2025년 5월, 앤트로픽은 Claude API 사용 단가를 또 한 번 낮췄습니다. 발표 직후 개발자 커뮤니티에는 "이제 하루 수천 번 호출해도 커피 한 잔 값"이라는 반응이 줄을 이었습니다. 같은 주, 앤트로픽이 미국에서 여러 건의 저작권 소송에 직면해 있다는 소식도 함께 돌았습니다. 두 뉴스가 나란히 붙어 있는 모습이 어색할 수 있지만, 이 회사는 법적 압박을 받으면서도 가격 인하 방향을 바꾸지 않았습니다. 비용을 낮춰 사용자를 더 많이 끌어들이는 쪽이 장기적으로 유리하다는 판단을 지속한 것입니다.

같은 시점에 전혀 다른 방향에서 신호가 하나 더 왔습니다. Vercel과 Astro 같은 오픈소스 프로젝트 운영진이 "에이전트가 자동 생성한 PR은 받지 않겠다"는 선언을 공개적으로 올렸습니다. 에이전트가 코드 기여자를 수치로 대체하기 시작했다는 증거가 축적되자, 커뮤니티가 먼저 선을 그은 것입니다. 비용은 내려가고, 에이전트는 더 많은 자리를 차지하려 하고, 그 사이 어딘가에서 사람이 직접 검토해야 할 것들이 슬그머니 비어가고 있습니다.

에이전트가 쓴 글을 에이전트가 검토하는 날의 위험

2025년 상반기에 공개된 CrossAudit 연구는 이 흐름 안에서 불편한 사실을 끄집어냈습니다. 요지는 이렇습니다. 콘텐츠를 생성하는 에이전트와 그 콘텐츠를 검토하는 에이전트가 같은 모델 계열에서 나왔을 때, 두 에이전트는 동일한 '맹점'을 공유합니다. 한쪽이 놓친 것을 다른 쪽도 같은 이유로 놓친다는 뜻입니다.

비슷한 시기, AutoScientist-Quant라는 연구는 투자 전략 에이전트가 자신이 설계한 백테스트 결과를 피드백 루프로 다시 참조할 때 발생하는 취약점을 구체적으로 짚었습니다. 에이전트가 과거 결과를 학습 신호로 삼으면, 그 에이전트가 처음부터 편향된 방식으로 설계한 검증 기준이 계속 강화됩니다. 오류가 반복될수록 오히려 더 자신 있게 틀린 방향을 추천하게 됩니다.

두 연구가 공통으로 가리키는 지점은 하나입니다. 검증 계층을 생성 계층과 독립적으로 설계하지 않으면, 실패는 요란하게 터지는 것이 아니라 조용히 쌓입니다. 그리고 한참 후에 쌓인 것이 한꺼번에 무너집니다.

이 문제는 대형 AI 연구소의 이야기만이 아닙니다. 지금 한국의 1인 사업자, 소규모 팀의 기획자, AI를 도입 중인 중간관리자들이 매일 마주하는 상황과 겹칩니다. ChatGPT나 Claude로 초안을 쓰고, 같은 도구나 비슷한 계열의 도구로 검토를 돌리고, 결과물을 외부에 내보내는 워크플로가 빠르게 자리를 잡고 있습니다. 생성과 검증이 같은 '눈'으로 이루어지는 워크플로입니다.

모델 가격이 낮아질수록 검증 비용은 올라간다

앤트로픽이 가격을 내리는 이유는 단순합니다. 단가를 낮춰 더 많은 호출을 유도하면, 더 많은 사용자 데이터와 시장 점유가 뒤따릅니다. 이 흐름에서 작은 사업자에게 단기적으로 좋은 일이 생깁니다. 지난해까지 월 수십만 원을 써야 했던 API 사용량을 이제 절반 이하 비용으로 유지할 수 있습니다. 마케팅 카피, 제안서 초안, 고객 응대 스크립트를 에이전트로 돌리는 비용이 실질적으로 낮아집니다.

그런데 여기에 맞교환이 있습니다. 모델을 더 많이, 더 다양하게 쓸수록 그 출력물을 신뢰할 수 있는지 확인하는 작업의 무게도 함께 올라갑니다. CrossAudit 연구가 보여준 것처럼, 같은 계열 모델로 검토를 돌리면 오류가 걸러지는 것이 아니라 오류가 승인됩니다. 저렴해진 생성 비용과 올라가는 검증 부담 사이에서, 1인 사업자는 어디에 시간과 판단력을 써야 하는지를 다시 따져봐야 합니다.

커리어 설계를 주제로 오랫동안 현장에서 실무자들과 일해온 저자가 쓴 책 중에, 직장과 사업 현장에서 "생존"과 "성장"을 구분하는 관점을 다룬 글이 있습니다. 그 관점에서 보면, AI 도구를 쓰는 방식에서도 같은 구분이 가능합니다. 단순히 비용을 줄이기 위해 에이전트를 쓰는 것은 생존에 가깝습니다. 에이전트의 출력물이 어떤 상황에서 틀리는지를 파악하고, 그 맹점을 보완하는 체계를 직접 만드는 것이 성장에 가깝습니다. 두 방향은 도구는 같아도 결과가 꽤 다르게 쌓입니다.

1인 사업자가 지금 실제로 점검해볼 것들

이론이 아니라 월요일 오전 업무 흐름에 바로 닿는 이야기로 좁혀 봅니다.

생성 도구와 검토 도구를 다르게 쓰고 있는지 확인하세요. Claude로 초안을 만들고 Claude로 검토하거나, ChatGPT로 초안을 쓰고 GPT로 피드백을 돌리는 것은 CrossAudit이 지적한 패턴과 정확히 일치합니다. 계열이 다른 모델을 검토 단계에 의도적으로 끼워 넣거나, 사람의 눈이 최종 검토를 담당하는 지점을 명확히 정해두는 것이 실용적인 대안입니다. Gemini로 생성하고 Claude로 검토하거나, 반대로 돌려보는 방식만으로도 맹점의 일부는 줄어듭니다.

에이전트가 자기 결과를 참조해 다음 결과를 만드는 파이프라인이 있다면, 주기적으로 외부 기준을 끼워 넣으세요. AutoScientist-Quant 연구가 투자 파이프라인에서 짚은 문제는 콘텐츠 기획이나 SEO 자동화에서도 같은 방식으로 나타납니다. 에이전트가 지난달 잘됐던 포스트를 분석해 이번 달 주제를 추천하고, 그 주제로 다시 콘텐츠를 만들면, 에이전트는 자신이 처음에 가진 편향을 점점 강화하는 방향으로 움직입니다. 외부 인간 편집자의 판단, 경쟁사의 실제 수치, 독자 인터뷰처럼 에이전트 루프 밖에서 온 신호를 3~4주마다 한 번씩 강제로 끼워 넣는 것이 안전판이 됩니다.

Vercel·Astro의 PR 거부 선언을 참고해 자신의 납품 기준을 점검하세요. 오픈소스 커뮤니티가 "에이전트 기여는 받지 않겠다"고 선을 그은 이유는 코드 품질의 일관성을 유지하기 위해서였습니다. 1인 사업자의 납품물, 제안서, 보고서에도 같은 질문이 적용됩니다. 클라이언트나 파트너가 "이 문서는 AI가 만들었습니까"라고 물었을 때 당신이 자신 있게 "제가 검토했습니다"라고 말할 수 있는 기준이 지금 내부에 있는지 확인할 필요가 있습니다.

비용 절감을 워크플로 전체가 아니라 특정 단계에 집중하세요. 모델 단가가 낮아졌다고 해서 모든 단계를 자동화하는 것은 비용을 낮추는 것이 아니라 리스크를 무료로 가져오는 일에 가깝습니다. 초안 생성, 자료 수집, 형식 정리처럼 오류가 쉽게 눈에 보이는 단계는 자동화해도 부담이 작습니다. 최종 판단, 맥락 판단, 상대방의 감정을 읽어야 하는 커뮤니케이션 단계는 에이전트 비용이 0원이 돼도 사람이 붙어 있어야 합니다.

오픈소스 커뮤니티에서 "에이전트 PR은 받지 않겠다"는 선언이 나온 것은, 자동화가 만든 기여물의 품질을 검토하는 데 드는 비용이 기여물이 가져오는 이익보다 커졌기 때문입니다. 같은 계산이 당신의 사업에서도 언제든 성립할 수 있습니다.

모델 가격이 내려가는 속도만큼 당신이 출력물을 직접 읽는 눈의 정밀도를 유지하고 있는지, 그것이 지금 실제로 따져볼 만한 질문입니다.