2026년 봄, 리처드 소처가 새 스타트업을 차렸습니다. 세일즈포스 AI 연구소를 이끌었던 인물이 6억 5천만 달러를 끌어모은 것은 그 자체로 화제였지만, 더 눈길을 끈 것은 이 돈으로 만들겠다고 선언한 것이었습니다. 단순한 AI 서비스가 아닙니다. 스스로 연구하고, 스스로 실험하며, 스스로 더 나은 버전이 되는 AI입니다. 인공지능이 인공지능을 개선하는 루프, 자기증식 구조가 투자 계약서의 언어로 처음 등장한 순간이었습니다.

이 발표가 기술 미디어 안에서만 돌았다면 그냥 지나칠 수 있었습니다. 문제는 그렇지 않았다는 점입니다. 발표 이후 며칠 만에 "AI가 스스로를 개선한다"는 문장이 한국 IT 커뮤니티를 거쳐 실무자들의 채널 안으로 흘러들었습니다. 1인 사업자가 운영하는 자동화 커뮤니티에서도, 콘텐츠 디렉터들의 단체 채팅방에서도 이 소식이 등장했습니다. 기술 선언 하나가 실무 언어권으로 침투하는 속도가 달라졌다는 것, 이 사실 자체가 이미 뭔가를 말해줍니다.

AI 개발의 연쇄고리가 안으로 닫히다

소처의 아이디어가 완전히 새로운 것은 아닙니다. AI 스스로가 자신을 훈련시키고 개선하는 구조, 이른바 자기개선 루프는 수십 년간 AI 연구자들이 공상의 언어로 다루어온 주제였습니다. 달라진 것은 이번 시도가 학술 논문이 아니라 투자 계약서의 언어로 나타났다는 점입니다.

이 구조가 실제로 작동한다고 가정해봅니다. 오늘의 AI가 내일의 AI를 설계하고, 그 AI가 다음 버전을 설계하는 연쇄가 성립합니다. 인간 연구자의 속도에 묶이지 않는 개발 사이클이 열립니다. 소처는 이 AI가 실제 제품을 출시할 것이라고 강조했지만, 업계의 반응은 엇갈렸습니다. 자기개선 루프가 실제로 닫힐 수 있는가, 닫히더라도 제어 가능한가에 대한 회의론이 만만치 않습니다.

그런데 이 불확실성 자체가 이 사건의 핵심을 드러냅니다. 6억 5천만 달러는 '2026년 안에 완성된다'는 확신에 움직인 돈이 아닙니다. '이 방향이 10년 안에 무언가를 바꿀 것이다'라는 구조적 판단에 움직인 돈입니다. 벤처 투자는 본질적으로 방향에 대한 배팅입니다. 기술이 완성되는 시점이 아니라 기술이 가리키는 방향을 사들이는 것입니다. 그 방향은 뚜렷합니다. AI 개발의 연쇄고리가 점점 더 인간 없이 돌아가는 구조를 향해 가고 있다는 것.

이것이 단순한 기술 선언에 그치지 않는 이유는 이미 우리 주변에서 벌어지고 있는 일들과 연결되기 때문입니다. AI가 작성한 콘텐츠가 더 많이 소비될수록, 그 데이터가 다음 콘텐츠 생성 AI를 더 정교하게 만듭니다. AI가 제안한 코드가 실제 소프트웨어에 사용될수록, 그 결과가 다음 코드 추천을 개선합니다. 피드백이 개선을 낳고, 그 개선이 다음 피드백을 구조화하는 루프는 이미 조용히 작동하고 있습니다. 소처의 스타트업은 이 루프를 의도적으로 설계하겠다는 선언입니다.

도구가 도구를 만드는 세계에서 사람이 하는 일

이 시점에서 한국의 1인 사업자, 솔로 PM, 콘텐츠 디렉터에게 실질적인 질문이 생깁니다. AI가 AI를 개선하는 속도가 빨라진다면, 지금 내가 배우고 있는 프롬프트 기법, 자동화 워크플로우, AI 도구 세팅은 얼마나 오래 유효할까요.

이 질문을 정직하게 들여다볼 필요가 있습니다. 비즈니스 세계의 규칙이 급격히 바뀌는 시기에 인간에게 오래 남는 역량이 무엇인지를 다룬 연구들이 공통으로 가리키는 지점이 있습니다. 도구 사용 능력은 도구가 바뀌면 함께 낡아집니다. 어떤 도구를 왜 써야 하는지를 판단하는 능력, 문제를 정의하고 맥락을 읽는 능력은 도구가 고도화될수록 오히려 희귀해집니다.

2030년을 전후로 비즈니스 세계의 규칙이 바뀐다는 주장은 이제 예측이 아니라 현재진행형으로 읽혀야 합니다. 그 변화의 핵심에 있는 것은 무엇이 인간의 고유한 기여인가라는 질문입니다. 반복 가능한 작업, 패턴 매칭이 필요한 분석, 대량의 데이터를 처리하는 일은 이미 AI가 사람보다 빠릅니다. 어떤 문제를 풀어야 하는지 결정하는 것, 고객과의 관계에서 신뢰를 쌓는 것, 사업의 방향을 놓고 판단하는 것은 AI가 빠르게 잘할 수 없는 영역으로 남아 있습니다.

이것을 실무 언어로 번역하면 이렇습니다. AI가 스스로를 개선하는 속도가 빨라질수록, 우리가 AI에게 줄 수 있는 지시의 품질, 어떤 방향으로 개선해야 하는지를 판단하는 정밀도가 경쟁력의 핵심으로 이동합니다. 내 비즈니스가 해결하려는 문제를 얼마나 정확하게 언어로 특정할 수 있는가. 고객의 행동을 얼마나 촘촘한 인과관계로 분석하고 있는가. 이것이 AI를 잘 쓰는 능력의 실체입니다.

여기에 하나의 역설이 있습니다. AI가 강력해질수록 AI를 쓰는 사람의 사고 능력이 더 중요해집니다. 허술한 문제 정의 위에 강력한 AI를 올려도 결과물은 허술합니다. 반면 자신의 비즈니스를 정밀하게 언어화한 사람은 AI가 업그레이드될 때마다 그 이득을 먼저 가져갑니다. AI의 가속이 사람의 사고 정밀도를 더 가치 있게 만드는 구조, 이것이 자기개선 루프가 실무에 던지는 진짜 화두입니다.

지금 실무에서 다르게 할 것

추상적인 대비론보다 지금 이 주에 달라질 수 있는 것들을 짚어봅니다.

학습의 무게중심을 조정해야 합니다. 특정 도구의 사용법을 익히는 데 시간을 많이 쓰고 있다면 그 비중을 줄이는 것이 합리적입니다. 노션 AI든, Claude든, 다음 달의 주력 도구가 지금과 같은 인터페이스를 유지할 보장은 없습니다. 자기개선 AI가 가속화되면 이 교체 주기는 더 짧아질 것입니다. 대신 내 비즈니스에서 AI에게 위임할 수 있는 것과 위임하면 안 되는 것의 경계를 명확히 하는 것이 훨씬 내구성 있는 투자입니다. 이 경계는 도구가 바뀌어도 거의 변하지 않습니다.

자기 언어의 정밀도를 높이는 것이 그 다음입니다. AI가 스스로를 개선하는 세계에서 사람이 오래 가지고 있을 수 있는 것은 자신의 비즈니스를 설명하는 언어의 고유성입니다. 이 고객이 왜 이탈했는가, 이 서비스가 왜 이 시점에 팔리는가를 30초 안에 설명할 수 있는 사업자는 AI와의 협업에서 다른 질의 결과물을 냅니다. 자기 사업의 본질을 압축하는 작업은 아직 AI가 대신할 수 없습니다.

변화에 대응하는 리듬도 설계가 필요합니다. AI 개선 속도가 빨라지면 도구 업데이트의 주기가 짧아지고, 이것을 매번 따라잡는 것을 목표로 삼으면 소진됩니다. 분기마다 한 번씩 자신의 워크플로우를 점검하는 시간을 고정하고 그 안에서만 도구를 바꾸는 주기를 정해두는 방식이 현실적입니다. 변화를 무시하지도, 쫓아가며 탈진하지도 않는 속도를 찾는 것입니다.

동시에 지금 하고 있는 것 중에서 지킬 것을 의식적으로 골라야 합니다. 고객과의 직접 대화, 시장에서 몸으로 검증하는 경험, 자기 영역의 판단 기준을 갈고 닦는 루틴. 이것들은 AI가 아무리 빠르게 개선되어도 쉽게 치환되지 않는 영역입니다. AI 가속의 시대에 차별화는 자동화의 정도가 아니라 자동화할 수 없는 영역의 밀도에서 나옵니다.

소처의 6억 5천만 달러가 정확히 무엇을 만들어낼지는 아직 모릅니다. 자기개선 루프가 언제 닫힐지도, 닫힌 루프가 실무 현장을 어떻게 바꿀지도 모릅니다. 하지만 이 돈이 가리키는 방향만큼은 명확합니다. AI의 개선 속도가 사람의 학습 속도를 구조적으로 앞지르는 국면이 가까워지고 있다는 것. 그 국면에서 AI보다 더 빠르게 성장하려 애쓰는 것은 처음부터 잘못된 게임입니다. 어떤 게임을 해야 하는지를 먼저 결정하는 것, 그것이 지금 가장 실질적인 준비입니다.