코치는 AI 직원이다
측정 데이터를 읽고 매일의 코멘트를 쓰는 일의 한계비용을 0으로. 입소 시설 인건비 구조의 재설계
이 글은 《사람 정비소》 7편이다. 6편에서 무엇을 잴지 정했으니, 이번 편은 그 데이터를 누가 읽는가의 문제다. 답은 사람이 아니라 AI 직원이고, 이 답이 입소 시설의 인건비 구조를 바꾼다. 시리즈 전체 보기 →
6편의 측정 스택에는 함정이 하나 숨어 있다. 재는 것은 싸다. 문제는 읽는 것이다. 입소자 스무 명이 매일 만들어내는 수면 그래프, 혈당 곡선, 식사 사진, 컨디션 기록을 누가 들여다보고, 누가 스무 개의 서로 다른 코멘트를 쓰는가. 사람을 쓰면 이 일은 코치의 하루를 통째로 잡아먹는다. 그렇다고 안 읽으면 측정은 장식이 되고, 4편에서 본 감량 합숙소들과의 차별점은 사라진다.
이 병목은 감량 산업의 오래된 원가 구조이기도 하다. 1편에서 본 쥬비스의 상품이 정확히 이것, 전담 컨설턴트가 고객의 기록을 매일 들여다보는 노동이었다. 그 노동의 값이 프로그램 가격을 밀어 올렸고, 웨이트워처스의 모임 리더도, 방문 PT의 트레이너도 같은 구조 위에 있었다. 데이터를 읽고 반응해주는 사람의 시간이 이 산업의 가장 비싼 원자재였던 셈이다.
이 원자재의 가격이 지금 무너지고 있다. 측정값이 이미 숫자로 들어와 있는 상황에서, 그것을 읽고 사람마다 다른 코멘트를 쓰는 일은 현재의 언어 모델이 가장 잘하는 유형의 작업이다. 이번 편은 그 작업을 실제로 어떻게 시설의 운영에 심는지, 비용이 얼마나 드는지, 그리고 기계의 입에 어떤 규율을 걸어야 하는지를 다룬다. 결론을 미리 말하면, 이 시설에서 코치는 채용 공고가 아니라 프롬프트로 만든다.
데이터가 있으면 코멘트는 기계가 쓴다
AI 코치의 파이프라인은 세 단계다. 수집, 생성, 검수.
수집은 6편에서 이미 끝나 있다. 워치와 반지의 수면·심박 데이터, 혈당 센서의 곡선, 식사 사진, 아침저녁의 자가 기록이 입소자별로 쌓인다. 이 데이터를 하루 한 번 입소자 단위로 묶어 언어 모델에 넘긴다.
생성 단계에서 AI가 쓰는 것은 세 종류다. 첫째, 아침의 일일 리포트. 간밤의 수면과 회복 상태를 요약하고 그날의 권장 강도를 제안한다. 둘째, 식사 코멘트. 식사 사진과 혈당 반응을 붙여 "어제 저녁의 이 조합이 혈당을 이만큼 움직였다"는 관찰을 돌려준다. 셋째, 주간 정리. 한 주의 추세를 모아 다음 주의 목표를 제안한다. 전부 입소자마다 다른 내용이고, 사람 코치라면 한 명당 하루 20~30분이 드는 작업이다. 스무 명이면 하루 여덟 시간, 즉 코치 한 명의 전일 노동이 통째로 이 일에 들어간다는 계산이 나온다.
검수는 사람이 한다. 다만 스무 개의 코멘트를 쓰는 것과 스무 개를 읽고 승인하는 것은 노동의 크기가 다르다. 초반에는 전수 검수로 시작해 프롬프트가 안정되면 표본 검수로 내려간다. 검수자의 눈은 두 가지만 본다. 사실관계가 데이터와 맞는가, 그리고 다음 섹션에서 다룰 금지 언어가 섞이지 않았는가.
이 파이프라인이 관념이 아니라는 것은 같은 산업의 큰 회사가 먼저 보여주고 있다. 미국의 다이어트 코칭 앱 눔은 2022년 두 차례에 걸쳐 코칭 인력을 각각 약 500명씩 줄였고, 2024년에는 AI 건강 비서와 AI 식단 기록 기능을 전면에 세우면서 "코치의 시간을 관계와 동기부여에 쓰게 한다"고 공식 발표했다. 감원이 먼저였고 AI 확대가 뒤따른 병렬의 흐름이지만, 방향은 분명하다. 데이터를 읽고 코멘트를 쓰는 노동은 기계로, 사람은 사람만 할 수 있는 접점으로. 필자 역시 소프트웨어 개발 업무를 AI에 위임하는 전환을 직접 통과했다. 반복되고, 입력이 구조화되어 있고, 출력의 형식이 정해진 일부터 기계에 넘어간다는 것이 공통 경험이다. 입소 시설의 일일 코칭은 정확히 그 세 조건을 갖춘 일이다.
코칭의 한계비용은 얼마까지 내려가는가
숫자로 비교한다. 사람 쪽부터. 업계 정리 기준으로 헬스·PT 트레이너의 급여는 기본급에 수업 수당을 더해 월 180만~250만 원, 경력자는 300만 원을 넘는다. 여기에 4대보험 사용자 부담과 주휴수당까지 얹으면 실제 월 부담은 명세서의 숫자보다 크다. 사람 한 명을 쓸 때의 진짜 월 부담은 따로 계산한 적이 있는데, 결론만 가져오면 명목 급여의 1.2~1.4배를 각오해야 한다. 입소자 스무 명의 일일 코멘트를 사람이 쓰는 설계라면 이 부담이 통째로 프로그램 원가에 들어간다.
기계 쪽. 일일 리포트 한 건을 입력 5,000토큰, 출력 1,500토큰짜리 작업으로 잡으면, 2026년 현재 경량 언어 모델의 공식 요금 기준으로 건당 원가는 몇 원에서 20원 안쪽이다. 오픈AI의 경량 모델로는 2~3원, 앤스로픽의 경량 모델로는 17원 수준이라는 계산이 나온다. 넉넉하게 건당 50원으로 잡고 입소자 스무 명에게 하루 세 건(아침 리포트, 식사 코멘트, 주간 정리 안분)을 보내도 월 9만 원이다. 사람 코치 한 명 실부담의 3% 아래, 코멘트 한 건당으로는 수백분의 일이다. 프롬프트를 다듬고 모델을 골라 쓰면 이 숫자는 더 내려간다.
물론 토큰 요금이 비용의 전부는 아니다. 파이프라인을 만들고 유지하는 개발 노동, 출력을 표본 검수하는 사람의 시간, 프롬프트를 개선하는 반복 작업이 초기에 든다. 그러나 이 비용들은 입소자가 스무 명에서 마흔 명이 되어도 거의 늘지 않는다는 점이 핵심이다. 사람 코칭은 인원에 비례해 늘어나는 변동비이고, AI 코칭은 초기 구축 후 거의 고정비다. 규모가 커질수록 격차는 벌어진다.
이 원가 역전이 4편의 빈 사분면과 연결된다. 중간 가격대 입소형이 비어 있던 이유 중 하나는 코칭 품질과 가격을 동시에 잡을 수 없다는 딜레마였다. 상단은 코칭에 사람을 갈아 넣어 월 100만 원 위로 갔고, 하단은 코칭을 포기해 획일적 합숙이 됐다. 코칭의 한계비용이 0에 수렴하는 지금은 개인화된 코칭을 하단 가격대에 넣을 수 있는 첫 시기이고, 그것이 이 사업이 지금이어야 하는 원가 쪽 논거다.
AI의 입에도 같은 규율이 걸린다
5편과 6편에서 그은 언어의 선은 사람 코치만의 규율이 아니다. AI가 쓴 리포트도 시설의 이름으로 나가는 순간 같은 법적 무게를 갖는다. 기계가 "혈당 패턴을 보니 당뇨 전 단계로 보인다"고 쓰면 그것은 비의료 기관의 진단 표방이고, "이 수치면 혈압약을 줄여도 되겠다"고 쓰면 무면허 의료행위의 영역을 건드린다. 책임은 모델 개발사가 아니라 그 출력을 상품으로 내보낸 시설이 진다.
그래서 가드레일은 프롬프트 층위에서 시공한다. 설계 원칙은 세 겹이다. 첫째, 금지 어휘의 명시. 진단·처방·치료·질병명 판정 계열의 표현을 시스템 프롬프트에 금지 목록으로 박고, 관찰과 제안의 언어만 쓰게 한다. "혈당이 어제보다 완만했다"는 되고 "혈당이 정상화되고 있다"는 안 된다. 둘째, 이상 신호의 에스컬레이션. 데이터가 정해둔 안전 범위를 벗어나면(혈압 급등, 심박 이상, 극단적 수면 부족) AI가 코멘트를 쓰는 게 아니라 사람 관리자에게 알림을 올리고, 관리자는 판정 대신 제휴 의원 안내라는 정해진 행동을 한다. 5편의 병렬 구조가 여기서 작동한다. 셋째, 출력 로그의 보존. 무엇이 언제 누구에게 나갔는지를 남겨야 문제가 생겼을 때 시설이 자기 규율을 증명할 수 있다.
이 가드레일은 규제 방어이면서 동시에 상품의 톤이기도 하다. 3편에서 정한 이 사업의 언어는 방어의 언어, 저속노화와 회복의 언어였다. 단정적으로 진단하는 기계보다 관찰을 돌려주고 선택을 남기는 기계가 그 언어에 맞고, 공교롭게도 그것이 법이 요구하는 방향과 일치한다. 규제와 브랜딩이 같은 문장을 요구하는 드문 경우라, 지키는 비용이 아깝지 않다.
하나 더 보태면, 가드레일 검증은 배포 전에 자동화할 수 있다. 금지 어휘와 판정 문형을 걸러내는 검사기를 출력 뒤에 한 겹 더 두면, 사람 검수가 표본으로 내려가도 언어의 선은 기계적으로 지켜진다. 코치를 프롬프트로 만들듯 감사관도 프롬프트로 만드는 셈이다.
사람은 환경과 안전에만 쓴다
코칭이 기계로 넘어가면 사람의 자리가 없어지는 게 아니라 바뀐다. 이 시설에서 사람이 해야 하고 기계가 못 하는 일은 네 가지다.
첫째, 안전. 운동 현장의 관찰, 응급 대응, 이상 신호의 최종 판단과 의원 연계. 2편에서 본 중국 캠프의 사망 사고들은 데이터가 없어서가 아니라 현장에서 사람이 보고 있지 않아서 일어났다. AI가 리포트를 아무리 잘 써도 쓰러지는 사람을 붙잡는 것은 사람이다. 둘째, 환경의 유지. 시설과 식사와 일과가 약속대로 굴러가게 하는 운영 노동. 이 사업의 상품이 환경이라면 환경의 품질 관리가 곧 생산이다. 셋째, 커뮤니티. 입소자들 사이의 공기를 만드는 호스트의 일. 미국의 소셜 웰니스 클럽들이 장비가 아니라 함께 겪는 리추얼을 판다는 것을 2편에서 봤는데, 리추얼의 진행자는 기계로 대체되지 않는다. 넷째, 검수. AI 출력의 표본 확인과 프롬프트의 개선.
이렇게 나누면 인력 산정이 달라진다. 전통적 설계라면 입소자 스무 명에 코치 서너 명이 붙어야 하고, 그 인건비가 객단가를 밀어 올려 결국 4편에서 본 상단 가격대로 끌려간다. 코칭을 기계에 넘긴 설계에서는 운영 호스트와 안전 담당을 겸하는 소수 인력에 조리 인력을 더한 구성으로 같은 규모가 돌아간다. 정확한 인원과 손익은 5부의 단위 경제 편에서 숫자로 다루되, 방향은 여기서 정해진다. 인건비를 코칭이 아니라 환경과 안전에 배치한다는 것.
이 재배치가 가능해진 것이 이 사업의 타이밍 논거이기도 하다. 4편에서 본 대로 힐리언스 같은 선행 시설들이 힘들었던 이유 중 하나는 프로그램 인건비와 시설 유지비를 객실 수입이 못 따라가는 구조였다. 측정은 센서가, 코칭은 모델이, 콘텐츠 제작까지 기계가 나눠 드는 지금의 원가 구조는 그 시절에 존재하지 않았다. 같은 사업이라도 2007년의 원가와 2026년의 원가는 다른 사업이다.
다음은 장비다
이번 편의 결론을 접으면 이렇다. 측정 데이터를 읽고 개인별 코멘트를 쓰는 일은 언어 모델의 적성에 정확히 맞고, 그 한계비용은 사람 코치의 수백분의 일까지 내려간다. 대신 기계의 입에는 사람과 같은 언어 규율을 프롬프트와 검사기로 걸어야 하고, 사람의 노동은 안전과 환경과 커뮤니티로 재배치된다. 감량 산업의 가장 비싼 원자재였던 코칭 노동의 가격이 무너진 것, 이것이 중간 가격대 입소형이라는 빈 사분면에 지금 들어갈 수 있게 된 원가 쪽 이유다.
2부의 남은 질문은 몸에 직접 닿는 쪽이다. 사우나, 냉수, 빛, 호흡. 회복 장비마다 붙어 있는 과학적 근거의 등급이 다르고, 크라이오테라피처럼 근거보다 유행이 앞섰다가 꺼진 선례도 있다. 무엇을 사고 무엇을 거를지, 장비의 근거 등급과 투자 우선순위가 8편이다.
이 기록을 계속 보려면 뉴스레터를 구독하면 된다. 지방의 놀고 있는 숙박 시설이나 폐교를 가진 쪽, 기능의학과 검진 영역의 의료인, 투자자로 관심 있는 쪽은 연락이 빠를수록 서로 낫다.
출처
본문에 인용한 요금·감원·기능 출시는 각 사 공식 발표와 주요 매체 보도 기준이다. 트레이너 급여는 정부 통계가 아닌 업계 정리 자료라 범위로만 썼고, 리포트 건당 원가는 공식 요금표에 토큰 가정을 적용한 계산값이다.
출처 전체(9건) 펼치기
AI 코칭 · 감원 사례
- 눔 코칭 인력 감원 — TechCrunch · 2022-10
- 눔 감원과 사업 효율화 — MobiHealthNews · 2022
- 눔 AI 비서 Welli 출시 — GlobeNewswire · 2024-06
- 필라이즈 AI 식단 인식 — AI타임스 · 2024
LLM 요금 · 원가 계산
- GPT-4o mini 요금 — OpenAI · 2024-07
- OpenAI API 요금표 — OpenAI
- Claude Haiku 요금 — Anthropic · 2025-10
인건비 기준