AI 시대에 가장 안전한 직업은 글쓰기일 수 있다

LLM은 코드 생성에서 빠르게 발전했지만 산문에서는 여전히 상투적인 리듬과 표현을 반복하며, 좋은 글을 쓰는 사람은 당분간 쉽게 대체되지 않을 것 글쓰기에는 명확한 명세와 종료 조건, 객관적인 정답이 없어 컴파일러나 테스트를 통해 자동으로 개선하기 어려운 난해한 문제(wicked problem) 임 설득력 있는 글은 독자가 무엇을 아는지, 얼마나 이해했는지, 다음 문장을 어떻게 받아들일지를 계속 추적하는 마음 이론(Theory of Mind) 을 요구함 AI가 빠르고 저렴하게 많은 텍스트를 만들더라도, 인간은 반복 작업보다 판단과 창의성, 독자와의 공감이 필요한 영역에서 비교우위를 가질 수 있음 AI 생성물이 웹을 채울수록 실제 경험과 노력이 담긴 인간의 목소리는 모방하기 어려운 비용이 큰 신호(costly signal) 가 되며, 프로그래밍도 점차 창의적이고 구조적인 글쓰기에 가까워질 수 있음 코드와 산문에서 갈리는 LLM의 성과 기술 종사자는 높아진 5배 생산성 할당량에 맞춰 작업 방식을 바꾸면서, 에이전트 생성 코드가 쌓는 인지 부채까지 감당하고 있음 새 모델이 나올 때마다 인간은 작업 흐름의 병목에 가까워지고, 코더로서의 역할도 점차 쓸모를 잃는 방향으로 움직임 반면 LLM 산문은 반복적인 리듬과 상투어, 익숙한 어휘에 의존해 불완전하지만 개성 있는 글을 매끄럽고 영혼 없는 문장으로 바꾸는 경향이 있음 생성된 글에는 실제 이해와 통찰이 드러나지 않으며, 인간은 AI 문체에 본능적인 거부감을 키우고 있음 AI 글쓰기는 사람과 비슷하지만 어색한 불쾌한 골짜기에 머물러 있으며, 이 상태가 오래 지속될 수 있음 산문 성능이 부딪힌 벽 AI 연구소들은 마케팅·카피라이팅·출판을 한계비용 없이 공략할 수 있도록 글쓰기 능력을 개선하려 했지만 벽에 부딪힘 이미지·음성·영상 모델은 매개변수와 연산량을 늘리며 빠르게 좋아진 반면, 텍스트 모델은 표현력·깊이·진정성에서 뚜렷하게 정체됨 마지막 20%의 품질 격차를 메우기는 매우 어려우며, 이미지·음성·영상 모델에도 같은 문제가 적용됨 글쓰기가 난해한 문제인 이유 시스템 이론에서 난해한 문제는 확정적인 문제 정의와 명확한 종료 조건, 객관적으로 옳은 해답이 없는 문제임 글쓰기는 맥락이 계속 변하고 편집이 완전히 끝나지 않으며 성공 기준도 근본적으로 주관적이라는 점에서 극단적인 난해한 문제임 검증 가능성에 따른 영역별 차이 수학은 명세가 간결하고 검증이 이진적이며 자동화되어 있...