[태그:] AI와 일의 미래

AI와 일의 미래 관련 AI·LLM·에이전트 글을 모은 태그입니다. AI와 일의 미래: 사라지는 직업보다 먼저 봐야 할 ‘일의 의미’ 등 thinknote.co.kr의 인공지능 해설과 활용 사례를 연결합니다.

  • AI 시대 인간의 경쟁력: 김대식·김혜연이 말하는 고유성의 힘

    AI 시대 인간의 경쟁력: 김대식·김혜연이 말하는 고유성의 힘

    AI 시대 인간의 경쟁력은 더 많은 지식을 외우는 데 있을까. 더 빨리 결과물을 만드는 데 있을까. 김대식 교수와 김혜연 안무가의 대담은 조금 다른 곳을 향한다. AI를 일하게 만드는 실행력, 그리고 다른 사람의 복사본으로는 얻을 수 없는 자기 삶의 고유성이다.

    Read in English

    교보문고 보라가 공개한 이 영상은 기술 전망 강연과 예술가의 대화를 함께 담았다. 설명란 기준 촬영일은 2026년 9월 19일, 공개일은 10월 13일이다. 아래에서는 두 사람의 발언을 재구성하고, 일과 학습에 적용할 기준을 덧붙인다. 미래 예측과 개인적 견해를 검증된 사실처럼 받아들이지는 않는다.

    기술이 중요하지 않다는 말은 공부를 그만두라는 뜻이 아니다

    영상 제목의 강한 표현만 보면 기술을 익힐 필요가 없다는 이야기처럼 들린다. 그러나 김대식 교수는 강연에서 바이브 코딩과 에이전틱 AI를 공부해야 한다고 권한다. 지식과 기술의 무용론으로 읽으면 앞뒤가 맞지 않는다.

    그가 대비시키는 것은 ‘만드는 능력’과 ‘무엇을 만들 것인가’다. 비슷한 수준의 글과 그림, 영상을 더 쉽게 만들 수 있다면 제작 기술만으로 벌리던 격차는 줄어든다. 그러면 사람을 붙잡는 이야기, 경험에서 나온 관점, 무엇을 남기고 버릴지 고르는 기준이 더 눈에 띈다.

    영상 3분대의 영화 이야기가 그 차이를 설명한다. 이미 있는 작품을 그럴듯하게 흉내 내는 일과 사람들이 처음 만나는 이야기를 만드는 일은 다르다. 김 교수는 새로운 이야기를 위해 많은 경험과 독서가 필요하다고 말한다. 배움을 포기하는 대신 배운 것을 자기 관점으로 엮으라는 주문에 가깝다.

    새로운 이야기와 제작 기술의 차이를 설명하는 김대식 교수
    출처: 교보문고 보라, 원본 영상 03:40. 해당 논의의 장면 인용.

    예컨대 AI로 발표 자료의 초안을 빠르게 만들 수는 있다. 하지만 청중이 왜 이 문제에 관심을 가져야 하는지 정하는 일은 남는다. 현장에서 들은 반론 하나가 매끈한 슬라이드 열 장보다 설득력을 가질 때도 있다. 이 예시는 강연의 구분을 업무에 옮겨 본 해석이다.

    직업 이름 대신 업무를 네 가지로 나눠 보자

    김 교수는 6분 무렵부터 두 축으로 일을 나눈다. 혼자 하는가, 다른 사람과 함께 하는가. 그리고 정답이 있는가, 없는가. 이 분류의 쓸모는 특정 직업의 소멸을 예언하는 데 있지 않다. 한 직업 안에서 자동화와 사람의 판단이 어디에 놓이는지 구분하는 데 있다.

    • 혼자 하며 정답이 있는 일: 규칙이 분명한 반복 과업이다. AI에 맡길 후보를 찾기 쉽지만 오류 확인은 필요하다.
    • 혼자 하며 정답이 없는 일: 연구와 창작처럼 탐색이 큰 비중을 차지한다. AI를 배제하기보다 대안 탐색에 활용할 수 있다.
    • 함께 하며 정답이 있는 일: 정확한 절차와 대인 관계가 겹친다. 지식 제공을 보조해도 설명과 신뢰 형성이 남는다.
    • 함께 하며 정답이 없는 일: 서로 다른 이해관계 속에서 방향을 정한다. 무엇을 좋은 결과로 볼지 합의하는 과정이 중요해진다.
    정답 여부와 협업 여부로 일을 구분하는 강연 장면
    출처: 교보문고 보라, 원본 영상 06:42. 해당 논의의 장면 인용.

    특히 교사의 역할을 설명하는 대목이 눈에 남는다. 김 교수는 지식 전달보다 상담, 동기 부여, 회복탄력성을 돕는 역할에 주목한다. 교사가 지식을 몰라도 된다는 뜻은 아니다. 전달 비용이 낮아진 지식 위에서 학생과 어떤 관계를 맺을지 묻는 것이다.

    다만 영상의 ‘100% 대체’ 같은 표현은 강연자의 강한 전망이다. 이 분류만으로 실제 고용 변화를 계산할 수는 없다. 의료와 교육처럼 책임과 안전이 큰 영역에서는 정확성, 제도, 현장 조건도 따로 봐야 한다.

    AI 도입을 막는 것은 기술 부족만이 아니다

    8분대부터 질문은 직원의 감정으로 옮겨 간다. AI가 내 도구인지, 동료인지, 결국 나를 밀어낼 경쟁자인지 모호하다면 학습 의지만 요구하기 어렵다. 사람은 생산성 지표 이전에 자기 자리를 걱정한다.

    여기서 ‘기술보다 인간’이라는 말이 조금 구체적이 된다. 조직은 새 도구 사용법만 가르칠 것이 아니라 전환의 조건을 설명해야 한다. 절약한 시간은 누가 얻는가. 역할이 바뀌면 재학습할 기회가 있는가. 실수의 책임은 누가 지는가.

    강연에는 조사 비율과 기업 사례도 등장한다. 다만 이 글에서는 해당 조사 원문과 익명 기업의 실적을 독립적으로 확인하지 않았다. 따라서 수치를 일반적 사실로 재인용하지 않는다. 남길 질문은 더 단순하다. 직원이 AI 활용을 자기 손해로 느낀다면 도입 계획은 지속될 수 있을까.

    기업에서 권한과 책임을 어떻게 나눌지는 에이전틱 AI 시대의 기업·개인 업무 재설계와 함께 읽으면 연결이 쉽다. 이번 대담은 그 운영 문제에 정체성과 고유성이라는 질문을 더한다.

    김혜연 안무가의 답: 성과보다 먼저 행위에 몰입한다

    14분대에 김대식 교수는 일이 자기 가치의 기준에서 밀려난다면 무엇으로 자신을 정의할지 묻는다. 김혜연 안무가는 몸을 쓰는 예술가의 경험으로 답한다. 돈이나 교환 가치로 먼저 계산하기보다 하고 있는 행위 자체에 몰입한다는 것이다.

    이 대답은 ‘예술가는 자동화에 안전하다’는 직업 순위와 다르다. 무용 역시 생계와 기술 변화의 영향을 받는다. 대담이 보여 주는 차이는 삶의 가치를 결과물의 가격에만 묶지 않는 태도다. 더 잘 팔리는 결과를 만들지 못하는 날에도 몸을 움직이는 이유가 남을 수 있다.

    행위 자체에 대한 몰입을 이야기하는 김혜연 안무가
    출처: 교보문고 보라, 원본 영상 14:50. 해당 논의의 장면 인용.

    일하는 사람에게도 작은 여지가 있다. 취미를 모두 수익화할 필요는 없다. 산책에서 본 장면, 오래 붙잡은 질문, 남에게 설명하기 어려운 취향도 자기 삶의 일부다. 곧바로 성과가 나오지 않는 경험을 낭비로만 분류하면, 정작 고유한 이야기가 자랄 공간이 줄어든다.

    노동과 삶의 가치를 더 길게 생각하고 싶다면 일이 사라진 세상에서 삶의 의미를 찾는 질문으로 이어갈 수 있다. 생산성의 미래와 삶의 의미는 연결되지만 같은 질문은 아니다.

    데이터가 많다는 것과 자기 기억이 있다는 것은 다르다

    16분 이후 김 교수는 대량 생산과 인간의 고유성을 대비시킨다. 이어 AI가 다루는 정보와 한 사람이 살아온 기억의 차이를 이야기한다. 넘어졌다는 사실을 설명하는 데이터와 내가 넘어졌을 때 느낀 기억은 같은 것이 아니라는 관점이다.

    인간의 고유성과 개인의 이야기를 논의하는 두 출연자
    출처: 교보문고 보라, 원본 영상 17:20. 해당 논의의 장면 인용.

    이 구분을 ‘AI는 영원히 창의성을 가질 수 없다’는 과학적 결론으로 넓히지는 말자. 현재의 시스템 특성, 미래의 기술 가능성, 인간 경험의 철학적 의미는 구분할 문제다. 영상 제목의 ‘절대’도 입증된 기술 한계라기보다 인간의 삶을 강조하는 문제 제기로 읽는 편이 안전하다.

    실용적으로 남는 질문은 있다. 내 결과물에서 나를 지우면 무엇이 달라질까. 어디서나 구할 수 있는 설명만 남는다면, 정보량을 더하기 전에 관찰과 판단을 보강할 필요가 있다. 반대로 내 경험만 내세우고 사실 확인을 생략해도 곤란하다. 고유성은 정확성을 면제하는 자격이 아니다.

    지금 할 일은 에이전트를 늘리기보다 맡길 일을 정하는 것

    강연의 마지막은 AI를 직접 써 보라는 권유로 끝난다. 여기서 ‘많은 에이전트’라는 표현을 실행 개수 경쟁으로 받아들이면 위험하다. 목표가 모호하거나 검증 비용이 크면 자동화가 오히려 일을 늘린다. 아래는 대담을 바탕으로 정리한 적용 제안이다. 출연자가 그대로 제시한 절차는 아니다.

    1. 반복 과업 하나를 고른다. 자료 분류나 초안 정리처럼 결과를 비교하기 쉬운 일부터 시작한다.
    2. 완료 기준을 먼저 쓴다. 필요한 근거, 빠뜨리면 안 되는 항목, 틀렸을 때의 비용을 정한다.
    3. 사람의 승인선을 남긴다. 결제, 공개 발행, 개인정보 처리처럼 되돌리기 어려운 행동은 분리한다.
    4. 절약 시간과 검토 시간을 함께 기록한다. 빨라 보이는 느낌보다 실제 순효과를 확인한다.
    5. 남은 시간을 자기 관점에 쓴다. 현장을 보고 사람을 만나고, 기존 답이 놓친 질문을 모은다.

    구체적인 도구 선택이 필요하면 AI 에이전트 업무 자동화 도구 비교를 참고할 수 있다. 다만 도구 선택과 자동화의 성공은 별개다. 무엇을 맡기고 무엇을 직접 책임질지 정하는 쪽이 먼저다.

    자주 묻는 질문

    AI 시대에는 지식과 기술을 배울 필요가 없나?

    그렇지 않다. 김대식 교수도 AI 활용과 바이브 코딩 학습을 권한다. 지식을 소유하는 것만으로 차별화하기 어려워진다는 주장과, 지식이 필요 없다는 주장은 다르다. 결과를 평가하려면 여전히 해당 분야의 이해가 필요하다.

    인간의 고유성은 개인 브랜딩과 같은 뜻인가?

    영상에서는 개인 브랜드도 언급한다. 그러나 고유성을 홍보 문구로만 좁히면 경험과 기억의 이야기를 놓친다. 어떤 선택을 해 왔고 무엇에 관심을 두는지가 바탕이다. 브랜딩은 그것을 전달하는 방식에 가깝다.

    정답이 있는 업무는 모두 AI로 바뀌나?

    영상에는 강한 대체 전망이 나오지만 확정된 고용 예측은 아니다. 실제 도입에서는 데이터 품질, 오류 비용, 책임, 규제와 대면 관계가 함께 작동한다. 직업 전체보다 과업 단위로 나누어 시험하는 편이 낫다.

    AI가 인간의 경험을 절대 따라잡을 수 없다는 말은 사실인가?

    그렇게 단정할 근거를 이 영상 하나로 확보할 수는 없다. 출연자는 인간이 몸으로 살아온 기억과 고유한 삶을 강조한다. 이를 미래 AI 전체에 대한 검증된 불가능성 명제로 바꾸지 않는 것이 좋다.

    더 많이 생산한 뒤에 무엇을 남길 것인가

    이 대담을 기술을 버리고 인간다움만 붙잡으라는 이야기로 읽기는 어렵다. 오히려 두 가지 숙제가 동시에 생긴다. 반복 작업을 AI와 나누는 법을 익힐 것. 그리고 그 덕분에 생긴 시간을 남의 복사본이 아닌 삶에 쓸 것.

    오늘 할 수 있는 일도 작다. 맡겨 볼 반복 업무 하나와, 효율을 따지지 않고 계속하고 싶은 활동 하나를 적어 보자. 전자는 일하는 방식을 바꾸고 후자는 일을 넘어선 자기 설명을 남긴다.

    참고자료

    본문 이미지는 원본 영상의 해당 논의를 설명하기 위한 장면 인용이다. 출처는 교보문고 보라이며 각 이미지에 영상 시각을 표시했다. 자동 자막에 오인식이 있어 문장은 의미 중심으로 재구성했다. 강연의 미래 전망, 조사 수치, 익명 기업 사례는 별도 검증된 사실과 구분했다.

  • AI 취업 공포가 던진 질문: 신입 채용 시장에서 무엇을 준비해야 할까

    AI 취업 공포가 던진 질문: 신입 채용 시장에서 무엇을 준비해야 할까

    AI 취업 공포는 그냥 “일자리가 사라진다”는 이야기가 아닙니다. 더 정확히는 신입에게 요구되는 증거가 바뀌고 있다는 신호입니다. KBS News의 2026년 5월 29일 보도는 미국 명문 공대 졸업생들조차 빅테크 취업을 낙관하기 어려워진 분위기를 보입니다.

    조지아 공과대학교 캠퍼스를 배경으로 AI 시대 취업 시장 변화를 다룬 KBS 뉴스 장면
    조지아 공과대학교 캠퍼스를 배경으로 AI 시대 취업 시장 변화를 다룬 KBS 뉴스 장면

    AI 취업 공포가 커진 배경

    보도는 조지아 공과대학교 사례로 시작합니다. 한때 컴퓨터공학 졸업장은 빅테크 취업의 강한 신호였습니다. 하지만 AI 중심 구조조정, 신입 채용 축소, 기술 기업의 비용 절감이 겹치며 분위기가 달라졌습니다.

    이 변화는 미국만의 뉴스로 끝나지 않습니다. 한국의 대학생, 취업준비생, 직장인, 교육담당자에게도 같은 질문을 던집니다. 이제 “어떤 전공을 했는가”보다 “AI와 함께 어떤 문제를 해결할 수 있는가”가 더 중요해지고 있습니다.

    AI 전문성을 요구하는 일자리 시장을 설명하는 해외 뉴스 화면
    AI 전문성을 요구하는 일자리 시장을 설명하는 해외 뉴스 화면

    먼저 볼 부분은 대체보다 입직 장벽의 변화

    골드만삭스는 생성형 AI가 전 세계 3억 개 상당의 일자리에 영향을 줄 수 있다고 분석했습니다. 동시에 모든 직업이 그대로 사라진다는 뜻은 아니라고 봅니다. 많은 직무는 없어지기보다 업무 단위가 다시 나뉘고, 일부 과업이 자동화되는 방식으로 바뀔 가능성이 높습니다.

    문제는 신입 채용입니다. 경력자는 기존 성과와 도메인 지식을 증명할 수 있습니다. 반면 신입은 아직 성과 기록이 적습니다. 그래서 기업은 “기초 역량을 갖춘 사람”보다 “AI 도구를 써서 빠르게 산출물을 만들 수 있는 사람”을 더 선호할 수 있습니다.

    전공 하나보다 조합 역량이 강해진다

    영상 속 학생은 컴퓨터공학에 회계를 복수전공해 기술을 실제 비즈니스와 연결하려 한다고 말합니다. 이 장면은 중요한 변화를 보입니다. AI 시대의 경쟁력은 특정 전공 하나가 아니라 전공과 도메인, 데이터와 현장 문제를 연결하는 조합에서 나옵니다.

    컴퓨터공학 전공 학생이 변화한 취업 시장에 대한 불안을 말하는 인터뷰 장면
    컴퓨터공학 전공 학생이 변화한 취업 시장에 대한 불안을 말하는 인터뷰 장면

    앞으로 유리한 사람은 코드를 조금 더 많이 아는 사람만이 아닙니다. 회계, 제조, 교육, 의료, 공공행정, 전력망, 물류 같은 현장 문제를 이해하고, 그 문제를 AI로 구조화할 수 있는 사람입니다.

    사회적 이슈 1: 청년 불안은 개인 문제가 아니다

    AI 취업 공포를 개인의 노력 부족으로만 보면 해법이 좁아집니다. 대학 졸업장이 안정적 일자리로 이어진다는 약속이 약해지고 있기 때문입니다. 청년은 더 많은 스펙을 쌓아야 하고, 기업은 더 적은 인원으로 더 많은 생산성을 요구합니다.

    이때 사회적 쟁점은 분명합니다. 대학 교육은 여전히 전공 지식 중심으로 운영되는데, 채용 시장은 프로젝트 수행력과 AI 활용력을 요구합니다. 그 간극을 개인에게만 떠넘기면 불안은 더 커집니다.

    사회적 이슈 2: AI 격차는 취업 격차가 된다

    AI 도구를 잘 쓰는 사람과 그렇지 못한 사람의 차이는 생산성 차이로 나타납니다. 문제는 이 격차가 교육 기회, 실습 환경, 멘토 접근성에 따라 더 커질 수 있다는 점입니다.

    그래서 AI 교육은 코딩 교육만으로 충분하지 않습니다. 질문을 잘게 나누는 법, 자료를 검증하는 법, 결과물을 비판적으로 수정하는 법, 업무 맥락에 맞게 자동화를 설계하는 법까지 포함해야 합니다.

    생성형 AI가 전 세계 일자리에 미칠 영향을 설명하는 뉴스 그래픽 장면
    생성형 AI가 전 세계 일자리에 미칠 영향을 설명하는 뉴스 그래픽 장면

    사회적 이슈 3: 사라지는 일자리만 보면 새 일자리를 놓친다

    영상은 AI 산업 확대로 전력망 수요와 공공 유틸리티 분야가 성장할 수 있다고 설명합니다. AI는 소프트웨어만의 문제가 아닙니다. 데이터센터, 반도체, 전력, 냉각, 보안, 네트워크, 교육, 컨설팅, 규제 대응까지 연결됩니다.

    그래서 취업 전략도 바뀌어야 합니다. “AI 기업에 들어갈 것인가”만 볼 것이 아니라 “내 전공 산업에서 AI 때문에 새로 생기는 병목이 무엇인가”를 봐야 합니다. 병목을 해결하는 사람이 새로운 기회를 잡습니다.

    AI 산업 확대로 전력망과 공공 유틸리티 수요가 커진다는 맥락을 보여주는 뉴스 장면
    AI 산업 확대로 전력망과 공공 유틸리티 수요가 커진다는 맥락을 보여주는 뉴스 장면

    개인이 준비할 5가지 역량

    1. AI 도구 활용력: 검색, 요약, 코드, 문서화, 데이터 정리 도구를 실제 과제에 적용해야 합니다.
    2. 도메인 이해력: 전공 지식을 현장 문제와 연결해야 합니다.
    3. 검증 능력: AI 결과의 오류, 편향, 출처 문제를 체크해 두세요.
    4. 업무 설계력: 반복 업무를 AI와 사람의 역할로 나눌 수 있어야 합니다.
    5. 커뮤니케이션 능력: AI가 만든 산출물을 조직의 언어로 설명할 수 있어야 합니다.

    대학과 조직이 바꿔야 할 것

    대학은 AI 활용을 부정행위 관리의 대상으로만 볼 수 없습니다. 전공 과제 안에서 AI를 어떻게 쓰고, 어디까지 검증해야 하며, 어떤 산출물을 책임져야 하는지 가르쳐야 합니다.

    기업과 공공조직도 신입에게 “AI를 써본 적 있는가”만 물어서는 부족합니다. 실제 업무 자료를 주고 문제 정의, 프롬프트 설계, 결과 검증, 보고서 작성까지 보는 방식으로 채용과 교육을 바꿔야 합니다.

    함께 읽으면 좋은 글

    결론: 공포보다 전환 전략이 먼저다

    AI 취업 공포는 현실입니다. 하지만 공포만으로는 방향을 잡을 수 없습니다. 먼저 볼 부분은 “AI가 내 일을 빼앗을까”가 아니라 “나는 AI와 함께 어떤 문제를 더 잘 해결할 수 있는가”입니다.

    청년에게 필요한 것은 막연한 스펙 경쟁이 아닙니다. 전공과 AI, 현장 문제를 연결한 실전 포트폴리오입니다. 대학과 조직이 해야 할 일도 분명합니다. AI를 금지하거나 유행어로 소비하는 대신, 실제 일하는 방식과 교육 방식을 다시 설계해야 합니다.

    FAQ

    AI 때문에 신입 개발자 채용이 줄어드나요?

    일부 기업에서는 신입 채용이 줄거나 기준이 높아질 수 있습니다. 주의할 점은 모든 개발 일자리가 사라진다는 뜻은 아닙니다. 반복 코딩보다 문제 정의, 검증, 도메인 이해가 더 중요해지는 방향으로 볼 필요가 있습니다.

    문과나 비전공자는 더 불리해지나요?

    반드시 그렇지는 않습니다. AI 도구를 활용해 자신의 도메인 지식을 산출물로 연결할 수 있다면 오히려 경쟁력이 생깁니다. 회계, 교육, 정책, 마케팅, 행정처럼 현장 맥락이 중요한 분야에서는 도메인 이해가 큰 장점이 됩니다.

    대학생은 어떤 포트폴리오를 만들어야 하나요?

    단순한 자격증 목록보다 실제 문제 해결 과정을 보여주는 포트폴리오가 좋습니다. 문제 정의, 사용한 AI 도구, 검증 과정, 최종 결과물, 한계를 함께 기록해야 합니다.

    조직 교육담당자는 무엇을 바꿔야 하나요?

    AI 사용법 강의만으로는 부족합니다. 실제 업무 프로세스를 가져와 AI로 어디를 줄이고, 어디를 사람이 검증해야 하는지 실습해야 합니다. 교육 목표도 도구 숙련이 아니라 업무 재설계 역량으로 잡아야 합니다.

    참고자료

    *이미지 출처: KBS News YouTube 영상 화면 캡처. 본문 해설과 비평 목적으로 사용했습니다.*

  • AI와 일의 미래: 사라지는 직업보다 먼저 봐야 할 ‘일의 의미’

    AI와 일의 미래: 사라지는 직업보다 먼저 봐야 할 ‘일의 의미’

    AI와 일의 미래를 이야기할 때 많은 사람은 먼저 “내 직업이 사라질까?”를 떠올립니다. 하지만 SK 유튜브 시리즈 [AI 이후 우리는] EP.1 “AI와 일”은 질문을 조금 다르게 던집니다. 중요한 것은 어떤 직업이 남고 사라지는가만이 아닙니다. 인간에게 일이 어떤 의미였고, AI 이후 그 의미가 어떻게 바뀌는지가 더 큰 질문입니다.

    AI와 일의 미래를 다루는 SK [AI 이후 우리는] EP.1 주제 소개 장면
    영상은 직업 대체를 넘어 인간에게 일이 어떤 의미인지 묻는다.

    이 영상에는 출판 마케터, HR 전문가, 작가, 청소와 그림을 함께 하는 창작자가 등장합니다. 각자의 경험은 다르지만 공통된 메시지는 분명합니다. AI 시대의 변화는 단순한 직업 대체가 아니라 일하는 방식, 조직의 구조, 커리어의 기준을 동시에 흔들고 있습니다.

    이 글에서 다룰 내용

    • AI가 바꾸는 것은 직업 목록이 아니라 ‘일의 구조’라는 점
    • 관리자와 팀장의 역할이 왜 달라지는지
    • 앞으로 필요한 인재상과 커리어 전략
    • 인간이 AI와 다르게 가질 수 있는 강점
    • 개인과 조직이 지금 점검해야 할 체크리스트

    AI와 일의 미래는 ‘대체’보다 ‘재정의’에 가깝다

    영상 초반에서 패널들은 “어떤 일자리가 사라질까”보다 “일이란 무엇인가”를 먼저 묻습니다. HR 전문가 황성현 교수는 일을 “각자의 자리에서 특정한 문제를 해결하는 것”으로 설명합니다. 이 관점은 AI 시대에 특히 더 봐야 합니다.

    직업명은 변할 수 있습니다. 부장, 팀장, 마케터, 개발자, 작가 같은 이름도 달라질 수 있습니다. 하지만 조직과 시장에는 여전히 해결해야 할 문제가 남습니다. 결국 AI와 일의 미래에서 먼저 볼 부분은 “나는 어떤 문제를 해결할 수 있는가”로 이동합니다.

    논리력과 분석력은 더 이상 인간만의 영역이 아니다

    기존 회사는 논리력, 분석력, 성실성을 기준으로 사람을 뽑고 길러 왔습니다. 그런데 영상에서는 논리와 분석의 앞단을 AI가 매우 빠르게 대체하고 있다고 지적합니다. 보고서 초안, 시장 조사, 코딩 피드백, 자료 요약은 이미 AI가 상당 부분 처리합니다.

    AI와 일의 미래에서 일은 문제 해결이라는 관점을 설명하는 대담 장면
    일은 직함이 아니라 해결해야 할 문제를 중심으로 재정의된다.

    그렇다고 인간의 역할이 없어지는 것은 아닙니다. 오히려 질문은 더 어려워집니다. AI가 분석한 결과를 어떤 목표와 맥락에 연결할 것인지, 어떤 선택에 책임질 것인지, 어떤 방식으로 새로운 가치를 만들 것인지가 더 봐야 합니다.

    AI가 일을 줄이는 것이 아니라 일을 늘릴 수도 있다

    흥미로운 대목은 AI가 도입되면 일이 줄어들 것 같지만, 실제로는 일이 늘어나는 경험도 많다는 점입니다. 영상 속 출판 마케터는 AI를 개인 비서처럼 쓰면서도 “못 한다고 미뤄두던 일까지 다 하게 되어 일이 무한 증식한다”고 말합니다.

    예전에는 비용, 인력, 기술 부족을 이유로 포기하던 일이 많았습니다. 이제는 AI 도구를 이용하면 비개발자도 간단한 자동화나 기획 실험을 해볼 수 있습니다. 마케터가 데이터 분석을 하고, 기획자가 프로토타입을 만들고, 1인 팀이 여러 에이전트와 일하는 장면이 현실이 되고 있습니다.

    생산성 향상 뒤에 숨은 새 부담

    AI는 시간을 줄여 주지만 기대치도 함께 올립니다. “이제 그 정도는 AI로 할 수 있지 않나?”라는 말이 생기면 개인의 업무 범위는 넓어집니다. 그래서 AI와 일의 미래를 준비한다는 것은 도구 사용법만 배우는 일이 아닙니다. 내가 해야 할 일과 하지 않아도 되는 일을 다시 정하는 능력이 해야 합니다.

    조직은 더 평평해지고, 관리자의 역할은 흔들린다

    영상에서 가장 인상적인 주제 중 하나는 조직 구조의 변화입니다. 과거 조직은 실무자가 자료를 만들고, 중간관리자가 검토하고, 임원이 의사결정하는 방식으로 움직였습니다. 하지만 AI가 자료 조사와 정리, 피드백, 목표 수립의 일부까지 맡게 되면 중간 단계의 의미가 약해집니다.

    AI와 일의 미래 속 관리자 역할 변화와 조직 플래트닝 논의 장면
    AI가 목표 수립·피드백·검토 업무에 들어오면 리더십의 기준도 달라진다.

    이 변화는 그냥 “팀장이 줄어든다”는 이야기가 아닙니다. 관리자의 역할이 전달자와 검토자에서 가치 설계자, 맥락 제공자, 책임 있는 의사결정자로 바뀐다는 뜻입니다.

    팀원이 없는 팀장, 부가 없는 부장

    영상에서는 “혼자 있는 팀장”, “부가 없는 부장” 같은 표현이 나옵니다. 조직의 규모가 줄어들고, AI 에이전트와 함께 일하는 구조가 늘어나면 사람을 많이 거느리는 것이 더 이상 리더십의 핵심 지표가 아닐 수 있습니다.

    앞으로의 리더는 몇 명을 관리하느냐보다 어떤 문제를 정의하고, 어떤 AI·사람·프로세스를 조합해 결과를 만드는지가 더 봐야 합니다. 직책의 무게보다 실제로 더하는 가치가 드러나는 시대가 오는 것입니다.

    AI 시대의 일 잘하는 사람은 무엇이 다른가

    과거에는 성실하게 주어진 일을 처리하는 사람이 좋은 평가를 받았습니다. 물론 성실성은 여전히 더 봐야 합니다. 하지만 영상에서는 성실성만으로 버티기 어려운 시대가 왔다고 말합니다.

    AI와 일의 미래에서 필요한 사람은 정답이 없는 상황에서도 호기심을 잃지 않고, 자신의 방식으로 매뉴얼을 만들어 가. 프로젝트를 처음부터 끝까지 책임지는 사람입니다. 쉽게 말해 ‘주인의식’이 다시 중요해지고 있습니다.

    떠날 수 있는 사람이 오히려 남는다

    영상 속 표현 중 강하게 남는 말이 있습니다. “항상 떠날 수 있는 사람은 남을 것 같고, 남길 원하는 사람은 쉽지 않을 것 같다.” 여기서 떠날 수 있다는 말은 회사를 가볍게 여긴다는 뜻이 아닙니다. 시장에서 통하는 문제 해결 능력과 자기만의 업을 갖고 있다는 뜻입니다.

    AI와 일의 미래에서 시장 가치와 미래 인재를 말하는 장면
    떠날 수 있을 만큼의 힘, 즉 시장 가치가 새로운 안정성이 된다.

    조직의 보호에만 기대는 안정성은 약해질 수 있습니다. 반대로 어디서든 가치를 만들 수 있는 사람은 조직 안에서도 더 오래 필요해질 가능성이 높습니다.

    커리어 전략은 ‘창업’보다 ‘창직’으로 이동한다

    영상에서는 “업을 찾아야겠다”는 말에서 한 걸음 더 나아가 “창업을 넘어 창직을 해야 한다”는 표현이 나옵니다. 창직은 내가 할 수 있는 고유한 일을 새롭게 정의한다는 뜻입니다.

    예를 들어 그냥 “나는 마케터입니다”라고 말하는 대신, “AI 도구를 활용해 작은 브랜드의 콘텐츠 실험과 고객 반응 분석을 빠르게 설계하는 사람”이라고 정의할 수 있습니다. “나는 HR 담당자입니다” 대신 “AI 시대 조직의 역할 재설계와 인재 성장 시스템을 만드는 사람”이라고 말할 수도 있습니다.

    회사는 ‘이용할 수 있는 학습장’이 된다

    영상 속 출판 마케터는 회사를 개인이 작은 프로젝트를 실험해 볼 수 있는 장으로 설명합니다. 회사의 리소스를 활용해 새로운 일을 시도하고, 그 경험이 다시 개인의 역량이 되는 구조입니다.

    이 관점은 더 봐야 합니다. AI 시대의 직장은 평생 머무는 울타리라기보다 더 큰 문제를 함께 풀어보는 프로젝트 공간에 가까워질 수 있습니다. 조직도 개인에게 “우리 회사에 계속 있어라”보다 “여기서 성장하고, 나갈 수 있을 만큼 강해져라”라고 말할 수 있어야 합니다.

    인간이 AI보다 잘할 수 있는 일은 무엇인가

    마지막 부분에서 김예지 작가는 인간의 강점을 “주인의식”과 “프롬프트 밖으로 벗어나는 능력”으로 설명합니다. AI는 입력된 요청을 잘 수행합니다. 하지만 인간은 요청받지 않은 문제도 발견할 수 있습니다. 청소를 하다가 고객이 말하지 않은 거미줄을 보고 치우는 행동이 그런 예입니다.

    AI와 일의 미래에서 인간의 주인의식과 프롬프트 밖 행동을 말하는 장면
    AI 시대에도 인간의 강점은 주인의식과 맥락을 넘겨 보는 능력에 있다.

    이 말은 AI 시대의 인간 역할을 잘 보여 줍니다. 앞으로 사람은 단순 실행자가 아니라 맥락을 읽고, 요청의 바깥을 보고, 책임 있게 더 나은 결과를 제안하는 존재가 되어야 합니다.

    ‘AI가 못 하는 일’보다 ‘내가 책임질 일’을 묻자

    많은 사람이 AI가 절대 못 하는 일을 찾으려 합니다. 하지만 영상의 흐름을 따라가 보면 그 질문은 오래가지 못할 수 있습니다. 오늘은 창작이 안전해 보이다가 내일은 그림 생성 AI가 등장합니다. 블루칼라가 안전해 보이다가 휴머노이드 로봇이 등장합니다.

    그래서 더 현실적인 질문은 이것입니다. “AI가 하는 일 위에서 나는 무엇을 책임질 것인가?” 이 질문에 답할 수 있는 사람이 AI와 일의 미래를 더 잘 준비할 수 있습니다.

    개인과 조직을 위한 체크리스트

    AI와 일의 미래를 막연한 불안으로만 받아들이면 대응이 늦어집니다. 다음 체크리스트를 기준으로 현재의 일과 조직을 점검해 볼 수 있습니다.

    구분점검 질문실천 방향
    개인 역량내가 해결하는 핵심 문제는 무엇인가?직무명이 아니라 문제 해결 능력으로 자기소개를 바꾼다.
    AI 활용반복 업무를 AI로 줄이고 있는가?조사, 요약, 초안, 검토 업무부터 자동화한다.
    업무 범위AI 때문에 일이 무한히 늘고 있지는 않은가?해야 할 일과 하지 않을 일을 명확히 정한다.
    리더십나는 전달자인가, 가치 설계자인가?목표·맥락·책임 중심으로 역할을 재정의한다.
    커리어조직 밖에서도 통하는 시장 가치가 있는가?포트폴리오, 실험, 프로젝트 단위 성과를 쌓는다.
    조직문화직원이 나갈 수 있을 만큼 성장하도록 돕는가?교육보다 실험 기회와 권한 위임을 늘린다.

    FAQ: AI와 일의 미래에 대한 자주 묻는 질문

    AI가 정말 모든 직업을 대체할까요?

    모든 직업이 한꺼번에 사라진다고 보기는 어렵습니다. 주의할 점은 직업 안에 포함된 반복 업무, 분석 업무, 검토 업무는 빠르게 바뀔 가능성이 높습니다. 직업명보다 업무 단위로 변화를 보는 것이 현실적입니다.

    AI 시대에도 회사에 들어가는 것이 의미가 있을까요?

    의미가 있습니다. 주의할 점은 회사의 의미가 평생 안정성에서 프로젝트 경험, 리소스 활용, 협업 학습으로 이동할 수 있습니다. 좋은 회사는 개인이 더 큰 문제를 풀어보고 성장할 수 있는 장이 되어야 합니다.

    앞으로 가장 중요한 역량은 무엇인가요?

    영상의 핵심을 기준으로 보면 문제 정의, 주인의식, 호기심, 책임 있는 의사결정, AI 활용 능력이 더 봐야 합니다. 특히 정답이 없는 상황에서 스스로 기준을 만들고 결과까지 책임지는 태도가 해야 합니다.

    관리자는 사라질까요?

    관리자라는 직책이 모두 사라진다기보다 역할이 바뀔 가능성이 높습니다. 자료 전달, 단순 검토, 일정 관리 중심의 관리자는 약해지고, 목표를 설계하고 사람과 AI를 조합해 결과를 만드는 리더가 중요해질 것입니다.

    결론: AI와 일의 미래는 ‘덜 일하기’보다 ‘다르게 일하기’의 문제다

    영상의 마지막 메시지는 단순한 낙관도, 공포도 아닙니다. AI는 분명 많은 일을 바꿉니다. 하지만 인간에게 일이 완전히 사라진다기보다 일의 형태와 의미가 달라질 가능성이 높습니다.

    AI와 일의 미래를 준비하는 가장 좋은 방법은 “AI가 내 일을 빼앗을까?”에만 머무르지 않는 것입니다. 내가 해결하는 문제를 다시 정의하고, AI를 도구로 받아들이며, 조직 안팎에서 통하는 나만의 가치를 만들어야 합니다.

    결국 중요한 질문은 이것입니다.

    나는 AI가 만든 결과 위에서 어떤 판단과 책임을 더할 수 있는가?

    이 질문에 답을 만들어 가는 사람이 앞으로의 일터에서도, 조직 밖의 시장에서도 더 오래 살아남을 것입니다.

    참고자료

    • [SK 유튜브 – “월급은 AI가 벌어올게, 넌 놀기만 해” 5년 뒤, 진짜 출근 안 해도 먹고사는 세상이 온다면? | [AI 이후 우리는] EP.1 “AI와 일”](https://youtu.be/H7Trml7qb5w)

    이미지 출처: 본문에 사용된 캡쳐 이미지는 원본 YouTube 영상에서 리뷰·해설·교육 목적의 인용 이미지로 사용했습니다. 이미지 저작권은 원저작권자와 해당 채널에 있습니다.