아마존이 21년 만에 메커니컬 터크를 닫습니다 — AI가 삼킨 '인공 인공지능'
AI 뉴스 SVIL 아마존 메커니컬터크 스케일AI 데이터라벨링 크라우드워크

아마존이 21년 만에 메커니컬 터크를 닫습니다 — AI가 삼킨 '인공 인공지능'

SVIL - Singularity Visual Intelligence Lab 18 min read

18세기 유럽에 체스를 두는 기계 인형이 있었습니다. 사람을 이기는 자동 기계라며 유럽 전역을 순회했지만, 실은 상자 안에 사람이 숨어 있었습니다. 이름은 메커니컬 터크(Mechanical Turk)였습니다.

2005년 아마존은 이 이름을 빌려 서비스를 하나 만들었습니다. 컴퓨터가 못 하는 작은 일을 사람에게 잘게 나눠 맡기는 시장이었습니다. 제프 베조스는 이것을 인공 인공지능(artificial artificial intelligence)이라고 불렀습니다.

그리고 2026년 8월 25일, 아마존은 이 서비스를 9월 30일에 닫는다고 밝혔습니다. 21년 만입니다. 닫는 이유가 이 뉴스의 핵심입니다. 사람이 대신해 주던 일을, 그 사람들이 학습시킨 기계가 하게 됐기 때문입니다.

거대한 어두운 공동 안에 작은 청록빛 형상 하나만 희미하게 빛나는 개념 이미지 — 기계 안에 숨어 있던 사람을 표현

기계 안에 사람이 있었다

메커니컬 터크라는 이름은 1770년에 만들어진 체스 두는 자동인형에서 왔습니다. 터번을 쓴 인형이 체스판 앞에 앉아 사람과 겨루는 장치였습니다.

관객들은 기계가 스스로 생각한다고 믿었습니다. 실제로는 상자 안 좁은 공간에 체스 고수가 숨어 인형의 팔을 조작하고 있었습니다.

아마존이 이 이름을 고른 것은 솔직한 선택이었습니다. 자동화된 것처럼 보이는 서비스 뒤에 사람이 있다는 사실을 이름에 그대로 담았습니다.

9월 30일에 문을 닫는다

아마존은 2026년 9월 30일에 메커니컬 터크를 종료한다고 발표했습니다. 회사는 자사 프로그램과 서비스에 대한 내부 검토 결과에 따른 결정이라고 설명했습니다.

발표는 8월 25일과 26일에 걸쳐 여러 매체를 통해 알려졌습니다. CNBC는 베조스가 인공 인공지능이라 부르던 서비스가 문을 닫는다는 제목을 달았습니다.

공식 종료까지 남은 시간은 약 다섯 주입니다. 그 안에 작업을 옮겨야 하는 이용자들이 있습니다.

천천히 좁아지는 어두운 문틈에서 마지막 청록 빛줄기가 사라져 가는 장면 — 서비스 종료

2005년에 시작된 것

메커니컬 터크는 2005년에 출시됐습니다. 아마존이 클라우드 사업을 본격화하기도 전입니다.

기업이 작은 디지털 작업을 올리면 전 세계의 개인이 그것을 골라 처리하고 건당 보수를 받는 구조였습니다. 지금 우리가 아는 긱 이코노미의 초기 형태 가운데 하나입니다.

당시로서는 낯선 발상이었습니다. 인터넷으로 노동을 초 단위, 건 단위로 쪼개 사고팔 수 있다는 생각 자체가 새로웠습니다.

베조스가 붙인 인공 인공지능이라는 이름

제프 베조스는 이 서비스를 인공 인공지능이라고 불렀습니다. 인공지능인 척하는 인공적인 구조라는 뜻의 말장난입니다.

이 표현이 오래 회자된 이유는 정확했기 때문입니다. 많은 AI 서비스가 초기에는 뒤에서 사람이 처리하는 방식으로 시작합니다.

20년이 지나 이 이름은 다른 의미로 읽힙니다. 사람이 흉내 내던 자리를 기계가 실제로 차지했고, 그래서 흉내 낼 사람이 필요 없어졌습니다.

어둠에 반쯤 묻힌 오래된 청록 톱니바퀴 무리 위로 빛의 먼지가 내려앉는 장면 — 21년 된 플랫폼의 노후

18세기 체스 기계에서 따온 이름

원래의 체스 기계는 결국 속임수였음이 밝혀졌습니다. 그러나 그 속임수가 남긴 질문은 오래 살아남았습니다. 지능처럼 보이는 것과 지능인 것을 어떻게 구별하는가.

이 질문은 지금 AI 논의에서도 그대로 반복됩니다. 대형 언어 모델이 이해하는 것인지, 이해하는 것처럼 보이는 것인지에 대한 논쟁이 그렇습니다.

이름 하나에 이만한 서사가 담긴 서비스가 흔치 않습니다. 종료 소식이 단순한 사업 정리 이상으로 읽히는 이유입니다.

인간 지능 작업이란 무엇인가

메커니컬 터크에 올라오는 일감은 공식적으로 휴먼 인텔리전스 태스크(Human Intelligence Task), 줄여서 HIT라고 불렸습니다.

이름 그대로 사람의 지능이 필요한 작업이라는 뜻입니다. 당시 컴퓨터가 하기 어려웠던 종류의 일들입니다.

한 건에 몇 센트에서 몇 달러 수준이었습니다. 작업 하나하나는 몇 초에서 몇 분이면 끝나는 크기였습니다.

한쪽 모서리를 따라 갈라진 매끈한 어두운 정육면체와 그 틈에서 떨리는 작은 청록 빛 — 기계 안의 사람이라는 은유

무엇을 하던 곳이었나

올라오는 일은 데이터 라벨링, 음성과 영상의 전사, 설문 응답 같은 것들이었습니다.

이미지에 무엇이 찍혔는지 표시하고, 녹음을 받아 적고, 문장의 감정이 긍정인지 부정인지 고르는 일이 전형적이었습니다.

학계에서도 널리 쓰였습니다. 심리학과 사회과학 연구에서 설문 응답자를 빠르게 모으는 표준 경로 가운데 하나였습니다.

AI 학습 데이터의 뒷마당

이 작업들이 무엇에 쓰였는지가 이 이야기의 아이러니입니다. 상당수가 기계학습 모델의 학습 데이터였습니다.

이미지 인식 모델은 사람이 붙인 라벨을 보고 배웠습니다. 음성 인식 모델은 사람이 받아 적은 전사를 보고 배웠습니다.

지금의 AI가 서 있는 바닥에는 이렇게 잘게 쪼개진 노동이 깔려 있습니다. 대부분 이름 없이, 건당 몇 센트로 기록됐습니다.

어둠으로 뻗은 청록과 검정의 체크무늬 격자 위로 한 칸만 떠올라 빛나는 정육면체 — 18세기 체스 기계

7월 30일 신규 고객을 끊다

종료의 첫 신호는 두 달 전에 있었습니다. AWS는 2026년 7월 30일 신규 고객 등록을 중단했습니다.

당시 워커들 사이에서는 곧 서비스가 닫힐 것이라는 해석이 돌았습니다. 실제로 그렇게 됐습니다.

신규 유입을 먼저 막고 몇 주 뒤 종료일을 공지하는 것은 서비스 정리의 전형적인 순서입니다.

세이지메이커 그라운드 트루스도 함께 닫힌다

같은 날 자매 서비스도 신규 고객을 받지 않게 됐습니다. 세이지메이커 그라운드 트루스(SageMaker Ground Truth)와 아마존 오그멘티드 AI입니다.

둘 다 데이터 라벨링과 사람 검토를 다루는 서비스입니다. 메커니컬 터크의 인력 풀을 기반으로 기업용 기능을 얹은 형태였습니다.

뿌리가 닫히니 그 위에 세운 서비스도 함께 정리되는 구조입니다. 아마존이 이 영역 전체에서 발을 빼는 그림에 가깝습니다.

무수한 미세한 청록 조각이 모여 거대한 어두운 팔면체의 윤곽을 그리는 장면 — 잘게 쪼개진 작업이 모여 만든 모델

왜 하필 지금 닫나

표면적인 이유는 이용 감소입니다. 최근 몇 년간 아마존은 이 플랫폼에 자원을 거의 투입하지 않았고, 서비스는 쇠퇴 상태였다고 전해집니다.

경쟁 서비스들이 등장해 워커들을 데려간 것도 이유로 꼽힙니다. 더 나은 보수와 관리 체계를 제시한 곳들이 나타났습니다.

하지만 더 근본적인 이유는 따로 있습니다. 이 플랫폼이 존재해야 할 전제 자체가 무너졌습니다.

모델이 스스로 할 수 있게 되다

메커니컬 터크의 전제는 컴퓨터가 못 하는 일이 있다는 것이었습니다. 이미지 분류, 전사, 감정 판별이 그런 일이었습니다.

지금은 대부분 모델이 사람보다 빠르고 싸게 처리합니다. 그것도 이 플랫폼에서 만들어진 데이터로 학습한 모델이 말입니다.

자기가 학습시킨 대상에게 자리를 내준 셈입니다. 21년 만에 순환이 한 바퀴 돌았습니다.

광대한 검은 공간에 서로 떨어져 흩뿌려진 미세한 청록 불빛들 — 전 세계에 흩어진 개별 작업자

워커가 대형언어모델을 쓰기 시작했다

더 결정적인 문제가 있었습니다. 워커들이 작업을 처리할 때 AI를 쓰기 시작한 것입니다.

이렇게 되면 플랫폼의 존재 이유가 사라집니다. 사람의 판단을 사려고 돈을 냈는데 실제로 오는 것은 모델의 출력이기 때문입니다.

체스 기계 안에 사람이 숨어 있던 이야기가, 이번에는 사람인 척하는 기계로 뒤집혔습니다.

33에서 46퍼센트라는 조사 결과

2023년의 한 연구는 메커니컬 터크 워커의 33~46퍼센트가 작업에 대형 언어 모델을 사용하기 시작했다고 보고했습니다.

절반에 가까운 수치입니다. 이 결과가 알려지자 연구 목적으로 이 플랫폼을 쓰던 학계에서 데이터 신뢰도 문제가 제기됐습니다.

플랫폼이 공급하기로 한 것은 인간이 만든 데이터였는데, 그 품질이 무너진 것입니다.

어둠 속에 우뚝 선 밝은 청록 기둥과 그 아래 겨우 보이는 흐릿한 조각들의 기반 — AI가 딛고 선 노동의 바닥

데이터 품질이 무너진 자리

AI 학습 데이터에서 품질은 양보다 중요합니다. 잘못된 라벨은 모델을 잘못된 방향으로 학습시킵니다.

모델이 만든 데이터로 모델을 학습시키면 오류가 누적되는 문제도 알려져 있습니다. 사람의 판단이 섞여야 할 자리에 기계의 출력이 들어가면 그 위험이 커집니다.

결국 시장은 검증된 인력과 품질 관리 체계를 갖춘 쪽으로 옮겨갔습니다. 열린 광장 방식은 그 요구를 감당하지 못했습니다.

스케일 AI 머커 프롤리픽의 등장

이 자리를 채운 것이 스케일 AI(Scale AI), 머커(Mercor), 프롤리픽(Prolific) 같은 회사들입니다.

이들은 AI 학습을 위해 인력을 모집하고 관리합니다. 누구나 들어와 아무 작업이나 하는 구조가 아니라, 선별된 인력에게 특정 작업을 맡기는 방식입니다.

앱펜(Appen), 사마(Sama) 같은 관리형 데이터 라벨링 업체들도 기업용 AI 학습 데이터 시장에서 자리를 잡았습니다.

넓은 청록 광선과 그 주위의 수많은 가는 선들이 멀리 있는 새 목적지로 휘어져 나아가는 장면 — 다른 플랫폼으로의 이주

관리형 라벨링이 이긴 이유

차이는 품질 관리에 있습니다. 관리형 업체는 작업자의 이력을 확인하고, 결과를 교차 검증하고, 필요하면 전문 분야 인력을 배정합니다.

AI 모델이 고도화될수록 요구되는 데이터도 어려워집니다. 의료 영상 판독이나 코드 리뷰처럼 전문성이 필요한 작업이 늘었습니다.

몇 센트짜리 단순 작업을 대량으로 처리하는 시장은 줄고, 비싸고 정교한 작업 시장이 커졌습니다. 메커니컬 터크는 전자에 최적화된 구조였습니다.

남은 다섯 주 동안 옮겨야 하는 것들

아직 메커니컬 터크로 라벨링이나 평가 작업을 돌리던 기업들은 약 다섯 주 안에 다른 곳으로 옮겨야 합니다.

대안으로 거론되는 곳은 스케일 AI, 머커, 프롤리픽 등입니다. 다만 각각 가격 구조와 작업 방식이 달라 그대로 옮기기는 어렵습니다.

특히 학술 연구자들에게는 부담이 큽니다. 진행 중인 연구의 데이터 수집 경로가 중간에 끊기는 상황이 생길 수 있습니다.

깊은 어둠 속 나란히 놓인 두 개의 청록 등이 같은 순간에 함께 어두워지는 장면 — 자매 서비스의 동반 종료

워커들에게는 무슨 일이 생기나

플랫폼이 닫히면 거기서 수입을 얻던 사람들의 일감이 사라집니다. 규모가 예전만 못하다 해도 여전히 쓰던 사람들이 있습니다.

메커니컬 터크는 오랫동안 낮은 보수와 불투명한 심사 절차로 비판받아 왔습니다. 그럼에도 진입 장벽이 낮아 다른 선택지가 마땅치 않은 사람들에게는 통로 역할을 했습니다.

관리형 플랫폼으로 옮기는 것이 모두에게 가능한 것은 아닙니다. 선별 절차가 있기 때문입니다.

크라우드워크 21년이 남긴 것

메커니컬 터크는 크라우드워크라는 노동 형태를 대중화했습니다. 그 뒤로 나온 수많은 긱 플랫폼이 이 모델을 참고했습니다.

동시에 이 분야의 문제들도 여기서 처음 드러났습니다. 최저임금 적용을 받지 않는 구조, 일방적인 작업 거부, 계정 정지에 대한 이의 절차 부재 같은 것들입니다.

플랫폼 노동을 둘러싼 지금의 논의 상당수가 이곳의 사례를 출발점으로 삼고 있습니다.

큰 청록 고리가 더 작고 흐린 고리들을 안으로 끌어들여 흡수하는 장면 — 관리형 플랫폼으로의 시장 재편

연구자들에게는 다른 손실

학계에서 이 플랫폼은 저렴하고 빠른 피험자 모집 경로였습니다. 수백 명의 응답을 며칠 만에 모을 수 있었습니다.

물론 표본의 대표성 문제는 오래 지적돼 왔습니다. 특정 국가와 연령대에 치우쳐 있다는 비판입니다.

그럼에도 이 경로가 사라지면 소규모 연구실은 대안을 찾기 어렵습니다. 관리형 플랫폼은 대체로 더 비쌉니다.

AI가 자기 발판을 치운다는 것

이 뉴스가 상징적인 이유는 순서 때문입니다. AI가 사람의 일을 대체한다는 이야기는 많았지만, 대체 대상이 AI를 만든 바로 그 노동인 경우는 드뭅니다.

메커니컬 터크의 워커들이 붙인 라벨이 모델을 만들었고, 그 모델이 라벨 붙이는 일을 가져갔습니다. 사다리를 올라간 뒤 사다리를 치운 셈입니다.

앞으로도 비슷한 일이 반복될 가능성이 큽니다. 지금 AI를 학습시키는 데 쓰이는 작업들이 다음 차례일 수 있습니다.

어둠 속에 솟은 세 개의 매끈한 청록 기둥과 그 발치에서 흩어져 멀어지는 흐릿한 조각들 — 소수의 승자와 흩어진 작업자

저시력 사용자에게 이 뉴스가 닿는 지점

이미지 설명(alt 텍스트)은 오랫동안 사람이 붙여 왔습니다. 그 작업의 상당 부분이 크라우드워크 플랫폼을 거쳤습니다.

지금은 모델이 이미지를 보고 설명을 만듭니다. 속도와 비용에서 비교가 되지 않고, 그래서 훨씬 많은 이미지에 설명이 붙게 됐습니다.

다만 사람이 붙인 설명과 모델이 만든 설명은 성격이 다릅니다. 모델은 보이는 것을 나열하는 데 강하고, 무엇이 중요한지 판단하는 데는 약합니다. 이 격차를 메우는 일은 여전히 사람의 몫으로 남아 있습니다.

남은 질문

첫째, 사람의 판단이 여전히 필요한 영역은 어디까지인가. 모델 평가와 정렬 작업에는 아직 사람이 깊이 관여합니다.

둘째, 그 일을 하는 사람들의 조건은 개선되고 있는가. 관리형 플랫폼은 선별을 하지만 보수와 안정성이 자동으로 나아지는 것은 아닙니다.

셋째, 학습 데이터에 모델의 출력이 섞이는 문제를 어떻게 걸러낼 것인가. 메커니컬 터크가 마주친 이 문제는 플랫폼이 닫혀도 사라지지 않습니다.

어둠에 높이 떠 있는 밝은 청록 쐐기와 그 아래에서 녹아 사라지는 흐린 계단 — 발판을 치운 자리

핵심 정리

아마존이 메커니컬 터크를 2026년 9월 30일에 종료합니다. 2005년 출시 이후 21년 만이며, 7월 30일부터 이미 신규 고객을 받지 않았습니다.

자매 서비스인 세이지메이커 그라운드 트루스와 아마존 오그멘티드 AI도 같은 날 신규 고객 등록이 중단됐습니다.

종료 배경은 모델의 성능 향상으로 사람이 하던 작업이 자동화된 것, 그리고 2023년 조사에서 워커의 33~46퍼센트가 대형 언어 모델을 사용해 데이터 품질이 훼손된 것입니다.

이용 기업들은 약 다섯 주 안에 스케일 AI, 머커, 프롤리픽 등으로 옮겨야 합니다. 시장은 열린 광장형에서 검증된 인력을 쓰는 관리형으로 이동했습니다.

참고하실 만한 것

AI 학습 데이터를 다루시는 분이라면, 수집 경로에 모델 출력이 섞이지 않았는지 확인하는 절차를 갖추시길 권합니다. 이번 사례가 보여 준 것이 정확히 그 위험입니다.

SVIL은 로컬 우선 AI 워크플로우와 저시력 접근성 도구를 만들면서, 자동 생성된 설명이 사람의 판단을 어디까지 대신할 수 있는지를 계속 실험하고 있습니다.

블로그의 다른 글에서도 AI와 노동, 데이터 윤리 문제를 여러 각도에서 다뤘습니다. 관심 있으시면 이어서 읽어 보시길 권합니다.

출처

협업문의 : kuroicode@gmail.com
블로그 : https://blog.svil.dev/
홈페이지 : https://svil.dev/