Harness의 아비트리지 기간: SaaS의 가장자리에서 DeFi를 구출하기
저자: 조야 웹3
디파이 재발명, AI 서사의 부활
500년을 되돌아보면, 자본주의 체제 하에서 노사 간의 모순은 늘 자본의 지속적인 승리로 표징되어 왔다.
생산 측면에서는 노동력의 참여 수준이 점차 기계 조작 수준으로 축소되었고, 소비 측면에서는 사용자의 가치는 플랫폼에 대한 사용 데이터 생산에 있다.
이 두 흐름이 결합되어 기업의 자본시장 평가를 뒷받침한다.
그러나 인간의 조직 방식은 장기간 완전히 정량화될 수 없었으며, 화이트칼라의 KPI/OKR 역시 여전히 계층제에 기반하고 있고, 연봉 천만 위안과 작업량 단위 임금도 모두 테일러주의의 변형이다.
명확한 공식이 없다면 자본은 이를 평가할 수 없고, 이는 곧 자본 효율성에도 영향을 미친다. 알고리즘 안정화 코인(Algorithmic Stablecoin)이 디파이의 성배인지 여부는 아직 알 수 없지만, 조직의 ‘계산 가능성(Calculability)’은 분명 금융 레버리지의 측정기이다.
대규모 언어모델(LLM)은 토큰 수량을 통한 폭력적 해법을 선택했고, 보안 SaaS의 붕괴는 단지 겉보기 현상일 뿐이다. 제품 설계도 진행 중이며, 소수 전문 역량을 대체하고 이를 규모화하는 것이 진정한 생존 관건이다. 혁신은 이제 무인지대에 진입했다.
이는 특히 디파이의 DAO 모델이 점차 붕괴되고, 토큰 경제학(Tokenomics)이 점차 파산해가는 현재 상황에서 우리에게 무한한 통찰을 준다.
한마디로 말해, 왜 AI의 조직 모델과 토큰 모델이 디파이보다 더 효율적인가?
이 모든 것은 어떻게 시작된 것인가?
토큰의 저렴화, 에이전트(Agent)의 실용화.
300%의 이윤을 위해 자본가는 자신의 교수형 로프까지 팔 수 있다.
현재 직장을 지키기 위해 노동자는 에이전트를 위한 스킬(Skill)을 직접 작성할 수 있다.
자본 차원에서 스킬을 갖춘 에이전트는 이윤과 동등한 신성함을 지닌다.
에이전트란 ‘인간의 능력’을 스킬 형태로 정제한 것을 의미하며, 더 나아가 인간의 조직 자체가 에이전트 중심의 상호작용 의례 사슬(Interaction Ritual Chain)으로 전환된다.
여기서 프롬프트(Prompt), 컨텍스트(Context), 그리고 현재의 하네스(Harness) 엔지니어링에 이르기까지, 모두 인간의 조직 방식을 무인지대로 전환하려는 시도이며, 적어도 인간 개입을 줄이려는 것이다.
당신의 다음 동료는 로봇이 아닐 수도 있지만, ‘능력’ 그 자체의 본능일 수 있다.
이는 단순한 공상이 아니다. 데이터 차원의 스케일링 법칙(Scaling Law)이 점차 무력화되고 있으나, 데이터 수집 및 생산 자체는 더 이상 중요하지 않다. AGI 달성 이전에 새로운 평가 기준이 필요하다.
그림 설명: 콘텐츠는 더 이상 값어치가 없다
종합 정보 출처: @ARKInvest
클로드(Claude)가 프로그래밍 분야를 선정해 AGI의 첫걸음을 내딛은 시점부터, AI는 챗봇 기반의 오락 모드를 넘어 현실 세계의 기존 시장—예컨대 프로그래밍, 보안, 그리고 최근 발표된 디자인 분야—로 진입했다.
이러한 파괴적 혁신이 결국 새로운 경제적 증가분을 창출할지, 아니면 경제를 ‘토큰은 고용되고 인간은 해고되는’ 영구적 저고용 구조로 몰아갈지는 지금 우리가 목격하고 있는 과정이다.
그러나 현재의 토큰 저렴화는 과거 소수 대기업이 독점했던 역량을 중소기업으로 하달시켜 ‘슈퍼 개별자(Super Individual)’를 형성하는 것으로, 이는 결코 공상이 아니다.
중국을 예로 들면, 토큰 호출량은 2024년 하루 1,000억 건 → 2025년 말 하루 100조 건 → 현재 하루 140조 건으로 증가하였고, 콘텐츠 및 데이터 생산은 이미 제로 비용 시대에 진입하고 있다.
유의할 점은, 컴퓨팅 파워의 부족은 상대적 상태이며, 대기업은 더 이상 ‘역량’을 독점하지 못하지만 여전히 ‘컴퓨팅 파워’를 독점함으로써 기존 우위를 유지하려 한다. 그러나 토큰 전체의 저렴화라는 필연적 추세를 막을 수는 없다.
베이스 모델(Base Model)의 벤치마킹 기준은 다양하지만, “AI가 인간을 어떻게 도울 것인가”라는 진화 과정은 오랫동안 별다른 주목을 받지 못했다.
필자의 관점에서 하네스는 일종의 공간 형태로서, 에이전트가 처음으로 경계 내에서 특정 과제에 집중하게 하고, 광도우 우선(Breadth-First)이 아닌 심도우 우선(Depth-First) 전략을 취하게 한다.
그림 설명: 에이전트 진화사
출처: @zuoyeweb3
탭(Tab) 키가 코드 자동 완성에 처음 사용된 순간부터, 인간은 이미 AI의 입력 계층이 된 지 오래였다.
시행착오 비용은 지수적으로 감소했고, 이는 인간의 협업 방식에 대해 보다 흥미로운 시도를 가능하게 한다:
- 소프트웨어: SaaS. 인간의 역량 원천은 더 이상 인간이 아니라, 에이전트가 생성해내는 ‘역량의 분출(Emergence)’이다.
- 하드웨어: 컴퓨팅 파워 카드 + HBM. 데이터센터가 AI의 수요를 직접 충족시키는 첫 사례이다.
- 공간: 하네스. 인간이 협업하는 물리적 공간이 아니라, 에이전트가 상호작용하는 디지털 공간이다.
- 인터랙션: 두바오(Doubao) 스마트폰이 실패했고, 구글은 안드로이드 시스템의 바닥층에서 GUI 기반 에이전트를 지원한다.
AI가 ‘무엇을 말할 수 있는가’는 높은 상업적 가치를 지니지 않는다. 텍스트 생성 비용은 인간에게도 매우 낮다. 하지만 ‘무엇을 할 수 있는가’는 토큰 소비량을 이미 이미지·영상 생성을 넘어서게 만들며, AWS가 서버가 아니라 ‘사용 시간’을 판매하는 것과 유사하다.
AI는 토큰을 팔지 않고, ‘작업 능력(Work Capability)’을 판다. 이것이 바로 SaaS 산업이 공포를 느끼는 근본 이유이다. 안타깝게도 디파이는 이미 SaaS가 되어 버렸고, 대규모 언어모델은 아니다.
디파이 프로토콜의 SaaS화
디파이는 낙후되지 않았으나, 지나치게 조숙하다.
AI는 소프트웨어 엔지니어링을 재정의하고 있으며, 대체되는 대상은 SaaS뿐 아니라 여러 분야가 포함되지만, SaaS가 가장 전형적이다.
블룸버그 터미널(Bloomberg Terminal)조차 그 핵심 상업적 가치는 기술의 진보성이 아니라 정보의 권위성에 있다. 이러한 권위는 수십 년간 축적된 업계 네트워크와 인맥 등 비표준화된 데이터에 기반한다.
에이전트는 한 가지 선택지를 제공한다. 데이터를 통해 미래를 추론할 수 있고, 위험을 감수한 다음 단계에서도 경쟁자를 앞설 수 있어 소액 이익을 얻을 수 있다.
그림 설명: SaaS 붕괴 중
출처: @zuoyeweb3
즉, 에이전트는 자본의 이윤 추구 성향을 교묘히 활용한 것이다. 완전한 블룸버그 터미널 정보를 기다릴 수도 있지만, 조각난 혹은 부정확한 데이터를 이용해 수익을 거둘 기회를 노릴 수도 있다.
이것은 새롭지 않다. IBKR 창립자 토머스 피터피(Thomas Peterffy)는 금융 분야에서 ‘물리적 거래 터미널’을 최초로 발명하거나 조립한 인물인데, 그 출발점은 한 대의 유휴 상태 P101 컴퓨터였다.
어떤 데이터 활용 방식이 더 많은 이윤을 창출할 수 있다면, 당신은 더 많은 데이터를 확보할 수 있고, 이는 비로소 피드백 루프를 가동시킨다.
SaaS는 과거를 독점했고, AI는 미래를 판다.
불행하게도, 우리는 여기서 디파이로 진입해야 한다. 듀ーン(Dune)/디파이리마(DeFiLlama)의 API 유료화 벽, 또는 아카함 익스체인지(Arkham Exchange)의 최종 폐쇄를 기억하는가? 금광 같은 데이터를 안고서도 거지처럼 살거나, 아예 문을 닫는 것이다.
암호화폐 산업의 데이터는 언제나 값어치가 없었다.
그러나 암호화폐 산업은 바로 개방형 금융 시스템이기에, 그곳에서 생성된 데이터는 반복적으로 학습될 수 있다. AI 이전 시대에도 포크(Fork) 프로젝트의 속도는 이미 월 단위로 감소했고, 펌펀(PumpFun)의 메임(Meme) 복제판은 극단적으로는 초 단위까지 압축되었다.
여기서 반상식적인 추론 하나가 도출된다. 디파이는 금융 시스템의 선제 테스트 서버(pre-test server)이며, 오늘 우리가 시도하는 AI+디파이는 이후 금융 진화의 템플릿이 될 것이다.
- 예를 들어, 2008년 금융위기 이전, 무담보 거래 기준금리인 리보(LIBOR)가 금융 해일을 ‘유발’했고, 이후 미국 국채 거래 기반 SOFR 지표로 교체되었다. 그러나 과도한 담보 메커니즘 덕분에 디파이의 정산 최종성(Settlement Finality)은 보장된다.
- 또 다른 예로, 대규모 언어모델 공급업체는 토큰 소비량 기반 판매를 거부하고, 반드시 등급화 마케팅, 역량 맞춤화, 전문 분야 특화 등을 요구한다. 토큰 경제학은 이미 ‘사용 가치’를 꼬아서 마치 빵가루처럼 만든 상태다.
크립토 토큰(Crypto Token)은 사용 가치에 집착하고, AI 토큰은 경제 가치에 집착한다.
이 관점에서 보면, 디파이의 해킹 공격은 단지 일반적인 압력 테스트일 뿐이며, 개방형 시스템은 스스로 버그를 수정할 수 없는 외부 엔트로피(External Entropy)를 지닌다.
이것은 제22조 항군규칙(Second Amendment Clause)을 연상시키는 흑색 유머다. 외부 신호 시스템의 자극 없이 암호화폐 시스템은 기본적으로 현재 환경이 안전하다고 가정한다. 따라서 보안 위기가 발생하면, 시스템은 중앙집권적 처리 체계로 붕괴된다.
예를 들어 드리프트(Drift) 사건에서 사람들의 비난 대상은 오히려 동결 지연이 있었던 서클(Circle)이 되었다.
그림 설명: 코드는 보안 문제를 해결할 수 없다
출처: @zuoyeweb3
즉, AI 역량이 비약적으로 향상되기 이전에 디파이는 이미 SaaS화를 완료했으며, 단순히 거래 횟수 기반 요금제밖에 쓸 수 없고, ‘금융’ 자체를 블록체인 위로 직접 이식할 수 없다.
RWA(RWA, Real World Assets)의 블록체인 이식은 유동성 부족 문제를 안고 있고, 디파이는 이를 해결할 만한 좋은 방법을 아직 갖추지 못했다.
그러나 에이전트 역량의 진화는 디파이 규칙을 다시 쓰는 데 어느 정도 어렴풋한 희망을 보이고 있다.
- 토큰 경제학: 사용량을 채널별로 배치하고, ‘자본 효율성’에 따라 토큰을 투입한다.
- 규칙 설정: 마이토스(Mythos)가 보안 최종성을 제공하고, AI 방벽이 제로데이(Zero-Day) 위기를 방어한다.
- 인간 조직: 좋다. 디파이는 이미 몇 명의 사람이 수백억 달러를 관리하는 구조다.
엔지니어링 서사의 부활
보안은 어디서 오는가? 튜링 기계의 결정론성에서 온다. 위험은 어디서 오는가? 무한한 가능성에서 온다.
YC의 가리 탄(Garry Tan)이 말한 ‘살찐 스킬(Fat Skill), 얇은 하네스(Thin Harness)’는 필자의 마음을 깊이 울린다. 본질적으로는 기초 규칙을 확실히 정해놓고, ‘질서 위에 세워진 자유(Order-Based Freedom)’를 추구하는 것이다.
튜링 기계는 무한히 조합될 수 있지만, 폰 노이만 아키텍처는 저장과 연산 사이에 항상 시간 차이가 존재하며, 대규모 언어모델도 진정한 랜덤 숫자를 생성할 수 없다.
데이터가 값어치를 잃는 미래에는, 오직 인간의 행동만이 자금의 흐름을 통해 가치를 창출할 수 있다.
그러나 인간의 행동은 AI에 의해 완전히 학습되고, 엔지니어링 및 코드화된 표현 방식으로 내재화되기까지 시간이 필요하다.
유한함으로 무한함을 추구하는 것은 근본적으로 불가능하다. LLM은 환각(Hallucination)을 완전히 제거할 수 없으며, ‘이것은 AI가 도달할 수 없고, 인간도 도달할 수 없는 지점’까지 근접해야만 시장 메커니즘이 이를 평가할 수 있고, 우리는 비로소 스마트 계약을 진정으로 믿을 수 있다.
현재의 스마트 계약은 성공이라 보기 어렵다. 더 도(The DAO) 분기, 크라운(Curve) 프로그래밍 언어 버그, 심지어 드리프트의 멀티시그(Multisig)도 ‘사람이 코드에 대한 최종 통제권을 갖는다’는 사실을 입증한다.
도덕적 심문은 경제적 가치를 지니지 않으며, 디파이 분야의 협업 모델이 DAO에서 재단(Foundation) 및 ‘팀’으로 축소된 근본 원인은 계약 업그레이드 및 사업 협업이라는 현실적 요구 때문이다.
그러나 인간은 영원히 안전하고 동적으로 업그레이드 가능한 코드를 작성할 수 없다. 다시 강조하지만, 그것은 ‘영원히 불가능하다’.
만약 업그레이드가 영원히 불가능하다면, 크라운은 자기 경험을 통해 기술 의존 스택(Technology Dependency Stack)조차 문제가 될 수 있음을 보여준다.
현재가 과거를 결정하고, 과거가 미래를 결정한다.
사이먼스(Simons)의 메달리온 펀드(Medallion Fund)에서 넘버라이(Numerai)의 AI 전략 실행에 이르기까지, AI는 금융 분야에서 전혀 낯설지 않다. 또 다른 반상식적 사례는 거래 신호 자체가 오히려 AI 진화를 촉진한다는 점이다.
그림 설명: AI와 디파이 10년
출처: @zuoyeweb3
AI 모델은 여전히 컴퓨터 패러다임이며, 신호를 처리하는 상태 기계(State Machine)이다. 외부 신호가 없다면, 내부적으로 외부 세계를 시뮬레이션할 능력을 갖추지 못한다. 양러쿤(Yann LeCun)과 리페이페이(Fei-Fei Li)가 ‘세계 모델(World Model)’에 주목하는 이유도 바로 여기에 있다.
그러나 디파이 관점에서 보면, AI가 자율 거래를 수행하기 위한 전제는 인간의 의도가 에이전트에 의해 행동을 통해 학습되는 것이다. 이는 인간이 AI에 얼마나 중요한지를 보여주는 것이며, 에이전트가 인간 노동력을 대체하더라도, 그 본질은 인간의 행동을 모방·정리하는 데 있다.
더 나아가 인간은 의도적으로 무작위성을 생성할 수 없고, 미세한 의도조차 통계적 규칙을 따르며, 오히려 인간의 생리적 특성만이 진정한 무작위성을 지닌다. 예를 들어, “나는 생리적으로 이테나(Ethena)의 마켓메이킹 전략을 좋아하고, XX의 아비트리지 전략은 싫어한다”는 주장조차 모호한 선호를 담고 있다.
확실한 사실은, 블록체인/디파이를 AI 인프라로 삼으려는 시도가 지난 10년간 비극적인 실패를 겪었고, deAI/deAgent/deOpenclaw 등도 유사한 운명을 겪을 것이라는 점이다.
최신 대규모 언어모델을 직접 활용해 디파이 구조 전반을 개조하는 방식—예를 들어, 마이토스 테스트 후 계약은 기본적으로 보안을 갖추고, 어떤 변경사항도 실시간으로 탐지되어 위험 등급이 상승한다—도 가능하다.
한편 인간 조직 측면에서 AI는 ‘사람을 필요로 하지 않되, 사람의 ‘능력’만을 필요로 한다’는 선택을 한다. 디파이는 이에 가장 적합한 산업이며, 심지어 그 이상의 산업은 없다. 규칙이 설계된 후 디파이는 보안 전제 하에서 자본 효율성을 높이는 데만 집중하며, 자율주행의 L1/L2/L3/L4 등급화를 참고하면, 반드시 ‘정보 접근 권한 → 제한된 자금 사용 권한 → 전면적 자금 사용 권한’의 단계를 거칠 것이다.
에이전트가 엔지니어링화된 트레이더 역량과 큐레이터(Curator) 관리 역량을 지속적으로 학습한다면, 거래 및 수익 분야에서 인간을 능가할 수밖에 없다. 그러나 안타깝게도, 축적된 디파이 데이터는 아직 AI 시스템에 의해 체계적으로 학습·훈련되지 않았고, 현재의 암호화폐 AI는 여전히 자금 조달 단계에 머물러 있다.
그러나 나는 실제 자금 운용이 AI가 디파이를 개조하는 다음 단계의 주류가 될 것임을 확신한다. 이것은 피할 수 없는 흐름이다.
그렇다면 보안(계약)과 조직(인간)이 재정비된 후, 토큰 경제학은 어떤 형태로 진화할 것인가?
- PoW 시대의 토큰은 컴퓨팅 파워 소비 증서였고, 이는 현재의 AI 토큰과 거의 동일하다.
- PoS 시대의 토큰은 기대 수익 할인 증서였고, AI 토큰은 이미 이 방향으로 진화하고 있다(‘사람을 대체하는 능력’ 제공이 바로 이 경제적 가치의 AI 표현이다).
- AI 시대의 크립토 토큰은 이미 우리의 엔지니어링 범주를 넘어서며, 이에 대한 예측은 이론적 추론에 의존할 수밖에 없다.
스카이(Sky)가 토큰 배분량을 통해 각 채널의 APY를 조절하고, 클로드가 토큰 소비량을 모델 능력의 가격 책정 기준으로 삼는 것을 참고하면, 향후 크립토 토큰은 대부분 ‘자본 수익률(Return on Capital)’ 증서가 될 가능성이 높다.
이때 구분해야 할 점은, PoS 시대의 토큰—예컨대 $ETH 등—은 기대 수익이 경제학적 가정이며, 선험적 경험 추론에 기반한 반면, AI의 엔지니어링 설계 하에서 디파이의 각종 매개변수는 실제 상황에 무한히 근접하게 되며, 그 수익률과 리스크 수준은 높은 신뢰도를 지니고 실시간으로 검증된다.
더 나아가 사용자는 디파이 프로토콜이 사용하는 대규모 언어모델과 에이전트, 그리고 하네스 최적화 지표 점수에 따라 토큰의 현재 시세를 결정할 수 있으며, 긍정적으로 평가하면 매수하고, 부정적으로 평가하면 매도할 수 있다.
맺음말
말할 수 없는 수천 가지 고민과 인간의 예측 불가능한 미래.
디파이의 미래는 경제적 차원과 기술적 차원으로 나뉜다. 토큰 경제학은 아직 좋은 해결책을 찾지 못했지만, 보안 측면에서는 약간의 희망이 보인다. 클로드 마이토스는 세상을 위협할 수 있을 만큼 강력하므로, 반대로 생각하면 돈을 잘 관리할 수도 있다.
알파고(AlphaGo)는 바둑 문제를 완전히 해결했고, 클로드는 프로그래밍 문제를 완전히 해결했다. 이런 사례는 앞으로 더욱 많아질 것이며, 디파이의 계약, 인간의 조직, 심지어 경제의 가격 산정 단위조차도 최적화될 이론적 공간이 존재한다.
적어도 인간은 완전히 대체될 걱정은 하지 않아도 된다. 데이터가 값어치를 잃는 시대에는 인간의 행동 자체가 의미를 지니며, 현재로서는 에이전트가 인간을 대체하는 것도 여전히 ‘미니 과제(Micro-task)’, ‘미니 지불(Micro-payment)’ 등 반복적인 세부 작업에 머물러 있다. 이러한 반복적이고 복제 가능한 행위가 가치를 창출하도록 해야 하며, AI는 데이터와 콘텐츠의 가치를 무한히 낮추어 제로 비용에 근접하게 만들고 있다. 동시에 AI 토큰과 크립토 토큰의 단위 경제적 가치(비용)도 계속해서 하락하고 있다. 이것이 대세이다.
더 나아가, 이는 인간에게 금전이 진정으로 개인의 문을 열어준 첫 사례라고도 할 수 있다. AI 작업에 사용할 수도 있고, 크립토를 소비에 사용할 수도 있다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
@zuoyeweb3
