모든 직업을 관통하는 질문이 있습니다:
"AI가 나를 대체할까?"
변호사들도 묻습니다.
디자이너들도 묻습니다.
프로그래머, 교사, 기자, 의사, 광고인, 분석가들도 모두 묻습니다.
이 질문이 합리적으로 보이는 이유는 아주 명확한 순간을 상상하게 하기 때문입니다.
오늘은 그 자리에 사람이 앉아 있습니다.
내일은 기계가 앉아 있습니다.
그날이 오지 않는 한, 우리는 계속 일하며 현재 위치가 유지되는 것을 안정의 신호로 해석합니다.
하지만 아마 그렇지 않을 것입니다.
당신의 직업은 계속 존재할 수 있습니다.
당신의 직함은 같은 이름을 유지할 수 있습니다.
당신의 회사는 같은 분야의 사람을 계속 고용할 수 있습니다.
그럼에도 불구하고, 그 직업에 안정성과 협상력, 미래를 보장해주던 모든 것이 변하기 시작할 수 있습니다.
위험은 직업이 사라질 때 시작되지 않습니다. 직업이 계속 존재하지만, 더 적은 인력이 필요해지기 시작할 때 시작됩니다.
직업은 단순히 하나가 아닙니다
클라라라는 젊은 마케팅 분석가를 상상해보세요.
클라라는 경력을 시작하고 있습니다.
일주일 동안 그녀는 경쟁사를 조사하고, 정보를 정리하며, 프레젠테이션을 준비하고, 초안을 작성하며, 캠페인을 모니터링하고, 결과를 보고서로 변환합니다.
이러한 작업들 각각은 단독으로 마케팅 업무의 의미를 정의하지 않습니다.
하지만 함께 모여 그녀의 업무의 상당 부분을 차지합니다.
그리고 클라라에게 직업을 수행하는 방법을 가르쳐줍니다.
경쟁사를 조사할 때, 그녀는 중요한 변화와 무의미한 새로운 것을 구별하는 법을 배웁니다.
보고서를 준비할 때, 그녀는 어떤 수치가 좋아 보이고 어떤 것이 실제로 결과를 나타내는지 배웁니다.
초안을 작성할 때, 그녀는 아이디어가 청중, 제품, 상황에 따라 어떻게 변하는지 이해합니다.
더 경험 많은 사람이 자신의 작업을 검토하는 것을 따라갈 때, 그녀는 스스로 설명할 수 없었던 기준을 인지하기 시작합니다.
이제 클라라의 회사가 AI를 도입한다고 상상해보세요.
초기 조사는 몇 분 만에 끝납니다.
데이터는 정리된 상태로 도착합니다.
프레젠테이션은 자동으로 첫 번째 구조를 얻습니다.
보고서는 요약과 함께 나타납니다.
클라라가 첫 번째 버전을 끝내기도 전에 텍스트의 열 가지 버전이 생성될 수 있습니다.
마케팅 직업이 사라졌나요?
아니요.
클라라가 일자리를 잃었나요?
꼭 그렇지는 않습니다.
하지만 중요한 일이 일어났습니다.
직업은 단일 블록이 아닙니다.
작업, 결정, 지식, 관계, 책임, 판단, 그리고 감수하는 위험으로 형성됩니다.
AI가 시장을 변화시키기 위해 이 모든 것을 마스터할 필요는 없습니다.
올바른 부분에만 진입하면 됩니다.
직업은 가장 마지막에 사라지는 것 중 하나입니다. 작업이 먼저 변합니다.
가장 먼저 사라지는 것은 사다리일 수 있습니다
클라라의 초기 작업을 보고 단순히 운영적인 업무로만 보기 쉽습니다.
조사.
정리.
초안.
보고서.
기계가 그녀의 업무에서 이 무게를 덜어주는 것이 좋아 보입니다.
하지만 그 작업들은 그녀 훈련의 첫 번째 단계이기도 했습니다.
클라라는 단지 보고서를 제출하기 위해 보고서를 만든 것이 아닙니다.
그녀는 비즈니스를 보는 법을 배우고 있었습니다.
단지 프레젠테이션을 채우기 위해 경쟁사를 조사한 것이 아닙니다.
그녀는 레퍼토리를 쌓고 있었습니다.
단지 누군가 해야 했기 때문에 불완전한 버전을 쓴 것이 아닙니다.
그녀는 수년 후에 좋은 버전을 인식할 수 있게 해줄 판단력을 키우고 있었습니다.
이 메커니즘은 많은 직업에서 나타납니다.
주니어 변호사는 문서를 조사하고, 판결을 비교하며, 초안을 준비함으로써 배웁니다.
프로그래머는 작은 문제를 수정하고, 간단한 부분을 작성하며, 다른 사람이 구축한 시스템을 이해하려고 노력함으로써 시작합니다.
디자이너는 변형을 만들고, 피드백을 받으며, 비판을 수용함으로써 미적 방향성을 개발합니다.
광고 전문가는 참고 자료를 조사하고, 접근 방식을 테스트하며, 어떤 아이디어가 검토를 통과하고 그렇지 않은지 관찰함으로써 배웁니다.
AI가 이러한 작업을 수행할 때, 회사는 단순히 시간을 절약하는 것이 아닙니다.
경력 초기 단계에 있는 사람들을 더 적게 필요로 할 수 있습니다.
경험 많은 전문가가 AI와 함께 작업하면 이전에 여러 초보자가 필요했던 것을 제공하기 시작합니다.
회사는 더 적은 포지션을 엽니다.
더 적은 사람이 들어옵니다.
더 적은 사람이 경험을 축적합니다.
경력은 첫 번째 단계 중 일부를 잃습니다.
이것은 이미 이용 가능한 첫 번째 데이터에서 나타나고 있습니다.
스탠포드 디지털 경제 연구소(Stanford Digital Economy Lab)의 연구에 따르면, 미국의 급여 기록을 기반으로 AI에 가장 많이 노출된 직종에서 22세에서 25세 사이의 근로자 고용이 상대적으로 16% 감소한 것으로 나타났습니다. 이는 회사 간 차이를 고려한 후의 결과입니다.
같은 연구에서, 같은 직종의 더 경험 많은 전문가들은 상대적으로 더 보호받았습니다.
연구자들 스스로도 이 연구는 관찰 연구이며, 모든 차이가 AI에 의한 것임을 증명하지 않는다고 경고합니다.
그럼에도 불구하고, 그 패턴은 주목할 가치가 있습니다.
초기 압력은 모든 사람에게 같은 방식으로 가해지지 않는 것 같습니다.
배우기 위해 입사해야 했던 사람들에게 정확히 시작될 수 있습니다.
AI는 직업을 없애지 않을 수 있습니다. 사람들이 그 직업을 수행하는 방법을 배우는 방식을 없앨 수 있습니다.
그리고 이것은 불편한 질문을 만듭니다:
경험 많은 전문가를 양성하던 일자리가 사라지면, 다음 경험 많은 전문가들은 어디서 나올까요?
직위는 유지되지만, 가치는 이동합니다
클라라는 회사에 남아 있습니다.
그녀의 직함은 여전히 마케팅 분석가입니다.
외부에서는 모든 것이 비교적 정상으로 보입니다.
내부에서는 기준이 바뀌었습니다.
이전에는 회사가 그녀가 조사하고, 정리하며, 생산하기를 기대했습니다.
이제 이러한 단계가 더 빨라졌기 때문에, 회사는 클라라가 더 많은 것을 제공하기를 기대합니다.
열 가지 아이디어를 제시하는 것만으로는 충분하지 않습니다.
그녀는 어떤 두 가지가 의미 있는지 인식해야 합니다.
보고서를 생성하는 것만으로는 충분하지 않습니다.
그녀는 그것을 기반으로 무엇을 해야 하는지 설명해야 합니다.
캠페인을 만드는 것만으로는 충분하지 않습니다.
그녀는 청중을 이해하고, 위험을 식별하며, 선택을 방어하고, 결과에 대한 책임을 져야 합니다.
생산성 향상이 자동으로 여유 시간으로 전환되지는 않습니다.
종종 새로운 기대치로 전환됩니다.
한 사람이 이전에 여러 사람이 필요했던 것을 제공하기 시작합니다.
팀은 더 작아집니다.
생산량은 증가합니다.
실행은 풍부해집니다.
그리고 풍부해진 것은 일반적으로 경제적 가치를 잃습니다.
AI가 모든 디자이너를 대체하지는 않을 것입니다.
하지만 한 명의 뛰어난 디자이너가 이전에 팀이 필요했던 것을 생산할 수 있게 할 수 있습니다.
모든 변호사를 대체하지는 않을 것입니다.
하지만 사건을 조사하고, 정리하며, 준비하는 데 필요한 사람 수를 줄일 수 있습니다.
모든 마케팅 전문가를 대체하지는 않을 것입니다.
하지만 단순히 텍스트, 프레젠테이션, 보고서를 생산하는 능력만으로는 충분하지 않게 만들 수 있습니다.
직업은 시장에 남아 있습니다.
그 안에서 이용 가능한 자리의 수가 변하는 것입니다.
그리고 가치는 실행 이상의 무언가를 할 수 있는 사람들에게 집중되기 시작합니다.
작업이 풍부해지면, 그것을 실행하는 방법을 아는 것만으로는 더 이상 가치를 보장하기에 충분하지 않습니다.
실행이 더 이상 희소하지 않다면, 무엇이 가치 있게 남을까요?
사다리를 부수는 바로 그 기술이 다른 사다리를 만드는 데 도움을 줄 수 있습니다
여기 중요한 모순이 있습니다.
AI는 초보자들이 배우던 일부 작업의 필요성을 줄입니다.
하지만 동시에 한 사람이 이전에는 혼자서는 얻을 수 없었던 양의 연습, 지식, 능력에 접근할 수 있게 해줍니다.
이것은 자동으로 일어나지 않습니다.
클라라는 AI를 완전히 다른 두 가지 방식으로 사용할 수 있습니다.
첫 번째 방식에서, 그녀는 작업을 보내고, 답변을 받고, 결과를 복사하여 전달합니다.
그녀는 생산적으로 보입니다.
하지만 왜 그 답변이 좋은지 설명할 수 없습니다.
오류를 확실히 인식하지 못합니다.
자신의 기준을 개발하지 않습니다.
더 많이 생산할수록, 그녀는 평가할 줄 모르는 것에 더 의존하게 됩니다.
그녀는 AI를 사용하여 일을 피하고 있습니다.
하지만 그녀는 또한 학습의 일부를 피하고 있습니다.
두 번째 방식에서, 클라라는 AI를 사용하여 훈련을 확장합니다.
그녀는 도구에게 다양한 전략을 설명하도록 요청합니다.
대안을 비교합니다.
답변을 확인하기 전에 결정을 내리려고 시도합니다.
자신의 추론에 대한 비판을 요청합니다.
시나리오를 시뮬레이션합니다.
이전 캠페인을 연구합니다.
실수를 기록합니다.
자신만의 프로젝트를 만듭니다.
혼자서는 시간이나 자원이 없어 테스트할 수 없었던 가설을 테스트합니다.
단 하나의 답변만 요청하는 대신, 그녀는 주기를 만듭니다:
시도하고, 비교하고, 피드백을 받고, 수정하고, 다시 시도합니다.
이 경우, AI는 연습을 대체하지 않습니다.
가능한 연습의 양과 속도를 증가시킵니다.
하지만 중요한 한계가 있습니다.
AI는 실제 문제를 대체하지 않습니다.
실제 결과를 대체하지 않습니다.
멘토십, 더 경험 많은 사람들과의 접촉, 외부 피드백, 점진적인 책임을 대체하지 않습니다.
무엇이든 답할 수 있는 도구는 나쁜 아이디어를 매우 설득력 있게 확인해줄 수도 있습니다.
따라서 새로운 사다리는 프롬프트, 에이전트, 자동화만으로는 만들어지지 않을 것입니다.
AI와 실제 프로젝트, 인간의 비판, 학습, 실험, 책임을 결합해야 합니다.
차이는 AI를 사용하여 학습을 피하는 것과 판단력 구축을 가속화하는 것 사이에 있을 것입니다.
오래된 단계 중 일부를 제거하는 기술은 새로운 단계를 만드는 데도 도움을 줄 수 있습니다.
단, 이번에는 그 사다리를 만드는 책임의 일부가 회사를 떠나 전문가 자신에게로 넘어갈 수 있습니다.
증강된 전문가의 탄생
시간이 지나면서, 클라라는 작업을 끝내야 할 때만 AI를 사용하는 것을 멈춥니다.
그녀는 자신 주변에 능력을 구축하기 시작합니다.
이전 캠페인의 기억을 조직합니다.
결정, 결과, 실수를 기록합니다.
경쟁사를 조사하는 반복적인 프로세스를 만듭니다.
아이디어를 평가하는 기준을 정의합니다.
특정 작업을 위한 에이전트를 구성합니다.
후속 작업을 자동화합니다.
각 클라이언트의 맥락을 정리합니다.
모든 전달 전에 검증 단계를 만듭니다.
클라라는 더 이상 각 프로젝트를 처음부터 시작하지 않습니다.
그녀는 배운 모든 것과 그 지식을 움직일 수 있는 시스템을 가지고 다닙니다.
이것은 단순히 ChatGPT를 사용하는 방법을 아는 것보다 더 큰 차이입니다.
AI를 사용하여 같은 작업을 더 빠르게 생산하는 전문가가 있습니다.
그리고 AI를 기억, 프로세스, 레퍼토리, 축적된 능력으로 변환하는 전문가가 있습니다.
첫 번째는 시간을 절약합니다.
두 번째는 한 사람이 감당할 수 있는 것을 변화시킵니다.
이 변화는 이미 대기업이 일을 설명하는 방식에 나타나고 있습니다.
2025년 Work Trend Index에서 Microsoft는 인간과 에이전트로 구성된 팀의 아이디어를 제시했습니다. 전문가들은 "디지털 동료"를 지시하여 작업의 특정 부분을 실행합니다.
Anthropic Economic Index 또한 두 가지 뚜렷한 사용 패턴을 발견했습니다: 작업이 위임될 때의 자동화, 그리고 사람이 AI를 사용하여 함께 배우고, 검증하며, 작업을 개발할 때의 증강입니다.
이 구분이 중요한 이유는 버튼을 클릭하는 것이 지속적인 이점을 만들지 않기 때문입니다.
시간이 지나면서, 거의 모든 사람이 같은 도구에 접근할 수 있게 될 것입니다.
이점은 그 도구 주변에 구축된 시스템에 있을 것입니다.
당신은 어떤 정보를 정리했습니까?
어떤 맥락을 축적했습니까?
어떤 기준을 개발했습니까?
어떤 프로세스를 조정할 줄 압니까?
어떤 결과를 검증할 수 있습니까?
어떤 책임을 맡기 시작했습니까?
미래에는 회사가 사람의 경험, 훈련, 이전 결과만 평가하지 않을 수 있습니다.
또한 그 사람이 동원할 수 있는 능력이 무엇인지 알고 싶어할 것입니다.
어떤 프로세스를 운영할 수 있습니까?
얼마나 많은 맥락을 가지고 다닐 수 있습니까?
에이전트가 생산하는 결과의 품질을 어떻게 통제합니까?
팀을 확장하지 않고 얼마나 많은 결과를 창출할 수 있습니까?
사람은 단순히 이력서를 가지고 오지 않습니다.
그들은 일종의 자신만의 전문적인 인프라를 가지고 옵니다.
회사는 단순히 사람을 고용하는 것이 아닙니다. 그들의 판단력과 그들이 구축하고 조정하는 법을 배운 모든 AI 능력을 고용하는 것입니다.
각 전문가는 이전에는 오직 회사 전체에만 속했던 운영 능력을 가지고 다닐 수 있습니다.
하지만 그것이 기계가 자동으로 전문가를 가치 있게 만들었다는 것을 의미하지는 않습니다.
기계는 생성할 수 있습니다.
누군가는 여전히 방향을 제시해야 합니다.
기계는 제안할 수 있습니다.
누군가는 여전히 판단해야 합니다.
기계는 엄청난 양의 정보를 처리할 수 있습니다.
누군가는 여전히 맥락을 이해해야 합니다.
기계는 행동을 추천할 수 있습니다.
누군가는 여전히 결과에 대해 책임을 져야 합니다.
방향, 판단, 맥락, 책임은 인간에 대한 낭만적인 변호가 아닙니다.
그것들은 작업의 구체적인 부분입니다.
생산이 더 저렴해질수록, 그것들은 더 중요해집니다.
방향, 판단, 맥락, 책임 없는 능력은 아직 완전한 직업이 아닙니다.
오늘 할 수 있는 테스트
당신의 직업 이름이 위협받는 직업 목록에 나타나기를 기다리지 마세요.
정상적인 근무 주를 기준으로 실제로 하는 일을 나열해보세요.
"나는 변호사입니다", "나는 디자이너입니다", "나는 마케팅 일을 합니다"라고만 쓰지 마세요.
활동을 나열하세요.
그런 다음 각각을 여섯 그룹으로 분류하세요.
1. 생산
당신이 만들거나, 정리하거나, 실행하는 것은 무엇인가요?
2. 결정
당신의 선택이 필요한 것은 무엇인가요?
3. 맥락
회사, 고객, 또는 상황을 깊이 아는 것에 달려 있는 것은 무엇인가요?
4. 책임
누군가가 결과에 대해 답해야 하는 것은 무엇인가요?
5. 신뢰
관계, 평판, 또는 신뢰성에 달려 있는 것은 무엇인가요?
6. 학습
더 큰 작업을 맡는 데 필요한 경험을 형성하는 작업은 무엇인가요?
이제 AI가 이미 시작할 수 있는 것을 식별하세요.
모든 것을 완벽하게 할 수 있는지 묻지 마세요.
그것은 너무 편안한 기준입니다.
이렇게 물어보세요:
AI가 이미 유용한 첫 번째 버전을 생산할 수 있습니까?
대답이 '예'라면, 이미 그 작업에 필요한 시간, 비용, 인원 수를 바꿀 수 있습니다.
그런 다음, 보이지 않는 위험을 찾으세요.
이 작업이 가치를 잃으면, 당신에게 어떤 일이 일어납니까?
단순히 운영적인 것입니까, 아니면 당신의 학습의 일부이기도 합니까?
누구나 AI로 그것을 실행할 수 있다면, 왜 누군가는 계속 당신을 선택할까요?
당신은 판단력을 개발하고 있습니까, 아니면 단순히 속도를 높이고 있습니까?
마지막으로, 보이지 않는 기회를 찾으세요.
더 많이 연습하기 위해 AI를 어떻게 사용할 수 있습니까?
어떤 지식을 정리해야 합니까?
단순히 가속화하는 대신 어떤 프로세스를 구축할 수 있습니까?
결과를 평가하기 위해 어떤 기준을 개발해야 합니까?
실행에 시간이 덜 걸리게 되었으니, 어떤 더 큰 책임을 맡을 수 있습니까?
가장 중요한 질문은 이것이 아닙니다:
"내 작업을 더 빨리 끝내려면 어떻게 해야 할까?"
이것입니다:
"나는 AI를 사용하여 같은 작업을 더 빠르게 하고 있는가, 아니면 다른 능력을 가진 전문가가 되고 있는가?"
위험은 더 일찍 시작됩니다. 기회도 마찬가지입니다.
AI는 아마 월요일에 도착해서 당신의 직업이 존재하지 않게 되었다고 발표하지 않을 것입니다.
당신의 직함은 유지될 수 있습니다.
회사는 계속 고용할 수 있습니다.
사람들은 수년 동안 같은 활동을 계속 수행할 수 있습니다.
변화는 덜 눈에 띄는 방식으로 일어날 것입니다.
먼저, 일부 작업에 걸리는 시간이 줄어들 것입니다.
그런 다음, 한 사람이 이전에 여러 사람이 필요했던 것을 제공할 수 있게 될 것입니다.
초급 직위는 감소할 것입니다.
오래된 사다리는 단계를 잃을 것입니다.
기대치는 높아질 것입니다.
특정 기술은 더 이상 희소하지 않게 될 것입니다.
가치는 작업의 새로운 부분으로 이동할 것입니다.
누군가 마침내 직업이 대체되었는지 물을 때, 그것은 이미 잘못된 질문일 수 있습니다.
가장 취약한 전문가는 반드시 자신의 직업이 자동화될 수 있는 사람이 아닙니다.
가치는 쉽게 복제될 수 있는 작업에만 의존하는 사람입니다.
가장 준비된 전문가는 AI 없이도 일할 수 있음을 증명하려고 하지 않습니다.
그들은 기술을 지시하고, 그 결과를 검증하며, 기계가 혼자서는 감당할 수 없는 책임을 맡는 법을 배웁니다.
이것이 누구도 대체 불가능하게 만들지는 않습니다.
하지만 준비된 사람은 혼자 일할 때보다 훨씬 더 유능하고, 가치 있으며, 대체하기 어렵게 만듭니다.
미래는 단순히 사람과 기계 사이로 나뉘지 않을 것입니다.
계속 혼자 일하는 사람들과 기계를 자신의 능력의 확장으로 변환하는 법을 배운 사람들 사이로 나뉠 것입니다.
AI는 한 번에 당신의 직업을 대체하지 않을 것입니다. 실제 위험은 그보다 훨씬 일찍 시작됩니다.
하지만 기회도 마찬가지입니다.
이 변화에 대비하고 싶다면
가장 좋은 준비 방법은 AI와 경쟁하는 것이 아닙니다.
그것을 자신의 능력으로 변환하는 법을 배우는 것입니다.
이것을 당신의 업무에서 어떻게 할 수 있는지 이해하고 싶다면, 여기 X에서 저를 팔로우하세요.
저는 더 나은 결과를 생산하고, 더 큰 책임을 맡으며, 시장에서 더 가치 있게 되기 위해 새로운 기술을 사용하는 실용적인 방법을 매일 공유합니다.
인용 출처
- Erik Brynjolfsson, Bharat Chandar, and Ruyu Chen. Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab, November 2025 version.
- Microsoft. 2025 Work Trend Index Annual Report: The Year the Frontier Firm Is Born.
- Anthropic. Anthropic Economic Index: Uneven Geographic and Enterprise AI Adoption, September 2025.
