AI 매니아가 전 세계 의사결정을 파괴하고 있다 – 컨설턴트의 최전선 기록

AI 매니아가 전 세계 의사결정을 파괴하고 있다 – 컨설턴트의 최전선 기록

TL;DR – AI 과대광고가 의사결정을 무너뜨린다

저자는 수십 건의 AI 도입을 감독해 온 컨설턴트로, 그가 본 거의 모든 AI 프로젝트가 실패했으며 임원들은 사적으로는 의심하면서도 공개적으로 AI를 옹호해야만 한다고 주장한다. 이는 고용, 예산, 위험 관리까지 왜곡시키는 자기 강화적인 매니아를 만들고, 직원들은 적대적이고 지표 중심적인 환경에서 살아남아야 한다.

1. AI 프로젝트는 사실상 전부 실패다

  • 관찰된 성공률: 저자 팀이 관여했거나 주변에서 관찰한 1년 반 동안의 프로젝트 중 0 % 성공.
  • 전형적인 실패 원인: 문서 부족, LLM에 대한 비현실적인 기대, 그리고 AI라는 새로움이 증폭시킨 전형적인 소프트웨어 프로젝트 관리 부실.
  • 챗봇 사례: 내부 헬프데스크 봇은 거의 사용되지 않으며, 고객용 봇은 문제를 해결하지 못하고 지표에서도 흔적 없이 사라진다.
  • 논평: 몇몇 댓글러는 저자의 주장이 과장되었거나 선택 편향일 수 있다고 지적하지만, 내부 챗봇·토큰 리더보드와 같은 AI 중심 이니셔티브가 실질적인 가치를 거의 제공하지 못한다는 점에 동의한다.

"우리가 팀으로 관찰한 모든 AI 프로젝트는 실패하고 있다. 1년 반 동안 0% 성공을 보았다…" – author "이 글은 맞는 듯하지만, 제가 Claude를 고급 SQL·Python에 사용한 경험과는 맞지 않는다…" – LOCNE55 (HN 댓글)

2. AI에 반대하는 것은 커리어 자살이다

  • 컬트 같은 압박: 임원들은 스스로 사용해 보지 않았음에도 AI가 변혁적이라고 반복해서 선언해야 한다.
  • 결과: AI 이니셔티브에 의문을 제기하는 직원은 종종 ‘총에 맞는다’ – 해고, 배제, 혹은 직장을 지키기 위해 AI 사용을 꾸며야 한다.
  • 지표 남용: 토큰 소비, AI‑청구 KPI, ‘AI‑워시’된 업무가 실제 결과와 무관하게 성과를 판단한다.
  • 논평: HN 사용자들은 저자의 일화가 과거 기술 유행(예: 블록체인, 애자일)과 유사한 기업 매니아를 보여준다고 지적한다.

"우리 Go 레포지토리 복사본을 확인하고 AI에게 전체를 Zig로 다시 쓰게 하는… 이게 너무 싫다." – software engineer (기사 인용)

3. 데모는 트로이 목마다

  • 화려한 데모: 반쯤 만든 AI 데모(예: Snowflake Cortex)조차도 비합리적인 구매 열풍을 일으킨다.
  • 결과: 기업들은 실제로 활용할 수 없는 AI 솔루션을 구매해 고객을 달래려 한다.
  • 저자의 대응: 팀은 그런 데모 제공을 중단하고 제품을 영업 플레이북에서 삭제했다.
  • 논평: 리뷰어들은 겉보기에 좋은 PoC가 실제 구현 격차를 가리는 패턴과 일치한다고 언급한다.

4. 임원의 게임 이론 – 정직의 죄수 딜레마

  • 전략적 딜레마: 임원이 AI 성과가 과장됐다고 인정하면 거짓말쟁이로 낙인찍히고 계약을 잃을 위험이 있다. 침묵을 유지하면 현상 유지가 된다.
  • 이사회 압박: 이사회 구성원도 회의적이지만 AI 투자를 지지하지 않으면 뒤처진다고 느낀다.
  • 결과: 누구도 안전하게 진실을 말할 수 없는 협조 문제, 매니아를 강화한다.
  • 논평: HN 참가자들은 이것이 다른 기술 물결에서도 나타나는 전형적인 협조 실패와 유사하다고 본다.

5. “AI‑네이티브” 요구사항

  • 채용·예산: 직원은 AI 사용을 증명해야 인원을 확보하거나 해고를 피한다.
  • 토큰 리더보드: 팀은 실제 결과보다 LLM 토큰 소비량으로 경쟁한다.
  • 프로젝트 사례: 데이터베이스 마이그레이션이 몇 줄의 LLM 코드만 포함돼도 “AI‑구동”이라고 포장된다.
  • 논평: 일부 댓글러는 저자의 시각이 지나치게 비관적이라며, LLM 보조 코딩으로 성공한 개인 사례를 제시하지만 garbage‑in‑garbage‑out 원칙은 여전히 적용된다고 동의한다.

6. 생존 전략 – 시스템을 바꿀 수 없을 때

6.1 다른 목표가 있을 때

  1. 비공개 이견 제시: 일대일로 우려를 제기하고, 이견이 드러나는 그룹 상황은 피한다.
  2. 익명 설문: 프로젝트 건강도에 대한 양극화된 의견을 설문으로 끌어낸다.
  3. 실제 데이터 활용: 임원들의 수사적 발언이 아니라 실제 사용자 인사이트를 기반으로 한다.
  4. 직접적인 도전 회피: 광범위한 AI 과대광고는 지나가게 두고, 구체적이고 신뢰받는 관계에 집중한다.
  5. 정치적 지형 파악: AI 지표에 공개적으로 약속한 사람을 먼저 파악한다.
  6. 실용적 거짓말: 필요하면 토큰을 많이 쓰는 AI 요소를 추가해 관리자를 달래고 자신의 위치를 보호한다.

6.2 단순히 살아남고 싶을 때

  1. 제한된 영향력 수용: AI 매니아를 바꾸기 어려울 수 있음을 인정한다.
  2. 계약직 고려: 높은 급여와 고정 종료일이 내부 정치 노출을 줄인다.
  3. AI 뉴스 소비 제한: 과대광고에 노출되는 시간을 줄여 정신 건강을 지킨다.
  4. 전략적 침묵: 위험하지 않은 상황에서는 AI 사용을 인정하고, 개인 의견은 비공개로 유지한다.
  5. 퇴직 준비: 과도한 AI‑주도 업무량을 신호로 삼아 구직을 시작한다.
  6. AI를 AI에 맞서 활용: 관리자가 AI 생성 텍스트로 답하면, 자신도 AI를 써서 답변해 정신적 안정을 유지한다.

"엄청난 양의 형편없는 AI 코드를 검토하라고 하면, 조직이 당신을 소진시켜 해고할 것이라고 가정하라." – author (기사 인용)

7. 커뮤니티 반응 – 독자들의 의견

  • 컬트 같은 분위기에 동의: 여러 댓글러가 과거 기술 매니아와 비교하며 반발이 어려움을 강조했다.
  • 과장에 대한 비판: 0 % 성공 주장에 과장과 선택 편향을 지적하는 의견도 있었다.
  • 실제 성공 사례 인정: 일부 사용자는 특정 작업(예: 고급 SQL 생성)에서 LLM으로 생산성 향상을 보고했다.
  • 뉘앙스 요구: 몇몇은 “AI 프로젝트” 정의를 명확히 하고 기술 실패와 프로젝트 관리 실패를 구분할 것을 요구했다.
  • 넓은 시각: 몇몇 참여자는 매니아가 더 큰 과대광고 주기의 일부이며 결국 사그라들 것이라고 경고했다.

결론 – 매니아는 사라지겠지만 피해는 현실이다

저자의 최전선 관찰은 AI 과대광고가 기업 의사결정을 시스템적으로 장악하고, 임원들이 공개적으로 옹호하면서 사적으로는 의심하게 만든다. 일부 진정한 AI‑주도 생산성 영역도 존재하지만, 전반적인 흐름은 인센티브 불일치, 과장된 지표, 회의론을 처벌하는 문화이다. 실용적인 조언—비공개 이견 제시, 데이터 기반 설문, 필요 시 전략적 계약직—은 이 혼란스러운 환경을 헤쳐 나가는 로드맵을 제공한다.

상황은 일시적일 수 있지만, 근본적인 협조 문제를 인식하고 교정하지 못하는 조직은 장기적으로 합리적 의사결정이 침식될 위험이 있다.

Sources