← Back to Main

The Individual vs. The System: From Human Professional Services to AI Agents

2/6/2025, 10:04:07 PM | Jeanyoon Choi

Original Notes (Pre-LLM)

개인들의 경험이 파편화되어서 나타날때…

개인이 아파서 병원을 가면, 의사는 집단적으로 개인을 대함

왜냐하면 의사는 수많은 환자들을 봐왔기 때문

따라서 의사에게 개인은 수많은 대중 (N) 중 한명일 뿐

그러나 개인에게는 의사가 간절함 (1)

1과 N, 부분과 전체, 개인과 집단의 충돌

전통적인 부족 사회에서는 이렇게 1과 N 사이의 이해관계가 충돌하는 경우가 많지 않았는데,

모든 것이 대량화되고 업무가 세분화된 현대 사회일수록 1과 N의 이해관계가 충돌

이는 그래프이론 적으로 이해될수도 있음: 각 개인에게는 1씩만 outbound가 존재하는데, 의사 입장에서는 N개의 inbound가 있는셈

이런 의사(N)의 입장에서는 모든 업무/request가 기계화 될 수 밖에 없음 (one of many)

현대의 많은 전문화된 업무가 기계화되고, 이 속에 일하는 개인에게 기계가 되기를 강요하는 이유는 여기에 있다 (Professionalism: 어느정도 기계가 되어라)

즉 양적인 데이터에 의한 매뉴얼, 그리고 그 매뉴얼에 의한 처방과 행동이 이루어짐

역설적으로 AI Agents의 시대에 이러한 자동화 가능성/집단적 데이터 기반 계산적 아웃풋은 이러한 직종들이 AI로 인해 대체되기 쉬움을 의미함

직종이 처리하는 개인의 수의 증가 → 데이터의 쌓임 → 직종 업무의 기계화 → 직종 업무의 AI로의 대체

결국 개인으로의 인간은 이제 모든 부분에서 AI Agents과 대면하게 될 가능성이 높아짐…

부분과 전체(부분과 전체)

개인과 집단(개인과 집단)

개인의 집단화(개인의 집단화)

개인 - 대응의 기계화 (시뮬라크럼, 병원의 예시)

기계화된 반응 과정이 알고리즘 (AI Agents)으로 대체

개인 (파편화된 개인) 과 AI Agents 간의 관계 성립

다음은 뭘쓸까

Hyper-Personalisation: 궁극적으로 개인의 벡터화 (AI Agents, 알고리즘 등으로 인식될때)

개인을 Vector space 상 한개의 점으로 대응시킴 (유사 MBTI, 유사 의사 병명 분류, 유사 변호사 사건 분류)

이것은 수많은 Data Aggregation 으로 인해 가능하게함 (의사의 경우 수많은 환자)

이러한 Data Aggregation was possible after internet → 사람들이 Internet에 More deeply embedded 되면서 가능하게됨

더 많은 데이터가 필요함! (We are running out of training data - GPT)

IoT, 메타의 Thread 출시 등 개인의 일상속에 침투하여 더 많은 데이터 수급을 가능하게 하는것이 빅테크의 전략

English Version (LLM-Generated)

현대 사회에서는 개인의 경험이 파편화되어 나타나는 경향이 큽니다. 개인이 아파서 병원에 갈 때, 의사는 환자를 하나의 집단적 차원에서 대하게 되는데, 이는 의사가 이미 수많은 환자들을 봐왔기 때문입니다. 이러한 상황에서, 의사에게 개인은 수많은 대중 중 한 명에 불과하지만, 개인에게 의사는 절실하게 필요하기 마련입니다. 이는 결국 1과 N, 즉 부분과 전체, 개인과 집단의 충돌을 불러일으킵니다. 전통적인 부족 사회에서는 이러한 충돌이 크지 않았으나, 현대 사회에 들어와 모든 것이 대량화되고 업무가 세분화되면서 이런 이해관계의 충돌이 더욱 빈번하게 일어납니다.

이를 그래프 이론적으로 이해할 수 있습니다. 각 개인에게는 1의 outbound만 존재하지만, 반대로 의사는 N개의 inbound 요청을 받는 형태입니다. 이러한 상황에서, 의사와 같은 전문직은 기계적인 처리밖에는 답이 없습니다. 현대 사회의 많은 전문화된 업무가 기계적으로 변환되는 이유는 바로 여기에 있으며, 이는 개인에게 기계가 되기를 강요합니다. 매뉴얼에 따른 양적 데이터 기반의 처방과 행동으로 인해 이라는데, 역설적이게도 이런 자동화 가능성과 집단적 데이터 기반의 계산적 아웃풋은 많은 직종들이 AI에 의해 대체되기 쉬움을 시사합니다.

직종이 처리해야 하는 개인의 수가 증가하면서 데이터가 쌓이고, 이는 직종 업무의 기계화를 촉진하며, 결국 AI로의 대체가 일어날 가능성을 높입니다. 결과적으로, 인간 개인은 다양한 부분에서 AI 에이전트와 대면하게 될 가능성이 높아집니다.

이제 부분과 전체의 의미, 즉 개인과 집단 간의 관계는 더욱 중요해집니다. 개인의 대응이 기계화되고, 이는 알고리즘으로 대체되면서 인공지능 에이전트와의 새로운 관계가 형성됩니다. 이러한 맥락에서, 결국 개인은 하이퍼 퍼스널라이제이션의 시대에 진입하게 됩니다. 이는 개인이 벡터 스페이스에서 한 개의 점으로 인식되는 것을 의미하며, 이는 수많은 데이터 집계에 의해 가능해졌습니다. 특히, 인터넷의 발전은 사람들이 더욱 깊이 디지털 세계에 몰입하게 만들었고, 이는 또 한편으로 대규모 데이터 수집을 용이하게 만들었습니다.

현대 사회는 더 많은 데이터를 필요로 하며, 이는 빅테크가 개인의 일상 속 침투를 강화해 데이터 수집을 극대화하려는 전략과 연결됩니다. IoT와 메타의 새로운 플랫폼은 이러한 흐름을 더욱 강화시키며, 개인의 경험을 더 정교하게 데이터화하려는 시도를 지속하고 있습니다.

Korean Version (LLM-Generated)

개인들의 경험이 파편화될 때…

개인이 아파서 병원을 찾으면, 의사는 개별적이기보다는 집단적으로 환자를 대합니다. 이는 의사가 수많은 환자들을 만나본 경험에 기반하기에, 의사에게 환자는 대중(N) 중의 한 사람일 뿐입니다. 하지만 개인에게 의사는 절실히 필요한 존재(1)입니다. 이렇듯 1과 N, 부분과 전체, 개인과 집단 간의 충돌이 발생합니다.

전통적인 부족 사회에서는 1과 N 사이의 이해관계 충돌이 흔치 않았으나, 현대 사회는 대량화와 업무의 세분화로 인해 이러한 충돌이 빈번합니다.

우리는 이를 그래프 이론으로 이해할 수 있습니다: 각 개인에게는 1개의 아웃바운드가 존재하는 반면, 의사의 입장에서는 N개의 인바운드가 있는 셈입니다.

이러한 상황에서 의사와 같은 직업군(N)은 모든 업무 요청을 기계적으로 처리할 수밖에 없습니다. 현대의 많은 전문화된 업무들이 기계화되는 이유는 여기에 있으며, 이는 일을 하는 개인에게도 기계처럼 행동하도록 강요합니다. 즉, 양적인 데이터에 의한 매뉴얼에 따라 처방과 행동이 이루어집니다.

아이러니하게도, AI 에이전트 시대에 이러한 자동화 가능성과 집단적 데이터 기반 계산적 출력은 이러한 직종들이 AI로 대체되기 쉬움을 의미합니다.

직종이 처리해야 할 개인의 수가 증가하면 → 데이터가 쌓이고 → 직종 업무가 기계화됩니다 → 최종적으로 AI로 업무가 대체됩니다.

결국 개인으로서의 인간은 모든 방면에서 AI 에이전트와 마주하게 될 가능성이 커집니다.

부분과 전체, 개인과 집단, 개인의 집단화, 개인 - 대응의 기계화(예: 병원 사례),

기계화된 반응 과정이 알고리즘(AI 에이전트)으로 대체되고,

파편화된 개인과 AI 에이전트 간의 관계가 성립됩니다.

무엇을 이어서 써야 할까...

하이퍼 퍼스널라이제이션: 궁극적으로 개인의 벡터화(이것이 AI 에이전트나 알고리즘으로 인식될 때), 개인을 벡터 공간 상의 하나의 점으로 대응시킴(예: MBTI, 질병 분류, 사건 분류).

이는 수많은 데이터 집계 덕분에 가능해졌습니다(의사의 경우 수많은 환자 경험). 이러한 데이터 집계는 인터넷 이후 가능해졌고, 사람들이 인터넷에 더욱 깊이 스며들게 되면서 가능해졌습니다.

더 많은 데이터가 필요합니다! (우리는 훈련 데이터가 부족해지고 있습니다 - GPT)

IoT, 메타의 새로운 서비스 출시는 개인 일상에 깊이 침투하여 더 많은 데이터 수급을 가능하게 하는 빅테크의 전략입니다.