적으로 도입한 기업들이 인력을 오히려 10.2% 늘렸다. 해고가 아니라 채용이다.

진짜 아이러니는 따로 있다. 미국 상위 1% 기업의 직원 1인당 AI 토큰 지출액이 월 14.1%씩 치솟고 있는데, 이 추세라면 곧 소프트웨어 엔지니어 연봉(19.2만 달러)마저 넘긴다. 역사상 처음으로 사람 쓰는 게 소프트웨어 돌리는 것보다 싸졌다. 소프트웨어가 사람을 대체하는 게 아니라, 사람이 소프트웨어의 저가 대안이 된 세상이다.

더 웃긴 건, 이렇게 돈을 쏟아부은 AI 토큰의 80%가 아무 쓸모없는 허드렛일에 낭비되고 있다는 거다. 백만 명의 디지털 직원을 뽑아놓고 관리는 0명이 하고 있는 꼴이다.

a16z의 조지 시불카는 이 상황을 1841년 미국 철도 사고에 비유한다. 미국 철도 총연장이 10년 만에 120배로 폭증한 직후, 단순한 협조 오류 하나로 두 열차가 정면충돌했다. 기차는 엄청 빨라졌는데, 그걸 관리하는 시스템은 그대로였던 거다. 

그 충돌이 근대 경영의 탄생을 불렀다. 관리자 채용, 역할 문서화, 위계 체계 수립. 철도는 세계 최초의 10억 달러 산업이 됐고 전성기에는 미국 주식시장의 60%를 차지했다. 시불카의 결론은 명쾌하다. "에이전트 인력과 인간 인력은 정확히 같은 방식으로 망한다."


1) 토큰맥싱 = 돈으로 때우기의 AI 버전

- 토큰맥싱 열풍이 한 달 만에 꺼졌다. 토큰을 많이 쓰는 게 문제가 아니었다. 쓸 줄 모르면서 쓰는 게 문제였다
- AI에게 맥락을 제대로 줄 수 있는 직원은 100명 중 1명꼴. 프로세스를 정확히 설명하고, 오염된 컨텍스트 윈도우 속에서 인내심 있게 대화할 줄 아는 사람 자체가 희귀종이다
- 나머지 99명에게 에이전트 도구를 쥐여주면 벌어지는 일? "루프", 토큰을 쓰기 위해 토큰을 쓰는 무한 돈 태우기


2) 루프 = 회의하자는 회의

- Claude Code, Copilot, 카르파시의 Autoresearch, 어떤 도구를 쓰든 루프의 원인은 하나다. 거의 아무도 프롬프트를 제대로 못 쓴다는 불편한 진실을 반창고로 덮은 것
- 에이전트가 자기 자신을 반복 호출해서 고치려 드는 건, 인간이 작업을 명확하게 정의하지 못했기 때문이다. 인간의 모호함이 AI의 삽질로 변환되는 구조


3) 토큰 낭비 = 유령 인력의 AI판

- 인간 조직도 비슷하다. 대다수 직원이 사업에 실질적 영향을 못 미치는 톱니바퀴에 불과하고, 존재 이유만으로 또 다른 톱니바퀴를 고용한다. AI 토큰도 똑같은 짓을 하고 있다
- 직원 80%가 사실상 아무것도 안 하는 것처럼, 지금 토큰의 80%도 아무 가치를 만들지 못한다. 사람이 사람을 만들어내고, 토큰이 토큰을 만들어낸다. 루프가 새로운 제국 건설 방식이다


4) 100X 토큰 = 10X 엔지니어의 후계자

- AI가 인간을 진짜로 이기는 영역은 단 하나, 확장성이다. 인간은 채용-온보딩-이직 관리에 에너지가 소진되지만, 토큰 확장은 즉각적이다. 그래서 잘못 관리하면 비용도 즉각적으로 폭발한다
- 평균적으로 인간이 토큰보다 싸다. 하지만 품질 좋은 토큰은 규모가 커질수록 더 싸진다. 특정 업무에서 소량의 맥락 정보만으로 AI 작업량을 100배 줄이는 토큰이 존재한다. 
- 10X 엔지니어가 지난 시대를 만들었다면 100X 토큰이 다음 시대를 만든다


5) 맥락 독점 = 2026년형 철밥통

- 회사 내부에서 직원들이 AI 시스템에 자기 노하우를 가르쳐주고 싶어할 리 없다. "생산성 도구"가 아니라 "내 후임"이라는 걸 눈치채기 시작했으니까
- 메타(Meta) 직원들조차 자기 업무 맥락이 학습 데이터로 쓰이는 것에 분노하고 있다. 실리콘밸리 테크 기업에서 이 정도면, 전통 산업은 뭐 말할 것도 없다
- 중세 길드가 기술을 비밀로 지켰던 이유와 정확히 같다. 100X 토큰을 쥔 사람이 그걸 넘겨줄 동기가 가장 적다. 아무도 자기 후임을 공짜로 훈련시키지 않는다


6) 평가(Evals) = 새로운 OKR

- 토큰 인력을 관리하는 최선의 방법은 인간 관리의 최선과 똑같다. "좋은 결과물이 뭔지 먼저 정의하라"
- AI 수익의 99%가 코딩에서 나오는 이유가 있다. 코드는 평가가 내장돼 있으니까. 돌아가거나, 안 돌아가거나. 끝이다
- 코딩 이외의 영역에서 AI가 먹히려면? 누군가가 그 영역의 평가 체계를 먼저 만들어야 한다. 직원에게 프롬프트 쓰는 법을 가르치거나 챗봇을 쥐여주는 것보다 이게 100배 중요하다
- 경영의 진짜 일은 모호한 인간의 프로세스를 코드로, 정성적인 걸 정량적인 것으로 번역하는 작업이다. 기업의 평가 체계가 가장 귀한 자산이 된다. 이것 자체가 해자(moat)다


7) 다음 수조 달러짜리 비즈니스 = AI 전환 기업

- 실리콘밸리는 기존 기업을 거꾸로 뒤집는 데 베팅하고 있다. "네오펌(AI 네이티브 서비스)".
- 그런데 진짜 대어는 기존 서비스를 잠식하는 게 아니다. 기존 기업에 완전히 새로운 유형의 서비스를 파는 것이다. "AI 전환 기업"은 어떤 네오펌보다 10배 더 커진다
- 팔란티어가 산 증인이다. 시가총액 5천억 달러. 기업 맞춤 앱을 직접 만들어주는 회사. 팔란티어는 소프트웨어를 판 게 아니다. 전환을 팔았다
- 제본스의 역설이 작동한다. 한 가지 AI 활용 사례가 열 가지 이상을 낳고, 쓰면 쓸수록 전환 수요가 늘어난다. 각 기업의 미묘한 차이를 에이전트에 인코딩하는 것, 이게 향후 10년간 가장 큰 경제적 기회가 될 수 있다


골드러시 때는 곡괭이를 팔라 했고, SaaS 시대엔 서비스를 팔라 했다. 인프라도 쌓았고 서비스도 만들었다. 이제 남은 건 기차를 정시에 운행시키는 일이다. 인간이 소프트웨어보다 저렴해진 세상. 그래도 누군가는 그 둘 모두에게 뭘 해야 할지 알려줘야 한다.

이 글의 핵심 한 줄은 결국 이것: "관리 없는 AI는 관리 없는 인간 조직과 똑같이 망한다." 기술이 아무리 바뀌어도 "좋은 결과가 뭔지 정의하고, 측정하고, 정렬시키는 일"은 사라지지 않는다. 오히려 AI가 만능에 가까워질수록 이 역량의 몸값이 올라간다. 

100명의 평범한 엔지니어보다 100X 토큰을 찾아 확장할 줄 아는 관리자 1명이 더 비싼 시대가 오고 있다. 아이러니하게도, 가장 첨단의 기술 문제에 대한 해법이 "기대치를 명확하게 문서화해서 다른 사람이 실행할 수 있게 하는" 가장 오래된 경영 기술이라는 것. 그래서 이 시대에 진짜 무서운 사람은 코딩을 잘하는 사람이 아니라, 뭘 만들어야 하는지 정확히 아는 사람이다.

출처: George Sivulka, "You Just Hired a Million Bad Employees", a16z News, 2026.7.14.