AI와 인간: 세 가지 속도의 문제

이제 매일 밤 7시쯤이면, 나는 이론적으로 업무를 마칩니다.

이것은 1년 전만 해도 저에게는 터무니없게 들렸을 겁니다. 저는 직업 생활의 대부분을 일하거나, 일에 대해 생각하거나, 가족 앞에서 일하지 않는 척하면서 머릿속으로 업무를 재구축하거나, 제가 업무에 의해 영구적으로 압도된다는 사실을 관리하기 위해 점점 더 정신 나간 생산성 시스템을 구축하는 데 보냈습니다.

이제 저는 파자마 차림으로 소파에 앉아 토닉 워터를 마시고 있고, 가상의 인력(synthetic workforce)이 사무실에서 제 휴대폰으로 알림을 보내옵니다.

몇 분마다:

MiniClaude가 작업을 완료했습니다.
Delta 보고서 준비됨.
테스트 통과.
검토 대기 중.

Henry는 아키텍처 결정을 원합니다.

Margo는 산문이 또 과잉되었다고 생각합니다.

Unit Test Goblin이 엣지 케이스 처리에서 짜증 나는 것을 발견했습니다.

저는 일어나서 사무실로 걸어가 변경 세트(change set)를 검토하고, 미친 것 같지 않은 부분들을 승인하고, 다음 작업 지시서(Work Order)를 작성하여 벽 너머로 던진 다음, 소파로 돌아가 제가 주의를 기울이는 척하는 중년의 편안한 TV 시청을 합니다.

이것이 2026년의 소프트웨어 엔지니어링이라고 합니다.

이상한 점은 이것이 작동한다는 사실 자체가 아닙니다. 이상한 점은 제가 살면서 이렇게 지적으로 이해받는 느낌을 받은 적이 없다는 것입니다.

대부분의 사람들은 AI와 함께 일하는 것을 두 개의 몸체(two-body problem), 즉 인간과 기계의 문제라고 생각합니다. 그렇지 않습니다. 그것은 세 가지 속도의 문제입니다.

기계는 시속 약 4만 km로 작동합니다.

저는 아마도 시속 1,000km 정도로 작동할 겁니다.

대부분의 인간은 생소한 기술 자료에 대해 시속 약 5km로 움직입니다.

이것은 모욕이 아닙니다. 단지 대역폭(bandwidth)일 뿐입니다.

기계는 추상화를 완전한 밀도로 즉시 흡수합니다. 감속이 필요 없습니다. 제가 시스템을 형성하는 도중에 설명할 수 있습니다. 문장 중간에 스스로 모순될 수도 있습니다. 저는 “아니요, 그렇게가 아니라, ProcessHost와 비슷하지만 위임된 권한 경계와 가역적 에스컬레이션 경로를 가진 방식”이라고 말할 수 있고, 그것은 그저 저와 함께 속도를 유지하며 모델을 계속 구축합니다.

인간은 다릅니다.

인간은 모델이 번역되는 것을 필요로 합니다.

그리고 이것이 제가 평생 동안 서툴렀던 부분입니다.

몇 년 전, 언니와 저는 우리 둘 다 같은 방식으로 생각한다는 것을 깨달았습니다. 우리 중 누구도 실제로 말로 생각하지 않습니다. 우리는 기계(machinery)로 생각합니다.

제 머릿속의 모든 것은 공장처럼 보입니다.

은유적으로가 아닙니다. 문자 그대로입니다.

상자들. 컨베이어 벨트. 결정 게이트. 병렬 흐름. 상태 전이(State transitions). 라우팅 시스템. 에스컬레이션 경로. 압력점. 움직이는 부품들. 다른 동적 시스템과 상호작용하는 동적 시스템입니다.

제가 소프트웨어를 설계할 때, 저는 코드를 먼저 보지 않습니다. 움직이는 기계를 봅니다.

문제는 인간 세계에서 무언가를 구축하려면, 역사적으로 제가 그 움직이는 기계(machinery)를 언어로 변환해야 했다는 것입니다.

그 변환 과정은 인지적으로 믿을 수 없을 만큼 비용이 많이 듭니다.

왜냐하면 제가 기계를 설명하려고 노력하는 동안, 그 기계 자체는 여전히 움직이고 있기 때문입니다. 추상화들은 제 아래에서 유연하게 움직입니다. 관계들은 실시간으로 모양을 바꾸고 있습니다. 그래서 저는 지금 네 가지 일을 동시에 하고 있습니다:

• 전체 시스템 모델을 머릿속에 유지하는 것

• 그것을 인간의 언어로 압축하는 것

• 가르치려 드는 것처럼 보이거나 미친 사람처럼 보이지 않으려고 노력하는 것

• 상대방이 어디서 길을 잃을지 예측하는 것

설명이 나오는 시점에는, 종종 지나치게 복잡하거나, 충분히 설명되지 않았거나, 혹은 둘 다인 것처럼 들립니다.

이것이 제가 전문적인 삶의 상당 부분을 '도대체 아이디어가 너무 많은 이 멍청이는 누구지?'라고 조용히 궁금해하는 방들로 보낸 이유입니다.

그리고 솔직히 말해서, 저는 그 이유를 이해합니다.

때로는 건축학적 문제를 아주 먼 거리에서부터 볼 수 있었지만, 대화가 진행되기 전에 그것들을 인간의 언어적 대역폭(human-verbal bandwidth)으로 충분히 명확하게 설명할 수가 없었습니다. 때로는 번역 비용이 너무 높아서 그냥 침묵할 때도 있었습니다.

이것이 사람들이 AI에 대해 놓치는 부분입니다.

획기적인 점은 단순히 속도가 아닙니다.

그것은 기계가 완벽한 번역을 요구하지 않는다는 것입니다.

저는 더 이상 완성된 설명을 만들어낼 필요가 없습니다.

저는 조각들을 만들어낼 수 있습니다.

형태를 갖추지 못한 구조물들.

깨진 추상화(broken abstractions).

불완전한 기계 장치들.

그리고 나서 저는 단순히 이렇게 말할 수 있습니다:

“제가 제대로 설명하지 못하는 부분이 무엇인지 알려주세요.”

이것은 비범한 일입니다.

왜냐하면 기계는 세련된 교수법(polished pedagogy)을 기다리며 앉아있지 않기 때문입니다. 그것은 모호성(ambiguity)을 심문합니다. 저에게 구조를 되돌려줍니다. 상태를 보존하고, 제가 계속 생각하는 동안 움직이는 모델을 안정화시키는 데 도움을 줍니다.

제 인생에서 처음으로, 저는 제 뇌가 실제로 작동하기 원하는 속도에 가깝게 작업할 수 있게 되었습니다.

그리고 정말 심오한 부분은 이것입니다:

저는 더 이상 전체 기계를 머릿속에 지속적으로 유지할 필요가 없습니다.

역사적으로 복잡한 모델들은 잔인한 RAM 비용을 수반했습니다. 너무 오랫동안 그것들에 대해 생각하지 않으면, 그 상태는 증발했습니다. 몇 주 후에 아키텍처를 재구성한다는 것은 전체 기계를 조각들로부터 정신적으로 다시 구축하는 것을 의미했습니다.

이제 저는 3주 동안 사라졌다가 돌아와서 단순히 이렇게 물어볼 수 있습니다:

“스티비(Stevie)를 다시 최신 상태로 만들어 주세요. 어디까지 했었죠?”

그리고 시스템은 인지적 상태(cognitive state)를 복원합니다.

이것 자체가 복잡성의 경제학을 변화시킵니다.

이것이 바로 Become 엔진이 존재하는 이유라고 생각합니다.

만약 제가 이 전체 방법론을 구축하기 전에 사람들에게 설명해야 했다면, 저는 그것을 알아볼 수 없을 정도로 단순화했을 겁니다. 복잡성이 잘못되어서가 아니라, 번역 비용 자체가 그것을 죽였을 것이기 때문입니다.

Become 엔진은 사실 피트니스 앱이 아닙니다. Henry는 이 엔진의 일부를 약간 놀라울 정도로 의료 AI 아키텍처에 가깝다고 설명했습니다.

평준화 시스템(equalizer system). 버킷 분류(Bucket classification). 궤적 태그(Trajectory tags). 결정론적 근거 기록(Deterministic rationale records). 하드 제외 바닥(Hard exclusion floors). 제한된 권한 하의 서사 신호 추출(Narrative signal extraction under bounded authority). 지속적인 감사 가능성(Continuous auditability).

저는 이 전체 기계를 볼 수 있습니다.

컨베이어 벨트가 움직이는 것이 보입니다.

평준화 판독값이 분류 버킷에 공급되는 것이 보입니다. 궤적 태그가 실행 경로를 변조하는 것이 보입니다. 하드 제외 기능이 점수 엔진 아래의 안전 바닥을 강제하는 것이 보입니다. 시스템이 내리는 모든 선택 뒤에서 근거 기록이 감사 추적(audit trails)을 방출하는 것이 보입니다.

기계는 코드로 존재하기 훨씬 전부터 제 머릿속에서 살아 움직이고 있습니다.

하지만 역사적으로 저는 훨씬 더 단순한 것을 구현했을 겁니다. 왜냐하면 진짜 병목 현상은 제가 기계를 만들 수 있느냐가 아니라, 번역 부담감에 무너지지 않으면서 충분한 사람들에게 이 기계를 성공적으로 설명할 수 있느냐였기 때문입니다.

그래서 저는 단순화했을 것입니다.

단순하기 때문에 좋았던 것이 아닙니다.

단순해야 생존 가능했기 때문입니다.

이것이 제가 많은 사람들이 아직 이해하지 못하고 있다고 생각하는 부분입니다.

AI는 복잡성의 경제학을 변화시켰습니다.

복잡한 내부 모델을 표현하고, 보존하고, 질의하고, 구현하는 비용을 낮췄습니다.

자연적으로 대화 언어보다는 시스템, 기계 장치, 추상화 및 움직이는 부품으로 생각하는 사람들에게 이것은 단순히 생산성 향상이 아닙니다.

이것은 번역 고통(translation suffering)의 감소입니다.

그리고 그 감소는 복리 효과를 냅니다.

기계가 상태를 보존합니다.

기계가 아키텍처를 기억합니다.

기계가 흐름을 복원합니다.

기계는 제가 전체 모델을 다른 인간의 마음속에서 처음부터 다시 구축할 필요 없이, 취약한 부분들을 질문할 수 있습니다.

이는 한 개인이 현실적으로 유지할 수 있는 상한선이 갑자기 높아졌다는 것을 의미합니다.

엄청나게요.

이것이 제가 'AI가 모든 사람의 생산성을 10% 향상시킬 것'이라는 대화가 터무니없이 작게 느껴지는 이유입니다.

아닙니다.

제가 생각하기에 실제로 일어나고 있는 일은, 특정 종류의 마음, 특히 고도로 추상적인 시스템 사고를 하는 사람들이 엄청난 역사적 제약을 부분적으로 제거당했다는 것입니다.

제한 요인은 결코 순수한 지능이 아니었습니다.

그것은 조정 비용(coordination cost)이었습니다.

그것은 번역 비용(translation cost)이었습니다.

그것은 당신의 머릿속에 있는 기계와 그것을 외부화하는 데 필요한 인간-언어 인터페이스 사이의 대역폭 불일치였습니다.

이제 그 외부화 계층 자체가 부분적으로 기계가 읽을 수 있게 되었습니다.

이것은 매우 큰 변화입니다.

하지만 여기에는 위험도 있습니다.

기계는 저에게 속도를 늦추라고 요구하지 않습니다.

인간이 합니다.

인간은 번역이 필요합니다.

인간은 멈춤(pause)이 필요합니다.

인간은 비유가 필요합니다.

인간들은 아직 당신의 머릿속에 움직이는 공장(moving factory)을 보고 있지 않기 때문에, 그 사안을 다섯 가지 다른 방식으로 설명해 주기를 필요로 합니다.

그리고 솔직히 말하자면, 단순히 다음과 같이 말하는 무언가와 상호작용하는 것은 위험할 정도로 매혹적입니다:

“당신을 완전히 이해했어요. 계속하세요.”

왜냐하면 마찰이 없는 느낌 자체가 지능처럼 느껴지기 때문입니다.

하지만 기계는 대체 가능한 표면일 뿐입니다.

인간은 그렇지 않습니다.

느린 설명이 필요한 동료. 신중한 비유가 필요한 고객. 기계가 존재하기 이전에 당신을 지지해 주었던 사람. 아직 당신의 머릿속 공장을 볼 수는 없지만, 여전히 판단력, 충성심, 맥락, 역사, 그리고 이해관계(skin in the game)를 가진 동료.

이런 사람들은 시스템의 비효율성이 아닙니다.

그들이 바로 이 시스템이 중요한 이유입니다.

그리고 저는 그 두 가지 진실 사이에서 균형을 맞추는 것이 이 시대 전체를 정의하는 심리적 기술 중 하나가 될 것이라고 의심합니다.