저도 처음엔 AI가 제 일을 빼앗아 갈 거라고 생각했습니다. 기획서를 ChatGPT로 초안 잡기 시작하면서 그 생각이 완전히 바뀌었습니다. AI는 대체자가 아니라 역할을 다시 나누는 계기였습니다. 직접 만드는 사람에서 판단하고 선택하는 사람으로, 제 역할이 조용히 바뀌고 있었습니다.
역할 재정의: "대신해주는 도구"에서 "같이 일하는 구조"로
일반적으로 AI 협업이라고 하면 단순 반복 업무를 자동화하는 것이라고 알려져 있습니다. 그런데 제 경험상 이건 좀 다릅니다. 제가 실제로 변화를 체감한 건 단순 작업이 아니라 기획서 초안 작업이었습니다. 예전엔 빈 문서 앞에서 구조 잡는 데만 30분을 썼습니다. 지금은 ChatGPT로 뼈대를 먼저 세우고, 저는 방향을 조정하고 논리를 다듬는 역할로 들어갑니다. 걸리는 시간이 절반으로 줄었습니다.
QA(Quality Assurance) 업무에서도 비슷한 변화가 있었습니다. QA란 소프트웨어나 서비스가 출시 전에 오류 없이 작동하는지 점검하는 품질 보증 과정을 말합니다. 테스트 케이스를 처음부터 직접 설계하는 대신, AI가 초안을 먼저 뽑고 저는 누락된 항목을 채우는 방식으로 흐름이 바뀌었습니다. 특히 엣지 케이스(Edge Case), 즉 일반적인 사용 흐름에서 벗어난 극단적 상황을 AI가 먼저 제안해 줄 때는 솔직히 이건 예상 밖이었습니다. 사람이 놓치기 쉬운 예외 조건을 AI가 먼저 꺼내는 경험이 반복되면서, "이건 도구가 아니라 같이 작업하는 구조구나"라는 생각이 자리 잡기 시작했습니다.
맥킨지의 AI 현황 보고서에 따르면(출처: McKinsey Global Institute) AI를 실제 업무에 도입한 기업의 상당수가 자동화보다 인간과 AI의 협업 구조 재설계에서 더 큰 효과를 보고 있다고 밝혔습니다. 단순 반복을 없애는 것보다 역할을 어떻게 나눌지가 더 핵심 과제라는 의미입니다. 제가 현장에서 느낀 것과 정확히 맞아떨어지는 이야기입니다.
워크플로우(Workflow)라는 개념이 여기서 중요해집니다. 워크플로우란 업무가 처음 시작되어 완료될 때까지 거치는 단계와 역할 분배 방식을 뜻합니다. AI 협업이 잘 되는 조직과 그렇지 않은 조직의 차이는 대부분 이 워크플로우 설계에서 갈렸습니다. AI를 어디에 끼워 넣을지, 사람이 어느 지점에서 개입할지를 미리 구조화해 두지 않으면 오히려 혼선만 커집니다.
검증 능력: AI를 잘 쓰는 것보다 AI를 제대로 보는 눈이 먼저
AI 협업 능력을 키우려면 프롬프트(Prompt) 작성 실력이 중요하다는 말을 자주 듣습니다. 프롬프트란 AI에게 원하는 결과를 끌어내기 위해 입력하는 명령어 또는 질문 형식을 말합니다. 물론 틀린 말은 아닙니다. 그런데 제가 직접 써봤는데, 프롬프트를 아무리 잘 써도 결과물을 검증하지 않으면 오히려 리스크가 커집니다.
AI가 내놓는 답이 항상 맞는 건 아닙니다. 숫자를 틀리거나, 존재하지 않는 사례를 그럴듯하게 만들어 내는 할루시네이션(Hallucination) 현상이 생각보다 자주 발생합니다. 할루시네이션이란 AI가 사실이 아닌 정보를 마치 사실인 것처럼 출력하는 오류를 말합니다. 제 경험상 이게 가장 위험한 순간은 결과물이 그럴듯하게 보일 때입니다. 어설프게 틀린 건 금방 잡히는데, 자연스럽게 틀린 건 그대로 넘어갈 가능성이 높습니다.
가트너의 인간-AI 협업 분석 자료에 따르면(출처: Gartner) AI 도입 실패 사례의 상당 비율이 결과 검증 프로세스 부재에서 비롯된다고 지적합니다. AI가 틀렸다는 게 문제가 아니라, 검토 없이 그대로 쓴 게 문제라는 이야기입니다. 저도 초반엔 결과물을 거의 그대로 쓴 적이 있었는데, 한 번 사소한 사실 오류가 보고서에 들어갔다가 뒤늦게 발견된 뒤부터 반드시 검수 단계를 넣게 됐습니다.
결국 AI 협업에서 핵심은 아래처럼 정리됩니다.
- AI 결과물을 비판적으로 읽는 습관 — 그럴듯해 보여도 사실 여부를 확인한다
- 프롬프트를 구체적으로 설계하는 능력 — 원하는 형식과 조건을 명확히 지정한다
- AI가 틀린 지점을 수정하고 보완하는 편집력 — 생성보다 판단이 더 중요한 역량이다
- 중요한 업무일수록 최종 검토를 반드시 사람이 수행하는 구조를 갖춘다
이 네 가지를 갖추지 않으면, AI를 도입했는데 오히려 오류가 늘어나는 역설적인 상황이 생깁니다. "AI를 잘 쓰는 사람"보다 "AI 결과를 제대로 판단하는 사람"이 더 가치 있어지는 이유가 여기에 있습니다.
직무 변화: 어떤 역할이 달라지고 있는가
AI 도입으로 인간의 일자리가 사라진다는 시각도 있지만, 개인적으로는 역할이 재편되는 쪽이 더 정확한 표현이라고 봅니다. 실제로 제 주변에서 AI 때문에 직무 자체가 없어진 경우는 거의 없었습니다. 대신 같은 사람이 더 적은 시간에 더 많은 산출물을 내는 방식으로 업무 밀도가 달라졌습니다.
하버드 비즈니스 리뷰의 분석에 따르면(출처: Harvard Business Review) AI와의 협업 효과가 가장 두드러진 직무는 생성과 판단이 동시에 요구되는 역할이라고 밝혔습니다. 기획, 개발, 마케팅, 콘텐츠 제작이 대표적입니다. 이 직무들의 공통점은 결과물을 만드는 데서 끝나지 않고 그 결과의 방향성을 사람이 결정해야 한다는 점입니다.
반면 인풋과 아웃풋이 명확하게 정해진 반복 업무, 예를 들어 정해진 양식의 데이터 입력이나 정형화된 보고서 생성 같은 작업은 자동화 비율이 빠르게 올라가고 있습니다. 여기서 중요한 건 이런 업무만 하던 사람이 어떻게 역할을 전환하느냐입니다. 생산 역할에서 검토와 판단 역할로 중심을 옮기지 못하면 AI 도입이 오히려 불리하게 작용할 수 있습니다.
제가 체감하는 흐름은 이렇습니다. 직접 만드는 시간은 줄었지만, 뭘 만들지 결정하는 시간은 오히려 늘었습니다. 기획서 초안은 AI가 뽑아줘도, 어떤 방향으로 가져갈지는 결국 저의 판단이 필요합니다. 이 판단의 무게가 예전보다 훨씬 커진 느낌입니다. 도메인 지식(Domain Knowledge), 즉 해당 분야에 대한 깊이 있는 전문 이해가 있어야 AI 결과물의 품질을 제대로 평가할 수 있다는 점도 직접 느끼고 있습니다.
AI와 함께 일하는 방식은 이미 선택이 아닌 현실이 됐습니다. 중요한 건 AI를 두려워하거나 맹신하는 양 극단 사이에서, 검증하고 판단하는 사람으로 자리를 잡는 것입니다. 프롬프트 잘 쓰는 능력보다 결과물을 제대로 읽는 눈, 방향을 정하는 판단력이 앞으로 더 오래 쓸 수 있는 역량입니다. 지금 당장 AI 결과물을 그대로 쓰고 있다면, 한 번만 더 들여다보는 습관부터 시작해 보시길 권합니다.
참고: