아래의 「상세 요약」으로 영상의 취지를 충분히 전달할 수 있을 테니, 이 노트에서는 「전체 대본」은 생략합니다.
간결한 요약: 이 영상에서는 기존에 'AI 사원'이라고 불려 온 것들의 상당수가 Claude Code 등의 AI에 특정 스킬이나 절차를 부여한 것에 불과한 '도구'에 가깝다는 문제의식이 제시되었다. 그 위에 향후 AI 네이티브 기업에서는 회사 전체의 정보와 업무를 파악하는 중앙집권형 대형 AI를 중핵으로 두고, 개별 업무에는 저비용의 소형 AI나 로컬 LLM을 배치하며, 인간은 AI가 취약한 판단, 대인 업무, 현장 작업 등을 담당하는 구조로 이행할 것이라는 전망이 언급되었다. 특히 AI 이용 비용, 기밀 정보, 보안 문제로 인해 클라우드 AI와 로컬 AI를 역할 분담시키는 것이 중요해진다고 지적했다. 향후에는 AI를 잘 활용하는 인재와 AI의 지시를 받아 현실 세계에서 작업하는 인재로 양극화가 진행되고, 더 나아가 로봇 보급으로 단순 노동도 단계적으로 자동화될 가능성이 있다며, AI를 단순한 도구로 사용하는 것이 아니라 인간 스스로가 AI와 융합하는 방식으로 일하는 법을 익히는 것이 중요하다고 강조했다.
미래에 유행할 AI 사원이란? YouTube에서 아무도 말하지 않는 진짜 모습을 알려드립니다
상세 요약: 이 영상에서는 먼저 'AI 사원'이라는 단어 자체에 대한 의문에서 논의가 시작되었다. AI 선인은 현재 AI 사원이라고 불리는 것들의 대부분이 실제로는 Claude Code 등의 생성형 AI에 업무 절차나 전문 지식을 기록한 Markdown 파일, 이른바 'skills.md' 등을 읽어 들여 특정 업무를 실행하게 하는 것에 불과하다고 지적했다. 예를 들어 영업 자료를 작성하는 AI를 '영업 사원', 세무 관련 업무를 처리하는 AI를 '세무사 사원'이라고 부르는 사례가 있지만, 실체는 동일한 기반 AI에 서로 다른 스킬을 장착한 것에 불과하다는 것이다. 인간 사원은 각자 다른 경험과 기억, 능력을 가지고 있지만, 이러한 AI 사원은 기본적으로 같은 '뇌'를 공유하고 있기 때문에 진정한 의미의 독립된 사원이라고 보기 어렵다는 견해를 밝혔다. 한편, 'AI 사원'이라는 표현 자체에 대해서는 AI에 익숙하지 않은 사람에게도 '인간을 대신해 일하는 존재'라는 이미지를 전달하기 쉽고, 유행어로서 우수한 점은 인정하고 있다. 다만, 정말로 AI 사원이라고 부르려면 예를 들어 사장 1명만 있는 회사에서 다수의 AI가 자율적으로 일하며 대규모 매출을 창출하는 사례가 필요하지 않겠느냐고 제기했다.
1. '인간에게 AI를 붙이는 회사'에서 '거대 AI에 인간을 붙이는 회사'로
영상의 중심이 된 것은 향후 'AI 네이티브 기업'의 구조에 대한 예측이었다. 기존 기업에서는 인간 직원이 중심에 존재하고, 그 한 명 한 명이 ChatGPT나 Claude 등의 AI를 활용하는 형태가 일반적이었다. 이에 반해 향후에는 회사 전체를 파악하는 거대한 AI, 이른바 '회사의 뇌'가 중심에 놓이고, 그 주변에 소형 AI와 인간이 배치되는 구조로 이행할 가능성이 있다는 것이다. 즉, '기존: 인간 → AI를 사용'이라는 관계에서 '미래: 중앙 AI → 소형 AI·인간을 사용'이라는 관계로의 역전이다.
AI 선인은 이 구조의 실제 사례로 미국 AI 에이전트 기업 시에라(Sierra)를 언급했다. 이 회사는 처음에 직원별로 여러 종류의 AI 에이전트를 제공했지만, 최종적으로는 대규모 단일 AI 에이전트로 통합해 전 직원이 동일한 AI와 소통하는 방식이 더 효과적이었다고 소개했다. 그 이유로 중요한 것이 바로 '컨텍스트'다. 기업 내부에는 고객 정보, 과거 거래 내역, 사내 자료, 업무 기록 등 방대한 데이터가 존재한다. 이를 직원 개개인의 PC나 AI 에이전트에 완전히 복제하는 것은 비효율적이며, 데이터 양이나 관리 측면에서도 현실적이지 않다. 따라서 회사 전체의 정보를 중앙에 집약하고, 각 직원이나 AI가 필요한 정보만 그곳에서 가져오는 '중앙집중형 컨텍스트' 구조가 효과적이라는 것이다.
2. 자사에서도 '회사의 두뇌'를 구축
AI仙人 본인도 자사에서 이와 유사한 구조를 구축하고 있다고 설명했다. Mac Studio 등 고성능 PC를 핵심으로 두고, 직원의 PC와 여러 AI 에이전트가 연결될 수 있도록 하며, AI가 생성한 파일이나 업무 로그, 각종 맥락을 공유하는 구조를 만들고 있다고 한다. AI 에이전트는 외부에서 작업을 받으면 핵심 컴퓨터로 처리를 전송하여 24시간 가동된다. 또한 생성된 데이터와 로그도 저장된다. 하지만 이 방식을 본격적으로 운영하자 데이터량이 급증했으며, 일주일 만에 약 3TB 규모의 용량을 소비했다고 설명했다. 그래서 대용량 NAS를 도입해 회사 전체의 '기억 장치'로 활용할 계획을 추진 중이라고 한다. 이 구조를 통해 사내 AI와 PC가 공통된 기억 영역에 접근하여, 장소에 관계없이 업무를 진행할 수 있게 된다고 밝혔다.
3. 가장 큰 장벽은 AI 이용 요금
하지만 AI를 24시간 가동하면서 새로운 문제도 떠올랐다. 바로 API 이용 요금이다. AI 선인에 따르면, 고성능 클라우드 AI를 대량으로 계속 가동하면 이용 방식에 따라 월 수백만 엔 규모의 비용이 발생할 수 있다. 매출로 직결될지 알 수 없는 조사나 서비스 개발까지 고가 모델에 처리하게 한다면, 사람을 고용하는 편이 오히려 더 저렴한 경우도 있다고 한다. 이에 따라 모든 업무를 Claude나 Codex 등 고성능 클라우드 AI에 처리하게 하는 방식은 기업 규모의 운영에는 적합하지 않다는 입장을 밝혔다.
4. '1 에이전트 = 1 가상 PC'가 중요해진다
그래서 주목받고 있는 것이 AI 에이전트를 격리된 환경에서 작동시키는 기술이라고 한다. 영상에서는 Cloudflare나 Docker 등의 사례가 소개되며, AI 에이전트마다 가상 PC나 컨테이너를 할당하고 그 내부에서 작업을 수행하게 하는 방식이 설명되었다. 예를 들어, ▲ 영업용 AI에는 영업용 계정만 부여하고 ▲ 조사용 AI에는 브라우저만 사용하게 하며 ▲ 특정 데이터에 대한 접근 권한만 부여하는 식의 세밀한 권한 제어가 가능해진다. 또한 AI가 악의적인 웹페이지 등으로부터 프롬프트 인젝션을 받은 경우에도 격리 환경 외부의 데이터에 접근할 수 없도록 함으로써 정보 유출 위험을 억제할 수 있다고 한다. 이 때문에 앞으로는 "1 AI 에이전트 = 1 PC" 또는 "1 AI 에이전트 = 1 컨테이너"라는 설계가 일반화될 가능성이 있다고 예측했다.
5. 로컬 LLM이 실용 단계에 진입하다
또 하나의 큰 변화로 꼽힌 것은 로컬 LLM의 성능 향상이다. 지금까지도 PC 내에서 작동하는 LLM은 존재했지만, 채팅 용도로는 쓸 수 있어도 자율적으로 파일 조작이나 리서치를 수행하는 'AI 에이전트'로 사용하기에는 성능이 부족했다. 그러나 최근에는 Qwen 계열 모델 등의 발전으로 로컬 환경에서도 에이전트적인 동작이 가능해지기 시작했다고 한다. AI 선인은 아직 클라우드 최상위 모델과 동등한 수준은 아니지만, '실용화 반걸음 전'까지 왔다고 인식을 밝히며, 앞으로 수개월 내에 상황이 크게 바뀔 가능성이 있다고 예측했다.
로컬 LLM에는 주로 세 가지 이점이 있다. 첫째는 비용이다. 자사 PC에서 작동하면 처리할 때마다 API 요금이 발생하지 않는다. 둘째는 보안이다. 기밀 정보를 외부 클라우드 AI로 전송하지 않고 처리할 수 있다. 셋째는 자유도이다. 클라우드형 AI는 안전 대책이 강화되어 브라우저 조작 등 일부 자동화가 제한되는 경우가 있지만, 로컬 환경이라면 기업이 직접 관리 책임을 지는 방식으로 자유롭게 설정할 수 있다.
6. 고성능 AI와 소형 AI의 '역할 분담'으로
영상에서는 미래에 모든 업무를 하나의 거대한 AI가 처리하는 구조가 아니라, 업무 난이도에 따라 AI를 구분해 사용하는 구조가 될 것이라고 예측한다. 중요한 경영 판단이나 대량의 사내 정보가 필요한 업무는 회사 전체의 맥락을 파악하는 고성능 AI가 담당한다. 반면, 단순 답변, 파일 정리, 이미지 인식, 리서치, 정보 수집, 정형 처리 등은 저렴한 소형 모델이나 로컬 모델이 처리한다. 영상에서는 필요 이상으로 강력한 모델을 단순 작업에 투입하는 것을 "불도저로 달걀 껍질을 으깨는 것과 같다"고 표현했다. 따라서 앞으로는 "최고 성능의 AI를 사용하는 것"보다 "업무별로 적절한 AI를 선택하는 것"이 더 중요해질 것이라는 견해가 제시되었다.
7. AI 네이티브 기업은 두 가지 방향으로 나아간다
기업의 인력 구성은 크게 두 가지 유형으로 나뉠 가능성이 있다고 한다.
첫 번째는 AI를 극한까지 활용하는 소수 정예 기업이다. 고도의 전문 지식과 AI 활용 능력을 갖춘 인재들이 모여, 한 사람이 기존의 수십 명에서 100명 분에 해당하는 업무를 처리하는 회사다. 컨설팅, 기획, 개발, 마케팅 등 고도의 판단이 필요한 영역에서는 이러한 형태가 강세를 보일 것으로 예상된다.
둘째는, AI가 회사를 관리하고 인간이 현실 세계에서 수족으로 움직이는 기업이다. AI가 채용, 근무 관리, 업무 지시, 정보 관리 등을 담당하고, 인간은 운반, 접객, 현장 작업 등 신체가 필요한 일만 담당한다. 음식, 건설, 물류 등이 그 후보로 거론되었다.
8. 「리얼×AI」가 다음 경쟁 영역
완전히 디지털상에서 완결되는 AI 비즈니스는 경쟁이 심화되기 쉽다고도 지적했다. 예를 들어 SNS 대량 게시, AI 생성 동영상 대량 공개, 웹 콘텐츠 자동 생성 등은 누구나 AI를 활용하면 진입할 수 있다. 이 때문에 경쟁 상대가 늘어나고, 플랫폼 측에서도 스팸 대책이나 생성형 AI 콘텐츠 규제를 강화할 가능성이 있다. 따라서 향후에는 디지털 세계만이 아니라 '현실 사업 × AI'가 중요해질 것이라고 예측했다. 건설, 호텔, 외식, 물류 등 현실 세계의 자산이나 인력을 필요로 하는 산업에 AI를 도입한 기업은 단순한 AI 콘텐츠 사업보다 경쟁 우위를 확보하기 쉽다는 견해다.
9. 단순 노동은 로봇으로 대체될 가능성
하지만 AI가 인간에게 지시하고 인간이 단순 작업을 담당하는 구조도 영구적이지 않을 가능성이 있다. 배식 로봇이나 창고 로봇처럼 현실 세계에서 움직이는 로봇이 보급되면, 인간이 담당하던 육체노동까지 자동화되기 때문이다. 특히 일본에서는 저출산·고령화와 지방의 인력 부족이 심각해지고 있어 로봇 도입에 대한 수요는 오히려 강하다고 분석했다. 후계자 부족이나 채용난에 직면한 지방 기업, 병원, 물류 현장 등에서는 "인간 고용을 지키기 위해 로봇을 도입하지 않는다"기보다 "인간을 확보할 수 없어 로봇을 도입할 수밖에 없는" 상황이 될 가능성이 있다. 이에 따라 비교적 단순한 육체노동에 대해서도 향후 10년 정도 안에 큰 변화가 일어날 수 있다는 전망을 제시했다.
10. AI를 사용할 수 없는 사람은 'AI에게 이용당하는 측'이 될 가능성
이러한 사회에서 중요한 것이 인간과 AI의 관계이다. AI 선인은 미래에 대해 두 가지 가능성을 제시했다. 하나는 AI를 사용하지 못하는 사람이 'AI의 지시를 받아 일하는 측'이 되는 미래이다. 또 하나는 AI를 능숙하게 활용하는 개인이 대량의 AI 에이전트를 사용해 혼자서 기업에 준하는 규모의 업무를 수행하는 미래이다. AI를 활용할 수 있는 측에 서게 되면 신규 서비스 개발이나 기업 운영 등 기존에는 다수의 인력이 필요했던 일을 소수 인원, 경우에 따라서는 혼자서도 실행할 수 있는 가능성이 있다고 한다.
11. AI를 사용할수록 '인간만이 할 수 있는 일'이 늘어난다
영상에서는 언뜻 역설적으로 보이는 현상도 소개되었다. AI 활용이 늘어날수록 인간의 일자리가 사라지는 것이 아니라, 본인이 맡은 업무가 'AI로는 할 수 없는 일'에 집중된다는 것이다. 예를 들어 조사, 자료 작성, 문서 작성 등이 AI에 의해 자동화되면, 인간은 그런 일에 시간을 쓰지 않게 된다. 그 결과, 고객과의 대화, 컨설팅, 사내 조정, 교육, 연수, 판단, 새로운 아이디어 창출 등 사람과의 관계나 고도의 판단을 수반하는 업무에 시간을 쓰게 된다. 즉, AI를 잘 활용하는 사람일수록 결국 '인간만이 할 수 있는 영역'으로 이동하게 된다는 것이다. 이 때문에 AI를 깊이 이해하고 기업에 도입하거나 인간과의 연결을 중개할 수 있는 인재는 완전 자동화가 실현되기 전까지는 비교적 가치를 유지하기 쉽다는 견해를 제시했다.
12. 학습도 'AI 중심'으로 구성해야 한다고 주장
경력 개발에 있어서도 먼저 AI를 배우는 것을 우선해야 한다고 주장했다. 프로그래밍, 디자인, 마케팅 등을 배울 때도 "먼저 전통적인 전문 기술을 습득하고 나중에 AI를 사용하는" 방식이 아니라 "먼저 AI를 사용하고 그 과정에서 전문 기술을 배우는" 순서가 효율적이라고 한다. 예를 들어 프로그래밍의 경우, AI에게 코드를 작성하게 하면서 필요한 부분을 학습하고, AI만으로는 이해할 수 없는 부분을 추가로 공부하는 방법이 현실적이라고 설명했다.
13. 교육 또한 개인 맞춤화될 가능성
영상 후반부에서는 교육에 미치는 영향에 대해서도 언급했다. AI가 자신의 대화나 학습 내용을 로컬 환경에서 텍스트로 변환하고, 이를 축적하여 개인 맞춤형 교재로 전환하는 것이 가능해진다는 것이다. 같은 정보라도 문장, 도해, 마인드맵, HTML 교재, 음성 교재, 연습 문제 등 본인이 학습하기 쉬운 형식으로 즉시 변환할 수 있다. 이 때문에 향후에는 모두가 같은 교과서를 읽는 것이 아니라, 각자가 자신만의 교과서를 AI에게 생성하게 하는 교육이 확산될 가능성이 있다고 예측했다.
14. 클라우드 AI와 로컬 AI는 '택일'이 아니라 공존이다
시청자 질문에는 OpenAI 등의 클라우드형 모델과 자유롭게 로컬 환경에서 구동할 수 있는 오픈웨이트 모델 중 어느 쪽이 주류가 될지에 대한 답변도 포함됐다. AI 선인은 어느 한쪽이 모든 것을 지배하기보다는 역할 분담이 될 것이라고 예측했다. 고도의 사고나 대규모 컨텍스트 처리는 클라우드의 고성능 모델을 활용하고, 단순한 답변이나 리서치 등 특정 작업은 로컬 모델에 맡기는 구성이 합리적이라고 설명했다.
15. 서브에이전트는 병렬 처리에 효과적이다
Claude Code나 Codex의 서브에이전트 활용에 대해서는, 서로 간섭하지 않는 여러 작업을 병렬로 실행하는 방식이 기본이 된다고 설명했다. Claude Code에서는 여러 에이전트가 컨텍스트를 공유하면서 협업하는 워크플로우도 활용할 수 있어, 하나의 AI에게 순차적으로 작업을 맡기는 것보다 더 빠르게 처리할 수 있는 경우가 있다고 한다.
16. 진정한 'AI 사원'은 아직 완성되지 않았다
결국 영상에서는 현재 널리 쓰이는 'AI 사원'이라는 단어와 향후 실현될 가능성이 있는 본격적인 AI 사원은 크게 다르다고 정리되었다. 현재의 AI 사원은 대부분의 경우 '기존 AI + 업무 스킬'에 불과하다. 반면, 미래의 AI 사원은 독립된 AI 모델, 전용 실행 환경, 고유 권한, 회사 전체의 맥락과의 연계, 24시간 자율 운영 등의 요소를 갖추며 인간 사원에 더 가까운 존재가 될 가능성이 있다. 다만, 그 구축에는 로컬 LLM, 컨테이너, 네트워크, 데이터 관리, 보안 등의 지식이 필요하며, 현 시점에서는 누구나 쉽게 도입할 수 있는 단계에는 이르지 못했다고도 설명했다. 영상의 주제로 'AI 사원 만드는 법'을 내걸었지만, 구체적인 구축 방법에 대해서는 거의 설명되지 않았고, 본인도 후반부에 그 점을 깨닫는 전개가 되었다. 실제 구축 방법에 대해서는 기술이 성숙된 단계에서 별도로 소개할 생각임을 밝혔다.
17. 전체 결론
영상 전체를 통해 제시된 것은 AI 활용의 경쟁 축이 '어떤 AI 도구를 사용할 것인가'에서 기업 전체를 AI 전제로 어떻게 설계할 것인가로 옮겨가기 시작했다는 관점이다. 향후 기업에서는 중앙의 대형 AI가 회사의 지식과 판단을 담당하고, 그 지시 아래 저비용의 소형 AI, 로컬 LLM, 인간, 나아가 미래에는 로봇이 협력하는 구조가 형성될 가능성이 있다. 그 속에서 인간에게 요구되는 것은 단순히 ChatGPT를 사용할 수 있는 것이 아니라, AI에게 업무를 맡기고 맥락을 관리하며, 여러 AI를 조합하고, AI로 대체하기 어려운 판단이나 대인 업무를 담당할 수 있는 능력이라는 것이다. AI 선인은 AI로 인해 노동 수요 자체가 감소하는 방향은 피하기 어렵다고 하면서도, 현재 AI의 변화에 관심을 갖고 적극적으로 접하고 있는 사람에게는 큰 기회이기도 하다고 강조했다. AI에게 일자리를 빼앗기지 않는 것만을 목적으로 하는 것이 아니라, AI를 활용해 개인이나 소수 인원 조직의 능력을 대폭 확장하는 쪽에 서는 것이 향후 일하는 방식을 좌우한다고 결론지었다.
출처: note 원문
번역: Gemma 3(.44) 초벌 + 교정 28청크
원문 보기 | 출처: note.com