AI 2막의 핵심은 ‘에이전트 조직’과 ‘테이스트 경제’다: 메타 E7 엔지니어가 말한 2027 AI 트렌드
이번 내용에서 진짜 중요한 포인트는 단순히 “AI가 더 똑똑해진다”가 아닙니다.
앞으로 기업 경쟁력은 AI 에이전트를 얼마나 많이 쓰느냐가 아니라, 사람의 의도와 목표를 AI가 실행 가능한 데이터 구조로 바꾸는 능력에서 갈릴 가능성이 큽니다.
메타 E7 엔지니어 안상현 님의 관점에서 보면, 2027년 AI 트렌드는 에이전트 중심 조직, 웨어러블 인터페이스, 피지컬 AI, 빅테크 독점 구조, 그리고 인간만의 테이스트 경쟁으로 압축됩니다.
특히 글로벌 경제전망 관점에서는 AI 투자, 생산성 혁신, 빅테크 경쟁, 반도체 공급망, 노동시장 변화가 모두 이 흐름과 연결됩니다.
1. AI 2막의 핵심 키워드: 인간 중심에서 에이전트 중심으로
AI 1막이 챗봇을 필요할 때 꺼내 쓰는 단계였다면, AI 2막은 에이전트가 실제 업무를 수행하는 단계입니다.
기존에는 사람이 질문하고, AI가 답하고, 사람이 다시 판단하는 구조였습니다.
하지만 앞으로는 AI 에이전트가 계획을 세우고, 실행하고, 결과를 보고하는 방식으로 바뀔 가능성이 큽니다.
이 변화는 단순한 업무 자동화가 아닙니다.
기업 조직의 설계 방식 자체가 바뀌는 문제입니다.
앞으로 기업은 크게 세 가지 부류로 나뉠 수 있습니다.
- AI 에이전트가 사람과 함께 일하는 조직
- 사람이 여러 에이전트를 관리하며 성과를 내는 조직
- 여전히 사람끼리만 일하는 조직
여기서 중요한 건 “AI를 쓴다”가 아니라 “AI가 일하게 만든다”입니다.
이 차이가 앞으로 기업의 생산성 혁신과 비용 구조를 크게 갈라놓을 수 있습니다.
2. AI 네이티브 업무 방식: 이제 질문보다 기본값이 AI다
안상현 님이 말한 AI 네이티브의 핵심은 AI를 계산기처럼 필요할 때 쓰는 도구로 보지 않는다는 점입니다.
이제는 “이걸 AI에게 물어볼까?”가 아니라 “이걸 AI 없이 할 이유가 있나?”로 사고방식이 바뀌어야 합니다.
이 변화는 직장인에게도 꽤 현실적인 의미가 있습니다.
문서 작성, 코드 작성, 시장 조사, 발표 자료 구성, 데이터 분석, 아이디어 검증까지 대부분의 지식노동에 AI가 기본으로 들어오게 됩니다.
결국 개인의 경쟁력은 AI를 얼마나 자주 쓰느냐보다, AI를 통해 얼마나 더 큰 결과물을 만들어내느냐로 평가될 가능성이 큽니다.
기업 입장에서는 AI 활용률이 곧 투자 대비 수익률과 연결됩니다.
AI 투자 비용은 계속 커지고 있지만, 실제 성과가 나오지 않으면 시장은 냉정하게 평가할 수밖에 없습니다.
앞으로 AI 산업의 핵심 질문은 “얼마나 좋은 모델인가?”에서 “얼마나 경제성이 있는가?”로 이동할 가능성이 높습니다.
3. 피지컬 AI의 병목: 모델보다 데이터 온톨로지가 더 중요하다
피지컬 AI는 현실 세계에서 움직이고 판단하는 AI를 뜻합니다.
자율주행차, 로봇, 스마트 글래스, 웨어러블 기기, AI 비서가 모두 이 흐름 안에 있습니다.
여기서 핵심 병목은 단순히 AI 모델 성능이 아닙니다.
현실 세계의 데이터를 어떻게 모으고, 연결하고, 의미 있는 관계로 구조화하느냐가 더 중요합니다.
안상현 님은 이를 데이터의 온톨로지화라고 설명합니다.
온톨로지는 쉽게 말해 데이터와 데이터 사이의 관계를 정리하는 작업입니다.
예를 들어 사람이 “광화문으로 데려다줘”라고 말했을 때, AI는 위치, 교통 상황, 사용자의 일정, 선호 경로, 차량 상태, 목적지 주변 환경을 함께 이해해야 합니다.
단순히 음성을 텍스트로 바꾸는 수준이 아니라, 사람의 의도와 상황을 연결된 데이터로 이해해야 합니다.
이 관점에서 테슬라 자율주행은 중요한 사례입니다.
테슬라는 전 세계 차량에서 방대한 주행 데이터를 수집하고, 이를 모델 개선에 활용합니다.
이 데이터 축적 구조가 자율주행 경쟁력의 핵심입니다.
반도체 공급망, 배터리 산업, 자동차 산업까지 연결해 보면 피지컬 AI는 향후 제조업과 모빌리티 시장의 핵심 성장축이 될 가능성이 큽니다.
4. 스마트폰 다음 인터페이스: 텍스트에서 음성, 그리고 웨어러블로
AI 시대의 인터페이스는 스마트폰 터치에서 음성, 시각, 제스처 중심으로 이동할 가능성이 큽니다.
안상현 님은 스마트폰 앱 중심의 시대가 점차 약해지고, AI 에이전트와 웨어러블이 새로운 접점이 될 수 있다고 봅니다.
이 흐름에서 메타가 주목하는 제품은 AI 글래스입니다.
AI 글래스는 사용자가 보고, 듣고, 말하는 데이터를 자연스럽게 수집할 수 있습니다.
사용자는 버튼을 누르거나 앱을 실행하지 않아도 말로 명령하고, 귀로 답변을 받을 수 있습니다.
예를 들어 “어제 회의에서 우리가 정한 액션 아이템이 뭐였지?”라고 물으면 AI가 대화 기록을 정리해줄 수 있습니다.
“이 사람에게 송금해줘” 같은 명령도 가능해질 수 있습니다.
길 안내, 사진 촬영, 실시간 번역, 업무 메모, 일정 관리까지 안경 하나로 처리되는 방향입니다.
다만 웨어러블 산업의 핵심 과제는 편리함만이 아닙니다.
항상 착용되어 있어야 하지만, 사용자와 주변 사람에게 불쾌감을 주지 않아야 합니다.
프라이버시와 AI 윤리 문제가 동시에 따라올 수밖에 없습니다.
메타가 선보인 팔찌형 인터페이스도 주목할 만합니다.
작은 손짓이나 신경 신호를 읽어 명령을 수행하는 방식입니다.
이런 기술이 발전하면 스마트폰 화면을 터치하는 행위 자체가 점점 줄어들 수 있습니다.
5. 빅테크 독점은 계속될까: 핵심은 각 기업의 ‘모트’다
AI 시장이 몇몇 빅테크 기업에 의해 독점될 것인지에 대해서는 단정하기 어렵습니다.
다만 중요한 기준은 각 기업이 가진 따라 하기 어려운 경쟁우위입니다.
메타는 소셜 그래프라는 강점을 가지고 있습니다.
사람들의 관계망, 커뮤니케이션 채널, 콘텐츠 소비 데이터를 보유하고 있기 때문입니다.
여기에 AI를 올리면 개인화 추천, 광고, 커머스, AI 비서, 소셜 에이전트로 확장할 수 있습니다.
오픈AI와 앤트로픽은 프론티어 모델과 B2B 시장에서 강점을 가지고 있습니다.
구글은 검색, 유튜브, 클라우드, 안드로이드 생태계를 기반으로 AI를 결합할 수 있습니다.
애플은 디바이스와 운영체제, 개인정보 보호 기반의 온디바이스 AI에서 차별화할 수 있습니다.
테슬라는 현실 세계 주행 데이터와 로봇, 자율주행 영역에서 강점을 가집니다.
결국 AI 시장은 하나의 기업이 전부 독점하기보다, 각자의 데이터와 유통 채널, 디바이스, 고객 접점을 가진 기업들이 서로 다른 방식으로 경쟁하는 구조가 될 가능성이 큽니다.
6. LLM은 전기처럼 커머디티가 될 가능성이 있다
안상현 님이 제시한 중요한 관점 중 하나는 대형언어모델이 장기적으로 전기처럼 커머디티화될 수 있다는 점입니다.
전기는 누가 만들든 사용자는 그냥 콘센트에 꽂아 씁니다.
LLM도 앞으로는 특정 모델 자체보다, 그 모델을 어디에 어떻게 쓰느냐가 더 중요해질 수 있습니다.
이미 중국 오픈소스 모델의 성능이 빠르게 올라오고 있습니다.
오픈소스 진영이 강해질수록 모델 성능 격차는 줄어들 가능성이 있습니다.
그렇게 되면 기업과 개인은 “가장 똑똑한 모델”만 찾는 것이 아니라, 비용 대비 성과가 좋은 모델 조합을 찾게 됩니다.
이 지점에서 토큰 이코노믹스가 중요해집니다.
AI를 많이 쓴다고 무조건 성과가 좋아지는 것은 아닙니다.
어떤 업무에 어떤 모델을 쓰고, 얼마나 많은 토큰을 투입했으며, 그 결과 얼마만큼의 매출 증가나 비용 절감이 있었는지를 따져야 합니다.
앞으로 기업의 AI 투자 평가는 “우리가 AI를 도입했다”가 아니라 “AI 에이전트 10% 활용으로 얼마의 부가가치를 만들었는가”로 바뀔 가능성이 큽니다.
이 부분은 주식시장과 기업 밸류에이션에도 직접적인 영향을 줄 수 있습니다.
7. AI 시대 엔지니어의 핵심 역량: 코드보다 목표 설계와 검증 능력
AI가 코드를 작성하고, 문서를 만들고, 분석까지 해주는 시대에 엔지니어에게 가장 중요한 능력은 달라집니다.
안상현 님은 단순히 더 똑똑한 사람이 더 큰 가치를 만드는 시대가 아닐 수 있다고 말합니다.
첫 번째 핵심 역량은 목표 설계 능력입니다.
문제 정의도 중요하지만, 더 중요한 것은 우리가 무엇을 이루고 싶은지 명확히 설계하는 능력입니다.
AI는 주어진 목표에 따라 매우 빠르게 결과물을 만들 수 있습니다.
하지만 잘못된 목표를 주면 빠르게 잘못된 결과를 만들 뿐입니다.
두 번째 핵심 역량은 검증 능력입니다.
AI가 만든 결과물이 겉으로 완벽해 보여도 실제로 좋은 결과물이라는 보장은 없습니다.
사람의 마음을 움직이는지, 시장에서 통하는지, 사용자가 불편함 없이 받아들이는지 판단해야 합니다.
세 번째 핵심 역량은 사람을 이해하고 설득하는 능력입니다.
앞으로 만드는 것은 쉬워질 수 있습니다.
하지만 파는 것은 여전히 어렵습니다.
모두가 그럴듯한 제품을 만들 수 있다면, 고객이 왜 내 제품을 선택해야 하는지를 설득하는 능력이 더 중요해집니다.
8. 지능이 희소하지 않은 시대, 희소해지는 것은 테이스트다
이번 인터뷰에서 가장 인상적인 문장은 “지능이 덜 희소해졌을 때 더 가치 있는 것은 무엇인가”입니다.
AI가 지식과 분석, 코딩 능력을 대중화하면 단순한 지능의 희소성은 낮아집니다.
그때 더 가치가 올라가는 것은 사람의 마음을 움직이는 감각, 즉 테이스트입니다.
AI가 만든 영상이나 이미지가 기술적으로 완벽해도 이상하게 끌리지 않는 경우가 있습니다.
너무 완벽해서 인간적이지 않기 때문입니다.
앞으로는 완벽함보다 매력, 공감, 설득력, 인간적인 결이 더 중요해질 수 있습니다.
그래서 안상현 님은 엔지니어에게 인문학을 공부하라고 조언합니다.
기술을 잘 아는 것만으로는 부족합니다.
사람이 무엇을 좋아하는지, 어떤 이야기에 움직이는지, 왜 어떤 제품은 사랑받고 어떤 제품은 외면받는지 이해해야 합니다.
이 흐름은 AI 산업뿐 아니라 콘텐츠, 브랜드, 소비재, 교육, 커머스, 엔터테인먼트 산업에도 큰 영향을 줄 수 있습니다.
결국 AI가 생산을 쉽게 만들수록 차별화의 중심은 취향과 해석, 그리고 사람을 설득하는 힘으로 이동합니다.
9. 가치가 떨어질 수 있는 능력: 암기와 정답형 교육 시스템
AI 시대에 가치가 떨어질 수 있는 능력은 단순 암기와 정해진 시스템을 잘 따라가는 능력입니다.
물론 좋은 대학, 좋은 성적, 체계적인 학습은 여전히 중요합니다.
하지만 그것만으로 경쟁력을 보장하기는 어려워질 수 있습니다.
AI가 지식을 빠르게 제공하는 시대에는 남들이 보지 못하는 것을 보는 능력이 중요해집니다.
리스크를 감수하고 시도하는 태도, 실패 후 다시 회복하는 회복탄력성, 남다른 관점, 철학적 사고가 더 큰 차이를 만들 수 있습니다.
이는 노동시장 변화와도 연결됩니다.
AI는 일자리를 단순히 없애는 기술이라기보다 일의 성격을 바꾸는 기술에 가깝습니다.
산업혁명 때도 기존 직업 일부는 사라졌지만 새로운 직업과 산업이 생겼습니다.
AI 시대에도 사람은 AI가 만든 결과물을 판단하고, 방향을 정하고, 고객과 조직을 설득하는 역할을 맡게 될 가능성이 큽니다.
10. 한국의 기회: 빠른 실행력과 K-테이스트
실리콘밸리에서 본 한국의 강점은 빠른 실행력입니다.
새로운 기술이 나오면 바로 써보고, 강의를 듣고, 따라 하고, 실험하는 속도가 매우 빠릅니다.
이 행동력은 AI 전환기에 중요한 경쟁력이 될 수 있습니다.
다만 약점도 있습니다.
처음 맛보는 속도는 빠르지만, 끝까지 파고들어 자기 것으로 만드는 뒷심은 더 필요합니다.
AI 시대에는 단순한 유행 탑승보다 꾸준한 실험과 축적이 더 중요합니다.
또 하나의 강점은 K-컬처와 K-테이스트입니다.
K팝, 드라마, 뷰티, 패션, 음식, 콘텐츠 감각은 글로벌 시장에서 이미 검증되고 있습니다.
여기에 AI를 결합하면 한국은 미국, 중국과 다른 방식의 차별화가 가능합니다.
삼성전자, SK하이닉스 같은 기업은 AI 반도체와 메모리 시장에서 글로벌 핵심 플레이어로 더 강하게 인식되고 있습니다.
앞으로 한국의 과제는 제조업과 반도체 공급망의 강점을 AI 서비스, 피지컬 AI, K-콘텐츠 감각과 어떻게 연결하느냐입니다.
11. 20대 개발자에게 주는 조언: 오픈소스, 리스크 테이킹, 인문학
안상현 님은 20대 개발자에게 도전하라고 조언합니다.
AI 시대에는 좋은 대학을 나오는 것만큼이나, 실제로 만들어보고 공개하고 인정받는 경로가 중요해지고 있습니다.
특히 오픈소스 생태계에서 한국 개발자들의 존재감이 커지고 있습니다.
전통적인 방식으로 공부만 한 사람이 아니라, AI를 직접 써보고, 깎아보고, 실패하고, 끝까지 만들어낸 사람들이 글로벌 무대에서 인정받고 있습니다.
앞으로 개발자에게 중요한 것은 단순 코딩 실력만이 아닙니다.
AI를 활용해 더 빠르게 만들고, 더 많이 실험하고, 사람에게 통하는 제품으로 다듬는 능력입니다.
그리고 그 기반에는 인문학적 이해가 필요합니다.
12. 앞으로 5년의 변화: 에이전트는 기본, 피지컬 AI는 본격화
향후 5년 안에 AI 에이전트는 컴퓨터보다 더 흔한 존재가 될 수 있습니다.
개인마다 AI 비서를 가지고, 기업마다 수많은 에이전트를 운용하는 구조가 자연스러워질 수 있습니다.
모바일 앱은 일부 줄어들 가능성이 있습니다.
사용자가 앱을 직접 열어 버튼을 누르기보다, 에이전트에게 말하면 에이전트가 필요한 서비스를 호출하는 방식으로 바뀔 수 있기 때문입니다.
피지컬 AI도 본격적으로 등장할 가능성이 큽니다.
AI 글래스, 로봇, 자율주행, 웨어러블, 온디바이스 AI가 결합되면 인간과 기술의 접점은 지금보다 훨씬 자연스러워질 수 있습니다.
다만 AI 윤리 문제는 더 커질 수 있습니다.
항상 보고 듣는 기기가 일상화되면 개인정보, 감시, 데이터 소유권, 알고리즘 편향 문제가 더 민감해집니다.
기술은 멈추기 어렵기 때문에, 규제와 산업 발전 사이의 균형이 글로벌 경제전망의 중요한 변수로 떠오를 수 있습니다.
13. 대부분의 뉴스가 놓치는 가장 중요한 내용
많은 뉴스는 AI 모델 성능 경쟁이나 빅테크 주가에 집중합니다.
하지만 이번 이야기에서 더 중요한 본질은 따로 있습니다.
첫 번째는 AI의 진짜 병목이 모델 성능이 아니라 인간의 의도를 구조화하는 능력이라는 점입니다.
AI가 아무리 똑똑해도 사람이 목표를 제대로 설계하지 못하면 결과물의 가치는 낮아집니다.
두 번째는 데이터의 양보다 데이터의 관계성이 중요해진다는 점입니다.
피지컬 AI와 웨어러블이 제대로 작동하려면 보고, 듣고, 말하고, 움직이는 데이터를 서로 연결해 의미 있는 맥락으로 만들어야 합니다.
세 번째는 AI 경제성이 본격적으로 검증되는 시기가 온다는 점입니다.
지금까지는 “AI를 도입했다”가 중요했다면, 앞으로는 “AI가 얼마를 벌어줬나”가 중요해집니다.
네 번째는 기술이 평준화될수록 인간적인 매력이 더 비싸진다는 점입니다.
지능이 흔해지면 테이스트, 공감, 설득, 브랜드 감각이 더 희소해집니다.
다섯 번째는 한국의 기회가 단순 기술 추격이 아니라 AI와 K-테이스트의 결합에 있다는 점입니다.
한국은 실행 속도와 문화적 감각을 동시에 가진 드문 시장입니다.
이 강점을 AI 산업과 연결하면 글로벌 시장에서 새로운 포지션을 만들 수 있습니다.
14. 투자자와 직장인이 지금 봐야 할 체크포인트
투자자라면 AI 기업의 매출 성장뿐 아니라 AI 투자 대비 수익률을 봐야 합니다.
데이터센터와 반도체에 막대한 자본지출이 들어가는 만큼, 실제 생산성 향상과 수익화 여부가 중요합니다.
빅테크 기업을 볼 때는 각 회사가 가진 모트를 확인해야 합니다.
소셜 그래프, 검색 데이터, 디바이스 생태계, 클라우드 인프라, 자율주행 데이터, 반도체 기술이 모두 차별화 요소가 될 수 있습니다.
직장인이라면 AI를 단순 보조도구로 쓰는 수준에서 벗어나야 합니다.
내 업무의 반복 작업을 에이전트화하고, 결과물을 검증하고, 더 큰 목표를 설계하는 방식으로 일해야 합니다.
개발자라면 코드 작성 능력만 믿기보다 제품 감각과 사용자 이해를 키워야 합니다.
마케터라면 AI 콘텐츠 생산보다 사람의 마음을 움직이는 메시지 설계가 더 중요해집니다.
기획자라면 AI에게 일을 시키는 목표 설정 능력이 핵심 경쟁력이 됩니다.
< Summary >
AI 2막의 핵심은 챗봇 활용이 아니라 AI 에이전트가 실제로 일하는 조직으로 바뀌는 것입니다.
피지컬 AI와 웨어러블의 성패는 모델 성능보다 데이터의 관계성과 사용자 경험에 달려 있습니다.
LLM은 장기적으로 전기처럼 커머디티화될 수 있고, 중요한 것은 비용 대비 성과입니다.
AI 시대 엔지니어의 핵심 역량은 코딩보다 목표 설계, 검증 능력, 사람을 설득하는 능력입니다.
지능이 희소성을 잃으면 테이스트, 공감, 인문학적 이해가 더 가치 있어집니다.
한국은 빠른 실행력과 K-테이스트를 AI와 결합할 때 글로벌 경쟁력을 만들 수 있습니다.
