프롤로그: 어느 일요일 오전의 카톡#

2026년 3월 어느 일요일 오전. 사촌동생에게 카톡을 보냈다.

이제 진짜 대딸깍시대임.

상혁아 니가 배워도 되니까 지금 니네 앱 니가 만들어. 개발은 중요한 게 아니라 마케팅과 아이디어 선점의 시대야.

이 시기 오래 안 간다. 한 1년.

그 뒤는 모두 프런티어 AI 회사에게 잡아먹힘.

진짜 마지막으로 돈을 벌 수 있는 시기야. 그 이후는 AI를 가진 0.1%와 나머지의 봉건시대 같아질 것 같음.

글자로 하는 직업은 금년에 다 죽고, 영상과 소리로 하는 직업은 그래도 2~3년 남음. AI 회사들이 그쪽에 당장 돈이 안 되서 안 만드는데, 곧 그쪽에 개좆되는 거 금년쯤에 나와서 아마도.

유튜브 자체가 3년 내에 없어질 것 같음.

몇 분 뒤, 친구에게도 메시지를 보냈다.

클로드 Opus 1M 되니까 이제 진짜 코드 1도 안 보고 기능 추가한다.

그전에는 그래도 좀 보고, 못 믿고 확인하는 시간이 있었는데, 이제 그 보고 확인하는 걸 좀 하네스로 박으니까 진짜 예전에 하루에 PR 한두 개 처리했는데.

PR 한 시간에 3~4개 처리됨.

지금 진짜 순수 제자백가시대 같음. 전부 개발하는 워크플로우가 다름.

그리고 혼자 생각했다.

내가 아직 돈을 받는 이유는 내 암묵지를 AI가 학습한 적이 없기 때문이다.

이 암묵지들을 AI가 훈련하거나 하네스로 모두 갖게 되는 날이, 내가 평생 밥벌어 먹던 능력을 잃는 시점이다.

그래서 나는 이 암묵지를 끌어내고, 모델이 잘 수행할 수 있도록 하는 개선 작업을 해야 한다.

그런데 이건 슬픈 현실을 예고하고 있다.

20년간 코드를 짜온 사람의 일요일 오전 생각이다. 사촌에게는 “지금 앱 만들어"라고 했고, 친구에게는 “코드 안 읽어도 된다"고 했고, 자기 자신에게는 “내가 하는 이 작업이 나를 불필요하게 만드는 작업"이라고 했다. 세 개의 메시지, 세 명의 수신자, 하나의 현실 인식.

카톡 몇 줄에 담긴 직관을 데이터와 이론으로 검증하면서, 다섯 개의 분석이 됐다. 이 글은 그 직관을 풀어놓은 기록이다.

1. 대딸깍 시대의 1년 창문#

2024년, AI에게 코드를 시키면 함수 하나를 뱉었다. 2025년, 페이지 하나를 만들어줬다. 2026년 3월 현재, Lovable이나 Bolt.new에 프롬프트 하나 던지면 인증, 데이터베이스, 반응형 레이아웃이 포함된 멀티페이지 앱이 나온다. 코딩 경험 제로인 사람이 화요일 오후에 앱을 만들어 그날 저녁 사람들에게 보여줄 수 있다. TechCrunch는 2026년 1월 이 현상을 “마이크로 앱의 부상"이라 명명했다.1 비개발자가 Claude와 ChatGPT만으로 7일 만에 레스토랑 추천 앱을 만들고, 벤처 파트너가 개인용 팟캐스트 번역 앱을 직접 제작하는 시대.

숫자가 변화의 규모를 말해준다. 바이브 코딩 시장 규모는 2026년 47억 달러에서 2027년 123억 달러로 성장할 전망이다.2 Cursor는 Bloomberg 보도 기준 ARR 20억 달러를 달성했고,3 Lovable은 시리즈 A에서 18억 달러 가치 평가를 받았다.4 GitHub Octoverse 2025 리포트 기준, 전 세계 코드의 41%가 AI 보조로 생성된다.5 Stack Overflow 2025 Developer Survey에서 개발자의 76%가 AI 코딩 도구를 사용하거나 사용할 계획이라고 응답했다.6 Karpathy가 2025년 2월 “바이브 코딩"이라는 용어를 만들었고,7 1년 만에 Collins Dictionary 올해의 단어로 선정됐다. 이건 트렌드가 아니라 상전이다.

“개발은 중요하지 않다, 마케팅과 아이디어 선점의 시대다.” 과장처럼 들리지만, 구조적 근거가 있다. 개발이 희소 자원이었을 때는 좋은 아이디어가 있어도 실행 비용이 병목이었다. MVP 하나에 수천만 원과 수개월이 필요했다. 지금은 Bolt.new에서 한 시간 안에 공유 가능한 링크가 나온다. 실행 비용이 제로에 가까워지면, 경쟁의 축은 “무엇을 만들 수 있느냐"에서 “무엇을 먼저 만들어서 누구에게 보여주느냐"로 이동한다.

이미 “글자로 하는 직업"은 대규모 축소가 진행 중이다. Upwork에서 글쓰기 프로젝트는 전년 대비 32% 감소했고, 이는 플랫폼 전 카테고리 최대 낙폭이다.8 Ramp의 2026년 2월 연구에 따르면, 2022년에 프리랜서 플랫폼에 지출하던 기업의 절반 이상이 2025년까지 완전히 중단했다.9 한 카피라이터는 연매출 60만 달러, 직원 8명이던 사업이 2025년에 1만 달러 미만으로 추락했다고 증언했다.10

영상과 소리의 영역은 아직 완전히 무너지지 않았다. 하지만 방향은 선명하다. 2026년 현재 AI 비디오 생성 도구는 15개 이상이 경쟁 중이다. YouTube CEO 닐 모한은 2026년 서한에서 12월 기준 하루 100만 개 이상 채널이 AI 창작 도구를 사용했다고 밝혔다.11 AI 비디오가 아직 인간 크리에이터를 완전히 대체하지 못하는 이유는 캐릭터 일관성, 복잡한 내러티브, 그리고 “진짜 사람"이 주는 신뢰감 때문이다. 도구가 아직 완벽하지 않아서 2~3년이 남았다는 것이지, 방향은 정해졌다.

카톡에서는 “유튜브 자체가 3년 내에 없어질 것 같음"이라고 썼다. 솔직히 과장이다. 정확히 말하면, 핵심은 플랫폼의 소멸이 아니라 크리에이터 경제의 구조 변화다. AI가 영상 제작의 한계비용을 제로에 가깝게 만들면, 콘텐츠 공급이 폭발한다. 공급 폭발은 개별 크리에이터의 단위 수익을 붕괴시킨다. 이미 텍스트 시장에서 일어난 일이 영상 시장에서 반복될 가능성이 높다. Fiverr 2025년 3분기 실적에서 구매자당 지출은 11.7% 증가했지만, 활성 구매자 수는 11.7% 감소했다.12 소수의 전문가에게 더 많은 돈이 집중되고, 나머지는 퇴장한다.

이 창은 얼마나 열려 있는가? 기술 민주화 골드러시의 수명은 기술이 발전할수록 짧아져왔다. 각 시기의 “골드러시"를 개인이 낮은 진입 장벽으로 유의미한 수익을 올릴 수 있었던 기간으로 정의하면: 웹 1.0 개인 사이트 시대는 약 5~7년(1995년 Geocities 출시~2001년 닷컴 버블 붕괴), 앱스토어 1인 개발자 전성기는 4~5년(2008년 앱스토어 출시~2013년 상위 앱의 기업 점유율 80% 돌파, Distimo 보고서 기준), 유튜브/인스타 크리에이터 골드러시는 3~4년(2016년 MCN 전성기~2020년 알고리즘 변경과 기업 채널 지배력 확대), 쇼피파이 D2C 붐은 2~3년(2020년 팬데믹 특수~2022년 CAC 상승으로 수익성 붕괴) 지속됐다. AI 바이브 코딩의 창은 내 추정으로 1~2년이다. 이전 플랫폼들은 도구를 제공하되 실행은 인간에게 맡겼다. AI는 도구이자 동시에 실행자다. 도구와 실행 사이의 간극이 소멸하면, 인간이 차별화를 만들 수 있는 공간 자체가 줄어든다.

창이 빠르게 닫히는 이유는 기술의 발전 속도만이 아니다. 더 근본적인 차이는 가치 흐름의 방향이다. 앱스토어, 유튜브, 쇼피파이는 가치를 분산시켰다. 수백만 개의 독립 사업이 플랫폼 위에 생겼고, 플랫폼은 수수료를 가져갔지만 가치의 상당 부분이 에지(개인, 소규모 팀)에 남았다. AI 생태계는 정반대 방향으로 작동할 가능성이 있다. 파운데이션 모델을 운영하려면 수십억 달러의 인프라가 필요하고, 이 인프라를 가진 기업은 손에 꼽는다. 모든 개인과 기업이 이 소수의 모델 위에서 가치를 생산하면, 최종 가치의 상당 부분이 모델 공급자에게 귀속된다.

BlackRock CEO 래리 핑크는 2026년 3월 주주서한에서 이 구도를 경고했다.13 AI가 거대한 가치를 창출하지만, 그 가치는 데이터와 인프라와 자본을 가진 기업에 불균형적으로 집중된다. 미국인의 40% 가까이가 주식시장에 노출되어 있지 않다. 자산 가치가 치솟는 동안 급여는 정체하면서, “AI를 가진 소수와 나머지의 격차가 구조적으로 고착화되는” 구도가 현실화될 수 있다. 연준 DFA(Distributional Financial Accounts) 데이터 기준, 미국의 자산 격차는 1989년 추적 시작 이래 최대치를 기록했다.14

가장 강한 반론은 역사적 선례다. 모든 기술 혁명은 일자리를 파괴하면서 동시에 새로운 일자리를 만들었다. 증기기관이 수직공을 없앴지만 공장 노동자를 만들었고, 자동차가 마차 산업을 죽였지만 정비사와 주유소와 교외 부동산 시장을 열었다. 이 반론은 200년간 맞았다. 이번에도 맞을 수 있다.

하지만 이번에는 구조적으로 다른 점이 세 가지 있다. 첫째, 속도다. 산업혁명의 직조기 전환은 약 60년(1760~1820), 자동차의 마차 대체는 약 30년(1900~1930)이 걸렸다. 각 전환기에 노동자는 한 세대에 걸쳐 재교육될 시간이 있었다. AI는 텍스트, 코드, 이미지, 영상, 음성을 2~3년 안에 동시에 자동화하고 있다. 둘째, 범위다. 이전 기술은 한 번에 하나의 모달리티를 자동화했다. 방직기는 직조를, 자동차는 운송을, 컴퓨터는 계산을 대체했다. AI는 인지 노동 전반을 동시에 겨냥한다. 셋째, 방향이다. 이전 자동화는 육체 노동에서 인지 노동으로의 이동 경로를 제공했다. AI는 그 도착지 자체를 자동화한다. 재교육의 목적지가 사라지고 있다는 것이 이번의 핵심 차이다.

지금 열려 있는 창의 의미는 단순하다. 바이브 코딩으로 앱을 만들 수 있는 능력은 6개월 전에는 없었고, 1년 뒤에는 모든 사람이 가질 것이다. 모든 사람이 가지면 더 이상 경쟁 우위가 아니다. 경쟁 우위는 그 도구로 무엇을 먼저 만들고, 누구에게 먼저 도달했느냐에 달려 있다. 그리고 이 맥락의 유효기간은 길어야 1년이다.

2. 제자백가시대 — 코드를 한 줄도 읽지 않는 사람이 PR을 한 시간에 4개 처리하는 법#

같은 도구를 써도 결과가 자릿수 단위로 갈리는 사람들이 있다. 이 격차의 원인이 이 장의 주제다.

하루에 PR 한두 개를 처리하던 사람이 한 시간에 3~4개를 처리한다. Claude Opus의 1M 컨텍스트 윈도우가 열리면서, 코드를 한 줄도 읽지 않고 기능을 추가하는 워크플로우가 가능해졌다. 이전에는 AI가 작성한 코드를 눈으로 보고, 못 믿겠는 부분을 확인하는 시간이 있었다. 지금은 그 확인 과정 자체를 자동화된 테스트 하네스로 대체한다. 인간의 눈이 아니라 기계의 검증이 신뢰의 근거가 된 것이다. “코드를 안 읽는다"는 말은 태만이 아니라 방법론의 전환이다.

이 변화의 핵심은 병목의 이동이다. GitHub Octoverse 리포트 기준, 2025년 말 월간 코드 푸시는 8,200만 건, 병합된 PR은 4,300만 건을 돌파했다.15 새 코드의 41%가 AI 보조로 작성됐다. AI가 코드 생성 속도를 극적으로 높인 결과, 병목이 “코드 작성"에서 “코드 리뷰"로 이동했다. Faros AI의 데이터가 이 역설을 수치로 보여준다.16 Claude Code 도입률 60%인 팀이 매일 47% 더 많은 PR을 병합했지만, 리뷰 시간은 35% 더 길어졌다. 더 빨리 만들고 더 느리게 검증하는 역설이 발생한 것이다.

이 역설을 해결하는 방법이 갈라지면서 “제자백가시대"가 열렸다. 방법론이 표준화되지 않았다. 터미널에서 Claude Code를 단독으로 쓰는 사람과, Cursor에 임베드해서 쓰는 사람이 같은 팀 안에 공존한다. 리드 에이전트가 워커 에이전트를 조율하는 멀티에이전트 오케스트레이션을 돌리는 사람이 있는가 하면, tmux 10개 세션으로 병렬 작업을 수동 관리하는 사람도 있다. 에이전트 스킬만 1,234개 이상, 프론트엔드 디자인 스킬 하나의 설치 수가 27만 7천 건을 넘었다. 같은 문제를 풀면서 같은 도구 조합을 쓰는 두 사람을 찾기 어렵다.

코드 리뷰가 설계된 세계의 전제가 바뀌었다는 점을 이해해야 한다. 코드 리뷰는 인간이 인간의 속도로 코드를 작성한다는 전제 위에 만들어진 프로세스다. 이 전제가 깨졌다. Security Boulevard의 리서치에 따르면,17 개발자의 38%가 AI 생성 코드를 리뷰하는 것이 동료 코드를 리뷰하는 것보다 더 많은 노력이 든다고 응답했다. 61%는 AI가 “정확해 보이지만 신뢰할 수 없는” 코드를 자주 생산한다고 답했다. 리뷰어는 두 가지 함정 중 하나에 빠진다. 모든 AI 코드를 한 줄씩 읽으려다 병목이 되거나, 테스트 통과 여부만 확인하고 머지하는 “고무 도장” 리뷰로 전락하거나.

이 딜레마의 해답이 “하네스 기반 검증"이다. 코드를 눈으로 읽어서 신뢰를 확보하는 대신, 코드의 동작을 자동으로 검증하는 시스템을 구축한다. AI 코드 리뷰 도구를 배포한 팀은 PR 사이클 타임이 30~60% 감소하고, 프로덕션 결함률이 25~35% 하락했다. AI가 리뷰한 소규모 PR은 인간만 리뷰한 대규모 PR보다 결함을 3배 더 많이 잡는다. Peter Steinberger의 고백이 이 전환의 체감을 보여준다.18 “나는 더 이상 코드를 많이 읽지 않는다. 스트림을 지켜보고 핵심 부분만 가끔 확인하지만, 대부분의 코드는 읽지 않는다.”

2026년 2월에 보도된 사례 연구에서 한 시니어 개발자가 “4명 x 6개월” 규모로 산정된 프로젝트를 AI 에이전트와 함께 혼자 2개월 만에 완료했다. 인월 기준 원시 배율은 12배, 작업 가중치 적용 시 약 3배. Bloomberg Businessweek는 이 현상을 “생산성 패닉(Productivity Panic)“이라 명명했다.19 AI 코딩 에이전트가 개발을 쉽게 만들 것이라는 약속은 실현됐지만, 결과는 여유가 아니라 경쟁 압력의 폭발이었다.

이 전환이 만드는 가장 심각한 부작용은 주니어 개발자의 성장 경로 소멸이다. 전통적으로 주니어는 시니어의 코드를 읽고, PR에 코멘트를 받으면서 기술을 쌓았다. 코드 리뷰는 기술뿐 아니라 팀의 의사결정 과정, 트레이드오프 판단, 비즈니스 맥락과 기술 선택의 연결이라는 묵시적 지식(tacit knowledge)의 전수 채널이었다. AI가 코드를 생성하고, 하네스가 검증하고, 인간이 코드를 읽지 않는 워크플로우에서, 주니어는 이 묵시적 지식을 어디서 배우는가?

“전부 개발하는 워크플로우가 다르다"는 관찰은 기술 성숙도 곡선의 초기 단계를 정확히 포착한다. 모든 새로운 패러다임에는 실험기가 있다. 웹도 결국 React로, 모바일도 Swift/Kotlin으로, 클라우드도 Kubernetes로 수렴했다. AI 코딩 워크플로우도 수렴할 것이다. 하지만 수렴이 일어나기 전 실험기에 가장 많은 것을 시도한 사람이 수렴 후 표준을 정의한다. React를 만든 것은 프레임워크 전쟁의 한가운데서 가장 극단적인 실험을 한 Facebook이었다.

여기서 핵심 질문이 생긴다. 같은 도구를 써도 처리량이 자릿수 단위로 갈리는 이유는 무엇인가? 도구의 차이가 아니다. 모든 사람이 같은 Claude Code, 같은 Cursor를 쓸 수 있다. 차이는 도구에 입력하는 것의 질이다. 그 사람의 머릿속에 있는 암묵지의 깊이와, 그 암묵지를 AI가 실행 가능한 형태로 변환하는 능력.

3. 암묵지의 프롬프트화 — 20년 전문성이 30분 루프가 되기까지#

1966년, 영국-헝가리 과학자 Michael Polanyi가 하나의 문장을 남겼다. “우리는 말할 수 있는 것보다 더 많이 안다(We know more than we can tell).” 이 문장이 정의한 개념이 “암묵지(tacit knowledge)“다. 자전거를 타는 법, 얼굴을 알아보는 법, 코드에서 “뭔가 냄새가 난다"고 느끼는 판단력. 본인조차 완전히 설명할 수 없지만 행동과 판단을 지배하는 지식이다. 60년간 이 개념은 지식경영의 핵심 난제로 남아있었다. 2026년 3월, 이 난제에 대한 예상치 못한 해답이 등장하고 있다. 프롬프트다.

한 20년 경력 개발자의 사례가 이것을 실증한다. 나 자신의 이야기다. 핵심 강점은 아키텍처 설계와 디버깅. 두 달간 내가 한 일은 자신의 암묵지를 프롬프트로 추출하는 작업이었다. “이런 종류의 버그가 발생하면 어떤 순서로 원인을 추적하는가”, “이런 기능을 설계할 때 어떤 트레이드오프를 먼저 고려하는가.” 20년간 몸에 밴 판단의 패턴을 언어로 변환해서 프롬프트와 하네스에 녹인 것이다.

결과는 워크플로우의 질적 전환이다. “버그 현상 또는 기능 설명” 한두 줄을 입력하면, AI가 명세와 스펙을 생성하고, 기술적 분석을 수행하고, 코드를 작성하고, 테스트와 옵저빌리티 기능으로 정합성을 자체 검증한 뒤 PR을 올린다. 이 전체 루프가 30분에서 2시간. 인간은 PR의 의도와 AI가 생성한 증거 요약을 훑어보고 머지를 누른다. 내 경험 기준으로 측정한 수치가 있다. “성공률"을 “AI가 생성한 PR이 인간의 코드 수정 없이 테스트를 통과하고 머지된 비율"로 정의했을 때, 작년에는 10건 중 1건(10%)이었다. 2026년 3월 최근 2주간은 32건 중 29건(90.6%)이다. n=1의 개인 데이터지만, 측정 기준이 명확하므로 다른 환경에서 비교할 수 있다. 나머지 10%도 버그 상황에 대한 접근권한과 기대 효과를 추가로 기술해주면 대부분 패치된다.

왜 지금 이것이 가능해졌는가. 두 가지가 동시에 변했다. 첫째, 컨텍스트 윈도우가 1M 토큰으로 확장되면서 AI가 전체 코드베이스를 한 번에 파악할 수 있게 됐다. 이전에는 인간이 모듈 간 관계, API 히스토리, 설계 결정의 이유를 매번 수동으로 주입해야 했다. 지금은 AI가 코드베이스 자체에서 맥락을 자체 파악한다. 둘째, 모델의 추론 능력이 “명세에서 구현으로의 변환"과 “구현이 명세를 충족하는지의 자체 검증” 수준에 도달했다. 이 두 조건이 결합되니, 프롬프트에 담긴 암묵지가 실행 가능한 형태로 작동하기 시작한 것이다.

California Management Review가 2026년 3월에 발표한 분석이 이 현상을 산업 전체의 맥락에서 포착한다.20 제목이 직접적이다: “암묵지가 당신의 다음 경쟁 우위 해자(competitive moat)다.” 대부분의 기업이 AI를 데이터와 기술의 문제로 보지만, 실제로 가장 큰 차별화를 만드는 것은 조직 구성원들의 판단에 체화된 암묵지를 포착하고 AI에 내장하는 능력이다. 한 자동차 제조사는 은퇴하는 마스터 엔지니어들의 추론 방식을 AI 에이전트에 포착시켰다. 설계 아카이브, 테스트 결과뿐 아니라, 문제가 실제로 어떻게 해결됐는지를 보여주는 이슈 해결 이력과 비공식 토론까지 흡수했다.

Fortune이 보도한 Interloom의 사례가 이 흐름의 규모를 보여준다.21 이 뮌헨 스타트업은 “AI 에이전트의 암묵지 병목"을 풀겠다는 논제로 1,650만 달러를 유치했다. 창업자의 주장: 운영 의사결정의 70%는 공식적으로 문서화된 적이 없다. “은행에서 가장 중요한 사람은 문서가 맞는지 아닌지를 아는 사람이다. 그 사람은 종종 가장 낮은 급여를 받는다. 하지만 품질을 결정한다.”

여기서 역설적인 구도가 드러난다. AI가 전문가를 대체하는 것이 아니라, 전문가의 암묵지를 증폭시키고 있다. 20년 경력자가 프롬프트로 암묵지를 추출하면 생산성이 자릿수 단위로 뛴다. 같은 도구를 경력 2년차가 쓰면 이 증폭이 일어나지 않는다. 추출할 암묵지가 없기 때문이다.

AI는 누구에게나 같은 인터페이스를 제공하지만, 출력의 질은 입력하는 사람의 암묵지 깊이에 비례한다. AI는 평등화 도구(equalizer)가 아니라 증폭기(amplifier)다.

이 증폭 구조는 노동시장 전체의 양극화를 설명한다. 범용 글쓰기는 32% 감소했지만, 의료 작가(시간당 60~150달러), 핀테크 카피라이터(단어당 최대 0.95달러), 화이트페이퍼 전문가(월 6,000달러 이상)의 단가는 유지되거나 올랐다. AI가 실행 비용을 제로로 만들면 실행의 양이 폭발하고, 그 양의 품질을 판단하는 능력의 희소성이 올라간다. 이 판단 능력은 10년, 20년의 도메인 경험에서만 나온다. 범용 실행은 붕괴하고 전문 판단은 프리미엄이 붙는다. 중간은 사라진다.

MDPI의 2025년 12월 논문은 이 흐름을 “AI-암묵지 공진화(Co-Evolution) 모델"이라 명명했다.22 AI를 단순 추출 도구가 아니라 인간의 해석 과정을 증강하는 “인식적 파트너(epistemic partner)“로 위치시킨다. 프롬프트를 통해 암묵지를 외현화하면, 그 외현화된 지식이 AI의 동작을 개선하고, 개선된 AI가 더 깊은 암묵지의 추출을 가능하게 하는 순환이 형성된다. 앞서 언급한 성공률의 급등은 이 공진화 루프가 작동하고 있다는 실증이다.

가장 강한 반론은 모델 자체가 더 똑똑해지면 전문가의 프롬프트가 불필요해진다는 것이다. 장기적으로 유효한 반론이다. 하지만 단기(1~2년)에는 여러 마찰이 이 전환을 늦춘다. 첫째, 조직 특유의 맥락이다. “우리 시스템에서 이 API가 왜 이렇게 설계됐는가"는 공개 학습 데이터에 없다. 둘째, 신뢰와 책임의 문제다. 의료 진단, 법률 자문, 금융 의사결정에서 “AI가 잘 하니까 전문가 없이 가자"고 할 수 있는 조직은 거의 없다. 규제, 보험, 소송 리스크가 인간 전문가를 요구한다. 셋째, 인간 취향이다. 사람들은 “진짜 사람이 만든 것"에 프리미엄을 지불하는 경향이 있고, 이 경향이 얼마나 빨리 사라질지는 기술이 아니라 문화의 문제다. 이 마찰들이 해자의 수명을 늘려주지만, 방향을 바꾸지는 못한다.

이 분석까지 읽으면 AI 시대의 전문가는 밝은 미래를 가진 것처럼 보인다. 암묵지가 해자이고, AI가 전문가를 더 비싸게 만들고, 도구에 대한 접근은 민주화됐지만 결과의 격차는 오히려 벌어진다. 하지만 이 낙관적 분석에는 유효기간이 있다. 그리고 그 유효기간을 단축시키는 주체가 — 아이러니하게도 — 전문가 자신이다. 프롬프트에 암묵지를 녹일 때마다, 그 암묵지의 경제적 가치가 한 겹씩 벗겨진다.

4. 자기 폐기의 패러독스#

구조를 직시한다. 20년간 밥을 벌어먹게 해준 능력이 있다. 아키텍처 설계 감각, 디버깅 직관. 이 능력으로 돈을 받는 유일한 이유는 AI가 아직 이 암묵지를 학습하지 못했기 때문이다. 이 사람의 가치는 “AI가 할 수 없는 것"과 “AI가 할 수 있는 것” 사이의 간극(gap)에 정확히 비례한다. 그런데 이 사람이 매일 하는 일은 바로 그 간극을 좁히는 작업이다. 암묵지를 프롬프트로 추출하고, 하네스로 검증 체계를 구축하고, AI가 자체적으로 머지 가능한 코드를 생성하도록 개선하는 일. 3장에서 분석한 성공률의 급등은, 간극의 대부분이 이미 메워졌다는 뜻에 가깝다. 이 사람은 자신을 불필요하게 만드는 작업을 직접 수행하고 있다.

그리고 이 작업을 하지 않을 수 없다.

두 가지 경로를 비교하면 이유가 명확해진다.

경로 A: 암묵지를 추출하지 않는다. AI에게 주지 않는다. 전문가의 희소성이 더 오래 유지된다. 하지만 이 전략에는 치명적 결함이 있다. 다른 전문가가 먼저 같은 추출을 할 수 있다. 또는 모델 자체가 다음 세대에서 범용적으로 이 수준에 도달할 수 있다. GPT-4o가 출시 21개월 만에 API에서 퇴장한 것처럼,23, AI 모델의 능력은 연 단위로 질적 도약한다. 추출하지 않아도 간극은 줄어든다. 다만 느리게.

경로 B: 암묵지를 적극적으로 추출한다. AI가 빨리 학습하고, 전문가의 필요성이 빨리 줄어든다. 하지만 그 과정에서 두 가지를 확보한다. 첫째, 현재의 생산성 극대화라는 즉각적 가치. 둘째, 전환의 주도권.

경로 A는 느린 죽음이고, 경로 B는 빠른 전환이다. 나는 B를 선택했다. 매일 아침 내 암묵지를 프롬프트에 녹이면서, 그것이 나를 한 겹씩 벗기고 있다는 것을 안다.

이 패러독스는 개인의 문제가 아니라 구조적 현상이다. 노벨 경제학상 수상자 Daron Acemoglu, Simon Johnson, 그리고 David Autor가 2026년 2월 Hamilton Project에서 발표한 논문 “Building Pro-Worker AI"가 이것을 학술적으로 확인한다.24 “순수 자동화 기술(pure automation technologies)은 노동자와 협업하는 것의 정반대 작용을 한다. 인간 전문성을 상품화(commodify)해서, 그 가치를 떨어뜨리고 궁극적으로 불필요하게(superfluous) 만든다.” Fortune의 분석이 덧붙인다. AI는 이번이 이전 자동화 파동과 질적으로 다른 전환일 수 있다. 인지적, 창의적, 의사결정 과제까지 겨냥하기 때문이다.

Morgan Stanley의 2026년 2월 조사가 실증 데이터를 제공한다.25 AI를 12개월 이상 사용한 기업 900곳 이상을 대상으로, 순생산성 평균 11.5% 증가와 순인원 4% 감소가 동시에 측정됐다. 같은 조직 안에서, 같은 시점에, 더 많은 아웃풋과 더 적은 사람이 공존했다. Morgan Stanley는 이것을 “AI 효율성 패러독스"라 불렀다. 미국 노동자의 14%가 2025년에 이미 AI 관련 대체를 경험했다.26

암묵지 추출을 완료한 전문가에게 남는 것은 무엇인가? 세 가지 가능성이 있다.

첫째, 새로운 암묵지의 지속적 생성. 시스템은 정적이지 않다. 프로덕션 환경은 계속 진화하고, 새로운 문제가 등장한다. AI가 기존 암묵지를 흡수한 뒤에도, 새로운 상황에서 새로운 판단을 내리면서 새로운 암묵지가 축적된다. 전문가는 “정적 지식의 보유자"에서 “새로운 지식의 생성자"로 전환한다.

둘째, 메타 전문성. 암묵지를 추출하는 능력 자체가 전문성이 된다. 다른 도메인의 전문가들(의사, 변호사, 금융 분석가)도 같은 추출 작업을 해야 하지만, 이 방법론을 체계화한 사람은 극소수다.

셋째, 검증 아키텍처의 설계. AI가 코드를 생성하고 하네스가 검증하는 시스템에서, 하네스의 커버리지와 정확도를 설계하는 역할. “어떤 실패 모드가 가능한가”, “어떤 엣지 케이스를 테스트해야 하는가"를 아는 것은 그 도메인에서 수천 번 실패를 경험한 사람만의 지식이다.

하지만 가장 정직한 분석은 이 세 가지 모두에 만기가 있다는 것이다. AI 에이전트가 프로덕션에서 자율적으로 학습하면 첫째가 사라진다. 추출 방법론이 패턴화되면 둘째가 사라진다. AI가 테스트 설계를 자체 최적화하면 셋째가 사라진다. Open Philanthropy의 Ajeya Cotra가 2026년 초 블로그 포스트에서 발표한 예측에 따르면,27 METR 타임 호라이즌의 중앙값이 2026년 말 24시간에 도달할 것으로 보았다. 실제로 Claude Opus 4.6은 약 12시간을 기록하며 이 예측을 앞서고 있다. 이 지표가 수일, 수주로 늘어나면 “AI가 복잡한 프로젝트를 자율적으로 수행"하는 시대가 온다.

첫 장에서 분석한 “AI를 가진 0.1%와 나머지의 봉건시대"라는 예측이 여기서 완성된다. 이전 장들에서 분석한 봉건화의 축은 자본(래리 핑크)과 도구 접근성(바이브 코딩)이었다. 이 글에서 추가되는 축은 시간이다. 암묵지 추출 → AI 흡수 → 전문가 불필요화라는 사이클이 각 도메인에서 순차적으로 반복된다. 먼저 코딩, 그 다음 글쓰기, 디자인, 영상, 법률, 의료, 금융. 각 도메인의 “마지막 세대 전문가"가 자신의 암묵지를 AI에 이전하고, 이전이 완료되면 그 도메인에서의 인간 전문성의 경제적 가치가 급격히 줄어든다.

결론은 절망이 아니다. 폐기를 거부하는 것이 아니라, 폐기의 속도를 주도하는 것. 추출 과정에서 축적되는 메타 능력이 다음 단계의 자산이 된다. 문제는 그 자산도 영원하지 않다는 것이다. 남은 질문은 전략이다.

5. 해자 위의 해자 — 수명이 짧아지는 경쟁 우위를 계속 쌓는 법#

1973년, 진화생물학자 Leigh Van Valen이 “붉은 여왕 가설"을 발표했다.28 루이스 캐럴의 소설에서 붉은 여왕이 앨리스에게 한 말에서 따왔다. “같은 자리에 있으려면 계속 달려야 한다.” 원래 가설의 핵심은 종간 공진화다. 포식자가 빨라지면 피식자도 빨라져야 하고, 한쪽이 멈추면 도태된다. AI와 전문가의 관계가 정확히 이 구도다. AI(포식자)가 암묵지를 흡수하는 속도가 빨라질수록, 전문가(피식자)는 새로운 해자를 쌓는 속도를 높여야 한다. 하나의 해자가 영구적이지 않다. 하지만 다음 해자를 만드는 속도가 이전 해자가 침식되는 속도보다 빠르면, 항상 한 단계 앞에 있을 수 있다.

이 글에서 분석한 해자의 층위를 구조화하면 이렇다.

1층 해자는 도메인 암묵지 자체다. 20년간 축적한 아키텍처 설계 감각, 디버깅 직관, 시스템 전체에 대한 맥락적 이해. 3장에서 분석한 것처럼, 이것의 가치는 AI가 이 수준에 도달하거나 전문가가 추출을 완료할 때까지 유효하다. 성공률이 이미 90%를 넘었으므로 잔여 수명은 생각보다 짧다. 내 워크플로우에서 성공률이 이미 90%를 넘었고, METR 타임 호라이즌이 2026년 말 24시간에 도달한다는 Cotra의 예측과, GPT-4o가 18개월 만에 퇴장한 모델 세대 교체 속도를 감안하면, 대략 1~3년.

2층 해자는 암묵지를 프롬프트로 추출하는 메타 능력이다. 자신의 판단 패턴을 언어화하고, 하네스라는 검증 체계로 변환하고, AI가 수행 가능한 형태로 구조화하는 능력. 도메인 전문성을 가진 사람은 많지만, 그것을 AI에 이식 가능한 형태로 변환하는 방법론을 가진 사람은 극소수다. 이것의 수명은 추출 방법론이 표준화되거나 AI가 전문가에게 적극적으로 질문해서 자체적으로 추출하는 능력을 갖출 때까지다. California Management Review가 이 영역을 “다음 경쟁 해자"로 지목하고, Interloom이 1,650만 달러를 유치한 것은 이 해자가 아직 유효하다는 시장의 판단이다. 현재 이 방법론을 체계화한 기업이 거의 없고, Interloom 같은 스타트업이 이제 시작 단계이며, McKinsey의 2026년 1월 리포트가 “AI-인간 협업 방법론의 표준화는 3~5년 소요"로 추정한 점에서, 대략 2~4년.

3층 해자는 AI 에이전트 오케스트레이션과 검증 아키텍처 설계다. 2장에서 분석한 것처럼, 멀티에이전트 워크플로우를 구축하고, 하네스의 커버리지를 설계하고, 프롬프트 라이브러리를 관리하고, AI 생성 코드의 품질 게이트를 운영하는 능력. 1~2층 해자를 구축하는 과정에서 부산물로 축적된다. Anthropic의 에이전틱 코딩 트렌드 리포트와 OpenAI의 에이전트 로드맵이 이 방향의 진화를 보여주지만, 두 회사 모두 “완전 자율 오케스트레이션"의 프로덕션 배치까지는 최소 2~3년을 예상한다. 안전 검증과 규제 마찰을 감안하면, 대략 3~5년.

해자의 가치는 수명의 절대값이 아니라 타이밍에서 나온다. 1층이 침식되기 시작할 때 이미 2층을 쌓고 있는 사람과, 1층이 무너진 뒤에야 2층을 고민하는 사람의 격차. 다음 층을 먼저 시작하는 것만이 방법이다.

실행 원칙은 세 가지다.

첫째, 각 해자의 잔여 수명을 과대평가하지 않는다. “이 능력은 AI가 절대 못 할 것이다"는 판단은 역사적으로 거의 항상 틀렸다. 바둑, 단백질 구조 예측, 수학 증명, 코드 작성, 이미지 생성, 영상 생성. 각 영역에서 “AI가 못 할 것"이라던 예측이 수년 안에 깨졌다. 정확한 질문은 “AI가 이것을 할 수 있는가"가 아니라 “AI가 이것을 언제 할 수 있게 되는가"다. 시기의 문제이지, 가능성의 문제가 아니다.

둘째, 다음 해자를 현재 해자의 부산물로 구축한다. 별도의 프로젝트가 아니라, 현재 작업의 자연스러운 연장선에서 만든다. 암묵지를 추출하면서 추출 방법론이 쌓이고, 추출 방법론을 적용하면서 에이전트 오케스트레이션 경험이 쌓인다. PR 한 시간에 3~4개를 처리하면서 동시에 그 워크플로우의 방법론을 체계화하는 것이 이 구조의 실례다.

셋째, 해자의 이식성(portability)을 높인다. 도메인 특유의 암묵지(1층)는 해당 도메인에서만 유효하다. 소프트웨어 아키텍처 감각은 의료나 법률로 이식할 수 없다. 하지만 추출 방법론(2층)과 오케스트레이션 경험(3층)은 도메인을 넘어 이식 가능하다. “전문가의 암묵지를 AI에 이식하는 방법"은 소프트웨어든 의료든 금융이든 구조적으로 동일한 문제다. 이식 가능한 해자일수록 수명이 길고, 적용 범위가 넓다.

2장에서 제기한 주니어 개발자의 성장 경로 소멸도 이 이식성 안에서 답을 찾을 수 있다. 전통적 도제 관계에서 주니어는 “시니어의 코드를 읽으면서” 배웠다. 코드를 읽지 않는 워크플로우에서, 이 경로는 작동하지 않는다. 대안은 2~3층 해자를 가진 전문가가 “암묵지 추출 방법론” 자체를 가르치는 새로운 멘토링이다. 구체적으로: 프롬프트 리뷰 세션(주니어가 작성한 프롬프트를 시니어가 검토하며 빠진 맥락과 트레이드오프를 지적), 하네스 설계 페어링(어떤 실패 모드를 테스트해야 하는지를 함께 결정), PR 증거 리뷰(코드 자체가 아니라 AI가 생성한 테스트 결과와 증거 요약의 품질을 평가). 아직 이 모델을 체계적으로 운영하는 팀은 거의 없다. 그 자체가 기회다.

이 전략이 작동하지 않는 시나리오도 존재한다. 정직하게 인정해야 한다. Ajeya Cotra의 “완전 자동화” 시나리오다. AI가 1~3층 해자를 동시에 무력화하는 속도가 인간이 다음 해자를 쌓는 속도를 압도할 경우. METR 타임 호라이즌이 24시간이 아니라 수개월로 치솟는 순간, 이 전략의 전제 자체가 무너진다. 하지만 Cotra 자신이 이 시나리오의 단기 실현 확률을 낮게 본다. 그리고 현실적으로, 규제, 안전 검증, 조직적 관성이라는 마찰이 “순수 기술 능력"과 “실제 배치” 사이에 상당한 시차를 만든다. 가장 가능성 높은 경로는 “점진적 가속"이다. AI가 점점 더 많은 것을 할 수 있게 되지만, 모든 것을 동시에 대체하지는 않고 영역별로 순차적으로 대체하는 시나리오. 이 시나리오에서 “해자 위의 해자” 전략은 유효하다.

마지막으로, 이 글 전체를 관통하는 역설을 짚는다. 4장에서 “자기 폐기"를 분석했을 때, 해자의 수명이 짧아진다는 사실만 강조했다. 하지만 동전의 다른 면이 있다. 해자 안에서의 보상이 커지고 있다. AI가 전체 파이를 키우고 있기 때문이다. Morgan Stanley의 데이터가 보여준 “순생산성 11.5% 증가"는 조직 평균이다. 2장에서 인용한 Bloomberg 사례의 원시 배율 12배를 감안하면, 해자를 가진 개인에게는 조직 평균의 수배에서 수십 배에 달하는 레버리지가 작동한다. 1층 해자의 수명이 3년이라 해도, 그 3년 동안의 생산성 레버리지가 이 수준이라면 경제적 보상은 이전의 10년치에 해당할 수 있다. 2층 해자의 수명이 4년이라 해도, 그 방법론을 여러 도메인에 적용하면 보상이 곱해진다. 해자가 짧아진다고 보상이 줄어드는 것이 아니다. 짧은 해자 안에서 더 많이 추출하는 것이 전략이다.

에필로그#

다시 일요일 오전의 카톡을 본다.

사촌에게 “지금 만들어"라고 했다. 1년 뒤, 사촌이 정말 앱을 만들었다면 — 그때 그 앱은 이미 경쟁 우위가 아닐 것이다. 모든 사람이 만들 수 있으니까. 사촌이 앱을 만들지 않았다면 — 창은 닫혀 있을 것이다. 어느 쪽이든, “지금"이라는 단어의 유효기간은 이미 줄어들고 있었다.

친구에게 “코드 안 읽어도 된다"고 했다. 이건 자랑이 아니라 고백에 가까웠다. 20년간 코드를 읽는 능력으로 밥을 벌었는데, 그 능력이 더 이상 병목이 아니라는 걸 인정한 것이다. 하네스가 읽는다. AI가 검증한다. 내가 하는 일은 “무엇을 만들 것인가"를 판단하는 것뿐이다.

카톡에는 “유튜브가 3년 내에 없어진다"고도 썼다. 본문에서 솔직히 과장이라고 인정했다. 유튜브는 사라지지 않을 것이다. 하지만 과장의 방향은 맞았다. 크리에이터 경제의 수익 구조가 붕괴 압력을 받고 있다는 것. 과장은 틀리지만, 과장이 가리키는 방향은 맞을 수 있다.

혼자 생각한 세 번째 메시지가 가장 무거웠다. “나를 불필요하게 만드는 작업.” 이 문장을 쓸 때의 감정을 정확히 기억한다. 슬픔이 아니었다. 슬픔은 예상 못 한 상실에서 온다. 이건 구조를 보고 나서 느끼는 차가운 명료함이었다.

이 글 전체를 관통하는 질문은 결국 하나다. AI가 인간의 모든 인지적 해자를 순차적으로 침식하는 세계에서, 전문가는 무엇을 하는가? 이 글이 내린 답은: 침식의 속도를 주도하면서, 침식 과정 자체에서 다음 해자를 쌓는다. 해자 위의 해자. 붉은 여왕의 달리기.

이 답이 영원히 유효하리라고는 생각하지 않는다. 하지만 그날이 오늘은 아니다.

  1. TechCrunch, “The rise of ‘micro’ apps: non-developers are writing apps instead of buying them,” 2026년 1월 16일. 링크 ↩︎

  2. 바이브 코딩 시장 규모 추산. Market Clarity 및 복수 시장 조사 기관 집계 기준. 링크 ↩︎

  3. Bloomberg, “Cursor Recurring Revenue Doubles in Three Months to $2 Billion,” 2026년 3월 2일. 링크 ↩︎

  4. TechCrunch, “Lovable becomes a unicorn with $200M Series A just 8 months after launch,” 2025년 7월 17일. 시리즈 A에서 2억 달러를 모금하며 18억 달러 가치 평가를 받았다. 링크 ↩︎

  5. GitHub Octoverse 2025. 월간 코드 푸시 9.86억 건, 병합 PR 4,300만 건, AI 보조 코드 비율 41%. 링크 ↩︎

  6. Stack Overflow 2025 Developer Survey. 개발자의 76%가 AI 도구를 개발 프로세스에 사용 중이거나 사용 계획이 있다고 응답. 링크 ↩︎

  7. Andrej Karpathy, X(구 Twitter) 포스트, 2025년 2월 2일. “Vibe coding” 용어를 처음 사용. 링크 ↩︎

  8. Vollna Upwork Market Report, “Upwork Projects Trends 2025,” 220만 건의 프로젝트 분석 기준. 링크 ↩︎

  9. Ramp, “Payrolls to Prompts: Firm-Level Evidence on the Substitution of Labor for AI,” 2026년 2월. 프리랜서 플랫폼 지출이 총 지출의 0.66%에서 0.14%로 감소. 링크 ↩︎

  10. Blood in the Machine, “I was forced to use AI until the day I was laid off,” 카피라이터 Marcus Wiesner 사례. 링크 ↩︎

  11. YouTube Official Blog, “The Future of YouTube 2026,” Neal Mohan 서한. 링크 ↩︎

  12. Fiverr 2025년 3분기 실적 발표. 구매자당 지출 $330 (전년 $295, +11.7%), 활성 구매자 330만 명 (전년 370만 명, -11.7%). 링크 ↩︎

  13. BlackRock, “Larry Fink’s 2026 Chairman’s Letter,” 2026년 3월. AI가 부의 불균형 집중을 가속화할 수 있다고 경고. 링크 ↩︎

  14. Federal Reserve, Distributional Financial Accounts (DFA). 상위 0.1%의 자산 점유율이 1989년 추적 시작 이래 최고 수준. 링크 ↩︎

  15. GitHub Blog, “What 986 million code pushes say about the developer workflow in 2025,” Octoverse 리포트. 링크 ↩︎

  16. Faros AI, “How to Measure Claude Code ROI: Developer Productivity Insights.” Team A(5% 도입) 대비 Team B(60% 도입) 비교 분석. 링크 ↩︎

  17. Security Boulevard, “How to scale code review when AI writes code faster than you can understand it,” 2026년 3월. 링크 ↩︎

  18. Peter Steinberger, “Shipping at Inference-Speed,” 2025년 12월 28일. 링크 ↩︎

  19. Bloomberg Businessweek, “AI Coding Agents Like Claude Code Are Fueling a Productivity Panic in Tech,” 2026년 2월 26일. 링크 ↩︎

  20. California Management Review, “Tacit Knowledge Is Your Next Competitive Moat,” 2026년 3월. 링크 ↩︎

  21. Fortune, “Exclusive: Interloom raises $16.5 million in VC funding,” 2026년 3월 23일. 링크 ↩︎

  22. MDPI, “Unveiling the Unspoken: A Conceptual Framework for AI-Enabled Tacit Knowledge Co-Evolution,” 2025년 12월 23일. 126편의 문헌(1985~2025)을 분석한 개념적 프레임워크. 링크 ↩︎

  23. OpenAI, “Retiring GPT-4o and older models.” GPT-4o는 2024년 5월 출시, 2026년 2월 API 퇴장. 링크 ↩︎

  24. Acemoglu, D., Autor, D., & Johnson, S., “Building Pro-Worker AI,” The Hamilton Project, Brookings Institution, 2026년 2월 23일. 링크 ↩︎

  25. Morgan Stanley, “AI Adoption Accelerates: Survey Finds Productivity Gains Alongside Workforce Shifts,” 2026년 2월. AI를 12개월 이상 사용한 900+ 기업 대상 조사. 링크 ↩︎

  26. Strategic Market Research, “AI Replacing Jobs Statistics 2025.” 복수 설문 조사 집계 기준. 링크 ↩︎

  27. Ajeya Cotra, “AI predictions for 2026,” Planned Obsolescence (Substack), 2026년 1월. METR 50% 타임 호라이즌이 2026년 말 24시간에 도달할 것으로 예측. 링크 ↩︎

  28. Van Valen, L., “A New Evolutionary Law,” Evolutionary Theory 1, 1973. 종간 공진화에서 멸종 확률이 시간과 무관하다는 가설. 링크 ↩︎