Field note · 2026-04-30

AI가 바꾸는 일의 구조 — 업종별 디커플링과 내재화의 원리

2025년, MerriamWebster는 올해의 단어로 "slop"을 선정했다. 사전적 정의는 단순하다. "질 낮고 대충 만든 것." 이 단어가 AI 업계에서 빠르게 퍼졌다. AI가 생성한 저품질 콘텐츠, 블로그 포스트, 이미지들을 가리키는 말로. 그리고 같은 현상이 제품 영역에도 나타났다. AI App Slop — LL

AI가 바꾸는 일의 구조 — 업종별 디커플링과 내재화의 원리

2025년, Merriam-Webster는 올해의 단어로 "slop"을 선정했다. 사전적 정의는 단순하다. "질 낮고 대충 만든 것." 이 단어가 AI 업계에서 빠르게 퍼졌다. AI가 생성한 저품질 콘텐츠, 블로그 포스트, 이미지들을 가리키는 말로.

그리고 같은 현상이 제품 영역에도 나타났다. AI App Slop — LLM을 붙였지만 실질적 가치나 차별성 없이 양산된 저품질 AI 앱. API를 래핑하고, "AI 기능이 있다"는 사실만 남긴 제품들. "AI를 썼다는 사실 외에는 아무것도 남지 않는 제품."

이걸 다시 들여다보면, 단순한 품질 문제가 아니라는 걸 알게 된다.

Slop은 AI 기술이 디커플링한 자리에서 쏟아지는 양산품이다.

업무에는 흐름이 있다. 어떤 결과물이 나오기까지 End-to-End로 이어지는 과정. 이 흐름이 기업 내부에 있으면 워크플로우, 기업과 기업 사이를 넘나들면 서플라이체인이다.

이 흐름 안에는 기존 방식으로는 부득이하게 거쳐야 했던 단계들이 있다. 그런데 새로운 기술이나 서비스가 등장하면 그 단계들을 건너뛰거나 대체할 수 있게 된다. 이것이 디커플링 포인트다. 체인 사이에 끼어 있던 것들이 새 기술로 단축되는 지점.

AI는 지금 수많은 워크플로우와 서플라이체인에서 그 지점들을 빠르게 찾아내고 있다. 그리고 그 자리를 차지한 AI가 대체하고 양산하는 것들 — 그게 Slop이다.

이게 제품 레벨에서만 일어나는 일이 아니다.

개인의 일에서도 마찬가지다. AI 결과물을 그대로 복붙하고, 검토 없이 제출하는 것. 흐름 안에서 AI가 대체할 수 있는 부분만 넘기고, 정작 자신이 들어가야 할 자리는 비워두는 것이다.

그렇다면 진짜 질문은 이것이다. 체인에서 AI가 대체할 수 없는 것은 무엇인가. 그것을 찾아내는 능력을 Taste와 Judgment라고 부른다. 그리고 그 능력을 갖추는 것이 AI Literacy다.

먼저, 속도를 직시해야 한다

2026년 1월, 세계경제포럼에서 Anthropic CEO Dario Amodei는 이렇게 말했다.

"Anthropic에서 작성되는 코드의 70~90%는 Claude가 작성한다. 6~12개월 내 소프트웨어 엔지니어링의 거의 전부를 AI가 담당할 것이다."

이건 미래 예측이 아니다. 현재 진행형이다.

벤치마크 수치가 이 속도를 보여준다. 실제 GitHub 이슈를 AI가 얼마나 해결할 수 있는지 측정하는 SWE-bench에서 최고 성능 모델은 2024년 14%였다. 2026년 현재 77%다. 2년 만에 다섯 배.

법률 분야도 같은 곡선을 그린다. Clio의 조사에 따르면 법률 전문가의 AI 사용률은 2023년 19%에서 2024년 79%로 단 1년 만에 60%포인트 급등했다. Harvey AI는 창업 36개월 만에 연매출 1억 달러를 달성했고, AmLaw 100 대형 로펌의 42%가 도입했다.

그렇다면 그 경계는 어디에 있는가. 지금 배우기 시작해도 사라질 것은 무엇이고, 대체되지 않을 것은 무엇인가.

사라지는 것과 남는 것

사라지는 것은 생각보다 이미 구체적이다. 보일러플레이트 코딩, 단순 계약서 초안, 판례 데이터베이스 검색, 의료 영상의 이상 패턴 1차 스크리닝, 제품 상세 페이지 카피, 수요 예측 모델 실행. 이것들은 이미 AI가 더 빠르고 저렴하게 처리한다.

프리랜서 플랫폼 Upwork에서 글쓰기 직종 게시물은 ChatGPT 출시 이후 33% 감소했다(Brookings 연구, 2024). 22~25세 소프트웨어 개발자 고용은 2022년 고점 대비 20% 줄었다. 단순 반복 업무의 소멸은 이미 시작됐다.

남는 것은 하나의 단어로 요약된다: Taste와 Judgment.

Taste는 무엇이 중요한지, 무엇이 중요하지 않은지를 판별하는 능력이다. AI는 수천 개의 옵션을 생성하지만, 그중 어떤 것이 옳은지를 결정하는 것은 여전히 인간의 영역이다. Judgment는 AI가 내놓은 결과를 검증하고 선택하는 능력, 맥락과 책임이 개입하는 의사결정이다.

McKinsey는 이를 "에이전틱 오케스트레이션"이라고 부른다. AI 에이전트들을 지휘하는 인간의 역량. 이 역량에 관한 직무는 2023년 100만 개에서 2025년 700만 개로 7배 증가했다.

업종별 펀더멘털은 다르다

여기서 중요한 전제가 있다. AX(AI Transformation) 전략은 업종 불문 동일하게 적용되지 않는다.

금융의 펀더멘털은 리스크/수익률 균형이다. 의사결정의 모든 지점에 리스크가 내재되어 있고, 규제가 강하며, 오류 비용이 비대칭적이다. 법률의 펀더멘털은 판단의 책임 귀속이다. 최종 결과의 법적 책임이 변호사 개인에게 귀속되기 때문에 책임 경계가 모든 프로세스에 그림자처럼 따라다닌다. 의료는 환자 안전 최우선이다. 오류의 비가역성이 시스템 전체를 설계한다. 제조는 처리량·품질·비용의 트레이드오프다.

이 펀더멘털의 차이가, AI를 어디에 어떻게 쓸 수 있는지를 결정한다.

디커플링 포인트를 찾는다는 것

그렇다면 조직은 어디서부터 시작해야 하는가.

핵심 개념은 디커플링 포인트(Decoupling Point) 다. 워크플로우와 서플라이체인 안에서 AI 에이전트에게 위임 가능한 지점을 식별하는 것이다. 디커플링 가능한 지점에는 세 가지 공통 조건이 있다.

첫째, 인터페이스가 명확하다. 입력과 출력이 구조화되어 있고, 성공 기준을 사전에 정의할 수 있다.

둘째, 컨텍스트 독립성이 높다. 조직 전체의 암묵지 없이도 에이전트가 단독으로 완결할 수 있다.

셋째, 검증이 가능하다. 결과물의 정·오를 기계적으로, 또는 인간 단일 검토로 확인할 수 있다.

이 세 조건이 모두 충족될 때만 에이전트 위임이 유효하다.

반대로 디커플링이 불가능한 지점은 항상 같은 이유를 가진다. 암묵지가 집중되어 있거나, Taste와 Judgment가 필요하거나, 책임 귀속이 인간에게 떨어지는 지점이다.

업종별로 보면 이렇다

금융: JPMorgan은 400개 이상의 AI 유스케이스를 운영 중이다. 이상거래 탐지, 계약서 분석, 고객 문의 처리가 디커플링된 지점들이다. Bank of America의 Erica는 2026년 현재 누적 30억 건의 상호작용을 처리했고, 고객 문의의 98%를 추가 인간 개입 없이 해결한다. 그러나 최종 신용 결정과 컴플라이언스 승인은 여전히 인간의 영역으로 남아 있다.

법률: Harvey AI가 AmLaw 100의 42%에 도입되었다는 사실은 상징적이다. 판례 리서치, 계약서 초안, 문서 분류는 이미 AI가 처리한다. 그러나 소송 전략, 의뢰인 관계, 법적 판단은 변호사가 유지한다. Clio의 분석에 따르면 법무 비서 업무의 81%, 변호사 업무의 57%가 AI 자동화 가능하다.

의료: FDA는 2025년 말 기준 1,451개의 AI 의료기기를 승인했다. 그 76%가 방사선과, 즉 영상 판독 분야다. AI가 이상 패턴을 플래깅하고 우선순위를 정하면, 판독 시간이 20~30분 단축된다. 그러나 최종 진단과 치료 결정, 법적 책임은 의사가 가져간다.

제조: Siemens와 BlueScope의 예지보전 사례는 구체적이다. AI 도입 후 3년간 비계획 다운타임 2,000시간을 절감하고, 53건의 완전한 공정 중단을 사전에 방지했다. 현대트랜시스는 AI 품질검사 정확도를 93%에서 99.9%로 끌어올렸다.

비용이 0에 수렴할 때 — 콘텐츠의 역설

디커플링 이야기에서 특별히 주목할 현상이 있다. 콘텐츠 제작에서 벌어지고 있는 일이다.

AI로 인해 콘텐츠 제작 한계비용이 0에 수렴하고 있다. 이론적으로는 외주가 더 쌀 이유가 없어진다. 실제로 일어나는 일은 무엇인가.

Make-or-Buy 결정이 역전되고 있다.

전통적으로 콘텐츠를 외주하는 근거는 두 가지였다. 전문성의 경제와 고정비 회피. 그런데 AI로 한계비용이 0에 가까워지자, 이 두 근거가 모두 무력화됐다. 오히려 내재화의 이유가 선명해졌다.

내재화를 정당화하는 트리거는 세 가지다.

첫째, 개인화 데이터 독점. Bank of America는 AI로 연간 120억 건의 개인화 알림을 발송한다. 고객의 거래 패턴, 자산 상황, 행동 데이터가 없으면 이 콘텐츠는 만들 수 없다. 외부 에이전시는 이 데이터에 접근할 수 없다.

둘째, 컴플라이언스 책임 귀속. 금융·보험·의료에서 콘텐츠의 정확성과 준법 책임은 조직에 귀속된다. HIPAA는 환자 건강정보를 외부 AI 벤더에 전송하려면 사업 협력 계약을 요구한다. 이 규제 구조가 내재화 압력을 만든다. OpenAI가 의료기관을 위한 HIPAA 준수 환경을 별도로 출시한 것도 이 맥락이다.

셋째, 브랜드 일관성. AI로 콘텐츠 생산량이 폭발적으로 증가할 때, 다수의 외부 공급자를 통한 일관성 유지 비용이 내재화 비용을 초과하는 지점이 생긴다.

아이러니하게도 콘텐츠 비용이 낮아질수록, "왜 외부에 줘야 하나?"가 진짜 질문이 된다.

증거는 이미 나타나고 있다. Amazon은 Seller Central에 AI 상품 설명 생성 도구를 직접 내장했다. 90만 명 이상의 판매자가 사용 중이다. Booking.com은 파트너가 제공하는 정보에만 의존하던 방식에서 벗어나, AI로 이미지와 리뷰에서 직접 콘텐츠를 생성하는 방식으로 전환했다. Expedia는 여행 계획부터 예약, 사후 관리까지 AI 버디 Romie에게 통합했다.

프리랜서 플랫폼의 데이터는 이 전환을 역방향에서 확인해준다. Upwork의 글쓰기 직종 게시물은 2025년 한 해에만 32% 추가 하락했다. 전체 콘텐츠 마케팅 시장은 성장하고 있지만, 외주 단순 카피라이팅 세그먼트는 수축하고 있다.

그렇다면 AI Literacy란 무엇인가

다시 처음으로 돌아온다.

AI App Slop이 방어기제가 되는 이유, 개인이 AI 결과물을 검토 없이 제출하는 이유. 그 밑에는 하나의 공백이 있다. 무엇이 대체되고, 무엇이 대체되지 않는지를 모른다는 것.

그것을 아는 것이 AI Literacy다.

그런데 여기서 말하는 AI Literacy는 프롬프트 작성 방법이 아니다. Fortune이 2025년에 보도했듯, "$200K 직군"으로 각광받던 프롬프트 엔지니어는 이미 독립 직군으로서 소멸 중이다. 모든 직종에 흡수된 기본 기술이 됐다.

진짜 AI Literacy는 이것이다:

  • 자신의 업종 워크플로우와 서플라이체인에서 디커플링 포인트를 찾을 수 있는 능력
  • AI 결과물을 검증하고 선택하는 Judgment
  • 무엇을 만들지를 결정하는 Taste
  • 에이전트에게 무엇을 위임하고 무엇을 자신이 보유할지 판단하는 구조적 사고

Gartner는 이렇게 예측한다. 2027년까지 AI 리터러시를 강조하는 조직은 그렇지 않은 조직 대비 재무 성과가 20% 높을 것이다.

McKinsey는 이미 현재 시제로 경고한다. 직원들은 경영진이 예상하는 것보다 3배 더 많이 AI를 사용하고 있다. 이를 "리더십 사각지대"라고 부른다.

결국 남는 질문

AI App Slop의 반대편에는 무엇이 있는가.

AI를 지웠을 때도 해결하려는 문제가 선명하게 남아 있는 제품. 그리고 그 제품을 만드는 조직에는, 자신의 워크플로우를 읽고, 디커플링 가능한 지점을 찾고, 에이전트에게 올바르게 위임하며, 동시에 Taste와 Judgment는 끝까지 자신이 보유하는 사람이 있다.

기술이 아무리 빨라져도, 그 판단은 사람의 것으로 남는다.

References

  • Anthropic Research: "How AI Is Transforming Work at Anthropic" (2025)
  • Fortune: "Top engineers say AI writes 100% of their code" (2026.01)
  • SWE-bench Leaderboard (2026): swebench.com
  • Clio: "Legal Trends Report 2024" — 법률 AI 사용률 19%→79%
  • Artificial Lawyer: "Harvey reaches $100M ARR" (2025.08)
  • JPMorgan Chase: 2024 Annual Report & Chairman Letter
  • BofA Newsroom: "30 Billion Client Interactions" (2026.03)
  • IntuitionLabs: "FDA AI Medical Device Tracker" (2026)
  • Lancet eClinicalMedicine: AI radiology adoption survey (2025)
  • Siemens: BlueScope Predictive Maintenance Case Study
  • Amazon: "New AI tools for sellers" (2024.09)
  • OpenAI: Booking.com Case Study; OpenAI for Healthcare
  • Brookings Institution: "Is Generative AI a Job Killer?" (2024)
  • Deloitte: Global Outsourcing Survey 2024
  • McKinsey: "Superagency in the Workplace" (2025)
  • Gartner: Top Data & Analytics Predictions 2025