AI 주간 이슈 #492: AI 쓰레기 : 아무도 원하지 않는 것에 7250억 달러를 걸었다

하이퍼스케일러들의 7,250억 달러 규모 AI 인프라 투자는 대부분 H100/H200·B200 같은 고대역폭 GPU 클러스터, NVLink·InfiniBand 기반 초저지연 네트워크, 그리고 이를 냉각하기 위한 대규모 데이터센터(전력 수십~수백 MW급)로 흘러 들어가고 있습니다. 이 자본 지출의 핵심 가정은 "모델 파라미터와 학습 토큰을 키울수록(Chinching scaling laws), 추론 트래픽이 폭발적으로 증가하고, 그것이 검색·콘텐츠·코드 생성 시장을 잠식한다"는 것이었습니다. 그러나 기사가 지적하는 균열은 이 가정의 수요 측 전제가 무너지고 있다는 점입니다. Wikipedia가 44 대 2로 AI 생성 콘텐츠를 금지하고, Stack Overflow의 신규 질문이 78% 감소하며, Google AI Overviews가 상위 페이지 CTR을 58% 떨어뜨린 현상은 모두 "LLM이 생성한 평균치 수준의 텍스트(소위 AI slop)가 인간 검증 기반 지식 생태계의 신호 대 잡음비(SNR)를 망가뜨리고 있다"는 동일한 구조적 문제에서 비롯됩니다.

개발자 입장에서 이 변화는 두 가지 실질적 영향을 만듭니다. 첫째, Stack Overflow의 신규 질문 78% 감소는 단순한 트래픽 변화가 아니라 향후 LLM 학습용 고품질 코드 Q&A 데이터의 신규 공급이 사실상 끊긴다는 의미입니다. 모델이 자기 출력으로 다시 학습되는 모델 붕괴(model collapse) 현상이 가속되면, 최신 프레임워크·라이브러리(예: 새로 릴리스되는 Rust crate, Next.js 메이저 버전)에 대한 코파일럿 계열 도구의 정확도가 시간이 갈수록 떨어질 가능성이 큽니다. 둘째, Google AI Overviews로 인한 CTR 58% 붕괴는 기술 블로그·문서 사이트를 운영하는 개발자/팀에게 직접적 트래픽 손실로 이어지며, SEO 중심의 콘텐츠 마케팅 전략 자체를 재설계해야 함을 시사합니다. 동시에 Wikipedia 같은 큐레이션 커뮤니티의 AI 차단 결정은 향후 GitHub·npm·PyPI 같은 개발자 플랫폼에서도 AI 생성 PR·이슈·패키지에 대한 정책적 규제가 확산될 신호로 읽을 수 있습니다.

따라서 개발자가 지금 점검해야 할 액션 아이템은 분명합니다. 첫째, LLM을 코드 생성에 활용하더라도 "사람의 검증과 출처 표기"를 워크플로우에 명시적으로 통합해야 합니다. 예컨대 코파일럿/Cursor가 생성한 코드는 반드시 단위 테스트와 정적 분석(ESLint·mypy·clippy)을 통과시키고, PR 설명에 AI 보조 여부를 기록하는 정책이 점점 표준이 될 것입니다. 둘째, 자사 콘텐츠나 오픈소스 문서를 AI Overviews에 잠식당하지 않도록 schema.org 구조화 데이터, llms.txt, robots.txt의 AI 크롤러 차단 정책(GPTBot, Google-Extended, ClaudeBot 등)을 명시적으로 설계해야 합니다. 셋째, 사용자가 AI 출력을 거부한다는 Gartner 50% 신호는 제품에서 AI 기능을 전면에 내세우기보다 "AI는 보조, 결정은 사람"이라는 UX 패턴(예: 초안 제시 후 사용자 편집, 신뢰도 점수 표시, 출처 인용 링크)을 채택해야 함을 의미합니다. 인프라 공급은 폭증하지만 수요가 양극화되는 이 시점에서, 차별화 포인트는 모델 크기가 아니라 "검증 가능성·출처·인간 통제"라는 신뢰 레이어를 어떻게 엔지니어링하느냐에 있습니다.