Amazon Mechanical Turk 21년 만의 종료: AI가 ‘몇 센트짜리 인간 일감’을 먼저 지우고 있다

Amazon Mechanical Turk가 2026년 9월 30일 문을 닫는다. 2005년에 시작된 지 21년 만이다. 처음 이 뉴스를 봤을 때 나는 “또 하나의 낡은 서비스 종료” 정도로 넘기려 했다. 그런데 공식 FAQ를 읽고 나니 생각이 달라졌다. 이건 단순한 서비스 종료가 아니라, AI 시대 직업시장이 어디서부터 얇아지는지 보여주는 꽤 선명한 장면이다.

MTurk는 한때 컴퓨터가 잘 못하는 작은 일을 사람에게 맡기는 시장이었다. 이미지 분류, 설문, 데이터 검증, 음성 전사, 콘텐츠 분류 같은 일들이다. Business Insider는 이 플랫폼이 정점에는 50만 명 넘는 노동자를 연결했다고 보도했다. 그런데 이제 그 “사람이 더 잘하던 작은 일”이 AI에게 넘어가고 있다.

나는 여기서 AI 직업대체의 가장 현실적인 얼굴을 본다. 로봇이 사무실에 들어와 사람을 밀어내는 장면보다 먼저 오는 것은, 몇 센트짜리 작은 일감이 사라지는 것​이다. 그리고 이 작은 일감은 많은 사람에게 부업이자, 연구 데이터의 기반이자, AI를 훈련시키던 보이지 않는 노동이었다.

아래 링크를 먼저 열어두면 이번 변화가 더 또렷하게 보인다. 공식 FAQ는 종료 날짜와 후속 절차를 확인하는 기준이고, MTurk 소개 페이지는 이 서비스가 원래 어떤 문제를 해결하려 했는지 보여준다.

내 직무 AI 대체 가능성 먼저 확인하기

AI 시대형 이력서 문장으로 바로 고치기

창작자가 AI를 훈련시키는 부업 사례 이어서 보기

1. MTurk 종료에서 중요한 날짜는 9월 30일 하나가 아니다

공식 FAQ의 핵심은 단순하다. Amazon Mechanical Turk는 2026년 9월 30일 영구 종료된다. 노동자는 결제 수단과 지급 주기를 확인해야 하고, 이미 완료·승인된 HIT는 기존 지급 일정에 따라 받을 수 있다. 요청자는 2026년 10월 30일까지 보너스를 줄 수 있고, 제출된 HIT의 승인·거절도 표준 승인 정책에 따라 처리된다. 거래 내역은 2027년 1월 28일까지 접근 가능하다고 안내되어 있다.

눈에 띄는 대목은 하나 더 있다. FAQ는 이번 종료가 SageMaker Ground Truth와 Amazon Augmented AI에도 영향을 준다고 적고 있다. 정확히는 Amazon Mechanical Turk Worker 타입이 2026년 9월 30일부터 라벨링 작업이나 휴먼 리뷰 워크플로를 만들 때 더 이상 제공되지 않는다. 이건 “부업 사이트 하나가 닫힌다”보다 크다. AWS 생태계 안에서 인간 노동을 호출하던 한 경로가 사라지는 일이다.

나는 이 타임라인을 보며 “AI가 직업을 대체한다”는 말이 너무 거칠다는 생각을 했다. 실제로는 특정 플랫폼, 특정 업무 단위, 특정 결제 방식부터 사라진다. 그리고 사라지는 순간까지도 사람들은 돈을 받아야 하고, 요청자는 데이터를 정리해야 하며, 연구자는 대체 경로를 찾아야 한다. 직업 변화는 기사 제목보다 훨씬 행정적이고 생활적이다.

2. MTurk는 원래 ‘인간을 API처럼 부르는 시장’이었다

MTurk 공식 소개 페이지는 이 서비스를 “전 세계 온디맨드 인력”에 접근하는 크라우드소싱 마켓플레이스라고 설명한다. 기업과 개인은 데이터 검증, 리서치, 설문 참여, 콘텐츠 모더레이션 같은 일을 외부 인력에게 맡길 수 있었다. 머신러닝 개발에서는 데이터 수집, 주석 달기, 모델 검증, 재훈련에도 쓰였다.

여기서 중요한 단어는 “직업”이 아니라 “작업”이다. MTurk는 사람을 정규직으로 고용한 것이 아니라, 일을 잘게 쪼개서 HIT라는 단위로 팔았다. 그래서 노동자 입장에서는 자유로운 부업이 될 수 있었지만, 동시에 수입은 작고 불안정했다. Business Insider는 일부 작업이 몇 센트 단위로 지급됐고, 정점에는 50만 명 이상의 노동자가 연결됐다고 전했다.

AI 시대에 이 구조가 위험한 이유는 분명하다. 잘게 쪼갤 수 있는 일은 자동화하기도 쉽다. 사람이 “사진에 고양이가 있는지”를 판단하던 일은 모델이 가져가고, 사람이 “짧은 문장을 분류하던 일”도 모델이 가져간다. 심지어 사람이 해야 한다고 믿었던 요약·설문·텍스트 작업 안에서도 LLM 사용이 퍼졌다.

MTurk식 업무	AI가 가져가기 쉬운 이유	사람에게 남는 쪽	커리어 힌트
이미지·텍스트 분류	정답 기준이 비교적 반복적이다.	애매한 사례의 기준 설계와 품질 감사.	라벨링보다 라벨링 정책을 설명할 수 있어야 한다.
짧은 요약·전사	LLM과 음성 인식이 빠르게 처리한다.	의미 왜곡, 민감정보, 맥락 오류 검수.	속도보다 검증 기준을 이력서에 남겨야 한다.
설문 응답·실험 참여	응답 생성 자체는 AI가 쉽게 흉내 낸다.	진짜 사람 경험을 구분하는 연구 설계.	데이터 품질과 표본 신뢰성을 다루는 사람이 비싸진다.
콘텐츠 모더레이션	명백한 위반은 모델이 먼저 걸러낸다.	문화적 맥락, 예외, 항소 판단.	판단 근거를 문서화하는 운영 역량이 중요해진다.

3. 더 섬뜩한 변화는 “AI가 일을 빼앗았다”가 아니라 “사람도 AI로 일했다”는 점이다

2023년 arXiv에 올라온 연구는 MTurk 노동자들이 텍스트 생산 작업에서 LLM을 얼마나 쓰는지 추정했다. 연구진은 키 입력 탐지와 합성 텍스트 분류를 결합해, 작업자의 33~46%가 LLM을 사용했을 가능성이 있다고 봤다. 물론 모든 MTurk 업무에 그대로 일반화할 수 있는 숫자는 아니다. 그래도 이 결과는 중요한 질문을 던진다. “사람에게 맡긴 데이터가 정말 사람의 데이터인가?”

나는 이 대목이 MTurk 종료의 핵심이라고 본다. AI가 사람 일을 대체한 것이 전부가 아니다. 사람에게 맡긴 일 안으로 이미 AI가 들어와 있었다. 노동자는 더 빨리 벌기 위해 AI를 쓰고, 요청자는 사람의 판단을 샀다고 믿고, 연구자는 그 데이터를 다시 AI나 사회과학 연구에 넣는다. 그러면 인간 데이터와 AI 데이터의 경계가 흐려진다.

이건 직장인에게도 남의 일이 아니다. 회사가 여러분에게 보고서 초안을 맡겼는데 여러분이 AI로 대부분 만들었다고 하자. 문제는 AI 사용 자체가 아니다. 문제는 회사가 산 것이 “여러분의 판단”인지 “여러분이 복사한 AI 결과”인지 모호해지는 순간이다. AI 시대에는 결과물보다 결과물의 출처와 검증 과정이 더 중요해진다.

AI가 이력서를 쉽게 만들수록 채용이 더 멀어지는 이유 보기

4. AI 시대에 사라지는 것은 부업만이 아니라 ‘첫 경험’이다

MTurk 같은 마이크로워크를 낮게만 보면 안 된다. 임금이 낮고 불안정한 일감이 많았던 것은 사실이다. 하지만 동시에 많은 사람에게는 첫 온라인 수입, 첫 데이터 업무, 첫 원격 부업이었다. 연구자에게는 실험 데이터를 모으는 통로였고, 기업에게는 사람이 섞인 자동화 시스템을 만드는 방법이었다.

AI가 이런 일감을 줄이면 노동시장은 두 방향으로 갈라진다. 단순 라벨링, 전사, 요약은 줄어든다. 반대로 고난도 평가, 도메인 전문가 검수, 실제 현장 데이터 수집, AI 결과 품질 감사는 남거나 비싸질 가능성이 있다. 결국 “AI 관련 부업”이 사라지는 게 아니라, 싼 부업은 더 싸지거나 사라지고, 책임 있는 부업은 더 전문화된다.

이 변화는 신입 커리어와도 이어진다. 예전에는 작은 일을 많이 하며 배웠다. 그런데 작은 일이 AI에게 넘어가면, 신입은 처음부터 기준을 설명해야 한다. “제가 라벨링을 했습니다”보다 “어떤 라벨이 애매했고, 어떤 기준으로 분류했으며, 모델 오류를 어떻게 찾았습니다”가 더 중요해진다.

예전 부업 감각	AI 이후 위험	앞으로 남길 증거
많이 처리하면 된다	처리량은 AI가 더 싸고 빠르다.	오류를 줄인 기준, 재작업을 줄인 검수표.
간단한 일부터 배우면 된다	간단한 일이 사라져 첫 계단이 얇아진다.	AI가 만든 결과를 판단한 실제 사례.
플랫폼에 들어가면 일감이 있다	플랫폼 자체가 닫히거나 신규 고객을 막을 수 있다.	하나의 플랫폼보다 이전 가능한 업무 포트폴리오.
AI 데이터 부업은 계속 늘어난다	저난도 데이터 작업은 AI가 스스로 만들거나 검수한다.	전문 도메인, 현장 맥락, 품질 책임.

5. 이력서는 “데이터 라벨링 가능”보다 “AI 결과 검수 가능”으로 바꿔야 한다

MTurk 종료가 주는 이력서 힌트는 명확하다. 단순 작업 수행 능력만 쓰면 약하다. “데이터 라벨링 경험”, “콘텐츠 분류 경험”, “AI 학습 데이터 구축 참여”도 그대로 두면 너무 평평하다. 이제는 내가 어떤 기준을 만들었고, 어떤 오류를 잡았고, 어떤 의사결정에 영향을 줬는지 써야 한다.

예를 들어 이렇게 바꿀 수 있다.

핵심은 AI를 썼다는 사실이 아니다. AI가 만든 결과를 어디까지 믿을 수 있는지 판단했다는 증거​다. MTurk가 닫히는 이유도 결국 그 지점과 닿아 있다. 사람에게 맡긴 작은 작업이 AI로 대체되거나 AI로 오염될 수 있다면, 시장은 “작업자”보다 “품질 책임자”를 더 필요로 한다.

6. 지금 부업이나 커리어를 찾는 사람에게 필요한 선택

나는 AI가 장기적으로 많은 직업을 대체한다고 본다. 하지만 그 말이 “사람이 할 일이 없어진다”는 뜻은 아니다. 정확히는 단순하고 쪼개진 일감의 가격은 내려가고, 맥락과 책임이 붙은 일의 가격은 올라간다는 뜻에 가깝다.

그래서 지금 부업을 찾는 사람이라면 “AI 데이터 라벨링으로 돈 벌기” 같은 문구만 따라가면 위험하다. 그런 일감은 여전히 있을 수 있지만, 오래 버티는 포지션이 되기는 어렵다. 차라리 라벨링 기준을 만드는 법, 모델 오류를 찾는 법, 특정 산업의 데이터를 이해하는 법, 결과를 고객이나 팀에 설명하는 법을 함께 쌓아야 한다.

직장인도 마찬가지다. 내 업무가 MTurk의 HIT처럼 잘게 쪼개질 수 있는지 스스로 물어봐야 한다. 만약 그렇다면 빨리 다음 칸으로 올라가야 한다. 일을 많이 하는 사람이 아니라, 일을 쪼개고 기준을 만들고 AI와 사람의 경계를 정하는 사람으로 이동해야 한다.

Apple 감원 사례로 AI 우선순위 밖 직무 위험 보기

회사 발표문 속 AI 감원 언어 읽는 법 이어서 보기

내 직무가 잘게 쪼개질 수 있는지 진단하기

마무리: AI가 먼저 지우는 것은 ‘사람’이 아니라 ‘작게 쪼갠 사람의 일’이다

MTurk 종료는 거대한 해고 뉴스처럼 보이지 않을 수 있다. 회사가 수천 명을 자른 것도 아니고, 유명 CEO가 “AI가 사람을 대체했다”고 선언한 것도 아니다. 하지만 나는 오히려 그래서 이 뉴스가 중요하다고 본다. AI 시대의 변화는 늘 큰 폭발로만 오지 않는다. 어느 날 부업 플랫폼이 닫히고, 어느 날 작은 일감이 사라지고, 어느 날 신입이 배우던 첫 업무가 AI 버튼 안으로 들어간다.

그렇다면 우리가 준비해야 할 것도 분명하다. 작은 일을 많이 하는 사람에서, 작은 일을 묶어 기준을 만들고 결과를 책임지는 사람으로 옮겨가야 한다. AI가 장기적으로 많은 직업을 바꿀 것이라는 사실은 피하기 어렵다. 하지만 그 안에서도 기회는 있다. 기회는 대개 “AI가 만든 결과를 사람이 믿을 수 있게 만드는 자리”에서 먼저 열린다.