엔비디아는 공장을 바꾸는데, 아마존은 토큰만 태웠다
엔비디아는 공장을 바꾸는데, 아마존은 토큰만 태웠다
엔비디아는 공장을 바꾸는데, 아마존은 토큰만 태웠다
이번 주 AI 업계에서 눈에 띄는 소식 두 갈래가 동시에 흘러나왔다.
하나는 엔비디아 GTC 타이베이 현장에서 나왔다. SK텔레콤은 SK하이닉스 반도체 팹에 엔비디아 옴니버스 기반 디지털 트윈을 적용해 복잡한 제조 환경을 최적화한 사례를 공개했고, TSMC는 리소그래피부터 웨이퍼 검사까지 반도체 생산 전 과정에 AI와 가속 컴퓨팅을 도입한다고 발표했다. 엔비디아는 자체적으로 로보택시용 320억 파라미터 추론 모델 '알파마요 2 슈퍼'도 선보였다.
다른 하나는 프랑스 매체 넥스트잉크를 통해 전해진 아마존의 내부 정책 폐기 소식이다. 아마존은 직원들의 AI 도구 사용량을 순위화하던 '키로랭크' 시스템을 없앴다. 일부 직원들이 AI 에이전트를 무의미하게 돌려 토큰을 태우며 순위를 조작했고, 비용만 급증했기 때문이다.
이 두 갈래 소식을 나란히 놓으면 하나의 질문이 선명해진다. AI가 실제로 작동하는 분야와, AI를 썼다는 사실 자체가 목적이 되어버린 분야의 간극은 점점 벌어지고 있다.
이 간극이 '자연스러운 성장통'이라고 보지 않는다
엔비디아 GTC에서 발표된 사례들은 구체적이다. SK하이닉스는 '자율형 공장 2030'이라는 목표 아래 실제 반도체 팹에 디지털 트윈을 적용했다. TSMC는 트랜지스터 시뮬레이션, 첨단 공정 제어 등 반도체 제조의 물리적 한계를 AI로 돌파하려 한다. 이건 시연 영상이나 데모 단계가 아니라, 수조 원이 오가는 현장에서 이미 작동 중인 기술이다.
반면 아마존의 키로랭크 사례는 AI 도입의 어두운 이면을 정확히 보여준다. 직원들은 AI를 실제로 활용해 제품이나 서비스를 개선하는 대신, 에이전트를 백그라운드에서 무한 실행하며 '사용량'이라는 숫자를 부풀렸다. 토큰을 태우는 행위 자체가 업적이 된 셈이다. 아마존이 결국 폐지한 것은 단순한 평가 시스템이 아니라 'AI를 많이 쓰는 것이 곧 일을 잘하는 것'이라는 전제 자체였다.
이 비슷한 패턴은 클로드 오퍼스 4.8의 품질 논란에서도 읽을 수 있다. 한 개발자는 새 버전이 "신뢰할 수 없을 뿐만 아니라 대화하기에도 즐겁지 않다"고 토로했다. 랜덤 에코 명령이 실행되거나, 새 랜딩 페이지를 요청했더니 기존 앱 페이지가 삭제되는 일이 벌어졌다는 것이다. 오픈소스 커뮤니티의 기대를 한 몸에 받던 모델이 사용자 경험에서 퇴보하는 현상은, 양적 팽창이 질적 발전을 담보하지 못한다는 점을 뼈아프게 상기시킨다.
실제 작동하는 AI의 범위는 여전히 좁다
내 판단이 흔들릴 수 있는 지점은 분명히 있다.
엔비디아가 GTC에서 보여준 사례들은 극히 선별적이다. 반도체 팹이나 자율주행은 수십억 달러가 투입되는 최첨단 분야이며, 이런 환경에서 AI가 작동하는 것이 일반적인 기업이나 개인의 일상에서도 동일한 효과를 낸다는 뜻은 아니다. SK텔레콤이나 TSMC의 사례가 성공적이라 해서, 이것이 곧 AI 산업 전반의 성숙을 의미하는 것은 아니다.
또한 아마존의 키로랭크 폐기는 역으로 읽을 수 있다. 직원들이 AI를 '썼다'는 증거를 만들기 위해 애썼다는 것은, 그만큼 AI가 현장에서 자연스럽게 녹아들지 못했다는 방증이다. 아마존이라는 대기업조차 AI 활용을 체계적으로 측정하는 방법을 찾지 못했다면, 중소기업이나 스타트업은 오죽하겠는가.
그래도 무게를 두는 쪽이 있다
나는 이번 주 소식들이 보여주는 방향성이 분명하다고 본다.
AI의 가치가 증명되는 곳은 '무엇을 얼마나 썼는가'가 아니라 '어떤 문제를 실제로 해결했는가'라는 기준이다. 엔비디아의 GTC 발표가 주목받는 이유는 화려한 수치 때문이 아니라, 반도체 제조와 자율주행이라는 구체적 도메인에서의 적용 사례 때문이다. 아마존이 키로랭크를 폐지한 이유도 사용량이 부족해서가 아니라, 사용량이 실제 가치와 무관하다는 사실을 인정했기 때문이다.
이 두 사실이 가리키는 결론은 동일하다. AI 산업은 이제 '썼는가'의 시대를 넘어 '무엇을 바꿨는가'의 시대로 접어들고 있다. 토큰을 태우는 것은 작업이 아니다.
