AI 산업 혁명, 우리는 지금 어디에 있는가?

2026.05.27

AI 산업 혁명, 우리는 지금 어디에 있는가?

AI 물결 속에서 대부분의 기업은 단지 도구를 중첩할 뿐이며, 조직과 워크플로우를 재구성하는 것이야말로 진정한 산업 혁명이다.

2026.05.27 - 01:28:11

Web3 심층 보도에 집중하고 흐름을 통찰

AI 물결 속에서 대부분의 기업은 단지 도구를 중첩할 뿐이며, 조직과 워크플로우를 재구성하는 것이야말로 진정한 산업 혁명이다.

글쓴이: 윌 아왕

지난 1년간 나는 몇 차례 AI 관련 업계 컨퍼런스에 참석했다. 무대 위 연사들은 차례로 AI의 화려한 기능을 시연했고, 관객들은 휴대폰으로 화면을 찍어 SNS에 올린 뒤 다시 스마트폰을 손에 쥐고 스크롤을 내렸다. 그러나 사무실로 돌아가면 여전히 같은 주간 회의, 같은 승인 절차, 같은 주간 보고서가 반복될 뿐이었다. 대기업들은 이미 토큰 소비량을 KPI에 포함시켰고, 일부 직원은 스크립트를 이용해 토큰 사용량을 부풀리는 방식으로 ‘모범 직원’이 되기도 했다. SNS에서는 오늘은 클로드(Claude)가 혁명이라더니, 내일은 코덱스(Codex)가 위대하다더니, 모레는 제미나이(Gemini)가 만세라고 외친다—이것이 진정한 혁명을 맞이하는 태도일까, 아니면 단지 무작정 따라가는 허둥지둥일까?

이 모든 것은 잡음일 뿐, 내가 원하던 해답은 아니다.

진짜 문제는 AI가 충분히 강력하지 않다는 것이 아니다—증기기관은 이미 만들어졌다. 진짜 문제는 누가 먼저 오래된 공장 건물을 철거할 것인가이다.

산업혁명이 진정으로 시작된 날은 워트(Watt)가 증기기관을 개량한 날이 아니라, 랭커셔(Lancashire)주의 공장주가 강변을 떠나 증기기관을 중심으로 새 공장을 재설계하기로 결심한 날이었다. AI의 가장 중요한 순간 역시 마찬가지다—대규모 언어모델이 발명된 날이 아니라, 첫 번째 조직이 기존 업무 프로세스를 과감히 폐기하고 AI를 중심으로 생산 방식을 전면 재구성하기로 결정한 날이다. 그 날은 아직 오지 않았다. 그러나 이미 도래하고 있다.

이 사실을 아주 일찍 간파한 두 사람이 있다. 노션(Notion) CEO 조 이완(Zhao Yiwan)은 2025년 말 ‘Steam, Steel, and Infinite Minds’라는 글을 발표하며 냉정하게 진단했다: 우리는 여전히 ‘물레를 증기기관으로 교체하는 단계’에 머물러 있다—기존 도구에 AI 챗봇을 덧붙이는 수준일 뿐, 누구도 공장을 재설계하지는 않았다. 한편 오픈AI 전직원 레오폴드 아셴브레너(Leopold Aschenbrenner)는 다른 길을 택했다. 165페이지 분량의 보고서 ‘Situational Awareness’를 작성한 후, AI 인프라에 전액 투자하는 펀드를 설립해 자산을 2억2,500만 달러에서 136억8,000만 달러로 늘렸다. 한 사람은 내부를 들여다보며, 또 한 사람은 외부를 향해 베팅하고 있다.

이 글은 그들에 대한 이야기가 아니다. 우리 자신—즉 지금 우리가 어디에 서 있는지, 그리고 어떤 역사적 장면을 반복하고 있는지를 다루는 글이다.

(1835년 토머스 앨롬(Thomas Allom)의 원화를 바탕으로 J. 틩글(J. Tingle)이 제작한 목판화 ‘파워-룸 직조(Power-loom weaving)’ / 위키미디어 커먼즈)

일, 공장은 여전히 오래됐다

대다수 사람들의 하루는 이렇게 흘러간다: 아침에 AI로 이메일 한 통을 작성해 10분을 절약한다. 그러고 나서 실질적으로 필요 없는 주간 회의에 2시간을 소비한다. 오후에는 세 가지 도구 사이에서 동일한 데이터를 복사-붙여넣기하며 시간을 낭비한다. 밤이 되면 SNS에 ‘AI 진짜 맛있다’는 글을 올린다. 절약한 10분은 기존 업무 프로세스에 의해 그대로 흡수되어 버린다.

증기기관이 등장했을 때도 공장주는 처음엔 단순히 물레를 증기기관으로 교체했을 뿐, 나머지는 모두 그대로 두었다—공장은 여전히 강변에 지어졌고, 여전히 다층 구조였으며, 여전히 중앙 축을 통해 전체 생산라인을 구동했다. 우리는 챗GPT를 슬랙(Slack)에 집어넣고, 코파일럿(Copilot)을 오피스(Office)에 추가하며, AI 챗창을 업무 흐름에 삽입한다—그저 같은 일을 반복하고 있을 뿐이다. 도구는 업그레이드되었지만, 공장은 변하지 않았다.

새 기계를 도입한다고 해서 공장이 자동으로 바뀌는 것은 아니다. 맥클루언(McLuhan)의 말처럼:

우리는 후방 미러를 통해 미래로 향하고 있다. 오래된 프로세스로 새 도구를 수용하는 것은 초기 영화가 단지 무대극을 촬영한 것과 같다. 진정한 돌파구는 누군가 증기기관을 강변에서 완전히 벗어나게 하고, 새로운 동력원을 중심으로 전체 생산 방식을 재설계할 때 비로소 찾아온다.

산업혁명의 시간선과 AI의 발전을 비교해 보면, 우리가 현재 어느 위치에 있는지 가늠할 수 있다:

현재의 시간선은 극도로 압축되었다. 산업혁명은 증기기관 발명에서 철도 열풍까지 60년이 걸렸지만, AI는 트랜스포머(Transformer) 등장에서 데이터센터 건설 열풍까지 단 7년밖에 걸리지 않았다.

속도는 문제가 아니다. 진짜 문제는 우리가 어디에 막혀 있는가이다—표의 상위 네 줄은 모두 ‘오래된 공장에 새 기계 설치’ 단계에 머물러 있다. 증기기관은 이미 설치되었고, 철도도 이미 깔리고 있지만, 생산 방식은 그대로다. 여섯 번째 줄이야말로 진정한 분기점이다. 우리는 거의 확실히 이 두 단계 사이에 걸려 있다.

증기기관은 이미 우리 손에 쥐어졌으나, 공장은 여전히 오래됐다.

이, 돈은 공장에서 가장 먼 층에 모두 몰렸다

인프라는 언제나 과잉 건설된다. 결국 파산하는 건 투자자지, 인프라는 아니다.

1846년 영국 의회는 263개의 철도법안을 통과시켜 9,500마일의 신규 철도 건설을 승인했다. 철도 투자 정점 시기에는 영국 GDP의 13%가 철도에 투입되었다. 철도 주식은 10%의 예치금만으로도 구매 가능했고, 중산층이 대거 유입되었다. 그러나 거품은 1847년에 붕괴됐다. 승인된 노선의 3분의 1은 결국 건설되지 않았고, 수많은 투자자가 막대한 손실을 입었다. 다윈(Darwin)도 철도 주식에 투자해 60%의 손실을 봤는데, 그의 운은 대부분 사람들보다 훨씬 좋았던 편이었다.

하지만 철도는 남았다.

오늘날의 AI 인프라도 똑같은 길을 걷고 있다. 골드만삭스(Goldman Sachs)의 최근 추산에 따르면, 2026년 글로벌 AI 인프라 자본지출은 7,650억 달러에 달하며, 2031년에는 연간 1.6조 달러에 이를 전망이다. 초대형 클라우드 업체의 자본지출은 운영 현금흐름 대비 비중이 2023년 약 40%에서 2025년에는 약 70%로 급증했다. AI 관련 투자는 미국 전체 투자의 약 4분의 1을 차지한다. 아셴브레너의 136억8,000만 달러는 바로 이 계층—즉 어떤 애플리케이션이 성공할지가 아니라, 근본적인 컴퓨팅 파워 자체에 베팅한 것이다.

이 자본 순환 구조는 부동산 개발과 동일하다. 데이터센터 건설은 건물 짓기와 같고, 토지는 전력이며, 자재는 GPU와 저장장치이고, 하도급업체는 데이터센터 건설사이며, 개발사는 클라우드 업체이고, 임차인은 AI 애플리케이션 기업이며, 임대료는 API 수익이다. 클라우드 업체의 비즈니스 모델은 ‘임대료로 대출을 상환하는’ 방식이다—즉 API 수익으로 데이터센터 자본지출을 감당하면서, AI 애플리케이션의 폭발적 성장이 가져올 기업 가치 상승을 기다리는 것이다.

(컴퓨팅 파워 부동산: 한 시대는 한 시대의 인프라를 갖는다)

핵심 리스크 역시 동일하다: API 단가 하락 속도가 호출량 증가 속도로 상쇄되는가? 만약 임대료가 대출 상환 기준선 이하로 떨어진다면—이는 부동산 개발업체가 가장 익숙한 악몽이다. 2008년 위기의 교훈은 ‘지나치게 많은 주택을 지었다’는 것이 아니라, ‘지어진 주택과 실제 수요의 구조가 맞지 않았다’는 것이다. AI의 동등한 리스크는, 일반적인 컴퓨팅 파워는 과잉 공급되지만, 금융 규제 준수, 의료 진단 등 고부가가치 시나리오를 실제로 처리할 수 있는 전문 역량은 여전히 희소하다는 점이다.

철도, 부동산, AI—세 시대의 인프라 투자는 하나의 공통 법칙을 공유한다: 과잉 건설은 정상 상태이며, 자재 공급업체는 항상 가격 주도권을 상실하고, 장기 수익은 ‘핵심 입지’를 보유한 소유주에게 돌아간다. 월스트리트의 Q1 펀드 포트폴리오를 보면 알 수 있듯, 대부분의 자금(약 80%)은 이 인프라 계층—즉 엔비디아(NVIDIA), 데이터센터, 클라우드 인프라에 집중되어 있다. 그러나 철도 열풍이 우리에게 가르쳐준 것은, 이것이 AI 혁명의 전모가 아니며, 심지어 가장 높은 수익률을 보장하는 계층도 아니라는 점이다.

AI의 핵심 입지는 무엇인가? 그것은 독특한 업종 데이터와 깊이 통합된 업무 흐름이다. 개인에게 있어서 진정한 ‘핵심 입지’란 보유한 주식이 아니라, 자신만의 대체 불가능한 판단력과 업계 지식이다—단, 그것들을 AI 중심으로 재구성한 사용 방식이 전제되어야 한다.

진정한 수익은 그 다음 계층에서 나온다. 그러나 인프라에서 가치 창출로 이어지는 길은 매끄럽지 않다. 그 사이에는 틈새가 존재한다—역사적으로, 이 틈새는 수십 년을 삼켜버렸다.

삼, 누가 공장을 철거하고 있는가

공장을 철거하는 사람과 ‘AI로 효율을 높인다’고 말하는 사람은 전혀 다른 일을 하고 있다.

조 이완의 공동창업자 사이먼(Simon)은 과거 ‘10배 속도 프로그래머’로 알려졌으나, 지금은 직접 코드를 작성하는 일이 거의 없다—그는 동시에 3~4개의 AI 코딩 에이전트를 조작하며, 생산성을 30~40배까지 끌어올렸다. 노션은 현재 1,000명의 직원과 700개 이상의 AI 에이전트를 운영 중이다. 차이는 도구가 아니라, 사이먼이 자신의 오래된 공장을 스스로 철거한 반면, 대부분의 사람들은 단지 물레를 교체한 것에 불과하다는 점이다.

중국에서는 6억 명의 사용자가 생성형 AI 도구를 사용해 본 적이 있으며, 전년 대비 142% 증가했다—이는 세계 최대 규모의 AI 수요 풀이다. 그러나 중국 기업 중 단 한 곳도 AI 중심으로 핵심 업무 흐름을 재구성한 사례는 거의 없다. 세계 최대 수요 측면과 거의 정체된 공급 측 조직 개혁이 공존하는 이 모순 자체가 하나의 신호이다: 문제는 도구가 부족해서가 아니라, 조직이 따라오지 못해서이다. 지식 근로의 맥락은 수십 개의 도구와 수십 명의 사람 머릿속에 흩어져 있고, 산출물은 검증 불가능하며, 아무도 전략 메모가 효과적인지 판단할 방법을 모른다.

(AI의 노동시장 영향: 새로운 측정법과 초기 실증 자료)

앤트로픽(Anthropic)은 더 큰 규모로 이미 행동에 나섰다. 그들은 실제 사용 데이터를 기반으로 AI가 어떤 업무 및 업종부터 대체할지를 보여주는 Economic Index를 발표했고, 이를 바탕으로 구체적인 실행 계획을 수립했다: 골드만삭스, 블랙스톤, 헬먼 앤드 프리드먼(Hellman & Friedman)과 함께 AI 네이티브 기업 서비스 회사를 공동 설립했고, KPMG와 전 세계 협업을 위한 글로벌 얼라이언스를 체결해 27만6,000명의 직원이 클로드에 접속하도록 했으며, 액센츄어(Accenture)는 금융, 생명과학, 의료 분야에 특화된 3만 명 규모의 AI 비즈니스 그룹을 구성했다.

이러한 컨설팅 기업들이 맡는 역할은 단순한 AI 사용자가 아니라, AI 시대의 철도 엔지니어이다—그들은 증기기관을 만들지도 않고, 철도를 깔지도 않는다. 그들은 기업이 오래된 공장을 철거하고 새 동력원을 중심으로 생산라인을 재설계하도록 돕는다. 이런 역할이 없으면, 대부분의 공장주는 어디서부터 손대야 할지 알지 못한다.

신호는 이미 깜빡이고 있다. 가장 날카로운 신호는 고용 시장에서 나온다.

22~25세의 청년들이 AI에 고노출되는 직업에 진입할 경우, 저노출 직업에 진입한 동년령 청년보다 취업 확률이 14% 낮다. 초급 포지션은 이미 압박을 받고 있다.

만약 내가 신입 사원이라면, 이 수치는 내 구직 전략에 직접적인 영향을 미친다. 만약 내가 관리자라면, 내가 다음에 채용할 초급 포지션은 아마도 사람이 아닐 수도 있다.

조직은 이미 철거를 시작하고 있다. 그렇다면 개인은 어떠한가? 내 학력, 내 이력, 내가 지금까지 쌓아온 업계 경험—이것들은 모두 나의 ‘물레’이다. 이들은 과거에 나의 전체 생산라인을 구동했으나, 이제 증기기관이 등장했다. 985·211 대학 출신이라는 사실은 더 이상 성공의 보장이 아니라, 내가 과거에 강변에 꽤 훌륭한 공장을 지었다는 증거일 뿐이다.

지금의 질문은, 우리가 그 강변을 떠날 수 있는가이다.

앤트로픽의 데이터에 따르면, AI 도구를 6개월 이상 사용한 사용자의 작업 성공률은 신규 사용자보다 10% 높다. 반년 먼저 출발한 사람은 이미 10% 앞서 있다. 이 격차는 시간이 지남에 따라 복리 효과로 커질 것이다.

하지만 현재로서는 AI를 사용하지 않아서 망한 기업은 아직 없다. 적어도 내 법률사무소는 여전히 AI를 중심으로 활기를 띠고 있다. 승자는 아직 시장에 의해 선정되지 않았다. 학습 곡선은 현실이다—선두 주자는 이미 우위를 쌓고 있으나, 대부분의 사람들은 여전히 출발선에 서 있다.

사, 내 다음 직업의 이름조차 없다

내 현재의 직업 칭호가 10년 뒤에도 여전히 존재할까? 내가 5년 전 매일 사용했던 도구 목록 중 지금까지 살아남은 게 몇 개나 될까? 답은 아마도 부정적일 것이다. 그러나 그 자리를 대체할 것들이 무엇이라고 불릴지 나는 모른다—왜냐하면 그런 것들은 아직 존재하지 않기 때문이다.

역사적으로 모든 신기술은 늘 그렇게 등장했다. 신생 사물은 계획된 결과가 아니라, 오래된 제약 조건이 사라진 뒤 자연스럽게 자라난 것이다.

철도가 건설되기 전, 영국은 고립된 지역 경제체로 나뉘어 있었다. 맨체스터의 면직물 가격은 런던과 30%나 차이가 났고, 각 도시는 자신만의 시간 기준을 사용했으며, 누구도 그것이 문제라고 생각하지 않았다. 철도 건설 이후 20년간 모든 것이 바뀌었다. 전국 단일 시장이 처음으로 형성되었고, 가격 차이는 사라졌으며, 표준 시간은 철도 때문에 강제로 도입된 것이지, 누군가 발명한 것이 아니었다. 역장, 전보원, 여행 대리점 직원—이 모든 직업은 철도 이전에는 존재하지 않았다.

누구도 철도를 깔 때 백화점을 예측하지 못했다. 누구도 증기기관을 만들 때 표준 시간을 예측하지 못했다.

（증기, 강철, 그리고 AI 무한 지능）

도시의 역사도 같은 이야기를 전한다. 수백 년 전의 도시는 인간의 척도로 설계되었다—피렌체를 걸어서 가로지르는 데 40분이 걸렸다. 철골 구조는 마천루를 가능하게 했고, 철도는 도시와 내륙을 연결했으며, 엘리베이터, 지하철, 고속도로가 뒤이어 등장했다. 도쿄, 충칭, 달라스—이 도시들은 단지 더 큰 피렌체가 아니라, 완전히 새로운 삶의 방식이다.

지금의 지식 근로 역시 인간의 척도로 이루어져 있다. 수십 명 규모의 팀이 회의와 이메일로 리듬을 맞추고, 수백 명을 넘어서면 이미 부담이 된다. 우리는 돌과 나무로 피렌체를 짓고 있다. AI는 ‘도쿄’를 가능하게 한다—수천 명의 AI 에이전트와 인간이 협업하는 조직, 시간대를 넘어 지속적으로 작동하는 업무 흐름. 오래된 주간 회의, 분기별 계획, 연간 평가 등은 더 이상 의미가 없을 수 있다.

사이먼은 이미 코드를 작성하지 않는다—그의 일은 ‘AI 에이전트 관리’가 되었다. 이 직책은 2년 전만 해도 존재하지 않았다. 내 다음 직업 칭호는 아마도 지금 당장 이름조차 존재하지 않을 것이다. 그러나 이미 누군가는 우리가 아직 이름조차 부르지 못하는 미래를 만들고 있다.

오, 새 공장은 어떤 모습인가

오래된 공장을 철거한 후, 무엇을 세울 것인가? YC의 대답은 다음과 같다: 회사 스스로가 스스로를 개선하게 하라.

YC의 내부 시스템은 이제 밤중에 스스로 코드를 수정한다. 직원이 낮에 쿼리를 하나 보내고 실패했을 경우, 감독 에이전트가 이 실패를 감지하여 원인을 역추적하고, 스스로 코드를 작성해 수정하고, 검토를 요청하고, 배포까지 완료한다. 다음 날 같은 쿼리는 성공적으로 실행된다. 이 모든 과정은 모든 사람이 잠든 사이에 이루어진다.

이것은 AI가 사람의 생산성을 단지 30% 높여주는 것이 아니다. 이는 시스템이 스스로 전체 사이클을 완주하고, 스스로 어떻게 더 나아질 수 있는지를 깨닫는 것이다.

YC 파트너 톰 블롬필드(Tom Blomfield)는 내부 강연에서 이러한 기업 형태를 ‘재귀적 자기 개선 AI 사이클(recursive self-improving AI loop)’이라 명명했다. 그의 판단은 매우 직접적이다: 대부분의 기업은 여전히 로마 군단과 같다—명령이 위에서 아래로 전달되고, 정보가 아래에서 위로 보고되는 구조이며, 인간은 단지 정보의 통로일 뿐이다. AI가 파괴하는 것은 특정 단계의 효율성이 아니라, 이 전체 계층적 구조 자체가 존재할 수 있는 전제 조건이다.

그가 제시한 새로운 논리는 이렇다: 토큰을 태우라, 사람을 태우지 말라. 병목은 이제 인력에서 컴퓨팅 파워로 이동하고 있다. YC의 데이터에 따르면, 데모 데이(Demo Day)에 진출한 배치 기업들의 1인당 수익은 18개월 전보다 약 5배 증가했다. 중간 관리자의 역할은 AI가 대신 수행하고 있다—‘협업’이라는 행위는 더 이상 인간의 개입이 필요 없다. 모든 사람은 IC(Individual Contributor), 빌더(Builder), 오퍼레이터(Operator)가 되어야 하며, 모든 일에는 명확히 지정된 책임자가 있어야 한다. 위원회는 더 이상 존재하지 않는다.

또 하나의 전제 조건은, 기업이 AI에게 ‘읽을 수 있는’ 상태여야 한다는 것이다. 기록되지 않은 일은 AI에게는 마치 일어나지 않은 것과 같다. YC는 현재 모든 파트너의 이메일을 데이터베이스에 저장하고, 모든 슬랙 메시지와 오피스 아워(office hour) 녹음을 녹취하고 있다. 한 파트너는 3개월간 쌓은 2,000시간 분량의 녹음 자료를 기반으로 AI가 기존 내부 매뉴얼보다 훨씬 나은 150페이지 분량의 새 매뉴얼을 자동 생성해냈다. 이 매뉴얼은 매월 자동 업데이트되어, 항상 신선함을 유지하는 ‘살아 있는 두뇌(living brain)’가 되었다.

톰은 마지막 질문을 던진다:

만약 오늘 당신의 회사를 처음부터 새로 설립한다면, 이런 형태로 구성할 것인가? 만약 당신의 회사가 이미 계층적 구조를 갖췄다면, 더 어려운 질문을 해야 한다—그 구조를 완전히 재구성하는 고통이, 계속해서 로마 군단처럼 운영하는 데 드는 비용보다 크지 않을까?

사람은 공장의 중심부에 있지 않고, 외곽에 있다—즉 AI가 아직 접근하지 못하는 영역, 즉 오프라인 판단, 완전히 새로운 상황, 높은 위험과 강렬한 감정이 얽힌 순간을 담당한다. 기업의 중심부는 데이터, 기록, 업계 지식으로 구성된 ‘기업 두뇌(company brain)’이다. 그 위에서 작동하는 소프트웨어는 소모품이며, 생성할 수 있으면 다시 생성할 수 있다. 진짜 가치는 사람의 머릿속에 있다—비즈니스가 어떻게 돌아가는지, 어떤 단계에서 판단이 필요한지에 대한 이해가 바로 진정한 자산이다.

조 이완이 ‘Steam, Steel, and Infinite Minds’에서 묘사한 방향은 바로 이것의 또 다른 측면이다—1,000명의 직원과 700개 이상의 AI 에이전트가 협업하는 조직에서, 인간은 판단을 담당하고, 에이전트는 실행을 담당한다. 아셴브레너는 컴퓨팅 파워 인프라에 베팅했고, 조 이완은 조직 재구성에 베팅했다. 두 길은 결국 같은 종착점으로 향한다: AI 중심으로 재구성된 새로운 생산 방식이다.