一、 핵심 내용 요약
이 기사는 현재 AI 업계에 만연한 “기본 규칙”을 직접 깨뜨립니다. 지난 2년 동안 전 산업이 “AI를 적극적으로 도입하면서 동시에 인원을 감축하여 비용을 절감하는” 경로를 걸어왔습니다. 메타(Meta), 마이크로소프트(Microsoft), WPP와 같은 거대 기업들은 수십억 달러를 AI 연구 개발에 투자하면서도 기존 직책을 대량으로 축소했으며, “더 적은 인력으로 더 많은 일을 하는 것”을 AI의 핵심 가치로 여겼습니다. 하지만 정반대의 행보를 보이는 두 회사가 등장했습니다. 대규모 모델 인프라를 구축하는 DeepSeek는 전 부서의 규모를 두 배로 확대하고, 백엔드 개발 및 AI 지능체의 유연한 계산 분야에 150개의 새로운 직책을 만들었지만, AI 알고리즘 연구 직책은 단 하나도 채용하지 않았습니다. 노트 작성 도구를 만드는 Notion은 올해 직원 수를 30% 늘려 총 1,300명에 이를 계획으로 하고 있으며, 이는 국내 유명 대규모 모델 회사들의 직원 수의 세 배에 달합니다. 이 두 회사의 비정상적인 행동은 “AI를 활용하면 회사가 점점 작아지고, 소수의 인력으로 AI를 관리하면 쉽게 수익을 얻을 수 있다”는 고정관념을 완전히 뒤집었습니다.
---
두、 다양한 측면에서의 이해
1. 전반적인 배경: 왜 모든 산업이 AI를 이용해 인원을 감축하는가, 이 두 회사는 왜 AI를 위해 인력을 채용하는가
현재 인터넷 기업들의 일반적인 행동은 거의 고정된 프로세스가 되었습니다. 경영자는 전체 직원 회의에서 “AI를 전면적으로 도입하자”고 외치고는 HR에게 인원 감축 목표를 내립니다. 이를 “최적화”라는 명목으로 포장하지만, 실제로는 AI를 이용해 원래 3명이 했던 일을 2명이 하도록 하여 인건비를 절반으로 줄이는 것입니다. 예를 들어, 저커버그(Zuckerberg)는 일부 팀을 최대 60%까지 감축할 계획을 세웠으며, 세계 최대 광고 그룹인 WPP는 1,000명을 감축하여 절약된 자금을 모두 AI 개발에 투자했습니다.
모두가 당연하게 여기는 논리는 AI가 사람들의 일을 대신한다는 것이며, AI에 투자하는 비용은 인원을 줄여서 절약한 예산에서 충당할 수 있다고 생각합니다. 하지만 DeepSeek와 Notion은 이러한 논리를 완전히 벗어났습니다. 이들은 AI를 이용해 기존 직원들의 기존 업무를 대체하는 것이 아니라, 이전에는 불가능했던 새로운 비즈니스를 만들기 위해 AI를 활용하고 있습니다. 이러한 새로운 비즈니스에는 기존의 시스템이나 성숙한 프로세스가 없으므로, 모든 것을 새로운 인력이 처음부터 만들어야 합니다. 따라서 인원을 감축하여 비용을 절감하는 것은 불가능합니다.
2. DeepSeek는 AI 과학자를 채용하지 않고 백엔드 엔지니어를 대량으로 채용하는 이유: 대규모 모델의 “인프라 부족”이 알고리즘 개발보다 10배 더 어렵다
많은 사람들은 대규모 모델 회사가 AI 알고리즘 박사들을 채용하여 AI를 더 스마트하게 만드는 데 집중한다고 생각하지만, DeepSeek가 채용하는 150개의 직책 중 알고리즘 연구 직책은 하나도 없으며, 모두 백엔드 개발, 서버 스케줄링, 기반 시스템 개선 엔지니어입니다.
이유는 간단합니다. DeepSeek의 대규모 모델 알고리즘은 이미 완성되었으며, 현재 직면한 문제는 “AI를 더 스마트하게 만드는 것”이 아니라 “수천 명의 사용자가 동시에 AI를 사용할 때 시스템이 다운되지 않도록 하는 것”입니다. 예를 들어, 외식점을 운영한다고 가정해 보세요. 인기 있는 메뉴를 개발했지만 갑자기 10만 건의 주문이 쏟아집니다. 이때 새로운 맛을 연구하는 요리사를 고용할 필요가 없으며, 대신 주문 처리 프로세스를 개선하고, 냉장고를 더 크게 임대하고, 주문을 실수 없이 배달하기 위한 시스템을 구축해야 합니다. DeepSeek가 하고 있는 일이 바로 이것입니다. 이전에는 소규모 팀이 몇 백 대의 서버로도 충분했지만, 이제는 수천 명의 사용자와 수만 개의 AI 지능체를 동시에 처리해야 하므로 서버 운영 체제, 네트워크, 저장 장치, 상위 스케줄링 규칙 등 모든 것을 새로 만들어야 합니다. 이러한 “보이지 않는 인프라 작업”은 알고리즘 개발보다 10배 더 많은 노력이 필요하며, 인력이 부족하면 시스템을 제대로 운영할 수 없습니다.
3. 소규모이지만 효율적인 노트 작성 도구 Notion의 직원 수가 대규모 모델 회사의 3배인 이유: AI를 활용한 사업은 쉽게 수익을 얻는 것이 아니다
많은 사람들은 Notion을 무료이고 사용하기 편리한 노트 도구로만 생각하지만, 실제로는 이미 1,000명의 직원이 있으며, 올해 직원 수를 1,300명으로 늘릴 계획입니다. 이는 수조 개의 파라미터를 가진 대규모 모델 회사들의 직원 수의 세 배에 달합니다.
Notion은 과거에 개인 사용자들이 무료로 사용하면서 자연스럽게 회사에 확산되었으며, 결국 회사들이 유료 버전을 구매했습니다. 매출률은 90%에 달했고, 상장이나 자금 조달도 필요 없었습니다. 하지만 AI를 도입한 후에는 이전의 수익 모델이 더 이상 효과적이지 않게 되었습니다. 사용자들이 AI에게 문서를 요약하거나 작업을 자동으로 정리하도록 하면, Notion은 OpenAI나 Anthropic에 사용료를 지불해야 합니다. 한 해 동안 OpenAI에 지불하는 비용만 수조 개의 토큰에 이릅니다. 더 큰 문제는 기업 고객들이 AI를 자신들의 업무 흐름에 통합할 때, 단순히 “AI 요약” 버튼을 누르는 것만으로는 충분하지 않다는 것입니다. 기업들은 수년간 보관된 문서를 AI에 입력하고, 각 부서에 맞는 권한을 설정하며, 문제가 발생할 때는 기술 지원을 받아야 합니다. 이러한 작업은 몇 줄의 코드로 해결할 수 있는 것이 아니며, 많은 영업사원, 고객 지원 인력, AI를 기업에 맞게 구축하는 엔지니어가 필요합니다. 이전에는 표준화된 물을 팔았지만, 이제는 각 기업에 맞춤화된 AI 서비스를 제공해야 하므로 인력 수요가 크게 증가했습니다.
4. 모든 사람들의 오해를 깨뜨리다: AI를 활용해 효율성을 높인다고 해서 회사가 작아지는 것은 아니며, 오히려 새로운 일자리가 대량으로 창출된다
예전에는 AI가 한 사람의 역할을 대체하여 회사가 작아지고, 소수의 인력으로 많은 일을 처리할 수 있다고 여겨졌습니다. 하지만 이 두 회사의 인력 채용은 이러한 결론을 완전히 뒤집었습니다. AI를 활용하면 한 가지 작업의 비용을 10분의 1로 줄일 수 있지만, 그 결과는 기존의 일을 하는 사람이 줄어드는 것이 아니라, 이전에는 시도조차 하지 못했던 새로운 일을 동시에 처리하게 되어 총 작업량이 10배 증가합니다. 이러한 새로운 작업으로 인해 발생하는 문제들(수천 명의 사용자의 요청을 처리하고, 기업 데이터의 보안을 유지하며, AI가 생성한 오류를 수정하는 것 등)을 해결하기 위해 새로운 직책이 필요합니다. 즉, AI는 기존의 인력을 절약해 주지만, 이전에는 접근할 수 없었던 새로운 시장을 열어주며, 이 시장에서는 해결해야 할 새로운 문제들이 많아져 더 많은 인력이 필요합니다.