사람들이 AI를 부르는 이름도 달라졌다. 몇 년 전엔 ‘번역기’나 ‘챗봇’ 같은 기능의 이름으로 불렀는데, 요즘 커뮤니티에서는 ‘AI 비서’, ‘디지털 직원’, ‘내 매니저’라고 부른다. 망치를 직원이라고 부르는 사람은 없다. 호칭이 달라졌다는 건 그 상대를 이미 동료로 여기기 시작했다는 뜻이다. 불만의 말투도 바뀌었다. 예전 불만이 “AI가 틀렸어요.”였다면 요즘 불만은 “AI가 내 의도를 못 읽어요.”다. 틀렸다는 건 ‘도구’에 하는 불평이고, 내 마음을 몰라준다는 건 ‘같이 일하는 사람’에게 하는 불평이다. 기대의 눈높이가 도구에서 직원 쪽으로 옮겨 갔다.
---p.28

직원이 있는 가게에서 AI는 대개 사장이 들여오지 않는다. 일이 밀리던 직원이 어디선가 보고 써 보다가 편하니까 계속 쓰고, 그러다 어느새 손님과 주고받는 말의 절반이 기계를 거친다. 사장은 결과물만 보니 문장이 매끈해졌다고 여길 뿐 달라진 것을 눈치채기 어렵다.
여기서 사고는 대개 사장이 모르는 사이에 난다. 문의가 밀린 오후에 직원이 빨리 답하려고 개인 계정의 AI에 손님 문의를 그대로 붙여 넣는데, 거기에는 이름과 주문 정보가 다 들어 있다. 나쁜 마음이 아니라 부지런해서 한 일이라 사장은 몇 달이 지나도 모를 수 있다.
손님은 그 답장을 쓴 사람이 사장인지 직원인지 기계인지 구분하지 않는다. 가게 이름으로 온 말은 다 가게의 말이니, 기준도 가게 이름으로 나가는 모든 말에 걸려 있어야 한다.
그래서 이 자리의 기준은 사람 수만큼 복제되어야 한다. 새로 사람이 들어오면 첫날 5분을 쓰고, 월 점검은 함께한다. 밝히는 문장과 표시 문구는 상품 등록 양식에 미리 넣어 두면 바쁜 날에도 그대로 남는다. 맡기지 않을 일도 한 줄이면 충분하다. 손님이 화가 난 상태로 들어온 문의는, 누가 받든 사람이 받는다.
---p.110

사람이 직접 일할 때는 적어 두지 않으면 사라지는 정보가 많다. 물건을 꺼내는 데 몇 초가 걸렸는지, 어떤 상품에서 작업이 자주 막히는지를 매번 남기기는 어렵다. 일 잘하는 직원의 요령도 본인만 아는 감각으로 남는다. 로봇이 그 일을 맡으면 어떤 상품이 몇 시에 나갔는지, 어디에서 시간이 지체됐는지가 숫자로 쌓인다. 감으로 지나가던 일이 확인할 수 있는 기록으로 바뀌는 것이다.
기록이 쌓이면 그다음에는 예측이 가능하다. 지금까지는 지난달 판매량에 사장의 경험을 더해 재고를 준비했다. 창고와 배송 기록이 이어질수록 어느 지역에서 어떤 상품이 언제 얼마나 필요한지 더 구체적으로 내다볼 수 있다. 큰 플랫폼이 주문이 몰릴 상품을 미리 가까운 창고에 배치해 두는 것도 이 때문이다.
예측이 정확해지면 재고를 준비하는 방식도 달라진다. 지금은 미리 사 두었다가 남으면 판매자가 떠안지만, 앞으로는 필요한 지역에 필요한 만큼 준비하거나 주문을 받은 뒤에 만들어 보내는 방식도 늘어날 수 있다.
순서로 정리하면 이렇다. 로봇이 움직이면 기록이 남고, 기록이 쌓이면 수요를 예측할 수 있고, 예측이 좋아지면 무엇을 얼마나 만들고 어느 창고에 둘지가 달라진다. 그래서 피지컬 AI를 ‘사람 대신 일하는 기계’로만 보면 첫 단계만 본 것이다. 위탁 창고의 수수료, 배송 조건, 주문 마감 시간이 여기에서 정해진다.
---p.144

플랫폼의 알고리즘도 같은 방향으로 돌아섰다. 인스타그램은 피드의 노출 순서를 정할 때 단순 좋아요가 아니라, 사용자가 그 콘텐츠에 얼마나 머무를지, 댓글을 달 확률, 저장할 확률, 남에게 공유할 확률을 복합적으로 계산한다고 공식적으로 밝히고 있다. 쉽게 말하면 알고리즘이 이미 관계의 신호에 가산점을 주고 있다는 뜻이다. 관계형으로 운영하는 것이 곧 알고리즘 대응이 되는, 보기 드물게 정직한 시기다.
사장님에게 이 힘이 무엇을 뜻하느냐 하면, 답은 하나다. 콘텐츠의 양으로 겨루는 판은 사람이 기계를 이길 수 없는 판이 됐고, 관계로 겨루는 판은 아직 어떤 기계도 대신 서 주지 못하는 판이다. 어느 판에 설지는 자명하다. 이 힘이 2027년까지 이어질지도 따질 것이 없다. AI가 만드는 콘텐츠가 내년에 줄어들 리 없기 때문이다. 이 힘은 세지기만 한다.
---p.247

생활 비유 하나로 개념을 끝내자. 동네 마트에 장 보러 가는 데는 대형 트럭보다 경차가 편하다. 트럭이 힘은 세지만 좁은 골목을 못 들어오고, 기름값이 많이 들고, 부를 때마다 기다려야 한다. 경차는 실을 짐이 적어도 골목 안까지 들어오고, 유지비가 싸고, 늘 문 앞에 있다. 챗GPT 같은 거대 AI가 트럭이라면 폰 안의 작은 AI는 경차다. 그리고 장사의 하루는 이삿날보다 장 보는 날이 압도적으로 많다.
이름과 얼굴을 붙여 두면 이렇다. 기기 안 AI의 대표 주자는 셋인데, 아이폰의 애플 인텔리전스, 갤럭시의 갤럭시 AI, 그리고 안드로이드 폰의 기본 AI 부품 격인 구글의 제미나이 나노다. 2026년 상반기 기준으로 새로 출시되는 주요 스마트폰과 AI PC에는 이런 기기 안 AI가 기본으로 실려 나온다. 최근 2년 안에 폰을 바꿨다면 이 셋 중 하나가 이미 주머니 안에 살고 있을 확률이 높다. 그 작은 AI의 두뇌를 부르는 말이 소형 언어 모델, 줄여서 SLM이다. 챗GPT류의 거대 언어 모델(LLM)을 기기 안에 들어갈 만큼 압축한 작은 버전이라고 이해하면 충분하다.
---p.344

손님마다 다른, 그리고 한 사람 안에서도 순간마다 다른 진열대를 차리는 장사.
나는 이것을 ‘초개인화(Individualization)’라 부른다.
이 정의를 사장님이 오늘 당장 쓰는 말로 옮기면 이렇다. 초개인화는 새로운 기술을 사는 일이 아니라, 지금까지 모두에게 하던 말을 한 사람에게 하는 일로 바꾸는 것이다. 상세페이지의 주어가 상품에서 손님으로, 광고 카피의 대상이 ‘누구나’에서 ‘이런 분’으로, 성공의 정의가 ‘많이 팔았다’에서 ‘맞는 손님이 찾아왔다’로 바뀐다. 바뀌는 건 도구가 아니라 말의 방향이다.
---pp.390~391

자격으로 일하는 자리다. 세무사, 변호사, 노무사, 설계사, 의료인. 여기에도 장면은 이미 도착해 있다. 상담 테이블 건너편의 고객이 휴대폰을 내밀며 “AI한테 물어보니 이렇게 하라던데, 맞나요?”라고 묻는다. 답을 주는 자리가 검토를 부탁받는 자리로 바뀌는 것이다. 이 자리의 상황은 어쩌면 가장 절박하다. 사람들이 AI에게 가장 먼저 던지는 질문이 세금, 법, 계약, 건강 같은 전문 영역의 질문이기 때문이다. 판단을 맡기고 싶은 만큼 실패가 두려운 영역이라, 고객들은 AI의 대답으로 후보를 추린 뒤 전문가를 찾는다. 첫 관문이 사무실 문이 아니라 AI의 대답으로 옮겨 간 것이다.
하지 말아야 할 것은 익명의 전문성이다. 이름도 자격도 없이 지식 콘텐츠만 쌓는 방식 말이다. AI의 저울에서 ‘누가 말했는가’는 ‘무엇을 말했는가’만큼 무겁다.
---p.460

Human Above the Loop는 인간이 모든 과정에 일일이 개입하자는 뜻이 아니다. 반대다. AI가 잘할 수 있는 일은 맡긴다. 대신 인간은 한 단계 위에서 무엇을 맡길지 정하고, 기준을 만들고, 문제가 생겼을 때 개입한다. 자동차의 모든 부품을 운전자가 직접 움직이지 않는 것과 비슷하다. 운전자는 엔진의 연료 분사까지 통제하지 않는다. 그러나 어디로 갈지 정하고, 위험하면 브레이크를 밟으며, 운전의 책임을 맡는다. AI 시대의 인간에게 필요한 역할도 여기에 가깝다.
그리고 이 변화는 작은 기업에 반드시 불리한 것만은 아니다. 소상공인과 1인 기업은 대기업처럼 많은 자본과 인력을 갖기 어렵다. 모든 기술을 직접 개발할 수도 없다. 그렇다고 대기업이 하는 일을 작은 규모로 그대로 따라 할 필요도 없다.
작은 기업이 먼저 만들어야 하는 것은 다른 데 있다. 자신의 분야에서 쌓은 구체적인 데이터, 고객이 실제로 궁금해하는 질문에 대한 정확한 답, 반복해서 관계를 맺어온 고객과 커뮤니티, 그리고 AI의 답이 틀렸을 때 무엇이 잘못됐는지 판단할 수 있는 현장의 경험이다.
---p.518