오라클의 2만 1천 명 해고, 당신의 월급봉투에 보내는 신호

얼마 전 한참 잘나가던 스타트업에 다니는 후배 개발자에게서 밤늦게 연락이 왔습니다. '선배님, 회사에서 갑자기 AI 팀으로 가라는데, 가야 할까요? 지금 하던 일도 재밌는데…' 한때는 유망했던 서비스가 사용자를 잃고 비틀거리는 상황에서, 회사가 마지막 승부수로 AI를 택한 모양이었습니다. 후배의 고민은 깊었습니다. '가서 잘할 수 있을지도 모르겠고, 안 간다고 버티면 찍힐 것 같고.'

며칠 뒤 터져 나온 오라클의 2만 1천 명 해고 소식은 이 후배의 질문에 대한 거대하고도 잔인한 답변처럼 들렸습니다. 전통의 소프트웨어 강자가 미래 AI 사업에 '올인'하기 위해 전 직원의 상당수를 내보내겠다는 선언. 이것은 단순한 구조조정 뉴스가 아닙니다. 기술 산업의 지각판이 어떻게 움직이고 있는지, 그리고 그 위에서 우리의 일과 경력은 어떻게 재편될 것인지를 보여주는 가장 극적인 사례입니다. 저도 엔지니어로 밥 벌어먹는 사람으로서, 이 소식을 그냥 넘길 수가 없었습니다. 남의 일이 아니기 때문입니다.

1. AI 투자라는 값비싼 도박: 왜 2만 명의 월급을 걸어야 했나

흔히 'AI에 투자한다'고 하면 막연하게 들립니다. 그냥 똑똑한 사람들 몇 명 더 뽑고, 좋은 컴퓨터 몇 대 더 사면 되는 것 아니냐고 생각하기 쉽습니다. 현실은 아파트 단지 하나를 통째로 새로 짓는 것에 가깝습니다. 오라클이 왜 기존 사업부 직원 2만 1천 명을 내보내는 극약 처방까지 쓰면서 AI에 돈을 쏟아부으려 하는지, 그 비용 구조를 구체적으로 해부해 볼 필요가 있습니다.

AI, 특히 요즘 모두가 이야기하는 생성 AI 모델을 만들고 운영하는 데는 천문학적인 돈이 들어갑니다. 크게 세 가지 때문입니다.

• 첫째, 'AI의 뇌' 역할을 하는 반도체, GPU(그래픽 처리 장치)입니다. 원래는 게임 그래픽을 처리하던 부품인데, 수많은 계산을 동시에 해치우는 능력이 AI 학습에 최적이라는 사실이 알려지면서 금값이 됐습니다. 엔비디아의 최신 AI용 칩인 H100은 개당 4만 달러(약 5500만 원)를 호가하는데, 없어서 못 팝니다. 제대로 된 AI 서비스를 하려면 이런 칩을 수천, 수만 개씩 묶어서 '클러스터'라는 거대한 뇌 덩어리를 만들어야 합니다. 이 칩들을 사 모으는 데만 조 단위의 돈이 필요합니다.

• 둘째, 'AI의 집'인 데이터센터입니다. 이 비싼 GPU 수만 개가 뿜어내는 열을 식히고, 막대한 전기를 안정적으로 공급하려면 기존 데이터센터로는 어림도 없습니다. AI 전용으로 설계된 새로운 기반 시설이 필요합니다. 한 달 전기요금만 수십, 수백억 원이 나오는 '전기 먹는 하마'를 키우는 셈입니다. AI는 데이터를 먹고 크지만, 그 데이터는 전기를 먹고 움직입니다.

• 셋째, 'AI 조련사'인 인력입니다. 뛰어난 AI 연구자와 엔지니어는 실리콘밸리에서 연봉 수십억 원을 받는 '귀한 몸'이 된 지 오래입니다. 이들을 영입하기 위한 경쟁은 스포츠 스타 스카우트 전쟁과 비슷합니다.

오라클은 지금 이 세 가지 전선에서 모두 싸워야 합니다. 문제는 오라클이 클라우드 시장의 후발주자라는 점입니다. 아마존(AWS), 마이크로소프트(Azure), 구글(GCP)이라는 세 거인이 시장을 꽉 잡고 있는 운동장에 뒤늦게 뛰어든 선수입니다. 남들처럼 어중간하게 투자해서는 존재감조차 드러내기 어렵습니다. 그러니 기존 사업에서 벌어들이는 돈과 인력을 빼서, 미래의 단 하나의 희망인 AI 클라우드에 쏟아붓는 '배수의 진'을 치는 겁니다. 2만 1천 명의 해고는 그 도박에 거는 판돈인 셈입니다.

2. 데자뷔: 90년대 CASE 열풍과 오늘의 AI

이런 풍경이 낯설지 않습니다. 기술의 역사에서 '새로운 기술이 모든 것을 바꿀 것이며, 적응하지 못하는 자는 도태될 것'이라는 구호는 주기적으로 반복됐습니다. 저도 비슷한 열풍을 몇 번 겪어봤습니다.

1990년대 초, 'CASE(Computer-Aided Software Engineering) 도구'라는 것이 있었습니다. 마치 설계도만 그리면 컴퓨터가 알아서 프로그램을 뚝딱 만들어줄 것처럼 선전했습니다. 수많은 기업이 비싼 돈을 주고 이 도구를 도입했고, 개발자들은 이제 곧 일자리를 잃을 것이라는 불안에 떨었습니다. 결과는 어땠을까요? CASE 도구는 일부 복잡한 시스템 설계에 도움을 주긴 했지만, 프로그래밍 자체를 대체하지는 못했습니다. 결국 개발자의 생산성을 높여주는 여러 도구 중 하나로 흡수되었을 뿐입니다.

2000년대 들어서는 '4세대 언어(4GL)'나 최근의 '노코드(No-Code) / 로우코드(Low-Code)' 플랫폼이 비슷한 약속을 했습니다. 코딩을 모르는 일반인도 마우스 클릭 몇 번으로 앱을 만들 수 있다는 꿈. 저도 몇몇 노코드 툴을 붙잡고 며칠 써봤습니다. 간단한 사내용 앱이나 시제품을 만드는 데는 확실히 편리합니다. 하지만 조금만 복잡한 기능이 필요해지거나, 사용자가 몰렸을 때의 성능 문제에 부딪히면 어김없이 한계에 봉착합니다. 결국 '진짜 개발자'를 불러야 해결되는 문제가 생깁니다.

AI, 특히 코드를 생성해주는 AI는 이 흐름의 가장 강력한 최신 버전입니다. 과거의 도구들과 다른 점은, 정말로 그럴듯한 코드를 '만들어낸다'는 것입니다. 하지만 본질은 같습니다. 이 기술들은 결코 '개발자'라는 직업을 없애지 못했습니다. 대신, 개발의 무게중심을 바꿨습니다.

• 타이핑하고 문법 오류를 잡는 '잔손질'의 가치는 떨어졌습니다.
• 어떤 문제를 풀어야 하는지 정의하고, 시스템 전체의 구조를 설계하고, 여러 기술적 선택지 사이에서 최적의 '결정'을 내리는 일의 가치는 오히려 올라갔습니다.

오라클의 선택도 마찬가지입니다. 기존 데이터베이스를 관리하고, 정해진 매뉴얼에 따라 고객을 지원하는 '반복적' 업무의 가치는 AI로 대체될 수 있다고 본 것입니다. 반면, 아무도 가보지 않은 AI 클라우드라는 미지의 영역을 개척하고, 새로운 시스템을 설계하는 소수 정예의 '창조적' 업무에 모든 자원을 집중하려는 전략입니다.

3. 오라클의 손익계산서: 무엇을 버리고 무엇을 얻으려 하나

이번 구조조정이 단순히 비용을 줄이기 위한 핑계라는 비판도 있습니다. 기업은 자선단체가 아니니, 당연히 수익성 개선 목적도 있을 겁니다. 하지만 중요한 것은 '어떤' 비용을 줄이고 '어디에' 투자하는가 하는 방향성입니다. 오라클은 살을 빼기 위해서가 아니라, 지방을 걷어내고 근육을 키우기 위해 칼을 든 것으로 보입니다.

이 표를 보면 오라클의 고민이 명확히 드러납니다. 과거의 성공 방정식은 더 이상 통하지 않습니다. 오라클의 주력 사업이던 자체 서버에 설치하는 데이터베이스 시장은 점점 클라우드로 넘어가고 있습니다. 한번 팔면 큰돈이 되는 라이선스 장사보다, 월세처럼 꾸준히 들어오는 클라우드 구독료가 새로운 왕입니다. 오라클은 이 전환에 늦었고, 클라우드 시장 점유율은 AWS(약 31%), MS(약 25%), 구글(약 11%)에 이어 한 자릿수에 머물러 있습니다. (2024년 1분기, Synergy Research Group 자료 기준)

이 상황에서 어설프게 1, 2, 3위를 따라 하는 것은 의미가 없습니다. 오라클은 'AI 학습에는 우리 클라우드가 더 빠르고 싸다'는 점을 파고들고 있습니다. 엔비디아와의 긴밀한 협력을 통해 GPU 클러스터 성능을 극대화하고, 경쟁사보다 저렴한 비용을 제시하는 전략입니다. 이는 막대한 초기 투자가 필요한 대신, 일단 성공하면 시장의 판도를 바꿀 수 있는 '하이 리스크, 하이 리턴' 전략입니다. 2만 1천 명의 일자리는 이 위험한 베팅을 위한 '시드머니'가 된 셈입니다.

4. 흔한 오해와 불편한 진실

AI가 세상을 바꾼다는 이야기가 넘쳐나면서 몇 가지 흔한 오해가 퍼지고 있습니다. 이번 기회에 두 가지만 짚고 넘어가고 싶습니다.

첫 번째 오해: '이제 개발자들은 다 망했다. AI가 코딩 다 해주는데 뭐하러 비싼 돈 주고 사람을 쓰나?'

이는 반은 맞고 반은 틀립니다. 정확히 말하면, '생각 없이 복사-붙여넣기 하던 개발자'는 망하는 게 맞습니다. 인터넷 검색해서 나오는 코드를 대충 짜깁기해서 프로그램을 만들던 시대는 저물고 있습니다. 이제 그런 일은 AI가 훨씬 빠르고 그럴듯하게 해냅니다. 저도 코딩하다 막히면 챗GPT에 물어봅니다. 웬만한 기본 코드는 정말 기가 막히게 짜줍니다.

하지만 AI가 짜준 코드가 항상 정답은 아닙니다. 미묘한 버그를 숨기고 있거나, 특정 상황에서 시스템 전체를 마비시킬 수도 있습니다. AI는 '그럴듯한' 답을 내놓는 데는 능하지만, 그 답이 '진짜 맞는' 답인지를 검증하는 능력은 없습니다. 그게 바로 사람, 특히 숙련된 시니어 개발자의 역할이 됩니다. 이제 개발자의 핵심 역량은 코드를 한 줄 한 줄 타이핑하는 능력이 아니라, 문제의 본질을 꿰뚫고, AI에게 올바른 질문을 던지고, AI가 내놓은 결과물을 비판적으로 검증하고, 여러 조각들을 모아 안정적인 시스템으로 조립하는 '설계와 판단'의 능력이 될 것입니다.

두 번째 오해: '오라클처럼 거대 기업이 올인했으니 AI 시대는 확실히 온다.'

오히려 반대일 수 있습니다. 오라클의 결정은 AI 시대의 필연성을 보여주는 것이 아니라, 그만큼 절박하다는 방증입니다. 이 도박이 성공할 것이라는 보장은 어디에도 없습니다. 앞서 말했듯 클라우드 시장의 선두주자들은 이미 저만치 앞서 달려가고 있습니다. 막대한 자본과 인력을 쏟아부었지만, 따라잡지 못하고 이도 저도 아닌 상태로 주저앉을 가능성도 충분합니다. 이는 마치 모든 재산을 털어 유전 개발에 뛰어드는 것과 같습니다. 대박이 터질 수도 있지만, 파산할 수도 있습니다.

따라서 우리는 오라클의 '선언'이 아니라 '결과'를 봐야 합니다. 앞으로 2~3년 안에 오라클의 AI 관련 클라우드 서비스 매출이 얼마나 유의미하게 성장하는지, 시장 점유율에 변화가 생기는지를 냉정하게 지켜봐야 합니다. 기술의 미래는 한두 기업의 선언이 아니라, 시장의 차가운 숫자로 증명될 뿐입니다.

5. 당신의 진짜 '몸값'은 어디에 있는가: 판단의 시대

오라클의 해고는 남의 회사 이야기가 아닙니다. 이것은 AI 시대에 '노동의 가치'가 어떻게 재평가될 것인가에 대한 거대한 실험입니다.

과거 산업 시대에는 정해진 일을 빠르고 정확하게 반복하는 능력이 중요했습니다. 컨베이어 벨트 위의 노동자처럼, 숙련된 '손'이 가치를 인정받았습니다. 정보화 시대에는 지식을 많이 암기하고 활용하는 능력이 중요했습니다. 남들이 모르는 것을 아는 '머리'가 몸값이었습니다.

이제 AI 시대입니다. AI는 인간보다 훨씬 빠르고 정확하게 반복 작업을 해내고, 세상의 거의 모든 지식을 암기하고 있습니다. 그렇다면 인간에게 남은 것은 무엇일까요? 저는 그것이 '판단력'이라고 생각합니다.

판단력이란 무엇일까요? 거창한 게 아닙니다. 여러 갈래 길 앞에서 어떤 길이 우리를 목적지로 이끌지 선택하는 능력입니다. - 어떤 문제가 진짜 중요한 문제인지 가려내는 판단 - 한정된 시간과 돈을 어디에 먼저 써야 할지 결정하는 판단 - 기술적으로 가능한 것과 사업적으로 의미 있는 것을 구분하는 판단 - AI가 내놓은 수많은 결과물 중에서 진짜와 가짜를 꿰뚫어 보는 판단

계산기는 인간보다 수억 배 빨리 덧셈을 하지만, 어떤 숫자를 더해야 할지 알려주지 못합니다. AI는 인간보다 수억 배 빨리 글을 쓰고 코드를 짜지만, 어떤 글이 독자의 마음을 움직일지, 어떤 코드가 비즈니스를 성공시킬지 스스로 '판단'하지 못합니다. 그 판단의 영역이 바로 앞으로 인간이 가치를 창출해야 할 마지막 영토입니다.

오라클의 결정은 2만 1천 명의 '반복' 노동보다, 소수 정예의 '판단' 노동에 베팅하겠다는 선언입니다. 이 선택이 맞든 틀리든, 세상은 그 방향으로 움직이기 시작했습니다. 이제 우리는 스스로에게 물어야 합니다. 나는 내 일에서 '손'을 쓰고 있는가, '머리'를 쓰고 있는가, 아니면 '판단'을 내리고 있는가? 당신의 진짜 몸값은 거기에 달려 있습니다.

독자들이 던질 법한 질문들

Q. 저는 개발자가 아닌 평범한 사무직입니다. 당장 무엇을 준비해야 할지 막막합니다.

A. 'AI를 배워야 한다'는 강박을 버리는 것부터 시작하십시오. 코딩을 배우거나 특정 AI 툴의 전문가가 되는 것보다 중요한 것은, 지금 하고 있는 자신의 일을 '분해'해보는 것입니다. 내 업무 시간의 몇 퍼센트가 보고서 취합, 자료 정리, 이메일 작성 같은 단순 반복적인 일에 쓰이고, 몇 퍼센트가 고객과의 갈등 조율, 부서 간 협상, 새로운 기획안 구상 같은 복잡하고 예측 불가능한 일에 쓰이는지 따져보십시오. 전자에 해당하는 일은 곧 AI 비서가 상당 부분 도와주게 될 겁니다. 그때 남는 시간에 후자의 일을 더 잘하기 위해 무엇을 할 수 있을지 고민하는 것이 현실적인 첫걸음입니다. AI를 경쟁자가 아니라, 나의 판단을 도와줄 똑똑한 신입사원이라고 생각하는 관점의 전환이 필요합니다.

Q. 오라클이 너무 늙고 거대한 회사라서, 이런 급진적인 변화에 성공하기 어려울 것이라는 시각도 많습니다. 어떻게 보십니까?

A. 지극히 타당한 지적입니다. 거대 조직의 관성은 생각보다 훨씬 강해서, 최고경영자가 아무리 소리쳐도 현장에서는 바뀌지 않는 경우가 허다합니다. '코끼리는 방향을 틀기 어렵다'는 말처럼요. 하지만 동시에, '죽음의 공포'만큼 강력한 변화의 동력도 없습니다. 오라클은 지금 클라우드 경쟁에서 뒤처지면 그대로 도태될 수 있다는 위기감을 느끼고 있습니다. 이번 대규모 해고는 그 위기감을 전 직원에게 가장 고통스러운 방식으로 공유한 '충격 요법'입니다. 이 요법이 성공해 코끼리가 날렵하게 춤을 추게 될지, 아니면 부작용으로 쓰러질지는 아무도 모릅니다. 다만 확실한 것은, 가만히 앉아서는 서서히 죽는다는 사실을 오라클 경영진이 깨달았다는 점입니다.

Q. '판단력'을 키워야 한다는 말이 너무 추상적으로 들립니다. 구체적으로 어떤 노력을 할 수 있을까요?

A. 판단력은 근육과 같습니다. 매일 의식적으로 사용해야 강해집니다. 오늘부터 할 수 있는 구체적인 연습 방법이 있습니다. 어떤 업무를 시작하기 전에, '어떻게(How)' 할지를 고민하기 전에 '왜(Why)' 하는지를 먼저 스스로에게 질문해보십시오. '이 보고서를 왜 써야 하는가? 이걸 통해 얻으려는 핵심 결과는 무엇인가? 이 방법 말고 더 나은 방법은 없는가?' 이렇게 질문을 던지고 답을 찾는 과정 자체가 판단력을 훈련하는 것입니다. 또한, AI에게 무언가 물어보고 답을 얻었을 때, 그냥 복사해서 쓰지 마십시오. '이 답이 틀릴 가능성은 없는가? 이 답이 초래할 부작용은 무엇인가?'라고 한 번 더 의심하고 검증해보는 습관을 들이십시오. 판단은 정답을 아는 능력이 아니라, 의심하고 질문하는 능력에서 나옵니다.