메타가 미국 내 직원 PC에 새 추적 도구를 설치해 마우스 움직임, 클릭, 키 입력을 수집하고, 일부 업무 앱·웹사이트에서는 화면 스냅샷도 맥락용으로 확보하겠다고 내부에 알린 것으로 전해졌습니다. 회사 설명은 분명합니다. 이런 데이터를 AI 모델, 특히 컴퓨터에서 직접 작업을 수행하는 에이전트 훈련에 쓰겠다는 것입니다.12
중요한 건 "기분 나쁜가?"보다 더 날카로운 질문입니다. AI는 당신의 일상 업무에서 정확히 무엇을 배울 수 있는가. 그리고 그 습관이 제품 데이터가 될 때, 이익은 누구에게 돌아가는가. 메타 사례는 한 회사의 내부 실험이 아니라, 일을 하는 과정 자체가 훈련 데이터가 되는 시대의 초입을 보여줍니다.
문서보다 클릭이 더 비싼 이유
겉으로 보면 문서, 위키, 매뉴얼이 더 가치 있어 보입니다. 하지만 실제로 컴퓨터를 다루는 AI에는 정적인 지식보다 "행동의 흔적"이 더 중요할 때가 많습니다.
예를 들어 드롭다운 메뉴를 어디서 찾는지, 같은 작업을 하다 몇 번 되돌아가는지, 탭을 얼마나 오가는지, 마우스를 어디서 망설이는지, 단축키를 언제 쓰는지는 문서에 잘 남지 않습니다. 그런데 바로 이런 정보가 "사람이 실제 소프트웨어를 조작하는 방식"을 보여줍니다. 메타 내부 메모에 따르면 회사가 특히 개선하려는 약점도 드롭다운 선택, 키보드 단축키 같은 인터페이스 조작 영역이었습니다.1
이 점이 기존의 생성형 AI와 에이전트형 AI를 가릅니다. 문서를 요약하는 모델은 텍스트만 많아도 어느 정도 좋아질 수 있습니다. 반면 컴퓨터를 대신 조작하는 에이전트는 화면 맥락, 입력 순서, 실수와 수정 패턴까지 알아야 합니다. 그래서 직원의 일상적인 클릭 흐름이 사내 문서보다 더 높은 훈련 가치를 가질 수 있습니다.
여기서 실무적 함의가 나옵니다. 앞으로 기업들이 원하는 데이터는 "무엇을 아는가"보다 "어떻게 처리하는가"로 이동할 가능성이 큽니다. 지식관리 시스템보다 업무 상호작용 로그가 더 전략적 자산이 되는 흐름입니다.
생산성 도구인가, 보이지 않는 도제식 학습인가
메타는 수집 데이터가 성과 평가에는 쓰이지 않고 모델 훈련에만 사용된다고 설명했습니다. 또 민감한 콘텐츠 보호 장치가 있다고 밝혔습니다.1 확인된 사실은 여기까지입니다. 그 보호 장치가 구체적으로 무엇인지, 직원 동의와 거부권이 어느 수준인지, 스냅샷 범위가 얼마나 제한되는지는 공개 정보만으로는 충분히 확인되지 않았습니다.
그래서 이 사안을 단순한 "업무 모니터링"으로 보면 놓치는 게 생깁니다. 전통적 모니터링은 대개 직원을 평가하거나 통제하려는 목적이 강합니다. 이번 사례는 표면적으로는 사람을 점수 매기기보다, 사람의 작업 방식을 제품 성능으로 이전하려는 시도에 가깝습니다. 직원은 소프트웨어를 사용하는 동시에, 소프트웨어를 가르치는 역할도 하게 됩니다.
이건 새로운 노동 계약에 가깝습니다. 회사 입장에선 내부 인력을 활용해 고품질 행동 데이터를 얻을 수 있습니다. 직원 입장에선 일하는 행위가 추가 보상 없이 AI 훈련 노동으로 확장될 수 있습니다. 더 불편한 질문은 그다음입니다. 내 숙련이 회사의 자동화 자산으로 바뀌면, 그것은 조직 지식의 축적인가, 아니면 개인 노동의 추출인가.
반론도 있습니다. 실제 사용자 행동 없이 컴퓨터 사용 AI를 제대로 만들기 어렵다는 주장은 타당합니다. 합성 데이터나 시뮬레이션만으로는 현장 소프트웨어의 복잡한 예외 처리를 따라가기 힘듭니다. 다만 그 필요성이 곧바로 광범위한 추적의 정당성을 뜻하지는 않습니다. 목적이 합리적이어도 수단은 여전히 따져봐야 합니다.
"도와주는 AI"와 "감시 기계"를 구분하는 체크포인트
앞으로 비슷한 발표가 나오면, PR 문구보다 다섯 가지를 먼저 보면 됩니다.
첫째, 무엇을 수집하나. 클릭·키 입력 정도인지, 화면 전체 스냅샷까지인지가 다릅니다. 스냅샷은 맥락 확보에 유용하지만 민감 정보 노출 위험도 크게 높입니다. 메타는 일부 앱과 웹사이트에서 스냅샷을 찍는다고 알려졌습니다.1
둘째, 어디서 수집하나. 전사 PC 전체인지, 특정 업무 앱 목록인지가 중요합니다. 범위 제한이 분명할수록 목적 외 사용 가능성은 줄어듭니다.
셋째, HR과 분리돼 있나. 메타는 성과 평가에 쓰지 않는다고 밝혔지만,1 중요한 건 선언이 아니라 제도적 차단입니다. 접근 권한 분리, 보관 기간, 감사 로그가 없다면 약속은 쉽게 흔들립니다.
넷째, 거부권과 고지가 있나. 직원이 알기 쉽게 설명받고 선택권을 갖는지, 최소한 민감 업무는 제외할 수 있는지가 핵심입니다.
다섯째, 결과물이 무엇인가. AI가 반복 업무를 실제로 덜어주려는 것인지, 결국 사람을 더 촘촘히 측정하고 대체하려는 것인지 봐야 합니다. 같은 데이터라도 용도가 다르면 성격이 완전히 달라집니다.
메타만의 일이 아니라는 점이 더 중요하다
메타의 이번 조치는 회사의 대규모 AI 투자 흐름과도 맞물립니다. 메타는 2025년 매출 2009억7000만달러, 연간 자본지출 722억2000만달러를 기록했고, 2026년 자본지출 가이던스는 1150억~1350억달러로 더 높게 제시됐습니다.3 숫자 자체보다 중요한 건 방향입니다. 이제 돈은 모델과 데이터센터뿐 아니라, 실제 업무 행동을 데이터화하는 파이프라인으로도 흐릅니다.
다음 확산 후보도 어렵지 않게 예상할 수 있습니다. 고객지원, 세일즈 운영, 백오피스, 코딩, 컨설팅처럼 화면 위에서 반복적이지만 예외가 많은 작업들입니다. 이런 영역은 "사람이 하는 조작"이 곧 자동화의 교과서가 되기 쉽습니다.
그래서 지금 신경 써야 하는 사람은 메타 직원만이 아닙니다. 기업 IT를 도입하는 관리자, 사내 AI 정책을 만드는 리더, 노동과 개인정보 문제를 보는 실무자 모두에게 해당됩니다. 앞으로의 판단 기준은 단순합니다. 회사가 직원의 행동 데이터를 모을 때, 그것이 업무를 덜어주는 보조 기술인지, 노동을 데이터로 환원하는 감시 인프라인지. 그 차이는 기술 이름이 아니라 수집 범위, 목적 제한, HR 분리, 선택권 같은 운영 설계에서 드러납니다.
참고
1Meta capturing employee mouse movements, keystrokes for AI training data
2Meta to start capturing employee mouse movements, keystrokes for AI training data
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.