마지막으로 알고 있던 사람

왜 시작되는가

전환은 알아채기 어려울 만큼 서서히 진행되다가 어느 순간 돌이킬 수 없게 된다. 실시간 디지털트윈과 통합된 피지컬 AI가 한때 주니어 기술자를 훈련시키던 관찰 가능한 문제들을 제거한다. 도제 프로그램은 명령에 의해서가 아니라 무의미해짐으로써 소멸한다. 선배 기술자는 보여줄 것이 없고, 신입 기술자는 진단할 고장이 없다. 2027~2030년 사이에 시뮬레이션과 AI 대시보드 해석만으로 훈련된 공학 졸업생들이 노동시장에 완전히 진입한다. 2031년 신주 반도체 팹의 퍼니스 보정 장애가 AI의 학습 분포 밖에서 발생했을 때, 회사는 55세 미만 현직 직원 중 물리적 증상을 해석할 수 있는 사람이 아무도 없다는 사실을 발견한다. 긴급 소집된 은퇴 전문가들은 몇 분 만에 문제를 파악하지만, 이제 기계를 제어하는 시스템과 인터페이스하는 방법을 모른다.

어떻게 전개되는가

1. 2028년까지 실시간 디지털트윈과 통합된 피지컬 AI가 주요 자동차·반도체 제조 공장 전반에서 이상탐지·예측정비·공정 조정을 완전 자동화한다.
2. 관찰 가능한 장애가 사라지면서 정밀 제조 분야의 도제 프로그램이 3년에 걸쳐 붕괴되고, 선배 기술자들은 가르칠 구체적인 것이 없어 암묵지를 전수하지 못한 채 은퇴한다.
3. 공학·기술직 교육 과정이 전적으로 시뮬레이션 환경과 AI 대시보드 해석으로 전환되어, 실제로 기계를 열어 본 적도 직접 장애를 진단한 적도 없는 졸업생들이 배출된다.
4. 2031년 신주 반도체 팹에서 AI 학습 분포 밖의 나노 규모 대기 오염 물질로 인한 퍼니스 튜브 보정 이상이 6일간 불량을 발생시키는데, 알람이 울리기 전까지 현직 직원 중 물리적 증거를 해석할 수 있는 사람이 없다.
5. 은퇴 기술자들과의 화상통화 긴급 자문으로 수 시간 만에 사태가 수습되지만, 이후 정부 감사에서 이 지식 공백이 14개 주요 팹 전반에 걸친 구조적 문제임이 밝혀지고, 직접 진단 역량을 가진 현직자의 중간 연령은 61세로 나타난다.

사람이 체감하는 장면

2032년 3월 신주에서, 29세의 공정 엔지니어 임재원은 6일째 나노 규모 불량을 발생시키고 있는 퍼니스 튜브 앞에 선다. AI 대시보드는 이상 플래그를 표시하지만 근본 원인 가설을 제시하지 않는다. 그녀는 교육 영상에서 어렴풋이 본 기억을 더듬어 배기구 근처에 손을 갖다 댄다. 그러다 자신이 무엇을 느껴야 하는지 모른다는 사실을 깨닫는다.

반론

일부 산업 경제학자들은 암묵지 보존이 언제나 비효율적이고 낭만화된 것이었으며, 공정 지식을 AI 시스템에 코드화하는 것은 단순히 더 신뢰할 수 있고 확장 가능한 전수 방식일 뿐이라고 주장한다. 수동 베틀에서 자동화 방직공장으로의 전환처럼, 과거의 산업 전환도 장인 계보를 단절시켰지만 경제는 적응했다는 점을 지적한다. 핵심 질문은 지식이 전수되느냐가 아니라 시스템이 학습 데이터 밖의 장애 유형에도 탄력적으로 대응할 수 있느냐라는 것이다.