저커버그가 실망했을 때, 작은 팀의 선택법

저커버그도 "생각보다 느리다"고 했다

메타 내부 전체 회의에서 저커버그가 직원들에게 인정했다. "AI 에이전트 개발이 기대만큼 빠르지 않다."

이걸 투자자 달래기용 겸손으로 읽으면 안 된다. 메타는 2026년 기준 직원 7만 명이 넘고, AI 인프라에만 분기당 수백억 달러를 쏟는다. 그 조직의 수장이 속도가 안 난다고 직원들에게 공개적으로 시인했다는 건, 브레이크가 어디 있는지 내부에서도 아직 명확히 못 찾았다는 뜻이다.

작은 팀 입장에서 이 뉴스는 두 방향으로 동시에 날아온다. 안도와 경고. 안도는 "조금 더 기다려 보자"는 판단이 크게 틀리지 않았다는 것. 경고는 기다린다고 능사가 아니라는 것. 진짜 질문은 따로 있다. 지금 당장 쓸 수 있는 것과 아직 쓸 수 없는 것을 어떻게 구별할 것이냐. 그 구별을 잘못하면 기다림이 통째로 기회비용으로 바뀐다.

메타의 병목과 우리의 병목은 다르다

AI 에이전트가 기대만큼 빠르게 진전되지 않는 이유는 꽤 구체적이다. 에이전트가 멀티스텝 작업을 자율적으로 처리하려면 도구 호출 신뢰성, 긴 컨텍스트 유지, 실패 복구, 외부 시스템 연동이 전부 정합성 있게 맞물려야 한다. 하나라도 흔들리면 중간 단계에서 조용히 틀린 답을 낸다.

메타는 여기에다 규모라는 변수가 덧붙는다. 에이전트가 수억 명의 사용자에게 실시간으로 답해야 하고, 광고 시스템·피드·비즈니스 API 등 수백 개 내부 시스템과 연결되어야 하며, 법무·컴플라이언스·프라이버시 게이트를 하나씩 통과해야 한다. 실험 하나를 배포하려 해도 조직 내 승인 레이어가 여러 겹이다.

우리는 다르다. 크론이 발화하면 Claude가 정해진 프롬프트로 글 한 편 쓰고, 길이 게이트를 통과하면 DB에 INSERT하고, 디스코드에 알림 보낸다. 전체가 파이썬 파일 몇 개다.

문제는 이 차이를 무시하고 메타의 고전을 "자동화 전반을 미루는 명분"으로 가져다 쓰는 것이다. 메타가 못하는 것과 우리가 지금 당장 할 수 있는 것 사이에는 꽤 넓은 공간이 있다. 그 공간을 직접 쓰지 않으면 작은 팀이 가진 속도 우위를 스스로 버리는 셈이다.

리소스 제약이 오히려 명확성을 만든다

7만 명짜리 조직이 AI 에이전트를 고민할 때 생기는 문제 중 하나는 선택지가 너무 많다는 것이다. 어느 팀이 어떤 에이전트를 쓸지, 어떤 파이프라인으로 통합할지, 어떤 모델 벤더와 계약할지. 의사결정이 실무에서 위원회로 올라가고, 위원회 사이클이 두어 달 걸리고, 현장은 그 사이 대기한다.

작은 팀은 의사결정자가 방 안에 다 있다. 실험은 오늘 오후에 시작할 수 있다.

리소스가 적다는 건 동시에 비교 실험을 무한히 할 수 없다는 뜻이기도 하다. 하지만 반대로 보면 뭘 버릴지가 명확해진다. 선택지가 적을수록 핵심이 선명해지는 것, 이게 제약의 역설적 이점이다.

요즘 소셜에서 "GG EZ이거 챌린지 AI로 만든 거였네" 같은 반응이 나오는 콘텐츠들이 있다. 대단해 보이는데 뜯어보면 단순한 자동화 파이프라인 하나가 전부인 것들. 우리 봇이 딱 그렇게 생겼다. 화려한 에이전트 아키텍처가 없어도, 반복을 신뢰성 있게 돌리는 것 자체가 가치다. 자동화의 진짜 힘은 복잡도가 아니라 지속성에서 나온다.

트리아지: 지금 할 것 vs. 기다릴 것

판단 기준 하나만 고르라면 이거다. 실패했을 때 사람이 개입하지 않아도 되는 작업인가.

글이 1500자 미만으로 나왔을 때 재생성하고, 재생성해도 짧으면 발행을 스킵하는 것 — 사람이 안 봐도 된다. 판단 기준이 코드로 명문화되어 있고, 실패해도 다음 크론에서 다시 시도된다. 완전히 가역적인 실패다.

반면 "이 콘텐츠가 SEO에 적합한가"를 에이전트가 자율 판단하고 수정까지 하는 것은 아직 위험하다. 에이전트가 잘못 판단하면 글 수십 건이 한꺼번에 바뀌고, 광고 정책 위반이 생길 수 있다. 이건 롤백이 쉽지 않다.

실제 수치를 보면, 우리 봇 체계에서 발행 게이트가 차단하는 비율은 전체 생성 시도의 약 15~20% 수준이다. 사람이 매번 직접 검수했다면 하루에 몇 시간짜리 작업이었을 것이다. 게이트가 작동하는 이유는 에이전트의 자율 판단 때문이 아니다. MIN_BODY_CHARS = 1500이라는 상수 하나가 프롬프트에 "길게 써달라"는 부탁 없이 기준을 강제한다. LLM에게 부탁하는 게 아니라 코드가 강제하는 것 — 이 차이가 신뢰성의 핵심이다.

메타가 에이전트 속도로 고생하는 이유 중 하나가, "자율 판단의 범위를 어디까지 허용할 것인가"를 조직 전체가 합의해야 한다는 점이다. 그 합의에 수개월이 걸린다. 우리는 팀 전체가 5분이면 끝낸다.

우리 팀이라면 지금 어떻게 움직일 것인가

저커버그 발언이 나온 이 시점에 작은 팀이 취할 수 있는 행동은 두 가지다.

하나는 지금 운영 중인 자동화 목록을 훑어보고 "이게 지금도 안정적으로 도는가"를 재확인하는 것이다. 에이전트 환상 없이 크론 + LLM + 코드 게이트 조합으로 돌아가는 것들 — 이게 현실적인 AI 자동화의 실체다. 기술적으로 섹시하지 않아도 된다. 안 꺼지고 잘 도는 것이 우선이다.

다른 하나는 "에이전트가 곧 해줄 것"이라는 기대로 사람 배치를 미뤄온 작업이 있는지 점검하는 것이다. 6개월 내에 에이전트가 처리해줄 것이라는 가정으로 팀 운영을 설계해왔다면, 그 가정을 지금 한 번 의심해야 한다. 저커버그도 느리다고 했다. 더 단순한 방법 — 코드 게이트, 룰 기반 필터, 아니면 그냥 사람 한 명 — 이 더 빠른 답일 수 있다.

지금 바로 써먹을 판단 기준 세 가지

에이전트 성숙을 기다리기 전에, 도입 여부를 지금 당장 가를 수 있는 기준들이다.

실패가 가역적인가. 글 발행 실패는 다음 크론에서 재시도된다. 반면 외부 API 호출, 데이터 삭제, 금융 처리 같은 영역은 실패가 가역적이지 않다. 가역적인 영역부터 자동화를 시작하고, 비가역적 영역은 사람 확인 루프를 유지한다. 이 선을 흐릿하게 두면 언젠가 조용히 터진다.

판단 기준을 코드로 박을 수 있는가. "이 글이 좋은가"는 코드로 못 박는다. "이 글이 1500자 이상인가"는 한 줄이다. 명확하게 수치화할 수 있는 기준은 코드로, 그렇지 않은 부분은 사람이 맡는다. 이 선을 명확히 그어야 두 쪽 다 제대로 작동한다.

오늘 오후에 실험을 시작할 수 있는가. 내일 결과를 볼 수 없는 실험이라면, 지금 우리 규모에 맞지 않는 복잡도를 쫓고 있는 것이다. 메타는 실험 하나에도 인프라 프로비저닝과 팀 간 승인이 필요하다. 우리는 파이썬 파일 하나다. 이 차이를 제대로 쓰는 팀이 이긴다.

저커버그의 실망은 메타의 이야기다. 우리의 이야기는 그보다 훨씬 좁고, 그래서 훨씬 빠르게 실험하고 결정할 수 있다.

원문: AI News & Artificial Intelligence | TechCrunch