중국의 한 병원 약사가 AI를 따라잡으려고 에이전트 도구를 기기 4대에 설치하고, 강의를 등록하고, 수백 개의 글을 북마크했습니다. 정작 2년째 진행하던 본업 연구는 거의 멈췄습니다.
밀린 북마크를 다시 열어 보니, 1월에 혁신처럼 보였던 도구 대부분이 3월에는 사라지고 없었습니다. 기반 모델이 빠르게 좋아지면서 그 위에 얹힌 전문 도구는 몇 달 만에 구식이 됩니다.
AI를 가장 잘 쓰는 사람은 가장 먼저 써본 사람이 아니라, 소음에서 신호가 분리될 때까지 기다린 사람이었습니다. 따라잡기 경쟁 대신 "내가 실제로 하는 일"을 먼저 정의해야 합니다.
탭 47개를 열어두고 본업은 2년째 제자리입니다.
AI를 따라잡고 계십니까, 아니면 따라잡는 척하고 계십니까?
네이처 커리어 칼럼에 한 병원 약사의 고백이 실렸습니다. 브라우저 탭 47개, 북마크 수백 개, 끝내지 못한 강의. 모두 AI를 따라잡으려던 흔적이었습니다. 그런데 정작 2년간 붙들던 본업 연구는 거의 진척이 없었습니다.
이 글은 경영 리더에게 두 가지를 묻습니다. 우리 팀의 AI 도입은 전략인가, 아니면 뒤처질까 봐 불안해서 벌이는 활동인가. 그리고 그 활동이 본업의 시간을 갉아먹고 있지는 않은가. 도구 소식이 매일 쏟아지는 지금, 가장 비싼 비용은 구독료가 아니라 흐트러진 집중입니다.
2026년 초, 오픈AI·앤트로픽·구글이 모델을 잇따라 갱신했습니다. 알리바바, 문샷, 스텝펀, 즈푸 같은 중국 기업은 더 빠르게 신모델을 냈습니다. 코딩 어시스턴트 구독 상품이 쏟아졌고, 미국 FDA는 신약 개발에 AI를 쓰는 지침까지 발표했습니다. "세상은 AI로 달려가는데 너만 멈춰 있다"는 메시지가 사방에 깔렸습니다.
비개발자 리더가 이 흐름을 모두 추적하기는 불가능합니다. 문제는 추적 실패가 아니라, 추적하려는 시도 자체가 본업을 밀어내는 데 있습니다. 많은 조직이 "AI 도입률"을 성과처럼 내세우는 지금, 도구를 늘릴수록 본업이 멈추는 역설이 팀 단위로 번지고 있습니다.
저자는 데이터를 들이밀지 않습니다. 자기 경험을 해부합니다. 그 해부가 오히려 더 날카롭습니다. AI FOMO는 정보 부족 문제가 아니라 판단 기준 부재 문제라는 것입니다.
첫째, 따라잡으려는 노력의 대부분은 낭비였습니다. 저자는 오픈소스 에이전트 도구를 노트북, 클라우드 서버 2대, 휴대폰까지 4곳에 설치하고는 쓰지 않았습니다. 머신러닝 강의를 등록했고, 끝내지 못할 튜토리얼을 북마크했습니다. 그러는 사이 2년짜리 약물유전체학 연구는 멈췄습니다. 미래를 준비한다는 명분으로 눈앞의 일을 놓은 셈입니다.
둘째, 1월의 혁신은 3월에 사라졌습니다. 밀린 북마크를 다시 열어 본 저자는 한 가지 사실을 마주합니다. 뉴스레터와 메신저 단체방을 가득 채웠던 출시 소식 대부분이 아무것도 남기지 않았다는 것입니다. 기반 모델(foundation model)이 워낙 빠르게 좋아지다 보니, 그 위에 얹힌 전문 도구는 몇 달 만에 구식이 됩니다. 기반 기술이 흔들리는 동안 위층을 좇는 일은 대체로 헛수고입니다.
셋째, 잘 쓰는 사람은 1등이 아니었습니다. 저자가 아는 가장 유능한 사용자들은, 매일 AI를 쓰는 생명정보학 동료와 AI 연구소 협업자들은, 모든 것을 가장 먼저 시도하는 사람이 아니었습니다. 신호가 소음에서 분리될 때까지 기다리는 사람이었습니다. 실제 활용 사례가 나타나고, 실패 양상이 드러나고, 커뮤니티가 "무엇이 통하는가"에 수렴할 때까지 말입니다.
넷째, 질문이 바뀌자 뉴스가 메뉴로 보였습니다. 저자는 스스로에게 세 가지를 물었습니다. 나는 실제로 무슨 일을 하는가. 나는 무엇을 잘하는가. 정확히 어디에서 도움이 필요한가. 약사인 그는 임상 지침과 실제 환자 사이의 틈에서 발생하는 오류를 잡아냅니다. 자기 일을 이렇게 또렷하게 말하고 나니, 매일의 AI 뉴스는 개인을 향한 비난이 아니라 골라 담는 메뉴판처럼 느껴졌습니다.
리더에게도 순서는 같습니다. 도구 목록을 먼저 들여다보면 모든 소식이 압박이 됩니다. 본업의 정의를 먼저 세우면 같은 소식이 선택지로 바뀝니다. AI 전략의 출발점은 "무엇을 도입할까"가 아니라 "우리가 무엇을 하는 조직인가"입니다.
무엇을 먼저 보느냐가 같은 소식을 압박으로도, 선택지로도 만듭니다.
개념도. 출처 칼럼(Chen, 2026)의 논지를 재구성한 것으로, 원문에 수록된 도표가 아닙니다.
새 AI 도구를 발견하면 바로 도입하지 말고 별도 목록에 적어 둡니다. 도입 검토는 월 1회로 모읍니다. 한 달을 기다리면 1월의 혁신 중 무엇이 3월까지 살아남는지가 저절로 걸러집니다. 신호가 소음에서 분리될 때까지 기다리는 비용은 거의 없지만, 매번 따라가는 비용은 팀의 집중입니다. (소요 시간: 채널 공지 5분)
우리 팀이 실제로 하는 일은 무엇인가. 우리가 남보다 잘하는 일은 무엇인가. 정확히 어디에서 AI의 도움이 필요한가. 이 세 질문에 한 문장씩 답하게 합니다. 답이 또렷할수록 도구 소식은 압박이 아니라 선택지가 됩니다. AI 도입의 출발점은 도구 목록이 아니라 본업 정의입니다. (소요 시간: 30분)
수시로 확인하던 모델 출시 소식, 단체방 링크, 튜토리얼을 주 1회 정해진 시간에 몰아서 봅니다. 이때 기준은 단 하나, 위 세 질문에 연결되는가입니다. 연결되지 않으면 보류 목록으로 보냅니다. 북마크 수백 개를 쌓는 대신, 본업에 닿는 몇 개만 남깁니다. (소요 시간: 주 30분 고정)
"기다림"이 "방치"가 되면 안 됩니다. 저자의 메시지는 AI를 외면하라는 것이 아닙니다. 신호가 분리될 때까지 기다리되, 본업과 연결된 도구는 그 시점에 빠르게 받아들이라는 것입니다. 기다림을 핑계로 학습 자체를 멈추면 진짜 뒤처집니다.
개인 경험담은 일반 법칙이 아닙니다. 이 글은 약사 한 사람의 1인칭 칼럼입니다. 통계나 표본 조사가 아닙니다. 빠른 시험이 핵심 경쟁력인 조직, 도구 자체가 제품인 팀에는 "기다림" 전략이 맞지 않을 수 있습니다. 자기 맥락에 맞춰 강도를 조절해야 합니다.
FOMO의 반대편엔 자기합리화가 있습니다. "어차피 3월이면 사라질 도구"라는 논리는 필요한 변화까지 미루는 핑계가 되기 쉽습니다. 기준은 시간이 아니라 본업 연결성입니다. 도구의 수명이 아니라, 그 도구가 우리 일의 어느 틈을 메우는지를 봐야 합니다.
AI를 못 따라잡는 게 문제가 아닙니다. 따라잡으려다 본업을 놓는 게 문제입니다.
FOMO(Fear of Missing Out): 나만 뒤처지거나 중요한 것을 놓치고 있다는 불안을 뜻합니다. AI 맥락에서는 새 모델·도구 소식을 따라가지 못하면 도태된다는 압박으로 나타납니다.
기반 모델(Foundation Model): 방대한 데이터로 학습해 다양한 작업에 두루 쓰도록 설계된 대형 AI 시스템입니다. GPT, 클로드, 제미나이 같은 모델이 여기에 속합니다. 이 기반층이 빠르게 좋아지면, 그 위에 얹힌 전문 도구는 쉽게 구식이 됩니다.
에이전트 도구(Agentic Tool): AI 모델을 컴퓨터에 직접 연결해, 웹 탐색·파일 편집·코드 실행 같은 여러 단계 작업을 사람 개입을 최소화한 채 수행하게 하는 소프트웨어입니다. 저자가 4대 기기에 설치했다 방치한 오픈소스 도구가 이 유형입니다.
약물유전체학(Pharmacogenomics): 개인의 유전 정보에 따라 같은 약이 다르게 작용하는 원리를 연구하는 분야입니다. 저자의 2년짜리 본업 연구 주제로, "맞춤 의료"의 토대가 됩니다.
- Chen, Z.-R. (2026, May). AI FOMO: everyone is mastering AI except me — or are they? [Career Column]. Nature. (원문 보기 ↗)