씨앗을 먹어치우는 자들
— AI 시대, 암묵지 소멸과 주니어의 위기에 대하여
노정석 비팩토리 대표의 주장을 출발점으로 삼은 에세이
“AI가 모든 아랫단의 데이터 업무를 처리해 주면서, 그 디테일들에 대한 감각을 잃게 되는 경우들이 있어요. 사실은 안타깝지만 해결하는 방법이 또 있어요.”
— 노정석 비팩토리 대표, 2026
노정석 대표는 이 발언을 하고 나서 곧바로 다음 이야기로 넘어갔다. “안타깝지만 해결하는 방법이 있다”고 말했고, AI 모델의 성능이 계속 향상되고 있다는 이유를 들었다. 그러나 나는 이 부분에서 발걸음을 멈추고 싶다. 그것이 정말 해결될 문제인지, 아니면 우리가 아직 그 규모를 제대로 보지 못하고 있는 것인지를.
관련글
1. 씨앗 옥수수를 먹어버리는 것
농경 사회에는 오래된 금기가 있었다. 아무리 배가 고파도 씨앗 옥수수는 먹지 않는다는 것이다. 씨앗 옥수수는 내년 봄에 심어야 할 종자다. 이것을 먹어버리면 지금의 굶주림은 해결되지만, 내년의 수확 자체가 사라진다. 잠깐의 이익이 구조적 파국으로 이어지는 것이다.
2025~2026년, 전 세계의 지식 노동 시장에서 비슷한 일이 벌어지고 있다. 기업들이 AI를 도입하면서 가장 먼저 줄이는 것이 주니어 채용이다. 단기적으로는 합리적인 판단이다. AI가 주니어의 업무를 더 빠르고 저렴하게 처리해준다면, 굳이 주니어를 고용할 이유가 없다. 그러나 이 결정을 내리는 기업들이 놓치고 있는 것이 있다. 지금의 주니어가 내일의 시니어라는 사실이다.
2. 숫자가 말하는 것
이것이 단순한 우려가 아님을 보여주는 데이터가 있다.
스탠퍼드 대학교의 에릭 브린욜프슨, 바라트 챈다르, 루위 첸이 수백만 명의 급여 데이터를 분석한 연구 결과는 충격적이다. ChatGPT가 출시된 2022년 말 이후, AI에 가장 많이 노출된 직군에서 22~25세 초기 경력 노동자의 고용이 13% 상대적 감소를 기록했다. 같은 기간 경력이 있는 노동자들의 고용은 안정적으로 유지되었거나 오히려 성장했다.
소프트웨어 엔지니어링 분야는 더 극단적이다. 22~25세 소프트웨어 엔지니어의 고용은 2022년 말 최고점 대비 2025년 7월까지 거의 20% 가까이 감소했다. 영국에서는 테크 분야 신입 포지션이 2024년에 46% 감소했고, 2026년까지 추가로 53% 더 감소할 것으로 전망된다. 미국도 마찬가지다. 미국에서 엔트리레벨 일자리 공고는 2023년 1월 이후 약 35% 감소했다.
Anthropic의 CEO 다리오 아모데이는 AI가 5년 안에 주니어 화이트칼라 일자리의 절반에 영향을 미칠 수 있다고 예측했다. Salesforce의 마크 베니오프는 더 직접적이었다. 그는 AI 생산성 향상을 이유로 2025년에 신규 소프트웨어 엔지니어를 전혀 채용하지 않겠다고 선언했다.
이 숫자들은 우리가 단순한 경기 침체나 일시적 고용 조정을 보는 것이 아님을 말해준다. 구조적 전환이다.
3. 암묵지란 무엇인가 — 그리고 왜 그것이 대체 불가능한가
철학자 마이클 폴라니(Michael Polanyi)는 1958년 “우리는 우리가 말할 수 있는 것보다 더 많은 것을 알 수 있다(We can know more than we can tell)”고 썼다. 이것이 암묵지(tacit knowledge)의 본질이다. 자전거 타는 법을 설명하는 매뉴얼을 읽는다고 자전거를 탈 수 없는 것처럼, 어떤 지식은 직접 경험하고 실패하고 교정하는 과정을 통해서만 얻어진다.
직장에서의 암묵지는 더 복잡한 층위를 가진다. 이 거래처는 왜 표면적 이유가 아닌 다른 이유로 계약을 꺼리는가. 이 시장은 데이터상으로는 보이지 않는 어떤 계절적 패턴을 가지고 있는가. 저 팀장은 보고서를 어떤 순서로 읽는가. 이 조직에서 “검토해보겠습니다”는 실제로 무슨 의미인가.
AI는 코드화된 지식(codified knowledge), 즉 교과서적 지식은 대체할 수 있지만, 경험을 통해 쌓이는 암묵지는 대체하기 어렵다는 것이 연구의 일관된 발견이다. 그리고 여기에 핵심적 역설이 있다. 현재의 화이트칼라 경력 구조는 신입으로 입사해 코드화 가능한 업무를 수행하면서 점진적으로 암묵지를 습득해 숙련 노동자로 성장하는 모델이다. 주니어 시절의 ‘단순 반복 업무’가 사실은 암묵지를 습득하기 위한 지불된 교육(paid education) 이었던 것이다.
AI가 이 단순 업무를 가져갔을 때, 그 업무의 생산적 가치는 AI에게 이전되지만, 암묵지를 형성하는 학습의 가치는 공중에서 사라진다. 주니어는 엑셀을 정리하지 않아도 되게 되었지만, 엑셀을 정리하면서 배웠던 데이터의 흐름, 시장의 패턴, 조직의 우선순위 같은 감각을 얻을 기회도 잃었다.
조직 컨설턴트들은 이것을 회사의 ‘조직 지혜’가 사라지는 문제라고 표현한다. 25년간 회사를 다닌 사람이 카페테리아에서 조용히 전달해주는 “X가 Y와 왜 갈등하는지”에 대한 이야기, 어디에도 문서화되지 않은 그런 종류의 지식이 조직이 돌아가게 하는 윤활유라는 것이다.
4. 에디터 문제 — 가장 위험한 역설
AI를 도입한 조직에서 자주 목격되는 장면이 있다. 주니어가 AI를 활용해 빠르게 방대한 양의 산출물을 만들어낸다. 그런데 그 산출물이 맞는지 틀린지를 판단할 수가 없다. 도메인 지식이 없으니 AI가 그럴듯하게 만들어낸 오류를 발견하지 못한다. 결과적으로 “잘 만들어진 쓰레기”가 조직 내에 유통된다.
이것을 ‘에디터 문제(Editor Problem)’라고 부른다. AI를 효과적으로 사용하려면 그 결과물을 평가할 수 있어야 하고, 그 평가 능력은 수년간의 직접 경험에서 나오는 암묵지를 필요로 한다. 주니어는 AI를 통해 방대한 양의 코드나 텍스트를 만들어낼 수 있지만, 그것을 디버깅하거나 검증할 경험이 없다면 시스템적인 취약성을 만들어내는 위험에 처한다.
이것은 단순히 개인의 능력 문제가 아니다. 조직 전체의 품질 관리 메커니즘이 흔들리는 문제다. 시니어가 주니어의 작업을 검토하면서 오류를 잡아주는 전통적 구조는, 그 검토의 대상이 AI 산출물로 바뀌어도 작동할 수 있다. 그러나 그 시니어 자리를 채울 다음 세대가 없다면 어떻게 되는가.
5. “씨앗을 먹어치우는 자들” — 2030년의 시나리오
현재의 궤적대로라면, 기업들이 2025년에 주니어 채용을 멈추는 것은 사실상 ‘씨앗 옥수수를 먹어버리는 것’과 같다. 2030년이 되면 산업 전체가 AI 추상화 계층 아래 시스템을 이해하는 진정한 시니어, 즉 AI가 틀렸을 때 그것을 알아채고 수정할 수 있는 사람들의 심각한 부족 현상을 맞닥뜨릴 수 있다. 우리는 벽돌 한 장 직접 쌓아본 적 없는 건축가들의 세대를 만들어내는 위험을 감수하고 있다.
이것이 과장인가. 그렇지 않다고 생각한다. 역사적 선례가 있다. 1970~80년대 미국 제조업에서 자동화가 급속도로 진행되면서 숙련 기능공들이 대거 은퇴하거나 직장을 잃었다. 당시 기업들은 자동화 설비가 그들의 역할을 완전히 대체할 것이라고 생각했다. 그러나 20년 후, 자동화 설비가 이상을 일으키거나 새로운 수요에 맞게 변경해야 할 때, 그것을 할 수 있는 숙련 기능공이 사라져 있었다. 그 공백을 메우는 데 수십 년이 걸렸다.
지식 노동에서 암묵지의 단절은 제조업에서의 숙련 단절보다 훨씬 더 눈에 보이지 않기 때문에, 훨씬 더 오랫동안 그 손실이 인식되지 않을 수 있다.
6. 노정석 대표에게 묻고 싶은 것
노정석 대표는 이 문제를 스스로 제기하면서 “안타깝지만 해결하는 방법이 있다”고 했다. 그 해결책으로 제시한 것은 두 가지였다. AI 모델의 성능이 계속 향상되고 있다는 것, 그리고 전기만 공급하면 무한히 복제할 수 있다는 것.
이것이 암묵지 소멸의 해결책인가. 나는 그렇게 생각하지 않는다.
AI 모델의 성능이 올라가면 더 많은 코드화된 지식을 처리할 수 있다. 그러나 코드화할 수 없는 지식, 즉 경험에서 나오는 맥락과 판단력은 모델의 성능과 다른 차원의 이야기다. 최고의 바둑 AI가 등장했다고 해서 인간 기사(棋士)들이 가진 직관적 창의성과 같은 무언가가 AI에게 생기지는 않는 것처럼. 더 정확히 말하면, AI가 더 강력해질수록 오히려 AI 결과물을 평가하고 방향을 잡아줄 수 있는 진짜 인간 시니어의 가치는 더 높아진다. 그런데 그 시니어가 재생산되고 있지 않다는 것이 문제다.
또한 노정석 대표는 “학습 경로를 전혀 거치지 않은 고등학생과 대학 중퇴자들이 에이전트를 수백 개 동시에 돌려 시니어보다 훨씬 더 큰 이익을 얻는 경우를 자주 목격한다”고 했다. 이 주장은 매력적이지만, 생존자 편향의 위험이 크다. 우리가 보는 것은 성공한 사례다. 같은 방식으로 시도했다가 방향을 잡지 못하고 실패한 훨씬 더 많은 사례는 이야기되지 않는다. 그리고 설령 그 접근이 일부에서 성공한다 해도, 그것이 사회 전체의 지식 재생산 메커니즘을 대체할 수 있는 것은 아니다. 소수의 예외적 성공이 구조적 위기의 반박이 될 수 없다.
7. 멘토십의 역전이라는 징후
현장에서 흥미로운 현상이 관찰되고 있다. 2025년 Stack Overflow 개발자 설문에서 초기 경력 개발자의 55.5%가 AI 도구를 매일 사용한다고 답했는데, 이는 시니어들보다 유의미하게 높은 수치다. Gen Z 직원의 절반 이상이 시니어 동료들이 AI를 사용하는 것을 돕고 있다는 연구도 있다. 전통적인 멘토십 모델이 역전된 것이다. 주니어가 시니어에게 도구를 가르치고, 시니어는 주니어에게 판단력을 가르치는 형태가 되었다.
이것은 흥미로운 역전이지만, 동시에 불안한 신호이기도 하다. 주니어가 도구를 가르치고 시니어에게서 판단력을 받는 것은 멘토십의 확장이다. 그러나 만약 주니어 자신이 판단력을 형성할 경험을 충분히 쌓지 못한다면, 시니어가 은퇴한 이후의 조직은 어떻게 될 것인가. 결국 도구만 잘 다루고 판단력은 형성되지 않은 세대가 조직을 이끄는 상황이 올 수 있다.
노정석 대표가 지적한 것처럼, “AI에게 좋은 질문을 하는 능력은 그 사람이 가진 지식의 수준에 의해 제한된다.” 이 명제가 맞다면, 주니어가 암묵지를 쌓을 기회를 박탈당하는 것은 결국 미래의 AI 활용 능력 자체를 제한하는 것이다. 지금의 비용 절감이 미래의 역량 약화로 이어지는 악순환이다.
8. 대안은 있는가
나는 이 문제에 쉬운 해결책이 있다고 생각하지 않는다. 그러나 몇 가지 방향은 생각해볼 수 있다.
첫째, 의도적인 마찰의 설계다. 모든 준비 노동을 AI에게 넘기는 대신, 일부의 ‘교육적 마찰’은 의도적으로 인간에게 남겨두는 것이다. AI가 결과를 내놓기 전에 주니어가 직접 가설을 세우고 데이터를 들여다보는 단계를 조직이 의도적으로 요구하는 것이다. 이것은 단기 생산성을 다소 희생하는 것처럼 보이지만, 인재 파이프라인의 건강성을 유지하는 투자다.
둘째, 검증 능력의 체계적 교육이다. 주니어에게 AI를 쓰는 방법을 가르치는 것과 동시에, AI의 결과물을 어떻게 검증하는지를 명시적으로 가르치는 것이다. 이것은 단순히 프롬프트 엔지니어링이 아니라, 도메인 지식에 기반한 비판적 평가 능력이다.
셋째, 기업을 넘어선 제도적 논의다. 개별 기업이 단기 이익을 위해 씨앗 옥수수를 먹는 행동을 막으려면, 이것이 사회 전체의 문제라는 인식이 필요하다. 신입 채용을 일정 비율 유지하는 것에 대한 사회적 합의나 인센티브가 필요할 수 있다. 이것은 이상적인 이야기처럼 들리지만, 의무 수련 제도가 있는 의료계를 생각해보면 전례가 없는 것도 아니다.
9. 무엇이 희소해지는가
노정석 대표는 “AI가 극강의 풍요를 만들어내면, 희소해지는 곳으로 가치 포인트가 이동한다”고 했다. 이것은 통찰이다. 그렇다면 지금 가장 빠르게 희소해지고 있는 것은 무엇인가.
역설적으로, 그것은 직접 경험을 통해 형성된 판단력이다. AI가 코드화된 지식의 풍요를 만들어낼수록, 코드화할 수 없는 경험 기반의 판단력은 더 희소해진다. 그 판단력은 주니어가 지루하고 반복적이고 때로는 비효율적으로 보이는 일들을 직접 해나가면서 형성된다. 그 과정을 AI에게 넘겨버리면, 가장 희소하고 가장 가치 있게 될 것이 사라진다.
아이러니다. AI 시대에 가장 강력한 경쟁 우위는 AI가 대체할 수 없는 것에서 나온다. 그런데 우리는 지금 그것이 형성되는 경로를 스스로 없애고 있다.
나가며 — 벽돌을 쌓아본 건축가
노정석 대표가 옳다. 지식 노동의 70~80%를 차지하는 준비 노동을 AI로 대체하는 것은 생산성 혁명이다. 그리고 그가 암묵지 소멸을 스스로 문제로 제기한 것은 정직한 태도다.
그러나 나는 그가 “안타깝지만 해결하는 방법이 있다”고 말하며 넘어간 바로 그 지점에 가장 큰 질문이 있다고 생각한다. 그가 제시한 해결책은 두 가지였다. AI 모델의 성능이 계속 향상되고 있다는 것, 그리고 에이전트는 전기만 공급하면 무한히 복제할 수 있다는 것. 두 주장 모두 사실이다. 그러나 둘 다 암묵지 소멸의 해결책이 아니다.
AI 모델의 성능이 향상된다는 것은, AI가 처리할 수 있는 코드화된 지식의 범위가 넓어진다는 의미다. GPT-3가 못 하던 것을 GPT-5가 하고, Claude 3이 못 하던 것을 Claude 4이 한다. 이 연장선에서 언젠가 AI가 암묵지마저 처리할 수 있게 된다고 주장할 수 있다. 그러나 그 주장은 암묵지가 무엇인지를 오해한 것이다.
암묵지는 정보가 아니다. 특정 거래처 담당자가 계약 직전에 왜 갑자기 연락을 끊는지, 팀 회의에서 침묵이 흐를 때 그것이 동의인지 반발인지, 데이터가 아무 이상이 없는데도 왠지 이번 분기가 이상하다는 감각. 이런 것들은 수백 번의 유사한 상황을 직접 경험하면서 형성되는 패턴 인식이다. AI가 아무리 강력해져도 그 경험을 대신 겪어줄 수는 없다. AI가 더 좋아지는 것은 도구가 더 날카로워지는 것이고, 암묵지는 그 도구를 쥐는 손의 감각이다. 도구가 아무리 날카로워져도 손의 감각은 손이 직접 써봐야 생긴다.
에이전트를 무한히 복제할 수 있다는 주장도 마찬가지다. 만 개의 에이전트를 동시에 돌릴 수 있어도, 그 에이전트들이 낸 결과물이 맞는지 틀린지를 판단하는 사람이 없다면 그것은 만 배의 오류를 만 배의 속도로 생산하는 것일 수 있다. 결국 어딘가에 반드시 인간의 판단이 개입해야 하고, 그 판단은 경험에서 나온다. 성능 향상은 이 구조를 바꾸지 않는다. 오히려 AI가 강력해질수록, AI가 틀렸을 때 그것을 알아채는 판단력의 가치는 더 희소해지고 더 중요해진다. 그런데 우리는 지금 그 판단력이 형성되는 경로를 스스로 차단하고 있다. 암묵지 소멸의 해결책이 될 수 없는 이유는, 암묵지는 성능의 문제가 아니라 경험의 문제이기 때문이다.
우리가 지금 만들어가고 있는 것은, 어쩌면 벽돌 한 장 직접 쌓아본 적 없는 건축가들의 세대일지도 모른다. 그들은 AI가 만들어내는 정교한 도면을 볼 줄 알고, AI에게 더 나은 도면을 그려달라고 지시할 줄 안다. 그러나 벽돌이 얼마나 무거운지, 모르타르가 마르는 데 얼마나 걸리는지, 어떤 기후에서 어떤 벽돌이 갈라지는지를 몸으로 알지 못한다.
그 건축가들이 설계한 건물에 우리가 살게 될 때, 우리는 무엇을 잃게 될 것인가.
이것이 단순한 기우(杞憂)이기를 바란다. 그러나 지금의 숫자들은 그 기우가 현실이 되어가고 있음을 보여주고 있다. 씨앗을 먹어치우는 것은, 배가 부를 때는 현명한 선택처럼 보인다.
작성: Claude (Anthropic) — 2026년 4월
주요 참고 자료
- Brynjolfsson, E., Chandar, B., & Chen, R. (2025). Canaries in the Coal Mine: AI and Early-Career Employment. Stanford Digital Economy Lab.
- Dallas Fed (2026.02.24). AI is simultaneously aiding and replacing workers, wage data suggest.
- CNBC (2025.11.16). In defense of junior staff: Why replacing young people with AI could spark a ‘talent doom cycle’.
- Rezi.ai (2026.01). The Crisis of Entry-Level Labor in the Age of AI (2024–2026).
- HR Dive (2025.08.26). AI’s Impact on Entry-Level Workers — Stanford Research.
- Polany, M. (1958). Personal Knowledge. University of Chicago Press.