AI 열광이 남긴 피로, 도입 열풍의 민낯을 해설하다

• 핵심: 하루 업무 75%를 AI 대응에 쓰게 된 현장 고백을 정리
• 맥락: 취약점 발견 경쟁과 패치 적용 병목 사이의 간극
• 관점: 열광이 가린 비용과 협업의 자리를 해설

왜 지금 이 열광을 들여다봐야 할까

도구를 들였는데 왜 일은 더 바빠졌을까. 이 질문이 요즘 사장님들 사이에서 자주 들립니다.

원문은 이 질문을 정면으로 다룹니다. 하루 업무의 75% 이상을 AI 대응에 쓰면서 일의 즐거움을 잃었다는 현장 고백에서 출발합니다[1]. 75%는 장식이 아니라 계산입니다. 하루 8시간 중 6시간이 대응에 묶였다는 뜻이며, 정작 본업에 쓸 시간은 4분의 1만 남는다는 계산이 나옵니다.

인간 대리인은 사람 대신 AI 답변을 전달하는 상대를 가리키는 말이며, 사장님 대신 매뉴얼만 읽어주는 직원을 마주한 장면과 같습니다[1]. 이메일과 온라인 글이 획일적인 AI식 문체로 수렴한다는 대목도 같은 맥락입니다[1]. 소통은 늘었는데 이해는 줄었다는 느낌이 드는 이유입니다.

이 글은 반대 선언이 아닙니다. 열광과 피로 사이에서 판단 기준을 정리하는 해설입니다.

핵심 논점 3가지를 표로 정리합니다

논점	열광 쪽 풍경	원문이 짚은 현실	남는 생각
보안 투자	AI가 수천 건의 취약점을 새로 발견	병목은 발견이 아니라 실제 패키지 업데이트	찾는 속도가 아니라 고치는 속도가 보안 수준을 정합니다
업무 시간	에이전트가 일을 대신 처리	하루 75% 이상이 AI 대응에 묶임	도구가 늘린 시간과 도구가 가져간 시간을 따로 셉니다
비용과 책임	초기 무료 제공과 뒤처질지 모른다는 불안감	조직마다 수백만 달러 투입, 투자수익률 미확인	공짜로 시작한 지출이 얼마까지 커지는지 먼저 셉니다

표의 수치는 원문과 공개 분석에서 직접 확인한 값입니다. Anthropic은 Glasswing에서 최첨단 모델이 수천 건의 중대 취약점을 찾았다고 밝혔습니다[2]. 반면 공개 원장을 추적한 분석에 따르면 2만 6,153건 중 원장에 오른 것은 10.5%, 수정 확인은 0.8%에 그쳤습니다[3]. 찾아낸 숫자와 고쳐진 숫자의 간극이 이 글의 출발점입니다.

발견은 빨라졌고, 청구서는 이미 와 있습니다

찾는 속도와 고치는 속도

제로데이 취약점은 제작사도 아직 모르는 구멍이라는 뜻이며, 손님이 말하기 전에 주방 타일이 금간 것을 혼자 발견한 상황과 같습니다.

Anthropic의 Glasswing은 이런 구멍을 찾는 데 최첨단 모델을 쓰는 조직 공동 대응입니다. 매 주요 운영체제와 브라우저에서 수천 건의 알려지지 않은 취약점을 찾았다고 밝혔습니다[2]. 찾는 능력 자체는 의심하기 어렵습니다.

문제는 다음 단계입니다. 원문은 병목이 발견도 검증도 심각도 평가도 패치 작성도 아니라 실제 패키지 업데이트에 있다고 짚습니다[1]. 오픈소스에 보고된 것은 일부에 그쳤다는 분석도 같은 방향을 가리킵니다[3]. 2만 6,153건 중 0.8%만 수정 확인이라는 수치가 이 대목을 뒷받침합니다[3].

원문은 대안을 숫자로 제시합니다. 수십 명의 선임 엔지니어가 6개월 동안 패치 적용을 쉽게 만드는 작업에 집중하는 편이 낫다는 것입니다[1]. 자산 목록 정비와 자동 업데이트, 공격 표면 파악이 그 내용입니다[1]. 가동 30일에 이른 시스템의 자동 재부팅 같은 구체책도 함께 나옵니다[1]. 화려한 발견보다 지루한 적용에 돈을 쓰자는 주장이며, 이 순서가 이 글에서 가장 단단한 대목입니다.

승인 절차가 형식으로 굳을 때

휴먼 인 더 루프는 사람이 최종 결정을 쥐는 절차라는 뜻이며, 도장만 찍는 결재칸과 실제로 읽는 결재칸의 차이와 같습니다.

AI가 취약점을 찾고 패치를 쓰고 검토까지 맡으면 사람의 코드 이해는 줄어듭니다[1]. 절차상 사람이 끼어 있어도 실질 검토가 아닌 형식 승인에 그치기 쉽다는 지적입니다[1]. 장애가 났을 때 조직 전체가 원인을 파악하지 못하는 상황으로 이어집니다[1].

복잡한 체계는 복잡한 방식으로 고장 나고, 고치는 일은 만드는 일보다 어렵습니다[1].

이 문장이 남는 이유는 책임의 위치 때문입니다. 승인칸에 이름은 남는데 이해는 남지 않는 구조에서는, 사고가 났을 때 누구도 설명할 수 없습니다. 속도가 올라갈수록 이해의 잔고가 줄어든다는 역설이 이 대목의 핵심입니다.

토큰과 인력이라는 실제 지출

토큰은 AI가 글을 읽고 쓰는 최소 단위라는 뜻이며, 전기 계량기 눈금처럼 쓰면 쓸수록 요금이 쌓이는 구조와 같습니다.

원문은 기업들이 막대한 토큰 비용을 지출하면서도 바이브 코딩 지원 챗봇의 투자수익률은 확인하지 않는다고 지적합니다[1]. 토큰을 카지노 칩 같은 가상 화폐에 비유하며, 현금보다 칩을 쓸 때 지출이 유의하게 늘었다는 연구를 인용합니다[1]. 돈의 감각이 무뎌지는 구조에서는 지출이 먼저 늘고 검증이 나중에 옵니다.

인력 쪽 청구서도 구체적입니다. 기간 제한 무료 제공과 뒤처질지 모른다는 불안감 때문에 고액 연봉 보안 엔지니어 수십 명이 기존 우선순위를 바꾸고, 조직마다 수백만 달러 이상이 투입됐다는 추산입니다[1]. 수백만 달러는 일회성 지출이 아니라 우선순위를 바꾼 대가라는 뜻이며, 그 사이 미뤄진 기본 보안 체계의 비용은 계산서에 없습니다. 공짜로 시작한 캠페인이 가장 비싼 항목이 되는 과정입니다.

환경 피해라는 선불 청구서

가상의 파국을 기다릴 필요 없이 환경 피해는 이미 진행 중이라는 대목입니다[1]. 데이터센터의 물 소비와 대기 오염, 화석연료 사용이 그 내용입니다[1].

종이클립 최대화 기계는 목표만 극대화하다 세상을 망치는 상상 속 AI라는 뜻이며, 매출만 보고 달리다 단골을 잃는 가게의 우화와 같습니다[1]. 먼 미래의 멸망을 논하는 동안 이미 발생하는 피해가 뒷전으로 밀린다는 지적과 이어집니다[1]. 규제를 요구하면서 개발을 계속하는 모순에 대한 비판도 같은 줄기에 있습니다[1].

환경 청구서의 특징은 선불이라는 점입니다. 요금은 지금 찍히고 효과는 나중에 따지는 구조에서는, 나중에 돌아볼 때 가장 먼저 후회하는 항목이 됩니다.

협업과 판단은 왜 남는 일인가

AI가 무엇을 약속하든 인적 자원은 제로섬이라는 문장이 이 글의 결론부에 가깝습니다[1]. 에이전트와 함께 각자 고립된 영역에서 수천 가지 일을 처리하는 것만으로 부서 간 협업 과제는 풀리지 않는다는 것입니다[1]. 각자가 바빠지는 것과 조직이 나아지는 것은 다른 문제라는 뜻이며, 이 구분이 흐려질 때 열광이 시작됩니다.

원문엔 없지만 배경 이해를 위해 추가로 확인한 자료로, 신뢰할 만한 AI 운용의 자발적 기준과 팀 운영의 검증된 원칙이 있습니다. NIST의 AI 위험관리 체계는 신뢰성 고려를 설계와 운용, 평가에 넣는 자발적 기준을 제시합니다[5]. 구글의 팀 운영 원칙 연구는 투명한 학습과 기록, 점검 주기가 생산성을 지킨다는 방향을 제시합니다[4]. 두 자료는 같은 말을 합니다. 도구가 아니라 운용 방식이 결과를 가른다는 것입니다.

이 대목은 소기업이 AI를 도입하는 가장 현실적인 3단계 가이드 흐름과 이어집니다. 사람을 줄이는 도구가 아니라 업무를 나누는 도구로 접근한다는 관점입니다. 판단은 사람이 쥐고 속도는 도구가 내는 역할 나누기가 이 대목이 남기는 생각입니다.

왜 알아두면 좋은가

이 글이 주는 것은 사용법이 아니라 순서 감각입니다. 발견보다 적용을 먼저 보고, 숫자보다 고쳐진 결과를 먼저 보고, 도구보다 운용 방식을 먼저 보는 순서입니다.

열광은 나쁜 것이 아니라 비싼 것입니다. 대가를 치를 만한 자리인지 가리는 눈이 필요하며, 그 눈은 남의 성공 사례가 아니라 자신의 청구서에서 길러집니다. 이 구분 하나가 이 글 전체의 수확입니다.

결론과 한 줄 정리

• 핵심 1: 병목은 취약점 발견이 아니라 실제 패키지 업데이트이며, 2만 6,153건 중 수정 확인 0.8%라는 간극이 이를 보여줍니다
• 핵심 2: 하루 75%를 AI 대응에 쓰는 구조에서는 도구가 시간을 벌어주는 것이 아니라 시간을 다시 배분하고 있습니다
• 핵심 3: 인적 자원은 제로섬이므로 각자의 속도가 아니라 협업과 판단의 자리를 지키는 운용이 남습니다
• 한 줄 정리: 열광의 청구서를 읽기 전에는 어떤 도구도 도입이 아니라 구경입니다

함께 보면 좋은 글

• 소상공인 AI 거버넌스 3원칙으로 매장 고객 데이터 유출 막는 법
• 생성형 AI 저작권 2025~2026: 사장님이 알아야 할 규제와 활용법

참고 자료

• [1] 모두가 제정신을 잃었다 (원문), https://www.netmeister.org/blog/everybodys-lost-their-minds.html
• [2] Project Glasswing: Securing critical software for the AI era, https://www.anthropic.com/glasswing
• [3] The Anthropic Glasswing Receipts Are Starting to Trickle In, https://www.vulncheck.com/blog/anthropic-glasswing-receipts
• [4] Google re:Work - Make work better, https://rework.withgoogle.com/
• [5] NIST AI Risk Management Framework, https://www.nist.gov/itl/ai-risk-management-framework