AI 에이전트의 부상이 AI 역량과 사회 자원 간 불일치를 심화시켰다

많은 이들이 AI 성능의 급속한 향상을 보고 세상이 급격히 바뀔 것이라 기대한다. 그러나 이는 현대 사회 운영 메커니즘에 대한 오해이거나, 다른 말로 하면 개별 지능과 개인 생산성의 중요성을 과대평가한 것이다.

기관 및 대기업 채용 시 고임금 직무에 학력과 IQ 요구 수준이 매우 높은 현상을 본 적이 있는가? 그런데 실제로 채용된 후에는 평범한 능력으로도 쉽게 수행 가능한 단순 업무를 맡게 된다. 그럼에도 오늘날까지도 실력보다 인맥과 출신 배경이 우선시되는 경우가 많다. 경쟁 환경 속에서 조직은 평균적인 능력을 갖춘 사람 중에서도 특별한 사회적 정체성과 자원을 가진 인재를 선택할 수 있다. 이에 대해 분노할 수도 있지만, 대부분의 경우 그런 인재도 충분히 업무를 수행할 수 있다.

왜 이런 일이 벌어질까? 많은 이들이 이를 '학력 인플레이션' 탓으로 돌리지만, 원인은 훨씬 복잡하다. 나는 이를 '비효율적 생산성 과잉'이라 부른다.

현대 사회는 밀집된 협업 네트워크이며, 우수한 직책은 사회 자원 및 권력 분배 네트워크 내 유리한 노드를 의미한다. 이 노드가 상징하는 자원과 권력은 사회적으로 희소하지만, 개인 역량 요구 수준은 낮고, 해당 위치에 있는 사람이 높은 생산성을 발휘할 필요도 없다. 운 좋게 이런 자리를 얻어 열심히 일해보면, 자신의 생산성 향상이 이 체제에 전혀 필요하지 않다는 사실을 금방 깨닫게 된다. 즉, 당신이 얼마나 뛰어나든 이 네트워크는 당신을 필요로 하지 않는다. 조직이 이렇게 높은 입문 기준을 두는 이유는, 실제로 그 업무를 수행할 수 있는 사람이 많기 때문에 어떤 기준으로 선발해야 하는지를 고민하게 되었고, 그때 역량은 논란이 적은 기준일 뿐, 진정으로 그렇게 높은 역량을 필요로 하기 때문이 아니다.

이런 현대 사회 협업 네트워크에서는 각자가 담당하는 업무는 극히 일부분일 뿐이다. 소수를 제외하고는 대부분 이 네트워크 내 자원 흐름을 안내하는 역할을 할 뿐이며, 개인 생산성은 일정 기준만 충족하면 되고, 그 기준을 넘어서면 전체 네트워크에 큰 이득을 주지 못한다.

따라서 협업 네트워크 내 하나의 노드로서, 당신의 IQ나 생산성이 아무리 높더라도 초과분은 모두 비효율적 생산성 과잉이다. 이 네트워크는 그것을 필요로 하지도, 활용할 수도, 소화할 수도 없다.

그러므로 많은 이들이 AI 학습과 적용을 통해 생산성을 높였다고 흥분하며 자랑하지만, 실제로는 자신의 지능과 생산성의 역할을 과대평가한 것이다. 당신의 미세한 생산성 향상은 전체 네트워크에서 거의 가치가 없으며, 분배될 수도 없다. 당신이 속한 조직과 협업 네트워크는 그 과잉 생산성을 필요로 하지 않으며, 소화할 수도 없다. 따라서 대부분의 AI 전문가들이 인정하기 꺼려하는 진실은, 이러한 생산성 향상의 주요 의미가 단지 짧은 동영상 시청 시간을 늘리는 데 있다는 점이며, 이는 수입·자원·사회적 지위 증가로 이어지지 않는다는 것이다.

현재 OPC(1인 기업)에 대한 열풍도 같은 논리에서 비롯된다. 이러한 기업의 발전 한계는 내부 생산성이 아니라 외부 자원 연결망이다. 현재 대부분의 OPC가 사회적 비즈니스 네트워크에서 차지하는 위치를 고려할 때, 그들의 제품과 서비스는 판매조차 어려우며, 자기 만족조차 불가능할 수 있다.

이 문제는 매우 중요하다. 모든 경제 활동은 경제적 인센티브로 순환 고리를 완성해야 하며, 이를 통해 긍정적 피드백 루프를 통해 경제 체계 진화를 촉진할 수 있다. 그러나 대부분의 사람들이 AI 사용으로 얻는 긍정적 인센티브는 단지 개인적인 감정적 만족뿐이며, 지속 가능하지 않다.

즉각적인 긍정적 인센티브를 창출하려면 무엇이 필요한가? 핵심은 네트워크 연결 관계의 변화에 있다. 이 변화는 자원과 권력의 재분배로 이어진다. 만약 당신의 노드가 네트워크 내 더 많은 연결을 가지게 된다면, AI를 전혀 사용하지 않더라도 즉각적으로 수입·영향력·권력 증가를 느낄 수 있다.

물론 장기적으로 보면 노드 생산성 전반의 향상은 결국 연결 관계 변화로 이어진다. AI 에이전트 시대에 다양한 개인 간 AI 활용 역량 격차는 급속히 벌어지고 있다. 이 격차는 언젠가 사회 네트워크에 의해 인식되어 연결 관계 변화로 전환되며, 심지어 네트워크 위상 구조 자체의 변화로까지 이어질 수 있다. 그러나 이 과정은 시간이 걸리며, 대부분의 AI 인플루언서가 예상하는 것보다 느릴 것이다. 만약 당신이 능동적으로 연결을 가속화하지 않고, 기존 위치에서의 효율성 향상에만 만족하며 동영상 시청 시간 증가에 기뻐한다면, AI의 초기 혜택을 누리지 못할 것이다.

더욱 흥미로운 불일치가 여기서 나타난다.

현재 AI를 가장 적극적으로 배우는 이들은 종종 네트워크 내 2차 노드들이다. 프로그래머, 디자이너, 연구자, 분석가들이 매일 에이전트, MCP, 스킬, 워크플로를 공부하며 생산성을 10배 높이려 한다. 그러나 문제는, 원래 하루에 보고서 한 편을 썼다면 이제 열 편을 쓸 수 있게 되었지만 조직은 열 편을 필요로 하지 않으며, 원래 일주일에 하나의 프로토타입을 만들었다면 이제 하루에 하나를 만들 수 있게 되었지만 예산 수립·결정·판매·법무·조달 등의 속도는 7배나 빨라지지 않았다는 점이다. 결과적으로 새로 추가된 생산성의 상당 부분은 관련 노드에서 막혀 전체 시스템에 거의 가치를 제공하지 못한다.

반대로 자원을 진정으로 통제하는 기업가, 임원, 투자자, 각종 기관 리더들은 원래 가장 많은 고객·자본·인사권·사회적 연결망을 보유하고 있다. 만약 그들이 AI 역량을 10배 향상시킨다면, 일반 직원보다 훨씬 더 큰 레버리지 효과를 낼 수 있을 것이다. 그러나 이들 집단과 최전선의 AI 응용 역량 사이 격차는 급속히 벌어지고 있다.

이 현상의 주요 원인 중 하나는 2025년 하반기부터 시작된 AI 에이전트의 부상으로, AI 응용 혁신이 점차 프로그래밍 중심으로 전환되고 있다는 점이다.

과거 AI는 챗팅·글쓰기·검색·그리기 등으로, CEO와 프로그래머 모두 참여할 수 있었다. 그러나 에이전트 시대에는 AI 코딩을 통해 새로운 개념—에이전트, MCP, 스킬, 하네스, CLI, API, Git, IDE, 다양한 워크플로 및 오케스트레이션—이 먼저 등장한다. AI는 점점 소프트웨어보다는 스스로 구축하고 지시해야 하는 관리 시스템에 가까워지고 있다.

이로 인해 문제가 발생한다.

50세 CEO는 기업 경영, 자금 조달, 자원 동원에 능숙하고 AI의 중요성도 충분히 이해할 수 있다. 그러나 터미널을 열어 코딩 에이전트를 설치하고 MCP를 설정하며 여러 에이전트를 병렬 실행한 후 API, GitHub 및 다양한 도구를 연결하라고 하면, 그는 곧바로 포기할 가능성이 높다.

이것은 지능(IQ) 문제라기보다는 기술 격차 문제이다.

결과적으로 기묘한 상황이 벌어진다: AI를 이해하는 이들은 자원이 부족하고, 자원을 가진 이들은 AI 활용법을 모른다.

첫 번째 집단은 생산성 향상을 간절히 원하지만 이를 수용할 만큼 넓은 네트워크가 부족하다. 두 번째 집단은 방대한 자원 네트워크를 보유하나 최신 기계 기반 생산성을 통합할 역량이 부족하다. 나는 이러한 불일치가 향후 몇 년간 특히 주목할 만한 문제라고 본다.

중국은 추가적인 문제를 안고 있다. 현재 가장 활발한 두 AI 응용 생태계는 OpenAI와 Anthropic이다. 여러 이유로 중국 본토는 이 두 시스템을 직접적·안정적으로 사용할 수 없으므로, 단순히 두 모델만 고립된 것이 아니라 이들 주변에서 급성장한 에이전트, 코딩 환경, 도구 체인, 개발자 생태계 전체가 차단된다.

이 영향은 모델 자체 격차보다 더 심각할 수 있다. 왜냐하면 에이전트 시대에는 지식이 누적되기 때문이다. 타인은 오늘은 챗팅에서 도구 호출로 나아가고, 내일은 도구 호출에서 에이전트 오케스트레이션으로 진화하며, 모레는 에이전트가 스스로 도구를 개발하게 된다. 6개월 늦게 진입한다면 성능 벤치마크 점수 차이가 아니라 전반적인 작업 방식의 격차가 생길 수 있다.

따라서 앞으로 진정 흥미로운 것은 이 불일치가 해소되기 시작할 때이다.

한편, 현재는 보조 노드에 있지만 강력한 AI 역량을 갖춘 이들이 이를 바탕으로 더 많은 고객, 자본, 주목, 사회적 연결망을 확보해 네트워크 내 위치를 변화시킬 수 있을까? 다른 한편, 이미 네트워크 중심에 있는 이들이 에이전트를 진정으로 숙달하고 자원 조율 능력을 기계 기반 생산성과 결합할 수 있을까?

이 두 현상이 대규모로 일어나기 시작하면, AI가 사회에 미치는 영향은 ‘모두 약간 더 빨리 일한다’는 수준에서 조직 구조, 기업 경계, 자원 배분 방식의 변화로 전환될 것이다.

이와 관련해 우리는 많은 저명한 AI 인사들을 명확히 볼 수 있다. 그들은 신기술과 돌파구에 흥분해 자극적인 예측을 자주 한다. 되돌아보면 대부분의 예측은 틀리지만, 그 덕분에 새로운 주목과 자원 연결망을 얻는다. 이는 교묘한 전략이며, 그들의 실질적 수익은 AI 기술이나 생산성 향상이 아니라 바로 당신의 주의력이다. 반면, 사회적 연결망 확대 없이 오직 AI 기술 향상에만 매몰되는 이들은 지나치게 진지하다.

따라서 나는 AI가 사회에 가져올 변화가 세 단계를 거칠 것이라고 본다.

첫 번째 단계는 노드의 변화이다. 개인 생산성이 3배, 5배, 혹은 10배로 증가하는 것으로, 지금 당장 진행 중인 단계이다.

두 번째 단계는 연결의 변화이다. 일부 개인이 AI 덕분에 더 많은 고객, 자본, 주목, 조직 역량을 확보해 네트워크 내 위치를 바꾸는 단계이다.

세 번째 단계는 네트워크 토폴로지의 변화이다. 원래 100명이 필요했던 조직이 이제는 10여 명으로 충분해지고, 과거에는 기업을 통해만 수행되던 업무가 이제 몇 명과 일련의 에이전트로 해결되며, 기존 중간 노드가 사라지고 새로운 초거대 노드가 등장한다.

비로소 세 번째 단계에서야 AI는 진정으로 사회 구조를 변혁한다.