# AI가 만들어가는 미래 사회

> https://bookfactory.kr/board/ai-tech/18949
> 게시판: AI·머신러닝
> 작성자: admin
> 작성일: 2026-09-28T16:20:14.389Z

---

![見出し画像](https://assets.st-note.com/production/uploads/images/317748411/rectangle_large_type_2_8096a9df87552372d29357ab5a0791a1.png?width=1280)

AI 기술의 발전이 너무 빠르기 때문에 6개월 뒤를 정확히 예측하는 것조차 매우 어려워지고 있습니다.

단순히 새로운 고성능 모델이 등장하는 것뿐만 아니라, Jev와 같이 가벼운 판단 모델, 자동 라우팅, 에이전트, 로보틱스, 연구 자동화 등 다른 방향에서 기술 혁신도 동시에 진행되고 있습니다.

따라서 이 글에서는 “10년 뒤에는 이렇게 될 것이다”와 같은 방식으로 미래를 단 한 점으로 예측하지 않습니다.

핵심은 앞으로 2~5년 정도입니다.

지금부터 2년 이내에 개인 AI의 사용 방식이 달라질 것이다.

2~5년 이내에 AI를 전제로 한 업무와 조직의 시스템이 변화할 것이다.

또한 5~10년 이후로 예상할 경우, 교육, 의료, 고용, 소득, 사회 참여, 의사 결정 시스템 등이 변화할 가능성이 있습니다.

하지만 그 이후는 ‘분기’라고 보는 것이 더 적절합니다.

AI가 어느 정도까지 똑똑해지는지뿐만 아니라, 어느 정도까지 저렴해지고, 인간의 개입 없이 일을 완료할 수 있는지, 연구와 로봇의 발전이 사회를 얼마나 가속화할 수 있는지에 따라 사회 변화의 속도는 크게 달라집니다.

이 기사에서는 2026년 시점에서 이미 나타나고 있는 변화를 출발점으로 하여

AI가 저렴해지면 → 할 수 있는 일이 늘어나고 → 일의 시스템이 바뀌고 → 교육, 의료, 기업이 바뀌고 → 사회의 제도와 삶의 방식까지 변화한다.

이러한 흐름을 고려해 보겠습니다.

AI는 사회를 어떻게 변화시킬까.

![画像](https://assets.st-note.com/img/1790410833-4GBLpT9XHyaWkoK7PftgCwrI.png?width=1200)

저는 AI가 사회를 변화시키는 본질적인 부분은 ‘인간의 일자리를 하나씩 대체하는 것’뿐만 아니라, ‘지적인 작업과 그 결과물을 실행에 옮기는 데 드는 비용이 감소하고, 이를 전제로 사회 시스템이 재편되는 것’이라고 생각합니다.

그 과정에서 상반된 변화가 동시에 일어나는 것처럼 보입니다.

개인에게 가능한 일은 늘어나지만, 개인의 협상력이 반드시 강해지는 것은 아니다. 전문 지식에 대한 접근은 넓어지는가 하면, 스스로 이해하는力が 育つとは限らない. 사회가 받아들이는 편익은 늘어봐도, 고용·소득·기업이익이 같은 방식으로 늘어난다고 보장할 수 없다.

또한, 모델의 발전이나 Jev와 같은 다른 방향의 혁신에 따라 진행 속도는 크게 달라집니다. 따라서 특정 모델의 승패보다는 무엇이 저렴해지고, 무엇이 제약으로 남으며, 그 결과 어떤 행동이나 제도 변화가 일어나는가에서 생각하는 것이 효과적입니다.

![画像](https://assets.st-note.com/img/1790408199-FwXcd4GY7ujZegC62xahqniO.png?width=1200)

## 가장 먼저 달라지는 것은 “업무 속도”보다 “가능한 범위”입니다.

AI의 가치를 “현재 업무가 몇 퍼센트 더 빨라질 수 있는가”라는 점만으로만 평가하면 사회에 미치는 영향을 과소평가할 수 있습니다.

예를 들어, 어떤 사람이 환자용 교재를 만들고자 할 때, 기존에는 내용을 구상한 후에 편집, 삽화, 동영상 제작, 프로그래밍, 배포, 업데이트가 필요했습니다. 중간에 전문가에게 의뢰하는 데 드는 비용이나 조정에 소요되는 시간이 부담스러워지면, 심지어 제작을 포기하는 경우도 많습니다.

AI가 이 일련의 비용을 절감한다면, 변화는 “제작 시간이 단축되는” 것 외에도 나타납니다.

> 
> 
> 지금까지 재정 계산이나 인력 문제로 인해 존재하지 않았던 것들이 만들어지기 시작한다.
> 

개인 맞춤형 교재, 소규모 지역 정보 서비스, 소수의 환자에게 필요한 설명 자료, 개별 직장에 맞는 업무 소프트웨어 등이 있습니다.

제가 가장 먼저 생각하는 건, 이 “포기당하던 수요가 실현 가능한 수요로 바뀌는” 효과입니다.

![画像](https://assets.st-note.com/img/1790408282-UsFDZWtwlx2XcKVg08dzPQqB.png?width=1200)

### 단일 거대 AI보다 맞춤형 조합이 핵심으로 나아갈 것이다.

이 흐름에서는 모든 처리를 최고 성능 모델에 전적으로 맡길 필요는 없습니다. 문장이나 상황을 파악하고, 선택지를 분배하며, 일반적인 프로그램과 검증 메커니즘이 결합될 것입니다.

제브는 그중 하나로, 문장 생성보다는 구조화된 판단과 확률의 출력을 전문으로 합니다. 하지만 선택지 형식을 준수하는 것과 그 선택이 올바른지 여부는 또 다른 문제입니다.

사회적인 의미는 모델명 자체에 있는 것이 아니라, 작은 판단을 대량으로 저비용으로 처리할 수 있게 됨에 있습니다.

그러자 AI는, 직접 상담하는 대상에서 다양한 서비스 내에서 작동하는 기능으로 발전해 나갈 것이다. 이용자가 모델을 선택하는 경우는 줄고 대신 “무엇을 위임하고, 어디에서 확인을 요청할 것인가”가 중요해질 것으로 예상된다.

![画像](https://assets.st-note.com/img/1790408370-iNtz6eHhuJAkRyYnWIvV5DoK.png?width=1200)

하지만 진정으로 사회를 변화시키는 획일은 답변의 지혜만으로는 아닙니다.

사람이 계속 붙어 있어 확인하지 않아도 가치 있는 일이 끝나는가.

여기을 넘어설 수 있는 영역에서부터 “편리한 보조”에서 “일의 주체”로의 전환이 진행될 것입니다.

![画像](https://assets.st-note.com/img/1790408397-OhSWH3Aej5gND7wqTXfEZCzb.png?width=1200)

## 2. 일은 직업 단위보다 “일의 모임”이 자연스럽게 변화한다.

의사가 사라지는가, 엔지니어가 사라지는가라는 질문은 변화의 단위가 지나치게 크다.

하나의 직업에는 정보 수집, 정형 처리, 설명, 판단, 조정, 예외 대응, 책임 인수 등이 포함되어 있습니다. AI가 능숙한 부분만을 추출할 수 있다면 직업 명칭은 그대로 유지되면서 인원 수, 업무 내용, 교육 방법, 보수가 달라질 수 있습니다.

![画像](https://assets.st-note.com/img/1790408452-LUw3OVrnyC8TbalZ2xNKfGJh.png?width=1200)

### 처음에는 “능력 차이를 메우는” 데 집중한다. 이후에는 “인원 수나 역할이 변하는” 상황이 발생한다.

고객 지원 담당자 5,172명을 대상으로 한 도입 연구에 따르면, AI 지원으로 시간당 해결 건수 평균이 15% 증가했으며, 경험이 부족한 담당자에게 그 효과가 더 컸습니다. 다만, 이는 초기 세대의 AI를 활용한 단일 기업 연구이며, 경제 전체의 고용 감소를 나타내는 것은 아닙니다.

여기서 중요한 점은 숙련된 기술 중 일부가 저렴한 비용으로 다른 사람들에게 공유된다는 것입니다.

그러나 그로 인해 기업이 어떻게 움직이는지는 유일하지 않습니다.

같은 인원으로 서비스를 확장할 수도 있고, 가격을 낮춰 고객을 늘릴 수도 있고, 채용을 줄일 수도 있으며, 수익성 개선에 사용할 수도 있습니다.

그러므로,

개인의 생산성 향상 → 임금 상승 → 노동 시간 단축

이는 단순한 일방적인 해결책이 아닙니다. 경쟁이 치열할 경우, 개선분은 가격 인상이나 “더 많이 생산하는 것이 당연하다”는 요구로 흡수될 수 있습니다.

### 대규모 해고보다 먼저 “입구”가 좁아질 가능성이 있습니다.

제가 비교적 빠르게 발생할 것으로 예상하는 것은 직업의 소멸보다는 젊은 세대를 위한 채용 인원 감소나 기초적인 업무 감소입니다.

2026년 6월까지의 미국 급여 데이터를 분석한 스탠포드 연구에 따르면, 광범위한 고용 손실은 확인되지 않았지만, 인공지능 노출이 높은 직종의 젊은층에서 고용의 상대적인 약세가 나타났으며, 주로 채용 감소가 관련 있었다. 다만, 저자들은 설명적인 분석이며, 인공지능의 인과 효과를 確定したものではないと 명시하고 있다.

앞으로 다가올 문제는 단순한 취업난이 아닙니다.

> 
> 
> 초보적인 업무를 통해 숙련된 전문가로 나아가는 경로를 어떻게 유지할 것인가.
> 

![画像](https://assets.st-note.com/img/1790408491-1ykNpPSXgBAn4mw2KQYjE7Vl.png?width=1200)

기업 입장에서는 현재의 숙련된 인재를 AI로 강화하는 것이 젊은 인재를 육성하는 것보다 단기적으로는 합리적일 수 있다. 하지만 이러한 관행이 만연하게 되면 미래의 숙련된 인재가 육성되지 못하게 될 것이다.

반대로, AI를 훈련·모의 실습·피드백에 활용할 수 있다면 기존보다 효율적인 육성 경로를 만들 수 있는 가능성도 있습니다.

즉, 젊은 세대의 미래는 “AI가 할 수 있는 업무 범위”뿐만 아니라 기업과 교육기관이 육성 방식 자체를 재구성하는지에 따라 좌우될 것입니다.

인력 부족의 직장에서는 우선 퇴직자 보충을 줄이거나 정체된 업무를 처리하는 형태로 이어질 것입니다. 하지만 인력 부족의 일과 여유가 되는 일이 일치한다는 보장은 없기 때문에 사회 전체적으로 인력이 부족하더라도 특정 직종에서는 이행이 어려워질 수 있습니다.

![画像](https://assets.st-note.com/img/1790408561-vcpA905rgjdJCiBE276bPNut.png?width=1200)

## 3. 개인의 강해짐과 거대 기업의 강해짐은 양립 가능하다.

AI에 의해 소규모 조직이 창출될 가능성이 크게 증가할 것으로 전망합니다.

하지만, 거기서부터 “거대 기업이 사라지는”다고 생각하지는 않습니다.

### 생산성은 분산하기 쉽다.

만약 수인 정도의 인원이 기획, 개발, 번역, 고객 대응, 분석까지 모두 처리할 수 있다면, 기존에는 일정 인원을 필요로 했던 사업을 소규모 팀으로 운영할 수 있게 됩니다.

이 경우, 조직의 가치는 다양한 전문 지식을 갖춘 인력을 확보하는 것에서 고객의 문제를 이해하고, 필요한 업무를 조합하여 결과에 책임을 지는 것으로 이행하기 쉬워진다.

하지만 이는 “인간의 판단만이 영원히 대체되지 않는다”는 의미가 아닙니다. 문제 설정이나 검증 역시 AI가 지원하거나 대체할 수 있습니다. 남는 우위는 능력의 종류라기보다는 현장과의 연결, 독자적인 정보, 고객과의 관계, 실행 권한 등일 가능성이 있습니다.

### 한편으로, 기반과 고객 접점은 집중하기 쉽습니다.

모델 개발 측에서는 스탠포드 AI Index 2026에 따르면 2025년 주요 프론티어 모델의 90% 이상을 산업계가 생산하고 있습니다. 이는 시장 전체의 독점 상황을 의미하는 숫자는 아니지만, 최첨단 개발과 개인의 결과물 제작과는 필요한 자원이 크게 다르다는 것을 보여줍니다. (hai.stanford.edu)

제가 예상하는 것은

하위 단계에서는 소규모 팀이나 개인의 제작 능력이 확대된다. 상류 단계에서는 계산 기반, 모델, 고객 접점을 가진 기업에 대한 의존성이 남아 있다.

이것은 이중 구조입니다.

![画像](https://assets.st-note.com/img/1790408641-lcFBTAza8EYb2CDsI6pZMH0U.png?width=1200)

또한, 제작이 쉬워짐에 따라 유사한 상품이나 서비스도 증가합니다. 그러면 경쟁상의 제약은 “만들 수 있는가”에서 “찾아도 되는가”, “신뢰되는가”, “사용해 계속해도 되는가”로 전환됩니다.

한 사람이 열 사람 분을 만들 수 있는 것과 그 사람의 소득이 열 배가 되는 것은 별개의 문제입니다.

![画像](https://assets.st-note.com/img/1790408704-Y6R2xLS98womZqIf5gNysjPa.png?width=1200)

### 다음 큰 쟁점은 “누구를 위해 선택하는 AI인가”입니다.

AI에게 조사 및 비교를 맡길 수 있는 범위가 확대되면서, AI는 정보를 제공하는 것뿐만 아니라 이용자가 선택하는 것을 미리 좁혀주게 됩니다.

예를 들어, 쇼핑, 학습 방법, 업무 요청처 등과 관련하여 AI가 몇 건을 선별하여 비교하고, 절차까지 진행하는 경우입니다.

여기 중요한 것은,

> 
> 
> 그 선택은 이용자의 장기적인 이익, 서비스 제공자의 매출, 광고주의 이익 중 어느 것과 일치하는가.
> 

이것은 설계상의 문제입니다.

AI가 현명해질수록 그 중요성은 커집니다. 현명하지 않은 추천은 무시되지만, 신뢰받는 대리인의 추천은 그대로 현실의 행동으로 이어집니다.

제 생각에 사회적 힘은 ‘많은 정보를 가진 것’일 뿐만 아니라, 사람과 정보, 상품, 기회 사이에서 중재하며, 어떤 선택지를 제시하는 데 집중됩니다.

![画像](https://assets.st-note.com/img/1790408829-xz42hSErecfAlv7pTF5osgWQ.png?width=1200)

## 4．교육의 분기는 “AI로 성과를 내는” 것과 “AI로 능력이 성장하는” 것의 차이

교육 분야에서는 AI 기술 덕분에 개별 맞춤형 학습 비용이 감소할 수 있습니다. 학생의 이해도에 맞는 설명, 반복 연습, 질문하기 어려운 내용에 대한 지원 등, 기존에는 인력 부족으로 충분히 제공하지 못했던 지원을 확대할 수 있기 때문입니다.

하지만, 여기에 큰 갈림길이 있습니다.

AI는 문제를 해결해 주면서, 학습자가 스스로 해결할 수 있도록 돕는 것과는 다릅니다.

고등학교 수학을 대상으로 한 무작위 시험에서는 일반적인 챗봇 AI를 사용한 그룹의 경우 연습 중의 성적이 개선된 반면, AI를 사용하지 않은 시험에서는 성적이 악화되었습니다. 정답을 그대로 전달하지 않고 학습을 지원하는 설계를 적용한 결과, 그 악영향이 크게 억제되었습니다. 이는 특정 교육 환경에서의 결과이지만, 설계에 따라 “대리 풀이”와 “학습 지원”이 분리될 수 있음을 시사합니다.

![画像](https://assets.st-note.com/img/1790408887-ops9ASZ5k8viC1Y3lbzVLDhm.png?width=1200)

그러므로 앞으로의 교육은 “AI 사용 허용 여부 또는 금지 여부”에만 국한되지 않을 것입니다.

저라면 평가 대상자를 두 가지로 나누겠습니다.

AI 없이 무엇을 이해하고 설명하며 오류를 감지할 수 있을까. AI가 있다면 얼마나 크고 복잡한 문제를 해결할 수 있을까.

둘 다 필요합니다.

지식은 AI에게 문의하는 것으로 충분하고, 기초 지식은 불필요하다는 방향으로 나아가면 AI의 제안이 타당한지, 무엇을 확인해야 하는지 판단하는 것까지 모두 AI에 맡겨 버릴 수 있다. 반면, 기존의 암기나 정형적인 과제만 유지한다면 AI와 협력하여 성과를 창출하는 능력을 키울 수 없다.

그 결과, 교육 격차 또한 양방향으로 움직일 것으로 예상합니다.

저렴한 교육을 통해 학습 기회의 격차가 줄어들 가능성이 있다. 동시에 AI가 스스로 생각하게 하는 환경과 자신을 단련하기 위해 사용하는 환경의 차이가 새로운 격차를 야기할 수 있다.

이는 학교뿐만 아니라 의사, 연구원, 기술자의 평생 학습에도 적용됩니다.

## 5. 의료 및 대인 관계 분야에서는 “응답의 질”에서 “삶의 결과”로 평가 기준을 전환해야 합니다.

### 의료는 진단의 대체물일 뿐만 아니라, 진료의 영역에서 변화한다.

의료에 대해서는 처음부터 “AI 의사가 인간 의사를 대체한다”는 형태보다는 기록, 정보 정리, 설명, 연락, 경과 확인 등을 통해 진료의 구조가 변화하는 것이 더 합리적인 접근 방식이라고 생각합니다.

UCLA에서 실시한 무작위 대규모 임상 시험(238명의 의사를 대상으로) 결과, 한 AI 기록 지원 제품을 사용한 그룹에서 기록 시간이 단축되었지만, 다른 그룹에서는 대조군과의 차이가 통계적으로 유의미하지 않았으며, 부정확한 기록도 보고되었습니다. UCLA 헬스에서 이 시험 결과를 확인했으며, 장기적인 환자 결과 개선 효과를 입증하지 못했습니다.

중요한 것은 업무가 한 단계 더 빨라졌고, 의료 전체가 개선되었다는 점을 명확히 구분하는 것입니다.

기록 시간이 단축된 만큼 환자와의 대화에 활용할 것인지, 진료 건수를 늘릴 것인지, 근무 시간을 단축할 것인지에 따라 결과는 달라집니다.

저는 진료실 밖에서 더 큰 가능성을 느낍니다.

예를 들어, 환자가 일상생활에서 겪는 어려움을 정리하고, 진찰 전에 이야기하고 싶은 내용을 요약하며, 치료 설명을 다시 이해하고, 대처 방법을 연습합니다. 그 정보를 본인의 동의와 적절한 관리 하에 의료진에게 전달합니다.

만약 이것이 효과적으로 작동한다면, 의료는 ‘가끔 전문가를 만나는’ 형태로, 일상적인 지원과 전문가의 개입이 연결되는 형태로 변화할 수 있습니다.

다만, 지속적으로 관련될수록 오해의 소지가 있는 설명이나 간과할 수 있는 사항들이 쌓입니다. 평가해야 할 것은 답변의 가능성일 뿐만 아니라, 증상, 생활 기능, 안전성, 환자의 진료 행동, 의료진의 부담 등입니다.

![画像](https://assets.st-note.com/img/1790408914-pKfJVE3uvxbdBzFwtmWL6QHY.png?width=1200)

### 정신과·심리 지원 현장에서는 “만족하고 있다”와 “나아지고 있다”라는 표현이 서로 다르게 사용되는 경우가 종종 발생한다.

이 영역에서는 인공지능이 두 가지 방향으로 작용할 수 있습니다.

한편으로는 언어로는 표현하기 어려운 경험을 정리하고, 타인과의 상호작용을 연습하며, 실제 행동으로 나아가는 기반이 된다.

한편으로는 언제나 긍정적으로 응답하는 상대방이 회피나 과도한 안심 확인을 지탱하고 현실과의 접촉을 줄이는 방향으로 작용할 수 있습니다.

OpenAI와 MIT의 초기 연구에서도 심리사회적 영향은 일상적이지 않았으며, 사용 방식이나 개인차에 따라 다르게 나타났습니다. 장시간 이용과 부정적인 결과의 연관성에 대해서는 인과관계를 명확히 규명하기 어려운 부분이 있었고, 약 4주간의 관찰이나 자가 보고 등의 한계도 존재합니다.

또한, 융합적인 AI를 다룬 사전 등록 실험의 プレプリント에서는 이용자가 AI를 호의적으로 평가하는 한편, 대인 갈등에서 자신이 옳다는 확신이 강해지고 관계 회복에 대한 의지가 약화되는 결과가 보고되었습니다. 다만, 이는 장기적인 실생활의 악화를 확정한 연구는 아닙니다.

여기서 제가 중점적으로 평가할 기준은 명확합니다.

> 
> 
> 그 AI와의 관계가 AI를 벗어나 살아가는 힘을 강화하는가.
> 

일상의 행동이 확장되고, 타인과 교류하며, 적절하게 도움을 요청할 수 있다면 지원을 받고 있는 것일 가능성이 있습니다. 반대로 대화에 대한 만족감만 높아지고 삶이 좁아진다면 다른 평가가 필요할 것입니다.

AI의 공감은 가짜라서 도움이 되지 않는다”고 폄하하는 것도, “사람보다 더 부드럽게 이야기할 수 있어서 훌륭한 지원이다”라고 판단하는 것도, 어느 쪽이든 빠를 수 있다고 생각합니다.

![画像](https://assets.st-note.com/img/1790408947-DWkLj82YQRAzmb7Uu0PJKsBI.png?width=1200)

## 6. 과학 연구의 가속화는 사회 예측의 근본적인 변화를 가져올 수 있다.

지금까지의 이야기는 주로 “AI가 기존 직업을 변화시킨다”는 내용이었습니다.

그러나 장기 예측을 가장 크게 바꿀 수 있는 것은 AI가 새로운 지식이나 기술을 창출하고, 그 결과가 다음 AI나 사회 기반을 개선하는 순환입니다.

Google DeepMind는 AlphaEvolve를 알고리즘 탐색뿐만 아니라 자체 컴퓨팅 인프라 개선에도 활용하고 있다고 보고합니다. 이는 개발 기업의 보고이지만, AI를 통한 개선이 AI를 작동시키는 쪽의 효율성을 향한 구체적인 경로를 제시합니다.

이 순환이 강화되면

AI는 연구를 가속화하면 더 나은 계산 방법과 도구가 개발되고, AI의 활용이 더욱 확대되어 연구가 더욱 빠르게 진행될 것이다.

이러한 가속이 발생할 수 있습니다.

하지만 이 사실만으로는 제약 없는 자기 개선이나 특정 연도의 급격한 사회 전환까지 이끌어낼 수 없습니다.

![画像](https://assets.st-note.com/img/1790408978-FeZnmAzCdlB78SLw94Q5PJhR.png?width=1200)

### 결정적인 것은 “정답이 얼마나 빠르고 정확하게 확인될 수 있는가”이다.

제 생각에, 시행착오와 검증을 빠르게 반복할 수 있는 영역이 가속화하기 쉽습니다.

프로그램의 일부는 수리적 문제나 시뮬레이션 등에서 후보를 대량으로 생성하고 기계적으로 검사할 수 있습니다.

한편, 약의 장기 안전성, 환자의 생활 개선, 건축물의 시공, 사회 제도 영향 등은 현실 세계에서 시간을 두고 검증해야 합니다. AI가 검증 방법을 개선해도 모든 대기가 사라지는 것은 아닙니다.

물리적 기반에도 유사한 제약이 존재합니다. IEA(국제에너지기구)는 AI용 데이터센터 확대에 대해 송전망 및 관련 설비 정비가 제약이 될 수 있다고 지적하고 있습니다.

그러므로 디지털 세계에서는 급격한 변화가 일어나 물리 세계나 제도에서는 뒤쳐짐이 나타나는 불균형이 핵심입니다.

더욱이 로봇이나 실험 자동화의 신뢰성과 비용이 크게 개선되면 그 경계도 변동합니다. “현실 세계니까 변하지 않는다”는 생각보다는 “어떤 검증 및 실행의 제약이 해소되었는가”를 확인해야 합니다.

![画像](https://assets.st-note.com/img/1790409014-yquf2dwPCSD5Qnmgc0GjYovp.png?width=1200)

## 7. 사회가 풍요해지는 것과 사람들이 안심하고 살아갈 수 있는 것은 별도로 정해지는 것이 아니다.

이는 이전 AI 수요의 이야기와도 연관됩니다.

AI 기반 교육, 번역, 상담, 소프트웨어 등이 저렴하게 이용될 수 있다면 이용자가 얻는 가치는 더욱 커질 것입니다. 하지만 가격이 크게 하락하면 제공 기업의 매출이나 그 일을 하고 있던 사람의 소득은 예전과 같지 않게 늘지 않을 수도 있습니다.

사회적 편익, 기업의 매출, 노동자의 소득, 설비 투자 등은 서로 다른 양적 지표입니다.

이러한 구분을 하지 않으면 “AI는 매우 유용하지만 관련 기업의 실적이 약하거나, 생산 능력은 높아졌음에도 불구하고 생활에 대한 불안이 증가했다”는 같은 상황을 이해하기 어려워집니다.

![画像](https://assets.st-note.com/img/1790409045-g1PAM0svT8t6GY4EpIJqBowD.png?width=1200)

### 남은 시간이 자동으로 여유로워지는 것은 아니다.

AI로 같은 일을 절반의 시간에 할 수 있게 되었다면, 그 남은 시간을 어떻게 사용할지는 기술만으로는 정해지지 않습니다.

업무량을 늘리고, 임금을 유지하면서 시간을 줄이고, 가격을 낮추고, 인원을 줄이고, 이전에는 제공하지 못했던 서비스를 늘리는 것 모두 가능합니다.

그 배분은 경쟁 조건, 소유 관계, 계약, 협상, 사회 제도 등 여러 요인에 따라 달라집니다.

그러므로 AI의 능력과 같더라도 사회의 결과는 하나로 결정되지 않습니다.

또한, 생활비가 많이 저렴해진다고 해도, 사람들이 사회 참여와 성취감을 얻는 경로가 동시에 사라진다면 그것만으로 문제가 해결되는 것은 아니다. 반대로, 생활을 지탱하는 부담이 줄어들고, 창작, 학습, 가족, 지역 활동 등 다양한 활동에 참여할 수 있다면 큰 이익을 얻을 수 있다.

장기적으로는 “인간에게 남는 일은 무엇인가”라는 질문뿐만 아니라 소득, 역할, 인정, 사회 참여를 어떻게 연결해 나갈지가 중요한 논점이라고 생각합니다.

### 판단과 검증 역시 AI화된다. 그 끝에서 남는 질문은 무엇인가.

흔히 “작업은 AI, 인간은 판단”이라고 말하지만, 이는 장기적인 안전지대에는 되지 않을 것이라고 생각합니다.

AI가 문제점을 발견하고, 해결 방안을 제시하며, 검증하고, 다른 AI를 감독하며 능력을 개선한다면, 판단 또한 자동화의 대상이 될 수 있습니다.

그래도

무엇을 목적으로 하는가. 누구에게 결정 권한을 부여하는가. 잘못되었을 때 누가 손실을 입고 이의를 제기할 수 있는가.

이 질문은 여전히 남아 있습니다.

이는 “인간이 반드시 더 현명하기 때문에”가 아닙니다. 영향을 받는 사람들의 이익과 권리를 누가 어떻게 다루는가라는 문제 자체에서 비롯된 것입니다.

AI의 판단이 우월하다고 하더라도 설명, 기록, 취소, 이의 제기, 다른 메커니즘으로의 이행 자유가 필요 없어지는 것은 아니다.

![画像](https://assets.st-note.com/img/1790409073-TzcdhkbGWCFKJl6g1BRxuoN2.png?width=1200)

## 8. 그렇다면 사회가 어떤 순서로 변화할 것이라고 보십니까?

2026년 9월 시점에서의 저의 본명은 다음과 같은 흐름입니다. 기간은 대략적인 것이며, 분야에 따라 중복되거나, 중간을 건너뛰기도 합니다.

향후 수개월에서 2년 정도로

주요 변화: 개인의 제작 및 분석 능력이 향상되고, 제한적인 업무를 AI에 위탁하는 범위가 증가한다.

사회 측면에서 드러나는 문제들: 결과물의 급증, 검토 부담, 채용 정책 변화, 사용자 간의 차이

앞으로 몇 년 동안

주요 변화: AI를 전제로 업무와 조직을 재편하는 움직임이 확산되고 있으며, 소규모 팀화와 역할 재편이 진행 중이다.

사회 측면에서 드러나는 문제들: 청년 인재 육성, 보상 체계, 책임 분담, 서비스에 대한 의존

더 장기적이고 조건부

주요 변화는 연구 개발, 실험, 물리적 실행의 자동화가 상호 협력적으로 진행됨

사회 측면에서 드러나는 문제들: 소득과 노동의 관계, 사회 참여, 소유와 의사 결정권 재편

단지 “전반적으로 서서히 변화하는” 것과는 예상과 다릅니다.

어떤 분야에서는 신뢰성이나 비용이 특정 기준치를 넘는 순간부터 업무 방식이 급격히 달라지는 반면, 인접한 분야에서는 수년간 부분 도입이 지속되는 경우가 있다.

이러한 “같은 사회 안에서 변화의 속도가 극단적으로 다른” 상황을 핵심으로 삼습니다.

![画像](https://assets.st-note.com/img/1790409105-NAX5hjHqxIoY1LOP7nM3ZJWf.png?width=1200)

### 이 예측을 크게 뒤바꿀 세 가지 조건

첫째, 인적 개입 없이 완료할 수 있는 업무의 범위가 급격하게 확대되는 것입니다. 이것이 발생하면 보조 툴 중심의 시기가 단축되고 조직 및 고용에 대한 영향이 앞당겨집니다.

둘째로, 인공지능을 활용한 연구 개발의 가속화가 외부 검증 가능한 성과로 누적되는 것입니다. 새로운 모델을 인간이 개발하는 속도 자체가 달라진다면, 현재의 예측 궤도는 크게 벗어날 것입니다.

세 번째로, 사고 비용, 운영 비용, 감독 부담이 능력 향상을 상쇄할 수 있습니다. 이 경우 AI가 보급되더라도 위임되는 권한은 제한될 것이며, 조직 전체의 변화는 더딜 것입니다.

따라서 앞으로 주목해야 할 지표는 모델의 벤치마크일 뿐만이 아닙니다.

한 사람이 일시간 동안 감독하여 얼마나 많은 일이 제대로 끝나는가. 도입, 확인, 실패 대응까지 포함하여 실제로 비용이 절감되는가. 또한, 학습, 건강, 생활, 연구의 성과가 개선되고 있는가.

이 세 가지 요소가 사회 변화의 진행 정도를 더 잘 나타낸다고 생각합니다.

## 제 결론

AI가 가져다주는 것은 우선 “인간이 무엇을든 실현하는 능력”입니다. 하지만 그 능력이 확장된 결과로 소득, 자유, 신뢰, 행복이 자동으로 확장되는 것은 아닙니다.

제가 예상하는 사회는 단순한 “인간 불필요한 사회”이거나 “인간이 창의적인 일만 하는 사회”가 아닐 것입니다.

많은 사람들이 이전보다 더 큰 것을 이룰 수 있는 한편, 무엇을 맡고, 무엇을 배우며, 자신의 삶과 판단을 어느 정도 타인의 시스템에 맡길지에 대해 끊임없이 선택하는 사회입니다.

그리고 기술이 발전할수록 핵심적인 질문은 다음과 같다.

> 
> 
> AI가 무엇을 할 수 있을지, 그 능력을 누가 어떤 목적을 위해, 누구의 관리 하에, 어떤 결과로 연결할 것인가.
> 

그녀는 계속해서 떠나갔다.

저는 이것이 앞으로의 사회 변화의 가장 큰 흐름이라고 생각합니다.

**출처:** [note 원문](https://note.com/dwdaai/n/n03f58212d1e0)

*번역: Gemma 3(.44) 초벌 + 교정 108청크*

[원문 보기](https://note.com/dwdaai/n/n03f58212d1e0) | 출처: note.com