이것은 철학적인 연습으로 시작되었습니다.

친구와 저는 AI가 생성한 코드를 어떻게 테스트할 것인지에 대해 토론하고 있었고, 결국 AI가 무엇을 대체할 수 있고 무엇을 대체할 수 없는지에 대해 생각하기 위한 **5단계 프레임워크 (five-layer framework)**를 구축하게 되었습니다. 해당 논의 과정은 저의 이전 포스트에서 확인하실 수 있습니다.

하지만 우리가 층(layer)을 매핑해 나가는 과정에서 실질적인 무언가가 나타났습니다. 바로 이 프레임워크가 시장 역학 (market dynamics)에 직접적으로 매핑된다는 점입니다. 어떤 산업이 레드 오션 (red ocean)으로 변하고 있는지, 어떤 산업이 여전히 블루 오션 (blue ocean)인지, 그리고 결정적으로 — 당신이 어디에 위치해야 하는지에 대한 것입니다.

이 포스트는 바로 그 지도입니다.

AI 리스크의 5단계 지도

AI로 대체 가능성이 가장 높은 단계부터 가장 낮은 단계 순으로 나열한 층은 다음과 같습니다:

Layer 4    메타 인지적 생성 (Meta-Cognitive Generation)       → 가장 깊은 블루 오션 (DEEPEST BLUE OCEAN)
            존재하지 않는 새로운 프레임워크를 창조함

...

각 층은 아래 층으로 스며들지만, 스며드는 속도는 급격히 느려집니다. Layer 1은 이미 범용화 (commoditized)되었습니다. Layer 4는 결코 그렇지 않을 수도 있습니다.

이 지도에서 도출된 세 가지 전략적 원칙

원칙 1: AI 침투 속도 = 마진 붕괴 속도

특정 영역에서 "AI가 마침내 X를 할 수 있다"라는 뉴스의 밀도는 해당 영역에 남아있는 이익 마진 (profit margin)과 반비례합니다.

"AI가 마침내 X를 할 수 있다"라는 말을 들을 때마다, X는 방금 레드 오션 (red ocean)이 된 것입니다. AI가 그것을 완벽하게 수행하기 때문이 아니라, 진입 장벽이 제로로 떨어지고 공급이 폭발하며 가격이 붕괴되었기 때문입니다.

이로부터 도출되는 결론은 더 흥미롭습니다: 한 층이 범용화되는 순간, 그 위의 층이 프리미엄을 얻게 됩니다. 코드 생성의 한계 비용 (marginal cost)이 제로가 될 때, 어떤 코드를 생성할지 아는 것 — 즉 어떤 기능이 중요한지, 어떤 추상화 (abstraction)가 유효한지를 판단하는 능력 — 이 희소한 기술이 됩니다. AI는 하단을 범용화하고 상단에 보상을 지급합니다.

원칙 2: AI가 강력해질수록, 인간의 프리미엄은 높아진다

이것은 원칙 1의 긍정적인 측면입니다.

Layer 1 (애플리케이션 지식)이 범용화(Commoditize)될 때:

• 이전: "나는 Python과 React를 안다" → 가치 있음
• 이후: "나는 Python과 React를 안다" → 기본 요건 (Table stakes)
• 프리미엄의 이동: "당신 시스템의 어느 부분이 6개월 안에 부패할지 말해줄 수 있다" (Layer 2)
• 또는: "당신의 AI가 놓치는 것을 잡아내는 검증 루프 (Verification loop)를 설계할 수 있다" (Layer 3)

AI는 파이를 만듭니다. 하지만 파이를 나누는 것 — 누가, 언제, 왜 어떤 조각을 가져가는지 아는 것 — 은 파이를 만드는 법이 가르쳐주지 않는 기술(Craft)입니다.

이것은 제가 관찰해온 패턴을 설명해 줍니다. 제가 아는 가장 성공적인 팀들은 "AI 기술"을 위해 채용하지 않습니다. 그들은 **AI가 현재 작동하는 계층(Layer) 바로 위의 판단력 (Judgment)**을 위해 채용합니다. AI가 개별 함수를 작성하던 시기(2023-2024)에는 아키텍트(Architect)에게 프리미엄이 붙었습니다. AI가 전체 기능(Feature)을 생성하기 시작했을 때(2025), 프리미엄은 해당 기능들을 위한 _검증 시스템 (Verification systems)_을 설계할 수 있는 사람들에게 돌아갔습니다.

원칙 3: AI의 침투 방향과 수직이 아닌 직교하는 위치에 서라

대부분의 커리어 조언은 이렇게 말합니다: "AI 도구를 배우고, AI 전문가가 되어, 그 파도를 타라."

이 프레임워크는 그 반대를 제안합니다.

가장 레버리지가 높은 위치는 AI의 현재 침투 방향과 직교(Orthogonal)하는 위치입니다:

• AI가 Layer 1 (애플리케이션 지식)을 침투하고 있다면 → 당신은 Layer 2에서 검증 시스템을 구축하며 서 있어야 합니다.
• AI가 Layer 2 (코드 작성)를 침투하고 있다면 → 당신은 Layer 3에서 판단 기준을 설계하며 서 있어야 합니다.
• AI가 Layer 3 (메타 지식 패턴)에 접근하고 있다면 → 당신은 Layer 4에서 새로운 프레임워크를 만들며 서 있어야 합니다.
• AI가 신체(Layer 0b)를 얻는다면 → 당신은 Layer 0a에서 시간과 통합된, 환원 불가능한 삶의 경험을 수행하며 서 있어야 합니다.

AI가 현재 먹어치우고 있는 계층에서 경쟁하지 마십시오. 그 바로 위의 계층에서 경쟁하십시오.

이것은 "AI보다 더 나아지는 것"에 관한 문제가 아닙니다. 문제 공간의 다른 _차원 (Dimension)_을 점유하는 것에 관한 것입니다. AI는 결과물(Outputs)을 생성하고, 당신은 그것을 검증(Validate)합니다. AI는 프레임워크 내에서 최적화(Optimize)하고, 당신은 그 프레임워크가 옳은지 의문을 제기합니다. AI는 정보를 처리하고, 당신은 시간에 걸쳐 경험을 통합(Integrate)합니다.

프레임워크를 바탕으로 자신을 매핑해 보십시오

당신이 투자하고 있는 것이 무엇이든 — 커리어, 회사, 사이드 프로젝트 — 그것을 다음과 같이 배치해 보십시오:

가장 위험한 위치: 오직 계층 1에서만 활동하는 것. 프롬프트를 작성하는 법을 알고, API 구문을 알고, "2026년의 베스트 프랙티스(Best practices)"를 아는 것 — 이러한 것들은 반감기가 몇 개월 단위로 측정됩니다.

가장 안전한 위치: 여러 계층에 걸쳐 활동하며, 각 계층의 출력이 상위 계층의 판단(Judgment)에 밑거름이 되는 구조:

• 코드 작성 (계층 2) → 테스트 프레임워크 설계 (계층 3) → 테스트가 왜 중요한지에 대한 철학 수립 (계층 4) → 실패하고 회복했던 실제 출시 제품에 근거를 둠 (계층 0a)

이 체인은 자기 강화적(Self-reinforcing)입니다. 어떤 두 연결 고리도 AI의 궤적과 평행하지 않습니다.

이것이 실무에서 의미하는 바

세 가지 구체적인 견해:

1. 커리어 초기 단계라면 (~20대) — "AI 기술"을 쫓는 데 시간을 덜 쓰고, **실제 도메인에서의 시간 통합적 경험(Time-integrated experience)**을 쌓는 데 더 많은 시간을 쓰십시오. 당신이 신뢰하는 판단력을 가진 20년 경력의 변호사가 있습니까? 그 신뢰는 2,000개의 판례 요약본을 읽어서가 아니라, 2,000개의 사건이 전개되는 과정을 지켜본 데서 옵니다. 지금 바로 당신만의 2,000개 사건을 쌓기 시작하십시오. 도메인 자체보다 중요한 것은 깊이입니다.

2. 커리어 중간 단계라면 (~30대-40대) — 당신은 위험할 정도로 강력한 계층 0a의 시간 통합성을 이미 갖추고 있습니다. 교차점에 집중하십시오: 당신의 특정 산업 지식 (계층 1) × 당신의 엔지니어링/매니지먼트 숙련도 (계층 2) × 업무가 수행되는 방식을 설계하는 능력 (계층 3). 이 교차점이야말로 AI가 따라오기 가장 힘든 영역입니다.

3. 제품을 만들고 있다면 — 당신의 비즈니스가 최소 두 개의 계층을 점유하고, 그 계층 간의 관계가 수직적이 되도록 설계하십시오. 코드를 작성하는 도구(계층 1-2)는 기능 (Feature)입니다. 코드를 작성하면서 당신의 특정 비즈니스 규칙에 따라 이를 검증하는 도구(계층 2-3)는 제품 (Product)입니다. 코드를 작성하고, 검증하며, 그 두 가지 모두를 더 잘할 수 있는 방법을 당신에게 가르쳐주는 도구(계층 2-3-4)는 플랫폼 (Platform)입니다.

결론적 원칙

우리가 구축한 프레임워크는 커리어 가이드로 만들어진 것이 아닙니다. 그것은 "왜 AI 코드를 테스트하는 것이 그토록 어려운가?"라는 질문에 답하기 위해 만들어졌습니다. 하지만 그 답변은 더 큰 무언가를 드러냈습니다.

단 하나의 조직 원칙:

AI의 침투 방향에 수직으로 서십시오. AI가 현재 집어삼키고 있는 계층에서 결코 경쟁하지 마십시오.

AI는 아래에서 위로 계층을 먹어 치웁니다: 계층 1을 먼저, 그다음 계층 2, 그리고 계층 3에 접근합니다. AI가 위로 올라갈 때마다, 프리미엄은 그 상위 계층으로 이동합니다. 이를 제때 파악하여 "AI 도구를 배우는 것"에서 "AI 도구가 설계할 수 없는 것을 설계하는 것"으로 피벗(Pivot)하는 사람들이, 단순히 붉게 물든 바다(Reddening oceans)에서 살아남는 것을 넘어 남겨진 섬들을 소유하게 될 것입니다.

그 섬들은 정보로 만들어진 것이 아니기에 AI가 도달할 수 없는 계층들입니다. 그것들은 살아있는 시간 (Lived time)으로 만들어져 있습니다.

이 글은 시리즈의 두 번째 글입니다. 첫 번째 글은 "AI 코드를 어떻게 테스트할 것인가"에서 "무엇이 우리를 인간으로 만드는가"로 이어지는 철학적 사슬을 추적했습니다. 해당 포스트에서 발전시킨 프레임워크 — 지식의 5가지 계층과 살아있는 시간의 압축 불가능성 — 가 바로 이 전략적 지도의 토대입니다.

다음 스레드를 원하신다면 팔로우하십시오: "학습 시스템으로서의 검증 시스템"이 실제로 어떤 모습인지, 그리고 우리가 구축한 ai-qc 패키지가 이 프레임워크를 어떻게 실행에 옮기는지에 대해 다룰 예정입니다.