1
ONE-DAY CLASS
AI와 잘 살아가기
AI를 '도구'로 쓰는 걸 넘어 — '동료'처럼 함께 일하는 법.
AI를 잘 쓴다는 것은 어떤 것인지, 어떻게 동료처럼 함께 일하면 되는지.
2
MEET YOUR COACHES · 1 / 2
장생
前 중고나라 기술연구소장 · 시그널나인 기술총괄
🎓 동국대학교 정보통신공학 (학사) → 홍익대학교 컴퓨터공학 (석사)
주요 프로젝트
- ▹중고나라 앱/웹 플랫폼 R&D 총괄 — MAU 90만 → 250만
- ▹기술연구소, ML팀 리딩 — 상품글 자동생성 · 메타추출(NLP) · OCR 분류 · 사기탐지 · 추천
- ▹중고나라 페이/결제 시스템 설계
- ▹채팅 아키텍처 — 수십만 동시접속, 외부 대비 30% 비용
- ▹블록체인 스마트 컨트랙트 보안검증 500+
- ▹SK OK Cashbag → OKX 토큰 변환 프로젝트
- ▹두나무 Lambda256 — 블록체인 출입통제 시스템 개발
- ▹트리플(Triple) 앱 광고 서버 개발
- ▹SKT Smart Fleet Management System 개발
- ▹이동통신사 요금제 제작 솔루션 개발 (고객사 SKT · Unitel)
‘테크M’ 인터뷰 — “방대한 데이터는 우리의 강점”
전자신문 · 대한민국 AI 기술리더 7인
3
MEET YOUR COACHES · 2 / 2
🔪
나이프 Knife
前 중고나라 CTO · 시그널나인 CEO · IT경력 20년+
🎓 포항공과대학교 컴퓨터공학
주요 프로젝트
▹중고나라 CTO — C2C 마켓플레이스 · 페이 구축, MAU 90만 → 250만
▹FDS(이상거래 탐지 시스템) 개발 · 운영
▹시그널나인 창업(CEO) — ICON 스마트 컨트랙트 검증
▹두나무 람다256 — 블록체인 출입통제 시스템
▹SKT Smart Fleet Management IOT 시스템
▹유엔젤 — 해외 통신사(이스라엘·중국·대만·몽골) 부가서비스
▹쓰리소프트 — 기업용 검색엔진 · 웹 크롤러 개발
4
THE LEAP · 생산성의 도약
시대가 바뀔 때마다, 생산성은 폭발해왔어요
간격은 점점 짧아지고, 폭은 점점 커졌어요 — 그리고 AI는 비교가 안 됩니다.
5
WHY HUMANS WON · 지식의 힘
인간을 지구의 지배자로 만든 건 — 지식이었어요
01📚
쌓고, 물려준다
지식을 축적하고, 세대를 건너 다음 세대로 전달 — 다른 동물에겐 없는 이 능력이 인간을 지배종으로 만들었어요.
02🧠
그런데 — 뇌의 한계
한 사람도, 한 집단도 모든 분야의 모든 전문지식을 다 가질 순 없어요. 맨바닥에서 다시 쌓으려면 시간도 비용도 막대하죠.
03🤖
AI — 그 한계가 사라진다
이제 내가 직접 다 마스터하지 않아도 돼요. 모든 분야의 지식을, 필요할 때마다 손쉽게 곁에 둘 수 있게 됐어요.
AI는 — 지식 습득·전달의 물리적·시간적 한계를 넘어섰습니다.
지식을 머리에 담아두던 시대에서 — 필요할 때 불러 쓰는 시대로.
6
KEEP UP · AI 시대의 속도
세상은 점점 빨라지고 — 가만히 있으면 뒤처집니다
🏃💨
달려도, 제자리
세상이 발밑에서 러닝머신처럼 뒤로 빠르게 흘러요. 가만히 있으면 뒤로 밀려나서 — 죽어라 달려야 겨우 제자리, 앞서가려면 그보다 더 빨라야 하죠.
🐔
닭장 속의 닭?
극소수가 AI로 플랫폼을 지배하고 — 나머지 99%는 닭장 속 닭처럼, 주는 모이만 먹는 모양새가 될 수도 있어요.
두 비유 모두 — 노정석 (YouTube) 발췌
그래서 — 뒤처지지 않게, AI에 발맞춰 나아가려는 노력이 필요합니다.
7
그래서 — 강의가 끝나고
"아, 나도 한번 이렇게 써봐야겠다" 또는 "요즘 AI가 이렇게 흘러가고 있구나"
하고 생각할 수 있는 시간이 되었으면 좋겠어요.
이미 좀 써보고 계셨다면 — 오늘 이후엔 좀 더 다양하게.
그냥 얘기만 듣던 정도였다면 — 이제 한 번 직접, 좀 더 적극적으로.
8
AI 기초 · 용어 정리
헷갈리는 말들 — 사실 포함 관계예요
인공지능 (AI) — 사람이 하던 ‘똑똑한 일’을 기계가 대신하는 기술 (다 통틀어)
머신러닝 — 규칙을 안 짜줘도, 예시를 많이 보면 스스로 배워요
딥러닝 — 그중 사람 뇌를 흉내 낸 방식, 복잡한 것도 척척
생성형 AI · LLM — 배운 걸로 글·그림·코드를 새로 ‘만들어내요’ (ChatGPT, Claude…)
안쪽으로 갈수록 좁고 구체적 — 우리가 요즘 쓰는 건 맨 안쪽 생성형 AI예요.
9
왜 지금 LLM인가 · ①
예전엔 한 가지만 — 이제 하나로 다
예전 — 특화 모델
스팸 분류→분류 모델
수요 예측→회귀 모델
이미지 인식→비전 모델
목적마다 모델을 따로 — 다른 일엔 재사용 불가. 좁고 깊죠.
지금 — 범용 모델 (LLM)
하나의 LLM
↓ 같은 모델로
번역요약코딩분석대화검색·추론
압도적 데이터로 다방면 학습 — 하나로 수많은 작업.
10
왜 지금 LLM인가 · ②
‘규모’는 사실 — 두 가지예요
🧠 파라미터 — 모델의 ‘머리 크기’
학습으로 정해지는 모델 속 숫자(가중치). 담을 수 있는 용량이에요.
🧩 비유 — 뇌의 시냅스 · 조절 손잡이(레버) 수
📚 데이터 — 모델이 ‘읽은 양’
학습에 넣은 글의 양(토큰 = 단어 조각). 보고 배운 경험이에요.
🧩 비유 — 읽은 책 · 교과서의 양
큰 머리에(파라미터) + 많이 읽혀야(데이터) — 둘 다 커야 똑똑해져요.
11
왜 지금 LLM인가 · ② — 파라미터
그 중 파라미터(머리 크기) — 이렇게 커졌어요
모델 파라미터 수 — 새 모델이 나올 때마다 직전은 상대적으로 작아져요
* GPT-4·5·Claude·Gemini 등 프런티어 파라미터는 공식 미공개 — GPT-4 ≈1.8조는 추정(루머). 최근 모델은 MoE·효율로 '파라미터 수'가 핵심 지표는 아님.
12
왜 지금 LLM인가 · ② — 데이터
데이터(읽은 양)도 — 똑같이 폭증했어요
학습 토큰 수 — 새 모델이 나올 때마다 직전은 상대적으로 작아져요 (공개 모델 기준)
GPT-2 · OpenAI 2019~100억 (추정) GPT-3 · OpenAI 20203,000억 Chinchilla · DeepMind 20221.4조 GPT4/5 · Claude · Gemini비공개 ✨ 그릇(파라미터)도 + 읽힌 양(데이터)도 폭증 → 규모가 일정 수준을 넘자 안 가르친 능력까지 저절로 생겨요.
그래서 — 한 모델이 다방면을 해내는 범용 AI가 됐어요.
* 공개 수치 — GPT-3 3,000억 / Chinchilla 1.4조(DeepMind) / LLaMA 2·3 = 2조·15조(Meta). GPT-2는 추정(WebText 40GB). 폐쇄형(GPT-4/5·Claude·Gemini) 토큰은 비공개. 안 가르친 능력이 생기는 현상: Wei 2022.
13
EMERGENCE · 창발
규모가 임계점을 넘자 — 안 가르친 능력이 툭 튀어나왔어요
작은 모델에선 거의 못 하던 일이, 규모가 어느 선을 넘는 순간 갑자기 가능해져요 — 이걸 ‘창발(emergence)’이라고 불러요
🧮
여러 단계로 ‘생각’하기
작은 모델은 거의 찍던 긴 계산·논리 문제를, 커지자 풀이 과정을 밟아 풀기 시작했어요.
🌐
배운 적 없는 번역
특정 언어쌍을 따로 가르치지 않았는데, 여러 언어를 오가며 번역을 해내기 시작했어요.
💻
코드 짜기
코딩 전용으로 만든 게 아닌데, 말로 설명하면 프로그램을 작성해요.
🎓
인간 시험 통과
미국 변호사·의사 시험, 수능 같은 시험을 사람 수준으로 통과하기 시작했어요.
작은 모델에선 거의 0 → 규모가 임계점을 넘는 순간 ‘툭’ — 그래서 한 모델이 온갖 걸 해내는 범용 AI가 됐어요.
* 창발(Emergent Abilities) — Wei et al. 2022. 예: 다단계 추론(CoT)·다국어 번역·코드 생성·전문 시험 통과 등.
14
왜 지금 LLM인가 · ③
특화 모델의 ‘라스트 마일’ — 빠르게 좁혀진다
특정 영역의 정확도·속도·비용은 특화 모델이 앞섰지만 — 범용 LLM이 그 ‘라스트 마일’까지 따라잡는 중. (점선 → 실선)
15
AI 기초 · 작동 원리
AI는 어떻게 답을 만드나 — 다음 말을 확률로 잇는 거예요
컨텍스트 적음 · 두루뭉술
"오늘 날씨가 ___"
↓ 맥락(컨텍스트·토큰)을 더 주면 — 예측이 뾰족해져요
컨텍스트 많음 · 확신
"아침부터 하늘에 먹구름이 잔뜩 끼었다.
오늘도 날씨가 ___"
맥락을 많이 줄수록 AI가 더 알맞은 말을 고르고 — 부족하면 그럴듯하게 틀리기도(환각) 해요.
16
AI 기초 · GPT의 정체
ChatGPT = GPT(모델) + Chat(인터페이스)
Pre-trained
미리 학습된
방대한 데이터로
LLM
대형 언어 모델 · GPT
모델은 하나 — 가운데
💬 채팅 → ChatGPT · Claude 앱
⌨️ 바이브코딩 → Cursor · Claude Code
🤖 에이전트 · 도구 → API · 자동화
💡 어떤 인터페이스든 — 모델과 오가는 건 결국 토큰(컨텍스트).
이 컨텍스트를 더 크고 일관되게 유지하는 게 — 잘 쓰는 사람의 새로운 관점이에요. (뒤에서 더 깊이)
17
AI 기초 · 강점과 한계
이건 잘해요 — 이건 조심하세요
👍 잘하는 것
- 긴 글 요약 · 초안 작성
- 번역 · 말투/형식 바꾸기
- 코딩 · 표·데이터 정리
- 아이디어 brainstorming
⚠️ 조심할 것
- 환각 — 사실을 그럴듯하게 지어냄
- 최신 정보 · 내부 자료엔 약함
- 민감정보 입력은 주의
- 최종 판단·검증은 사람이
18
PART 01
AI 시장 뉴스
지금 AI 시장에서 — 무슨 일이 벌어지고 있나
19
오늘 할 이야기
변화는 — 누구도 본 적 없는 속도로
말이 아니라 수치가 말해줘요. AI는 역사상 가장 빠르게 퍼졌고, 증시까지 끌어올리고 있어요 — 우리는 아무도 가보지 않은 세상으로 가는 중입니다.
AI가 끌어올린 강세장
증시, 사상 최고
🌐 엔비디아 시총 조 단위 돌파 — AI 칩 수요 폭발
🇰🇷 코스피 9,000 돌파 — 국내도 AI 랠리
삼성전자 374,000원 · SK하이닉스 2,987,000원 (AI 메모리·HBM 급등)
그 중심엔 — 전부 AI.
* 출처: ChatGPT 2개월 1억 명 — UBS·Reuters(2023) · 엔비디아 시총 1조 달러 — CNN(2023) · 코스피·삼성전자·SK하이닉스: 2026.6 기준.
20
AI가 — 전략 자산이 됐어요
가장 강력한 모델 — 외국인은 못 씁니다
Claude Fable 5 · Anthropic
공개 모델 · 누구나 쓰는 버전
최상위 5세대 프론티어 — 장기 에이전트·고난도 추론.
Mythos 5 · Anthropic
제약 해제판 · 비공개
Fable 5와 같은 기반이지만, 취약점 공격(익스플로잇)·위험 명령 제약을 푼 사이버보안·생명과학 특화.
🛡️Project Glasswing — Anthropic이 글로벌 보안·인프라 기업과 맺은 보안 동맹. 파트너만 Mythos 5를 받아 선제 방어·제로데이 탐지/패치에 써요.
🔒2026.6 — 美 수출통제 지시로 외국인 전면 사용 중지(자사 외국인 직원까지) → 전 고객 비활성화. (Opus 4.8은 유지)
🔓2026.7.1 — 수출통제 해제, 전 세계 다시 사용 가능해졌어요.
반도체에 이어 — 'AI 모델 자체'를 수출통제한 첫 사례예요.
출처: Anthropic 발표 · Al Jazeera · Fortune(2026)
21
AI가 — 전략 자산이 됐어요 · 베끼기
전략 자산이 되니 — 서로 베껴요
강한 모델의 ‘답’을 잔뜩 받아 학습시켜, 그 능력을 더 싼 모델로 옮기는 것 — 지식 증류(Distillation).
🏛️ 산업·국가 차원
Anthropic, 美 의회 고발
중국 알리바바 Qwen이 — 가짜 계정 2.5만 개로 2,800만+ 대화를 추출. Claude의 추론·코딩 능력을 Qwen에 이식하려는 대규모 증류 시도.
🌐 오픈소스 차원
개발자·커뮤니티도 활발
Qwen 3.5(27B) 에 Claude Opus 4.6의 사고 과정을 학습시킨 파인튜닝 모델이 공유돼요. Unsloth·HuggingFace로 로컬에서도 손쉽게.
⚖️ 기업 입장
출력 대량 추출 = 지식재산권 침해 · 안보 위협.
💬 커뮤니티 반론
AI도 인터넷을 ‘무단 학습’해 만든 건데 — 증류만 불법? 모순 아니냐.
출처: Anthropic 美 의회 고발 보도 · 커뮤니티(아카라이브 · GeekNews). 수치·모델명은 보도 기준.
22
이미 — 기존 산업을 위협하고 있어요
Claude Cowork — 소프트웨어·법률주를 흔들다
Cowork 충격 — 주요 낙폭 (현지 2/3)
톰슨로이터 −18% = 사상 최대 일일 손실 · 법률·데이터 분석 기업이 직격탄
하루 새 — 소프트웨어주 ≈ 400조 원 증발
= $285B(Bloomberg) · 환율 ≈1,400원 기준 · 코워크發 셀오프
말하는 챗봇이 아니라 — 직접 일하는 에이전트
1/30 추가된 코워크 플러그인(법무·데이터·재무·마케팅…)이 기존 SW·데이터 기업의 일을 대체. 코딩으로 실행해 환각↓·정확성↑ — "답변에서 행동으로".
동반 하락: 세일즈포스·어도비·아틀라시안 −8% · 광고 옴니콤 −11.2% · 나스닥 −2.17% · S&P 500 −1.46%
23
그건 — 남의 일이 아니에요
AI는 벌써 — 내 일에도 들어왔어요
회의록 요약 · 보고서·메일 초안 · 엑셀 수식·데이터 정리
상품 상세페이지 · 리뷰 응대 · SNS 홍보글 · 문의 답변
광고 카피 · 블로그 글 · 타깃별 문구 뽑기
제안서·견적서 초안 · 문의 자동 응답 · 상담 정리
계약서 검토 · 영수증·정산 정리 · 사내 규정 확인
특정 산업 얘기가 아니에요 — 사무·판매·마케팅·회계까지, 지금 당장 내 책상 위 일이에요.
금융·법률·의료처럼 규제가 까다로운 전문 영역엔 이미 ‘전용 AI’까지 나오는 중 — 하물며 매일 하는 우리 업무는 말할 것도 없죠.
출처: Anthropic — 산업 전용 Claude(금융·생명과학 등)
24
한 걸음 더 (생각거리)
'기능 하나짜리' 앱·SaaS도 흔들립니다
기능 하나에 앱 하나, 구독료 하나였던 시대 — AI가 그 기능을 즉석에서 대신하거나, 아예 만들어 버립니다.
예전 — 기능마다 앱을 산다
· 영수증 정리 → 전용 앱 구독
· 설문 돌리기 → 또 다른 앱 결제
· 간단한 대시보드 → 또 구독
쌓이는 월 구독료, 흩어진 도구들
지금 — 시키거나, 직접 만든다
· "영수증 정리해 엑셀로 줘" → 끝
· 필요하면 그 도구를 즉석에서 제작
· 내 업무에 딱 맞게 · 구독료 0
바이브 코딩으로 '나만의 앱'을
⚠️ 복잡·전문 SaaS는 살아남지만 — 단순 기능 하나짜리 앱은 위태로워요.
25
마케팅의 변화
SEO 다음은 GEO
SEO · 검색엔진 최적화
검색엔진(구글)에 잘 걸리게 만드는 일.
• 키워드 · 백링크 · 페이지 속도
• 노출 = 검색결과 파란 링크 10개
지난 20년의 게임
→
GEO · 생성형엔진 최적화
AI 답변에 우리가 인용·언급되게 만드는 일.
• 인용 가능한 사실·통계 · 명확한 구조 · 신뢰 신호
• 노출 = AI가 만든 ‘하나의 답’ 안
이제부터의 게임
사람들이 검색 대신 AI에게 직접 물어봐요 — '10개 링크'가 아니라 AI가 골라준 하나의 답. 그 답 안에 들어가야 보입니다.
클릭 없이 끝나는 zero-click 시대 · 웹 트래픽 중 AI 경유 비중도 계속 ↑
26
GEO · 실전 기법
이렇게 쓰면 — AI가 우리를 인용해요
❌ 지금까지 · SEO식
“커피머신 추천 · 가정용 커피머신 · 최고의 커피머신은 저희 제품!”
키워드만 반복 → AI가 인용할 사실이 없음
→
✅ 이제부터 · GEO식
“2025년 소비자원 평가에서 A 커피머신은 추출 온도 정확도 1위(±0.5℃)를 기록했습니다. (출처: 한국소비자원)”
수치·순위·출처 → AI가 그대로 인용
“업계 최고”가 아니라 “1위·0.3초 [출처]”처럼 인용 가능한 사실로.
질문형 소제목 · 요약 한 줄 · 표 · FAQ — AI가 발췌하기 쉽게.
“OO는 ~하는 도구”처럼 브랜드를 한 문장 정의로 반복.
저자·기관·수정일 명시 (E-E-A-T) · llms.txt·schema.org.
* 근거: GEO 논문(Aggarwal et al., KDD 2024) — 문장에 인용·통계·직접인용을 넣으면 AI 답변 내 노출 최대 +40%. 반대로 옛 SEO식 키워드 반복은 효과 없음.
27
판이 바뀌면, 강자도 바뀐다
AI 시대의 주인공은 — 아직 각축전
인터넷 Google · Amazon→모바일 Apple→그리고 지금 — AI
🔧 하드웨어 · 인프라
NVIDIA
모두가 사야 하는 'AI 곡괭이' — 인프라 독점
🧠 모델(LLM) 각축전
선두 3파전 · 미국
OpenAI · GPTAnthropic · ClaudeGoogle · Gemini
🇨🇳 빠르게 추격DeepSeek · Qwen(알리바바) 등 — 오픈소스로 무섭게
뒤처진 듯 — Meta · Llama / X · Grok
→ 그리고 AI는 — 점점 더 넓게 퍼지는 중
💻 화면 속 · 클라우드→📱 온디바이스 · 엣지 AI→🤖 Physical AI
온디바이스·엣지 AI = 폰·가전·자동차 등 기기에 직접 탑재 · Physical AI = 로봇·자율주행
28
PART 02
AI로 인한
인력 시장의 변화
일자리·채용은 — 어떻게 바뀌고 있나
29
요즘 뉴스에서는
NEWS "AI가 코딩을 대신한다 — 개발자, 곧 사라질 직업"
NEWS "이제 개발자는 더 이상 필요 없다"
그냥 헤드라인이 아니에요 — 근거가 쌓이고 있어요.
구글
신규 코드의 25%+를 AI가 작성
순다르 피차이 · 2024 실적발표
Salesforce
2025년 엔지니어 추가 채용 0
마크 베니오프 · 2025
빅테크 감원
2023년 한 해 26만+명
layoffs.fyi 집계
개발·IT는 AI가 가장 먼저, 가장 쉽게 닿은 분야예요. 그래서 — 이 변화부터 풀어볼게요.
* 출처: 구글 25% — Fortune·Pichai(2024) · Salesforce — Benioff(2025) · 감원 — layoffs.fyi. 최신 수치로 확인·갱신.
30
잠깐 — 개발이란 무엇인가
개발 = 컴퓨터/폰에서 돌아가는 '앱'을 만드는 일
개발자는 컴퓨터/폰에서 돌아가는 어플리케이션을 만드는 사람이에요. 컴퓨터는 사람말을 못 알아듣기 때문에 — 컴퓨터가 이해할 수 있는 언어(프로그래밍 언어)로 소통해야 하죠.
예 — 컴퓨터 언어(코드)는 이렇게 생겼어요31
이번엔 — '개발' 차례
예전엔 — 개발자만 할 수 있었어요
① 컴퓨터에 일을 시키려면 — 개발자가 필요했다
32
AI 등장 ①
처음엔 — 개발자를 '옆에서' 도왔어요
코드 짜는 개발자를 거드는 '조수' (예: GitHub Copilot)
✍️ 다음 줄·함수 자동완성🐞 버그·에러 해결법💬 코드 설명·리팩토링🔁 반복 코드 대신 생성
→ 운전대는 여전히 개발자 · AI는 옆에서 생산성만 ↑
33
AI 등장 ②
이제 — 자연어만으로, AI가 직접
사람과 컴퓨터 사이의 '코드'라는 벽이 사라져요 — 이제 통역은 AI가 해요.
코드 한 줄 몰라도 — 말로 설명하면 AI가 만들어요. 비개발자도요.
이게 바로 '바이브 코딩' — 다음 장부터 실제로 만든 걸 보여드릴게요.
34
백문이 불여일견
바이브 코딩으로 — 직접 만든 것들
코드를 직접 짜지 않고 — 말로 해서 만든 것들이에요.
그리고 — 이 발표 자료도 바이브 코딩으로 만들었습니다.
35
직접 해보고 — 깨달은 것
②
내가 직접 손대면 — 내가 '걸림돌'이 돼요
36
하나의 기술, 두 갈래
해고와 1인 유니콘이 동시에
한쪽에서는 — 감원
실리콘밸리의 판이 다시 짜이는 중. 가장 똑똑한 사람들이 모인 곳에서 시작된 변화는, 곧 눈덩이처럼 굴러와요.
다른 쪽에서는 — 1인 유니콘
직원 한 명 없이 한 사람이 유니콘급 성과를 냅니다. 코드를 한 땀 한 땀 짜서가 아니라, 도구를 연결해서요.
37
사례
혼자서 회사를 굴리는 사람들
Pieter Levels @levelsio
직원 0명 · 연 매출 ~$3M(약 40억)
Photo AI(월 $138K)·Nomad List·Remote OK 등 40여 개 서비스를 혼자 만들고 운영. "완벽보다 빠른 출시".
Maor Shlomo
Base44 → Wix · 6개월 만에 약 1,160억
AI 앱 빌더 ‘Base44’를 혼자 만들어 6개월 만에 Wix에 $80M(약 1,160억)에 매각. 3개월간 코드 한 줄 안 쓰고 AI가 작성 — 40만 명이 사용.
그 외 다수
흐름이 확산 중
거대한 팀 없이 — 한 사람이 유니콘급 성과를 내는 사례가 늘고 있어요. AI를 ‘직원’처럼 부려서.
국내 사례 · Hashed Labs
AI 창업팀을
이렇게 뽑아요
① 1~3인 소규모 팀 · 솔로 빌더
② AI를 '도구'가 아니라 '직원'으로
38
국내 채용 데이터 · 잡코리아
국내도 — 'AX' 직군이 갑자기 늘고 있어요
잡코리아 'AX' 채용 검색
607건
'AX(AI 전환)' 관련 공고가 — 한 채용 사이트에만 이만큼.
이런 곳들이 'AX' 인력을 뽑아요
GS리테일AX본부 — 데이터·ML 엔지니어
에스코어(삼성)AX 컨설턴트
뤼튼테크놀로지스AX Frontend Engineer
윤성에프앤씨각 분야 AX 경력 채용
줄어드는 직종이 있어도 — AI를 다루는 직군은 오히려 폭증하고 있어요.
출처: 잡코리아 'AX' 채용 검색 결과 (2026.6 기준)
39
PwC 2026 · Lightcast — 글로벌 채용 데이터
AI 전문가 채용은 — 다시, 가파르게 늘고 있어요
AI 전문가 채용 공고
10배2012년 대비 (2025)
한때 주춤했지만 — 다시 폭증 중
이게 PwC가 말한 '전문화' — AI를 다루는 사람의 몸값이 오릅니다.
40
글로벌 채용 데이터 · Anthropic
AI 회사가 — 사람 ‘카피라이터’에게 6억을 줘요
AI를 가장 잘 만드는 회사가 — 정작 사람의 ‘언어 능력’에 역대급 연봉을 걸었어요.
📝 콘텐츠 총괄 책임자 Content Chief
$320K–$400K약 6억 원 / 년
✍️ 카피 리드 Copy Lead
최대 $320K약 4.8억 원 / 년
회사가 내건 핵심 역량 — “복잡한 기술을, 누구나 이해하고 감정적으로 연결되게 풀어내는 언어”
AI가 기술 작업을 대체할수록 — 사람만의 언어·창의 역량이 오히려 최고 몸값. 노동시장은 양극화돼요.
출처: AI Post Korea 보도 · Anthropic 채용 공고 기준 (USD→KRW 약 1,500원 환산).
41
파급의 순서
코딩은 — 시작일 뿐이에요
전문가만 하던 일이 — ‘누구나’가 됐어요
🌐
번역
통역사·사전을 찾던 일
→
번역앱으로 누구나
💻
개발
개발자·코드의 일
→
바이브 코딩으로 누구나
그리고 이 파도는 — 이제🧑💼 모든 지식노동→🏭 타 산업 전반
고객지원
상담원 700명 분량을 AI가 처리
Klarna · 2024
채용 · 인사
AI 대체 가능 직군 채용 중단
IBM · 2023
법률
대형 로펌들, AI 법률비서 도입
Harvey AI · A&O 등
단순한 직무 하나가 아니라 — 사업 전반의 문제예요. 산업혁명의 전초전이죠.
* 출처: Klarna 700명 분량 — OpenAI 사례(2024) · IBM 채용중단 — Axios·Krishna(2023) · 법률 Harvey — A&O Shearman. 최신으로 확인·갱신.
42
1부를 마치며 · 다음 파트로
이제 — ‘타이탄의 도구’를 추가하세요
🛠️ AI를 — ‘도구’로 쓸 줄 알아야 해요
‘타이탄의 도구’를 추가한다는 건 — AI를 내 일에 도구로 장착한다는 뜻이에요.
📈 쓰는 사람 vs 못 쓰는 사람 — 격차가 벌어져요
AI를 다루는 사람과 아닌 사람의 차이가 — 앞으로 점점 더 크게 벌어집니다.
👉 그 도구를 ‘어떻게’ 쓰는지는 — 다음 파트에서 나이프님이 알려드려요.
·
“
당신의 일자리를 빼앗는 것은 AI가 아니라, AI를 다룰 줄 아는 다른 사람이다.
PwC 2026 Global AI Jobs Barometer — 전 세계 채용 공고 10억+ 건 분석으로 확인된 격언
·
전문성은 여전히 필요한가?
'겔만 망각 효과'와 전문성의 귀환
신문에서 내 전문 분야 기사를 읽으면 오류가 보이는데, 다른 분야 기사는 정확할 거라 믿는 현상. 매체가 신문 → AI로 바뀐 채 그대로 작동해요.
AI의 답이 그럴듯해 보였던 건, 내가 그 분야 비전문가였기 때문일 수 있다.
'그럴듯한 가짜'를 걸러내고 '진짜'를 확신할 검증 레이어 — 그건 그 분야 전문가만 만들 수 있다.
출처: 하용호, AI 시대 나의 전문성을 재설계하는 법 (2026)
·
물결이 바뀔 때마다, 주인공이 갈렸다
한 시대를 놓치면, 낙오돼요
인터넷 시대
닷컴
Amazon
완전히 새로운 기업이 등장
→
모바일 시대
스마트폰
Apple
통신사가 쥐던 주도권이 넘어감
→
AI 시대
생성형 AI
NVIDIA
또 한 번 판도가 뒤집힘
→
다음 — 지금
피지컬 AI
로봇 · 자율주행
화면 속 AI → 현실 세계로
대응 안 하면 낙오된다 — 그래서 거대 기업들도 지금 급하게 움직여요.
