에피소드에서 제시된 인재상의 이분법은 매우 통찰력 있다. 한 유형은 변호사, 투자은행가, 생명공학자처럼 깊은 도메인 지식을 가진 전문가가 AI를 극강으로 활용해 기존 산업을 재편하는 경우다. 이들은 “어떤 문제를 풀어야 하는지”를 명확히 알고 있으며, AI를 도구로 삼아 조직 규모를 획기적으로 줄이면서도 더 나은 문제 해결을 제공한다.
다른 유형은 메타 옵티마이저로, 도메인 지식이 부족하더라도 AI를 활용해 목표 설정조차 위임하며 빠르게 학습하고 새로운 시장을 개척한다. OMX 같은 메타 하네스를 만들고, Ralph loop로 다중 검증을 수행하며, Auto Research로 암묵지를 AI에 위임하는 이들은 B2C와 B2B의 새로운 버티컬을 창출하고 있다.
흥미로운 점은 두 유형 모두 AI 툴의 기본 활용(Claude Code, Codex, 에이전트 오케스트레이션)은 이미 전제되어 있다는 것이다. 더 이상 AI 툴 숙련도가 차별화 요소가 아니며, 진짜 격차는 “문제 정의 능력”과 “불확실성을 견디는 의사결정력”에서 발생한다. Cat Wu가 말한 “혼돈을 즐길 수 있는 인재”와 Dwarkesh Patel이 실천하는 “부하를 거는 학습법”이 바로 여기에 연결된다.
근거
노정석의 명확한 구분:
“저는 요새 사람들을 두 분류로 보는데… 어떤 필드에 대한 knowledge를 가지고 그걸 찍을 수 있는 사람이 AI를 견인하는 형태가 있고… meta optimization을 하면서 그냥 모델에게 delegation 하면서 목표조차 찾아가는 사람들.”
그리고 중요한 전제:
“두 talent 다… Claude Code나 OpenClaw 같은 걸로 본인의 워크플로우를 전부 자동화하는 것에 대해서는 이미 다 졸업한 사람들로 보고요. 거기에 더해 어떤 문제를 풀 것인가에 대한 센스를 어떻게 탑재할 수 있느냐를 질문하고 있는 거지, 더 이상 AI 툴의 readiness는… 당연히 갖고 와야 되는 필요 조건.”
연결된 생각
- 20260603-ai-native-application-harness-control — AI 네이티브 애플리케이션의 구조와 인재의 역할
- 20260603-end-of-software-privilege-harness-differentiation — 소프트웨어 제작 특권의 종말과 인재상 변화