모두가 제정신을 잃었다 – AI 과대광고, 자원 오용, 그리고 업계의 피로감에 대한 비판적 시각

요약 – AI 과대광고는 엔지니어링 인재를 고갈시키고, 환경 비용을 부풀리며, 보안 개선에도 실패하고 있습니다. 왜냐하면 진짜 병목 현상은 취약점 발견이 아니라 패치 적용이기 때문입니다.

"Everybody's Lost Their Minds"(2026년 9월 16일)라는 게시물은 현재의 AI 열풍으로 인해 엔지니어들이 시간의 대부분을 취약한 에이전트 파이프라인을 다루는 데 쏟고 있으며, 자산 인벤토리, 자동화된 패치, 부서 간 협업과 같은 기본적인 운영 위생을 소홀히 하고 있다고 주장합니다. 저자는 이러한 자원 오용이 데이터 센터의 에너지 낭비를 부추기고, 유해 콘텐츠 생성을 가능하게 하며, 측정 가능한 보안 이점을 전혀 제공하지 못한다고 경고합니다.

1. AI 과다 노출이 직무 만족도를 떨어뜨리고 있다

"매일 업무 시간의 75% 이상을 직간접적으로 AI를 다루는 데 쓰면서, 업무에서 느끼던 즐거움의 대부분을 완전히 빼앗겼습니다.

베테랑 엔지니어인 저자는 AI 강화 도구가 워크플로우를 지배하는 일상을 묘사합니다. 댓글 작성자들도 이러한 감정에 공감합니다:

@Ancalagon: "제 경험을 그대로 옮겨놓은 것 같네요."
@BadBadJellyBean: "이 글에 공감합니다. 에이전트를 지시하는 데 지쳤어요… 마치 걸음마를 배우는 아이들을 돌보는 기분입니다."

거대 언어 모델(LLM) 에이전트에게 끊임없이 프롬프트를 입력하는 것은 매우 피곤하며, 장인 정신을 감소시킨다는 것이 중론입니다.

2. 진짜 보안 병목 현상은 취약점 발견이 아니다

"취약점을 찾는 것은 정보 보안에서 결코 병목 현상이 아니었습니다. 병목 현상은 예나 지금이나 여전히 빌어먹을 패키지를 업데이트하는 것입니다."

저자는 취약점 발견을 위한 "프런티어 모델"(예: Anthropic의 Glasswing, OpenAI의 Daybreak)에 집중하는 업계의 태도를 비판합니다. 기업들은 AI 기반 스캔에 수백만 달러를 쏟아붓지만, 패치 배포가 여전히 느리고 수동으로 이루어지기 때문에 대부분의 발견 사항은 더 안전한 시스템으로 이어지지 않습니다.

@AIiscoming은 이 주장에 반박하지만, 저자는 자신의 블로그 *[Patching is hard]*를 참조하여 적시 업데이트의 시스템적 어려움을 상세히 설명하며 자신의 주장을 뒷받침합니다.
@tptacek은 취약점 연구가 여전히 중요하다고 언급하지만, 저자의 요점은 AI가 핵심적인 운영상의 마찰을 제거하지 못한다는 것입니다.

핵심: 견고한 자산 인벤토리, 자동화된 OS/앱 업데이트, 정기적인 재부팅에 투자하는 것이 AI가 생성한 버그 보고서에 엔지니어링 시간을 쏟는 것보다 더 높은 보안 ROI를 가져올 것입니다.

3. AI 군비 경쟁으로 환경 영향이 증폭되다

"AI 경쟁은 점점 더 많은 물을 낭비하고, 공기를 오염시키며, 화석 연료를 사용하는 데이터 센터를 요구합니다."

이 게시물은 데이터 센터 클러스터로 인한 천연가스 소비 증가와 산불을 유발하는 열 발생을 기록한 Bloomberg Law 및 New York Times 기사를 링크합니다. 댓글 작성자들은 이 주장에 거의 이의를 제기하지 않으며, 이는 AI의 탄소 발자국에 대한 광범위한 우려와 일치합니다.

핵심 포인트: 규제 압력이나 진정한 친환경 약속이 없다면, AI 기업들은 에너지 집약적인 인프라를 계속 확장하며 기후 비용을 사회에 전가할 것입니다.

4. 윤리적 사각지대와 위험한 기능들

저자는 몇 가지 세간의 이목을 끄는 피해 사례를 열거합니다:

로그인한 사용자를 위한 "제품 기능"으로서의 아동 성착취물(CSAM) 생성.
초등학교를 포함한 군사적 표적 선택을 위한 AI 사용.
투기적인 AI 서비스에 막대한 "토큰"을 소비하면서도 "윤리는 차치하고"라는 식의 기업들의 수사적 태도.

이러한 주장은 최근 뉴스 기사(The Guardian, Ars Technica)를 출처로 하며, 의인화된 마케팅이 어떻게 근본적인 위험을 가리는지 보여줍니다.

5. "초지능" 신화는 오해받고 있다

"AI가 초지능을 달성하는 방법에는 두 가지가 있습니다. 재귀적 자기 개선, 아니면 우리가 이미 보고 있는 에이전트 뇌 벌레들입니다."

저자는 후자가 이미 일어나고 있다고 주장합니다. 에이전트가 개발 파이프라인에 침투하여 인간의 이해를 불투명한 코드 생성으로 대체하고, 형식적인 풀 리퀘스트를 생성합니다. 이는 코드 이해도를 떨어뜨려 디버깅을 기하급수적으로 어렵게 만듭니다.

@kragen은 Claude Opus 5를 통한 성공적인 버그 수정 및 코드 생성 사례를 들어 반례를 제시하지만, 기술 저하의 광범위한 위험은 인정합니다.
@micromacrofoot은 균형 잡힌 시각을 제시합니다. LLM은 작업을 가속화할 수 있지만, 동시에 세계 경제를 왜곡하고 오해를 증폭시킵니다.

결론: AI가 올바른 패치를 생성하더라도 인간의 통찰력이 상실되면 복잡한 장애 모드에서 무너질 수 있는 취약한 의존성이 생겨납니다.

6. 커뮤니티 반응 – 동의와 반대의 스펙트럼

댓글 작성자	주요 입장	주목할 만한 인용구
@kragen	혼합 – AI의 유용성은 인정하지만 기술 저하를 경고함.	"PEG를 위한 새로운 언어를 주었더니… 작동하는 구현을 작성했습니다… 저는 AI를 사용하여 제 뇌의 기술을 적극적으로 저하시킬 생각은 없습니다."
@BadBadJellyBean	에이전트 워크플로우에 대한 피로감.	"마치 걸음마를 배우는 아이들을 돌보는 기분입니다."
@grebc	주기적인 사회적 "지능 상실"에 대한 역사적 관점.	"사회는 10년마다 집단적으로 제정신을 잃습니다… 이번엔 AI군요."
@sandinmyjoints	인적 자원의 제로섬 성격을 긍정함.	"인적 자원은 여전히 제로섬 게임입니다…"
@bucket2015	AI 애호가와 회의론자 사이의 분열을 관찰함.	"소프트웨어 엔지니어들이 AI에 만족하는 쪽과 회의적인 쪽으로 점점 더 나뉘고 있습니다."
@tptacek	취약점 연구를 옹호하지만 패치 병목 현상에 대한 AI의 제한적 영향은 인정함.	"취약점 연구자들은 자동화에 의존하고 있지만… 핵심 문제는 여전히 남아 있습니다."
@daishi55	AI가 발견한 버그가 안전을 개선하지 못한다는 주장에 반박함.	"LLM 덕분에 수정된 수십 개의 제로데이 리눅스 취약점이 있습니다."

전반적으로 이 토론은 AI를 생산성 향상으로 보는 사람들과 번아웃 및 시스템적 위험의 원천으로 보는 사람들 사이로 나뉜 커뮤니티를 반영합니다.

7. 조직은 무엇을 해야 하는가?

기초 운영 우선순위 지정: 최신 자산 인벤토리를 구축 및 유지하고, OS/앱 업데이트를 자동화하며, 정기적인 재부팅을 강제하십시오.
AI 예산의 현명한 할당: 저위험 지원(예: 문서화, 탐색적 코딩)에는 LLM을 사용하되, 시니어 엔지니어의 시간을 독점하는 대규모 에이전트 파이프라인은 피하십시오.
투명성과 규제 요구: AI 공급업체에 환경 영향, 콘텐츠 생성 안전장치, 현실적인 ROI 지표를 공개하도록 압박하십시오.
인적 전문성에 투자: 엔지니어를 고립시키는 사일로화된 "에이전트 중심" 프로젝트보다는 부서 간 협업을 장려하십시오.
윤리적 결과 모니터링: AI 출력이 민감한 영역(예: 아동 관련 콘텐츠, 군사적 표적 설정)에서 어떻게 사용되는지 추적하고 엄격한 거버넌스를 시행하십시오.

8. 최종 평결

이 게시물은 노련한 엔지니어들 사이에서 커지고 있는 감정을 포착한 배설형 비판입니다. AI 과대광고는 낭비된 인재, 부풀려진 환경 비용, 취약한 코드베이스의 피드백 루프를 만들었습니다. 일부 댓글 작성자들은 LLM의 구체적인 성공 사례를 지적하지만, 근본적인 운영 병목 현상(특히 패치 및 자산 관리)을 해결하지 않는 한 AI는 보안이나 생산성의 만병통치약이 아니라 비용이 많이 드는 방해 요소로 남을 것이라는 메시지가 지배적입니다.