Software 1.0 vs 2.0 (Karpathy 패러다임 재해석)
Software 1.0 은 사람이 직접 짠 코드. Software 2.0 은 신경망 · 데이터 · 가중치. 둘은 같은 결과를 만드는 다른 방식이다. 이 패러다임을 직업 에 적용해보면, 신규 카테고리 정의자는 지금 Career Software 1.0 → 2.0 의 전환기에 있다.
Career Software 1.0 — 정적 명세
- 이력서: 사람이 직접 작성한 정적 문서
- LinkedIn: 사용자가 매번 갱신하는 정적 프로필
- 자기소개서: 회사마다 다시 쓰는 정적 텍스트
- 면접: 사람이 외운 답변 스크립트
이 모든 것이 사람이 직접 짠 코드 다. 정확하지만 무겁고, 갱신 비용이 크고, 회사를 옮기면 처음부터 다시.
Career Software 2.0 — 동적 가중치
- Personal Career Agent: 본인 데이터로 학습·갱신
- 동적 이력서: 새 프로젝트 자동 반영
- 시장 모니터링: 매주 본인 직무 트렌드 학습
- 면접 코치: 회사별 맞춤 답변 + 음성 시뮬
이 모든 것이 사람의 직업 데이터로 학습된 가중치 다. 가벼우며 자동 갱신, 회사 이동에 따라온다.
패러다임 전환의 5가지 함의
1. 사람의 시간이 어디 가나
1.0 시대 직장인은 자기 직업 정체성을 유지하는 데 상당한 시간을 쓴다 — 이력서 갱신, LinkedIn 게시, 자기소개서 다시 쓰기. 2.0 시대에는 PCA 가 이러한 반복적인 업무의 상당 부분을 흡수. 사람은 결정·관계·창작에 그 시간을 쓴다.
2. 직업 정체성의 소유
1.0: 회사·플랫폼이 직업 정체성 소유 (LinkedIn 등). 2.0: 사용자가 자기 PCA 소유. 데이터 소유의 이전 이 핵심 변화.
3. 채용 시장의 매칭 단위
1.0: 회사 ← 사람. 2.0: 회사 ← 사람×에이전트 페어. 매칭 단위가 한 단계 위로 올라간다.
4. 계층 재구성
1.0 시대 시니어: 회사 안의 정치·관계로 차곡차곡. 2.0 시대 시니어: PCA 의 누적 데이터로 검증된 사람. 계층 가속 이 일어난다.
5. 거인이 못 따라오는 영역
1.0 패러다임의 거인(LinkedIn·잡코리아) 은 2.0 으로 못 옮겨간다. 자기 데이터 소유 모델이 자기 사업 모델과 충돌하기 때문. 새 카테고리는 새 회사가 정의한다.
직장인이 지금 해야 할 5가지
| 액션 | 이유 |
|---|---|
| 본인 데이터 소유 챙김 | 회사 시스템 외 백업 |
| AI 활용 정량화 누적 | 2.0 의 가중치가 됨 |
| 신생 직군 모니터링 | 1.0 사라지는 직군 회피 |
| 5년 LTV 결정 | 1.0 안정 vs 2.0 가속 |
분석 요약
Karpathy 의 Software 1.0 → 2.0 패러다임은 직업 시장에 정확히 매핑된다. 1.0 의 거인이 2.0 으로 못 옮겨가는 그 빈자리에 카테고리 정의자가 들어간다. 신규 카테고리 정의자는 사용자 데이터 소유 + 검증 인프라 + 표준 수립의 3축이 강하다. 2.0 시대의 직업 인프라가 무엇이어야 하는지 정의되는 시기다.
결론 — 직업 정체성의 가중치 소유권 이전
Karpathy의 Software 2.0 패러다임은 단순 비유가 아니라 직업 시장의 실제 변동을 정확히 설명한다. 1.0의 본질이 사람이 직접 짠 정적 코드였다면, 2.0의 본질은 데이터로 학습된 가중치다. 이력서·LinkedIn·자기소개서·면접 답변이라는 1.0 산출물은, 본인 직업 데이터로 학습된 PCA(Personal Career Agent)라는 2.0 가중치로 점진적으로 대체된다.
이 전환의 핵심 변수는 데이터 소유권이다. 1.0에서는 LinkedIn·잡코리아 같은 플랫폼이 데이터를 소유한 채 직업 정체성을 대여해 줬다. 2.0에서는 사용자 본인이 자기 데이터를 소유하고, 그 데이터로 학습된 가중치가 회사를 옮길 때 함께 따라간다. 이건 채용 시장 매칭 단위가 사람 ← 회사에서 사람 + 에이전트 ← 회사로 한 단계 위로 올라간다는 뜻이다.
직장인이 지금 챙길 4가지:
- 데이터 소유권 — 회사 시스템 외부에 본인 작업 데이터 백업 (GitHub·노션·개인 클라우드).
- 정량화 누적 — AI 도구 활용 결과를 시간 절감·처리량·오류율로 측정·기록. 이 데이터가 2.0의 가중치가 된다.
- 검수 능력 동시 증명 — AI 출력을 그대로 받지 말고 검수·정정 능력을 본인 시그너처로 만든다. 빠르기 + 검수 두 축이 새 평가 표준.
- 5년 LTV — 1.0 안정 (현 직군 유지) vs 2.0 가속 (PCA·신생 직군 진입) 중 본인 5년 인생 변수에 맞는 선택.
마지막 1줄: 2.0 시대 직업 정체성은 회사가 빌려주는 게 아니라, 본인이 학습시킨 가중치다. 그 가중치를 1년에 얼마나 갱신했는가가 직업의 진짜 시장가를 결정한다.
외부 참고 출처
Software 2.0 패러다임·AI 에이전트·직업 시장 변동에 관한 1차 자료를 다음과 같이 권한다.
- Andrej Karpathy, Software 2.0 (Medium, 2017) + 후속 강연 — 패러다임 원본 1차 출처.
- World Economic Forum, Future of Jobs Report (2023, 2025) — 자동화·AI 의 직군별 영향.
- McKinsey Global Institute, The state of AI + Generative AI and the future of work.
- OECD, AI Policy Observatory + AI and the Workforce — 국가별 AI 정책·고용 영향.
- Anthropic / OpenAI / Google DeepMind 공식 연구 발표 — Agent·메모리·도구 사용.
- Stanford HAI, AI Index Report (연례) — 글로벌 AI 활용·투자·인력 통계.
- a16z, AI Agent State of the Industry — VC 관점의 에이전트 시장 분석.
