메타의 새 AI 비서, '잘 만든 남의 떡'이었나?

최근 화제인 메타의 AI 비서 '뮤즈(Muse)'를 제 아이폰에 깔아 며칠 써봤습니다. 앱을 열고 대뜸 이렇게 말을 걸었죠. "주말 부산 여행 1박 2일 계획 좀 짜줘. 토요일 오전에 출발하는 KTX 시간표랑, 해운대 근처 평점 좋은 돼지국밥집 세 군데, 숙소는 1박에 20만 원 이하로 알아봐 줘." 잠시 후 뮤즈는 챗GPT처럼 줄줄이 글만 뱉어내는 게 아니라, 실제 KTX 예매 앱을 열려고 하거나 숙박 앱을 뒤지는 듯한 행동을 보여줬습니다. 마치 말귀 알아듣는 비서가 제 스마트폰 안에서 분주하게 움직이는 것 같았습니다.

이것이 바로 요즘 AI 업계의 최대 화두인 'AI 에이전트'입니다. 이름은 좀 거창하지만, 개념은 간단합니다. 기존 챗봇이 똑똑한 백과사전이라면, AI 에이전트는 일을 대신 해주는 심부름꾼입니다. 장보기 목록을 적어주는 데서 그치는 게 아니라, 그 목록을 들고 직접 마트에 가서 물건을 카트에 담고 계산까지 해주는 비서에 가깝습니다. 메타의 뮤즈는 출시 직후 앱스토어 상위권에 오르고, 앱 분석 업체 앱토피아(Apptopia)에 따르면 미국에서만 하루 사용자(DAU, Daily Active Users)가 60만 명에 이를 정도로 순식간에 인기몰이를 하고 있습니다. 그런데 이 잘나가는 비서의 얼굴이 어딘가 낯이 익다는 말이 업계에서 솔솔 나옵니다. 유망한 스타트업 '인스팅트(Instinct)'가 만든 '오픈클로(OpenClaw)'라는 제품과 놀랍도록 닮았다는 겁니다. 한쪽은 이제 막 싹을 틔운 기대주, 다른 한쪽은 세계를 덮은 거대 기업. 이 미묘한 닮은꼴 논란은 생각보다 많은 것을 시사합니다.

AI 에이전트, 대체 무엇이 다른가

많은 분들이 '챗GPT랑 뭐가 다른 거냐'고 묻습니다. 가장 큰 차이는 '손발'의 유무입니다. 기존의 거대 언어 모델(LLM, Large Language Model - 쉽게 말해, 사람 말을 흉내 내 문장을 만들어 내는 AI)은 뇌만 있는 존재와 같습니다. 세상의 모든 지식을 학습했지만, 스스로 문을 열고 나가거나 커피를 타 올 수는 없습니다. 그저 우리가 물어보는 말에 아는 것을 답해줄 뿐이죠.

반면 AI 에이전트는 '도구'를 쓸 수 있는 손발이 달렸습니다. 제가 부산 여행 계획을 짜달라고 했을 때, 에이전트는 이 명령을 다음과 같은 작은 작업들로 쪼갭니다.

1. 'KTX 시간표 조회'라는 작업을 인식한다.
2. 스마트폰에 설치된 '코레일톡' 앱이나 관련 웹사이트를 조작할 수 있는 '도구'를 찾는다.
3. 그 도구를 사용해 '토요일 오전, 서울 출발, 부산 도착'이라는 조건으로 실제 시간표를 검색한다.
4. '맛집 검색' 작업을 위해 지도 앱이나 검색 엔진을 다룰 수 있는 '도구'를 꺼낸다.
5. '해운대 근처, 돼지국밥, 평점 4.0 이상' 같은 조건으로 검색해 결과를 가져온다.

이때 에이전트가 쓰는 도구가 바로 'API(Application Programming Interface)'라는 것입니다. API는 프로그램끼리 소통하고 데이터를 주고받기 위한 약속이나 창구 같은 겁니다. 식당에 가서 점원에게 주문하는 과정을 생각하면 쉽습니다. 우리는 메뉴판(API 문서)을 보고 '김치찌개 하나 주세요'(API 호출)라고 명확히 말합니다. 그러면 점원은 우리 말을 주방(서버)에 전달하고, 주방에서는 레시피에 따라 요리(데이터 처리)를 해서 완성된 김치찌개(결과)를 우리에게 가져다줍니다. AI 에이전트는 이 과정을 수십, 수백 개 앱을 상대로 동시에, 눈 깜짝할 사이에 해내는 영리한 점원인 셈입니다.

이처럼 에이전트는 단순히 말을 만드는 것을 넘어, 실제 앱과 서비스를 연동해 구체적인 '행동'을 합니다. 그렇기에 사용자가 이 복잡한 과정을 얼마나 쉽고 직관적으로 지시하고 확인할 수 있게 만드느냐, 즉 사용자 인터페이스(UI)가 성공의 관건이 됩니다. 뮤즈와 오픈클로가 바로 이 지점에서 닮았다는 말이 나오는 겁니다.

혁신의 평행이론: 4세대 언어와 노코드의 추억

사실 이런 '아이디어 겹치기' 논란은 기술의 역사에서 드문 일이 아닙니다. 오히려 필연에 가깝습니다. 저는 1990년대 유행했던 '4세대 언어'와 'CASE 도구' 시절을 떠올립니다. 당시 이 도구들의 약속은 지금의 AI 에이전트와 놀랍도록 닮아 있었습니다. "이제 복잡한 코딩을 몰라도, 화면에 네모 상자를 끌어다 놓고 선으로 연결만 하면 원하는 프로그램을 만들 수 있습니다!"

결과는 어땠을까요? 대부분 실패했습니다. 개념은 그럴싸했지만 당시 기술로는 어설픈 장난감 수준의 프로그램밖에 만들 수 없었습니다. 조금만 복잡한 기능을 구현하려면 결국 개발자가 처음부터 코드를 짜는 게 더 빨랐습니다. 사람들의 기억 속에서 잊혀 가는 듯했던 이 꿈은 2010년대에 '노코드(No-code)', '로우코드(Low-code)'라는 이름으로 화려하게 부활합니다. 왜 이때는 성공했을까요? 클라우드 컴퓨팅, 표준화된 API 등 기술적 기반이 충분히 무르익었기 때문입니다.

AI 에이전트도 정확히 같은 길을 걷고 있습니다. '말만 하면 다 해주는 만능 비서'라는 개념 자체는 수십 년 된 공상과학의 단골 소재였습니다. 하지만 이제야 GPT-4와 같은 강력한 언어 모델이라는 '엔진'이 등장했고, 세상의 거의 모든 서비스가 API라는 '연결 통로'를 열어두면서 비로소 실현 가능한 기술이 된 겁니다. 특정 시점에 기술적 조건이 충족되면, 여러 사람이 비슷한 시기에 비슷한 아이디어를 떠올리고 비슷한 해결책을 내놓는 것은 지극히 자연스러운 현상입니다. 마치 물이 100도씨가 되면 누가 끓이든 수증기가 되는 것과 같습니다. 어쩌면 메타와 인스팅트는 각자 연구하다 보니 비슷한 결론에 도달했을 수도 있습니다. 문제는 그 다음입니다.

거인의 어깨인가, 거인의 발밑인가

'선배의 어깨를 딛고 더 멀리 본다'는 말이 있습니다. 하지만 스타트업에게 거대 기업은 어깨를 내어주는 거인이 아니라, 모든 것을 그림자로 덮어버리는 거인일 때가 많습니다. 이번 논란의 핵심은 '누가 먼저 했냐'가 아니라, 거대 기업과 스타트업 사이의 압도적인 힘의 불균형입니다.

메타는 페이스북, 인스타그램, 왓츠앱을 통해 전 세계 수십억 명의 사용자에게 하루아침에 '뮤즈'를 선보일 수 있습니다. 막대한 자금으로 최고의 인재를 끌어모으고, 광고를 퍼부어 시장의 인식을 장악할 수도 있습니다. 반면 스타트업인 인스팅트는 아무리 뛰어난 기술을 먼저 개발했더라도, 이 사실을 대중에게 알리는 데만 엄청난 시간과 비용이 듭니다. 스타트업이 몇 년간 공들여 쌓은 모래성을, 거대 기업은 옆에서 똑같은 모양의 콘크리트 성으로 하룻밤 만에 지어버릴 수 있는 셈입니다.

이런 행태를 실리콘밸리에서는 '셜록킹(Sherlocking)'이라고 부릅니다. 과거 애플이 맥 OS의 검색 기능 '셜록'을 업데이트하면서, 원래 그 기능을 제공하던 서드파티 앱 '왓슨'의 기능을 그대로 흡수해버려 고사시킨 데서 유래한 말입니다. 거대 플랫폼 기업이 유망한 스타트업의 아이디어를 자사 제품에 내장해버리는, 일종의 '합법적 아이디어 약탈'입니다. 이런 일이 반복되면 스타트업 생태계 전체에 '혁신해봐야 대기업 좋은 일만 시킨다'는 냉소주의가 퍼질 수 있습니다. 이는 장기적으로 모두에게 손해입니다.

흔한 오해 2가지: '베끼면 끝'이라는 착각

이런 논란을 볼 때 우리가 빠지기 쉬운 함정이 있습니다. 두 가지만 짚어보겠습니다.

• 오해 1: "디자인만 그럴싸하게 베끼면 성공할 수 있다."

겉모습은 흉내 내기 쉽지만, 그 속의 '엔진'과 '배관'까지 베끼는 것은 다른 차원의 문제입니다. AI 에이전트의 성공은 예쁜 얼굴이 아니라 결국 '신뢰도' 싸움입니다. 열 번 시켜서 아홉 번은 찰떡같이 알아듣고 일을 처리하는 비서와, 세 번 성공하고 일곱 번은 동문서답하거나 사고 치는 비서 중 누구를 계속 쓰겠습니까? 뮤즈가 오픈클로의 겉모습을 닮았을지는 몰라도, 그 안에서 작업을 안정적으로 분해하고, 적절한 도구를 찾아내고, 오류가 발생했을 때 스스로 해결하는 능력까지 똑같이 구현했는지는 미지수입니다. 이 신뢰도를 높이는 데에는 엄청난 기술적 깊이와 노하우가 필요합니다. 겉만 번지르르한 '짝퉁'은 결국 시장에서 외면당하기 마련입니다.

• 오해 2: "대기업이 시장에 뛰어들면 스타트업은 끝이다."

항상 그렇지는 않습니다. 역사를 보면 다윗이 골리앗을 이기는 경우는 언제나 존재했습니다. 야후나 라이코스가 버티고 있던 검색 시장에 구글이 나타났고, 전 세계를 호령하던 마이스페이스를 페이스북이 넘어섰습니다. 스타트업은 거대 기업이 보지 못하는 특정 고객의 문제에 깊게 파고들거나, 훨씬 빠른 속도로 제품을 개선하며 단단한 팬층을 만들 수 있습니다. 인스팅트가 이미 25억 달러(약 3조 4천억 원)라는 엄청난 기업 가치를 인정받으며 투자를 유치 중이라는 사실은, 투자자들이 '메타가 쉽게 따라 할 수 없는 무언가'가 인스팅트에 있다고 믿는다는 방증입니다. 그것이 독자적인 기술 구조일 수도, 특정 산업에 대한 깊은 이해일 수도 있습니다. 거인의 등장이 반드시 작은 플레이어의 종말을 의미하는 것은 아닙니다.

그래서, 우리는 무엇에 돈을 지불하게 될까

결국 이 모든 변화는 우리에게 한 가지 질문을 던집니다. AI가 점점 더 많은 '실행'을 대신해주는 시대에, 인간의 가치는 어디에 있을까요? 우리는 앞으로 무엇에 돈을 내고, 무엇으로 돈을 벌게 될까요?

과거 우리는 노동력 자체에 값을 치렀습니다. 수작업으로 코드를 짜고, 손으로 디자인을 그렸습니다. 이후 포토샵이나 캐드(CAD) 같은 도구가 등장하면서, 우리는 노동을 자동화하는 '도구'에 돈을 내기 시작했습니다. 이제 AI 에이전트의 시대가 오면, '무엇을 해줘'라고 시키는 단순 실행의 가치는 거의 0에 수렴하게 될 겁니다. 택시를 잡을 때 '시청으로 가주세요'라고 말하는 능력 자체에 요금을 내지 않는 것처럼 말입니다.

그렇다면 가치는 어디로 이동할까요? 저는 '판단의 값'이 폭등할 것이라고 봅니다.

1. 더 나은 '질문'을 하는 능력: AI 에이전트는 우리가 내리는 명령만큼만 똑똑합니다. 쓰레기 같은 지시를 내리면 AI 비서는 정확하게 쓰레기 같은 결과물을 가져올 뿐입니다. '좋은 여행'이 무엇인지 정의하고, 예산과 취향에 맞춰 조건을 구체화하고, 예상되는 문제점을 미리 짚어 지시를 내리는 '기획력'과 '질문의 질'이 곧 그 사람의 몸값이 됩니다.

1. 결과를 '판단'하고 '수정'하는 능력: AI가 부산행 KTX 표 세 개와 호텔 다섯 개, 맛집 열 곳을 추천해줬다고 합시다. 이 중에서 최적의 조합을 선택하고, AI가 추천한 5성급 호텔의 최신 후기에 '바퀴벌레 나옴'이라는 글이 있는지 확인하고, 동선이 꼬이지 않게 일정을 재배치하는 것은 여전히 사람의 몫입니다. AI는 아직 이런 복합적이고 맥락적인 판단에 서툽니다. AI가 내놓은 초안을 비판적으로 검토하고 더 나은 결과로 만들어내는 '편집권'과 '최종 결정권'의 가치가 극대화됩니다.

결론적으로 AI 에이전트는 우리를 일에서 해방시키는 것이 아니라, 우리를 더 높은 차원의 '판단'을 하는 존재로 밀어 올립니다. 단순 반복 작업의 가치는 사라지고, 올바른 방향을 설정하고 최종 결과에 책임지는 '판단의 힘'이 모든 것을 결정하게 될 겁니다. 메타가 이기든 인스팅트가 이기든, 이 거대한 흐름은 바뀌지 않습니다. 이것이 우리가 곧 맞이할 AI 비서 시대의 진짜 모습입니다.

독자 Q&A

Q. 그래서 '뮤즈'가 '오픈클로'를 베낀 게 맞나요? A. 법적으로 '베꼈다'고 단정하기는 매우 어렵습니다. 소프트웨어의 기능이나 사용자 경험(UX)은 특허나 저작권으로 보호받기 애매한 영역에 있기 때문입니다. 하지만 업계의 도의적 관점에서 보면, 유망한 스타트업의 핵심 아이디어를 거대 기업이 너무나 유사하게, 그것도 훨씬 많은 자원을 투입해 구현했다는 점에서 비판의 소지가 충분합니다. '영감을 받은 참고'와 '노골적인 모방' 사이의 아슬아슬한 줄타기라고 보는 것이 정확합니다.

Q. AI 에이전트가 정말 제 일을 대신해 줄 수 있을까요? 제 직업이 사라질까 걱정됩니다. A. 단순하고, 정해진 규칙에 따라 반복하는 '작업'은 대체될 가능성이 매우 높습니다. 예를 들어, 여러 웹사이트를 돌며 상품 가격을 비교하고 엑셀 시트에 정리하는 일 같은 것들입니다. 하지만 그 정리된 데이터를 보고 '왜 A사 제품이 유독 비쌀까?' 원인을 분석하고, '다음 분기에는 B사와의 공급가 협상을 이런 방향으로 이끌어야겠다'고 전략을 세우는 '판단'의 영역은 오히려 가치가 더 커질 겁니다. 자신의 업무에서 AI가 대신할 수 있는 부분을 적극적으로 찾아내 맡겨버리고, 그렇게 아낀 시간에 더 중요한 판단과 기획에 집중하는 기회로 삼는 것이 현명한 대응입니다.

Q. 지금 당장 써볼 만한 쓸만한 AI 에이전트가 있나요? A. 아직 시장이 막 열리는 단계라 '아이언맨의 자비스' 같은 만능 비서는 존재하지 않습니다. 지금은 특정 목적에 특화된 서비스들을 시험해보는 것이 좋습니다. 예를 들어, 여행 계획에 특화된 에이전트나, 복잡한 학술 논문을 찾아 요약해주는 에이전트(예: Consensus, Elicit) 등이 있습니다. 메타의 '뮤즈'도 현재 미국 등 일부 지역에서 사용 가능하니, VPN 등을 통해 기회가 되면 직접 써보면서 '아, 이런 식으로 작동하는구나' 하고 감을 잡아보는 것을 추천합니다. 아직 완벽하진 않더라도 미래를 가장 먼저 엿볼 수 있는 창이 될 겁니다.