증기기관이 인간의 근육을 대신한 지 200여 년, 이번에는 판단이 몸 밖으로 나가고 있다. 나는 이 변화를 지능 외주화라고 부른다. 핵심 결론부터 말하면 이렇다. AI는 더 좋은 도구가 아니라 새로운 노동 주체이고, 그래서 생산성의 공식 자체가 다시 쓰여야 한다.
이 글에서는 지능 외주화가 무엇인지, 기존의 숫자 감각이 왜 무너지고 있는지, 그리고 AI 생산성 함수가 어떻게 재정의되는지 3가지 변화로 정리한다. 읽고 나면 “AI를 어디에 쓸까”보다 먼저 던져야 할 질문이 무엇인지 보일 것이다.
지능 외주화란 무엇인가
도구의 역사는 인간 능력의 확장사였다. 망치는 주먹의 확장이었고, 증기기관과 모터는 근육의 확장이었다. 그런데 이 모든 확장에는 공통점이 하나 있다. 도구는 시키는 대로만 움직였고, 판단과 결정은 끝까지 인간의 몫이었다는 점이다.
지능 외주화는 이 마지막 영역이 몸 밖으로 나가는 현상이다. 글을 쓰고, 코드를 짜고, 분석하고, 대안을 비교해 제안하는 일. 즉 ‘생각하는 노동’의 일부가 AI에게 넘어가고 있다. 단순한 자동화와 결이 다른 이유는, 스스로 중간 판단을 하면서 태스크를 완료한다는 데 있다.
그래서 지능 외주화는 도구의 업그레이드가 아니라 일하는 주체의 추가로 봐야 한다. 이 관점 전환이 이 글 전체의 출발점이다.
숫자의 원칙이 무너지는 3가지 장면
지능 외주화가 만들어내는 변화는 기존의 숫자 감각으로는 설명이 잘 안 된다. 대표적인 3가지 장면을 보자.
| 장면 | 기존 상식 | 지금 벌어지는 일 |
|---|---|---|
| 가격 | 단가가 떨어지면 시장도 위축된다 | AI 토큰 단가는 수년 새 수천분의 1로 폭락했지만, 시장 규모는 오히려 폭증했다 |
| 시간 | 신기술이 5,000만 사용자에 도달하려면 수십 년이 걸린다 | 자동차는 60년 넘게 걸렸지만, 생성형 AI 서비스는 수개월 단위로 도달했다 |
| 규모 | 인프라 투자는 수십~수백조 단위가 상한선이다 | AI 인프라에는 그 단위를 넘어서는 자본이 초기 단계부터 투입되고 있다 |
가격이 떨어질수록 쓰임새가 폭발해 총수요가 더 커지는 현상은 경제학에서 제번스의 역설로 불려온 패턴이다. 효율이 좋아질수록 소비가 줄기는커녕 늘어난다. 연산 비용의 하락이 지능 외주화의 적용 범위를 매일 넓히고 있는 셈이다.
전문가들도 예측을 번복했다
이 속도가 얼마나 비정상적인지는, AI를 만든 당사자들의 발언 변화가 가장 잘 보여준다.
제프리 힌튼은 AI가 인간 지능을 넘는 시점을 아주 먼 미래로 봤다가, 불과 몇 년 만에 전망을 대폭 앞당겼다. 요슈아 벤지오 역시 수십 년 뒤로 봤던 AGI 시간표를 1년 만에 수정했다. 빌 게이츠는 AI가 고난도 시험을 통과하려면 2~3년은 걸린다고 했지만, 두 달 만에 통과하는 것을 보고 비로소 AI 시대가 시작됐다고 인정했다.
분야를 만든 사람들조차 자기 분야의 속도를 따라잡지 못한다. 이것이 지능 외주화 시대의 첫 번째 특징이다. 예측보다 관측이 빠르다.
AI 생산성 함수 — AI는 자본인가, 노동인가
경제학은 오랫동안 생산성을 자본(K)과 노동(L)의 함수로 설명해왔다. y = f(K, L). 그런데 AI는 이 두 칸 어디에도 깔끔하게 들어가지 않는다.
| 구분 | 자본(설비) | 인간 노동 | AI |
|---|---|---|---|
| 스스로 판단하는가 | ❌ | ✅ | ✅ |
| 태스크를 완료하는가 | ❌ (사람이 운전) | ✅ | ✅ |
| 시간이 지나면 | 감가상각으로 낡는다 | 숙련된다 | 모델·데이터 축적으로 더 능숙해진다 |
투자 방식은 자본을 닮았지만, 행동 방식은 노동을 닮았다. 그래서 AI 생산성 함수는 자본, 인간 노동, AI 노동의 3요소 함수로 다시 써야 한다. y = f(K, L人 × L_AI). 여기서 중요한 건 인간 노동과 AI 노동이 덧셈이 아니라 곱셈으로 작동한다는 점이다. 같은 사람이 AI를 곱하면 산출이 비약적으로 커지고, 0에 가까운 활용은 전체를 깎아먹는다.
F1 레이스에서 이런 상황을 상상해보자. 두 팀의 머신 성능과 드라이버 기량이 거의 같다. 그런데 한 팀은 레이스 중 전략 시뮬레이션을 사람 손으로 몇 차례 돌리고, 다른 팀은 AI가 수천 가지 시나리오를 실시간으로 계산해 피트 타이밍을 제안한다. 머신(자본)도 드라이버(노동)도 같은데, 시즌이 끝나면 포인트 격차는 곱셈으로 벌어져 있다.
이 시나리오는 개념 설명을 위한 가상의 상황입니다. 실제 F1 팀의 전략과 다를 수 있습니다.
내가 이 곱셈 구조를 무겁게 받아들이는 이유는 단순하다. 곱셈은 격차를 선형이 아니라 기하급수로 벌린다. 지능 외주화를 빨리 시작한 쪽과 미룬 쪽의 차이는 시간이 지날수록 따라잡기 어려워진다.
핵심 요약
지능 외주화는 판단하는 노동이 인간 밖으로 나가는 현상이고, 가격·시간·규모라는 기존 숫자의 원칙을 모두 무너뜨리고 있다. AI는 자본도 순수 노동도 아닌 제3의 생산 요소이며, AI 생산성 함수는 y = f(K, L人 × L_AI)의 곱셈 구조로 다시 써야 한다. 지금 던질 질문은 “AI를 어디에 쓸까”가 아니라 “내 일의 함수에 AI 노동이 곱해져 있는가”다.
함께 읽으면 좋은 글
틀 자체가 교체되는 변화가 어떤 패턴으로 반복돼왔는지 먼저 잡아두면 이 글이 더 입체적으로 읽힌다.
패러다임 뜻과 전환의 법칙 — 역사는 반복되고, 주기는 짧아진다
도구 접근성이 문명의 격차를 만들어온 역사는 지능 외주화 시대의 예고편이다.
총균쇠 요약 — 환경이 만든 격차, AI 시대에 다시 읽어야 하는 3가지 이유
AI 발전 속도와 투자 규모의 공식 데이터는 Stanford HAI AI Index에서 직접 확인할 수 있다.
