AI 쓰나미의 첫 물결은 이미 시작됐다

에이전틱 AI는 단순한 기술 도입을 넘어 시장의 작동 원리와 경쟁 질서를 재구성하는 구조적 전환이다. 변화의 첫 물결은 이미 산업 전반에 도달했다.

조직들이 AI를 어떻게 활용하고 있는지 들여다보면 한 가지 간극이 선명하게 드러난다. 기업 내부에서는 대형언어모델(LLM)을 실험하며 효율을 높이는 데 집중하고 있지만, 생성형 AI는 이미 산업 경제 전반의 구조를 바꾸고 있다. 내부의 시행착오와 외부에서 진행 중인 구조적 변화 사이에 뚜렷한 거리감이 존재한다.

2023년 3월, AI 과학자와 업계 리더, 연구자들은 LLM이 ‘판도라의 상자’를 열었다고 경고했다. 그로부터 2년이 채 지나지 않아 LLM의 확산은 임계 수준에 근접한 것으로 보인다. 기술은 조직 내부의 도구를 넘어 산업 환경 자체를 흔들기 시작했다. AI의 급속한 보급은 통제하기 어려운 규모의 변화를 만들어내고 있으며, 이른바 ‘AI 쓰나미’의 첫 물결이 이미 산업 전반에 영향을 미치고 있다.

이 물결은 AI 커뮤니티가 그려온 미래상과는 결이 다르다. 더 화려하거나 더 파괴적인 사건이 아니라, 산업의 작동 원리를 조용히 재편하는 구조적 변화에 가깝다. 겉보기에는 점진적인 조정처럼 보이지만, 실제로는 시장의 신호 체계와 경쟁 논리를 바꾸는 방식으로 작동한다. 지금 이 변화를 정확히 읽어내는 일은 악의적 활용, 시스템 오류, 사회적 충격과 같은 다음 단계의 전환에 대비하기 위한 중요한 단서가 된다.

사라질 문제에 AI를 적용하는 조직들

첫 번째 물결은 단순한 기술 확산이 아니다. 그것은 시장이 작동하는 방식과 고객이 현실을 인식하는 구조 자체를 재편하는 변화다. 이 전환은 갑작스러운 붕괴라기보다 기존 경제 메커니즘을 서서히 약화시키는 방식으로 진행된다. 겉보기에는 점진적 조정처럼 보이지만, 실제로는 산업의 설계 원리를 다시 쓰는 과정에 가깝다.

많은 조직이 변화의 방향을 읽지 못한 채, 기존 문제 목록에 AI를 덧붙이는 방식으로 대응하고 있다. 특정 산업 안에서 형성된 경험과 성공 공식은 여전히 의사결정의 기준으로 작동한다. AI의 잠재력은 인정하면서도 문제 정의는 바꾸지 않는 것이다. 가까운 시일 내 의미를 잃을 과제까지 ‘해결 대상’으로 유지되는 이유다. 조직의 95%가 AI 도입에서 어려움을 겪고 있다는 진단은 이러한 구조적 불일치를 반영한다. 다보스 포럼에서도 같은 문제의식이 반복되었다.

흥미로운 점은 산업 현장에서 나타나는 구조적 변화와 달리, AI 커뮤니티의 논의는 여전히 다른 축에 머물러 있다는 사실이다. 논쟁의 중심에는 스케일링 법칙의 유효성이 놓여 있다. 물론 이 문제는 학술적으로 중요하다. 그러나 스케일링 법칙은 서로 다른 LLM 간의 구조적 격차를 설명하는 데 한계가 있으며, 무엇보다 산업 현장에서 벌어지는 현실의 재편을 충분히 다루지 못한다. 지금의 핵심은 모델 성능 경쟁이 아니라, 급변하는 시장 현실과 AI 발전 사이에서 벌어지는 간극이다. 오픈AI 역시 최근 이러한 간극의 존재를 공개적으로 언급했다.

학계는 그동안 AI가 경제 성장과 복지 분배에 미치는 거시적 영향을 분석해 왔다. 최근에는 관심이 한 단계 이동해, 기술 도입 과정에서 산업과 노동시장, 기업 구조가 어떻게 재편되는지를 다루는 ‘전환 역학(transition dynamics)’으로 확장되고 있다. 전환 역학이란 새로운 기술이 기존 질서를 대체하는 과정에서 어떤 마찰과 시간 지연, 구조적 재조정이 발생하는지를 분석하는 접근이다. 즉, 결과가 아니라 이동 과정 자체를 연구하는 시도다.

그러나 산업 현장에서 요구되는 것은 이러한 분석을 넘어서는 전략적 대응이다. 변화의 경로를 설명하는 것과 그 경로 위에서 조직이 어떻게 재배치되어야 하는지를 설계하는 것은 다른 문제다. 이 글의 초점은 ‘AI 모델을 배포하는 문제’에서 벗어나 AI가 산업 구조를 재편하는 조건 속에서 조직을 어떻게 재설계할 것인가로 이동해야 한다는 점이다. 

이를 위해 제안하는 개념이 ‘응용 AI(Applied AI)’다. 응용 AI는 에이전틱 AI가 작동하는 환경에서 조직이 전략적으로 전환하기 위한 프레임워크다. 스케일링 법칙을 부정하지 않되, 그것을 출발점으로 삼아 기술 역량, 비즈니스 도메인 이해, 그리고 변혁 실행 능력을 하나의 체계로 통합한다. 2000년대 초 경험 플랫폼(Experiential Platforms)이 마케팅을 ‘채널 운영’에서 ‘고객 경험 설계’로 전환시켰던 것처럼, 응용 AI 역시 기술 성능의 경쟁을 넘어 전략적 설계의 문제로 시선을 이동시킨다. 핵심은 모델의 우열이 아니라 산업을 바라보는 관점의 재정렬에 있다.

에이전틱 AI, 도구가 아니라 새로운 질서

에이전틱 AI는 기존 세계를 보완하는 또 하나의 기술 도구가 아니다. 그것은 산업이 작동하는 방식을 바꾸는 새로운 질서의 출현에 가깝다.

기업 현장에서 관찰되는 공통된 착각이 있다. 많은 조직이 자신만이 산업 생태계에서 에이전틱 AI를 도입하고 있다고 암묵적으로 가정한다는 점이다. 내부에서는 효율 개선과 자동화 성과에 집중하지만, 외부에서 벌어지는 변화는 과소평가한다.

그러나 고객과 파트너, 경쟁사까지 AI 에이전트를 활용하기 시작하는 순간, 변화는 개별 조직의 내부 효율 개선을 넘어선다. 시장 참여자 모두의 의사결정 방식이 동시에 달라지면서, 그동안 시장 균형을 지탱해 온 경제 논리 역시 흔들리기 시작한다. 조직이 이 변화를 체감하는 시점이 곧 ‘AI 쓰나미’가 가시화되는 순간이다. 문제는 기술 도입의 속도가 아니라, 균형 조건이 바뀌고 있다는 사실이다.

새로운 경제 구조는 과거의 작동 메커니즘과 동일한 궤적을 따르지 않는다. 이것은 단순한 비용 절감이나 인력 효율화의 문제가 아니다. 에이전틱 AI는 제품이 설계되는 방식, 경쟁이 전개되는 구도, 지식이 형성되고 검증되는 과정, 시장 참여자의 협상력과 역량 분포, 위험과 불확실성의 구조를 동시에 수정한다. 범죄의 방식과 규제 환경 역시 그 영향을 피하지 못한다. 변화는 기술 영역에 국한되지 않고, 경제 질서의 기본 설계를 다시 쓰는 방향으로 확장되고 있다.

금융업에서 드러나는 ‘신호 기능’의 침식

금융업을 보자. 은행들은 여전히 고객 경험 개선, 운영 효율성 제고, 규제 준수 강화와 같은 기존 과제에 AI를 적용하고 있다. 지난 20년간 반복되어 온 접근이다.

문제는 기술 도입 자체가 아니라, 시장 참여자의 행동이 바뀌고 있다는 데 있다. 최근 몇 년 사이 에이전틱 AI는 소비자와 기업, 범죄 조직의 의사결정 방식을 동시에 변화시키기 시작했다. 은행 고객은 신용 대출 신청 과정에서 AI 에이전트를 활용해 자신의 재무 정보를 정교하게 구성하고 표현한다. 겉보기에는 편의를 높이는 보조 수단처럼 보이지만, 그 영향은 더 깊다. 정보가 생산되고 전달되는 방식이 달라지면서 시장의 핵심 메커니즘에도 균열이 생기기 때문이다.

정보 비대칭 상황에서 차주의 신뢰도를 가늠해 온 ‘신호 기능(signaling)’은 그 대표적 사례다. 전통적으로 신호는 개인의 역량과 신뢰성을 간접적으로 드러내는 역할을 해왔다. 신호가 표준화되고 자동화될수록, 개별 차주의 역량과 신뢰성을 구별하기는 점점 어려워진다. 실제로 노동 시장과 교육 영역에서도 유사한 신호 기능의 침식이 나타나고 있다는 연구 결과가 보고되고 있다.

신호 기능이 약해지면 은행의 리스크 관리 구조도 흔들린다. 우량 차주를 선별하는 과정이 복잡해지고, 에이전틱 AI에서 비롯된 채무 불이행(default) 증가 가능성도 제기된다. 동시에 범죄 조직 역시 에이전틱 AI를 적극 활용하고 있다. 기존 탐지 시스템은 AI가 생성한 자금 세탁 패턴을 전제로 설계되지 않았다. 규정 준수 리스크는 구조적으로 확대될 수 있다.

경쟁 구도 역시 재편되고 있다. 신규 진입자들은 AI 기반 결제 프로토콜을 앞세워 전통 은행의 고객을 유치하고 있다. 이는 단순한 기술 경쟁이 아니라 수익 구조를 압박하는 문제다. 마진 축소 가능성이 현실화되는 가운데, 많은 은행은 여전히 기술 부서 주도의 전술적 비용 절감형 AI에 집중해 왔다. 생산성 개선 효과는 제한적이었고, 산업 구조 변화에 대비할 전략적 준비는 충분하지 않았다.

맥킨지는 6년 전 전 세계 은행의 35%가 이미 불리한 시장 환경에 놓여 있다고 분석했다. 에이전틱 AI가 본격적으로 확산되는 향후 몇 년은 이들 금융기관의 생존을 가르는 분기점이 될 가능성이 있다. 보험, 생명과학, 의료 산업 역시 유사한 압력에서 자유롭지 않다.

다가오는 변화에 대응하려면 리더는 비즈니스 도메인 지식, 변혁 역량, 기술 이해를 하나의 전략으로 통합해야 한다.

어셈블리 단계에서 운영체제 단계로

왜 지금인가. AI 역량이 기술 스택의 상위 계층으로 빠르게 이동하고 있으며, 가치 또한 그 흐름을 따라 재배치되고 있기 때문이다.

그동안 AI 활용은 수작업 프롬프트 설계와 불안정한 통합, 지속적인 관리에 의존하는 ‘어셈블리 언어 단계’에 가까웠다. 그러나 최근에는 범용 에이전트가 작업을 스스로 분해하고 맥락과 기억을 관리하며, 여러 도구를 종단 간 조율하는 방향으로 진화하고 있다. 이는 단순한 기능 개선이 아니라 ‘운영체제 단계’로의 전환에 가깝다.

기반 모델의 성능이 누적되면서 운영체제(OS)에 비견되는 에이전트 계층이 형성되고 있다. 이 계층은 기술 활용을 하나의 추상화 수준으로 끌어올린다. 기술 배포는 더 이상 특정 전문가 집단의 전유물이 아니며, 점차 제품, 워크플로, 공급망 전반에 내재된 기본 인프라로 흡수되고 있다.

이 전환이 가속화되면 경쟁의 속도는 빨라지고 의사결정과 실행의 사이클은 짧아진다. 전환 비용은 낮아지고 산업 전반의 가격 구조는 에이전트 중심 경험에 맞춰 재조정될 가능성이 높다.

소련식 하향식 접근의 한계

많은 조직의 리더가 에이전트형 AI가 산업 전반에 구조적 변화를 일으키고 있다는 점을 감지하고 있지만, 전략적 전환으로 이어지지 않는다. 산업 경제의 균형 조건이 이동하고 있다는 큰 그림을 재정의하기보다, 당장의 성과를 보여줄 수 있는 IT 주도의 전술적 AI 솔루션으로 방향을 좁히는 경우가 많다.

문제는 기술 자체가 아니라 접근 방식에 있다. 다수의 조직은 여전히 ‘소련식’ 하향식(top-down) 도입 모델을 반복한다. 과대광고된 사일로형 AI 도구를 구매하고, 전사 교육을 실시한 뒤, 사용을 의무화하는 방식이다. 기술은 조직 문화나 업무 구조의 재설계 없이 위에서 아래로 주입된다. 그 결과 나타나는 현상은 이른바 ‘AI 워싱(AI Washing)’이다. 직원들은 일자리 불안 속에서 도구를 사용하는 척하지만, 실제 업무 방식과 의사결정 구조는 크게 달라지지 않는다.

이 장면은 낯설지 않다. 1990년대 초 한 공공기관에 도입된 386 데스크톱 컴퓨터는 당시로서는 혁신의 상징이었지만, 현장에서는 오히려 생산성을 떨어뜨렸다. 청구서를 합산하는 데 30분이 걸렸고, 기존 계산기로는 5분이면 충분했다. 그 장비는 ‘본사에서 내려보낸 또 하나의 기기’로 인식되었고, 기술 도입은 업무 재설계 없이 형식적으로 이루어졌다.

오늘날 기업의 AI 도입 역시 유사한 위험을 안고 있다. 차이가 있다면 통제 방식이 정교해졌다는 점이다. 도구 사용 여부는 온라인으로 추적되고, 사용하지 않는 행위는 혁신 저항으로 해석될 수 있다. 경영진은 효율성 향상을 기대하지만, 현장의 경험은 다를 수 있다. 이 괴리는 많은 조직이 여전히 기술을 ‘도구’로만 이해하고, 산업 구조 변화에 대응하는 전략으로는 확장하지 못하고 있음을 보여준다.

응용 AI 전략, 세 개의 기둥

올바른 방향은 ‘AI 도구’ 중심 사고에서 벗어나 응용 AI 전략으로 이동하는 것이다. 응용 AI는 기술 도입을 넘어 산업 구조 전환을 설계하는 접근이다. 이를 위해서는 기술, 비즈니스 도메인, 변혁이라는 세 축이 동시에 작동해야 한다.

기술 기둥: 에이전트 생태계의 성숙

기술 기둥은 조직 안팎의 디지털·비디지털 자원이 에이전틱 AI에 의해 어떻게 재구성되고 증강되는지를 다룬다. 여기에는 기술 부채, A2A(Agent-to-Agent) 연결, MCP(Model Context Protocol), 에이전틱 워크플로 설계, 거버넌스, 인프라 전략이 포함된다.

중요한 점은 모든 에이전트가 동일하지 않다는 사실이다. 일부 에이전트(예: Gemini CLI, Claude Code급)는 운영체제(OS) 수준의 플랫폼으로 확장성과 범용성을 갖춘다. 반면 시장의 다수 에이전트는 단일 목적 유틸리티에 가깝다. 역사적으로도 운영체제 경쟁의 승자는 기능이 아니라 유통과 생태계를 장악한 플랫폼이었다. 에이전틱 AI 역시 유사한 경로를 따를 가능성이 크다.

모델 컨텍스트 프로토콜(MCP)의 등장은 이러한 생태계 성숙을 보여주는 사례다. 2025년 12월 LLM 개발 기업 앤트로픽(Anthropic)은 MCP를 리눅스 재단 산하 에이전틱 AI 재단에 기증했다. 이는 1983년 ARPANET이 TCP/IP를 채택한 결정과 유사한 의미를 지닌다. TCP/IP가 N×M 통합 문제를 해결하며 인터넷 확장의 기반을 마련했듯, MCP 역시 에이전트 간 상호 운용성을 높이는 표준으로 자리 잡을 가능성이 있다.

비즈니스 도메인 기둥: 산업 경제의 재설계

그러나 기술만으로는 충분하지 않다. 비즈니스 도메인 기둥은 산업의 시장 역학이 어떻게 바뀌는지, 가치 창출 방식이 어떻게 이동하는지, 그리고 조직이 그 안에서 어떤 위치를 차지해야 하는지를 재정의한다.

미니 컴퓨터 강자 DEC (Digital Equipment Corporation)는 매출 140억 달러, 직원 13만 명을 보유한 세계 2위 컴퓨터 기업이었지만 산업 경제 구조의 전환을 읽지 못했다. 비디오 대여 체인 블록버스터(Blockbuster), 블랙베리 제조사 Research In Motion (RIM), 필름 카메라 기업 코닥(Kodak) 역시 기술력이 부족해서가 아니라 산업 논리의 이동을 늦게 감지했기 때문에 쇠퇴했다.

생성형 AI 역시 유사한 변화를 촉발하고 있다. 일부 연구는 웹 콘텐츠의 약 50%가 AI에 의해 생성되었다고 주장한다. 또 여러 연구는 인간이 LLM이 생성한 텍스트를 사람의 글과 구별하지 못한다는 결과를 보고한다. 생성형 AI는 낮은 노력과 낮은 통제 비용으로 설득력 있는 표현을 대량 생산할 수 있게 했다. 이해 없이 설득하는 능력이 구조적으로 자동화된 것이다. 그 결과, 인간은 AI가 생성한 정보의 홍수 속에서 다시 AI 에이전트를 통해 정보를 걸러내야 하는 상황에 놓이고 있다. 산업의 가치 흐름이 바뀌는 지점이다.

변혁 기둥: 생산성에서 창의성으로

마지막으로 변혁 기둥은 인간과 조직 운영 방식의 재설계를 다룬다. 과거 AI 성과 평가는 효율성과 생산성 개선에 초점이 맞춰져 있었다. 그러나 에이전틱 AI 시대에는 이 기준만으로 충분하지 않다. 인건비 절감에만 집착하는 접근은 조직의 긍정적 동력을 약화시키고 창의성을 저해하며, 장기적 경쟁력을 훼손할 수 있다.

에이전틱 AI의 본질적 가치는 인간의 창의성을 확장하고 새로운 가능성을 발견하는 데 있다. 생성적 디자인 리더십과 생성적 진화 설계 접근법은 이러한 전환을 제도화하는 방법론을 제공한다. 결국 응용 AI는 기술을 도입하는 전략이 아니라, 조직이 어떻게 사고하고 혁신하는지를 재구성하는 전략이다.

잔물결은 이미 해안에 닿고 있다

리더는 ‘AI 도구’에서 응용 AI 전략으로 이동해야 한다. 대부분의 조직은 여전히 분산된 사용 사례에 AI를 적용하는 데 머물러 있다. 그러나 향후 2년 내에 밀려올 구조적 변화에 대비하지 못한다면, 시장 설계권은 다른 주체로 이동할 가능성이 있다.

쓰나미는 멀리서 보면 잔물결처럼 보인다. 그러나 해안에 닿는 순간, 지형을 바꾼다.

밀린드 가하와르(Milind Gaharwar)는 비즈니스 리더십과 전략 컨설팅 분야에서 20년 가까이 활동하며, 글로벌 제조 산업의 AI 통합과 제품 개발을 이끌어온 전문가다. 현재 메르세데스-벤츠(Mercedes-Benz)의 수석 AI 사이언티스트(Principal AI Scientist)로서 전 세계 비즈니스 프로세스 전반에 걸친 AI 최적화와 실무 적용을 총괄하고 있다.

막심 아파나시예프(Maxim Afanasyev)는 AI 및 제품 관리 분야에서 20년 넘게 경력을 쌓아온 베테랑으로, 특히 금융 산업의 디지털 전환과 AI 도입 전략을 주도해왔다. 스탠퍼드 경영대학원에서 AI 비즈니스 연구로 박사 학위를 받았으며, 맥킨지와 스탠다드차타드 은행을 거쳐 현재 구글 클라우드(Google Cloud)의 일본 및 아시아태평양(JAPAC) 지역 금융 서비스 산업(FSI) 부문을 총괄하고 있다.

The post AI 쓰나미의 첫 물결은 이미 시작됐다 appeared first on MIT 테크놀로지 리뷰 | MIT Technology Review Korea.