AI는 산업을 어떻게 바꿔 나가고 있을까? 화이트칼라의 미래는?

AI는 산업을 어떻게 바꿔 나가고 있을까요? 대부분의 직업은 AI가 대체해며 없어지게 될까요?

 

영국 시사주간지 디 이코노미스트는 31일 "대다수의 사무직 근로자들이 하루 종일 마이크에 대고 속삭이는 모습을 보게 되기까지는 아직 시간이 좀 걸릴지도 모른다"며 AI가 인간 노동자를 대체하는 데까지는 시간이 걸릴 것이라는 점을 시사했습니다. 

 

---

 

실리콘밸리의 소프트웨어 엔지니어들이 하루를 보내는 방식은 지난 몇 년 사이 크게 달라졌습니다. 결과물은 여전히 똑같습니다. 수많은 코드입니다. 하지만 이제 엔지니어들은 앉아서 키보드를 두드리는 대신 마이크에 대고 속삭입니다. 그러면 인공지능이 이 지시를 음성으로 받아 글로 옮긴 뒤 AI 에이전트, 즉 소프트웨어와 상호작용할 수 있는 봇에 전달합니다. 이 경우 에이전트가 코드를 작성합니다.

OpenAI의 콜린 자비스는 다른 사무직 근로자들은 아직 “이 세계에 들어와 있지 않다”고 인정합니다. OpenAI의 미래뿐 아니라 AI 붐 전체의 향방도 이런 상황이 바뀌느냐에 달려 있습니다. 막대한 데이터센터 투자 비용을 정당화하려면, 미국의 클라우드 대기업들과 Anthropic·OpenAI 같은 AI 연구소들은 AI 기술의 도입이 계속해서 빠르게 확산되기를 기대해야 합니다. 이코노미스트의 대략적인 계산에 따르면 데이터센터 구축에 들어간 비용을 회수하려면, AI 사용으로 발생하는 전 세계 연간 총매출이 현재 약 1,500억 달러에서 10년 말까지 연간 2조5,000억 달러에 이르러야 합니다.

지금까지 AI 기술을 가장 적극적으로 도입한 집단은 단연 소프트웨어 개발자들입니다. 온라인 포럼 Stack Overflow에 따르면 개발자 5명 중 4명은 AI 코딩 도구를 사용한다고 답했습니다. 2025년 6월 당시 AI 코딩 스타트업인 Cognition, Cursor, Lovable, Replit의 연간 반복 매출(ARR)을 합치면 약 8억 달러였습니다. 그런데 현재는 그 규모가 60억 달러에 달합니다. 리서치 업체 SemiAnalysis는 올해 2분기 기준으로 Anthropic과 OpenAI의 연간 반복 매출을 합친 규모에서 코딩 관련 매출이 절반 이상을 차지한 것으로 추정합니다.

 

이는 소프트웨어 엔지니어가 전체 고용에서 차지하는 비중이 높은 산업일수록 AI가 더 빠르게 확산된 이유를 설명해줍니다(차트 참조). 낙관론자들은 이를 AI 붐이 이제 막 시작됐다는 증거로 볼 수도 있습니다. 앞으로 다른 AI 활용 분야가 성숙해지면서 관련 기술에 대한 지출이 훨씬 더 큰 규모로 늘어날 것이라는 전망입니다. 그러나 코딩이 예외적으로 빠르게 확산된 데에는 구조적인 이유가 있을 수도 있습니다.

AI의 다음 폭발적인 활용 분야로 흔히 거론되는 세 가지 영역은 법률, 금융, 고객 서비스입니다. 이 세 분야 모두 상당한 성장세를 보이고 있습니다. AI 법률 도구를 개발하는 Harvey, Clio, Legora의 연간 반복 매출(ARR)을 합치면 지난 1년 동안 약 두 배로 증가해 10억 달러에 이르렀습니다. Harvey에 따르면 변호사들이 자사 플랫폼에서 보내는 시간은 매달 두 배씩 늘어나고 있습니다.

은행가를 비롯한 금융업 종사자들도 AI를 받아들이기 시작했습니다. 금융 서비스 업계를 위한 AI 도구를 개발하는 스타트업 Rogo는 지난 분기에 기업 고객 100곳을 새로 확보했으며, 연간 반복 매출도 50% 증가했습니다.

고객 서비스 분야에서도 AI가 빠르게 확산되고 있습니다. 이 분야를 위한 도구를 개발하는 Sierra는 지난해 11월 1억 달러였던 연간 반복 매출이 올해 6월에는 2억 달러로 두 배 증가했습니다. 벤처캐피털 투자자들도 낙관적입니다. 올해 들어 이들은 고객 서비스 분야의 AI 스타트업에 30억 달러를 쏟아부었는데, 이는 AI 활용 분야 가운데 가장 많은 금액입니다. (AI 코딩 스타트업에 대한 투자는 정체됐습니다. AI 연구소들이 자체적으로 개발한 코딩 도구가 빠르게 시장을 장악하고 있는 것도 한 이유입니다.)

이 세 가지 활용 분야는 코딩과 몇 가지 공통점을 가지고 있습니다. 잠재적인 시장 규모가 크고, 업무가 상당 부분 정형화돼 있다는 점입니다. 하지만 코딩을 다른 분야와 구분하는 네 가지 요소가 있습니다. 학습 데이터의 가용성, 모델의 결과물을 테스트하기 얼마나 쉬운지, 업무에 얼마나 많은 인간의 상호작용이 필요한지, 그리고 소프트웨어 엔지니어 자체의 특성입니다. AI 기업들은 다른 시장에서도 업무를 코딩과 비슷한 형태로 만들려고 노력하고 있지만, 이를 실현하는 일은 결코 간단하지 않을 것입니다.

AI가 프로그래밍 도우미로서 큰 성공을 거둔 이유 가운데 하나는 인터넷에 막대한 양의 오픈소스 코드가 공개돼 있기 때문입니다. 이 때문에 오픈소스 코드는 AI 모델의 학습 데이터에 포함됐으며, 일부 모델에서는 전체 학습 데이터의 거의 5분의 1을 차지합니다. 반면 고객 불만이나 계약 협상 내용처럼 공개적으로 이용할 수 있는 콘텐츠는 이와 같은 규모로 존재하지 않습니다.

AI가 생성한 코드 역시 상대적으로 검증하기 쉽습니다. 소프트웨어 테스트는 엔지니어링에서 일상적으로 이뤄지는 작업입니다. 하나의 코드가 다른 코드의 작동을 검사하는 식입니다. 덕분에 AI가 생성한 코드에 오류가 있더라도 문제가 발생하기 전에 발견될 가능성이 높아집니다. 게다가 테스트는 모델의 성능을 개선하는 데도 도움이 됩니다. 모델이 실수를 했을 때 이를 알려주기 때문입니다. 반면 화가 난 고객이 제대로 달래졌는지, 또는 기업의 재무제표에 담긴 미묘한 맥락을 기업가치 평가 모델이 적절하게 반영했는지를 판단하는 것은 훨씬 더 어렵습니다.

 

소프트웨어 작성 도구에는 또 다른 장점이 있습니다. 작업을 완료하는 데 필요한 정보의 상당 부분이 이미 프로그램의 코드베이스에 존재하거나, 소프트웨어를 서로 연결하는 디지털 통로인 **애플리케이션 프로그래밍 인터페이스(API)**를 통해 접근할 수 있다는 점입니다. 그러나 다른 많은 상황에서는 중요한 정보가 디지털 형태로 존재하지 않습니다. 대신 고객센터 직원의 머릿속에 들어 있거나, 상대편 변호사의 표정에 담겨 있습니다.

AI 기업들은 이러한 모든 문제를 해결하기 위해 노력하고 있습니다. Harvey의 최고경영자인 윈스턴 와인버그는 AI의 발전 덕분에 자사가 이제 AI 시스템 자체가 생성하는 이른바 ‘합성 데이터(synthetic data)’를 일부 활용해 도구를 학습시킬 수 있게 됐다고 말합니다. Mercor 같은 스타트업은 다양한 분야의 전문가들과 AI 기업을 연결해, 전문가들이 자신의 지식을 AI 모델에 주입할 수 있도록 돕고 있습니다. Cresta의 최고경영자인 핑 우는 수천 건의 콜센터 통화 기록을 분석함으로써 자사의 AI 고객 서비스 스타트업이 직원들의 머릿속에 들어 있는 지식 가운데 일부를 추론할 수 있다고 말합니다. 예를 들어 환불을 어떻게 처리하는지와 같은 지식입니다. 이제 AI 기업들은 이른바 ‘현장 파견형 엔지니어(forward-deployed engineers)’를 대거 고객사 사무실에 보내 문제를 해결하고 자사 도구를 개선하도록 하고 있습니다.

AI가 코딩 분야에서 성공한 배경에 있는 마지막 요인은 복제하기 가장 어려울 수도 있습니다. 바로 소프트웨어 엔지니어 그 자체입니다. 이들은 한편으로 기술에 밝고, 다른 한편으로 변화에 익숙하기 때문에 새로운 기술을 자연스럽게 받아들이는 사람들입니다. 프로그래밍 언어가 몇 년에 한 번씩 업데이트되는 환경에 익숙하기 때문입니다. 벤처캐피털 회사 Andreessen Horowitz의 아니시 아차리아가 지적하듯, AI 코딩 도구의 도입은 상당 부분 상향식(bottom-up) 방식으로 이뤄졌습니다. 개별 엔지니어들이 스스로 새로운 도구를 발견하고 직접 실험하면서 사용하기 시작한 것입니다.

반면 콜센터 상담원들은 일반적으로 업무 중 새로운 기술을 실험할 유인도, 그럴 수 있는 자유도 없습니다. 그래서 기술이 하향식(top-down)으로 도입될 때까지 기다리는 경향이 있습니다. 변호사와 금융업 종사자들 역시 자신들의 직업을 규율하는 수많은 규정을 위반하지 않도록 신중하게 행동해야 합니다.

다른 AI 활용 분야도 분명 계속 성장할 것이며, AI 모델이 개선되고 기업들이 AI 에이전트에 업무를 맡기는 데 점점 더 익숙해지면서 그 성장세가 더욱 빨라질 수도 있습니다. 하지만 대다수의 사무직 근로자들이 하루 종일 마이크에 대고 속삭이는 모습을 보게 되기까지는 아직 시간이 좀 걸릴지도 모릅니다.