요즘 나온 AI 스킬이나 도구는 며칠 만에 낡아 보이는데, 그 도구를 돌리는 데이터센터나 전력망은 몇 년째 제자리걸음입니다. 작가 데이비드 브루닉은 이 어긋남에 “페이스 레이어”라는 이름을 붙였습니다.

브루닉은 스튜어트 브랜드가 제안한 페이스 레이어 개념을 AI 생태계에 그대로 옮겨봤습니다. 프롬프트처럼 하루 단위로 바뀌는 것부터 에너지 생산처럼 수십 년 단위로 움직이는 것까지, AI를 이루는 요소들을 속도별로 층층이 쌓아본 겁니다. 핵심은 속도 차이 자체보다, 어떤 층이 제 속도를 벗어나 더 빠르게 움직이려 할 때 생기는 마찰이라고 그는 말합니다.

출처: Understanding the Dynamics of the AI Ecosystem with Pace Layers – David Breunig

속도에 따라 쌓아 올린 AI 생태계

원래 페이스 레이어는 건강한 문명을 유지하려면 유행, 상업, 인프라, 거버넌스, 문화, 자연이라는 여섯 개 층이 각자 다른 속도로 움직여야 한다는 스튜어트 브랜드의 개념입니다. 빠른 층은 배우고 느린 층은 기억하며, 빠른 층은 제안하고 느린 층은 그걸 처리하죠. 관심은 온통 빠른 층으로 쏠리지만, 정작 힘을 쥔 쪽은 느린 층이라는 게 브랜드의 원래 통찰입니다.

브루닉은 이 틀을 AI에 그대로 적용했습니다. 맨 위에는 프롬프트, 스킬과 도구, 에이전트 하네스처럼 며칠에서 몇 달 사이 바뀌는 층이 있습니다. 그 아래에는 합성 데이터, 모델 가중치, 훈련 기법처럼 몇 달에서 몇 년 단위로 움직이는 층이 자리하고요. 더 아래로 내려가면 조직의 AI 도입, 거버넌스, 대학 교육처럼 몇 년 단위로 바뀌는 층이 있고, 맨 밑바닥에는 반도체 공장, 데이터센터, 에너지 생산, 사람이 직접 만든 데이터처럼 수십 년 단위로만 움직이는 층이 깔려 있습니다.

지금 벌어지고 있는 마찰

브루닉이 짚은 지점은 최근의 AI 반발 여론 상당수가 이 층 사이의 어긋남에서 온다는 것입니다. 막대한 투자가 원래 수십 년 단위로 움직여야 할 데이터센터 같은 하위 층을 몇 년 단위로 밀어붙이고 있다는 겁니다. 그 결과 데이터센터를 둘러싼 논쟁이 유독 감정적으로 흐르는 것도 이상한 일이 아니라는 얘기죠.

같은 맥락에서, 최근 18개월 동안 모델이 발전해온 방식도 눈여겨볼 만합니다. 사람이 자연스럽게 만들어낸 데이터는 사실상 바닥났고, 그 자리를 고용된 전문가 데이터와 합성 데이터가 채워왔다는 겁니다. 상위 층들이 이렇게 빠르게 질주하는 동안, 원래 이들을 뒷받침해야 할 조직이나 대학 같은 층은 도무지 그 속도를 따라가지 못하고 있다는 게 브루닉의 관찰입니다.

왜 이 프레임이 쓸모 있나

브루닉은 최근 몇몇 AI 콘퍼런스를 돌아보고 나서 흥미로운 온도차를 느꼈다고 적습니다. 콘퍼런스 안에서는 다들 사람 손을 거의 안 타는 “다크 팩토리”를 만들고 있다고 자신하는 반면, 샌프란시스코 바깥의 비개발자들은 데이터센터가 대체 왜 그렇게까지 필요한지 의아해한다는 겁니다.

이 프레임이 유용한 이유는 여기 있습니다. AI 뉴스는 매일 쏟아지는데 내 주변 현실은 좀처럼 안 바뀌는 것 같은 감각, 다들 한 번쯤 느껴봤을 겁니다. 페이스 레이어로 보면 이건 이상한 일이 아닙니다. 프롬프트나 도구는 원래 매일 바뀌어야 정상이고, 그걸 뒷받침하는 인프라나 조직 문화는 원래 그렇게 빨리 못 바뀌는 게 정상이니까요.