AI 시대 자산격차, 에이전트 숫자보다 중요한 운영 체계
AI 시대 자산격차 이야기를 들으면 어떤 AI 종목이 오를지부터 찾게 될 수도 있다. 그런데 김대식·오건영 대담을 정리한 내 메모에서 중심에 둔 건 종목이 아니었다. 에이전트를 일을 맡기는 생산 수단처럼 운영하는 능력, AI가 만든 부가가치의 소유권, 일이 바뀔 때 빠르게 적응하는 능력이 함께 격차를 만들 수 있다는 이야기다.
AI에게 한 번 질문해 답을 받는 건 누구나 할 수 있다. 반복되는 일을 잘게 나눠 맡기고, 결과를 검증하고, 다음에도 쓸 수 있게 남기는 것까지 이어져야 운영 체계가 된다.
AI 투자는 경기 논리만으로 움직이지 않는다
영상은 AI 데이터센터 투자를 기업의 평범한 설비 투자와 조금 다르게 해석한다. 경쟁에서 한 번 밀리면 따라잡기 어렵다는 두려움, 이미 들어간 투자비, 반도체와 전력·공사 비용이 더 오르기 전에 기반을 확보하려는 움직임이 겹친다는 설명이다. AI 투자가 기술 패권 경쟁과 국가 안보의 논리까지 띠게 됐다는 관점이다.
이 해석은 투자 경쟁의 열기를 이해하는 데는 도움이 된다. 그래도 투자액이 커진다는 사실만으로 관련 기업의 수익이나 주가가 모두 좋아진다고 볼 수는 없다. 데이터센터와 전력 수요가 먼저 공급을 밀어 올리고, 이후 과잉 투자와 공급 과잉이 올 수도 있다. 영상의 흐름을 요약하면 수요 폭증, 공급 부족, 과잉 투자, 공급 과잉이 이어지는 순환이다.
AI니까 계속 오른다고 보기보다 어느 단계에 있는지를 살펴야 한다. 기대가 이미 자산 가격에 많이 반영됐는지도 따져야 하고.
에이전트가 들어오면 일의 단위부터 달라진다
생성형 AI가 글이나 코드 같은 결과물을 만드는 데 가까웠다면, 에이전트 AI는 앱과 도구를 연결해 검색하고 판단하고 거래하는 과정을 실행하는 쪽으로 간다. MCP 같은 연결 규격은 에이전트와 기존 도구를 이어 주는 역할을 한다. 그다음으로 로봇이 현실 공간의 일을 맡는 피지컬 AI가 확산될 수 있다는 게 영상의 전망이다.
일과 거래 사이에 에이전트가 들어오면 사람을 대상으로 한 광고만으로는 부족해질 수 있다. 구매 에이전트가 비교하기 쉽도록 가격과 조건, 기능과 제한, 신뢰 근거, 환불·보증 조건, 개인정보 처리 정보를 구조화해 제공하는 일이 중요해질 수 있다. 에이전트끼리 거래하는 시장이 얼마나 커질지는 아직 전망으로 남겨둘 일이다.
내 PM 업무에 대입해 보면 직업이 한 번에 사라진다는 그림보다 반복 업무가 먼저 쪼개질 가능성을 생각하게 된다.
| 구간 | PM 업무에 대입한 예시 |
|---|---|
| 에이전트가 먼저 맡기 좋은 일 | 회의 기록 정리, 일정 추적, 빠진 항목 찾기, 주간 보고 초안, 배포 자료 모으기, 반복 알림 |
| AI 초안에 사람 승인이 필요한 일 | 위험 판단, 우선순위 조정, 팀 사이 합의, 예외 처리, 문서 최종 책임 |
| 사람이 끝까지 판단해야 할 일 | 이해관계 충돌 조정, 규정 해석의 최종 판단, 고객과 조직의 신뢰, 사고 때 책임 있는 결정 |
이 표는 어느 직업이 없어질지 맞히려는 게 아니다. 내가 반복해서 맡는 일을 세 칸으로 나눠 보고, 되돌릴 수 있는 일부터 붙여 보는 출발점이다. CDMS PM 업무에서 필요한 건 문서 작성 속도 하나가 아니라 임상 도메인 이해와 PM 판단, 에이전트 지휘, 최종 검증의 묶음이라고 메모해뒀다.
에이전트를 늘리기 전에 운영 결과부터 재야 한다
헤르메스·밍키·오픈클로를 이미 쓰고 있으니, 다음 차이는 에이전트 숫자보다 같은 일을 더 싸고 빠르고 정확하게 반복하는 데서 날 것 같다. 적어도 일을 맡길 때는 네 가지가 필요하다.
- 일을 작은 단위로 나눠 맡긴다.
- 결과가 맞는지 확인할 기준과 시험 절차를 둔다.
- 반복할수록 자료와 지침이 쌓이는 저장 구조를 만든다.
- 실수를 막도록 권한을 나누고, 필요한 단계에는 사람 승인을 둔다.
성과도 에이전트 수로 세면 안 된다. 한 달 동안 줄인 작업 시간, 사람이 고친 횟수, 잘못된 결과의 비율, 다음에도 그대로 재사용할 수 있는지를 기록해야 한다. 얼마를 절약했는지와 오류가 얼마나 났는지 모르면 자동화가 실제로 나아졌는지 판단하기 어렵다.
자산 대응은 AI 종목 맞히기와 다르다
AI가 노동소득의 안정성을 흔들면 금융자산의 중요성은 커질 수 있다. 자산을 이미 가진 쪽은 주식이나 기업 소유를 통해 생산성 증가의 이익을 먼저 얻을 수 있고, 자산이 없는 쪽은 직업 불안부터 겪을 수 있다는 게 영상의 문제 제기다.
그렇다고 이 얘기에서 바로 특정 AI 주식을 따라 사는 결론을 낼 필요는 없다. 모델 회사만 볼 게 아니라 반도체, 데이터센터, 전력망, 냉각, 에너지까지 가치사슬을 넓게 보고, 실제로 누가 매출과 현금흐름을 얻는지 살펴야 한다. AI 투자 확대가 AI 관련 모든 기업의 수익으로 이어지는 건 아니고, 한 분야에 몰리면 가격이 이미 기대를 반영했는지도 따져야 한다.
내 자산을 모델, 반도체, 데이터센터, 전력망, 에너지, 그 밖의 산업으로 나눠 실제 노출을 확인하는 것부터 할 일이다. 여기에 직업이 바뀌는 시기를 버틸 소득 기반과 현금 여유를 지키는 일도 같이 둬야 한다. 거대한 전망을 맞히는 것보다 현실적인 대응에 가깝다.
프롬프트 작성법이나 특정 도구 이름은 다음 변화가 오면 다시 배워야 할 수 있다. 그래서 한 도구에 모든 흐름을 묶기보다 입력과 자료, 결과를 보통 파일이나 공개 규격으로 남겨 두는 편이 낫다. 도구를 바꿔도 작업을 이어갈 수 있게 해두면, 작게 시험하고 틀린 부분을 빨리 고치는 적응력이 생긴다.
이 영상의 메시지를 내 식으로 줄이면 AI 주식을 사라는 말보다, 생산 수단 일부를 소유하고 에이전트를 운영하면서 계속 적응하라는 경고에 가깝다. 이번 주 반복 업무를 자동화 가능, AI 초안 뒤 사람 승인, 사람 최종 판단으로 한 번 나눠 적어보는 것부터 해볼 만하다. 종목을 맞히는 일보다 지금 내 일이 어디서 바뀔지 재는 쪽이 손에 잡힌다.
참고한 영상
https://www.youtube.com/watch?v=nm20TC-LOhg
댓글
댓글 쓰기