Claude Blue - 실리콘밸리 전체가 우울하다 - brunch.co.kr

Written by 클래미 & 클로드 *클로드 블루(Claude Blue)는 제가 만들어낸 표현이나, 실리콘밸리에서 실제로 일어나고 있는 AI 우울증 현상을 뜻합니다. 메타 시니어 AI 엔지니어, 그리고 실리콘밸리 창업가와의 대화 2025년, AI가 코딩 업계를 강타했다. 당시에는 "코딩을 AI에 전적으로 맡겨야 한다"는 파와 "최소한 사람이 모두 리뷰하는 시스템이 있어야 한다"는 파가 팽팽하게 맞섰다. 하지만 2026년 3월인 지금, 그 논쟁은 사실상 의미를 잃었다. AI가 생산하는 코드의 양이 사람이 리뷰할 수 있는 수준을 이미 넘어섰기 때문이다. 과도기를 정면으로 맞은 셈이다. 나는 개인적으로 이 흐름이 2026년에는 사무직에게도 올 것이라 예상했다. 이미 코딩 업계에서 선례가 있으니, 문서 작업과 데이터 분석을 주로 하는 비개발 직군에도 비슷한 충격이 오리라 생각했다. 하지만 실제로 내 주변에 미국과 한국에서 다양한 직종에 종사하는 15명 정도에게 물어본 결과, AI로 인한 병목이나 폐해를 체감하고 있는 사람은 단 한 명도 없었다. 모두 사람이 통제하고 관리할 수 있는 수준이라고 했다. 우리 회사 안에서도 이 주제로 갑론을박이 있었다. AI가 사무직의 업무를 근본적으로 바꾸는 시대가 곧 올 것이라는 점은 모두 동의하지만, 시기에 대해서는 의견이 갈렸다. 나는 아직 시기상조라고 봤다. (부끄럽지만) 아직 내가 직접 AI로 인해 업무에서 병목을 느낀 적이 없었고, 주변도 마찬가지였기 때문이다. 반면 동료 한 명은 이미 AI로 인해 사무직의 업무 상황이 크게 바뀌었고, 문서 작업이나 중요한 의사결정에서 AI가 만든 결과물의 맥락을 놓치는 폐해가 시작되고 있다고 했다. 그것은 사람의 책임이 아니라 이 시대의 과도기적 문제라고. 그런데 오늘, 메타에서 시니어 AI 엔지니어로 일하는 대학교 선배와 화상통화를 하면서 확신이 강하게 들었다. 트렌드의 끝단에 있는 실리콘밸리에서는 이 상황이 이미 현실이었고, 구체적인 유즈케이스를 직접 들으니 너무나 실감이 났다. 몇 주에서 최소 몇 달 안에, 사무직도 AI-native가 강제되는 현상이 올 것이다. 아무도 문서 작업을 일일이 하거나 웹사이트를 하나하나 들어가며 노트를 정리하지 않게 될 것이다. 터미널에서 클로드 코드든 코워크든, 각각의 에이전트를 부리면서 일하는 것이 보편화될 것이다. 그리고 그에 따른 과도기적 폐해를 코딩 업계처럼 사무직도 똑같이 겪게 될 것이라는 확신이 들었다. 더 인상적이었던 것은, 메타의 AI 엔지니어로서 가장 최전선에 있는 이 선배조차 AI의 발전으로 인해 극심한 현타를 느끼고 있다는 점이었다. 스스로 창업가 기질을 키우며 사업을 해야 한다는 생각이 강하게 들었다고 했다. 스타트업에 관심은 있었지만, 본인이 직접 창업을 해야겠다는 생각은 상상도 못 했던 사람이다. 지금은 사이드 프로젝트도 순수한 재미보다는, 언젠가 사업을 해야 하는 상황이 도래할 것이라는 불안감 때문이라고 했다. 이 선배에 대해서는 이전에 한 번 글을 쓴 적이 있다. 선배의 배경과 커리어에 대해 궁금한 분은 참고하시면 좋겠다 (https://brunch.co.kr/@hiclemi/92). 같은 날, 실리콘밸리에서 스타트업을 운영 중인 동갑내기 친구와도 커피챗을 했는데, 놀랍게도 거의 같은 톤의 이야기를 들었다. 빅테크 시니어 엔지니어와 스타트업 창업자라는 전혀 다른 위치에 있는 두 사람이, AI 시대의 실존적 위기감과 그럼에도 멈출 수 없다는 절박함을 똑같이 느끼고 있었다. 오늘 대화에서 나눈 내용을 주제별로 정리해 본다. 선배는 메타에서 시니어 AI 엔지니어로 일하고 있다. 회사에서는 클로드 코드를, 집에서는 오픈AI의 코덱스를 쓴다. 이유는 단순하다. 회사에서는 클로드 코드와 제미나이만 선택할 수 있는데, 코딩은 클로드가 압도적으로 좋으니 클로드를 쓴다. 집에서 개인 프로젝트를 할 때는 이미지 생성이 필요한데 클로드 코드에서는 지원이 안 되고, 무엇보다 코덱스 프로는 200불을 내면 토큰을 사실상 무한히 쓸 수 있다. 클로드 코드 맥스도 200불이지만, 일정 이상 쓰면 추가 비용이 발생한다. 실제로 회사에서 클로드 코드로 한 달에 2,000불어치 토큰을 쓴다고 했다. 그걸 개인 비용으로 감당할 수는 없는 것이다. 흥미로운 것은 선배의 작업 환경이었다. 옵시디언이라는 개인 노트 앱에 자동으로 지식 그래프가 쌓이는 VS Code 확장 프로그램을 직접 만들어 쓰고 있었다. AI와 대화할 때마다 모든 대화 내역이 옵시디언 문서로 자동 생성되고, 기존 문서들과 링크를 형성하면서 그래프가 성장한다. 원래 옵시디언은 사용자가 수작업으로 메모를 쓰고 연결하는 도구였는데, AI 시대가 되면서 AI와의 대화 자체가 메모의 원천이 되니 진입 장벽이 크게 낮아진 셈이다. 메타 직원이 7만 명인데, 사내 옵시디언 사용자 모임에 가입한 사람만 1만 명이 넘는다고 했다. 더 놀라웠던 것은 메타 내부에서 모든 생산성 도구가 에이전트로 접근 가능하게 연결되어 있다는 점이다. 구글 드라이브, 구글 독스, 스프레드시트, 이메일, 지라, 컨플루언스, 위키, 화이트보드 등 전부 다 연결되어 있다. 선배는 이렇게 설명했다. "나는 에이전트랑만 일하고, 내가 원하는 결과물의 형태로 각 툴들에 쌓이는 것이다." 스프레드시트에 직접 들어갈 필요도 없고, 지라에 들어갈 필요도 없다. 터미널 안에서만 활동하면, 데이터베이스가 알아서 적재된다. 이 환경이 얼마나 성숙한지를 보여주는 예가 있었다. 올해 1월, 입사 후 첫 연말 평가를 할 때 사내 AI 평가 도구에 "내가 입사하고 나서 했던 일 다 정리해 줘"라고 요청하니, 입사 이후 작성한 모든 보고서와 문서를 자동으로 요약해서 방대한 목록을 만들어줬다고 한다. 본인은 거기에 자기 소감만 추가하면 셀프 평가가 끝난다. 메타에서의 AI 활용은 편리함만을 가져다준 것이 아니었다. 선배의 업무 방식을 들으면 그 양면이 명확히 보인다. 새로운 업무를 받으면, 에이전트를 두 개 동시에 켠다. 하나는 업무의 목적을 던져놓고 "야, 먼저 시작해"라고 보내는 실행 에이전트다. 아직 본인도 그 업무가 정확히 뭔지 모르는 상태에서, 일단 목표만 주고 달리게 한다. 다른 하나는 그 업무가 무엇인지를 본인에게 설명해주는 학습 에이전트다. 실행 에이전트가 하루 이틀 돌면 코드가 만 줄 가까이 만들어진다. 그 사이 선배는 학습 에이전트를 통해 업무를 파악하고, 만들어진 코드를 또 다른 에이전트와 함께 분석한다. 문제를 찾아도 대부분 마이너 리비전이고, 그 수정 사항을 반영해서 업데이트하는 것도 에이전트가 해준다. 하지만 문제는 이 속도를 감당하지 못하는 데서 발생한다. 선배는 단도직입적으로 말했다. "지금 메타 인프라 다 박살났어." 코드를 읽지도 않고 그냥 올려버리는 사람들이 너무 많아진 것이다. AI가 만든 코드를 충분히 리뷰하지 않고 커밋하면서 인프라 안정성에 심각한 문제가 생기고 있다. 이것이 바로 바이브 코딩 시대의 과도기적 폐해다. 선배는 이 현상이 비개발 직군에도 그대로 올 것이라고 예측했다. 100명이 일하는 비소프트웨어 회사가 있다면, 세 명이 에이전트를 활용해 똑같은 일을 하는 회사를 만들어서 가격을 후려치고 기존 회사가 죽는 상황이 먼저 올 것이다. 그다음에는 그 세 명 안에서도, 에이전트가 하는 일들을 감당하지 못해 발생하는 크라이시스가 문제가 될 것이다. 그러다 감당을 못 하는 회사들은 또 죽고, 세 명으로 에이전트를 오케스트레이션할 수 있는 능력을 갖춘 회사만 살아남을 것이다. 선배에 의하면, 실리콘밸리에서는 이미 "바이브 코딩"이라는 말을 잘 쓰지 않는다고 한다. 대신 "에이전트 오케스트레이션"이라는 표현이 훨씬 많이 쓰인다. 바이브 코딩은 "게임 하나 만들어 줘"처럼 대략적인 요청을 던지는 수준이다. 하지만 지금은 훨씬 구조화된 접근을 한다. 게임이라면 장르, 캐릭터의 성장 범위, 적들의 레벨 증가 방식 등을 엄청나게 자세한 스펙 문서로 만든다. 그리고 반복되는 요청들의 공통점을 묶어서 스킬이나 툴 같은 공통 스펙을 만들고, 그것들을 에이전트에게 어떻게 잘 먹이느냐가 결과물의 완성도를 좌우한다. "AI로 원하는 결과를 누가 더 잘 만드냐"가 실력이 되어버린 것이다. 선배의 설명을 더 풀어보면 이렇다. 앞으로 사람이 하는 일의 핵심은 시작과 끝이다. 무엇을 만들어야 하는지를 감각으로 아는 것, 그리고 나온 결과물이 마음에 드는지 판단하는 것. 이 두 가지는 사람만 할 수 있다. 여기에 더해, 결과물이 성에 안 찰 때 어느 부분이 어떻게 성에 안 차는지를 정확히 표현할 수 있는 사람이 성공한다. 기업 단위에서는 이것이 훨씬 복잡해진다. 큰 작업을 잘게 쪼갠 다음, 어떤 부분은 AI가 검증해도 괜찮은지, 어떤 부분은 반드시 사람이 봐야 하는지, 어떤 부분은 AI가 알아서 다음 단계로 넘어가도 되는지를 정확히 설계해야 한다. 에이전트에게도 토큰 비용이 들기 때문에, 사람과 에이전트의 리소스를 최적화하는 것 자체가 핵심 역량이 된다. 메타에서 AI를 쓰는 것은 엔지니어만의 이야기가 아니었다. 프로그램 매니저, HR, 영업 등 사실상 전 직군이 AI를 달리고 있다고 했다. 선배의 아이 생일에 만난 인도인 아빠는 애플에서 영업 데이터를 관리하는 팀에 있는데, 자기 팀 전체를 에이전트 기반 업무 방식으로 전환했다고 한다. 데이터를 관리해서 인사이트를 만들어 경영 판단에 도움이 되는 데이터 사이언스를 하는 곳인데, 그것을 전부 에이전트화한 것이다. 그러니 사람들에게 여력이 생기고, 그 여력으로 업무 범위를 확장했다. 메타 사내 페이스북에는 HR이나 피플 팀 소속의 비엔지니어들이 "나는 엔지니어가 아닌데 이런 프로그램 만들어 봤다, 괜찮은 것 같으니 한번 써 봐라"라고 올리는 게시글이 종종 올라온다고 한다. HR 팀은 각 엔지니어들이 접속해서 사용하는 모든 소프트웨어 툴체인의 데이터를 가져오는 에이전트를 만들어서, 직원들이 무엇을 하고 있는지 파악하고 자기만의 평가 점수 체계를 만들고 있었다. 영업직처럼 대면 미팅이 많은 사람들도 마찬가지다. 엑셀 시트에 키 메시지를 추가해서 던지면 슬라이드가 자동으로 만들어진다. 선배 본인도 요즘은 슬라이드를 한 땀 한 땀 만들지 않는다고 했다. 원하는 문단과 그래프를 던져주고 "만들어"라고 하면 일단 만들어지고, 거기서