대가를 치르는 존재

인지 노동의 값이 내려갈수록 인간 경험은 왜 더 비싸지는가

우리는 오랫동안 인간의 값을 지능의 희소성에 묶어두고 살아왔다. 더 빨리 계산하는 사람, 더 많이 기억하는 사람, 더 정확하게 요약하는 사람, 더 매끄럽게 문장을 만드는 사람에게 더 높은 값이 매겨졌다. 학교와 회사와 시험 제도는 이 믿음을 거의 제도의 수준에서 반복해 왔다. 그러나 생성형 AI가 넓게 보급된 이후 가장 먼저 흔들린 것은 바로 이 오래된 전제다. 이제 많은 영역에서 문장을 쓰고, 자료를 정리하고, 구조를 요약하고, 선택지를 생성하는 일은 더 이상 인간만의 느리고 비싼 능력이 아니다. 실제로 2025년 말 기준 미국에서 업무 관련 생성형 AI 사용은 노동력의 약 41% 수준까지 올라왔고, 도입은 특히 금융과 전문서비스처럼 인지적·분석적 업무 비중이 높은 부문에서 두드러졌다. 기업 단위 조사와 개인 단위 조사가 수치를 다르게 잡더라도, 적어도 "생각의 산출물"을 다루는 영역에서 AI의 확산이 구조적 단계에 들어섰다는 점은 분명하다.

이 변화 앞에서 흔한 반응은 두 가지다. 하나는 인간이 이제 더 똑똑해져야 한다는 불안이고, 다른 하나는 "인간 고유성"이라는 흐린 언어 속으로 도피하려는 태도다. 둘 다 충분하지 않다. 앞의 반응은 이미 기계가 더 싸고 빠르게 수행하는 게임 안에서 인간을 다시 경쟁시키려 한다는 점에서 낡았고, 뒤의 반응은 무엇이 남는지를 설명하지 못한다는 점에서 공허하다. 이 글은 그 사이에서 다른 질문을 세운다. 인지 노동의 비용이 급격히 내려가는 시대에 인간의 값은 어디에서 다시 형성되는가. 이 질문의 답은 한 문장으로 미리 요약되기 어렵다. 다만 단서 하나는 분명하다. AI가 대체하는 것은 "생각" 전반이 아니라 생각의 외화된 산출물이며, 이 사실은 우리가 그동안 뭉뚱그려 써온 두 종류의 경험을 다시 구분하도록 강제한다.

먼저 분명히 해야 할 것은, AI가 잠식하는 대상이 사고 자체가 아니라 사고의 외화된 결과라는 점이다. Anthropic의 2026년 경제지표 보고서는 실제 사용이 여전히 특정 과업에 집중되어 있으며, 특히 코딩, 문서 처리, 이메일 관리, 일정 조정처럼 반복적이거나 구조화된 인지 작업에서 AI 활용이 강하게 나타난다고 보고한다. 연방준비제도 분석도 초기 도입이 고부가가치 서비스업의 분석적 업무에 편중되어 있음을 확인한다. 즉 AI는 아직 모든 사고를 고르게 잠식하지 않는다. 우선적으로 표준화 가능한 사고의 표면을 먹어 들어간다.

바로 이 지점에서 중요한 구분이 생긴다. 생각에는 두 층위가 있다. 하나는 결과물로 제출될 수 있는 생각이다. 그것은 문장과 표와 이미지와 계획안의 형태로 주체로부터 떼어낼 수 있다. 다른 하나는 주체에게 귀속되어야만 작동하는 생각이다. 그것은 선택의 결과를 시간 속에서 감당하고, 실패의 비용을 떠안고, 관계 안에서 신뢰를 얻거나 잃고, 후회의 흔적을 몸에 새기는 사고다. 전자는 기계가 빠르게 복제한다. 후자는 복제가 아니라 인수(引受)의 문제에 가깝다. 누군가가 그것을 자기 이름으로 가져와야 비로소 성립하는 생각이기 때문이다.

이 구분은 새로운 것이 아니다. 하이데거가 현존재의 "각자성(Jemeinigkeit)"이라 부른 것 — 죽음을 비롯한 본래적 경험은 대리될 수 없다는 통찰 — 은 바로 이 층위에 관한 말이다. 버나드 윌리엄스가 "행위자-후회(agent-regret)"라는 개념으로 포착한 것도 같다. 제3자는 불행을 유감스럽게 여기지만, 행위자는 같은 사건을 자기 삶의 일부로 떠안는다. 이 차이는 정보의 차이가 아니라 귀속의 차이다. AI는 후회의 기술(description)을 얼마든지 생산할 수 있지만, 후회 그 자체를 떠안을 수는 없다. 후자는 주체의 이름을 필요로 하기 때문이다. 한나 아렌트의 용어로 다시 말하면, AI가 주로 잠식하는 것은 "작업(work)"의 영역이다. 반복 가능한 산출물의 영역. 상대적으로 잠식되지 않는 것은 "행위(action)"의 영역, 즉 자기 이름으로 세계에 무엇인가를 시작하고 그 시작의 결과를 예측 불가능한 시간 속에서 감당하는 영역이다.

이 구분을 밀어붙이면, 앞으로 비싸지는 인간 경험은 "순수한 인간성" 같은 추상이 아니라 실제 대가가 결부된 경험이라는 점이 드러난다. 여기서 대가란 단순한 고통이 아니다. 그것은 어떤 선택이 되돌릴 수 없는 흔적을 남긴다는 사실, 그리고 그 흔적이 반드시 누군가의 삶에 귀속된다는 사실을 동시에 가리킨다. 돌봄에는 시간과 감정의 대가가 있고, 현장의 판단에는 신체적 피로와 책임의 대가가 있으며, 공동체 안에서 신뢰를 쌓는 일에는 긴 반복과 평판의 대가가 있다. 사랑, 교육, 리더십, 창업, 정치, 예술적 명예, 윤리적 결단은 결과물만으로 완성되지 않는다. 그 안에는 언제나 "누가 이 비용을 실제로 지불했는가"라는 질문이 숨어 있다. AI가 산출물의 값을 낮출수록, 이 질문은 가치 판단의 중심으로 이동한다.

이 차이가 왜 경제적 의미까지 띠는지 보아야 한다. 기술은 대체로 희소한 것을 흔하게 만들며 가격을 내린다. 생성형 AI가 하는 일도 정확히 그것이다. 괜찮은 수준의 문장, 아이디어의 초안, 정보의 재배열, 시각적 변주, 코드의 초안은 빠르게 흔해지고 있다. 희소성이 붕괴하면 보상도 이동한다. 그래서 인간은 더 영리한 계산자가 되는 방향으로만 자기 값을 방어할 수 없다. 계산의 속도와 조합의 양에서 기계와 경쟁하는 것은 점점 수익이 나빠지는 시장에 자신을 밀어 넣는 일에 가깝다. 보상은 오히려 산출물 생산이 아니라 위험 인수, 책임 귀속, 관계 유지, 현장 판단, 신뢰 보증, 체화된 숙련 쪽으로 이동할 가능성이 크다. 연준 계열의 최근 연구는 AI 도입이 단기적으로 총고용을 크게 줄였다는 증거는 제한적이라고 보고하면서도, 사무·서무의 루틴 역할은 줄고 기술적 숙련 역할의 상대 수요는 커지는 재배치가 관찰된다고 지적한다. 아직 추세 단계의 관찰이며 인과 확정은 시기상조지만, 방향은 시사적이다. 시장은 인간을 없애기보다 인간에게 남는 몫을 더 비싼 종류로 재편하고 있다.

그러나 여기서 무거운 반론이 가능하다. 책임과 경험 역시 결국 데이터가 되어 자동화될 수 있지 않은가. 몸의 움직임은 센서로 수집되고, 관계는 행동 데이터로 모델링되며, 실패의 패턴은 학습될 수 있다. 최근 embodied AI 연구는 텍스트와 달리 물리적 상호작용 데이터가 핵심 병목임을 지적하며, 이를 풀기 위해 인간 자신을 "물리적으로 구현된 에이전트"로 활용해 스마트폰 기반의 저비용 수집 체계로 실제 세계의 상호작용 데이터를 대규모로 모으는 방향을 탐색한다. 인간 경험마저 결국 학습 가능한 자원으로 환원된다는 신호처럼 보일 수 있다.

이 반론은 가볍게 물리칠 수 없다. 다만 반론이 성립하는 범위를 정확히 그어야 한다. 데이터화할 수 있는 것은 경험의 외적 궤적이다. 어떤 몸이 어떻게 움직였고, 어떤 결정이 어떤 결과와 연결되었는가의 기록. 그러나 데이터화되지 않는 것이 있다. 그것은 그 궤적이 누구의 것이었는가라는 귀속의 사실이다. 센서는 "손이 떨린다"는 신호를 기록할 수 있지만, "이 떨림이 내가 감당하고 있는 책임의 무게에서 왔다"는 사실은 기록하지 않는다. 후자는 관찰 가능한 행동이 아니라 주체에 결부되는 구조적 관계이며, 관찰된 신호의 양을 아무리 늘려도 그 관계 자체는 외부화되지 않는다. 그리고 역설적으로, 기계가 이런 체화된 데이터를 필요로 한다는 사실 자체가 이 글의 논지를 보강한다. 기계가 강해질수록 오히려 인간 세계의 비정형성과 체화된 실천이 훈련의 희소 자원으로 드러나기 때문이다. 인간은 대체 대상이자 동시에 훈련 원천이며, 이 이중성 속에서 "누군가가 실제로 치른 비용"은 기계가 복제할 수 없는 층위로 남는다. AI의 발전은 인간을 무화하기보다, 오히려 인간이 치르는 비용을 가시화하는 조명 장치에 가깝다.

또 다른 반론은 내부에서 온다. "대가를 치른 경험이 비싸진다"는 주장은 쉽게 고통의 미화로 미끄러질 수 있다. 모든 대가가 가치로 전환되는 것은 아니다. 불필요한 희생, 조직이 개인에게 떠넘긴 비용, 낭비된 열정, 착취를 미덕으로 포장하는 서사는 경계해야 한다. 책임이 중요해진다고 해서 모든 인간적 고통이 신성해지는 것은 아니다. 따라서 더 엄밀한 기준이 필요하다. 대가의 가치는 고통 그 자체가 아니라, 자기 이름으로 인수된 선택과 그 선택이 낳은 현실적 귀결 사이의 연결에서 생긴다. 권력이 약자에게 떠민 짐은 주체를 단단하게 만들지 않고 소모시킬 뿐이다. 반면 자신의 이름으로 수락한 위험은 — 그것이 실패로 끝나더라도 — 주체에게 구조를 남긴다. 요컨대 대가의 문제는 양이나 강도가 아니라, 그 비용이 진정으로 자기의 것으로 귀속되었는가, 그 귀속이 강요된 것은 아닌가에 달려 있다. 이 기준이 없으면 "AI 시대의 인간 가치" 논의는 쉽게 고통 예찬으로 전락한다.

여기서 한 가지 방법론적 자각이 필요하다. 지금까지의 논의는 상당 부분 경험적 관찰 — 시장이 어떻게 움직이고 있는가 — 에 기대 왔다. 그러나 시장이 어떤 인간을 비싸게 치는가와 어떤 인간이 실제로 값있는가는 같은 질문이 아니다. 흄적 의미에서 서술과 규범 사이에는 자동적인 다리가 없다. 그러므로 이 글의 본래 주장은 시장의 방향에 걸려 있지 않다. 설령 시장이 반대로 움직인다 해도, 어떤 경험은 구조적으로 대리 불가능하다는 사실은 그대로 남는다. 누군가의 후회, 누군가의 결단, 누군가의 관계, 누군가의 현장 책임은 그 사람의 것으로만 존재한다. 기계가 그것의 완벽한 기술을 생성한다 해도, 귀속으로서의 사실은 여전히 주체에게 남는다. 시장은 이 사실을 뒤따라 가격에 반영하고 있을 뿐이다. 즉 이 글은 "AI가 등장했기 때문에 책임이 중요해졌다"고 주장하지 않는다. "AI의 등장이 이미 중요했던 책임의 구조적 위치를 가시화했다"고 주장한다.

이 점은 인간-AI 협업 설계에서도 드러난다. 2025년의 한 NBER 작업논문은 사실검증 실험에서 인간이 AI의 확신 높은 판단을 받으면 자신의 노력을 줄이고 AI를 충분히 활용하지도 못하는 경향을 보였고, 이 맥락에서 직접적 인간-AI 협업의 이익이 선택적 자동화에 비해 미미할 수 있다고 보고했다. 이 결과는 단일 실험에 국한되지만 방향은 시사적이다. 인간은 단지 AI 옆에 앉아 판단을 소폭 보정하는 존재로는 충분한 값을 확보하지 못할 수 있다. 인간에게 남는 핵심 자리는 기계의 옆자리가 아니라 그 바깥, 즉 최종적 인수(引受)의 자리다. 책임이 분산되지 않고 귀속되는 지점, 실패의 결과가 돌아오는 지점, 규칙이 포괄하지 못하는 예외를 감수해야 하는 지점. 이 자리에서 인간은 기계의 보조가 아니라 시스템 전체의 의미를 완결하는 구속점이 된다. 협업은 유용하지만, 인간의 값을 지탱하는 것은 협업 그 자체가 아니라 협업의 가장자리에 있는 이 귀속의 자리다.

이 관점이 맞다면 우리가 교육과 노동의 기준을 왜 다시 써야 하는지도 분명해진다. 지금까지 교육은 대체로 정답 산출 능력을 측정했고, 노동은 결과물의 품질과 속도를 거래해 왔다. 그러나 AI가 이 영역을 넓게 잠식하는 이상, 교육의 핵심은 정보를 다루는 능력만이 아니라 판단을 감당하는 능력으로 이동해야 한다. 어떤 문제를 자기 것으로 받아들이는가, 불확실성 속에서도 무엇을 떠맡을 수 있는가, 관계를 어떻게 유지하는가, 장기적 귀결을 고려해 무엇을 선택하는가가 더 중요해진다. 그리고 여기서 새로운 형태의 불평등이 드러난다. 뉴욕연은의 최근 보고서는 많은 노동자가 AI 훈련의 가치를 높게 평가하지만 실제 제공은 제한적이라고 지적한다. 그러나 더 깊은 격차는 도구 접근성이 아니다. 그것은 누가 새 도구를 통해 더 큰 책임의 자리로 이동할 기회를 갖는가의 격차다. 도구는 복제 가능하지만 책임의 자리는 한정되어 있기 때문이다. AI 시대의 불평등은 계산 능력의 차이가 아니라 귀속 가능한 자리로의 진입권 차이로 나타날 가능성이 크다.

처음의 질문으로 돌아가자. 인지 노동의 비용이 극적으로 내려가면 인간의 값은 어디에서 나오는가. 이제 답은 이렇게 정리된다. AI 시대의 인간 가치는 자동화가 미처 잠식하지 못한 잔여(residue)가 아니다. 그것은 기계가 아직 덜 발달해서 남겨둔 공백도 아니고, 시간이 지나면 좁아질 빈틈도 아니다. 그것은 애초에 윤리적 삶의 구조에 새겨져 있던 것 — 경험의 어떤 층위는 주체의 이름 없이는 성립하지 않는다는 사실 — 이 AI라는 강한 조명 아래 뒤늦게 드러난 핵심이다. 값싼 산출물이 넘쳐날수록 비용 있는 선택이 무거워진다. 그러나 이것은 AI가 만들어낸 새로운 가치 질서가 아니라, AI가 오래 가려져 있던 질서를 가시화한 것이다. 기계는 산출할 수 있다. 인간은 감당해야 한다. 이 비대칭은 시장이 발견한 것이 아니라, 시장이 이제서야 가격에 반영하기 시작한 것이다.

결국 AI가 강해질수록 사라지는 것은 인간의 본질이 아니라, 인간인 것과 인간이 아닌 것의 오래된 혼동이다. 그 혼동이 걷힌 자리에 남는 것은 어떤 낭만적 본질이 아니라, 누구도 대신 치를 수 없는 값을 치르는 한 사람 한 사람의 윤곽이다. 그리고 바로 그 이유에서, 미래에 비싸지는 인간 경험은 막연한 인간다움이 아니다. 그것은 가격표가 붙을 수 있을 만큼 분명한 것이다. 누가 시간을 냈는가. 누가 실패를 떠안았는가. 누가 관계를 유지했는가. 누가 현장에 있었는가. 누가 최종 책임을 귀속시켰는가. 이 질문들은 AI가 만든 질문이 아니다. AI가 우리 앞에 되돌려준 질문이다.

참고자료

Anthropic, Anthropic Economic Index Report: Economic Primitives, 2026.
Arendt, Hannah. The Human Condition. University of Chicago Press, 1958.
Agarwal, N., A. Moehring, and A. Wolitzky. Designing Human-AI Collaboration: A Sufficient-Statistic Approach. NBER Working Paper No. 33949, 2025.
Federal Reserve Board. Monitoring AI Adoption in the US Economy. 2026.
Federal Reserve Bank of Atlanta / Richmond. Artificial Intelligence, Productivity, and the Workforce: Evidence from Corporate Executives. 2026.
Federal Reserve Bank of New York. Use of Gen AI in the Workplace and the Value of Access to Training. 2026.
Heidegger, Martin. Sein und Zeit. Niemeyer, 1927.
OECD. AI Use by Individuals Surges across the OECD as Adoption by Firms Continues to Expand. 2026.
Williams, Bernard. "Moral Luck." In Moral Luck: Philosophical Papers 1973–1980. Cambridge University Press, 1981.
World Economic Forum. The Future of Jobs Report 2025. 2025.
Yang et al. AoE: Always-on Egocentric Human Video Collection for Embodied AI. arXiv, 2026.