“AI가 내 일자리를 없앨까?”라는 질문은 너무 크고, 개인이 바로 답하기도 어렵습니다. 직업 전체가 한 번에 사라지는지 예측하기보다 내가 매일 수행하는 업무 중 어떤 부분이 자동화되고, 어떤 책임이 더 중요해지는지를 보는 편이 현실적입니다.
국제노동기구(ILO)의 2025년 연구는 전 세계 고용의 약 4분의 1이 생성형 AI에 어느 정도 노출돼 있다고 추정합니다. 그러나 노출은 실제 해고나 직업 소멸을 뜻하지 않습니다. 대부분의 직업에는 여전히 사람의 입력과 판단이 필요한 업무가 섞여 있어, 단기적으로는 직업의 소멸보다 업무 내용의 변형이 더 가능성 높은 결과라고 설명합니다.
일자리 변화를 판단할 때 ① 반복 업무, ② 검증 책임, ③ 도구 접근성, ④ 조직의 실제 도입을 확인합니다. 제품 발표 하나보다 이 네 신호를 함께 보는 것이 중요합니다.
1. 반복 업무: 내 직무를 작업 단위로 나눈다
직무명만 보면 변화가 잘 보이지 않습니다. 같은 ‘사무직’이라도 자료를 옮기는 일, 초안을 만드는 일, 예외를 판단하는 일, 다른 사람을 설득하는 일이 함께 들어 있습니다. AI는 이 중 텍스트·이미지·데이터가 디지털 형태로 반복되는 작업부터 영향을 주기 쉽습니다.
일주일 동안 업무를 다음 네 칸에 기록해 봅니다.
- 반복 생성: 메일 초안, 보고서 양식, 회의 요약
- 정보 변환: 표 정리, 형식 변경, 분류와 검색
- 예외 판단: 규정 해석, 이해관계 조정, 우선순위 결정
- 책임 행동: 승인, 외부 발송, 고객 설명, 결과에 대한 책임
앞의 두 영역은 AI 보조 가능성이 상대적으로 큽니다. 뒤의 두 영역은 AI가 자료를 준비할 수 있어도 사람의 맥락과 책임이 남습니다. 직업의 안전성을 단정하기보다 업무 비중이 어떻게 이동하는지를 보는 이유입니다.
2. 검증 책임: 결과가 틀렸을 때 누가 확인하는가
AI가 초안을 빠르게 만드는 조직일수록 검증 능력이 중요해집니다. 법령 검토를 예로 들면 AI가 관련 조문 후보와 반론을 제시할 수 있지만, 시행일·개정 이력·실제 조문은 원문에서 직접 확인해야 합니다. 틀렸을 때 손해가 크거나 책임 소재가 분명한 업무는 자동화 속도만으로 평가할 수 없습니다.
다음 항목에 해당할수록 사람의 검증 역할이 오래 남을 가능성이 큽니다.
- 최신 정보와 원문 확인이 필요한가
- 예외 상황이 많고 규칙만으로 판단하기 어려운가
- 개인정보·안전·금전·법적 책임이 걸려 있는가
- 결론을 고객이나 동료에게 설명해야 하는가
- 잘못됐을 때 승인한 사람이 책임져야 하는가
3. 도구 접근성: 누구나 쓸 수 있는가, 운영할 수 있는가
새 AI 모델이 코딩이나 컴퓨터 조작을 잘한다고 발표해도 모든 회사가 즉시 사용할 수 있는 것은 아닙니다. 보안 정책, 데이터 위치, 비용, 기존 시스템 연동, 직원 교육, 오류 대응이 함께 준비돼야 합니다.
개인이 볼 신호는 ‘새 모델의 최고 성능’보다 내 조직에서 실제로 허용된 도구와 사용 범위입니다. 회사 자료를 개인 AI 계정에 올리는 방식은 빠르더라도 지속 가능한 업무 혁신이 아닙니다. 승인된 환경에서 작게 시험하고, 입력할 수 없는 정보와 사람이 승인해야 할 행동을 먼저 정해야 합니다.
4. 실제 도입: 발표가 아니라 업무 절차가 바뀌는가
회사에서 AI 교육을 했다는 사실만으로 일자리가 바뀌지는 않습니다. 다음과 같은 운영 변화가 나타날 때 실제 전환이 시작됐다고 볼 수 있습니다.
| 관찰할 신호 | 의미 |
|---|---|
| 업무 양식 변경 | AI 초안과 사람 검토 단계가 공식 절차에 포함 |
| 평가 기준 변경 | 생성 속도보다 검증·설명·문제 정의 능력을 평가 |
| 권한과 책임 명시 | 입력 금지 정보와 최종 승인자를 지정 |
| 교육 시간 제공 | 개인의 야간 학습이 아니라 조직 차원의 전환 |
이런 변화 없이 “AI를 활용하라”는 구호만 있다면 생산성보다 숨은 추가 업무가 늘어날 수 있습니다. 도구 사용 시간뿐 아니라 검토와 수정 시간을 포함해 측정해야 합니다.
직장인이 준비할 것은 프롬프트 암기가 아니다
프롬프트 문구는 모델과 인터페이스가 바뀌면 금방 낡을 수 있습니다. 반면 다음 능력은 도구가 바뀌어도 남습니다.
- 모호한 요청을 검증 가능한 작업으로 나누는 능력
- 원문과 숫자를 직접 대조하는 능력
- AI가 모르는 조직 맥락과 예외를 설명하는 능력
- 결과의 실패 비용과 보안 위험을 판단하는 능력
- 작은 실험의 시간·오류·효과를 기록하는 능력
저도 AI를 법령·문서 검토와 arbiterOS 코딩에 활용하면서 대화형 답변을 받는 방식에서 에이전트가 파일을 직접 수정하는 방식으로 이동하고 있습니다. 편리함이 커졌지만, 실제 조문과 변경 파일을 직접 확인해야 한다는 원칙은 오히려 더 중요해졌습니다.
이번 주에 할 수 있는 30분 점검
- 이번 주 업무 열 가지를 적습니다.
- 반복 생성·정보 변환·예외 판단·책임 행동으로 분류합니다.
- 반복 생성 업무 하나를 비민감 자료로 시험합니다.
- 생성부터 검토까지 전체 시간을 기존 방식과 비교합니다.
- 배워야 할 것은 도구 기능인지, 검증 능력인지 기록합니다.
AI가 직업에 미칠 영향을 정확히 예언할 수는 없습니다. 다만 내 업무를 작업 단위로 나누고, 검증 책임과 조직의 실제 도입을 관찰하면 막연한 공포를 구체적인 준비로 바꿀 수 있습니다.
참고한 공식 자료
- ILO: Generative AI and Jobs—A Refined Global Index of Occupational Exposure
- ILO: 생성형 AI 노출은 실제 일자리 손실과 다르다는 설명
- OECD: Adult skills and work
AI 시대의 일과 소득을 더 넓게 보려면 생산성·채용·기본소득을 판단하는 기준을, 실제 업무 실험은 법령 검토부터 바이브코딩까지를 함께 참고하세요.