원본 영상: The AI paradox: More automation, more humans, more work | Dan Shipper · 채널 Lenny's Podcast
이 영상은 AI가 인간을 대체해 일자리를 없앤다는 통념에 반대하며, 오히려 더 많은 인간 개입과 더 많은 일이 생긴다고 주장한다. Dan Shipper는 AI를 적극적으로 쓰는 조직일수록 자동화가 완성되는 것이 아니라, 인간의 판단·창의성·감각이 더 중요해진다고 본다. 특히 모델이 '어제의 인간 역량'을 싸게 만들수록, 사람은 그 위에서 새로운 것을 조합하고 차별화하는 역할로 이동한다고 말한다.
또한 앞으로의 일은 에이전트를 한 명 이상 붙여 쓰는 형태로 바뀌고, 실제 작업은 코드 에디터가 아니라 Codex나 Claude Code 같은 환경 안에서 이루어질 것이라고 예측한다. 하지만 SaaS가 사라지는 것은 아니며, 에이전트는 오히려 SaaS 사용자를 늘릴 것이라고 본다. 이 미래에서 특히 유리한 사람은 PM과 풀스택 디자이너처럼 AI를 다루면서도 문제 정의와 결과 감각을 함께 가진 사람들이다.
이 영상은 AI가 일자리를 단순히 대체하는 것이 아니라, 오히려 인간에게 더 많은 업무를 남기게 될 수 있다는 ‘패러독스’를 설명한다. 화자는 앞으로의 업무 변화가 크게 두 갈래로 진행된다고 보는데, 하나는 Slack 같은 곳에서 대화하며 일감을 넘기는 회사용 에이전트이고, 다른 하나는 Codex나 Claude Code 같은 환경이 이메일·문서·개발을 포함한 실제 작업의 운영체제가 되는 방향이다.
특히 그는 개인용 에이전트가 직관적으로 매력적이지만, 실제로는 유지보수와 신뢰 문제 때문에 당분간 회사 단위의 중앙 에이전트가 먼저 자리 잡을 것이라고 본다. 에이전트가 유용하려면 ‘가꾸어 주는 사람’이 필요하며, 결국 AI 도구의 경쟁력은 모델 성능만이 아니라 운영 방식과 책임 구조에 달려 있다는 점을 강조한다.
이 구간은 AI 제품의 경쟁축이 '모델 성능'에서 '모델을 제대로 쓰게 만드는 하니스(harness)'로 이동하고 있다고 주장한다. OpenAI의 Codex, Anthropic의 Claude Code, Cursor를 비교하면서, 앞으로는 AI가 SaaS 안에 들어가는 것보다 오히려 SaaS가 에이전트 안에서 실행되는 구조가 더 중요해질 것이라고 본다. 화자는 실제로 Codex와 브라우저, 문서 편집기, 이메일 에이전트를 함께 쓰며 인간과 에이전트가 같은 작업 공간에서 협업하는 방식이 강력하다고 강조한다.
또한 이런 변화는 제품 설계와 비즈니스 모델까지 바꾼다고 말한다. 사용자가 자기 AI를 가져와 SaaS를 사용하면 토큰 비용 부담이 줄고, 제품은 인간용 UI만이 아니라 에이전트가 쓰기 좋은 CLI, 로그, 승인, 롤백, 대량 요청 처리까지 고려해야 한다. 결국 'AI 기능 추가'가 아니라 '인간과 에이전트가 함께 일하는 새 UX'를 만드는 것이 핵심이라는 메시지다.
이 구간은 AI 에이전트가 소프트웨어 사용 방식을 어떻게 바꿀지에 대한 Dan Shipper의 전망을 중심으로 전개된다. 사용자는 이제 Slack에서 회사 에이전트와 대화하고, 개인 작업은 Codex나 Cloud Code 같은 도구 안에서 수행하게 되며, 앱은 그 내부 브라우저 안에서 다뤄질 것이라고 본다. 그는 CLI가 주류 작업 표면이 되기엔 한계가 있고, GUI가 다시 더 자연스러운 인터페이스가 될 것이라고 주장한다.
또한 그는 에이전트가 늘어날수록 SaaS가 사라지기보다 오히려 더 많이 쓰이게 될 것이라고 본다. 에이전트가 SaaS를 더 자주, 더 많이 호출하면서 수요가 증가하고, 기업은 AI를 덧붙이는 데 그치지 않고 인간과 AI가 함께 협업하기 좋은 소프트웨어를 만들어야 한다는 것이다. 마지막으로 자동화가 곧 인력 감축을 뜻하지 않으며, 오히려 자동화를 관리하고 검증할 인간의 역할이 더 중요해진다고 정리한다.
이 영상은 AI 자동화가 늘어났는데도 왜 사람의 일이 더 많아지는지에 대한 역설을 다룬다. 화자는 자신이 만든 '시니어 엔지니어 벤치마크' 사례를 통해, 현재의 AI는 겉보기보다 훨씬 덜 자율적이며 벤치마크는 모델의 실제 능력보다 문제를 어떻게 프레이밍했는지에 따라 점수를 왜곡한다고 주장한다.
핵심 메시지는 '벤치마크 점수 상승 = 인간 대체'가 아니라는 점이다. AI는 아직도 인간의 판단·감독·재프레이밍이 필요하고, 실제 업무에서는 한 인간이 AI를 쓰는 방식의 차이가 성능을 가른다. 그래서 그는 여전히 엔지니어를 고용하고, 기업은 에이전트가 제품을 쉽게 쓰게 만드는 방향으로 준비해야 한다고 말한다.
이 구간은 AI가 단순히 일을 없애는 것이 아니라, 오히려 새로운 일과 새로운 역할을 폭발적으로 만든다는 관점을 밀도 있게 보여준다. 비기술 인력도 PR을 올리고 코드를 만지면서 업무 경계가 무너지고, 그 결과 기술 팀은 더 많은 산출물을 리뷰·통합·정리하는 역할을 떠안게 된다. 동시에 '모두가 다 할 수 있는 시대'가 되면서 직무 정체성이 흔들리지만, 결국에는 일반화된 업무 방식이 새로운 표준으로 자리 잡을 것이라고 본다.
핵심은 자동화의 본질이 인간 제거가 아니라 인간의 역할 재배치라는 점이다. 특히 forward deployed engineer처럼 에이전트를 직접 관리하고 조정하는 새로운 직무가 부상하고, 데이터 사이언스/엔지니어링 조직은 잡음을 걸러내는 시스템과 에이전트를 따로 만들어야 한다. 마지막으로 CEO와 리더는 이 변화를 남에게 맡길 수 없고, 직접 AI를 써보며 감각을 쌓아야 한다는 메시지로 정리된다.
이 구간은 AI가 특정 직무를 대체하는 방식보다, 조직 안에서 일의 형태를 어떻게 바꾸는지에 초점을 맞춘다. 특히 sales, recruiting, 문서 작성, 이메일, 전략 기획처럼 지식노동의 상단과 중간 단계를 AI가 크게 보조하면서, 사람은 리뷰·판단·조율에 더 많이 시간을 쓰게 된다고 말한다.
또한 AI가 만든 결과물에 대한 반감은 점점 약해지고, 오히려 잘 지시된 AI 산출물이 인간이 대충 쓴 문서보다 더 낫다는 태도를 보여준다. 마지막으로, 이런 환경에서 가장 유리한 사람은 강한 제품 감각과 약간의 기술 이해를 함께 가진 PM이며, 실제 사례로 Marcus를 들어 그 조합이 얼마나 강력한지 강조한다.
이 구간은 AI가 일자리를 한꺼번에 없애기보다, '어제까지 인간이 하던 역량'을 싸게 만들어서 업무 방식을 재편한다는 관점을 강하게 밀어붙인다. 그래서 PM과 디자이너, 엔지니어 모두 사라지기보다 더 많이 필요해질 수 있으며, 특히 AI를 잘 다루는 사람은 더 빠르게 만들고 더 넓게 문제를 볼 수 있다고 말한다.
핵심 처방은 단순하다. 모델을 두려워하며 피하지 말고, 자신의 일에 붙여서 계속 시험해 보라는 것이다. 새 모델이 나올 때마다 '돌 밑을 다시 들어올려' 무엇이 가능한지 확인하고, 현실의 구체적인 업무와 결합해 쓰는 사람이 진짜 최전선에 선다는 메시지다.
이 구간은 AI가 세상을 완전히 뒤엎을 것이라는 과장과, 아무것도 바뀌지 않을 것이라는 냉소 사이에서 균형을 잡으려는 관점을 제시한다. 화자는 AI가 널리 접근 가능해졌다는 점을 긍정하면서도, 실제 업무는 여전히 이메일·Slack·SaaS 중심으로 이어지고 역할만 크게 재배치되고 있다고 본다. 즉 '모든 것이 바뀌었다'와 '대부분은 그대로다'가 동시에 참이라는 시각이다. 또한 AI 회사들이 위험을 과장하며 공포를 유통하는 PR 전략은 비효율적이고 종종 잘못됐다고 비판한 뒤, 앞으로 1년 동안은 각자의 업무 흐름에 모델과 에이전트 도구를 직접 넣어보고, 즐거운 문제를 골라 AI로 풀어보라고 조언한다.
후반부에서는 책, 다큐, 삶의 모토 같은 개인적 추천이 이어지지만, 핵심 메시지는 'AI 시대의 적응은 거창한 예측보다 직접 써보는 습관'이라는 점으로 모인다. 화자는 재미와 호기심이 있어야 실제로 유용한 사용처를 발견할 수 있다고 강조한다.
이 구간은 AI 시대에 불안과 업무 도구 선택을 어떻게 다뤄야 하는지에 대한 대화다. 화자는 AI가 내 일을 바꿀까 두렵다면, 그 두려움에 압도되기보다 '여유와 힘의 관점'에서 바라보는 것이 훨씬 생산적이라고 말한다. 이어서 최근 가장 과소평가된 도구로 Codex를 추천하며, 특히 브라우저 작업까지 포함한 실제 업무 흐름에서 작업 방식을 크게 바꿔준다고 설명한다.
또한 Claude와 OpenAI를 한쪽만 고집하기보다 상황에 따라 둘 다 쓰는 것이 유리하다고 보고, AI 도구 시장은 한 회사가 영구히 지배하는 구조가 아니라 앞서거니 뒤서거니 하는 경쟁 구도라고 정리한다. 마지막에는 중요한 건 도구를 함께 실험하고 생활 속에서 잘 활용해보는 태도라고 강조한다.
요약·핵심 인사이트는 인사이트컷(InsightCut)이 작성했습니다. 원본 영상의 저작권은 Lenny's Podcast에게 있으며, 영상은 공식 YouTube 플레이어로 재생됩니다.