오픈AI와 딥마인드를 거친 필 첸이 AI 시대 커리어 조언을 정리했습니다. 조회수 170만을 넘겼습니다.
핵심은 하나입니다. AI는 손실 함수를 쓸 수 있는 일, 곧 정답이 정해진 채점 가능한 일에 강해집니다.
그래서 사람의 값어치는 채점되지 않는 일에 남습니다. 문제 발굴, 마지막 10%의 완성도, 시간과 관계와 평판입니다.
AI가 채점할 수 있는 일에,
당신은 아직 커리어를 걸고 있습니까?
우리는 오래 '좋은 학생'을 길러 왔습니다. 정답이 있는 문제를 빠르고 정확하게 푸는 능력입니다. 그런데 그것이야말로 AI가 가장 빠르게 삼키는 영역입니다. 오픈AI와 딥마인드를 거친 필 첸이 이 지점을 날카롭게 짚었습니다.
그의 문장은 단순합니다. AI는 손실 함수를 쓸 수 있는 일이라면 무엇이든 잘하게 된다는 것입니다. 손실 함수란 정답과 얼마나 가까운지 점수를 매기는 장치입니다. 학교의 시험 대부분이 여기에 해당합니다. 이 글은 그 렌즈로 커리어와 채용을 다시 보는 법을 다룹니다. 나와 우리 팀은 채점 가능한 일에 서 있는지, 아닌지를 물어야 합니다.
이 글이 170만 조회를 넘긴 이유가 있습니다. 많은 사람이 같은 불안을 느끼기 때문입니다. 코딩을 잘하고 시험을 잘 보던 능력이, 갑자기 AI와 정면으로 겹칩니다. 필 첸의 조언이 값진 것은 단순한 위안이 아니라 방향을 주기 때문입니다. AI가 잘하는 일과 사람이 값을 내는 일의 경계를 긋고, 그 경계 너머로 커리어와 조직의 무게를 옮기라고 말합니다.
첫째, 채점되는 일과 채점되지 않는 일을 가르십시오. 손실 함수가 있는 일은 정답이 있고, AI가 그 정답에 빠르게 수렴합니다. 반대로 정답이 없고 점수를 매기기 어려운 일에 사람의 값어치가 남습니다. 다음 10년의 가장 값진 일은 모델 훈련 안에서 채점할 수 없는 자리에 있습니다.
둘째, 문제를 푸는 사람보다 문제를 찾는 사람이 됩니다. 에이전트가 실행을 맡는 회사에서 성패는 코딩 실력이 아니라 무엇이 중요한 문제인지 가려내고 자원을 어디에 쓸지 정하는 능력에서 갈립니다. 답을 내는 일은 점점 AI의 몫입니다. 어떤 질문을 붙잡을지가 사람의 몫으로 남습니다. 첸은 문제의 가장 야심 찬 형태에 도전할 때 오래가는 값어치가 나온다고 말합니다.
셋째, 마지막 10%가 승부처입니다. AI는 평균 수준의 결과물을 빠르게 뽑아냅니다. 그래서 차이는 실행의 마지막 구간에서 납니다. 첸의 표현이 인상적입니다. 마지막 10%가 일의 90%이자 보상의 90%라는 것입니다. 완성도, 창의적 다듬기, 규모로 키우는 마무리가 그 자리입니다. 평균은 AI가 채우고, 그 위의 탁월함은 사람이 얹습니다.
넷째, 시간과 관계와 평판이 현금을 이깁니다. 첸은 더 높은 연봉을 준 퀀트 제안을 마다하고 스케일AI로 갔습니다. 그 선택이 딥마인드와 오픈AI로 이어지는 관계와 기회를 낳았습니다. 앤트로픽과 커서의 제안도 자기 관심과 맞지 않아 거절했습니다. 좋은 기회의 위치에 서고, 그 기회를 실제로 성과로 바꾸는 것. 그가 축구의 기대득점에 빗댄 조언입니다.
지금 하는 업무를 정답이 있는 일과 없는 일로 갈라 적어 보세요. 채점 가능한 쪽 비중이 높다면, AI와 정면으로 겹치는 자리에 서 있는 것입니다. 무게를 채점되지 않는 일로 옮길 계획을 세우세요. (이번 주)
정답을 빨리 푸는 사람만 뽑아 온 기준을 되돌아보세요. AI 시대에는 무엇이 중요한 문제인지 찾고, 마지막 10%를 끝까지 끌어올리는 사람이 값집니다. 면접 질문부터 이 능력을 보도록 바꾸세요. (1개월)
연봉 숫자만 보고 움직이지 마세요. 좋은 사람들과 최전선 문제에 닿는 자리인지 물으세요. 신뢰받는 동료의 인정은 채점되지 않지만, 다음 10년의 기회를 여는 자산입니다. (분기 내)
개인 의견입니다. 이 글은 데이터 분석이 아니라 한 실무자의 경험담입니다(필 첸, 2026). 인상적이지만 근거는 본인의 커리어 사례에 크게 기댑니다. 원칙으로 참고하되, 증명된 법칙으로 받아들일 필요는 없습니다.
생존자 관점이 섞여 있습니다. 첸은 성공적으로 최전선에 안착한 사람입니다. 좋은 제안을 거절할 수 있었던 것도 이미 여러 선택지를 쥔 위치였기 때문입니다. 안전망이 얕은 사람에게는 그대로 옮기기 어려운 조언도 있습니다.
'채점 불가'가 만능은 아닙니다. 채점되지 않는 일이 곧 가치 있는 일은 아닙니다. 시장이 값을 치르는 문제와 연결될 때만 자산이 됩니다. 경계 긋기와 방향 설정을 함께 해야 합니다.
AI는 채점 가능한 일에 강해집니다. 커리어와 채용의 무게를, 채점되지 않는 일로 옮겨야 합니다.
손실 함수(loss function): AI의 답이 정답에서 얼마나 벗어났는지 점수로 재는 장치입니다. 이 점수를 줄이는 방향으로 모델이 학습합니다.
채점 가능한 일: 정답이 있어 잘했는지 명확히 판정되는 일입니다. 손실 함수를 붙이기 쉬워 AI가 빠르게 잘해집니다.
문제 발굴(problem-finding): 주어진 문제를 푸는 대신, 무엇이 진짜 중요한 문제인지 찾아내는 능력입니다.
기대득점(xG): 축구에서 슈팅이 골로 이어질 확률을 재는 지표입니다. 좋은 기회의 위치와 실제 성사율을 함께 보라는 비유로 쓰입니다.
- Chen, P. (2026, July). Career advice in the age of AI [Post]. X. (원문 보기 ↗)