요즘 직장인이라면 한 번쯤 이런 생각을 합니다. “이러다 내 일도 AI가 다 하는 거 아니야?”
불안할 만합니다. 매일 새로운 AI 소식이 쏟아지니까요. 그런데 막상 데이터를 들여다보면, 우리가 걱정하는 방식과 실제로 벌어지는 일은 좀 다릅니다. AI는 직업을 통째로 없애는 게 아니라, 그 직업을 이루는 ‘업무’를 잘게 쪼개서 일부만 가져갑니다. 그리고 그 변화에 어떻게 올라타느냐에 따라 사람마다, 회사마다 결과가 완전히 갈립니다.
한 줄로 먼저 말씀드립니다
AI는 일자리가 아니라 업무 단위를 재배치합니다. 한 사람의 직무는 수십 개의 작은 업무로 이루어져 있는데, AI는 그중 반복적이고 정형화된 일부를 가져갑니다. 그래서 직업이 사라지기보다, 사람이 하는 일이 ‘직접 처리’에서 ‘AI를 부리고 그 결과를 검증하는 것’으로 옮겨갑니다.
엔비디아 CEO 젠슨 황의 말이 이걸 한 문장으로 요약합니다. “AI가 당신을 대체할 가능성은 낮습니다. 다만 AI를 쓸 줄 아는 사람이 그렇지 못한 사람을 대체할 수는 있습니다.”
이 글은 McKinsey, 세계경제포럼(WEF), 스탠퍼드, PwC 등 20곳의 자료를 바탕으로 정리했습니다.
AI는 ‘직업’이 아니라 ‘업무’를 가져갑니다
가장 중요한 관점의 전환은 이겁니다. 우리는 보통 “회계사라는 직업이 사라질까?”처럼 직업 단위로 묻습니다. 그런데 McKinsey는 이걸 업무 단위로 봅니다. 회계사의 하루는 영수증 정리, 데이터 입력, 보고서 작성, 판단과 상담 등 수십 개의 업무로 쪼개집니다. AI는 이 중 영수증 정리나 데이터 입력 같은 반복 업무를 가져가고, 판단과 상담은 사람에게 남깁니다.
실제로 McKinsey는 지금 기술이 직원 업무 시간의 60~70%를 자동화할 잠재력이 있다고 봅니다. 큰 숫자처럼 보이지만, 핵심은 ‘시간’이지 ‘사람’이 아닙니다. 같은 회계사라도 반복 업무가 많은 사람은 충격이 크고, 판단·관계 업무가 많은 사람은 작습니다.
비유하자면 이렇습니다. AI는 당신을 해고하는 게 아니라, 당신 책상 위 잡일 바구니에서 몇 개를 집어가는 동료에 가깝습니다. 문제는 그 바구니에 잡일만 가득한 사람이냐, 아니냐입니다.
도입한 회사는 78%, 그런데 95%가 실패합니다
여기서 흥미로운 역설이 나옵니다. 2025년 기준 조직의 78%가 이미 AI를 한 가지 이상 업무에 쓰고 있습니다. 그런데 MIT 연구를 보면, 기업의 생성형 AI 시범 사업 중 95%는 손익에 잡히는 성과를 내지 못했습니다. 수백억 달러가 들어갔는데 대부분 재무제표에 흔적도 남기지 못했습니다.
왜 그럴까요? 모델이 나빠서가 아닙니다. MIT는 “일하는 방식은 그대로 둔 채 도구만 얹었기 때문”이라고 짚습니다. McKinsey는 이걸 ‘AI 시어터(AI 연극)’라고 부릅니다. 도입하는 시늉만 내고 실제 업무 흐름은 안 바꾼 상태죠.
결국 성과를 가르는 건 AI를 샀느냐가 아니라, 업무를 다시 그렸느냐입니다. 도입률은 더 이상 성과의 신호가 아닙니다. 이게 개인에게도 똑같이 적용됩니다. 챗GPT를 깔았다고 일을 잘하게 되는 게 아니라, 내 업무 중 무엇을 AI에 맡기고 무엇을 직접 챙길지 다시 짠 사람이 잘하게 됩니다.
AI는 ‘비서’일 때 가장 쓸모 있습니다
AI가 일을 돕는 방식은 두 갈래입니다. 증강은 사람이 일하고 AI가 곁에서 돕는 방식이고, 자동화는 AI가 업무를 통째로 위임받아 처리하는 방식입니다.
흥미롭게도 사람이 직접 AI를 쓸 때는 증강이 더 많습니다. Anthropic 분석에서 사람이 직접 나눈 대화의 52%가 증강, 45%가 자동화였습니다. 즉 우리가 일상에서 AI를 쓸 때는 ‘AI에게 다 맡기기’보다 ‘옆에 두고 같이 일하기’가 더 흔합니다.
그래서 지금 단계에서 현실적인 정답은 AI를 똑똑한 비서로 쓰는 것입니다. 초안을 시키고 내가 다듬고, 자료를 정리시키고 내가 판단합니다. AI가 먼저 바꾸는 업무는 반복 작성, 문서 정리, 코드, 분석, 고객 응대처럼 정형화된 일입니다. 이런 일이 많다면, 그 일을 AI에게 넘기고 나는 한 단계 위인 ‘검토하고 결정하는 일’로 올라서면 됩니다.
충격은 신입에게 먼저 옵니다
마냥 낙관할 수만은 없는 대목도 있습니다. 스탠퍼드가 미국 급여 데이터를 분석했더니, 챗GPT 출시 후 3년간 22~25세 청년의 고용이 13% 줄었습니다. 같은 기간 경력자 고용은 유지됐고요. 신입이 주로 하던 일이 딱 AI가 잘하는 반복·정형 업무였기 때문입니다.
다만 한 가지 단서가 있습니다. 이 하락은 AI가 업무를 ‘자동화’하는 직군에 몰렸고, AI가 ‘증강’하는 직군에서는 같은 하락이 없었습니다. 또 PwC에 따르면 AI 스킬을 가진 사람은 평균 56%의 임금 프리미엄을 받습니다(1년 전 25%에서 급등했습니다). 채용 공고 전체는 줄어드는데 AI 스킬을 요구하는 공고는 오히려 늘었습니다.
정리하면, 일자리 총량은 늘어납니다. WEF는 2030년까지 일자리가 1억 7천만 개 생기고 9천 2백만 개가 사라져, 순 7천 8백만 개가 늘어난다고 봅니다. 문제는 총량이 아니라 분포입니다. 준비된 사람과 그렇지 않은 사람의 격차가 벌어집니다.
그래서 지금 무엇을 해야 할까요
개인이라면 딱 두 가지입니다. 첫째, 내 업무를 잘게 쪼개 봅니다. 그중 반복적이고 정형화된 일을 골라 AI에게 맡기는 연습을 합니다. 둘째, AI가 내놓은 결과를 검증하고 책임지는 능력을 키웁니다. 앞으로 가치 있는 스킬은 ‘내가 직접 다 하는 것’이 아니라 ‘AI를 부리고 그 결과를 판단하는 것’입니다.
조직이라면 도구부터 사지 마시고 업무부터 다시 그리세요. 핵심 직무를 업무 단위로 쪼개 자동화할 것, AI로 거들 것, 사람이 지킬 것으로 나눕니다. 그리고 중요한 결정에는 사람이 검토하는 관문을 처음부터 설계에 넣습니다. 신입 채용을 줄이는 건 당장은 효율적이어도, 5년 뒤 시니어가 될 사람이 사라진다는 뜻입니다. 주니어를 ‘AI 검증·관리 담당’으로 재정의해 입구를 열어두는 편이 낫습니다.
정리하면
AI 시대의 질문은 “내 직업이 사라지나?”가 아니라 “내 업무 중 무엇이 재배치되나?”입니다. 직업이 통째로 없어지는 일은 드물고, 대신 업무가 쪼개져 사람과 AI 사이에 다시 나뉩니다.
그러니 불안에 멈춰 있기보다, 오늘 내 일 중에서 AI에게 넘길 만한 잡일 하나를 골라 맡겨보세요. 그게 ‘AI를 쓸 줄 아는 사람’으로 가는 첫걸음입니다.
자주 묻는 질문(FAQ)
Q. AI 때문에 결국 일자리가 줄어드나요, 늘어나나요?
A. 총량으로는 늘어납니다. WEF는 2030년까지 순 7천 8백만 개가 늘어난다고 봅니다. 다만 분포가 고르지 않아서, 반복·정형 업무가 많은 직군의 신입은 줄고 AI 스킬을 가진 사람은 늘고 임금도 오릅니다.
Q. 우리 회사가 AI를 도입했는데 별 효과가 없습니다. 왜 그럴까요?
A. 모델 문제일 가능성은 낮습니다. MIT는 시범 사업 95% 실패의 원인을 “업무 흐름을 안 바꾸고 도구만 얹은 것”으로 봅니다. 업무를 쪼개고 검증 동선을 먼저 설계하는 게 핵심입니다.
Q. 생산성이 정말 오르나요? AI로 더 느려졌다는 말도 있던데요.
A. 산업 단위로는 향상이 보이지만, 한 코딩 실험에서는 개발자가 AI를 쓸 때 19% 더 오래 걸렸는데도 스스로는 20% 빨라졌다고 ‘느꼈습니다’. 그래서 체감이 아니라 실제 측정으로 성과를 확인해야 합니다.
Q. 개인이 지금 당장 할 수 있는 건 뭔가요?
A. 내 업무를 쪼개 반복적인 일 하나를 AI에게 맡겨보는 것부터 시작하세요. 그리고 AI가 내놓은 결과를 검증하는 눈을 기르세요. 이 두 가지가 앞으로 가장 값나가는 스킬입니다.
참고 자료
– McKinsey — AI in the workplace 2025
– McKinsey — 생성형 AI의 경제적 잠재력
– WEF — Future of Jobs Report 2025
– MIT NANDA — State of AI in Business 2025
– Stanford HAI — 2025 AI Index Report
– Stanford/Fortune — 신입 노동자 영향 연구
– PwC — 2025 Global AI Jobs Barometer
– Anthropic — Economic Index (2026-01)
함께 읽으면 좋은 글
