제8장. 창작과 표현 Agent

*이 장을 다 읽고 나면 알게 될 것: AI가 글·이미지·음악·코드를 만들 때 실제로 무엇을 하고 있는지, 창작 도구와 창작 주체의 경계가 어디인지, 그리고 자기 목소리를 잃지 않으면서 AI와 함께 만드는 법이 무엇인지*

도입: 이 책은 누가 쓴 것인가

솔직하게 말하겠다. 이 책은 AI와 함께 쓰고 있다.

초안의 상당 부분을 AI가 만든다. 내가 구조를 잡고, 핵심 명제를 정하고, 사례를 고른다. 그러면 AI가 그것을 문장으로 풀어낸다. 나는 그 문장을 읽는다. 절반은 쓸 만하다. 절반은 다시 쓴다. 어떤 문장은 AI가 쓴 것이 내 것보다 낫다. 어떤 문장은 내가 직접 쓴 것이 압도적으로 낫다. 그 차이는 어디서 오는가.

경험에서 온다. 산업을 오래 봐온 사람의 눈과, 패턴을 학습한 모델의 눈은 다르다. 모델은 "반도체 공급망이 재편되고 있다"고 쓴다. 나는 "1994년에 내가 본 공급망과 지금의 공급망은 뼈대부터 다르다"고 쓴다. 둘 다 맞는 말이다. 그러나 후자에만 체온이 있다. 독자가 느끼는 것은 체온이다.

그래서 나는 이 책을 쓰면서 매일 같은 질문을 한다. 이 문장은 누구의 것인가. AI가 만든 문장 위에 내 경험을 얹은 것인가, 아니면 내 경험에서 출발해 AI가 다듬은 것인가. 순서가 다르면 결과가 다르다. 전자는 평균에 살을 붙인 것이다. 후자는 고유한 것을 더 날카롭게 만든 것이다.

이 장은 창작과 표현의 영역을 다룬다. 일곱 강의 마지막 강이다. 그리고 가장 인간적인 강이다. 여기서 AI는 가장 놀라운 능력을 보여준다. 동시에 가장 깊은 질문을 던진다. 만드는 것은 누구인가. 만든 것은 누구의 것인가.

8.1 창작은 왜 가장 인간적인 영역인가

인간만이 창작하는가. 새도 노래한다. 비버도 댐을 짓는다. 그러나 우리가 말하는 창작은 그것과 다르다. 창작은 의도를 가지고 무언가를 만드는 행위다. 단순히 만드는 것이 아니라, 왜 만드는지를 아는 것이다.

시인은 슬픔을 표현하려고 시를 쓴다. 건축가는 사람이 살 공간을 상상하며 도면을 그린다. 프로그래머는 문제를 풀기 위해 코드를 짠다. 이 모든 행위의 출발점에는 의도가 있다. 그리고 그 의도는 개인의 경험, 감정, 세계관에서 나온다.

AI는 이 과정을 흉내 낼 수 있다. 놀라울 정도로 잘. GPT-4에게 "가을의 쓸쓸함을 담은 시를 써달라"고 하면 그럴듯한 시가 나온다. 미드저니에게 "안개 낀 서울 골목길"을 그려달라고 하면 분위기 있는 이미지가 나온다. 수노(Suno)에게 "비 오는 날의 재즈"를 부탁하면 감성적인 곡이 나온다.

그러나 AI는 가을이 쓸쓸한지 모른다. 안개 낀 골목길을 걸어본 적이 없다. 비 오는 날의 기분을 느껴본 적이 없다. AI가 하는 것은 수십억 개의 텍스트, 이미지, 음원에서 학습한 패턴을 재조합하는 것이다. 그 재조합이 워낙 정교해서 의도가 있는 것처럼 보인다. 그러나 보이는 것과 있는 것은 다르다.

이 구분이 왜 중요한가. 창작 Agent를 설계할 때 출발점이 되기 때문이다. AI를 창작의 주체로 보면 설계가 달라진다. AI를 창작의 도구로 보면 설계가 달라진다. 나는 후자의 입장이다. 그리고 이 장의 모든 논의는 그 전제 위에 서 있다.

잠시 멈추고 생각해보자
AI가 만든 시를 읽고 감동받았다면, 그 감동은 진짜인가? 감동의 원천은 작품에 있는가, 읽는 사람에 있는가?

8.2 글쓰기 Agent — 빈 페이지를 넘어서

글쓰기는 창작의 가장 오래된 형태다. 그리고 AI가 가장 먼저, 가장 깊이 들어온 영역이다.

2026년 현재, 글쓰기에서 AI를 안 쓰는 사람을 찾기가 더 어렵다. 직장인은 보고서 초안을 AI에게 맡긴다. 학생은 에세이의 골격을 AI에게 물어본다. 작가는 아이디어 브레인스토밍에 AI를 쓴다. 마케터는 광고 카피를 AI로 만든다. ChatGPT, Claude, 제미나이. 도구는 다양하지만 하는 일은 비슷하다. 빈 페이지의 공포를 없애준다.

그런데 빈 페이지의 공포에는 이유가 있었다. 그것은 단순한 불편함이 아니었다. 빈 페이지 앞에서 고민하는 시간이 바로 자기 생각을 정리하는 시간이었다. 무엇을 쓸지 모르겠다는 고통이 무엇을 말하고 싶은지를 발견하는 과정이었다. AI가 그 고통을 없애주면, 발견도 함께 사라질 수 있다.

물론 모든 글이 그런 것은 아니다. 회의록, 안내 메일, 정형화된 보고서. 이런 글에는 빈 페이지의 고통이 필요 없다. AI가 대신 써주면 시간을 아끼고 다른 일에 쓸 수 있다. 좋은 일이다.

문제는 그 경계가 모호하다는 것이다. 처음에는 회의록만 맡긴다. 그다음에는 보고서 초안도 맡긴다. 그다음에는 기획서도 맡긴다. 어느 날 보면 자기가 직접 쓰는 글이 거의 없다. 그때 자기 목소리는 이미 희미해져 있다.

좋은 글쓰기 Agent는 이 문제를 의식해야 한다. 구체적으로 세 가지 원칙이 있다.

첫째, 사용자의 문체를 학습한다. 평균적인 초안이 아니라, 그 사람의 어투와 리듬을 반영한 초안을 만든다. 이것은 기술적으로 어렵지 않다. 사용자가 이전에 쓴 글 수십 편을 학습시키면 된다. 문제는 대부분의 서비스가 이것을 하지 않는다는 것이다. 범용 모델이 범용 문체를 뱉는다.

둘째, 핵심 문장은 비워둔다. 좋은 글의 뼈대는 결국 몇 개의 핵심 문장이다. Agent가 그 주변을 채우되, 핵심 문장 자리는 사용자에게 남겨두는 설계. "여기에 당신의 핵심 주장을 넣으세요"라고 표시하는 것이다.

셋째, 편집자 역할을 한다. 초안 생성보다 더 가치 있는 것은 편집이다. 문장을 다듬고, 논리의 허점을 찾고, 불필요한 반복을 잡아내는 일. 이 영역에서 AI는 인간 편집자에 근접한 수준에 와 있다. 그리고 이 역할은 사용자의 목소리를 살리는 방향으로 작동한다. 초안 생성은 평균을 만들지만, 편집은 고유함을 날카롭게 만든다.

미국의 그래머리(Grammarly)가 편집 방향의 대표 사례다. 단순 오탈자를 넘어 톤, 명확성, 논리 흐름까지 피드백한다. 한국에서는 아직 이 수준의 한국어 전용 편집 Agent가 부족하다. 한국어의 존댓말 체계, 이다체와 합니다체의 구분, 한자어와 순우리말의 균형. 이런 것을 아는 편집 Agent는 분명한 시장이 있다.

잠시 멈추고 생각해보자
당신이 마지막으로 AI 도움 없이 처음부터 끝까지 직접 쓴 글은 언제인가? 그 글과 AI가 도운 글 사이에 차이가 있었는가?

8.3 이미지와 영상 — 눈에 보이는 것의 민주화

글쓰기 다음으로 AI가 깊이 파고든 창작 영역은 시각이다.

2022년, 미드저니(Midjourney)와 달리(DALL-E)가 등장했을 때 세상이 놀랐다. 텍스트 한 줄을 입력하면 그림이 나온다. 전문 일러스트레이터가 며칠 걸릴 작업을 몇 초 만에 해낸다. 2024년에는 오픈AI의 소라(Sora)가 텍스트로 영상을 만들었다. 런웨이(Runway)는 기존 영상을 편집하는 AI를 내놓았다. 2025년에는 이 도구들이 더 정교해졌다. 해상도가 높아졌고, 일관성이 좋아졌고, 사용법이 쉬워졌다.

이것이 의미하는 바는 크다. 시각 창작의 진입장벽이 사라졌다. 예전에는 그림을 그리려면 수년간 기술을 익혀야 했다. 영상을 만들려면 카메라, 조명, 편집 소프트웨어가 필요했다. 이제 아이디어만 있으면 된다. 아이디어를 텍스트로 표현할 수만 있으면 된다.

한국의 한 중소 출판사 사례가 있다. 2025년 초, 이 출판사는 어린이 그림책을 미드저니로 제작했다. 일러스트레이터를 고용하면 한 권에 수백만 원이 들 작업이었다. 미드저니를 쓰니 비용이 1/10로 줄었다. 출간까지 걸리는 시간도 절반으로 줄었다. 결과물의 품질은 상업적으로 충분했다.

그러나 이 사례에는 이면이 있다. 그 출판사의 일러스트레이터는 일을 잃었다. 한국일러스트레이션학회의 2025년 조사에 따르면, 출판 분야 일러스트 외주가 전년 대비 약 30% 감소했다. 광고 분야는 더 심했다. 단순 이미지 생성 일감의 절반 이상이 AI로 대체되었다.

미국에서도 상황은 비슷하다. 게티이미지(Getty Images)는 AI 생성 이미지의 저작권 문제로 스태빌리티AI(Stability AI)를 상대로 소송을 걸었다. 할리우드 시나리오 작가 파업에서도 AI 사용 범위가 핵심 쟁점이었다. 창작 도구의 민주화는 동시에 기존 창작자의 생존을 위협한다. 이 긴장은 쉽게 풀리지 않는다.

개인 Agent의 관점에서 보면, 이미지와 영상 생성 AI는 강력한 표현 도구다. 블로그에 쓸 이미지, 프레젠테이션 자료, SNS 콘텐츠, 취미 프로젝트. 전문가가 아니어도 시각적 표현이 가능해졌다. 그러나 여기서도 같은 질문이 돌아온다. 도구가 만든 이미지는 누구의 표현인가. 프롬프트를 쓴 사람의 것인가, 학습 데이터를 제공한 수백만 아티스트의 것인가, 모델을 만든 회사의 것인가.

이 질문은 8.6절에서 다시 다룬다.

8.4 음악과 코드 — 패턴의 영역에서 AI가 가장 강하다

음악과 코드는 얼핏 전혀 다른 영역이다. 그러나 한 가지 공통점이 있다. 둘 다 패턴의 조합이라는 점이다. 화성학의 진행, 리듬의 반복, 멜로디의 변주. 이것은 패턴이다. 함수의 구조, 알고리즘의 흐름, 라이브러리의 조합. 이것도 패턴이다. AI는 패턴을 다루는 데 탁월하다.

음악 생성 AI의 발전 속도는 놀랍다. 수노(Suno)와 유디오(Udio)가 2024년에 대중에게 알려졌을 때, 사람들은 충격을 받았다. "팝 발라드, 비 오는 밤, 여성 보컬"이라고 입력하면 3분짜리 곡이 나온다. 가사도 멜로디도 편곡도 다 들어 있다. 전문 뮤지션이 들어도 "이게 AI야?"라고 할 수준이다.

한국에서는 엔터테인먼트 업계가 빠르게 반응했다. SM엔터테인먼트와 하이브가 AI 작곡 도구를 내부적으로 테스트하고 있다는 보도가 2025년에 나왔다. 데모 트랙 제작, 멜로디 스케치, 편곡 실험에 AI를 쓴다. 최종 발매곡은 아직 인간 프로듀서가 완성하지만, 과정의 상당 부분이 AI로 채워지고 있다.

코딩 Agent는 더 실용적이다. 깃허브 코파일럿(GitHub Copilot), 커서(Cursor), 클로드 코드(Claude Code). 이 도구들은 2025년 현재 개발자의 일상을 바꿔놓았다. 코파일럿은 이미 전 세계 개발자의 상당수가 사용한다. 코드의 약 30~40%를 AI가 제안하고, 개발자가 수정하거나 수락한다.

나 자신이 이 영역의 사용자다. 나의 시스템의 시스템을 만들 때 Claude Code를 쓴다. LangGraph 파이프라인을 설계하고, pgvector 쿼리를 짜고, ArangoDB GraphRAG를 구현할 때 AI가 초안을 만들고 내가 검토한다. 30년 경력의 컨설턴트가 Vibe Coding으로 코드를 짠다는 것은 10년 전이라면 상상하기 어려웠다. AI가 그 벽을 낮춰줬다. 완전히 없애준 것은 아니다. 코드의 구조를 이해해야 하고, 무엇을 만들지 알아야 하고, 결과를 검증해야 한다. 그러나 문법과 라이브러리를 외우지 않아도 된다. 이것만으로도 혁명적이다.

음악과 코드에서 AI Agent의 역할은 비교적 명확하다. 초안을 빠르게 만들고, 변형을 시도하고, 반복 작업을 처리한다. 인간은 방향을 정하고, 품질을 판단하고, 최종 결정을 내린다. 이 분업이 자연스럽게 작동하는 이유는, 음악과 코드에서는 "잘 작동하는가"라는 객관적 기준이 존재하기 때문이다. 코드는 실행되거나 안 되거나다. 음악은 화성이 맞거나 안 맞거나다. 이 명확함이 AI와 인간의 협업을 쉽게 만든다.

잠시 멈추고 생각해보자
코드를 짜본 적이 없는 사람이 AI의 도움으로 앱을 만들었다면, 그 사람은 개발자인가? "만드는 능력"의 정의가 바뀌고 있다면, 그것은 좋은 일인가?

8.5 창작 Agent의 핵심 과제 — 당신의 목소리를 지키는 법

지금까지 글, 이미지, 음악, 코드를 봤다. 네 영역의 공통된 과제가 하나 있다. 사용자의 고유한 목소리를 어떻게 살릴 것인가. 이것이 창작 Agent 설계의 핵심이다.

AI가 만든 결과물은 기본적으로 평균이다. 수십억 개의 데이터에서 학습한 패턴의 가중 평균이다. 그래서 틀리지 않는다. 그래서 무난하다. 그래서 지루하다. 좋은 창작물은 평균에서 벗어난다. 독특한 시선, 예상치 못한 비유, 의외의 구조. 이런 것이 작품을 작품으로 만든다. AI는 이것을 스스로 만들어내지 못한다.

그렇다면 창작 Agent는 어떻게 설계해야 하는가. 세 가지 접근이 있다.

첫째, 개인화 학습이다. 사용자의 과거 창작물을 학습해서, 그 사람의 스타일을 모델에 반영한다. 파인튜닝까지 갈 필요는 없다. 프롬프트에 사용자의 글 몇 편을 예시로 넣는 것만으로도 상당한 차이가 난다. 이것을 퓨샷 러닝(few-shot learning)이라 한다. 기술은 이미 있다. 문제는 서비스 설계에서 이것을 기본으로 제공하는 곳이 드물다는 것이다.

둘째, 제안과 선택의 분리다. Agent가 여러 버전을 만들고, 사용자가 고른다. 하나를 주면 수동적으로 받아들이기 쉽다. 셋을 주면 비교하면서 자기 취향이 드러난다. "이 버전의 도입부가 좋고, 저 버전의 결론이 좋다"는 판단을 내리는 순간, 사용자의 목소리가 개입한다.

셋째, 과정의 기록이다. AI와의 협업 과정을 기록하고, 사용자가 어떤 제안을 수락했고 어떤 제안을 거부했는지를 추적한다. 이 데이터가 쌓이면 Agent는 점점 더 사용자에게 맞는 제안을 한다. 동시에 사용자 자신도 자기 취향을 더 명확히 알게 된다.

이 세 가지를 종합하면 하나의 원칙이 나온다. 좋은 창작 Agent는 사용자를 대신하지 않는다. 사용자가 자기를 더 잘 표현하도록 돕는다. 거울과 같다. 거울은 얼굴을 만들지 않는다. 얼굴을 더 잘 보게 해줄 뿐이다.

8.6 저작권과 윤리 — 누구의 것인가

창작 AI를 둘러싼 가장 뜨거운 논쟁은 저작권이다.

핵심 질문은 단순하다. AI가 만든 결과물은 누구의 것인가. 이 질문이 단순한데 답이 복잡한 이유는, 기존 저작권법이 AI를 상정하지 않았기 때문이다.

미국 저작권청은 2023년에 입장을 밝혔다. AI가 자율적으로 만든 결과물에는 저작권이 인정되지 않는다. 그러나 인간이 AI를 도구로 사용해 만든 결과물에는 인간의 창작 기여분에 한해 저작권이 인정될 수 있다. 선은 그었지만 선 위에 서 있는 사례가 너무 많다.

한국은 아직 명확한 판례가 부족하다. 2025년에 문화체육관광부가 "AI 창작물 저작권 가이드라인"을 발표했지만, 법적 구속력은 약하다. 핵심은 이렇다. 인간의 창작적 기여가 충분히 인정되는 경우에 한해 저작권을 인정한다. 그러나 "충분히"의 기준이 모호하다.

더 근본적인 문제가 있다. AI가 학습한 데이터의 저작권이다. 미드저니는 수십억 장의 이미지를 학습했다. 그 이미지를 만든 아티스트들은 동의한 적이 없다. 수노는 수백만 곡의 음악을 학습했다. 그 곡을 만든 뮤지션들은 보상받지 못했다. 이것은 공정한가.

이 논쟁은 2026년에도 진행 중이다. 미국에서는 뉴욕타임스가 오픈AI를 상대로 소송을 진행 중이다. 유럽연합은 AI법(AI Act)에서 학습 데이터의 출처 공개를 의무화했다. 일본은 비교적 느슨한 입장을 취하고 있다. 국가마다 다르다.

개인 사용자의 관점에서 실질적으로 중요한 것은 두 가지다.

첫째, 상업적 사용의 위험을 안다. AI로 만든 이미지나 음악을 상업적으로 쓸 때는 저작권 분쟁의 가능성을 인식해야 한다. 특히 특정 아티스트의 스타일을 명시적으로 모방한 경우 위험이 크다.

둘째, 자기 창작물의 보호를 생각한다. 자기가 쓴 글이나 만든 이미지가 AI의 학습 데이터로 쓰일 수 있다. 이것을 원하지 않는다면 명시적으로 거부 의사를 밝혀야 한다. 기술적으로는 로봇 배제 표준(robots.txt)이나 크리에이티브 커먼즈 라이선스의 조정이 방법이다.

윤리 논쟁은 여기서 더 넓어진다. AI가 가짜 뉴스를 만들 수 있다. 딥페이크로 사람의 얼굴을 합성할 수 있다. 존재하지 않는 사람의 목소리를 만들 수 있다. 창작의 민주화와 조작의 민주화는 같은 기술에서 나온다. 이 양면성을 인식하는 것이 창작 Agent를 쓰는 사람의 기본 소양이다.

잠시 멈추고 생각해보자
당신이 AI로 만든 이미지를 SNS에 올렸다. "내가 만들었다"고 쓸 수 있는가? "AI로 만들었다"고 밝혀야 하는가? 그 경계는 어디에 있는가?

8.7 창작 도구인가, 창작 주체인가

이 장의 마지막 질문이다. AI는 창작의 도구인가, 주체인가.

도구라는 입장은 이렇다. 붓이 그림을 그리는 것이 아니라 화가가 그리는 것이다. 카메라가 사진을 찍는 것이 아니라 사진가가 찍는 것이다. 마찬가지로 AI가 글을 쓰는 것이 아니라, AI를 쓰는 사람이 글을 쓰는 것이다. 도구가 강력해졌을 뿐이다.

주체라는 입장은 이렇다. 포토샵은 사용자의 입력 없이는 아무것도 만들지 못한다. 그러나 ChatGPT는 "소설을 써줘"라는 한 마디에 소설을 만든다. 미드저니는 "그림을 그려줘"에 그림을 만든다. 인간의 기여가 프롬프트 한 줄이라면, 나머지 99%는 AI가 한 것이다. 도구라고 보기엔 AI의 기여가 너무 크다.

나는 이 논쟁이 "양자택일"의 문제가 아니라 "스펙트럼"의 문제라고 본다.

한쪽 끝에는 인간이 AI를 세밀하게 지시하고, 결과를 검토하고, 수정하고, 자기 의도를 관철시키는 경우가 있다. 이때 AI는 확실히 도구다. 이 책이 그 사례다. 구조를 잡고, 명제를 정하고, 사례를 고르고, 최종 문장을 다듬는 것은 모두 나의 결정이다. AI는 그 결정을 실행하는 데 도움을 줄 뿐이다.

반대쪽 끝에는 인간이 "뭐든 좋으니 만들어줘"라고 하고 결과를 그대로 쓰는 경우가 있다. 이때 AI는 사실상 주체에 가깝다. 인간의 기여는 버튼을 누른 것뿐이다.

대부분의 현실은 이 양 끝 사이 어딘가에 있다. 그리고 어디에 있느냐에 따라 결과물의 품질이 달라진다. 인간의 개입이 깊을수록 결과물은 고유해진다. 인간의 개입이 얕을수록 결과물은 평균에 수렴한다.

이것이 창작 Agent 설계의 궁극적 지침이다. Agent는 사용자를 스펙트럼의 왼쪽(도구 쪽)으로 끌어당겨야 한다. 사용자가 더 깊이 개입하도록 유도해야 한다. 더 구체적인 지시를 하게 만들고, 더 까다롭게 검토하게 만들고, 더 많이 수정하게 만들어야 한다. 편하게 해주되, 게으르게 만들지 않아야 한다.

이것이 쉽지 않다. 그러나 이 원칙을 지키는 창작 Agent만이 오래 살아남을 것이다. 왜냐하면 게으르게 만드는 Agent는 곧 평균적인 결과를 양산하고, 평균적인 결과는 가치가 없기 때문이다.

핵심 정리

창작은 인간이 가장 인간적인 순간이다. 의도를 가지고 무언가를 만드는 행위이기 때문이다. AI는 창작의 패턴을 놀라울 정도로 잘 모방하지만, 의도 자체를 갖지는 못한다. 그래서 AI는 창작의 주체가 아니라 도구로 설계되어야 한다.

글쓰기에서 AI는 빈 페이지의 공포를 없애주지만, 동시에 자기 목소리를 잃게 만들 위험이 있다. 이미지와 영상에서 AI는 시각 창작의 진입장벽을 허물었지만, 기존 창작자의 생존을 위협한다. 음악과 코드에서 AI는 패턴 기반 작업에 특히 강하며, 인간과의 분업이 비교적 자연스럽게 이루어진다.

창작 Agent의 핵심 과제는 사용자의 고유한 목소리를 살리는 것이다. 개인화 학습, 제안과 선택의 분리, 과정의 기록이 그 방법이다. 좋은 창작 Agent는 거울과 같다. 얼굴을 만들지 않는다. 얼굴을 더 잘 보게 해줄 뿐이다.

저작권과 윤리는 아직 해결되지 않은 영역이다. AI 생성물의 소유권, 학습 데이터의 저작권, 딥페이크의 위험. 이 문제들은 기술이 아니라 사회가 풀어야 할 과제다.

이 책 자체가 AI와 협업한 창작물이다. 구조와 판단과 경험은 인간의 것이고, 속도와 초안과 다듬기는 AI의 것이다. 이 분업이 바로 창작 Agent의 미래 모습이다.

반드시 답해봐야 할 질문 5가지

질문 1. 당신의 창작 활동(글쓰기, 그림, 음악, 코드, 요리 등) 중에서 AI가 도울 수 있는 부분과 절대 맡기고 싶지 않은 부분을 나눠보라. 그 경계는 어디서 생기는가?

질문 2. AI가 당신의 문체나 스타일을 완벽하게 학습했다면, 그것이 만든 결과물은 당신의 작품인가? 만약 당신 자신도 구별하지 못한다면 답이 달라지는가?

질문 3. AI 생성 이미지로 수익을 올린 사람과, AI가 학습한 원본 이미지를 만든 아티스트 사이의 공정한 보상 구조는 어떤 모습이어야 하는가?

질문 4. 코딩을 모르는 사람이 AI의 도움으로 앱을 만들 수 있게 되었다. 이것은 프로그래밍 교육의 종말인가, 새로운 시작인가?

질문 5. 당신이 SNS에 올리는 글이나 이미지 중 AI가 만든 것이 있다면, 그것을 밝혀야 한다고 생각하는가? 밝히지 않는다면 그 이유는 무엇인가?

더 깊이 탐구하기

테드 창, "ChatGPT Is a Blurry JPEG of the Web" (2023). AI가 창작하는 것이 아니라 웹의 흐릿한 복사본을 만든다는 통찰. 가장 명쾌한 비유 중 하나다.

미국 저작권청, "Copyright Registration Guidance: Works Containing Material Generated by Artificial Intelligence" (2023). AI 생성물의 저작권에 대한 미국의 공식 입장.

아론 헤르츠만, "Can Computers Create Art?" (2018). 컴퓨터 과학자가 AI 창작의 본질을 분석한 논문. 기술과 철학의 교차점.

한국문화관광연구원, "AI 시대의 문화예술 창작 환경 변화" (2025). 한국의 창작 생태계에 AI가 미치는 영향에 대한 정책 보고서.

GitHub, "The Impact of AI on Developer Productivity: Evidence from GitHub Copilot" (2024). 코딩 Agent가 실제 개발 생산성에 미치는 영향에 대한 실증 연구.

일곱 개의 강을 다 봤다. 시간, 정보, 관계, 자산, 건강, 학습, 그리고 창작. 이 일곱 영역이 우리 일상의 지도다. 각 영역에서 AI Agent가 어떤 자리에 앉을 수 있는지를 봤다. 어디서는 강하고, 어디서는 조심해야 하고, 어디서는 아직 빈자리라는 것도 봤다.

이제 지도를 접을 시간이다. 다음 장부터는 직접 만든다. 개인 Agent를 어떻게 설계하고, 어떤 기술 스택으로 구현하고, 어떻게 나만의 분신을 만드는지를 본다. 제2부, "개인 Agent를 직접 만들기"로 넘어간다. 손에 흙을 묻힐 시간이다.