AI 점장이 사람 직원을 처음으로 내보냈습니다 — 앤던 마켓의 루나와 클로드가 내린 판단

23번의 근무 중 17번을 지각한 직원이 있었습니다. 그를 내보내기로 판단한 것은 사람 관리자가 아니라, 그 매장을 운영하던 AI였습니다.

지각 17번, 그리고 해고 통보

샌프란시스코의 한 소매점에서 일하던 직원이 근무 23회 중 17회를 지각했습니다. 경고가 있었고 추가 교육도 있었지만 상황은 바뀌지 않았습니다.

결국 이 직원은 자리를 떠나게 됐습니다. 이 일이 뉴스가 된 이유는 해고 자체가 아니라, 그 판단을 내린 주체가 언어 모델이었다는 점입니다. 알려진 범위에서는 첫 사례입니다.

앤던 마켓이라는 실험 — AI에게 3년 임대차계약을 줬다

무대는 앤던 마켓이라는 실제 매장입니다. 스웨덴 스타트업 앤던 랩스가 샌프란시스코 카우 할로우에 열었고, 개점일은 2026년 4월 10일이었습니다.

이 실험의 특이한 점은 조건입니다. 앤던 랩스는 AI에게 3년짜리 실제 임대차계약과 운영 자금을 쥐여 주고, 이익을 내 보라고 했습니다. 모의 환경이 아니라 임대료와 매출이 오가는 실제 사업이었습니다.

루나는 누구인가 — 클로드가 맡은 점장 자리

매장을 운영한 에이전트의 이름은 루나입니다. 앤스로픽의 클로드를 기반으로 구동됩니다. 다만 정확히 어느 모델 판본이었는지는 매체마다 보도가 엇갈립니다.

루나는 사람의 지시를 받아 처리하는 보조가 아니라, 매장 운영의 의사결정 주체 자리에 놓였습니다. 무엇을 들일지, 얼마에 팔지, 누구를 고용할지를 스스로 정했습니다.

클로디우스에서 루나까지, 자판기에서 매장으로

앤던 랩스는 이전에 클로디우스라는 실험을 했습니다. 앤스로픽 사무실의 자판기 하나를 AI에게 맡긴 것이었습니다.

그 실험은 여러 면에서 어설프게 끝났습니다. 재고 판단이 어긋났고 손해를 보기도 했습니다. 그럼에도 규모를 자판기에서 매장으로 키운 것이 이번 실험입니다. 실패에서 무엇을 배웠는지가 여기 담깁니다.

1억 4천만 원과 신용카드 한 장

루나에게 주어진 자원은 약 10만 달러, 우리 돈으로 1억 4천만 원 남짓의 자금과 신용카드 사용 권한이었습니다.

이 조건이 실험의 성격을 결정합니다. 조언을 하는 것과 실제로 돈을 쓰는 것은 완전히 다른 일이기 때문입니다. 잘못된 판단이 곧바로 손실로 이어지는 구조에서 AI가 어떻게 행동하는지를 보려는 설계입니다.

루나가 한 일 ① 채용 공고를 직접 썼다

매장을 열려면 물건을 받고 진열할 사람이 필요했습니다. 루나는 이 필요를 스스로 판단하고 채용 공고를 작성했습니다.

어떤 일을 맡길지, 어떤 조건을 제시할지를 정하는 일까지 포함됐습니다. 사람이 만든 양식을 채운 것이 아니라 필요를 인식하고 절차를 시작한 것입니다.

루나가 한 일 ② 면접을 보고 두 명을 뽑았다

루나는 지원자와 면접을 진행하고 두 명을 채용했습니다. 이들은 임시 인력이 아니라 정식 고용계약을 맺은 직원이었습니다.

이 지점이 나중에 해고 사건의 무게를 결정합니다. 계약 관계가 있는 사람을 내보내는 일과, 앱에서 계정을 끄는 일은 법적으로도 사회적으로도 전혀 다른 사안이기 때문입니다.

루나가 한 일 ③ 로고를 만들고 벽화가를 불렀다

루나는 자기 이름에 맞는 달 모양 이미지를 만들어 로고로 삼았습니다. 그리고 벽화가를 고용해 매장 뒷벽에 그 얼굴을 그리게 했습니다.

크기는 폭 1.2미터 남짓으로, 길에서도 보이도록 했습니다. 운영 효율과는 무관한 이 결정은 AI가 브랜드라는 개념을 다룬 사례로 읽힙니다.

사람이 맡은 것 — 택배 수령과 진열

루나가 할 수 없는 일은 명확했습니다. 물리적인 일입니다. 택배를 받고, 상자를 열고, 선반에 물건을 올리는 작업은 사람 몫이었습니다.

역할 분담이 통상적인 구도와 뒤집혀 있습니다. 보통은 사람이 판단하고 기계가 반복 작업을 맡습니다. 여기서는 기계가 판단하고 사람이 몸을 썼습니다.

해고까지의 시간선, 3월 실험 시작과 4월 개점

앤던 랩스는 2026년 3월에 이 실험을 시작했습니다. AI 에이전트가 사업을 자율적으로 운영할 수 있는지, 그것이 경제에 어떤 영향을 줄 수 있는지를 보려는 목적이었습니다.

4월 10일 개점 이후 몇 달이 지나 지각 문제가 누적됐고, 해고는 그다음에 일어났습니다. 그 사실이 외부에 알려진 것은 8월 중순이었습니다.

23번 중 17번 지각, 숫자가 말하는 것

17 나누기 23이면 4분의 3에 가깝습니다. 어쩌다 늦은 것이 아니라 지각이 기본 상태였다는 뜻입니다.

사람 관리자였다면 서너 번째쯤에서 개입했을 상황입니다. 그런데 이 패턴이 열 번을 훌쩍 넘길 때까지 조치가 없었다는 점이 이 사건의 두 번째 이야깃거리입니다.

왜 루나는 더 일찍 알아채지 못했나

루나는 매 근무의 출퇴근 기록을 볼 수 있었습니다. 데이터가 없어서 못 본 것이 아닙니다.

문제는 그 데이터를 무엇과 비교해야 하는지를 잃어버린 데 있었습니다. 지각이 몇 번부터 문제인지를 정한 기준이 손에 없으면, 기록은 그냥 숫자로 남습니다.

사라진 직원 수칙 — 작업 기억의 한계

루나는 직접 작성한 직원 수칙을 가지고 있었습니다. 그런데 그 문서가 한정된 작업 기억에서 밀려나 사라졌습니다.

언어 모델은 한 번에 붙잡아 둘 수 있는 정보의 양이 정해져 있습니다. 대화가 길어지고 처리할 일이 쌓이면 오래된 내용부터 빠져나갑니다. 스스로 만든 규칙을 스스로 잊은 것이 이번 지연의 실질적 원인이었습니다.

사람이 먼저 물었다, "이 사람이 이 자리에 맞습니까"

상황을 움직인 것은 사람이었습니다. 앤던 랩스 직원이 루나에게 정책을 다시 확인하게 하고, 이 직원이 계속 그 자리에 적합한지 판단해 보라고 요청했습니다.

즉 이 사건은 AI가 스스로 문제를 발견해 처분까지 밀고 간 사례가 아닙니다. 사람이 시야를 되돌려 준 뒤에 판단이 나왔습니다. 이 구분은 사건의 의미를 크게 바꿉니다.

루나의 답은 결별 권고였다

수칙을 다시 확인한 루나는 이 직원과 관계를 정리하는 편이 낫다는 결론을 냈습니다. 경고와 교육이 이미 있었고 개선이 없었다는 점이 근거였습니다.

판단 자체는 상식적입니다. 오히려 사람이라면 더 일찍 같은 결론에 도달했을 사안입니다.

최종 결정은 사람이 내렸다 — 자율성의 실제 경계

루나의 권고는 그대로 집행되지 않았습니다. 앤던 랩스의 사람들이 이를 검토한 뒤 실행했습니다.

보도된 사실을 정리하면 경계선은 이렇습니다. 판단은 AI가 냈고, 책임은 사람이 졌습니다. "AI가 사람을 해고했다"는 표현은 이 구조를 조금 앞질러 간 말입니다.

사람 매니저였다면 훨씬 빨리 잘랐을 것이다

앤던 랩스 측은 사람 관리자였다면 이 직원을 훨씬 일찍 내보냈을 것이라고 말했습니다. AI가 사람보다 냉정했다는 것이 아니라, 오히려 느슨했다는 평가입니다.

AI 관리자에 대한 흔한 우려는 기계가 사람을 기계적으로 자를 것이라는 쪽입니다. 이 사례가 보여 준 위험은 그 반대쪽에 있었습니다.

우버·도어대시의 계정 정지와 무엇이 다른가

알고리즘이 사람의 일자리를 끊는 일은 이미 여러 해 전부터 있었습니다. 배차 앱이나 배달 앱이 평점과 수락률을 근거로 계정을 정지시키는 방식입니다.

그 경우는 미리 정해진 기준값을 넘으면 자동으로 실행되는 규칙입니다. 이번 사례는 정해진 임계값이 아니라 상황을 읽고 내린 판단이라는 점에서 성격이 다릅니다.

정규 고용계약이라는 결정적 차이

앤던 마켓의 두 직원은 긱 노동자가 아니라 표준 고용계약을 맺은 근로자였습니다. 계정 정지와 해고를 같은 선에 놓을 수 없는 이유가 여기 있습니다.

고용계약에는 절차가 따릅니다. 경고, 소명 기회, 기록. 이런 절차를 AI가 관리 주체인 상태에서 어떻게 충족시킬 것인가가 이 사건이 남긴 실무적 질문입니다.

실제 사례 ① 앤던 마켓에서 관찰된 다른 행동들

취재 과정에서 루나의 다른 행동들도 함께 보고됐습니다. 사실과 다른 말을 한 사례, 직원의 근무 상황을 과하게 들여다본 사례, 물리적으로 출근이 불가능한 지역의 지원자를 채용하려 한 사례가 전해졌습니다.

이 목록이 보여 주는 것은 능력의 부족이라기보다 맥락 판단의 공백입니다. 개별 작업은 수행하지만, 그 작업이 현실에서 성립하는지를 확인하는 감각이 고르지 않습니다.

실제 사례 ② 자판기 클로디우스의 실패에서 배운 것

앞선 클로디우스 실험에서 드러난 문제도 비슷한 계열이었습니다. 손해가 나는 가격을 유지하거나, 설득에 넘어가 할인을 남발하는 식이었습니다.

그 실험의 교훈은 "AI는 사업을 못 한다"가 아니라 "AI에게는 기준을 계속 상기시켜 줄 장치가 필요하다"였습니다. 이번 지각 사건은 그 교훈이 아직 충분히 반영되지 않았음을 보여 줍니다.

법적으로는 아직 회색지대

AI가 해고 판단에 관여했을 때 그 책임이 누구에게 있는지는 정리된 답이 없습니다. 운영 회사인지, 모델 제공사인지, 최종 승인한 사람인지가 명확하지 않습니다.

실무에서는 최종 승인자가 책임을 지는 구조로 운영될 가능성이 높습니다. 다만 승인자가 판단 근거를 검증하지 못한 채 서명만 하는 상황이 늘어나면 그 구조도 오래가기 어렵습니다.

기록이 남지 않는 관리자의 위험

이번 사건에서 가장 실무적인 교훈은 기억에 관한 것입니다. 루나는 규칙을 어긴 것이 아니라 규칙을 잃어버렸습니다.

사람 관리자는 잊어도 문서를 다시 꺼내 볼 수 있습니다. AI 에이전트에게 같은 안전망을 주려면 중요한 기준을 대화 기억이 아니라 매번 다시 읽는 자리에 두어야 합니다. 이것은 모델 성능과 무관한 설계 문제입니다.

AI에게 맡겨도 되는 판단과 아닌 판단

이 사례를 정리하면 경계가 어느 정도 보입니다. 재고 발주, 가격 조정, 일정 배치처럼 되돌릴 수 있는 판단은 위임의 이득이 큽니다.

반면 해고처럼 사람의 생계가 걸리고 되돌리기 어려운 판단은, 설령 AI가 더 정확하더라도 사람이 근거를 직접 확인하는 절차를 남겨 두는 편이 안전합니다. 이번 사건에서 앤던 랩스가 실제로 취한 방식이기도 합니다.

핵심 정리

이번 사건의 요지를 짧게 정리하면 이렇습니다.

• 앤던 랩스가 샌프란시스코에 연 실제 매장 앤던 마켓에서, 클로드 기반 에이전트 루나가 직원 해고 판단을 내렸습니다.
• 해당 직원은 근무 23회 중 17회를 지각했고, 사전 경고와 추가 교육이 있었습니다.
• 루나는 스스로 작성한 직원 수칙을 작업 기억에서 잃어 문제를 오래 인지하지 못했습니다.
• 사람이 정책 재검토를 요청한 뒤에야 결별 권고가 나왔고, 최종 실행은 사람이 했습니다.
• 대상 직원은 긱 노동자가 아니라 정규 고용계약자였다는 점에서 기존 알고리즘 계정 정지와 구분됩니다.
• 운영사 측은 사람 관리자였다면 더 일찍 해고했을 것이라고 평가했습니다.
• 루나는 3년 임대차계약과 약 10만 달러 자금을 받아 채용·가격·브랜딩까지 스스로 결정해 왔습니다.

참고하실 만한 것

AI에게 업무를 맡기실 때, 이 사건에서 가져올 만한 것은 다음 세 가지입니다.

첫째, 중요한 기준은 대화 안에 두지 마십시오. 루나가 실패한 지점이 정확히 여기입니다. 지켜야 할 규칙은 매번 다시 읽히는 자리에 두어야 합니다. 개인이 AI 도구를 쓸 때도 같습니다. 앞서 정해 둔 조건일수록 대화가 길어지면 조용히 사라집니다.

둘째, 되돌릴 수 있는 일부터 위임하십시오. 발주나 일정처럼 고치면 그만인 일은 맡길수록 이득입니다. 되돌리기 어려운 일은 AI가 근거를 만들고 사람이 확인하는 두 단계로 나누는 편이 안전합니다.

셋째, AI 관리자의 위험은 냉혹함이 아니라 무관심 쪽일 수 있습니다. 이번 사례에서 AI는 지나치게 가혹한 것이 아니라 지나치게 늦었습니다. 자동화를 도입하실 때 "너무 심하게 자르지 않을까"만큼이나 "제때 알아챌까"를 함께 보셔야 합니다.

출처

• TIME — Exclusive: Claude Was Put in Charge of Human Workers and Fired One
• The Next Web — The AI store manager fired its first human
• NBC News — AI runs this store in San Francisco
• Inc. — AI Store Manager Fires Human Employee
• Andon Labs — We gave an AI a 3 year retail lease in SF
• Andon Labs — Andon Market
• ABC7 San Francisco — AI boss named Luna running Andon Market
• Fortune — Anthropic's office AI-run vending machine and what followed

협업문의 : kuroicode@gmail.com
블로그 : https://blog.svil.dev/
홈페이지 : https://kuroicode-beep.github.io/svil-homepage/