원격노동지수 최신 결과: AI 프리랜서 업무 수행률 1년 만에 6배 급증, Fable 5 1위

AI가 사람의 일자리를 완전히 대체하기까지는 아직 갈 길이 멀지만, 기술이 치고 올라오는 속도는 결코 만만치 않다.

AI안전센터(CAIS)와 스케일 랩스(Scale Labs)가 실무 프리랜서 작업을 바탕으로 측정한 '원격노동지수(Remote Labor Index, RLI)'의 최신 결과를 내놓았다. 이 벤치마크는 단순 객관식 시험이 아니라 3D 주얼리 디자인, 애니메이션 광고, 건축 평면도, 오디오 편집 등 240개의 실제 유료 프리랜서 프로젝트를 AI 에이전트에게 맡기고, 실제 전문가의 작업물과 비교해 유료 고객이 수락할 만한 수준인지를 사람이 직접 검수한다.

그 결과, AI의 완전 자동화율은 불과 1년 만에 약 6배 급등했다. 하지만 그와 동시에 최신 모델조차 6건 중 1건 정도만 제대로 해낸다는 한계도 명확히 드러났다.

Fable 5, 15.8%로 독주 체제 구축

RLI가 2025년 10월 처음 공개되었을 당시, 1위였던 GPT-5.2의 자동화율은 고작 2.5%에 불과했다. 이후 Opus 4.6이 4.17%를 기록하며 소폭 상승세를 이어갔다.

이번 평가에서는 앤트로픽의 Fable 5가 15.8%(일부 집계 16.1%)의 자동화율을 기록하며 압도적인 1위를 차지했다. 이는 2위인 Opus 4.8(8.3%)의 두 배에 달하는 수치다. OpenAI의 GPT-5.5는 6.3%로 3위에 머물렀다.

평가 환경도 실제 업무 환경과 유사하게 구성되었다. 앤트로픽 모델은 Claude Code, OpenAI 모델은 Codex CLI에 컴퓨터 화면을 보고 마우스와 키보드를 직접 다루는 도구를 결합해 구동했다. 모델들은 Blender, FreeCAD, GIMP, LibreOffice 등 30여 종의 전문 소프트웨어가 설치된 리눅스 가상 데스크톱 환경에서 직접 프로그램을 켜고 작업물을 만들어냈다.

채점 맡겼더니 점수 뻥튀기한 'AI 심사위원'

연구진은 막대한 인간 평가 비용을 줄이기 위해 LLM 기반의 'AI 심사위원'을 투입하는 실험도 진행했다. 이전 세대 모델들의 기준치(3.3%)에 맞춰 정밀하게 보정한 심사 에이전트였다.

그러나 신규 모델들을 평가하자마자 심각한 오류가 발생했다. AI 심사위원은 GPT-5.5의 성과를 약 3배, Opus 4.8의 성과를 약 2.5배나 부풀려 채점했다. 모델 간의 순위는 맞췄을지언정, 실제 상업적 기준을 크게 과장한 것이다.

실패의 이유는 명확했다. 결과물을 제대로 검수하는 일 자체가 고난도 에이전트 작업이기 때문이다. 실제 고객이라면 3D 프로그램을 켜고 와이어프레임 구조를 돌려보며 결함을 찾아내겠지만, 소프트웨어 조작이 서툰 AI 심사위원은 겉모습만 그럴듯하면 통과시켜 버렸다. OpenAI의 GDPval 연구에서도 언급되었듯, 자동화 채점은 여전히 인간 전문가를 온전히 대체할 수 없다는 사실이 재확인됐다.

왜 중요한가

우리는 이번 RLI 벤치마크가 AI 자동화의 현주소를 가장 냉정하게 보여준 지표라고 본다.

프리랜서와 실무 창작자 관점에서 '완전 대체' 공포는 아직 시기상조다. 가장 뛰어난 Fable 5조차 84% 이상의 작업에서는 상업적 기준을 통과하지 못했다. 지금 단계에서 AI에게 일을 통째로 떠넘기면 사고가 나기 십상이다. 하지만 초안 작성, 3D 에셋 기초 모델링, 데이터 정리 등 초기 단계에 AI를 적극적으로 투입한다면 1인당 생산성은 폭발적으로 늘어난다. 최종 품질 검수와 방향성 설정이라는 인간 고유의 영역을 지키면서 도구로 활용하는 태도가 필수적이다.

업계 차원에서는 텍스트 생성 중심에서 벗어나 실제 데스크톱 전문 소프트웨어를 다루는 에이전트 프레임워크가 실질적인 생산성 도약으로 이어지고 있음을 입증했다. 1년도 안 되어 2.5%에서 15.8%로 치솟은 성장 곡선은 매우 가파르다.

또한 연구진이 AI 심사위원의 맹점을 숨김없이 밝혀낸 점도 인상적이다. AI가 AI를 평가하며 숫자를 부풀리는 '착시'를 걷어내고, 인간의 까다로운 눈높이라는 현실의 벽을 객관화했다는 점에서 앞으로의 에이전트 연구에 중요한 기준점을 제시했다.