가장 실용적인 방법은 직무명을 내려놓고, 일주일 동안 자주 하는 업무 10~15개를 적어보는 것입니다. 이런 업무 단위 접근은 생성형 AI의 영향을 업무 수준에서 살피는 ILO의 분석 방향과도 맞닿아 있습니다.
| 자가 점검 질문 | ‘그렇다’에 가까울수록 의미하는 것 |
|---|---|
| 이 업무는 반복성이 큰가? | 템플릿화, 일괄 처리, 자동화 가능성이 커질 수 있습니다. |
| 규칙과 기준이 명확한가? | AI가 초안, 분류, 체크리스트, 형식 정리를 맡기 쉽습니다. |
| 입력과 출력이 주로 글이나 데이터인가? | 이메일, 문서, 요약, 표, 보고서 초안은 AI로 먼저 가속되기 쉽습니다. |
| 오류 비용이 낮고 사람이 검수할 수 있는가? | AI 보조를 시험하기 좋습니다. 반대로 고위험 업무는 더 엄격한 인간 검토가 필요합니다. |
네 가지에 모두 해당하는 업무라면, 가장 먼저 AI 보조를 시험해볼 후보입니다. 다만 이것이 곧 당신의 직업이 위험하다는 뜻은 아닙니다. 그 업무 흐름이 AI가 1차 작업을 하고, 사람이 검토·수정·책임을 맡는 방식으로 바뀔 가능성이 있다는 뜻에 가깝습니다.
처음부터 핵심 의사결정을 AI에 맡길 필요는 없습니다. 오히려 낮은 위험, 쉬운 검수, 높은 반복성을 갖춘 일부터 시작하는 편이 안전합니다.
핵심은 AI에게 일을 통째로 넘기는 것이 아닙니다. 사람이 배경, 기준, 금지사항, 검수 방식을 정하고 AI는 초안이나 정리를 맡습니다. 그런 다음 사람이 사실 확인, 위험 판단, 최종 결정을 합니다. 이런 방식은 IMF가 말한 AI의 인간 업무 보완에 더 가깝습니다.
업무 목록을 만든 뒤에는 다음처럼 나눠볼 수 있습니다.
반복적이고, 규칙이 분명하고, 오류 비용이 낮으며, 입력과 출력이 명확한 업무입니다. 요약, 초안 작성, 형식 변환, 1차 분류, 회의록 정리 등이 여기에 들어갑니다. 목표는 시간을 줄이는 것이지만, 결과물 검수는 여전히 필요합니다.
돈, 고객 관계, 법규 준수, 브랜드 평판, 인사 평가처럼 판단과 책임이 따르는 업무입니다. AI는 자료를 정리하고 선택지를 제시하며 놓친 쟁점을 알려줄 수 있습니다. 그러나 최종 판단과 책임은 사람이 맡아야 합니다.
AI가 초안을 빠르게 만들수록 더 희소해지는 것은 판단력, 분야 지식, 신뢰 형성, 소통, 업무 설계, 결과에 대한 책임입니다. PwC가 AI가 직원의 가치를 높일 수 있다고 본 대목도 결국 도구 자체보다 도구를 활용해 더 신뢰할 수 있는 결과를 내는 능력과 연결됩니다.
막연한 불안에서 벗어나려면 작은 실험을 해보는 것이 좋습니다.
이렇게 하면 질문이 바뀝니다. ‘AI가 내 일을 빼앗을까?’가 아니라, **‘AI가 내 업무 중 어떤 부분을 바꾸고, 나는 어디에서 더 큰 가치를 내야 할까?’**로 옮겨갑니다.
AI가 내 일을 빼앗을까요? 가장 정확한 답은 이렇습니다. AI는 어떤 업무를 빼앗고, 어떤 업무를 줄이고, 어떤 업무 방식을 바꿀 수 있습니다. 그러나 그것이 곧 직업 전체의 즉각적인 소멸을 뜻하지는 않습니다.
위험이 큰 부분은 대체로 반복적이고, 규칙화되어 있고, 디지털 자료로 처리되며, 낮은 비용으로 검수 가능한 업무입니다. 반대로 기회가 큰 사람은 AI로 산출량을 높이면서도 판단, 전문성, 신뢰, 책임을 놓치지 않는 사람입니다.
다음 단계는 어느 직업이 사라진다는 목록을 기다리는 것이 아닙니다. 내 일주일 업무를 펼쳐놓고, AI가 1차로 맡을 수 있는 것, 반드시 내가 검토해야 하는 것, 앞으로 더 키워야 할 인간의 판단과 관계 능력을 구분하는 것입니다. 직무명이 아니라 업무에서 출발할 때, AI가 가져올 위협과 기회가 훨씬 선명해집니다.
Comments
0 comments