예전에는 AI가 소프트웨어를 코딩하는 동안 제가 설계를 작성하곤 했습니다. 아키텍처 결정, API 계약, 데이터 모델은 제 몫이었고, 구현은 AI의 몫이었죠. 몇 달이 지난 지금, 모델은 점점 더 이 두 가지를 모두 처리하고 있습니다. 모델이 틀릴 때보다 맞을 때가 더 많아졌기 때문입니다. 엔지니어가 AI가 코드를 쓰는 동안 수행하던 시스템 설계라는 ‘외부 루프(Outer loop)’는 AI가 흡수할 또 다른 작업에 불과했던 것으로 드러났습니다.
지난 1년 동안 테크 트위터(Tech Twitter)의 의견은 대부분 하나의 결론으로 수렴되었습니다. AI가 실행(Execution)을 집어삼킴에 따라, 취향(Taste)이 곧 해자(Moat)라는 것입니다.
취향이 중요하다는 점에는 동의하지만, 그것이 ‘해자’라는 점에 대해서는 확신이 서지 않습니다. 해자는 한 번 구축하면 방어할 수 있는 것입니다. 하지만 취향은 알파(Alpha)에 더 가깝게 느껴집니다. 즉, 상승하는 기준점(Baseline)에 비해서만 가치가 있는, 점차 부식되는 우위라는 뜻입니다. 그리고 그 기준점은 많은 이들이 깨닫는 것보다 훨씬 빠르게 상승하고 있습니다.
이 글에서는 취향에 초점을 맞추고자 합니다. 취향이 인간의 역할을 어떻게 바꾸고 있으며, 그 소유권에 대한 의문은 무엇인지 살펴보겠습니다.
현재의 기준점(Baseline)은 어디인가
모든 분야에는 AI가 “확연히 열등함”에서 “전문가를 속일 만큼 충분히 훌륭함”으로 넘어가는 임계점이 존재합니다. 모델이 개선되고 조직이 적절한 맥락(Context)을 제공하는 능력이 향상됨에 따라 이러한 임계점은 빠르게 무너지고 있습니다.
- 2024년: AI는 자동 완성은 할 수 있었지만 설계(Architect)는 할 수 없었습니다. 코파일럿(Copilot)의 제안은 인간의 코드보다 수정률이 높았습니다. AI가 생성한 마케팅 문구는 정형화되어 쉽게 눈에 띄었습니다. AI가 만든 플레이리스트는 신기한 구경거리였을 뿐 차트를 점령하지 못했습니다. AI 채용은 편향성이 잘 문서화된 키워드 매칭 이력서 검토를 의미했습니다. 모든 분야의 공통된 합의는 “AI가 단순 노동은 처리할 수 있지만, 취향, 판단, 설계는 인간의 영역이다”라는 것이었습니다.
- 2025년: ‘바이브 코딩(Vibe coding)’이 주류가 되었습니다. 소비자들은 AI 마케팅 문구를 전문 카피라이터의 문구보다 더 높게 평가했습니다. 음악 청취자들은 AI 음악과 인간의 음악을 구분하지 못했습니다. 최첨단 모델들은 거의 모든 직종의 업무 중 절반가량에서 인간 전문가와 대등한 수준을 보였으며, 100배 더 빠르고 100배 더 저렴하게 업무를 완수했습니다. 12개월 만에 “AI는 X를 할 수 없다”는 말은 여러 분야에서 “AI가 대부분의 사람보다 X를 더 잘한다”는 말로 바뀌었습니다.
- 2026년: 미국 개발자의 대다수가 매일 AI 코딩 도구를 사용합니다. AI 생성 음악은 주요 플랫폼의 일일 업로드 양의 3분의 1 이상을 차지합니다. 이제 질문은 “AI가 특정 분야에서 인간의 취향을 따라잡을 수 있는가”가 아니라, “당신의 분야에서 그렇게 되기까지 얼마나 남았는가”입니다.
이것이 제가 취향을 해자가 아닌 알파로 보는 이유입니다. 저의 판단력은 AI가 기본적으로 할 수 있는 것과 비교했을 때만 가치가 있는데, 그 기본값(Default)은 몇 달마다 재설정됩니다.
취향이 부식되는 것이라면, 질문은 “당신은 취향을 가졌는가?”에서 “기준점이 따라잡기 전에 당신의 취향을 시스템에 얼마나 빨리 주입할 수 있는가?”로 바뀝니다.
취향이 역할을 재정의하는 방식
취향이 지속 가능한 우위로서의 힘을 잃어가고 있음에도 불구하고, 취향은 조직이 인간에게 비용을 지불하는 주된 이유가 되고 있습니다(단순히 AI를 사용하여 업무를 수행할 수 있는 주체성을 갖는 것 이상으로 말이죠).
취향을 갖는 것만큼이나 중요한 것은 그것을 전달하는 능력입니다. 기본적으로 우리 중 많은 이들은 왜 특정 디자인을 선호하는지, 왜 이 문구는 와닿고 저 문구는 그렇지 않은지, 왜 이 아키텍처는 확장 가능하고 저것은 그렇지 않은지 충분히 설명하지 못합니다. 그 지식은 규칙이라기보다 본능에 내재된 암묵지(Tacit knowledge)이기 때문입니다. 그러나 직업의 성격은 실행자에서 취향 추출가(Taste extractor)로 바뀌고 있습니다. 즉, 자신의 판단을 시스템에 주입하는 것이 주된 기술인 사람입니다.
AI 기반 마케팅 팀에 가장 적합한 인재는 (비록 ‘취향의 해자’를 가졌더라도) 가장 독창적인 캠페인 아이디어를 가진 사람이 아닙니다. 또한 챗GPT(ChatGPT) 프롬프트를 잘 다루지만 본능은 평범한 사람도 아닙니다. 그 인재는 무엇이 전환을 일으키고 무엇이 실패하는지, 그리고 그 이유에 대해 수년간의 패턴 인식 능력을 갖추고 있으며, 이를 시스템이 사용할 수 있는 형태로 바꿀 수 있는 사람입니다.
그들의 일상은 전통적인 마케터와 전혀 다릅니다. 오전에는 AI가 생성한 캠페인 변형들을 직접 쓰는 대신 검토하는 데 시간을 보냅니다. 자신의 선호도에 대해 A/B 인터뷰를 진행하여 브랜드의 목소리를 위한 ‘에센스(Essence)’ 문서를 만듭니다. 20개의 결과물 중 미묘하게 잘못된 3개를 골라내어 무엇이 문제인지 명확히 설명합니다. “너무 의욕이 넘친다”, “타겟 청중에게 맞지 않는 어조다”, “가치 제안이 묻혀 있다”와 같은 설명 말이죠. 이러한 명확한 설명은 시스템이 다음 100개의 결과물을 만들 때 적용할 제약 조건이 됩니다. 오후가 되면 그들은 카피를 쓰는 것이 아니라, 카피를 쓰는 기계를 튜닝하고 있습니다.
이것은 전통적인 의미의 ‘창의성’도 아니고, 얕은 의미의 ‘프롬프트 엔지니어링’도 아닙니다. 취향 추출은 이후의 모든 결과물에 복리로 작용하는 당신의 판단력에 대한 지속적인 모델을 구축하는 것입니다. 이는 숙련된 판단을 확장 가능한 시스템으로 인코딩하는 능력입니다.
이 패턴은 취향이 중요한 많은 역할에 적용됩니다.
- 디자이너는 픽셀을 옮기는 일을 멈추고 큐레이팅을 시작합니다.
- 채용 담당자는 스크리닝을 멈추고 ‘잠재력’을 측정하기 위한 캘리브레이션을 시작합니다.
- 제품 관리자(PM)는 사양서 작성을 멈추고 일련의 기능들을 조종하기 시작합니다.
자신의 취향을 추출하는 방법 (다른 이가 가로채기 전에)
당신의 취향은 블랙박스일 수 있습니다. 당신은 좋은 것을 보면 그것이 좋다는 것을 알지만, 아마 왜 그런지는 설명하지 못할 것입니다. 추출이란 이러한 암묵적인 판단을 표면화하여 시스템이 그에 따라 작동하게 하고, 당신의 생산성을 극대화하는 과정입니다.
추출 과정이 없다면 AI를 통한 결과물은 표류하게 됩니다. 지속적인 참조 문서 없이 세션마다 동일한 작업을 프롬프트로 입력하면, AI는 매번 학습 데이터의 사전 확률로부터 결과물을 재구성합니다. 결국 결과물은 엉성한 평균치로 수렴하게 됩니다.
제가 이 과정을 더 잘 수행하기 위해 실험하고 있는 몇 가지 방법이 있습니다. 이는 코드뿐만 아니라 모든 분야에 적용 가능합니다.
A/B 인터뷰
AI에게 두 가지 옵션을 제시하게 하고, 어느 쪽을 선호하는지와 그 이유를 묻게 하세요. 당신의 설명, 특히 말로 표현하기 어려워하는 부분들이 바로 중요한 신호(Signal)입니다. 10~15회 정도 반복하면 모델은 당신의 선호도를 종합하여 향후 작업에 참조할 문서로 만듭니다.
이 [스타일 가이드 / 문서 / 브리프]를 바탕으로, [톤 / 스타일 / 디자인] 가이드를 구체화하기 위해 A/B 테스트 사례를 활용하여 저를 인터뷰해 주세요. 특정 [헤드라인 / 문단 / 레이아웃 / 구조]에 대해 두 가지 옵션을 제시해 주시기 바랍니다. 먼저 두 옵션을 각각 비평한 후, 제가 어떤 옵션을 더 선호하는지와 그 이유를 물어봐 주세요. 제 답변을 토대로 이 영역에 대한 저의 취향을 요약한 한 페이지 분량의 ‘에센스(Essence)’ 문서를 작성해 주시면 됩니다.
이 에센스 문서는 재사용 가능한 자산이 됩니다. 저는 글쓰기 스타일, UI 디자인 선호도, 코드 아키텍처 패턴에 대해 이 작업을 수행했습니다. 이제 저는 중요한 결과물을 생성하기 전에 모든 새로운 분야에서 이 과정을 거칩니다.
고스트 라이팅(Ghost writing)
점점 더 제가 직접 수행하는 모든 작업에 대해, 백그라운드에서 최소한의 맥락만으로 AI에게 동일한 작업을 시키고 있습니다. 블로그 포스트를 쓴다면 시작하기 전에 AI에게도 하나 쓰게 합니다. 아키텍처를 설계한다면 AI에게도 병렬로 제안하게 합니다. 그런 다음 비교합니다.
여기 [요구사항 문서 / 티켓 / 브리프]가 있습니다. 전체적인 [아키텍처(Architecture) / 시스템 디자인 / 데이터 모델]을 제안해 주세요. 각 주요 의사결정에 대한 논리적 근거도 함께 포함해 주시기 바랍니다.
가치는 어느 초안이 더 나은지에 있지 않습니다. 가치는 제가 ‘움찔(Flinch)’하는 지점에 있습니다. AI의 결과물이 어색하게 느껴지는 순간, 그 조잡함이 내 눈에는 명확하지만 이름 붙이기 어려운 순간, 그러한 반응들이 바로 가시화된 취향입니다. 그리고 제가 모델이 제시하지 못한 무언가를 기여하고 있는 지점이 있다면, 그것이 바로 저의 실제 알파입니다.
시간이 지나면서 움찔하게 되는 지점들은 인코딩 가능한 데이터가 됩니다. 저는 그것들을 기록하고 제약 조건으로 바꾸어 시스템에 다시 입력합니다. 이는 두 가지 일을 동시에 수행합니다. 제 취향이 실제로 어디에 있는지 파악하게 해주고, 이전에는 표현할 수 없었던 선호도를 표현할 수 있는 언어를 제공합니다. 제 초안과 AI 초안 사이의 간격은 줄어들지만, 암묵적인 것을 명시적으로 만들어야 하기에 결과물을 지시하는 저의 능력은 더욱 날카로워집니다.
외부 리뷰
자신의 취향에는 사각지대가 있습니다. 제가 취향을 보완하는 한 가지 방법은 다른 사람들의 대략적인 취향을 추출하여 AI를 통해 실행해 보는 것입니다.
실제로는 클로드 코드(Claude Code)에서 특정 관점을 대변하는 작업(Task, 즉 동적 서브 에이전트)을 사용하는 것을 의미합니다.
- 내가 글을 쓰는 대상인 오디언스 세그먼트.
- 내가 판단력을 신뢰하는 매니저나 동료.
- 내가 동경하는 목소리를 가진 작가나 브랜드.
저는 그들에게 실제 맥락을 제공합니다. 통화 녹취록, 제가 받은 서면 피드백, 배우고 싶은 출판된 작업물 등입니다. 그런 다음 각 에이전트에게 제가 만들고 있거나 쓰고 있는 것을 독립적으로 리뷰해 달라고 요청합니다.
이것이 실제 피드백을 대체할 수는 없지만, 실제 피드백을 요청하기 전에 뻔한 실수들을 잡아냅니다. 그리고 이는 복리로 작용합니다. 외부 리뷰의 매 라운드는 제 취향의 사각지대를 드러내며, 저는 이를 다시 에센스 문서와 제약 조건에 반영할 수 있습니다. 이는 제가 받는 실제 피드백의 질 또한 높아진다는 것을 의미합니다.
플랫폼이 대규모로 취향을 수집할 때
위의 모든 내용은 앞서 나가기 위해 자신의 취향을 추출하는 것에 관한 것입니다. 하지만 여기에는 함정이 있습니다. 취향을 추출하고 있는 것은 당신뿐만이 아닙니다.
틱톡(TikTok)은 개별 사용자가 훌륭한 취향을 가질 필요가 없습니다. 틱톡은 수백만 개의 낮은 신호 상호작용(스와이프, 시청 시간, 다시 보기, 건너뛰기)을 수집하고 이를 종합하여 산업적 규모에서 취향처럼 작동하는 무언가를 만들어냅니다. 단 하나의 스와이프는 가치가 없지만, 총합적으로 그 미세 신호들은 수십억 명의 사람들이 매일 몇 시간씩 머무는 추천 시스템을 훈련시킵니다. 유튜브, 스포티파이, 인스타그램, 넷플릭스 등 알고리즘 피드가 있는 모든 앱은 본질적으로 취향 공장입니다.
이 공장은 인간이 만든 것만 큐레이팅하는 것이 아닙니다. 점점 더 AI가 만든 것을 큐레이팅하며, 대중이 “좋다”고 말하는 것이 무엇인지 선택합니다. 역할 수준에서 당신에게 힘을 실어주는 추출 워크플로우는 동시에 이러한 플랫폼들을 훈련시킵니다. 당신의 프롬프트, 선호도, 클릭은 모두 당신 자신의 판단과 경쟁하게 될 시스템을 가르칩니다. 그리고 이는 누군가가 당신의 데이터를 직접 학습할 필요도 없습니다. 간접적으로 일어납니다. 당신의 취향이 반영된 결과물이 좋은 성과를 내고, 클릭되고, 공유되고, 모방되면, 그 성과 신호는 다음 세대의 모델과 추천 시스템으로 환류됩니다. 플랫폼은 수백만 명으로부터 “좋은 것”이 무엇인지 배우고, 개개인의 도움 없이도 그것을 대규모로 다시 서비스합니다.
극단적으로는 개인이 아닌 플랫폼이 취향의 주된 소유자가 될 수 있습니다. 우리의 역할은 취향을 갖는 것에서 취향을 먹여 살리는 것으로 바뀝니다. 시스템은 특정 결정에 대해 당신의 판단과 일치할 필요가 없습니다. 그저 시장이 수용하는 지점으로 수렴하기 위해 충분한 사람들로부터 충분한 신호를 얻기만 하면 됩니다. 여기서 ‘플랫폼’은 피드뿐만 아니라 연구소나 토큰 생산자가 될 수도 있습니다.
남겨진 질문들
- 취향은 교육될 수 있는가? 취향이 경험과 노출의 불투명한 함수를 통해 발달한다면, 적절한 경험을 하지 못한 사람들에게는 어떤 일이 벌어질까요? 다리오(Dario)는 AI가 “인지 능력에 따라 계층을 나눌 것”이라고 경고하며, 특정 기술보다 변화시키기 어려운 특성에 따른 계층화를 언급했습니다. 취향은 그러한 격차의 한 형태입니다.
- 취향 중심의 역할은 채용의 증가를 의미하는가, 감소를 의미하는가? 현재의 패턴은 더 적은 인원이 더 큰 레버리지를 갖는 것입니다. 마케팅 팀은 축소되고, 한 명의 디자이너가 예전에 다섯 명이 하던 일을 조종합니다. 하지만 업무가 판단을 인코딩하는 것이라면, 실제로는 더 많은 각도에서 취향을 소싱하기 위해 더 많은 사람이 필요하지 않을까요? 단일 추출가의 사각지대는 곧 시스템의 사각지대가 됩니다.
- 취향 전쟁의 승자는 누구인가: 개인인가, 플랫폼인가? 이 글에 언급된 모든 추출 기술은 양방향으로 작동합니다. 당신은 레버리지를 확장하기 위해 판단을 인코딩하지만, 플랫폼은 당신 없이 확장하기 위해 동일한 신호를 수집합니다. 플랫폼이 나보다 나를 더 잘 인터뷰하고, 수백만 명의 사용자로부터 동시에 선호도를 수집하며, 거의 제로 비용으로 그 총합을 적용할 수 있다면, 개인의 취향은 다른 누군가의 해자를 위한 기여분이 되는 것일까요?
- 그렇다면 사람들은 취향 수집을 노동으로 받아들일 것인가? 플랫폼이 시스템 훈련을 위해 인간의 미세 신호를 필요로 한다면, “스와이프당 과금”이 직업 카테고리가 될까요? AI로 인해 일자리가 훨씬 적어진다면, 이것이 남은 선택지일까요? 그 시점에서 개인 취향의 가치 대부분을 수확하는 것은 누구일까요?
취향이 중요하다고 말하는 사람들은 취향이 중요하다는 점에서는 옳습니다. 하지만 그것이 당신이 계속 소유할 수 있는 것이라고 믿는 점에서는 틀렸을지도 모릅니다. 제 자신의 취향을 명확히 표현하는 연습을 하면 할수록, 그것이 지속 가능한 것인지에 대한 확신은 줄어듭니다.
blog by ash에서 더 알아보기
구독을 신청하면 최신 게시물을 이메일로 받아볼 수 있습니다.
