개발 속도가 기대보다 느리게 진행되고 있다
챗GPT나 클로드 같은 AI가 질문에 답하는 수준을 넘어 내 업무를 완전히 대신하는 시대가 올 것이라는 기대가 컸다. 하지만 메타의 AI 에이전트(사용자의 목표를 이해하고 자율적으로 작업을 수행하는 AI) 개발 궤적은 최근 최소 4개월간 예상만큼 가속화되지 않았다. 새 조직 구조에 걸었던 베팅이 아직 실질적인 결실을 맺지 못한 상태다.
메타는 올해 최대 1,450억 달러 규모의 AI 인프라 투자를 집행한다. 이는 빅테크 기업들이 지출하는 전체 7,000억 달러 이상의 투자금 중 상당 부분을 차지하는 규모다. 회사는 향후 3~6개월 내에 이 투자로부터 더 큰 효과를 경험하기 시작할 것으로 기대한다.
거대 자본과 인력을 투입해도 에이전트 구현 속도는 정체될 수 있다. 인프라 확충과 조직 재편이 실제 제품의 성능 향상으로 이어지기까지는 물리적인 시차가 발생한다. 자본 투입량만으로 개발 속도를 예측하는 것은 실무적인 리스크가 된다.
직원 마우스 움직임 및 디지털 활동 추적 프로그램의 운영
업무용 소프트웨어의 설정 하나가 바뀌면 직원이 느끼는 심리적 압박의 무게가 달라진다. Meta는 직원들의 마우스 움직임과 디지털 활동을 추적하는 프로그램의 운영 방식을 옵트인(opt-in, 사용자가 명시적으로 동의해야 참여하는 방식)으로 변경한다. 데이터 보안 사고에 대한 내부 검토를 마친 뒤 프로그램을 다시 가동할 때, 동의한 인원만 참여시키는 구조를 적용한다. 이는 지난 4월 프로그램 설치 당시 거부할 수 있는 옵트아웃(opt-out, 기본 참여 후 거부 의사를 밝히는 방식) 방법이 없다고 안내했던 기존 방침을 완전히 뒤집는 조치다. 보안 사고 대응 과정에서 데이터 수집의 정당성을 확보하기 위해 사용자 동의 절차를 필수 단계로 편입시킨다.
단순한 질의응답을 넘어 사용자를 대신해 실제 작업을 실행하는 자동화 시스템인 AI 에이전트(AI Agent)는 차세대 인터페이스의 핵심이다. Meta는 이러한 에이전트형 시스템의 발전을 꾀하며 개발 역량을 집중하고 있다. 하지만 최근의 개발 궤적은 조직이 예상한 방식대로 가속화되지 않았다. 사용자를 대신해 복잡한 작업을 수행하는 자동화 수준을 높이는 과정에서 예상치 못한 기술적 정체가 발생한다. 거대 자본과 인프라를 투입하더라도 에이전트 수준의 자동화를 완성하는 데는 별개의 실행 리스크가 존재하며, 이는 개발 속도가 기대치에 미치지 못하는 결과로 이어진다.
대규모 조직 개편 과정에서 경영진의 오판과 결함이 있었다
최신 AI 기술을 도입하고 인력을 쏟아부어도 왜 업무 효율은 즉각적으로 오르지 않을까. 대규모 조직 개편이 정교한 설계 없이 추진될 때, 자본 투입량과 실제 성과 사이에는 심각한 괴리가 발생한다. Meta 경영진은 올해 초 단행한 조직 개편이 충분히 깔끔하지 못했다는 점을 인정했다. 변화의 시점을 판단하는 과정에서 경영진의 오판이 있었으며, 이로 인해 조직 내 실행력이 분산되는 결과를 초래했다. 현재는 전체적인 전략 방향을 수정하지 않으면서도, 급격한 변화로 인해 발생한 내부 혼선을 완화하려는 보완 조치를 진행하고 있다.
지난 5월에는 전 세계 인력의 약 10%를 감원하는 동시에 약 7,000명의 인원을 AI 중심 팀으로 재배치했다. 이번 조치는 AI 인프라 구축에 필요한 막대한 투자 재원을 확보하고, AI 지원 업무의 운영 효율성을 극대화하기 위한 구조조정의 일환이다. 하지만 단기간에 대규모 인력을 강제로 이동시키는 과정에서 현장 직원들의 강한 반발이 일어났다. 인력 재배치라는 명분 뒤에 숨은 고용 불안과 갑작스러운 직무 변경이 조직 사기를 저하시키는 실질적인 저해 요소로 작용했다.
거대 자본과 대규모 인력을 투입해도 조직 운영의 결함이 있다면 AI 에이전트 구현 속도는 언제든 정체될 수 있다. 기술적 완성도만큼이나 중요한 것은 변화된 기술 스택에 맞춘 조직의 R&R(Role and Responsibility, 역할과 책임) 재설계다. 인력의 단순 이동이 아니라 업무 프로세스의 정밀한 조정이 수반되지 않을 때, 투입된 자본은 성과로 이어지지 않고 내부 갈등이라는 비용으로 치환된다. 이는 AI 전환을 추진하는 실무 조직이 자본 투입량보다 조직의 수용 능력을 먼저 점검해야 한다는 구체적인 리스크 판단 기준이 된다.
단순 답변을 넘어 업무를 완전히 대신하는 AI 에이전트에 대한 기대는 메타의 1,450억 달러 투자와 7,000명의 인력 재배치라는 거대 자본 구조로 이어졌다. 하지만 지난 4개월간의 정체는 자본 투입량과 개발 속도가 정비례하지 않는다는 실무적 리스크를 명확히 보여준다. 이제 AI 전환을 추진하는 조직은 인프라 규모보다 내부의 수용 능력을 먼저 점검하는 리스크 판단 기준을 세워야 한다. 자본의 양이 아니라 실행의 밀도가 에이전트의 실제 코드 반영 시점을 결정한다.
