테크 CEO들의 'AI 만능론', 숫자는 아직 그렇게 말하지 않는다

• 요즘 테크 업계의 AI 분위기가 꽤 이상한 방향으로 튀고 있음

  • 클라우드 초창기처럼 비용이 폭주하던 시절과 닮은 구석도 있는데, 동시에 매출은 사상 최대인데 해고도 대규모로 벌어지는 전례 없는 장면이 같이 나오고 있음
  • TechCrunch는 이 현상을 두고 일부 CEO들이 집단적으로 'AI 과대망상'에 빠진 것 아니냐는 식으로 짚음

• 이 표현을 그냥 AI 반대론자가 꺼낸 게 아니라는 점이 포인트임

  • Box 창업자 애런 레비는 X에서 "CEO들은 AI psychosis에 유독 취약하다"고 썼음
  • 이유는 CEO들이 실제 가치가 만들어지는 업무의 마지막 단계에서 충분히 멀리 떨어져 있기 때문이라는 것
  • 레비는 평소 AI에 굉장히 긍정적인 사람이고, 팔로워 270만 명에게 AI 낙관론을 자주 공유하며 AI 스타트업에도 엔젤 투자하는 쪽임

• 레비가 말하는 문제는 이거임. CEO는 AI로 프로토타입 하나 만들고 계약서 초안 하나 뽑아본 뒤, 곧바로 "이제 에이전트가 일을 다 하겠네"로 점프한다는 것

  • 하지만 실제 배포 전 코드를 리뷰하고, 버그를 찾고, 존재하지 않는 라이브러리를 호출한 환각을 잡는 사람은 CEO가 아님
  • 회사마다 다른 계약 조건을 AI에 맞게 학습시키거나, 계약서 속 교묘한 조항을 며칠씩 뒤지는 사람도 CEO가 아님
  • 결국 자동화 가능한 일과 아직 사람이 붙어야 하는 일을 구분할 만큼 프로세스를 깊게 모르는 상태에서 큰 결정을 내릴 수 있다는 얘기임

• 숫자로 보면 더 세게 다가옴

  • Layoffs.fyi 기준으로 2026년에는 지금까지 152개 테크 회사에서 11만5430명이 해고됐음
  • 2025년 전체는 275개 회사에서 12만4636명이었음
  • 많은 회사가 감원 이유로 AI를 언급하고 있고, 일각에서는 실제 생산성 향상보다 AI를 명분으로 포장하는 'AI 워싱' 아니냐고 봄

• ClickUp 사례는 꽤 노골적임

  • 프로젝트 관리·생산성 소프트웨어 스타트업 ClickUp의 CEO 제브 에반스는 내부 업무를 위해 약 3000개의 AI 에이전트를 배포한 뒤 직원 22%를 해고했다고 X에 공개함
  • 그는 비용 절감이 목적이 아니라고 주장했고, 사람들이 AI 에이전트를 운용하고 결과물을 빠르게 리뷰하는 조직을 원한다고 말함
  • 이걸 스스로 '100x org'라고 부르는데, 말만 들으면 거의 조직 운영의 치트키처럼 들림

• 그런데 연구 데이터는 아직 그 정도 낙관론을 받쳐주지 못함

  • UC 버클리 California Management Review에 10월 실린 메타분석은 AI 도입과 총생산성 향상 사이에 견고한 관계가 없다고 봄
  • 3월 전미경제연구소(NBER) 연구는 AI 도입이 생산성을 높인다고 결론 내리긴 했지만, 체감 생산성 향상이 측정된 생산성 향상보다 더 큰 '생산성 역설'을 함께 지적함
  • MIT 연구진은 수천 개의 에이전트를 작업에 투입해본 뒤, 많은 경우 아직 인간 품질의 일을 하지 못한다고 결론 냄

• MIT 쪽 전망도 CEO들의 기대보다는 훨씬 느림

  • 현재 LLM 개선 속도라면 2029년쯤 대부분의 텍스트 관련 작업에서 평균 80~95% 성공률로 최소한의 품질을 낼 수 있을 것으로 봄
  • 쉽게 말하면 3년 뒤에야 많은 작업에서 '기본은 하는' 수준에 도달한다는 얘기임
  • 연구진은 에이전트가 인간을 능가하려면 그 뒤로도 몇 년은 더 필요하다고 봄

• AI가 일을 더 많이 만들어낼수록 병목이 사라지는 게 아니라 위치가 바뀔 수도 있음

  • Harvard Business Review 연구는 모두가 AI로 더 많은 산출물을 만들면, 최종 승인권을 가진 임원 쪽으로 병목이 이동한다고 봄
  • 모두가 실행 권한을 갖게 되면 조직이 빨라지는 대신 통제가 어려워질 수 있음
  • OpenAI가 지난해 겪었던 혼란을 떠올리면, "AI로 더 많이 만든다"가 곧 "조직이 더 잘 굴러간다"는 뜻은 아님

• 결론은 AI를 쓰지 말자는 얘기가 아님. 오히려 제대로 써봐야 과대평가도 줄어든다는 쪽에 가까움

  • 레비는 CEO들이 AI를 아주 많이 써보고, 가능성과 실제 필요한 작업을 둘 다 이해해야 한다고 말함
  • 개발자 입장에서는 이 논쟁이 꽤 현실적임. AI가 코드를 만들 수 있느냐보다, 그 코드가 배포 가능한지 검증하고 책임지는 구조가 있느냐가 더 중요하기 때문임
  • 지금처럼 'AI가 하니까 사람 줄여도 됨'으로 바로 가면, 생산성 혁신보다 조직 혼란이 먼저 올 가능성이 큼

---

기술 맥락

• 여기서 핵심 기술 선택은 대규모 언어 모델(LLM)을 단순 보조 도구가 아니라 AI 에이전트 형태로 조직 업무에 투입하는 거예요. 왜 중요하냐면, 이 순간부터 AI는 문장 몇 개를 생성하는 도구가 아니라 코드, 계약, 내부 프로세스 산출물을 만들어내는 실행 주체처럼 취급되거든요.

• 문제는 에이전트가 만든 결과물을 검증하는 레이어가 아직 충분히 자동화되지 않았다는 점이에요. 코드라면 빌드, 테스트, 보안 리뷰, 존재하지 않는 라이브러리 호출 확인이 필요하고, 계약서라면 회사별 조항과 리스크를 사람이 끝까지 봐야 해요.

• CEO들이 보는 데모와 실무자가 만지는 운영 환경 사이에는 꽤 큰 간격이 있어요. 데모에서는 한 번 성공한 결과가 강하게 보이지만, 실제 조직에서는 실패율, 재작업, 승인 병목, 책임 소재가 같이 따라오거든요.

• 그래서 이 기사의 기술적 포인트는 AI 성능이 좋아지느냐가 아니라, AI 산출물을 조직 시스템 안에서 어떻게 검증하고 승인하고 책임질지에 가까워요. 그 구조 없이 에이전트 수만 늘리면 생산성보다 리뷰 대기열과 운영 혼란이 먼저 커질 수 있어요.