특집 ‘특이점’ 부록 A — 인간 중심에서 AI 중심으로
사회 시스템 패러다임의 대전환 — CLI의 귀환이 예고하는 것들
IDE → CLI 회귀 · 다크 팩토리 · AI 네이티브 인프라 · 역할의 역전 · 인간의 자리
IDE가 CLI를 대체한 것은 인간을 위해서였습니다. 더 잘 보이도록, 더 편하도록, 더 직관적이도록. 그런데 지금 CLI가 돌아오고 있습니다. AI 에이전트를 위해서.
- IDE(Integrated Development Environment)는 코드 편집, 파일 탐색, 빌드·테스트, 디버깅 같은 개발 작업을 한 화면에서 통합해 제공하는 GUI 기반 도구입니다. 맥락을 ‘눈으로’ 빠르게 파악하고 클릭으로 조작할 수 있어, 인간의 인지 방식과 협업 흐름에 최적화되어 있습니다.
- CLI(Command Line Interface)는 텍스트 명령을 입력하고 텍스트 결과를 받는 인터페이스입니다. 자동화와 스크립팅에 강하고, 작업이 명령의 형태로 기록되며, 원격 환경에서도 동일하게 재현할 수 있습니다. 무엇보다 입력과 출력이 구조화된 텍스트라서, AI가 읽고 계획을 세우고 실행하기에 비용이 낮은 형식입니다.
이 단순한 반전 속에, 앞으로 수십 년간 사회 시스템이 어떤 방향으로 재편될지를 예고하는 패턴이 담겨 있습니다. 이 글은 그 패턴을 여러 영역에서 추적하고, 그 변화 속에서 인간이 무엇을 준비해야 하는지 이야기합니다.
1부 · 패러다임 전환의 원리
시스템은 누구를 위해 설계되는가
모든 도구와 시스템은 ‘주요 사용자’를 전제하고 설계됩니다. 그 전제가 바뀌면 시스템의 형태도 바뀝니다.
자동차가 보급되기 전, 도시의 도로는 사람과 마차를 위해 설계되었습니다. 폭이 좁고, 돌이 깔렸고, 보행자가 중심이었습니다. 자동차가 주요 이동 수단이 되자 도로는 완전히 다른 형태로 재설계됐습니다. 넓은 차선, 신호 체계, 고속도로망. 이 도로에서 보행자가 걸으려면 횡단보도라는 ‘특별히 허가된 공간’이 있어야 했습니다. 이전에는 어디서든 걷던 사람이, 이제는 정해진 지점에서만 통행할 수 있게 된 것입니다.
지금 AI와 로봇이 이와 유사한 전환을 일으키고 있습니다. 차이가 있다면, 속도가 훨씬 빠르고 영역이 훨씬 광범위하다는 것입니다.
2부 · 소프트웨어 영역에서의 전환
IDE의 귀환이 아니라 CLI의 귀환 — AI가 원하는 것은 다르다
개발자들은 CLI 환경에서 작업하다가 더 나은 생산성을 위해 IDE를 발전시켰습니다. 코드 편집창, 파일 탐색창, 터미널, 디버거, 에러 분석창을 한 화면에 펼쳐놓는 분할 화면 방식. 이것은 인간이 정보를 처리하는 방식에 최적화된 설계였습니다. 인간은 시각적으로 전체 맥락을 파악하고, 마우스로 클릭하며, 팝업 메뉴와 아이콘에서 힌트를 얻습니다.
그런데 AI 에이전트에게 분할된 GUI 화면은 오히려 부담입니다. 각 요소를 시각적으로 파악하고, 포인팅하고, 클릭하는 행위는 AI 입장에서 불필요한 연산 비용입니다. 반면 CLI는 텍스트 명령과 텍스트 출력으로만 이루어집니다. AI가 가장 자연스럽게 다루는 형식입니다. 2025년의 개발 생태계는 정확히 이 방향으로 움직였습니다.
Anthropic의 Claude Code는 터미널에서 실행되며, 실제 GitHub 이슈를 처리하는 벤치마크(SWE-bench Verified)에서 72.7%의 해결률을 기록했습니다. 15~30개 파일을 읽고, 3~8개 파일을 수정하고, 테스트를 실행하는 작업을 터미널에서 자율적으로 처리합니다. OpenAI의 Codex CLI, GitHub Copilot의 에이전트 모드 — 프런티어 AI 기업들의 코딩 에이전트는 모두 터미널 중심입니다. 2025년은 ‘에이전틱 CLI 시대의 시작’으로 기록될 것입니다.
개발자 도구의 역사에서 처음으로, 도구의 형태가 인간의 편의가 아니라 AI 에이전트의 효율을 기준으로 설계되기 시작했습니다. 사용자의 정의가 바뀐 것입니다.
또 다른 변화도 진행 중입니다. API가 인간 개발자를 위해 설계되던 것에서, AI 에이전트가 직접 호출하기 위한 방식으로 재설계되고 있습니다. Model Context Protocol(MCP)과 같은 표준이 그 예입니다. API 문서를 읽고 이해하는 것은 인간 개발자의 일이었습니다. 이제 API는 AI가 의미를 직접 파악하고 자율적으로 호출할 수 있는 구조로 바뀌고 있습니다.
3부 · 제조 영역에서의 전환
인간을 위한 공장에서 AI·로봇을 위한 공장으로
현재의 대부분의 공장은 인간 작업자를 기준으로 설계되어 있습니다. 조명이 필요합니다. 온도와 환기가 인간에게 적합해야 합니다. 통로는 사람이 걸을 수 있어야 하고, 안전 장치는 인간의 실수를 전제합니다. 화장실과 휴게실이 필요합니다. 이 환경에 로봇을 도입할 때, 로봇은 인간이 만들어놓은 환경에 적응해야 합니다. 그래서 인간형(휴머노이드) 로봇이 부각되었습니다. 손가락이 필요하고, 키가 비슷해야 하고, 계단을 오를 수 있어야 합니다.
그런데 지금 ‘다크 팩토리(Dark Factory)’ 또는 ‘라이츠아웃 팩토리(Lights-out Factory)‘라는 개념이 현실이 되고 있습니다.
일본의 FANUC는 2001년부터 로봇이 로봇을 만드는 공장을 운영해왔습니다. 24시간 교대로 약 50대의 로봇을 생산하며, 최대 30일까지 인간 없이 가동됩니다. 조명도 없습니다. 로봇은 인간의 눈이 아니라 센서로 작업합니다. FANUC 부사장 게리 지위올의 표현을 빌리면, “조명만 꺼진 게 아닙니다. 냉난방도 꺼져 있습니다.”
중국 샤오미(Xiaomi)의 창핑 스마트 팩토리는 약 8만 ㎡ 규모의 시설에서 AI 시스템이 제어하는 11개 자동화 생산 라인을 24시간 가동하여 연간 1천만 대의 스마트폰을 생산합니다. ZEEKR의 전기차 공장에서는 수백 대의 로봇이 24시간 가동되며 연간 30만 대를 생산합니다. 인간의 노동 시간에 맞춰 설계된 공장이 아닙니다.
이 공장들의 설계는 근본적으로 다릅니다. 조명이 없습니다. 인간용 온도 조절이 없습니다. 통로는 로봇의 이동 동선으로 최적화됩니다. 기계끼리는 밀리미터 수준의 반복 정밀도로 작동합니다. 인간이 ‘잠깐 들어가서 뭔가 고쳐야’ 할 때, 그 인간이 오히려 이 시스템에 맞지 않는 이질적인 존재가 됩니다.
여기서 1부의 패턴이 정확히 반복됩니다. 현재는 로봇이 인간 세계에 적응하기 위해 인간형으로 만들어집니다. 그러나 시스템이 AI·로봇 중심으로 재설계되면, 그 다음에는 인간이 그 시스템 안에서 움직이기 위해 특별한 장비와 절차가 필요해집니다. 자동차 도로에서 보행자가 횡단보도라는 ‘특별 허가 구역’에서만 걸을 수 있듯이.
4부 · 다른 영역으로의 확산
전환은 이미 다양한 곳에서 진행 중입니다
이 패러다임 전환은 소프트웨어와 제조에만 국한되지 않습니다.
데이터와 인프라. AI 네이티브(AI-native) 데이터 스택이 표준이 되고 있습니다. 과거의 데이터베이스와 인프라는 인간 엔지니어가 쿼리하고 관리하는 것을 전제했습니다. 지금은 AI 에이전트가 24시간 끊임없이 데이터에 접근하고, 의사결정에 활용하고, 스스로 최적화합니다. 인프라의 설계 기준이 “인간 엔지니어가 이해하기 쉽게”에서 “AI 에이전트가 자율적으로 운영하기 적합하게”로 이동하고 있습니다.
물류와 창고. 아마존의 풀필먼트 센터는 인간 작업자와 로봇이 함께 일합니다. 그러나 새롭게 설계되는 시설들은 처음부터 로봇 중심으로 동선과 구조를 잡습니다. 선반의 높이, 통로의 폭, 조명의 위치가 인간의 효율이 아니라 자율이동로봇(AMR)의 효율을 기준으로 결정됩니다.
금융. 알고리즘 트레이딩 시스템이 인간 트레이더가 반응할 수 없는 밀리초 단위로 거래를 처리합니다. 이 속도에서 인간의 개입은 오히려 병목입니다. 시장의 규칙과 인프라 자체가 AI 트레이더에 최적화된 방향으로 진화하고 있습니다.
의료 영상 분석. AI 판독 시스템이 CT, MRI 영상을 처리하는 속도와 정밀도에서 인간 방사선과 전문의를 이미 앞서는 특정 영역이 있습니다. 영상 분석 워크플로우가 AI 중심으로 재편되면, 인간 전문의는 AI가 플래그를 세운 케이스에 대한 최종 판단자 역할로 이동합니다.
5부 · 역할의 역전
“하찮은 일은 인간이, 중요한 일은 AI가”라는 역설
AI와 로봇의 생산성이 인간을 압도하는 순간, 고성능 시스템이 단순 보조 업무를 담당하는 것은 낭비입니다. 이것은 이미 일부 영역에서 시작되었습니다.
코딩 분야에서 AI는 이미 반복적인 코드 작성, 보일러플레이트, 버그 수정을 처리합니다. 인간 개발자의 역할은 아키텍처 결정, 비즈니스 요구사항의 해석, 윤리적 판단으로 이동하고 있습니다. 낮은 수준의 작업은 AI가, 높은 수준의 판단은 인간이 하는 구조입니다.
그런데 이것이 계속 진행되면 어떻게 될까요? AI가 아키텍처 결정까지 처리할 수 있게 된다면? 어느 시점에서는 AI가 할 수 없는 일이 아니라 AI가 하기에 너무 비효율적인 일을 인간이 맡는 구조로 역전될 수 있습니다. 5편에서 “AI가 대체하기 어려운 영역”이라고 정리했던 것들 — 체화된 판단력, 공감과 신뢰, 맥락과 가치 판단, 창조적 의미 부여 — 이 바로 이 역전 이후에도 남는 인간의 자리입니다.
이것은 불편한 사실입니다. 생산성 측면에서 인간이 AI보다 뛰어난 영역은 점점 줄어들 것입니다. 그렇다면 인간은 어떤 역할을 갖는가?
6부 · 인간이 할 수 있는 것, 해야 하는 것
시스템이 바뀌는 속도보다 더 빠르게 적응하는 전략
이 전환에서 인간에게 유리한 점이 하나 있습니다. 전환은 즉각적이지 않습니다. 다크 팩토리는 단순 반복 공정에서 먼저 가능하고, 복잡한 조립과 예외 상황 처리에서는 아직 인간이 필요합니다. CLI가 돌아왔지만, IDE는 사라지지 않았습니다. 병행 기간이 존재합니다. 이 기간이 준비의 시간입니다.
전환의 경계에 위치하라
지금 당장 가장 유리한 위치는 인간과 AI 시스템의 경계에서 일하는 것입니다. AI 에이전트가 자율적으로 처리하는 작업의 결과를 검토하고, 예외 상황을 판단하고, 목표를 설정하는 역할. 이것은 ‘AI를 감독하는 인간’의 역할입니다. 이 역할을 할 수 있으려면 AI가 무엇을 잘하고 무엇을 못하는지를 깊이 이해해야 합니다.
AI 네이티브 환경에서 일하는 법을 익혀라
IDE에서 CLI로의 전환처럼, 앞으로의 작업 환경은 인간 직관보다 AI 에이전트의 효율을 기준으로 설계될 것입니다. 이 환경에서 인간이 효과적으로 일하려면 그 환경의 논리를 이해해야 합니다. 5편에서 강조한 ‘AI 리터러시’가 바로 이것입니다. 프롬프트 엔지니어링이 아니라, AI 시스템 설계와 감독 능력을 키우는 것이 핵심입니다.
‘목표와 가치를 설정하는 역할’을 선점하라
4편에서 살펴본 AI+HW 2035 논문이 강조했듯, AI 시스템의 핵심 과제 중 하나는 “인간이 AI 에이전트와 원활하게 협업하고, 의도를 투명하게 전달하며, 복잡한 작업을 안전하게 실행하는 것”입니다. 어떤 목표를 향해 AI를 운용할 것인가를 결정하는 것은 인간의 역할입니다. 다크 팩토리에서 무엇을 생산할지, 어떤 기준으로 품질을 판단할지, 어떤 제품이 사회에 필요한지 — 이 질문들은 AI가 설정하지 않습니다.
6편에서 그리스도인의 관점으로 탐구한 것처럼, “이것이 최적이다”라는 계산과 “이것이 선하다”라는 판단은 같지 않습니다. 사회적 가치, 윤리적 판단, 장기적 비전은 인간이 제시해야 합니다.
시스템 전환의 설계자가 되어라
가장 중요한 제안입니다. 시스템이 AI 중심으로 재편될 때, 그 재편을 설계하는 사람은 그 시스템 안에서 인간이 어떤 역할을 갖는지를 결정합니다. 도로 시스템을 설계한 사람들이 횡단보도를 어디에 배치할지를 결정했듯이, AI 중심 공장과 인프라를 설계하는 사람들이 인간이 개입하는 지점을 결정합니다. 이 설계에 참여하는 것이, 인간이 단순히 AI 시스템에 ‘적응’하는 것이 아니라 그 시스템을 ‘주도’하는 방법입니다.
결론: 도로가 바뀌면 보행자도 달라져야 한다 — 그러나 보행자가 사라지지는 않는다
산업혁명 때도, 디지털 혁명 때도, 사람들은 인간의 역할이 사라질 것이라고 두려워했습니다. 그러나 역할이 사라진 것이 아니라 역할이 변했습니다. 이번도 그럴 것입니다.
달라지는 것은 속도와 범위입니다. 이전의 전환이 수십 년에 걸쳐 이루어졌다면, 이번의 전환은 훨씬 빠를 것입니다. 그리고 단순 반복 노동에서 시작해 지식 노동, 창조적 업무까지 빠르게 영역이 확장됩니다.
핵심은 이것입니다. 시스템이 누구를 기준으로 설계되는가. 그 기준이 인간에서 AI로 이동할 때, 인간은 그 시스템 안에서 어떻게 자신의 자리를 만드는가.
자동차 시대에 횡단보도를 사용하는 보행자처럼, AI 중심 시스템 안에서 인간이 유효하게 존재할 수 있는 방법은 있습니다. 다만 그것은 이전처럼 인간이 중심인 채로 존재하는 것이 아닙니다. AI 시스템이 처리하지 못하거나 처리하기에 너무 비효율적인 영역을 맡는 것, 시스템의 목표와 방향을 설정하는 것, 그리고 시스템 자체를 설계하고 감독하는 것.
이것이 앞으로 인간이 찾아야 할 자리입니다.
