『AI는 인간을 먹고 자란다』 이후: 보이지 않는 노동은 사라졌는가, 분화했는가

『AI는 인간을 먹고 자란다』(Feeding the Machine)라는 제목은 인공지능을 독립적으로 사고하는 순수한 소프트웨어라기보다, 인간의 언어와 판단·감정과 창작물·몸의 노동·전력과 인프라를 끊임없이 끌어들이는 산업으로 보게 한다. 한국어판은 2025년에 나왔지만 영어 원서는 2024년에 발행되었다. 따라서 2025년 이후의 변화가 단지 출간일 이후 1년의 변화인지, 그 이전에 이루어진 취재와 현장 관찰의 시대를 넘어선 변화인지 구별할 필요가 있다.

이 책의 중심은 AI의 모델 구조를 소개하는 데 있지 않다. 데이터 주석자, 콘텐츠 검수자, 데이터센터 기술자, 예술가, 물류 노동자, 투자자, 노동조합과 규제의 문제를 따라가면서 보이는 자동화와 보이지 않는 인간 노동 사이의 불균형을 드러내는 데 있다. 새 모델이 나올 때마다 책을 폐기할 이유는 없다. 다만 책이 포착한 노동의 유형과, 2025~2026년 산업에서 강화된 노동의 유형은 다시 대응시켜야 한다.

단순 라벨링에서 평가·보상·검증의 노동으로

과거 AI 데이터 노동을 상징하는 장면은 사진에 사물 이름을 붙이는 반복 작업이다. 그러나 LLM의 최전선에서 평가의 대상은 단순한 범주가 아니라 정답의 정확성, 사실성, 논리, 코드 실행 결과, 정책 위반, 답변 간 우열, 특정 직업의 전문적 판단으로 넓어졌다.

이 표는 각 업무가 완전히 새로운 직업으로 분리되어 있다는 주장이 아니다. 동일한 BPO 업체 안에서도 일부는 단순 분류를, 일부는 고급 평가나 안전성 검수를 맡을 수 있다. 라벨링이 없어졌다는 진술보다 인간의 판단을 학습과 서비스 운영에 넣는 방식이 여러 층위로 분화했다는 진술이 정확하다.

OpenAI의 reinforcement fine-tuning 안내는 답안을 평가하는 채점기를 보상 신호에 연결하는 접근을 제시했다. DeepSeek-R1의 기술 논문은 수학·코드처럼 정답 검증이 가능한 문제에서 사람이 매번 전체 추론 과정을 써 주지 않아도 강화학습으로 추론 양상을 발전시킬 수 있음을 논의했다. 여기서 자동화되는 것은 특히 반복해서 인간이 직접 답안과 평가를 제공해야 하는 부분이지, 평가 과제와 목표를 설정할 인간의 역할 전체가 아니다.

인간의 답을 덜 먹어도 인간의 기준은 여전히 먹는다

수학 문제의 답을 자동 검산할 수 있다면 수많은 모델 출력을 인간이 전부 채점할 필요는 줄어든다. 하지만 어떤 문제를 중요한 시험으로 삼는지, 무엇을 정답으로 인정할지, 현실 업무에서 어떤 실패를 허용할지, 채점기가 편향되어 있지 않은지 결정하는 작업은 별개다. 자동 보상은 인간 판단의 완전한 소멸이 아니라 인간 판단을 코드와 평가 절차로 압축한 뒤 재사용하는 방식일 수 있다.

반면 실제 고객 상담, 공공 서비스, 예술적 가치판단, 사회적 갈등처럼 하나의 답으로 검산하기 어려운 문제에서는 기계적 채점이 훨씬 어려워진다. 높은 모델 성능을 정답률만으로 표현하면 이러한 문제의 노동이 가려진다. 모델이 직접 답을 생성하는 단계에서도 사람이 만든 저작물, 법규범, 사례 기록과 사회적 피드백에 의존한다는 사실은 남는다.

합성데이터 역시 이런 관계를 복잡하게 만든다. 모델은 새로운 훈련용 예제와 풀이를 만들어 비용을 낮출 수 있다. 하지만 생성 데이터의 품질, 다양성, 순환 학습에서의 오류 증폭을 평가하려면 어떤 외부 기준이 필요하다. 데이터 고갈에 관한 Epoch AI의 전망은 이런 논쟁에서 제시된 추정이다. 공개 인간 텍스트의 소진 시점은 확정된 달력이 아니며, 사유 데이터·새 저작물·합성데이터의 활용 가능성까지 곧바로 소진된다고 뜻하지 않는다.

남반구의 저임금 노동과 전문가 고임금 시장은 동시에 존재한다

데이터 주석과 검수의 글로벌 하청 구조는 케냐 등 글로벌 사우스 노동자들의 낮은 임금, 성과 감시, 심리적 손상, 원청·하청의 책임 분리를 드러내는 데 특히 중요하다. 하지만 이것만으로 2026년 AI 노동 전체를 설명할 수 없다.

고도로 전문화된 모델을 평가하기 위해 의사, 개발자, 법률가, 수학자, 연구자 등이 참여하는 고가의 평가 시장도 형성된다. 고임금 전문가가 늘어난다는 사실은 저임금 검수자의 처우가 개선된다는 뜻이 아니며, 정교한 평가 시장이 성장한다고 단순 주석 작업이 사라지는 것도 아니다. 오히려 저가의 대량 처리와 고가의 판단·검증이 하나의 공급망에서 결합하는 양극화가 가능하다.

Scale AI에 대한 Meta의 2025년 대형 투자와 Surge AI의 자금조달 추진은 데이터·평가 산업이 아직 규모 있는 사업이라는 신호로 제시되었다. 다만 기업가치나 투자 유치액은 라벨링 노동자의 총임금·근무 인원 또는 해당 회사의 순수 라벨링 매출과 동일한 값이 아니다. Meta와 Scale AI 관련 Reuters 보도

데이터센터: 장면의 주변에서 산업의 병목으로

모델 개발을 둘러싼 눈에 보이지 않는 노동은 서버실·배관·냉각·전력·변압기·부지와 인허가로도 확장된다. 2025~2026년의 데이터센터 투자는 단순히 더 큰 다음 모델을 위한 장비 증설을 넘어, 추론 서비스와 에이전트 운영에 들어가는 매일의 연산량을 떠받치는 문제로 떠올랐다.

한편으로는 전력 수요의 증가가 기후·환경 문제를 낳는다. 다른 한편으로는 전력망 접속이 늦어지거나 냉각과 송전 용량이 부족하면 모델 회사가 돈이 있어도 필요한 컴퓨트를 확보하지 못한다. 관련 IEA 자료에서 제시된 수치에는 2025년 데이터센터 전력 사용 485TWh, 2030년 약 950TWh 전망, AI 전용 데이터센터의 빠른 증가 등이 포함되었다. 전망과 실측, 전 세계 비중과 특정 지역의 집중 영향을 분리해서 읽어야 한다. IEA, Energy and AI

전력과 컴퓨트의 확대가 실제로 어떤 지능·품질 변화를 낳는지는 데이터센터와 추론 스케일링, 그 설비를 소유하거나 임대하는 기업의 이윤 구조는 클라우드 지대와 소유에서 다룬다.

물리적 클라우드의 현장근무를 모두 저임금 하청으로 단순화해서도 안 된다. 데이터센터 시설기술자·네트워크 테크니션은 숙련을 요구할 수 있지만, 서버 지역과 모델·서비스의 핵심 개발조직은 다른 곳에 있을 수 있다. 공사기간의 건설고용과 장기 상시고용도 분리해야 한다. 상세한 시설·냉각 규모는 데이터센터의 세계 지리, 울산·해남과 AWS형 지역노동의 비교는 한국의 데이터센터 지역경제에서 다룬다.

창작자의 목소리와 저작물: 윤리에서 계약·소송으로

AI가 음악가, 성우, 작가와 화가의 결과물을 학습하는 문제는 누구의 목소리인가, 어떤 이용 허락을 얻었는가, 대체된 수입과 가치의 몫은 누구에게 돌아가는가라는 질문을 남긴다. 2025~2026년에는 추상적인 '스타일 모방' 윤리 논쟁뿐 아니라 저작권 침해 주장, 목소리의 사용에 관한 소송, 학습 데이터 라이선스와 투명성 정책이 구체적으로 논의되었다.

Anthropic과 저자들의 저작권 소송 합의 및 Google 음성 AI 학습에 대한 소송은 이런 이동을 예시하는 것으로 제시되었다. 소송이 제기되었다는 사실과 침해가 법적으로 확정되었다는 사실은 다르며, 합의 금액·진행 상태도 발표 시점에 묶어 읽어야 한다. Reuters, Anthropic 관련 소송

이 영역에서 인간은 한편으로 훈련 데이터를 제공하는 창작자이고, 다른 한편으로는 AI로 인해 시장에서 경쟁 압력을 받는 노동자이자 권리자다. 창작물이 이용되는 방식에 대한 결정권과 그로부터 나온 부의 배분이 핵심이다.

물류센터: 감시받는 노동과 채용 자체의 축소 가능성

물류 노동을 자동화의 반대편에 놓는 관점도 수정이 필요하다. 노동자의 속도와 동선을 알고리즘이 지정하고 생산성을 감시하는 체계가 유지되는 가운데 로봇과 자동화 설비가 새로운 채용 수요를 줄일 가능성까지 논의되었다.

여기서 '기계를 위해 인간이 일한다'와 '기계가 인간 일자리를 줄인다'는 두 서술은 경쟁하지 않는다. 현재 노동자는 알고리즘 아래에서 강한 성과 요구를 받을 수 있고, 향후 투자 판단은 같은 양의 물류를 더 적은 채용으로 처리하려는 방향을 향할 수 있다. 다만 기업 내부의 장기 채용 회피 전망이나 언론 보도는 실현된 고용 감소와 같지 않다.

투자자, 독점, 플랫폼과 국가의 협상

모델 회사를 지원하는 투자자들의 권력은 벤처캐피털 지분만으로 설명되지 않는다. 초대형 AI 훈련과 추론 서비스에는 칩 공급, 데이터센터, 전력과 클라우드, 판매 채널과 고객 접점이 필요하다. 모델 회사는 서비스 매출을 올리면서 클라우드 임대료를 지급하고, 클라우드 회사는 자본과 설비를 동원하면서 모델 회사의 장기 수요에 의존한다. 지분 투자, 컴퓨트 구매, 독점권, 유통 계약은 서로 다른 이해관계다.

이 구조는 노동 정치에도 영향을 준다. 원청이 프로젝트를 종료하면 하청 노동자가 해고될 수 있고, 고용이 유지되어도 업무 내용은 AI 자동평가와 에이전트 업무검증으로 바뀔 수 있다. 케냐 AI 노동자들의 조직화 및 Sama의 계약 종료·대규모 해고 사례는 원청과 고용주를 분리한 공급망의 취약성을 보여 주는 사례로 제시되었다. AP, Sama의 케냐 노동자 해고 보도

보호의 방향과 새로 생긴 질문

노동조합과 규제는 일률적인 해법이 아니다. 저임금 하청 노동자에게는 실질적인 고용 책임과 소득, 심리 지원, 단체교섭이 필요할 수 있다. 전문가 평가자에게는 저작권·전문책임·기밀과 계약 조건이 중요하다. 창작자는 데이터 사용 동의와 보상, 공개 의무를 요구할 수 있다. 데이터센터 인근 지역은 전력·물·토지 비용을 누가 부담하는지 묻는다.

EU의 AI 관련 투명성·저작권·안전 규제와 미국의 인프라·경쟁 우선 전략은 서로 다른 정책 방향의 사례로 논의되었다. 규제의 존재와 집행의 성공, 노동자 권리의 법적 명시와 실제 교섭력은 구별되어야 한다.

여기에 또 하나의 장이 추가된다. AI 에이전트는 인간의 결과물만이 아니라 인간의 업무 절차를 배우고 실행하려 한다. 답변을 붙이는 라벨러만이 아니라 브라우저 조작과 코딩 작업의 성공·실패 기준을 설계하는 사람이 중요해진다. 노동이 대체되었다고 볼 시점, 책임이 이전하는 범위, 성과의 소유권을 기존 직무 개념으로 어떻게 다룰 것인가가 새로운 문제가 된다.

이 책의 명제를 어디까지 유지할 수 있는가

핵심 논지는 인간 노동에 대한 의존의 형태가 변해도 의존 자체는 사라지지 않는다는 데 있다. 그러나 '계속 인간을 먹는다'는 표현을 문자 그대로 노동량이 무한히 증가한다는 예측으로 삼을 수 없다. 자동화가 인간 투입을 줄이는 세부 과업도 있을 것이며, 인간의 일을 더 고가의 판단으로 이동시키는 과업도 있을 것이다. 전체 취업자 수, 노동시간, 노동소득 몫은 각각 실증 검증해야 한다.

2024년식 핵심 이미지가 보이지 않는 데이터 라벨러라면 2026년의 확장 이미지는 라벨러·전문가 평가자·창작자·검수자·물류 노동자·전력 인프라·클라우드 사업자·지역사회가 서로 얽힌 산업이다. 제목의 설명력은 유지되되, 그것이 가리키는 공급망의 층이 늘었다.

세계 BPO 노동시장과 단가는 어떤 지역에서 이 노동이 조직되고 거래되는지, AI 경제 이행기는 직무 재편을 전체 고용·수요와 어떻게 구별해야 하는지 설명한다.

검토 범위

이 글은 원서 2024년·한국어판 2025년이라는 시간차와 2025~2026년의 후속 동향을 비교한다. 책의 모든 쪽을 대조한 문헌 주석이 아니며, 목차의 표현과 사례는 이전에 소개된 범위에 따른다. 기업 투자, 고용, 데이터센터 전력, 법적 사건에 관한 수치는 각 자료 발표 당시의 진술이다. 별도 인터넷 재조사를 하지 않았으므로 2026년 10월의 확정된 최신 결과로 격상하지 않는다.