실제로 무슨 일이 일어나고 있는가 — 그리고 Amazon이 말하지 않는 것

Amazon은 Mechanical Turk 웹사이트를 통해 2026년 7월 30일부터 해당 플랫폼이 신규 고객 접수를 완전히 중단할 것이라는 공지문을 게시했습니다. AWS는 이 결정을 '신중한 고려'의 결과라고만 설명했을 뿐, 다른 내용은 일절 언급하지 않았습니다. 매출 수치도, 전략적 전환점도, 혹은 이 플랫폼을 중심으로 워크플로우를 구축해 온 수십만 명의 근로자와 기업들에게 어떤 의미가 있을지에 대한 인정도 없었습니다.

이 침묵 자체가 무언가를 드러냅니다. 회사가 자발적으로 제품을 단종할 때, 보통은 다음 내용 중 하나와 함께 발표합니다: 후속 서비스, 마이그레이션 경로, 또는 비즈니스 근거. 하지만 Amazon은 이 모든 것을 제시하지 않았습니다. 대신 제공한 것은 기존 고객들은 크라우드소싱 마켓플레이스를 평소처럼 계속 사용할 수 있다는 단 하나의 확신과, 해당 서비스가 '보존 상태(amber)'에 놓이고 있다는 명확한 신호였습니다. AWS는 보안 및 가용성 개선에는 지속적으로 투자할 것이라고 확인했지만, 새로운 기능을 도입할 계획은 없다고 밝혔습니다.

이러한 조합 — 신규 사용자 대상의 강경한 중단과 동결된 기능 로드맵 — 은 Amazon이 그 단어를 사용하지 않더라도 운영상 '관리되는 단계적 축소(managed wind-down)'를 정의합니다. 회사가 오늘 Mechanical Turk의 전원을 완전히 차단하는 것은 아닙니다. 단순히 이 플랫폼에 미래가 없도록 만들고 있는 것입니다.

Mechanical Turk는 2005년에 인간 지능 작업 마켓플레이스로 시작되었으며, 일부 업무는 완전한 자동화에 저항한다는 전제하에 구축되었습니다. 'Turkers'라고 불리는 근로자들은 이미지 라벨링, 감성 분류(sentiment classification), 데이터 검증과 같은 마이크로태스크를 태스크당 소액으로 완료했습니다. 전성기 시절 이 플랫폼은 AWS 생태계의 핵심 부분이 되었고, 업계 전반의 AI 학습 데이터 파이프라인을 위한 기반 계층 역할을 했습니다.

신규 계정 생성 중단은 해당 파이프라인이 새로운 비즈니스를 위해 폐쇄되고 있음을 의미합니다. Amazon의 플랫폼을 통해 크라우드소싱 (Crowdsourcing) 노동력을 찾던 연구자, AI 개발자, 데이터 어노테이션 (Data annotation) 팀들은 이제 다른 대안을 찾아야 할 것입니다. 기존 고객층은 유지될 수 있지만, 크라우드소싱 서비스는 더 이상 성장하지 않으며 — Amazon은 이를 변화시키려는 어떠한 노력도 기울이지 않고 있습니다.

대부분의 사람들이 알아채지 못했던 플랫폼의 짧은 역사

Amazon은 18세기 사기극에서 이름을 빌려와 2005년에 Mechanical Turk를 출시했습니다. 원래의 "Mechanical Turk"는 1770년대 유럽 궁정을 돌며 순수한 기계적 천재성으로 인간 상대방을 물리치는 것처럼 보였던 체스 두는 기계였습니다. 이 환상은 캐비닛 안에 숙련된 체스 마스터가 숨어 기물을 조작하고 있었기에 가능했습니다. Amazon이 재현한 이 농담은 누구의 의도보다도 훨씬 덜 농담 같은 결과로 이어졌습니다.

이 플랫폼은 양면 시장 (Two-sided marketplace)으로 운영되었습니다. 한쪽에는 대규모의 인지적 작업 (Cognitive work)이 필요한 기업, 연구자, 개발자인 "요청자 (Requesters)"가 있었습니다. 다른 한쪽에는 작업당 비용이 종종 몇 푼(pennies)에 불과한 대가를 받으며 해당 과업을 완료하는 전 세계 노동자 집단인 "Turkers"가 있었습니다. 작업 내용 자체는 당시의 기계들이 안정적으로 처리할 수 없었던 모든 것이었습니다: 이미지 라벨링 (Labeling images), 오디오 전사 (Transcribing audio), 콘텐츠 중재 (Moderating content), 데이터셋 정제 (Cleaning datasets), 주소 검증 (Validating addresses), 제품 리뷰에 대한 감성 분석 (Sentiment analysis) 수행 등입니다.

이러한 종류의 인간 지능 작업(Human intelligence task) — 업계에서는 약어로 HIT를 차용했습니다 — 은 초기 방대한 AI 인프라의 결합 조직 (Connective tissue)이 되었습니다. 학술 연구자들은 행동 연구를 수행하고 어노테이션된 학습 데이터 (Annotated training data)를 수집하기 위해 MTurk를 사용했습니다. 자연어 처리 (Natural language processing) 도구를 구축하는 스타트업들은 모델 학습에 필요한 라벨링된 예시를 생성하기 위해 이를 사용했습니다. 콘텐츠 플랫폼들은 자동 필터가 놓치는 중재 대기열 (Moderation queues)을 처리하기 위해 이를 활용했습니다.

전성기 시절, 이 크라우드소싱 (Crowdsourcing) 마켓플레이스는 수백만 개의 태스크 (Tasks)를 처리했으며 190개국 이상의 수십만 명의 작업자를 지원했습니다. 이 모든 과정은 해당 태스크들이 구축하는 데 도움을 준 제품을 최종적으로 사용하는 사람들에게는 전혀 보이지 않았습니다. 추천 엔진 (Recommendation engine)이나 스팸 필터 (Spam filter)와 상호작용하는 일반 소비자들은 마닐라나 뭄바이의 인간 작업자들이 그 밑단에 놓인 데이터를 레이블링 (Labeling)했다는 사실을 전혀 알지 못했습니다.

그러한 비가시성 (Invisibility)은 버그가 아니라 하나의 기능이었습니다. 플랫폼의 전체 가치 제안 (Value proposition)은 제품 관점에서 볼 때 자동화된 처리 (Automated processing)와 구별할 수 없는 무언가로 인간의 노동을 추상화하는 것에 달려 있었습니다. 18세기의 캐비닛이 한 명의 체스 마스터를 숨겼다면, Amazon의 크라우드소싱 플랫폼은 수십만 명의 체스 마스터를 숨겼습니다.

누락된 맥락: MTurk는 자신을 대체할 AI를 학습시키는 데 기여했다

Amazon은 단순히 크라우드소싱 플랫폼을 구축한 것이 아니라, 데이터 공장 (Data factory)을 구축했습니다. 거의 20년 동안 Mechanical Turk 작업자들은 대규모로 이미지를 레이블링하고, 오디오를 전사하며, 텍스트 감정 (Text sentiment)을 분류하고, 데이터셋 (Datasets)을 어노테이션 (Annotate)했습니다. 그 작업은 현재 Amazon Web Services를 통해 판매되는 컴퓨터 비전 (Computer vision), 자연어 처리 (Natural language processing), 음성 인식 (Speech recognition) 시스템을 생성하는 머신러닝 (Machine learning) 파이프라인 (Pipelines)으로 직접 유입되었습니다. AI가 자신을 만든 조립 라인을 대체한 것입니다.

이것은 이 플랫폼에 대한 대부분의 부고 기사들이 생략하는 세부 사항입니다. Amazon은 MTurk를 인간 지능 태스크 마켓플레이스로 운영하는 동시에, 해당 마켓플레이스의 결과물로 학습된 AI 제품들을 상업화했습니다. 작업자들은 태스크당 1센트 미만의 아주 적은 금액을 벌었으며 — 연구들에 따르면 실질 시급이 미국의 연방 최저임금인 7.25달러 미만임이 반복적으로 밝혀졌습니다 — 고용 분류도, 복리후생도 없었으며, 요청자가 대금 지급 없이 작업을 거부할 경우에 대한 의미 있는 구제책도 없었습니다. 그들은 독립 계약자 (Independent contractors)로 분류되었고, 이는 Amazon의 노동 비용을 거의 제로에 가깝게 유지하는 동시에, 그 작업자들이 개발을 도운 AI 제품들이 과금 가능한 클라우드 수익을 창출하도록 만들었습니다.

그 구조적 아이러니는 매우 정교합니다. Amazon Web Services (AWS)는 현재 Amazon Transcribe를 통한 자동 전사 (automated transcription), Amazon Rekognition을 통한 이미지 분석 (image analysis), 그리고 Amazon Comprehend를 통한 감성 분석 (sentiment analysis) 서비스를 판매하고 있습니다. 이 각각의 서비스들은 MTurk 요청자들이 계속해서 다시 찾게 만들었던 작업 유형들과 직접적으로 경쟁합니다. AI 데이터 어노테이션 (data annotation) 도구들이 성숙해지고 모델의 역량이 확장됨에 따라, 인간 크라우드 워커 (crowdworkers)를 활용하는 경제적 타당성은 약화되었습니다. 2026년 7월에 MTurk를 신규 고객에게 폐쇄하는 것은 이러한 궤적의 논리적인 종착점입니다.

더 넓은 AI 산업은 별다른 검토 없이 이와 동일한 모델을 흡수해 왔습니다. MTurk, Scale AI, Remotasks 등에서 활동하는 보이지 않는 인간 어노테이터 (annotators)들은 기술 기업들이 자율 지능 (autonomous intelligence)이라고 마케팅하는 지도 학습 (supervised learning) 시스템을 조용히 뒷받침해 왔습니다. 이러한 시스템을 가능하게 했던 노동자들은 결코 공로를 인정받지 못했고, 공정한 보상을 받는 일도 드물었으며, 이제는 파이프라인에서 완전히 자동화되어 밀려나고 있습니다. MTurk의 쇠퇴는 업계가 수년간 회피해 온 방식으로 그 과정을 가시화합니다.

이를 여전히 활용하고 있는 기업과 연구자들에게 의미하는 바

기존 MTurk 고객들은 2026년 7월 30일 이후에도 워크플로우 (workflows)를 계속 실행할 수 있지만, Amazon은 더 이상의 새로운 기능이 추가되지 않을 것임을 분명히 했습니다. 플랫폼은 보안 및 가용성 유지보수만을 받게 될 것이며, 이는 플랫폼에 의존하는 모든 이들에게 매달 지나가는 시간을 부채로 만드는 느린 동결 (slow freeze) 상태가 될 것입니다. 경쟁사들이 지속적으로 개선 사항을 출시하는 동안 MTurk는 정체될 것이며, 그 격차는 빠르게 벌어질 것입니다.

학술 연구자들이 가장 큰 혼란을 겪게 될 것입니다. 지난 10년 동안 Mechanical Turk는 행동 과학의 기본 인프라가 되었으며, 심리학, 경제학, 정치학 분야의 수천 개의 동료 검토 (peer-reviewed) 연구가 MTurk의 참가자 풀을 기반으로 구축되었습니다. 재현 연구 (Replication studies), 종단적 조사 (longitudinal surveys), 그리고 IRB 승인을 받은 연구 프로토콜 모두 MTurk의 특정 작업자 인구 통계(demographics)를 기본 가정으로 수용해 왔습니다. 이러한 워크플로우를 이전한다는 것은 새로운 표본 구성, 서로 다른 응답률, 그리고 수년간의 비교 데이터를 훼손할 수 있는 방법론적 불일치에 직면함을 의미합니다.

대체 수요를 흡수할 위치에 있는 세 가지 플랫폼은 Prolific, Scale AI, 그리고 Appen입니다. 각 플랫폼은 서로 다른 트레이드오프 (trade-offs)를 가지고 있습니다. Prolific은 검증되고 인구 통계가 추적되는 참가자 풀과 작업자를 위한 최저 임금 정책을 통해 학술 및 시장 연구자를 타겟팅합니다. 즉, 데이터 품질은 높지만 비용도 높습니다. Scale AI는 기업급 AI 학습 데이터에 집중하며, 컴퓨터 비전 (computer vision), RLHF (Reinforcement Learning from Human Feedback) 파이프라인, 그리고 대규모 언어 모델 (large language model) 미세 조정 (fine-tuning)을 위한 복잡한 어노테이션 (annotation) 작업에 특화되어 있습니다. 따라서 사회 과학 설문 조사에는 적합하지 않지만, AI 개발 팀에는 매우 적합합니다. Appen은 그 중간에 위치하며, MTurk의 커버리지가 항상 취약했던 비서구권 시장에서 상당한 도달 범위를 바탕으로 여러 언어와 지역에 걸친 대규모 데이터 레이블링 (data labeling) 및 크라우드 워크 (crowd work)를 제공합니다.

어떠한 단일 플랫폼도 Mechanical Turk가 모든 사용 사례에 걸쳐 동시에 제공했던 것, 즉 가벼운 인지 작업과 구조화된 연구 설문 조사 모두를 위해 미국 기반의 대규모 크라우드에 저렴하게 접근할 수 있는 기능을 완벽히 복제하지는 못합니다. 이러한 조합 덕분에 MTurk는 거의 20년 동안 크라우드소싱 유틸리티로 자리 잡을 수 있었습니다. 이제 기업과 연구자들은 명확한 일대일 대체 수단 없이 강제적인 이전을 마주하게 되었으며, 오직 새로운 예산, 새로운 온보딩 (onboarding), 그리고 실제로 누가 작업을 수행하고 있는지에 대한 새로운 가정이 필요한 일련의 전문화된 대안들만을 마주하고 있습니다.

더 넓은 신호: 빅테크는 조용히 'Human-in-the-Loop' 시대의 종말을 준비하고 있다

2026년 7월 30일에 새로운 Mechanical Turk 고객을 더 이상 받지 않기로 한 Amazon의 결정은 단순한 기업 내부의 정리 작업이 아닙니다. 이는 공개적으로 노출된 인간 주석 (human annotation) 파이프라인에서 벗어나, 점차 스스로 학습 데이터 (training data)를 생성하는 AI 시스템으로 향하는 산업 전반의 의도적인 전환을 반영합니다.

생성형 AI (generative AI)의 붐은 이러한 변화를 가속화했습니다. 대규모 언어 모델 (large language models)이 성숙해짐에 따라, 기업들은 대규모의 합성 데이터셋 (synthetic datasets)을 더 저렴하고 빠르게, 그리고 크라우드소싱 (crowdsourced) 노동 시장을 운영할 때 따르는 평판 리스크 없이 생산할 수 있는 능력을 갖추게 되었습니다. AI 윤리에 대한 감시가 심화되는 시대에 MTurk와 같은 플랫폼은 눈에 띄는 리스크 요인이 되었습니다. 데이터 레이블링 (data labeling) 작업을 폐쇄적인 기업 간 계약 뒤로 숨기거나 모델이 생성한 출력값으로 대체하는 것은, 근본적인 필요성을 제거하지 않으면서도 그 가시성만을 제거하는 방식입니다.

이러한 대체는 측정 가능한 위험을 수반합니다. AI 모델이 이전 AI 모델이 생성한 합성 데이터로 학습할 때, 오류는 세대를 거듭하며 누적됩니다. 연구자들은 이를 모델 붕괴 (model collapse)라고 부르는데, 이는 출력이 인간의 언어와 지식의 정확한 표현으로부터 점진적으로 벗어나는 피드백 루프 (feedback loop)를 의미합니다. 이 문제는 이론적인 것에 그치지 않습니다. 여러 연구는 인간이 큐레이션한 코퍼스 (corpora)가 아닌 AI가 생성한 텍스트로 학습된 모델에서 측정 가능한 품질 저하가 나타남을 입증했습니다. 크라우드소싱된 인간의 지능을 기계가 생성한 레이블로 대체하는 것은, 하나의 문제 세트를 잠재적으로 통제하기 더 어려운 다른 문제 세트로 맞바꾸는 것입니다.

더 냉혹한 진실은 AI 개발 과정에서 인간의 노동이 사라진 것이 아니라, 조사하기 더 어려운 공급망의 더 깊은 곳으로 이동했다는 점입니다. 동남아시아, 동아프리카, 라틴 아메리카 전역의 저임금 시장에서 주로 활동하는 전문 데이터 주석 (data annotation) 업체들이 과거 MTurk가 공개적으로 분배했던 작업들을 이제 처리하고 있습니다. 이 작업은 ChatGPT나 Claude와 같은 모델의 정교한 동작 뒤에 있는 학습 기술인 인간 피드백 기반 강화학습 (reinforcement learning from human feedback, RLHF)을 뒷받침하지만, 이 일을 수행하는 노동자들은 대부분 대중의 시야 밖에서 활동하고 있습니다.

MTurk의 관리된 쇠퇴는 종착역이 아닌 전환점을 의미합니다. 인간 참여형 (human-in-the-loop) AI 개발을 가시화했던 — 때로는 불편할 정도로 — 크라우드소싱 (crowdsourcing) 모델은, 기본적으로 보이지 않도록 설계된 체계로 넘어가고 있습니다. 인간은 여전히 존재합니다. 다만 투명성이 사라질 뿐입니다.

원문은 Newzlet에서 처음 게시되었습니다.