아마존 MTurk 9월 30일 종료…AI 데이터 업무, 단순 작업에서 전문 검증으로 이동

아마존이 온라인 소규모 작업 중개 플랫폼 메커니컬 터크(Mechanical Turk·MTurk)를 2026년 9월 30일 폐쇄한다. 데이터 분류와 설문, 음성 전사 등을 잘게 나눠 사람에게 맡기던 21년 된 서비스의 종료는 AI 데이터 시장이 범용 반복 작업보다 전문지식과 품질 검증을 중시하는 방향으로 이동하고 있음을 보여준다.

아마존은 8월 25일 이용자들에게 서비스 종료 계획을 통지했다. 기존 의뢰자는 폐쇄일까지 ‘인간 지능 작업(HIT)’을 게시할 수 있고 작업자도 남은 과제를 수행할 수 있지만, 9월 30일 이후에는 양측 모두 플랫폼을 이용할 수 없다. MTurk는 앞서 7월 30일부터 신규 고객 등록을 중단했다.

2005년 출시된 MTurk는 기업과 연구자가 온라인 과제를 등록하면 세계 각지의 작업자가 건별로 수행하는 크라우드소싱 시장이었다. 이미지·상품 분류, 중복 데이터 확인, 콘텐츠 검토, 녹취, 설문 참여 등이 대표적인 업무다. 머신러닝 확산 이후에는 학습 데이터에 표시를 붙이거나 모델 출력을 사람이 확인하는 ‘휴먼 인 더 루프’, 즉 자동화 과정에 인간의 판단을 넣는 용도로도 활용됐다.

아마존은 정기적인 프로그램 평가를 거쳐 종료를 결정했다고 밝혔지만, 시장 변화와 연결된 구체적인 배경은 설명하지 않았다. 생성형 AI가 요약과 기초 분류 같은 작업을 처리하기 시작했고, AI 데이터 업계에서는 작업자의 신원과 전문성을 검증하고 결과의 출처를 추적하는 능력이 더 중요해졌다. MTurk 종료가 이러한 변화만으로 결정됐다고 단정할 수는 없지만, 익명의 대규모 마이크로태스크 중심 모델이 받는 압력이 커졌다는 분석은 가능하다.

데이터 신뢰성 문제도 달라졌다. 스위스 로잔연방공대 연구진이 2023년 공개한 연구에서는 MTurk에서 의학 논문 초록 요약 과제를 수행한 작업자의 33~46%가 대규모 언어모델(LLM)을 사용한 것으로 추정됐다. 연구진도 다른 종류의 작업으로 결과를 일반화하기 어렵다고 밝혔다. 다만 사람이 만든 기준 데이터를 얻으려는 과정에 AI가 다시 개입할 수 있다는 점은 데이터 출처와 작업 과정을 확인하는 장치가 필요하다는 사실을 보여준다.

보스턴권에서는 대학 연구실과 헬스케어·바이오·로보틱스 스타트업이 먼저 영향을 점검해야 한다. MTurk를 설문 참여자 모집이나 데이터 표시 작업에 연결한 조직은 진행 중인 과제의 완료 일정과 결과 반출 방식, 미지급 보상과 예치금 처리, 대체 공급업체의 참여자 검증 및 개인정보 보호 조건을 확인할 필요가 있다. 특히 의료·생명과학 데이터는 정확도뿐 아니라 접근 권한과 변경 기록도 중요해 비용만으로 대체 플랫폼을 선택하기 어렵다.

취업시장에서는 이번 폐쇄를 데이터 관련 일자리 전체의 감소로 해석하기보다 업무 구성의 변화로 보는 편이 적절하다. 이미지에 태그를 붙이거나 짧은 문장을 분류하는 범용 작업의 가치는 낮아질 수 있지만, AI 모델에는 여전히 평가 기준 작성, 오류 분석, 안전성 검토, 품질보증과 분야별 판단이 필요하다. AI가 만든 결과를 실제 업무 기준에 맞춰 검증하고 그 판단 과정을 기록하는 모델 평가, 데이터 운영, 보안·프라이버시, AI 제품관리 등의 역할이 함께 중요해지는 이유다.

유학생과 졸업 예정자가 AI 데이터 분야를 준비할 때도 단순 라벨링 경험만 제시하기보다 데이터 품질관리, 모델 평가, 테스트 설계, 통계적 표본 검토, 문서화 능력을 함께 보여주는 것이 시장 흐름에 가깝다. 한국어와 영어의 의미 차이와 문화적 맥락을 설명하거나 의료·과학 용어를 검토할 수 있는 역량도 다국어 모델 평가 업무에서 활용될 수 있다.

다만 온라인 플랫폼에서 보수를 받는 업무도 개인의 체류 및 취업 자격에 따라 허용 범위가 달라질 수 있다. F-1, OPT, STEM OPT 등에 해당하는 독자는 플랫폼의 소재지나 건별 계약 형식만으로 판단하지 말고, 자신의 고용허가 조건과 전공 연관성, 고용관계 기록 요건을 학교 담당자 또는 자격을 갖춘 전문가에게 확인하는 편이 안전하다.

MTurk의 종료는 인간 판단이 불필요해졌다는 신호라기보다, 저가의 범용 작업을 대량 구매하던 방식에서 전문성·신뢰성·추적 가능성을 요구하는 구조로 이동하는 사례에 가깝다. 앞으로는 기존 이용 기업과 연구기관이 어떤 대체 수단을 선택하는지, 새 사업자들이 작업자의 전문성을 어떻게 검증하고 보상하는지, 보스턴의 연구·스타트업 생태계에서 평가 체계와 데이터 관리, 규제 대응을 연결하는 수요가 실제 채용으로 이어지는지를 지켜볼 필요가 있다.