2026년 9월의 어느 날, 오픈제브(OpenJev)라는 프로젝트가 해커뉴스(Hacker News) 1위에 오르며 521점의 추천과 235개의 댓글을 기록했습니다. 일반적인 기준이라면 이는 대성공을 거둔 신제품 출시여야 했습니다. 하지만 댓글 창을 열어보자 기이한 광경이 펼쳐졌습니다. 상위 10개의 최상단 댓글 중 제품의 실제 기능을 논의하는 댓글은 단 하나도 없었습니다. 모든 사람이 웹페이지의 겉모습을 조롱하고 비판하는 데 혈안이 되어 있었습니다.
521점과 235개의 댓글, 오직 웹페이지 외관 비판에 쏠리다
가장 많은 추천을 받은 최상단 댓글은 직설적이었습니다. “AI로 한 번에 찍어낸 웹사이트는 언제나 시각적 재앙입니다. 끝도 없이 이어지는 영혼 없는 문구, 어디에나 널려 있는 공허한 유행어, 사용성에 대한 배려는 전무합니다.” 두 번째 댓글은 이 현상을 대학 캠퍼스에 빗대었습니다. 오늘날의 AI 출력물은 시험 직전에 불안에 떠는 학생이 써낸 기말 과제물과 같습니다. 본래라면 냉정하게 군더더기를 쳐내어 명확하고 간결하게 다듬어야 마땅하지만, 실제로는 정반대로 행동합니다. 독자가 끝까지 읽는 것 외에는 다른 선택지가 없다고 가정하고 온갖 자잘한 세부 사항을 억지로 쑤셔 넣는 것입니다.
추천 점수와 댓글 내용 사이의 이 극심한 괴리야말로 이번 사건에서 가장 주목해야 할 대목입니다. 521점이라는 점수는 충분한 관심과 트래픽이 몰렸음을 증명합니다. 하지만 커뮤니티는 제품 본연의 가치를 완전히 외면한 채, “AI가 만든 것처럼 보인다”는 외형적 특징에만 모든 화력을 퍼부었습니다. 일부 이용자들은 버크셔 해서웨이(Berkshire Hathaway), 맥마스터-카(McMaster-Carr), 크레이그스리스트(Craigslist) 같은 고전적인 기업 웹사이트를 소환해 비교하기도 했습니다. 맥마스터-카의 인쇄 카탈로그는 그 자체로 훌륭한 분류학 교과서였으며, 그들은 장식적인 기교 없이 그 실용주의 철학을 웹에 고스란히 옮겨왔습니다. 물론 오픈제브를 옹호하는 목소리도 있었습니다. 지나치게 단순한 미니멀 스타일로 만들면 이번에는 “한참을 읽었는데도 대체 무슨 기능을 하는지 모르겠다”고 불평할 것이 뻔하다는 항변이었습니다.
하지만 논쟁의 초점은 이미 특정 랜딩 페이지의 완성도 문제를 훌쩍 넘어섰습니다. 521점짜리 게시물 밑에 숨어 있는 진정한 화두는 바로 이것이었습니다. AI가 겉모습을 만들어내는 비용을 사실상 0으로 떨어뜨린 지금, ‘그럴듯한 제품처럼 보이는 외관’의 가치는 과연 얼마나 남아 있는가?
형식의 생산 비용이 0이 될 때, 신호는 효력을 잃는다
말끔하게 디자인된 웹페이지, 군더더기 없이 술술 읽히는 문서, 잘 정돈된 보고서. 과거에는 이러한 형식 자체가 하나의 믿을 만한 신호 역할을 했습니다. 그 이면에 누군가가 시간과 노력을 들이고 진지하게 고민했다는 증거였기 때문입니다. 제작에 들어가는 비용 자체가 신호의 신뢰성을 담보하는 담보물이었습니다. 그러나 AI가 형식의 생산 비용을 거의 제로 수준으로 끌어내리면서 그 담보물은 사라져 버렸습니다. 화려하고 세련된 외관은 더 이상 ‘정성껏 만든 결과물’과 ‘아무렇게나 자동 생성된 찌꺼기’를 구분해 주지 못합니다. 그것은 이제 하나의 소음에 불과해졌습니다.
같은 날, 기술 커뮤니티에서는 다른 여러 사건이 동시에 터져 나오며 모두 같은 결론을 가리켰습니다. 풍자 전문 매체 맥스위니스(McSweeney’s Internet Tendency)는 롭스터스(Lobsters)에서 89점을 얻은 풍자 에세이 《우리는 반드시 똥 싸는 기계를 만들어야 한다(We Must Create the Shit Machine)》를 실었습니다. 이 글은 빅테크 기업의 신제품 발표회 화법을 완벽히 흉내 내며, ‘똥을 싸는 기계를 만드는 일’을 인류의 피할 수 없는 필수적 욕구로 포장했습니다. 그러면서 튀는 오물의 일부만 겨우 가려주는 우산을 패키지로 끼워 팔고, 약관을 통해 기계가 초래할 모든 결과에 대해 면책을 선언합니다. 롭스터스 댓글 창의 최상단 댓글은 촌철살인이었습니다. “‘반드시 만들어야 한다’니 무슨 소리인가? 우리는 이미 오래전에 만들어 놓았다.” 두 번째 댓글은 훨씬 더 짧았습니다. “똥 싸는 기계는 죽었다 깨어나도 이런 글을 쓰지 못한다.”
그림: McSweeney’s의 풍자글 페이지. 출처: McSweeney’s Internet Tendency
이 풍자가 기술 커뮤니티에서 폭발적인 공감을 얻은 이유는 명확합니다. 개발자들은 AI가 무엇을 만들어낼 수 있는지 몰라서 답답했던 것이 아닙니다. 단지 다 함께 “이제 제발 그만하자”고 외칠 수 있는 배출구가 필요했을 뿐입니다.
350점을 받은 작법 글이 던진 원칙: 모델이 제안한 단어는 결코 쓰지 마라
같은 날, 또 다른 화제 글 하나가 350점과 238개의 댓글을 쓸어 담았습니다. sockpuppet.org에 게재된 한 베테랑 시스템 엔지니어의 글 《LLM과 함께 글을 쓰는 법(How to Write with an LLM)》이었습니다. 저자의 핵심 진단은 칼날처럼 예리했습니다. “독자들은 LLM이 작성한 단어를 1조 분의 1의 정밀도로 귀신같이 알아챈다. 아무리 정성스레 문장을 다듬고 인간적인 감성을 덧칠하더라도, 대다수 독자에게 LLM이 생성한 글은 ‘작문’으로 인정받지 못한다. 그것은 단지 기계의 ‘출력값’으로 취급될 뿐이다.”
저자는 두 가지 단호한 규칙을 제시했습니다. 첫째, LLM이 제안한 단어는 그것이 본인이 쓴 표현보다 훨씬 더 좋아 보일지라도 단 하나도 채택하지 말 것. 둘째, 모델이 건네는 칭찬과 아부를 경계할 것. 모델의 찬사는 초고를 무작정 밀어붙이게 만드는데, 본래 초고 단계에서 개발자가 해야 할 일은 문장을 고쳐 쓰고, 생각을 다시 정립하고, 문단을 송두리째 갈아엎는 일입니다. 저자는 그러한 재고와 퇴고 과정이야말로 개인의 문체에서 무게를 지탱하는 ‘내력벽(load-bearing)’ 역할을 한다고 강조했습니다. 그의 활용 방식은 명확합니다. 먼저 자신의 손으로 글 전체를 끝까지 완성한 뒤, 모델에게는 오직 교정자의 역할만 맡깁니다. 논리적 오류나 오탈자만 짚어내게 할 뿐, 문장의 어휘나 표현은 절대 고르게 하지 않는 것입니다.
그림: 저자가 단어 단위 교정 워크플로를 관리하기 위해 만든 도구 화면. 출처: sockpuppet.org
댓글 창의 토론은 이 방법론을 한층 실무적인 차원으로 확장했습니다. 어떤 이는 글을 다 쓴 뒤 LLM에게 품질 검토를 맡기는 일 자체가 거대한 시간 낭비의 덫이라고 지적했습니다. “고치다 보면 결국 테세우스의 배가 되어버려, 차라리 처음부터 혼자 쓰는 편이 훨씬 낫다.” 또 다른 이는 ‘간결하고 전문적으로 써달라’는 식의 두루뭉술한 지시보다는, 구체적인 스타일 가이드를 샘플로 제시한 뒤 문장마다 “이 문장은 삭제해도 되는가?”라고 하나씩 따져 묻는 편이 훨씬 효과적이라고 말했습니다. 가장 현실적이고 뼈아픈 댓글은 현상의 본질을 꿰뚫었습니다. “어차피 당신이 쓴 글을 읽는 독자들 역시 AI를 동원해 요약해서 읽고 있다. 그렇다면 작성자 본인도 처음부터 그와 똑같은 잣대로 자신의 글을 냉혹하게 검열해야 마땅하다.”
이 댓글은 현대 테크 생태계의 기괴한 대칭 구조를 폭로합니다. 글을 쓰는 사람도 AI를 쓰고, 글을 읽는 사람도 AI를 씁니다. 양쪽 모두 인지 노동을 모델에 외주 주고 있지만, 검증에 드는 실제 비용을 모델이 대신 짊어지는 것은 아닙니다. 그 비용은 단지 다른 쪽으로 전가되고 있을 뿐입니다.
업무 시간의 75%를 AI 뒷수습에 빼앗기며 사라진 일의 즐거움
한 베테랑 보안 엔지니어가 개인 블로그에 남긴 《모두가 미쳐버렸다(Everybody’s Lost Their Minds)》라는 글은 롭스터스 1위에 오르며 191점과 63개의 댓글을 기록했습니다. 그의 한탄은 매우 생생했습니다. 매일 업무 시간의 75% 이상을 직간접적으로 AI 관련 일에 쏟아붓고 있으며, “이로 인해 일에서 느끼던 즐거움의 대부분을 빼앗겼다”는 것입니다. 그는 동료들이 보내오는 이메일이 마치 링크드인 인플루언서들의 게시물처럼 한 문장마다 줄바꿈을 남발하는 피상적인 형태로 변해버렸다고 꼬집었습니다.
그는 더욱 본질적인 자원 왜곡 문제도 짚었습니다. 프론티어 AI 모델 기업들이 저마다 보안 연구 프로젝트와 공개서한을 쏟아내면서, 수십 명의 고연봉 보안 엔지니어들이 일제히 AI 취약점 발굴 작업으로 투입되고 있습니다. 여기에 쓰이는 비용만 수천만 달러 규모의 엔지니어링 시간에 달합니다. 그러나 정보 보안의 역사에서 취약점을 찾아내는 작업이 병목이었던 적은 단 한 번도 없었습니다. 진정한 병목은 언제나 보안 패치를 수정하고 시스템에 배포하는 과정이었습니다. 막대한 자원이 투입되는 방향과 실제 현장의 병목 사이에 치명적인 불일치가 발생하고 있는 것입니다.
롭스터스 댓글 창에서 큰 공감을 얻은 한 의견은 개발자 커뮤니티 자체의 균열을 짚어냈습니다. 경험 많은 시니어 엔지니어들이 대다수인 롭스터스에서는 반-AI 정서가 급속도로 결집한 반면, 해커뉴스는 정반대의 흐름을 보였습니다. 이에 대해 바로 이어진 분석 댓글은 두 플랫폼의 구조적 차이를 명쾌하게 설명했습니다. 한쪽은 주제와 무관한 군더더기나 홍보성 글을 가차 없이 배제하는 반면, 다른 한쪽은 거대 기관과 벤처 캐피털의 공지판 역할을 하며 자사 인큐베이팅 스타트업들에게 우선적인 노출 기회를 부여합니다. 두 커뮤니티가 마주하고 있는 필터링 압력과 동기 자체가 태생적으로 다른 것입니다.
환각 첩보 보고서의 아찔한 위기와 ‘바이브 증명’이 흔든 증명의 정의
같은 날 해커뉴스에서는 미군이 AI가 생성한 환각(Hallucination) 투성이의 첩보 보고서로 인해 자칫 대형 사고를 낼 뻔했다는 소식이 전해졌습니다(342점과 275개의 댓글을 기록하며 당일 최다 댓글 달성). 한편 댄 아브라모프(Dan Abramov)의 글 《나는 바이브로 콘웨이 추측을 증명했다(I proved Conway’s conjecture with vibe)》(197점, 174개 댓글)는 동전의 다른 면을 파고들었습니다. 수학적 증명의 타당성은 인간이 직접 한 단계씩 검증할 수 있다는 사실에 기반합니다. 만약 그 검증의 과정마저 모델에 통째로 맡겨버린다면, ‘증명’이라는 행위의 본질적인 정의 자체가 뒤흔들리게 됩니다.
이 모든 사건은 근본적으로 하나의 동일한 구조로 귀결됩니다. “AI는 생산 비용을 극적으로 낮추었지만, 검증 비용은 단 1원도 낮추지 못했다.” 첩보 보고서를 작성하는 비용은 0에 가까워졌지만, 그것이 허황된 환각인지 사실인지 대조하고 확인하는 비용은 과거와 똑같이 높습니다. 수학적 증명처럼 보이는 문서를 찍어내는 데는 몇 초면 충분하지만, 각 단계의 논리적 무결성을 확인하기 위해서는 여전히 인간 수학자의 귀중한 시간이 투입되어야 합니다. 그럴듯한 웹페이지를 만드는 데는 몇 분이면 족하지만, 그 껍데기 뒤에 진짜 알맹이가 들어 있는지 확인하기 위해 독자는 여전히 자신의 소중한 주의력을 소모해야 합니다.
생산자 측에서 얻은 효율성의 증가는, 소비자 측으로 전가된 무거운 검증 부담으로 둔갑했습니다. 이 무지막지한 검증 비용의 청구서를 과연 누가 감당해야 할 것인지는 아직 아무도 답을 내놓지 못하고 있습니다. 누군가는 이것이 AI 도구가 다음에 풀어야 할 과제라고 말하지만, 같은 날 인기를 끈 danluu의 블로그 글 제목처럼, “뇌를 완전히 꺼두어도 안전한 순간이란 세상에 존재하지 않습니다.”
2026년 9월에 터져 나온 이 집단적인 반발의 본질은 단순한 ‘AI 혐오’가 아닙니다. 그것은 훨씬 더 냉혹한 현실을 드러내고 있습니다. 형식미의 가치가 바닥으로 추락한 지금, 사람들의 관심과 주의력은 “대체 이것을 누가 만들었으며, 그 결과에 대해 누가 책임을 지는가”라는 질문을 기준으로 새롭게 가격이 매겨지고 있습니다.
참고 링크:
- Hacker News 토론 (OpenJev)
- sockpuppet.org 《How to Write with an LLM》
- McSweeney’s Internet Tendency 《We Must Create the Shit Machine》
- netmeister.org 《Everybody’s Lost Their Minds》
- Lobsters 토론
- danluu 블로그
- Dan Abramov 《I proved Conway’s conjecture with vibe》
