## AI 응답을 대독하는 노동의 역설
최근 개발자와 지식 노동자들 사이에서 ‘미트 프록시’라는 신조어가 빠르게 확산되고 있습니다. 직역하면 ‘육체적 대리인’이라는 뜻이지만, 맥락상 AI와 실제 인간 업무 사이에서 AI의 출력물을 사람이 직접 읽고 검증하는 역할을 하는 사람을 지칭합니다.
특히 Slack이나 깃허브 풀 리퀘스트에서 누군가가 AI가 생성한 300줄짜리 긴 응답을 그대로 붙여넣으며 ‘이거 맞는지 확인해 줘’라고 요청하는 상황이 빈번해지고 있습니다. 이는 단순한 편의를 넘어, AI가 생성한 텍스트를 이해하고 검증하는 데 드는 인지 부하가 생각보다 크다는 점을 드러냅니다.
많은 사람이 AI가 모든 것을 해결해 줄 것이라고 믿었지만, 실제로는 AI가 생성한 난해한 문장이나 plausible한 허수(Plausible nonsense)를 해석하는 일이 새로운 업무가 되었습니다. 한 개발자는 NATS 제어 플레인 이벤트 관련 AI 응답을 받으며 거의 모든 단어를 찾아봐야 했다고 토로합니다.
이 과정에서 인간은 AI의 지능을 빌려오는 것이 아니라, AI의 오류를 수정하고 의미를 추출하는 ‘번역기’ 역할을 하게 됩니다. 이는 오히려 원래의 업무보다 더 많은 에너지를 소모하는 역설적인 상황을 만듭니다.
## 코드 리뷰와 의사소통의 공허함
이 현상이 가장 두드러지는 곳은 코드 리뷰와 기술적 의사소통 영역입니다. 티켓 설명을 클로드 코드에 넣고 결과를 복사해 붙여넣는 식의 워크플로우가 보편화되면서, 실제 코드를 읽어본 사람은 리뷰어뿐이고 구현자는 AI가 된 경우가 많습니다.
이때 인간 개발자는 AI가 쓴 코드가 제대로 작동하는지, 리뷰어의 피드백이 AI에게 잘 전달되었는지 확인하는 ‘미트 프록시’ 역할을 수행합니다. 만약 이 과정을 거치지 않고 AI의 출력을 그대로 프로덕션에 올린다면, 예상치 못한 버그나 성능 저하가 발생할 위험이 큽니다.
소셜 미디어에서는 이를 더 직관적으로 ‘클로드 코드와 프로덕션 사이의 콘돔’이라고 비유하기도 합니다. 콘돔이 정자와 난자를 만나게 하지만 정자를 생성하지는 않는 것처럼, AI는 코드를 생성하지만 그 코드의 책임은 인간이 지게 됩니다.
이 과정에서 인간은 AI의 생성물을 필터링하고 다듬는 역할을 하게 되며, 이는 단순한 검수를 넘어 AI의 맥락을 이해하고 재구성하는 고도화된 인지 작업을 요구합니다. 이러한 노동이 축적되면, 결국 인간 개발자의 핵심 역량은 ‘코드를 짜는 것’에서 ‘AI의 출력을 해석하는 것’으로 이동하게 됩니다.
## 미트 프록시가 되지 않는 법
이러한 현상을 방지하기 위해선 AI의 출력을 그대로 전달하지 않고, 자신의 언어로 재구성하는 습관이 필요합니다. 일부 팀에서는 ASD-STE100과 같은 단순화 기술 영어를 사용하여 AI가 생성한 응답을 명확한 불릿 포인트로 변환하도록 권장하기도 합니다.
이는 AI의 응답을 쉽게 검증할 수 있게 하고, 사용자가 자신의 목소리로 쉽게 수정할 수 있게 합니다. 중요한 것은 AI에게 질문을 던지는 것이 아니라, AI의 답변을 읽고 검증한 후 자신의 결론을 내리는 것입니다.
한 개발자는 동료에게 AI 응답을 받아본 후 공개적으로 ‘고마워, 내가 클로드에게 직접 물어볼게’라고 답하며 이후 같은 실수를 방지하기도 했습니다. 이는 팀의 문화에 따라 다르지만, AI 응답을 대독하는 것이 추가적인 가치가 없음을 인식하게 하는 계기가 됩니다.
AI는 빠르게 답을 주지만, 그 답의 정확성과 문맥 적합성은 여전히 인간의 판단에 달려 있습니다. 따라서 우리는 AI의 속도에 휩쓸려 단순한 전달자가 되는 것을 넘어, AI의 출력을 비판적으로 검토하고 의미를 부여하는 역할을 수행해야 합니다.
## 앞으로 주목할 점
앞으로 AI 도구들이 더 정교해지면서 생성되는 텍스트의 양과 복잡성은 더욱 증가할 것입니다. 이는 미트 프록시로서의 노동이 단순 개발자를 넘어 마케팅, 디자인, 기획 등 다양한 지식 노동 영역으로 확산될 것임을 시사합니다.
중요한 것은 AI가 생성한 내용을 무비판적으로 수용하지 않고, 항상 인간의 검수를 거치도록 하는 프로세스를 정착시키는 것입니다. 또한 AI 응답을 읽는 데 드는 시간을 줄이기 위해, 더 명확하고 간결한 프롬프트 엔지니어링과 검증 도구의 발전이 필요할 것입니다.
결국 성공하는 조직은 AI를 대체재로 보는 것이 아니라, 인간의 인지 부하를 분산시키는 도구로 활용하며, 그 사이에서 인간의 판단력이 빛을 발하는 구조를 만들어낼 것입니다.
작성자 소개
