대체 속도와 안전 속도의 거버넌스 간극 — Goldman 월 16K 순감, Anthropic AAR 97%, 완전정렬 불가능

월 16,000건 — 대체와 실패의 동시 정량화

Goldman Sachs 이코노미스트 Elsie Peng의 4/6 분석은 AI의 이중 효과를 최초로 분리했다. AI 대체가 월 ~25,000건 일자리를 소멸시키고, 증강이 ~9,000건을 추가하여 순감 ~16,000건이다. Gen Z가 데이터 입력, 고객 서비스, 법률 보조 등 자동화 최적 직종에 집중 배치된 구조적 이유로 불비례 타격을 받고 있으며, Top 15 테크 기업의 초급 채용은 2023년 이후 25% 감소했다.

그러나 동시에 "부메랑 재고용"이 정량화되었다. Robert Half 조사에서 AI 해고 기업 29%가 같은 직원을 재고용했고, 별도 분석에서 55%가 해고를 후회했다. AI가 "설계된 케이스"만 처리하고 분포 꼬리, 엣지 케이스, 감정적 복잡성, 고객 맥락에서 실패하는 구조적 한계가 확인된 것이다. Gartner는 2027년까지 AI 기반 CS 감축 기업 50%가 유사 기능 인력을 재고용할 것으로 예측했다.

구조적 판독: AI 대체는 월 16K로 실재하지만, 선형 대체가 아닌 지그재그 경로를 따른다. "대체 후 재고용" 비용을 TCO에서 제외하면 ROI를 체계적으로 과대 산정하게 된다.

컴퓨트→정렬: Anthropic AAR의 패러다임 전환

Anthropic이 4/14 발표한 연구에서 Claude Opus 4.6 기반 9개 자동 정렬 연구원(AAR)이 weak-to-strong supervision 문제에 투입됐다. 5일간 $18,000 컴퓨트(800 누적 연구시간)로 PGR 97%를 달성, 동일 문제에 7일간 도전한 인간 연구원의 23%를 4배 이상 압도했다. 최고 성능 메서드는 수학(PGR 0.94)과 코딩(0.47)으로 일반화에 성공했다.

이 결과의 핵심 경로는 "컴퓨트가 정렬 진전으로 전환된다"는 것이다. 전 세계 AI safety 연구자 ~1,100명이라는 병목에 대한 해법이나, "컴퓨트→정렬" 경로는 대규모 컴퓨트를 운용할 자본이 있는 소수 프론티어 랩에만 열려 있다. safety 연구의 탈중앙화가 아닌 중앙화를 가속시킬 수 있으며, "안전이 스케일링된다"는 논증이 프론티어 모델 개발 속도 제약 완화의 명분으로 전용될 위험이 있다.

완전정렬은 수학적으로 불가능하다

PNAS Nexus 4월 게재 논문(Zenil 등)은 괴델 불완전성 정리와 튜링 정지 문제를 근거로, 충분히 복잡한 LLM의 완전 정렬이 수학적으로 불가능함을 증명했다. 대안으로 "관리된 비정렬(managed misalignment)" — 서로 다른 인지 스타일과 부분 중첩 목표를 가진 복수 AI 에이전트가 상호 견제하는 구조 — 을 제시했다. 실험에서 오픈소스 모델이 독점 모델보다 넓은 관점 스펙트럼을 보여 단일 의견 수렴(harmful consensus) 위험이 낮았다.

이 연구는 정렬을 "완성 가능한 목표"에서 "지속적 관리 과제"로 재정의하며, MCP/에이전트 오케스트레이션 설계 원칙에 직접 함의를 가진다.

MCP 30 CVE — 에이전트 인프라는 이미 취약하다

2026년 1-2월 MCP 서버·클라이언트·인프라 대상 30+ CVE가 등록됐다. 2,614개 구현체 중 82%가 경로 순회 취약, 2/3이 코드 인젝션 위험, 1/3 이상이 커맨드 인젝션에 노출. CVSS 9.6 RCE 취약점이 50만회 다운로드된 패키지에서 발견됐다. CVE 유형별: 43% Exec/shell 인젝션, 20% 도구 인프라 결함, 13% 인증 우회.

PNAS의 "관리된 비정렬"은 설계 원칙을 제시하지만, 현재의 MCP 보안 기반은 그 이론적 프레임워크를 실현할 수준에 미치지 못한다. 정렬은 이론적으로 불완전하고, 에이전트 인프라는 실전에서 취약하다.

6개월 시사점

Goldman의 월 16K 순감과 55% 부메랑은 AI 자동화가 선형 대체가 아닌 지그재그임을 보여준다. Anthropic AAR이 정렬 연구를 자동화할 수 있다면 프론티어 모델 개발 속도 제약이 완화될 가능성이 있으나, PNAS의 "완전정렬 불가능" 증명은 이 자동화된 안전 연구가 결국 제한적 보증만 제공한다는 이론적 한계를 동시에 설정한다. 기업 AI 전략에서 "대체 후 재고용" 비용과 에이전트 프로토콜 보안 비용을 TCO에 포함하지 않으면 ROI 과대 산정 위험이 있다. [MEDIUM]