인사이트

AI가 창작의 기쁨을 돌려줬다

실리콘밸리가 아니라 뉴욕과 보스턴에서, 개발자가 아닌 사람들을 만났습니다. 같은 기술인데 각자에게 의미가 완전히 달랐습니다.

유전자를 편집하는 AI

보스턴의 한 생명과학 연구소에서 바이오 연구용 AI 도구를 만드는 연구자를 만났다. 유전자 편집 기술 관련 논문도 발표했고, 생명과학과 인공지능의 교차점에서 매일을 보내는 사람이다.

바이오 분야에서 AI의 가능성을 물었더니 단호했다.

"생명과학은 아직 30퍼센트 정도밖에 이해되지 않은 분야예요."

소프트웨어에서는 남은 기회가 얼마나 있는지 의심스러운데, 바이오와 우주야말로 AI로 연구개발에 박차가 가해질 분야라고 봤다. 인간이 탐구해야 할 영역이 무수히 남아 있어 할 일이 많다는 것이다.

그는 곧 새로운 바이오 AI 회사로 옮길 예정이라고 했다. 아직 인류에게 남은 난치병을 고치기 위해 직접 모델까지 만드는 곳이다.

더 흥미로운 것은 그의 사이드 프로젝트였다. 예측 시장 플랫폼의 배팅 봇을 만들고 있었다. 본업은 바이오 AI 연구인데 퇴근 후에는 금융 예측 봇을 코딩하는 연구자다.

이 조합이 가능해진 이유는 하나다. 코딩 속도가 체감상 세 배는 빨라졌다는 것.

그는 순수한 개발자가 아니다. 연구자 출신이고 도메인 지식과 분석력은 있지만 코딩이 본업은 아니었다. 그런 사람이 지금은 혼자서 작동하는 봇을 만든다. 데이터를 읽고 가설을 세우는 능력이 있었고, 도구가 그 능력을 실제 코드로 옮기는 다리 역할을 해준 셈이다.

뉴욕의 글로벌 금융 데이터 회사에서 데이터 엔지니어 팀 리드로 일하는 10년차를 만났다. 광고 회사에서 시작해 시니어 분석가로 합류했고 이후 엔지니어로 전환해 팀 리드까지 올라간 사람이다.

금융은 보수적이다. 보안 규정이 엄격해 외부 AI 도구 도입이 늦었다. 하지만 일단 쓰기 시작하니 변화는 빨랐다. 특히 매니저로서의 삶이 달라졌다. 팀원 작업을 요약하고 문서화하고 소통하는 시간이 확연히 줄었다.

요즘 대부분의 금융 회사는 자체 모델을 만든다. 데이터가 수십 년 쌓아온 노하우이고 외부 도구에 의존하고 싶지 않기 때문이다. 금융 데이터는 구조가 복잡하고 정확도 기준이 높아 범용 모델로는 한계가 있다는 이유도 있다.

가장 인상 깊었던 이야기는 외주팀에 관한 것이었다. 금융 데이터는 생각보다 비정형이고 불친절하게 공유되는 경우가 많다. 그래서 사람이 일일이 수기로 읽어 추출하고 옮기는 작업이 필요했고, 그 일이 해외 외주팀으로 나갔다.

사라지고 있다는 표현이 정확했다. 한꺼번에 없어진 것이 아니라 서서히 줄어들고 있었다. AI가 처리하는 범위가 넓어질수록 물량이 줄었고 계약 규모도 자연스럽게 축소됐다.

금융은 여전히 엑셀 기반 문화가 강하다. 다만 그 엑셀 안에서 일어나는 작업의 주체가 바뀌고 있다.

가장 웃겼던 대목은 일상 이야기였다. 뉴욕 사람들은 레스토랑에서 팁을 계산할 때도 계산기가 아니라 챗봇을 쓴다는 것이다.

본인도 최근 아파트 리스 계약서를 넣어 검토했다고 했다. 뉴욕의 리스 계약서는 수십 페이지에 법률 용어가 가득하다. 예전에는 그냥 믿고 서명하거나 비싼 돈을 주고 변호사에게 맡겼을 텐데, 지금은 핵심 조항을 요약해주고 주의할 부분을 짚어준다.

"변호사를 완전히 대체하는 건 아니지만, 최소한 뭘 물어봐야 하는지는 알게 돼요."

미국 빅테크 R&D 조직의 프로덕트 디자이너는 경력 10년이다. 회사에서 공식적으로 AI 도구를 제공하지 않는데도 매달 500달러를 개인 돈으로 쓰고 있었다.

왜 그렇게까지 하느냐고 물었더니 대답이 의외였다. 다시 만드는 일이 즐거워졌기 때문이라고 했다.

10년 차의 루틴에서 빠져나와 다시 밤새 무언가를 다듬고 싶어지는 기쁨. 같은 기술인데 연구자에게는 속도를 바꾸는 도구였고, 매니저에게는 팀 구조를 재편하는 힘이었고, 디자이너에게는 잃어버렸던 창작의 기쁨을 되돌려준 존재였다.

Bloom은 사람과 기술이 만나는 오프라인 자리를 만듭니다. 다음 행사에서 뵙겠습니다.