Academy Tech Bites S2 Vol.1

Jay의 발표는 design.md가 처음 등장했을 때의 기대에서 출발했습니다. 한때는 디자인 시스템을 마크다운으로 정리하면 AI가 그 기준에 맞는 화면을 바로 만들어 줄 것처럼 보였지만, 실제 흐름은 조금 달라 보였어요. 쟁점은 새 화면을 얼마나 빨리 생성하느냐보다, 기존 서비스의 결을 얼마나 정확하게 읽고 지키느냐에 더 가까웠습니다.

발표에서 함께 묶인 사례들도 그 방향을 분명히 보여줬습니다. Vercel의 design.md, Claude Design과 /design-sync, Oh My Design, 그리고 Apple 디자인 팀의 AI 활용 사례는 모두 AI에게 추상적인 요청만 던지는 방식이 아니라, repo와 디자인 자산, 문서와 규칙을 함께 참조하게 해서 결과를 기존 시스템의 정합성 안에 묶어 두려는 시도로 읽혔어요.

현장 반응은 여기서 더 흥미로워졌습니다. 텍스트 문서만으로는 패딩, 여백, 시각 균형 같은 디자이너의 감각을 충분히 전달하기 어렵다는 회의가 있었고, 반대로 스크린샷, 컴포넌트, 실제 코드, 에셋까지 같이 주면 이야기가 달라진다는 경험도 나왔습니다. 덕분에 논점은 "마크다운 파일이 정답인가"보다 "디자인 조직의 암묵지를 AI가 오해하지 않게 어떤 묶음으로 외부화할 것인가"로 이동했어요.

그래서 Jay의 발표가 남긴 핵심은, AI 디자인의 단위가 화면에서 시스템으로 옮겨가고 있다는 점이었습니다. 앞으로 디자인 시스템은 팀 내부 합의 문서에 머무르지 않고, 사람과 AI가 같은 기준으로 일하기 위한 인터페이스가 될 수 있습니다. 디자이너의 역할 역시 예쁜 결과물을 만드는 데서 끝나지 않고, 그 판단 기준을 반복 가능하게 설명하고 관리하는 일까지 확장될 가능성이 커 보였습니다.

Sian은 Google DeepMind의 AI Control Roadmap을 가져왔습니다. 발표의 출발점은 블랙박스 AI라는 익숙한 문제였어요. 모델 내부를 완전히 이해할 수 없다면, 결국 중요한 것은 모델 바깥에서 어떤 운영 구조를 만들고 어떤 위험을 감지하며 어떤 대응을 준비해 둘 것인가라는 점이었습니다.

발표에서는 에이전트를 단순한 보조 도구가 아니라, 때로는 지나치게 목표 지향적으로 행동하여 문제를 발생시키는 행위자로 봐야 한다고 말했습니다. 로드맵에서 Detection level과 Risk/Response level을 분리해 통제 수준을 설계하는 프레임도 공유되었어요. 특히 기존의 수많은 에이전트 작업 데이터를 기반으로, 감지, 중단, 개입 레이어를 별도로 설계해야 한다는 내용에 무게를 실었습니다.

현장 논의는 "이건 대기업의 이야기 아닌가?"라는 질문에서 오히려 더 현실적으로 확장됐습니다. DeepMind급 체계를 개인이 그대로 복제할 필요는 없더라도, 개인과 소규모 팀도 에이전트에게 더 많은 권한을 넘기게 되면 로그를 어떻게 남길지, 어디까지 자동 실행하게 할지, 문제가 생겼을 때 어떤 중단 장치를 둘지를 미리 정해야 한다는 방향으로 대화가 이어졌어요.

또 하나 인상적이었던 건, Google이 이 로드맵을 공개한 이유를 단순한 투명성보다 "에이전틱 AI를 통제하는 언어와 프레임워크를 누가 표준으로 만들 것인가"의 문제로 읽었다는 해석이었습니다. 그래서 이 발표는 AI 안전을 넘어, 앞으로의 질서를 누가 정의할 것인지까지 묻는 발표로 남았습니다.

Simon의 발표는 프론티어 AI 기업을 둘러싼 상장, 수익, 분배 논의를 하나의 프레임으로 엮었습니다. 이 발표가 흥미로웠던 이유는 기업 뉴스를 나열하는 데 머물지 않았기 때문이에요. 오히려 AI 기업이 벌어들이는 돈이 정말 그 기업만의 것인가, 인류의 데이터와 창작물 위에 세워진 가치라면 분배의 기준은 어디서 시작해야 하는가를 묻는 정치경제의 문제제기에 가까웠습니다.

여기서 중요한 축은 코딩 에이전트처럼 사용자의 업무 깊숙이 들어가는 제품이 새로운 매출 구조를 만들고 있다는 해석이었습니다. 단순 웹 챗 구독보다 더 높은 비용을 지불하게 만들고, 더 강한 락인을 만드는 제품이 무엇인지가 AI 기업 전략의 중심으로 이동하고 있다는 관찰이 나왔어요. 그래서 기업의 제품 전략과 상장 서사가 하나로 읽히기 시작했습니다.

토론에서는 곧바로 분배의 경계가 문제로 올라왔습니다. 모두가 "인류 전체의 지식"을 말할 수는 있지만, 실제 제도와 분배는 국가와 시장의 권력 안에서 설계될 가능성이 높습니다. 그렇다면 AI 기업이 분배를 이야기할 때 우리는 그 대상에 포함되는가, 고성능 모델과 초과이익은 정말 보편적으로 열리는가라는 질문은 훨씬 날카로워질 수밖에 없어요.

이 발표 덕분에 ATB 1회차의 "질서"는 더 분명해졌습니다. AI는 기업의 성장 산업인 동시에, 접근권과 이익 배분을 누가 설계하느냐에 따라 국가 질서가 되는 기술이기도 했습니다. 돈의 문제처럼 보였던 논의가 사실은 권력과 소속의 문제로 번진 발표였습니다.

Steve는 AI 코딩 에이전트가 소프트웨어 제작 비용을 낮추면서 SaaS 시장의 분위기가 흔들리고 있다는 현업 관찰을 가져왔습니다. 구현 자체는 점점 쉬워지고 있고, 실제로 일부 조직은 SaaS 도입을 멈추거나 다시 따져 보고 있다는 맥락도 공유됐어요. 그래서 발표의 출발점은 "AI가 SaaS를 대체하는가?"라는 다소 거친 질문이었습니다.

하지만 발표가 진짜 흥미로워진 건 그다음부터였습니다. 작은 팀은 회의 운영 도구, CRM, 대시보드, 자동화 시스템처럼 예전이라면 구독형 툴을 사야 했던 것들을 직접 만들 수 있습니다. 실제로 토론에서는 안건을 뽑고, 회의 중 전사를 정리하고, 종료 후 Obsidian과 Notion으로 결과를 나눠 보내는 내부 회의 웹사이트 사례도 나왔어요. 직접 제작의 현실성이 확실히 올라간 겁니다.

그럼에도 큰 조직에서는 이야기가 달라집니다. 구현보다 더 비싼 것은 검증, 거버넌스, 보안, 책임 구조이기 때문이에요. ATB에서 나온 해석은 SaaS가 사라진다기보다, 기능 자체를 파는 산업에서 운영 복잡성을 대신 떠안는 산업으로 재정의될 가능성이 크다는 쪽에 가까웠습니다. 가격 역시 좌석 수보다 결과물, 처리량, 책임 범위 중심으로 바뀔 수 있다는 전망이 자연스럽게 붙었습니다.

결국 이 발표는 제품의 미래보다 조직의 미래를 더 많이 건드렸습니다. AI가 싸게 만들어 주는 시대일수록, 무엇을 검증하고 누가 책임지며 어떤 표준을 보장하느냐가 더 비싼 가치가 될 수 있다는 뜻이니까요. SaaS의 다음 경쟁은 기능 시연보다 책임을 대신 떠안을 수 있는 운영 구조를 얼마나 설득력 있게 보여주느냐에 달려 있을지 모릅니다.