시험장 문을 나서는 순간, 규칙이 뒤집힌다

지난 글 〈타짜〉의 도박판이 된 시험장에서는 AI 부정행위를 막으려면 시험장을 어디까지 감시해야 하는지를 물었다. 그 글은 다른 질문으로 끝났다. 그 시험은 무엇을 증명해야 하는가.

시험장에서 AI의 도움을 받아 문제를 풀면 부정행위가 된다. 그런데 시험장을 나와 회사에 들어가는 순간 상황이 뒤집힌다. AI를 이용해 보고서를 작성하고, 데이터를 분석하고, 코드를 만드는 사람은 생산성이 높은 인재로 평가받는다.

교탁 위 국어 모의평가 문제지와 OMR 답안지, 뒤로 칸막이가 설치된 빈 수능 시험장 책상들

문제지와 답안지, 칸막이 책상이 놓인 수능 시험장. 머니투데이

같은 사람이 같은 도구를 사용하는데, 한쪽에서는 부정행위이고 다른 쪽에서는 능력이 된다.

같은 물음이 더 거친 말로 나오기도 한다. 세무사 시험 AI 안경 논란을 다룬 한 유튜브 영상에서는 이런 말이 나왔다.1

“게임 룰 자체가 아이템전인데 왜 노템을 해요?”

게임에서는 장비를 갖추고 겨루는 판을 아이템전, 맨몸으로 겨루는 판을 노템전이라고 부른다. 롤플레잉 게임을 하면서 장비 없이 맨손으로 돌아다니는 사람은 없다. 인생도, 사회와 경제의 모든 분야도 아이템전이고 지금은 AI 없이 돌아가는 것이 없는데, 왜 시험만 노템으로 치르느냐는 것이다. 그것이 정당한 기준이냐고 그는 물었다.

레벨 21 캐릭터 둘의 장비 창 — 몸 둘레의 장비 칸과 오른쪽 능력치

롤플레잉 게임의 장비 창(디아블로 IV 개발 중 화면). Blizzard

다만 영상 제목과 달리, 당사자가 직접 밝힌 도구는 안경이 아니라 초소형 카메라였다. 지난 글에서 다룬 대로다.

인생은 아이템전인데, 왜 시험은 노템인가.

물론 시험과 실무는 목적이 다르다. 시험은 개인의 역량을 측정하고, 회사는 실제 문제를 해결한다.

하지만 이 차이를 인정하더라도 질문은 남는다.

우리가 시험장에서 측정하는 능력과 실제 사회에서 필요로 하는 능력이 점점 달라지고 있다면, 앞으로 인간의 전문성을 무엇으로 평가해야 할까?

코드를 작성하는 사람에서 AI를 지휘하는 사람으로

2026년 2월, AI 기업 앤트로픽의 연구자 니컬러스 칼리니가 흥미로운 실험을 공개했다.2

그는 16개의 AI 에이전트를 병렬로 운영해 C 언어 컴파일러를 처음부터 새로 만들었다. 컴파일러 자체는 Rust라는 언어로 짜였다. 2,000회 가까운 AI 작업 세션과 약 2만 달러의 API 비용이 투입됐고, 만들어진 코드는 10만 줄 규모에 달했다.

그 결과물은 리눅스 커널을 컴파일할 수 있는 수준에 도달했다. 물론 완벽한 상용 컴파일러가 탄생한 것은 아니었다. 실험에는 분명한 한계가 있었고, 사람이 작업 환경과 검증 체계를 설계해야 했다.

16개의 AI 에이전트가 만든 Rust 기반 C 컴파일러로 빌드한 리눅스 커널이 터미널 화면에서 부팅되는 실행 로그

AI 팀이 만든 컴파일러로 빌드한 리눅스 커널 부팅 화면. Anthropic

그런데 나는 오히려 이 대목이 중요하다고 생각한다.

이 연구자의 역량은 수많은 코드를 직접 입력하는 데서만 발휘된 것이 아니었다. 여러 AI가 동시에 일하도록 작업을 설계하고, 그 결과를 통합하고, 오류를 발견하는 데서도 발휘됐다.

과거에는 한 명의 개발자가 작성할 수 있는 코드의 양이나 복잡한 알고리즘을 구현하는 능력이 중요한 평가 기준이었다.

물론 지금도 그런 능력은 중요하다.

하지만 앞으로는 그 사람이 얼마나 뛰어난 AI를 활용할 수 있는지, 얼마나 복잡한 일을 위임할 수 있는지, 그리고 돌아온 결과를 얼마나 정확하게 검증할 수 있는지도 중요한 역량이 될 것이다.

여기서 조금 불편한 문제가 생긴다.

AI 에이전트 팀이 만든 C 컴파일러로 빌드해 macOS 창에서 실행한 고전 게임 둠(Doom) 화면

같은 컴파일러로 빌드해 실행한 둠(Doom). Anthropic

똑같은 실력을 가진 두 개발자에게 서로 다른 AI 환경을 제공하면 어떻게 될까?

한 사람은 최신 모델을 충분한 예산으로 사용하고, 여러 에이전트를 동시에 운영할 수 있다. 다른 사람은 제한된 모델과 사용량만 이용할 수 있다.

몇 달 뒤 두 사람의 성과를 비교한다면, 우리는 그 차이를 어디까지 개인의 능력이라고 불러야 할까?

경제학적으로 보면 개인의 인적자본과 그가 이용하는 기술자본이 결합하는 방식이 달라지고 있는 것이다.

AI 시대에는 개인이 가진 지식의 차이뿐 아니라, 개인이 동원할 수 있는 지능의 차이가 생산성 격차를 만들어낼 수 있다.

전문가가 되는 과정도 달라진다

이 변화는 개발자에게만 일어나지 않는다.

변호사가 되기 위해서는 오랫동안 법률을 공부하고 어려운 시험을 통과해야 한다. 그러나 실제 업무에서는 판례를 검색하고, 계약서를 검토하고, 방대한 자료에서 쟁점을 추출하는 일이 상당한 비중을 차지한다.

AI는 이미 이런 작업의 일부를 수행하거나 보조할 수 있다.

법률 AI 서비스 화면 두 개 — 소장을 넣고 답변서 초안을 쓰는 화면과 서면 내용을 묻고 답하는 화면

소장을 넣으면 답변서 초안을 쓰는 법률 AI 화면. 법률신문

의료에서도 비슷한 변화가 나타난다. AI는 의료영상에서 의심 병변을 찾아내고 판독을 보조한다.3 연구자는 AI로 문헌을 탐색하고, 데이터를 분석하고, 코드 초안을 작성한다.

흉부 엑스레이 영상 위 오른쪽 폐 중간 부위에 AI가 의심 결절 영역을 초록색 윤곽으로 표시하고 아래에 소견 점수를 나타낸 의료영상 판독 보조 화면 예시

AI가 흉부 엑스레이의 의심 병변을 표시한 화면. 루닛

물론 AI의 판단이 언제나 옳은 것은 아니다. 존재하지 않는 판례를 만들어내거나, 중요한 의료적 맥락을 놓치거나, 그럴듯하지만 잘못된 분석 결과를 제시할 수 있다. 실제로 2023년 미국에서는 변호사들이 AI가 지어낸 판례를 법원에 냈다가 제재를 받았다.4

미국 뉴욕 남부 연방지방법원 Mata v. Avianca, Inc. 사건(22-cv-1461) 제재 결정문 첫 장의 머리 부분

AI가 지어낸 판례에 대한 미국 법원 제재 결정문 첫 장(머리 부분). 법원 PDF

따라서 인간의 전문지식이 사라지는 것은 아니다. 오히려 AI의 오류를 발견하려면 해당 분야에 대한 깊은 이해가 필요하다.

그런데 여기서 또 다른 문제가 생긴다.

초급 변호사가 판례를 찾아보고, 신입 연구자가 데이터를 정리하고, 주니어 개발자가 코드를 작성하는 일은 단순히 생산을 위한 노동만은 아니었다.

그 과정은 전문가가 성장하는 훈련이기도 했다.

AI가 이런 업무를 대신하면 조직의 생산성은 높아질 수 있다. 하지만 초급 업무를 통해 경험을 축적하던 경로는 어떻게 될까?

우리는 전문가가 수행하는 일뿐 아니라 전문가를 길러내는 방법까지 다시 설계해야 할지 모른다.

내가 일하는 동안 AI들은 서로 회의하고 있었다

이 변화는 먼 실리콘밸리 연구실에서만 벌어지는 일이 아니다.

나는 요즘 개인 프로젝트를 진행하면서 여러 AI 에이전트에게 일을 나눠 맡기고 있다.

하나는 내 지시를 받아 작업 계획을 작성한다. 다른 하나는 일을 세부 작업으로 나누고, 여러 에이전트가 실제 결과물을 만든다. 그리고 개발에 참여하지 않은 별도의 에이전트가 검증을 담당한다.

최근 약 일주일 동안의 운영 기록을 확인해 봤다.

에이전트끼리 주고받은 메시지는 1,300건이 넘었다. 같은 기간 내가 시스템에 남긴 결정 응답은 그 10분의 1쯤이었다.

네 칸으로 나뉜 어두운 터미널 화면에 여러 AI 에이전트의 작업 기록 글자가 흐르고, 많은 줄이 흐리게 가려진 모습

AI 에이전트 여럿이 동시에 일하는 필자의 실제 작업 화면(일부 가림).

물론 내가 다른 채팅이나 메신저에서 나눈 대화는 이 숫자에 포함되지 않는다. 그러니 사람의 말이 10분의 1이었다고 할 수는 없다. 모든 업무를 합산한 생산성 지표도 아니다.

하지만 한 가지는 분명했다.

내가 직접 지시하지 않는 동안에도 AI 에이전트들 사이에서는 작업 지시서와 완료 보고서, 검증 결과가 계속 오가고 있었다.

흥미로운 사건도 있었다.

최근 한 프로그램의 결함을 수정하면서 개발 에이전트가 작업을 완료했다고 보고했다. 그러나 독립 검증 에이전트는 통과시키지 않았다.

개발 에이전트는 수정했다고 다시 보고했다. 검증 에이전트는 또 반려했다.

이 과정이 여섯 번 반복됐다.

일곱 번째에야 검증을 통과했다.

왼쪽 구현과 오른쪽 검증 사이를 일곱 번 오가는 화살표 도표. 1~6번째는 붉은 반려 표시로 되돌아오고 7번째는 초록 통과 표시

여섯 번 반려 끝에 일곱 번째에 통과한 검증 과정(본문 내용을 그린 도표)

그동안 나는 코드를 직접 고치지 않았다. 대신 결과를 검증하는 절차를 유지하고, 통과하지 못한 작업은 완료로 인정하지 않는 구조를 운영했다.

반대의 경험도 있었다.

AI가 작성한 글을 읽고 나는 이렇게 말했다.

“너무 재미없다.”

문법이 틀린 것도 아니고, 사실관계가 모두 잘못된 것도 아니었다. 하지만 독자가 왜 이 글을 읽어야 하는지 느껴지지 않았다.

그 원고는 두 번 다시 작성됐다.

이런 경험을 하면서 나는 인간의 전문성이 어디에 있는지 새삼 생각하게 됐다.

AI가 나보다 더 정확하게 오류를 발견할 때도 있었다. 반대로 AI가 작성한 결과물에 무엇이 부족한지 내가 판단해야 할 때도 있었다.

그렇다면 이 결과물은 누구의 능력일까?

AI가 코드를 작성했으니 내 성과가 아니라고 해야 할까? 반대로 내가 지시했다는 이유만으로 모든 결과를 내 능력이라고 주장할 수 있을까?

아마 어느 쪽도 충분한 설명은 아닐 것이다.

개인이 기업이 되는 시대

그런데 여러 AI 에이전트와 일하면서 내가 느낀 가장 큰 변화는 따로 있었다.

어느 순간부터 내가 직장인이라기보다 작은 회사의 대표처럼 일하고 있다는 느낌이었다.

1인 창조기업을 개인사업체와 법인으로 나눈 도넛 그래프와 지역별 막대그래프

1인 창조기업 현황 그래프. 벤처스퀘어

나는 무엇을 만들지 결정한다.

누군가 작업 계획을 세우고, 다른 누군가가 일을 나눈다. 실제 구현은 또 다른 담당자가 맡는다. 검증 담당자는 결과를 검토하고, 문제가 있으면 다시 돌려보낸다.

나는 보고를 받고 판단한다. 외부에 공개하거나 배포할지는 내가 결정한다.

청사진(계획)에서 세 갈래 작업 분할, 톱니바퀴 구현, 돋보기와 초록 체크 표시 검증(보완 시 구현 단계로 되돌리는 화살표 포함)을 거쳐 마지막 황금 왕관 킹(사람의 최종 결정)으로 이어지는 5단계 작업 흐름 그림

계획 → 분할 → 구현 → 검증 → 사람의 최종 결정.

직원은 늘었지만, 결과를 책임질 사람은 여전히 나 하나다.

이것은 우리가 익숙하게 알고 있는 기업의 업무 방식이다.

다른 점이 있다면 그 일을 수행하는 대부분이 AI라는 사실이다.

기업이라고 하면 수백 명, 수천 명이 일하는 회사를 떠올리기 쉽다. 그러나 한두 명이 운영하는 기업도 있고, 수십 명이 일하는 기업도 있다.

기업의 본질을 단순히 직원 숫자만으로 설명할 수는 없다.

기업은 여러 자원을 결합하고, 일을 나누고, 조정하고, 하나의 결과물을 만들어내는 생산 체계이기도 하다.

경제학자 로널드 코스는 기업이 왜 존재하는지 물었다. 시장에서 매번 거래하는 데 드는 비용을 줄이기 위해 조직 내부의 조정이 필요하다는 것이 그의 중요한 통찰이었다.

서가 앞에서 안경을 쓴 백발의 로널드 코스 흑백 인물 사진

기업이 왜 존재하는지 물은 경제학자 로널드 코스. 노벨재단

그런데 AI는 이런 조정과 실행에 필요한 비용을 낮출 가능성이 있다.

과거에는 여러 사람을 고용해야 가능했던 지식노동의 분업을, 이제 한 사람이 여러 AI 에이전트를 통해 구현할 수 있게 된 것이다.

물론 이것이 AI가 인간 직원을 모두 대체한다는 뜻은 아니다. 사람 사이의 신뢰, 협상, 관계 형성, 책임은 여전히 중요하다. AI를 운영하고 검증하는 데에도 새로운 비용이 발생한다.

그럼에도 중요한 변화가 시작되고 있다.

예전에도 1인 기업은 존재했다. 하지만 이제는 한 사람이 여러 전문 기능을 동시에 운영하면서, 이전보다 훨씬 복잡한 생산 체계를 구축할 가능성이 열리고 있다.

한 사람이 더 많은 일을 하는 것을 넘어, 한 사람이 기업처럼 일하기 시작한 것이다.

그렇다면 미래의 전문가를 평가할 때 우리는 무엇을 봐야 할까?

혼자서 얼마나 많은 일을 처리할 수 있는 사람인가.

아니면 여러 지능과 도구를 동원해 얼마나 뛰어난 결과를 만들어내고, 그 과정과 결과를 얼마나 정확하게 판단하고 책임질 수 있는 사람인가.

이것은 단순히 생산성의 문제가 아니다.

우리가 인간의 능력이라고 부르는 것의 범위가 달라지는 문제다.

안경 쓴 프로 기사가 바둑판 앞에서 돌을 놓고 있는 모습

AI와 둔 대국을 복기하는 신진서 9단. 서울신문

바둑은 이 길을 먼저 걸었다

2016년 알파고가 이세돌을 이긴 뒤, 프로 기사들은 AI와 싸우는 대신 AI로 공부하기 시작했다. 신진서와 같은 세계 정상급 기사들은 AI로 기보를 연구하고, 과거의 정석을 다시 검토한다. 그런데 공식 대국 도중 AI의 도움을 받아 수를 결정하는 것은 여전히 허용되지 않는다.

연습실에서는 필수이고 대국장에서는 금지인 셈이다. 아무도 이것을 모순이라 하지 않는다. 대국은 ‘그 사람이 혼자 무엇을 둘 수 있는가’를 보는 자리라고 모두가 합의했기 때문이다.

시험장과 일터 사이의 어색함은, 우리가 아직 그 합의를 하지 못했다는 뜻일지도 모른다.

2016년 3월 서울에서 열린 구글 딥마인드 챌린지 매치 대국장에서 이세돌 9단(오른쪽)이 알파고 측 대리인과 마주 앉아 바둑판에 돌을 놓는 모습

2016년 이세돌 9단과 알파고의 대국. 한겨레

우리는 여전히 한 사람을 시험한다

2026학년도 대학수학능력시험일 아침 서울 중구 이화여자외국어고등학교 시험장 앞에서 두 수험생이 계단을 올라 시험실로 들어가는 뒷모습

수능 날 아침 시험장으로 들어가는 수험생들. 한겨레

다시 시험장으로 돌아가 보자.

시험장에서 AI를 금지하는 이유는 이해할 수 있다.

AI의 도움 없이도 문제를 이해하고, 기본적인 지식을 활용하고, 독립적으로 판단할 수 있는 능력은 중요하다.

AI가 틀린 답을 제시했을 때 오류를 발견하려면 인간에게도 기초적인 전문성이 있어야 한다.

그러므로 AI를 활용하는 시대가 왔다고 해서 모든 시험에서 AI를 허용해야 한다는 주장은 성급하다.

하지만 반대의 질문도 필요하다.

실제 업무에서는 AI를 활용해 문제를 해결하는 능력이 중요해지고 있다. 개인은 여러 AI를 지휘하며 기업처럼 일하기 시작했다.

그런데 우리는 여전히 한 사람이 제한된 시간 안에, 외부의 도움 없이 얼마나 많은 문제를 풀 수 있는지를 중심으로 능력을 평가하고 있다.

수능 시험일 고사장 책상 위 시험지 앞에 두 손을 모으고 시작을 기다리는 수험생의 손

시험지 앞에 두 손을 모으고 시작을 기다리는 수험생. 한겨레

물론 그러한 시험이 측정하는 능력도 필요하다.

다만 그것이 전문성의 전부일까?

AI 없이 스스로 이해하고 판단하는 힘과, AI를 활용해 문제를 풀고 그 결과를 책임지는 힘. 시험은 이 둘 가운데 무엇을 재고 있을까?

그리고 누구나 같은 AI를 쓸 수 있는 것이 아니라면, 우리가 재는 것은 사람일까, 사람이 손에 쥔 도구일까?

우리는 여전히 한 사람의 지식을 시험한다.

하지만 그 사람이 세상에서 발휘하는 능력은 이미 한 사람의 지식과 기술만으로 설명하기 어려워지고 있다.

그렇다면 우리가 바꿔야 할 것은 시험 문제일까, 아니면 전문가라는 자격을 부여하는 방식 자체일까?


다음 글: 「시험 한 번으로 평생 전문가가 되는 시대는 끝나는가」 — AI 시대, 전문자격의 경제학


  1. 유튜브 채널 ‘이면서다’, 「대단한 일이 일어났습니다.. | 전문직이 본 세무사 수석 합격 AI 안경 논란」. https://www.youtube.com/watch?v=dT256az2-LA ↩︎

  2. Nicholas Carlini, “Building a C compiler with parallel Claudes”, Anthropic, 2026-02-05. https://www.anthropic.com/engineering/building-c-compiler ↩︎

  3. 미국 식품의약국(FDA), AI 활용 의료기기 목록(미국 내 판매 허가를 받은 기기). https://www.fda.gov/medical-devices/artificial-intelligence-enabled-medical-devices/list-artificial-intelligence-enabled-medical-devices ↩︎

  4. Mata v. Avianca, Inc., 미국 뉴욕 남부 연방지방법원, 사건번호 1:22-cv-01461 (2023). 개요: https://en.wikipedia.org/wiki/Mata_v._Avianca,_Inc. ↩︎