AI시대, Thinking은 아웃소싱해도 Understanding은 아웃소싱할 수 없다
AI시대, Thinking은 아웃소싱해도 Understanding은 아웃소싱할 수 없다
프롤로그: 모두가 '대체 불가 직업'을 검색할 때
모든 사람이 "AI가 내 직업을 빼앗아갈까?" 검색하고 있다.
많은 검색어에서도 'ai 직업 대체', 'ai 시대에 살아남을 직업', 'ai 대체 불가 직업 순위'가 압도적인 검색 수요를 보이고 있다.
하지만 안드레 카파시(오픈AI 창립 멤버, 테슬라 오토파일럿 리드, 앤트로픽)가 Sequoia Capital 인터뷰에서 던진 한 문장은 완전히 다른 방향을 가리킨다.
"Thinking은 아웃소싱할 수 있다. 그러나 Understanding은 아웃소싱할 수 없다."
여기서 역설이 등장한다. AI가 모든 사고(Thinking)와 실행을 대신 해줄수록, '왜 이걸 만들어야 하는가', '어느 방향으로 드라이브해야 하는가'를 판단하는 Understanding의 가치가 폭발적으로 상승한다.
당신의 Understanding이 얕다면, 아무리 강력한 에이전트 군단도 무의미한 방향으로 질주할 뿐이다.
I – Thinking과 Understanding의 결정적 차이
카파시는 명확히 구분한다.
- Thinking: 정보 조합, 코드 작성, 테스트, 디버깅, 문서화. 지금 AI가 가장 잘하는 영역.
- Understanding: 맥락의 본질을 꿰뚫는 힘. '우리가 궁극적으로 무엇을 만들어야 하는가'를 아는 것. 에이전트에게 방향을 주는 최종 디렉팅.
그는 솔직하게 말했다. 지금도 자신이 보틀넥이라는 느낌을 받는다고. 정보가 머릿속에 들어와야 하고, 왜 할 만한 가치가 있는지를 파악하는 것조차 인간인 자신이 해야 하는 일이라고.
역설적으로 AI가 강해질수록 인간의 Understanding이 병목이자 동시에 가장 강력한 해자가 된다.
II – Software 3.0: 코드가 사라지고 신경망이 호스트가 되는 세상
카파시는 소프트웨어 패러다임을 3단계로 설명한다.
- Software 1.0: 인간이 직접 코드를 짜는 시대
- Software 2.0: 인간이 데이터셋을 구성하고 신경망을 학습시켜 소프트웨어를 만드는 시대
- Software 3.0: 인터넷 전체 데이터로 충분히 큰 LLM을 학습시키면, 모델 자체가 '프로그래밍 가능한 하나의 가상 컴퓨터'가 되는 시대. 프롬프트 한 줄로 앱 전체를 대체할 수 있다.
그의 MenuGen 사이드 프로젝트 사례가 상징적이다. 과거에는 메뉴 사진 촬영 → OCR → 이미지 생성 → 백엔드 → 배포의 복잡한 과정이 필요했다. 이제는 "나노 바나나로 메뉴 위에 음식 사진 오버레이해줘"라는 한 줄 프롬프트로 끝난다.
앞으로 앱을 만들기 전에 가장 먼저 물어야 할 질문이 생긴다.
"이건 프롬프트 한 줄로 대체될 수 있는가?"
대체된다면, 그것은 더 이상 경쟁 우위가 아니다.
III – 진짜 해자는 Vertical AI와 개인 온톨로지
사람들은 'AI가 대체할 수 없는 직업'을 필사적으로 찾지만, 실제 기회는 그보다 한 단계 위에 있다.
카파시가 강조한 지점:
- 프론티어 AI 랩들의 사전 학습 데이터에는 구조적 공백이 있다. 검증하기 어려운 물리 세계 데이터, 산업 특화 도메인은 여전히 수직 특화 AI로 승부할 수 있다.
- 이를 위해서는 기업(또는 개인)이 직접 독자적인 파인튜닝 데이터셋과 강화학습(RL) 환경을 구축해야 한다.
- RL 환경을 잘 만드는 팀이 오픈소스 모델조차 압도할 수 있는 수직 특화 모델을 완성할 수 있다.
여기에 개인 차원에서 더 강력한 무기가 추가된다. 바로 개인 온톨로지다.
카파시 본인도 "내가 LLM을 활용해 나만의 맞춤형 개인 지식 위키를 자율 구축하는 프로젝트에 이토록 열광하는 이유"라고 말했다. 방대한 트렌드와 데이터를 에이전트에게 주입해 구조화된 지식 베이스를 만들고, 그 위에서 고차원적 질문을 던지며 인사이트를 추출한다.
지능이 흔해지는 시대일수록, 역설적으로 기계를 부려 자신의 Understanding 지평을 극한까지 증폭시키는 사람이 살아남는다.
IV – 100x를 넘어 1000x로: Human-in-the-loop와 취향의 힘
카파시는 바이브 코딩과 에이전틱 엔지니어링을 명확히 구분한다.
- 바이브 코딩: 저점을 높인다. 누구나 빠르게 프로토타입을 만든다.
- 에이전틱 엔지니어링: 고점을 높인다. 상업적 품질 기준(보안, 구조, 유지보수)을 지키면서 AI 에이전트 군단을 지휘한다. 과거 10x 엔지니어가 하던 일을 지금은 100x, 그 이상의 퍼포먼스로 끌어올릴 수 있다.
평범한 개발자는 AI를 '보조 도구'로 여긴다. AI 네이티브 개발자는 Claude Code, Codex 같은 에이전트의 모든 숨겨진 기능과 API 명세를 뼛속까지 이해하고 활용한다.
미래에 가장 가치 있는 인간의 기술은 다음과 같다:
- 미적 감각과 엔지니어링적 취향
- 고차원적인 감독 능력
- 명확하고 세부적인 제품 사양서(Spec), 구조적 마스터플랜, 엄격한 기술 문서 작성 능력
자질구레한 코딩 라인을 치는 노동은 멈추고, 에이전트가 절대 혼자서 똑바로 설계하지 못하는 '방향'을 정의하는 일이 인간의 핵심 역할이 된다.
시각화: Understanding이 에이전트를 지휘하는 구조
graph TD
Human["🧠 인간의 Understanding<br>(아웃소싱 불가)"]
-->|방향 · 판단 · 취향|
AI["🤖 AI 에이전트 군단<br>(Thinking 아웃소싱)"]
AI -->|실행 결과 + 데이터|
Human
pie title AI 시대 가치 이동
"Thinking (아웃소싱 가능)" : 25
"Understanding + Direction (해자)" : 55
"데이터셋 & RL 환경 구축" : 15
"기타 실행 기술" : 5
기존 접근 vs 새로운 접근
| 구분 | 기존 접근 (AI 대체 불가 직업 찾기) | 새로운 접근 (Understanding 해자 쌓기) |
|---|---|---|
| 초점 | AI가 못 하는 일 리스트 | AI를 가장 잘 '이용'하는 나만의 구조 |
| 무기 | 기술 스택, 자격증 | 개인 온톨로지 + 커스텀 RL 환경 + 취향 |
| 결과 | 생존 경쟁 | 100x~1000x 레버리지 |
💭 이 글을 읽고 생각해볼 질문
-
당신이 지금 구축 중이거나 가장 먼저 구축하고 싶은 '개인 온톨로지'의 중심 주제는 무엇인가요? 그 주제를 선택한 이유는?
-
AI 에이전트에게 "이 방향으로 가라"고 명령할 때, 당신의 판단 근거는 어떤 데이터와 맥락에서 오고 있나요? 그것을 어떻게 문서화하고 있나요?
-
Thinking을 AI에게 대폭 아웃소싱한 후, 당신이 온전히 남은 시간과 에너지로 키우고 있는 Understanding은 구체적으로 어떤 모습으로 성장하고 있나요?
댓글로 당신의 생각을 공유해주세요. 당신의 온톨로지가 어떻게 진화하고 있는지 듣고 싶습니다.
결론: 지능이 흔해질수록, Understanding이 희소해진다
AI가 모든 Thinking을 대신해주는 시대가 오고 있다.
그때 살아남는 사람은 '더 많이 아는 사람'이 아니라, '더 깊이 이해하고, 더 정확한 방향을 제시할 수 있는 사람'이다.
카파시의 말이 울림이 크다.
지능이 흔해지는 시대일수록, 역설적으로 기계를 부려 자신의 고차원적 이해력을 극한으로 증폭해 내는 학습 능력과 본질적 메커니즘을 꿰뚫는 공학적 이해가 인간이 추구해야 할 가장 위대하고 가치 있는 생존 전략으로 남을 것임
Thinking은 빌릴 수 있다.
Understanding은 빌릴 수 없다.
당신은 지금 무엇을 이해하고, 무엇을 향해 에이전트 군단을 보내고 있는가?
이 글이 도움이 되셨다면, 한 명의 친구에게 공유해주세요.