Human Relay Labor (HRL)

정의: ( 새로운 AI 시대에 등장한 인간의 관리 노동을 정의한다.)

Human Relay Labor is the manual work required to transfer context, prompts, outputs, reviews, and decisions between AI systems that cannot yet coordinate directly.
인간 릴레이 노동(HRL)은 상호 협력하지 못하는 AI 시스템 사이에서 컨텍스트와 결과물을 전달하기 위해 인간이 수행하는 관리 노동이다...

 

또는

Human Relay Labor is the manual work of transferring prompts, context, outputs, reviews, decisions, and execution results between AI systems that cannot yet coordinate directly. 
인간 릴레이 노동(HRL)은 서로 직접 협력하지 못하는 AI 시스템 사이에서 프롬프트, 컨텍스트, 결과물, 리뷰, 의사결정, 실행 결과를 인간이 수동으로 전달하는 노동이다.

 

또는

HRL is not a UX inconvenience. It is a coordination bottleneck in multi-agent AI work.
HRL은 단순한 UX 불편이 아니라, 멀티 AI 작업에서 발생하는 조정 병목이다.

 

“고급 AI 사용자들은 이미 새로운 종류의 노동을 하고 있습니다. 여러 AI와 IDE 에이전트 사이에서 인간이 컨텍스트, 결과, 리뷰, 결정을 계속 운반하고 있습니다. 저는 이것을 Human Relay Labor라고 정의합니다.”

 

 

나는 바이브코더, 즉 개발자가 아니라, 어느 순간부터 AI 시스템들 사이의 인간 프로토콜 계층이 되었다.

I became the TCP/IP layer between AI systems.

 

HRL의 증상

 

1. 같은 컨텍스트를 여러 AI에게 반복 설명한다.
2. Cursor 결과를 ChatGPT에게 다시 붙여넣는다.
3. ChatGPT의 리뷰를 Gemini에게 다시 전달한다.
4. Gemini의 반론을 Claude에게 다시 전달한다.
5. Claude의 보완 의견을 다시 Cursor 프롬프트로 바꾼다.
6. 각 AI가 현재 프로젝트 상태를 직접 공유하지 못한다.
7. 인간이 세션 간 기억 장치 역할을 한다.
8. 대화가 길어질수록 새 대화용 프롬프트를 사람이 계속 만든다.
9. 모델 간 의견 충돌을 사람이 읽고 분류한다.
10. 실행 로그, diff, 테스트 결과, 스크린샷을 사람이 운반한다.

 

 

특징

반복적

비창조적

고비용

오류 발생 가능

 

Human Relay Labor

The AI industry talks extensively about replacing human labor.

But among advanced users, a new kind of labor has emerged.

Human Relay Labor.

Today, many developers act as the communication layer between AI systems.

They copy prompts from ChatGPT into Cursor.

They move implementation results into Claude.

They ask Gemini for review.

They summarize disagreements.

They preserve context.

They route work.

They coordinate decisions.

The bottleneck is no longer model capability.

The bottleneck is the human acting as the relay.

The next frontier of AI productivity is not bigger models.

It is reducing Human Relay Labor while preserving human governance.

 

 

RFC-0001
Human Relay Labor: Problem Definition

1. Abstract
2. Background
3. Definition
4. Observed Workflow
5. Symptoms
6. Cost of HRL
7. Why Existing AI Tools Do Not Solve It
8. Safety Concern
9. Non-Goals
10. Why This Matters To AI Companies
11. Transition To Kiki Concept

 

1. Abstract

Advanced AI users are increasingly coordinating multiple AI systems manually.
They copy prompts, outputs, reviews, diffs, logs, and decisions between tools.
This emerging labor pattern is Human Relay Labor.

 

2. Background

ChatGPT, Claude, Gemini, Cursor, Codex, and Claude Code are powerful individually.
But they do not naturally share state, context, reviews, execution results, or governance decisions.

 

3. Definition

HRL is not a UX inconvenience. It is a coordination bottleneck in multi-agent AI work.

 

4. Observed Workflow

Human
→ ChatGPT
→ Human
→ Cursor
→ Human
→ ChatGPT
→ Human
→ Gemini
→ Human
→ Claude
→ Human
→ Cursor

The human is not merely prompting. The human is routing, preserving state, requesting review, interpreting disagreement, and maintaining governance.

 

5. Symptoms

대화가 길어져 새 대화 프롬프트를 계속 만들어야 한다.
어느 VM/프로젝트/브랜치인지 계속 기억해야 한다.
Cursor 결과를 리뷰용으로 다시 정리해야 한다.
Gemini와 Claude의 의견 차이를 사람이 판정해야 한다.

 

6. Cost of HRL

시간 비용
인지 비용
오류 비용
기회 비용

The bottleneck is no longer model capability.
The bottleneck is human coordination.

 

7. Why Existing AI Tools Do Not Solve It

ChatGPT can reason.
Claude can review.
Gemini can critique.
Cursor can implement.
Codex can execute.
Claude Code can modify repositories.

But the user still connects them manually.

현재 도구들은 각각 강하지만, 서로 이어져 있지 않다.

 

8. Safety Concern

The goal is not uncontrolled autonomy.
The goal is supervised coordination.

목표는 통제되지 않는 자율성이 아니라, 감독 가능한 조정이다.

 

9. Non-Goals

완전 자율 에이전트 제안이 아니다.
인간 승인 제거가 아니다.
보안 경계 우회가 아니다.
AI가 임의로 배포하는 구조가 아니다.
단일 모델이 모든 것을 지휘하는 구조도 아니다.

 

10. Why This Matters To AI Companies

HRL is a product gap.
The next productivity gain may not come only from better models.
It may come from reducing coordination friction between models, tools, IDEs, browsers, and human approvals.

 

11. Transition To Kiki Concept

If HRL is the problem, then Kiki is one possible solution:
a supervised mission controller that routes work, collects outputs, requests peer review, detects disagreements, and escalates only meaningful decisions to the human.