[김현우의 핫스팟] 영화 ‘메타’, 주연 저커버그···천재들 갈아넣은 ‘AI 매트릭스’

'핫스팟(HotSpot)'
마장동과 메타의 평행이론
직원 행동 데이터 AI 학습
잉여 인력 감원은 예정 수순
AI 매트릭스 밖 탈출해야

"중간만 가자." "모난 돌이 정 맞는다." 이런 처세술을 조기 이수한 우리는 영혼 없는 끄덕임과 '모르는 척'으로 무장한 생존의 고수들이다. 퇴근길 소주 한 잔에 "오늘도 버텼다"며 스스로를 마취하고, "받은 만큼만 일한다"며 핏대 세우는 걸 훈장처럼 여긴다. 그런데 이상하다. 성공했다는 이들의 삶은 왜 우리와 이토록 딴판일까. 어쩌면 우린 그저 거대한 '펜듈럼(Pendulum)'의 진동판 위에서 시키는 대로 춤추고 있었는지도 모른다. 중요하지 않은 일에 공력을 낭비하며 '잉여 포텐셜'을 공급하는 건전지 신세로 말이다. 옳고 그름을 따지는 도덕 교과서 대신, 왜 이 지겨운 장면이 무한 반복되는지 그 메커니즘이 궁금했다. 내게 그 프리즘을 빌려준 바딤 젤란드에게 감사를 전한다. 그의 '트랜서핑' 이론을 메스 삼아 한국 사회를 날카롭게 해부하는 [김현우의 핫스팟]을 시작한다.

빅테크와 자영업 현장에서 벌어지는 AI 학습은 인간의 숙련된 기술과 사고 패턴을 데이터로 흡수해 인간을 부품화하는 '펜듈럼'의 완성 단계다. 효율이라는 명분 아래 에너지를 착취당하지 않으려면, AI에 대체되는 검수자에 머물지 말고 스스로 구조 밖에서 판을 설계하는 주체적 관찰자가 되어야 한다. /챗GPT 제작 이미지

마장동 축산물 시장 골목에 30년째 고기 굽기 달인으로 통하는 김 씨가 있다. 어느 날 식당 사장이 김 씨의 집게와 가위에 생전 처음 보는 스마트 센서를 달았다. 사장은 "직원의 고기 굽는 솜씨가 뛰어나 이를 기록해 아르바이트생을 교육하려는 것"이라고 했다. 김 씨는 그날따라 더 현란하게 고기를 뒤집었다. 한데 센서는 고기 익는 온도만 재지 않았다. 김 씨의 시선 처리·고기 뒤집기 전 망설임·문제 해결 방식까지 모조리 빨아들였다.

결과는 뻔했다. 교육용이라던 데이터는 3개월 뒤 주방에 들어온 인공지능(AI) 로봇 팔의 뇌로 이식됐다. 김 씨는 로봇이 구운 고기의 상태를 확인하는 검수 요원으로 밀려났다.

마장동 고깃집과 메타의 평행이론

미국 실리콘밸리에서도 유사한 흐름이 확인된다. 마크 저커버그가 이끄는 메타는 직원들의 키보드 입력, 마우스 스크롤, 체류 시간까지 수집해 AI 학습에 활용하는 방안을 검토하거나 일부 적용한 것으로 알려졌다. 명분은 동일하다. "뛰어난 업무 방식을 AI에 학습시킨다"는 설명이다.

핵심은 데이터의 깊이다. 과거 플랫폼이 게시물·클릭 같은 표면 데이터를 모았다면, 지금은 메시지 맥락, 행동 흐름, 의사결정 과정까지 흡수한다. 행동 데이터는 체류 시간, 마우스 이동 경로, 반응 속도로 쪼개지고, 사용자의 판단 경로를 재구성하는 재료가 된다. 

내부 직원 데이터까지 끌어오는 이유도 같다. 가장 정교한 문제 해결 패턴이 파라미터 학습의 고급 입력으로 쓰이기 때문이다.

기술적으로 풀면 더 선명해진다. AI는 데이터를 입력이 들어오는 순간 가중치와 결합해 결과를 만든다. 파라미터는 SSD에 잠들어 있다가 호출된다. 쿼리와 만나 연산될 때만 의미를 갖는다. 결국 기업이 집착하는 것은 더 정밀한 입력을 확보해 연산 순간의 분포를 개선하는 일이다. 데이터는 연료이고 지능은 연산 순간에 생성된다.

AI 경쟁력은 입력 데이터의 밀도와 다양성에 달려 있다. 수집을 멈추면 모델 성능이 떨어지고, 곧 수익 감소로 이어진다. 2018년 케임브리지 애널리티카 사건 이후에도 논란이 반복되는 이유다. 규제는 벌금으로 귀결되지만, 데이터 확보는 구조적 필수 조건으로 남는다.

데이터 수집은 행동을 넘어 메시지, 나아가 인지 영역으로 이동한다. 얼굴·음성 인식은 이미 상용화 단계에 들어섰고, 뇌파·사고 패턴 분석 기술까지 결합될 경우 데이터 경계는 사실상 사라진다. 인간의 선택 과정 전체가 모델 입력으로 전환되는 구조다.

인간의 에너지를 탐하는 펜듈럼

이 흐름을 트랜서핑 관점에서 보면 하나의 거대한 '펜듈럼'이다. 데이터만 원하는 것이 아니라 인간의 주의·행동·감정을 통째로 흡수하는 구조다. 마우스 움직임과 키보드 입력은 사고 흐름과 문제 해결 방식을 복제한다. 기계의 외부 의도가 인간의 내부 의도를 덮는 지점이다.

왜 하필 가장 똑똑한 집단일까. 문제 해결 능력이 뛰어난 집단일수록 더 정교한 행동 패턴을 만든다. 고급 학습 재료다. "지능이 높아서 수집한다"는 설명은 기술적 번역이다. 실제 의미는 "가장 정밀한 데이터라서 필요하다"에 가깝다.

인간은 검수자다. 김 씨가 집게를 내려놓고 로봇이 구운 고기를 확인하듯, 개발자는 결과를 승인하는 위치로 밀린다. 이 구조에서 감정은 시스템이 흡수하는 또 다른 에너지다. 중요한 건 인식 전환이다. 기업의 데이터 자원이 아니라는 자각, 그리고 자신의 행위를 어떤 입력으로 제공할지 선택하는 태도다.

메타 사례는 인간 행동이 데이터로 변환되고, 그 데이터가 다시 인간을 대체하는 모델로 돌아오는 순환 구조다. 마장동 김 씨는 집게를 빼앗겼다. 시스템 안에서 소모될 것인지, 입력을 통제하는 위치로 이동할 것인지는 당신의 선택에 달렸다

☞파라미터(Parameter)= 인공지능이 데이터를 학습하며 스스로 조정하는 '매개변수'를 뜻한다. 인간의 뇌세포를 잇는 시냅스처럼, 데이터 사이의 연결 강도를 수치화한 것이며 이 숫자가 많을수록 AI는 더 복잡하고 정교한 지능을 발휘한다.

☞펜듈럼(Pendulum)= 바딤 젤란드가 고안한 개념으로, 많은 사람의 생각 에너지가 한곳으로 모여 형성된 독립적인 정보 구조체다. 집단과 시스템을 유지하기 위해 구성원의 감정과 에너지를 흡수하며, 인간을 주체가 아닌 시스템의 부속품으로 소모하게 만든다.

여성경제신문 김현우 기자
hyunoo9372@seoulmedia.co.kr

*여성경제신문 기사는 기자 혹은 외부 필자가 작성 후 AI를 이용해 교정교열하고 문장을 다듬었음을 밝힙니다. 기사에 포함된 이미지 중 AI로 생성한 이미지는 사진 캡션에 밝혀두었습니다.