AI가 일자리를 빼앗는다는 이야기는 이제 낯설지 않습니다. 그런데 막상 ‘어떤 직군이 사라지느냐’는 질문에는 저마다 다른 대답이 나옵니다. 회계사는 위험하다, 개발자는 안전하다, 아니다 디자이너도 위태롭다… 직군 단위의 예측은 늘 엇갈리고, 시간이 지나면 틀리기 일쑤입니다. 정작 중요한 질문은 따로 있습니다. AI가 실제로 대체하는 것은 ‘직업’이 아니라 ‘일의 방식’이라는 점입니다. 어떤 방식으로 일하느냐에 따라 같은 직군 안에서도 누군가는 밀려나고 누군가는 오히려 더 필요한 사람이 됩니다. 이 글은 그 차이를 구체적으로 살펴봅니다.
AI가 가장 잘하는 일: 반복·검색·초안 생성
AI 도구들이 특히 잘 처리하는 작업 유형이 있습니다. 정해진 형식 안에서 반복적으로 수행되는 일, 방대한 정보를 빠르게 검색하고 요약하는 일, 그리고 기존 사례를 학습해 초안을 만드는 일입니다. 보고서 초안 작성, 이메일 답변 생성, 데이터 정리, 코드 일부 자동 완성, 계약서 조항 검토 같은 작업들이 여기에 해당합니다.
이런 작업들은 지금까지 신입이나 주니어 직원이 주로 담당하던 영역이기도 합니다. 실무 경험을 쌓는 ‘밑작업’ 과정이 사라지면, 경험 축적의 사다리 자체가 흔들릴 수 있다는 우려가 실제로 나오고 있습니다. AI가 초안을 완성해 주는 환경에서, 처음부터 혼자 초안을 쓰는 훈련을 받을 기회가 줄어드는 것이죠.
따라서 지금 취업을 준비하거나 커리어를 시작하는 분들이라면, 자신이 하는 일 중 어떤 부분이 이 유형에 속하는지 먼저 파악하는 것이 출발점입니다. 그 일을 없애려는 것이 아니라, 그 일에만 머물지 않겠다는 방향 설정이 필요합니다.
‘단순 실행’과 ‘판단’의 차이가 점점 커진다
AI가 실행 속도를 높이면 높일수록, 조직은 실행 자체보다 무엇을 실행할지 결정하는 사람을 더 필요로 하게 됩니다. 보고서를 AI가 써준다면, 그 보고서가 맞는 방향을 묻는 보고서인지 판단하는 사람이 중요해집니다. 코드를 AI가 생성해준다면, 이 기능이 정말 만들어야 할 기능인지 결정하는 사람이 핵심이 됩니다.
판단력은 경험과 맥락에서 나옵니다. 업계 흐름을 읽고, 팀의 상황을 이해하고, 클라이언트가 진짜 원하는 것과 말하는 것 사이의 간극을 파악하는 능력. 이런 것들은 데이터 학습만으로는 갖추기 어렵습니다. 그리고 이 능력은 단기간에 키울 수 없기 때문에, 지금부터 ‘판단하는 연습’을 의도적으로 해야 합니다.
실무에서 판단력을 키우는 방법 중 하나는 결과물을 낼 때 ‘왜 이 방식을 선택했는가’를 글로 남기는 습관입니다. 단순히 완성된 산출물을 제출하는 것이 아니라, 선택의 근거를 언어화하는 훈련이 쌓이면 판단의 질이 달라집니다. AI가 옵션을 10개 제시할 때, 그 중 하나를 고르는 이유를 설명할 수 있는 사람이 되는 것이 목표입니다.
대체되는 것은 ‘과정의 중간 단계’다
직군 전체가 사라지는 경우보다, 한 직군 안에서 특정 업무 단계가 압축되거나 자동화되는 경우가 훨씬 많습니다. 예를 들어, 마케터라는 직업이 없어지는 게 아니라 마케터가 하던 키워드 리서치·광고 문구 작성·데이터 리포트 정리 같은 작업들이 도구로 처리되기 시작합니다. 이때 마케터에게 남는 것은 캠페인 전략, 브랜드 방향성, 고객 인사이트 해석입니다.
이 구조는 대부분의 지식 노동 직군에서 비슷하게 나타납니다. 변호사는 판례 검색과 문서 초안은 AI와 함께 처리하고, 클라이언트와의 전략적 논의와 최종 판단에 집중합니다. 컨설턴트는 데이터 분석 초안을 AI로 빠르게 만들고, 인터뷰와 스토리라인 구성에 더 많은 시간을 씁니다.
중요한 것은, 이 ‘남겨진 영역’이 오히려 더 높은 가치를 인정받게 된다는 점입니다. 중간 단계가 자동화될수록, 앞단의 방향 설정과 뒷단의 해석·실행 판단에 대한 수요가 올라갑니다. 커리어 설계 측면에서 보면, 자신의 직무에서 앞단과 뒷단이 어디인지 파악하고 그 역량을 키우는 것이 가장 현실적인 대응입니다.
AI를 쓰는 사람과 AI에 쓰이는 사람의 차이
AI 도구를 쓰는 것 자체가 경쟁력이던 시기는 이미 지나가고 있습니다. ChatGPT를 쓸 줄 안다는 것은 이제 기본기에 가까워졌습니다. 차이는 ‘어떻게 쓰느냐’에 있습니다. AI에게 질문을 잘 구성하는 능력, 결과물을 검토하고 편집하는 능력, AI가 놓친 맥락을 채우는 능력이 진짜 실력의 기준이 됩니다.
반대로, AI가 내놓은 결과물을 그대로 가져다 쓰거나 검토 없이 전달하는 방식은 리스크를 키웁니다. AI는 사실 오류를 매끄럽게 포장하는 경향이 있고, 맥락을 잘못 파악한 채로 자신 있게 답변하기도 합니다. 이 결과물에 이름을 붙이는 것은 결국 사람이기 때문에, 책임 역시 사람에게 남습니다.
실무에서 AI를 효과적으로 활용하고 싶다면, 다음과 같은 습관을 먼저 만드는 것이 도움이 됩니다.
- AI에게 요청할 때 배경, 목적, 독자를 구체적으로 전달한다
- AI 결과물을 편집할 때 ‘무엇을 바꿨는지’를 의식하며 작업한다
- AI가 틀릴 수 있는 부분(수치, 인용, 최신 정보)은 반드시 직접 확인한다
- AI가 잘 처리하는 작업과 그렇지 않은 작업을 직접 실험하며 파악한다
취업·이직 준비생에게 실제로 의미하는 것
AI 시대 커리어 준비를 이야기할 때 ‘소프트스킬이 중요하다’는 말이 자주 나옵니다. 틀린 말은 아니지만, 너무 막연합니다. 실제로 채용 현장에서 달라지는 부분은 조금 더 구체적입니다.
첫째, 포트폴리오와 과제 전형에서 AI 도구 사용 자체보다 ‘자신의 판단이 녹아있는가’를 보는 경향이 강해지고 있습니다. AI로 만든 결과물과 직접 만든 결과물의 표면적 완성도 차이가 줄어들수록, 과정의 논리와 선택의 근거가 더 중요해집니다. 포트폴리오를 만들 때 결과물 이면의 의사결정 과정을 함께 담는 것이 좋습니다.
둘째, 인터뷰에서도 ‘어떻게 판단했는가’를 묻는 질문이 늘고 있습니다. 단순히 무엇을 했느냐가 아니라, 왜 그 방향을 택했고, 다른 선택지는 무엇이었으며, 결과에서 무엇을 배웠는가. 이 흐름으로 경험을 정리하는 연습이 필요합니다.
셋째, 직군 선택보다 ‘일하는 방식의 유연성’이 중요해졌습니다. 특정 직군이 안전하다기보다, 변하는 환경에서 역할을 재정의하고 새로운 도구를 배우는 속도가 중요합니다. 커리어 초반에 다양한 방식으로 일하는 경험을 쌓는 것이 장기적으로 유리합니다.
지금 당장 할 수 있는 것: 일의 구조를 다시 살펴보기
AI 위협을 추상적으로 걱정하는 것보다, 자신이 하는 일의 구조를 한 번 정리해보는 것이 훨씬 유효합니다. 현재 하고 있는 업무나 준비 중인 직무를 아래 기준으로 나눠보세요.
- 반복적으로 같은 형식으로 처리하는 작업은 무엇인가
- 정보를 수집하고 정리하는 데 시간이 많이 드는 작업은 무엇인가
- 기준이 명확하고 옳고 그름이 분명한 작업은 무엇인가
- 맥락과 상황에 따라 다른 판단이 필요한 작업은 무엇인가
- 상대방과의 관계, 신뢰, 커뮤니케이션이 핵심인 작업은 무엇인가
앞의 세 가지가 많은 영역은 AI 도구가 빠르게 흡수하게 됩니다. 뒤의 두 가지는 당분간은 사람이 중심이 될 가능성이 높습니다. 이 구분을 바탕으로 어디에 더 집중할지 방향을 잡으면, ‘어떤 직군이 살아남는가’라는 모호한 질문보다 훨씬 실질적인 행동으로 이어집니다.
AI의 등장이 커리어를 어렵게 만든다기보다, 일의 어떤 부분에 집중해야 하는지를 더 명확하게 드러내준다고 보는 것이 더 정확합니다. 그 명확함을 기회로 삼는 사람이, 직군을 불문하고 더 단단한 자리를 만들어가게 됩니다. 누스쿨 커뮤니티에서는 이런 커리어 방향 설정을 실제 현직자·멘토와 함께 구체적으로 다듬어갈 수 있습니다. 혼자 고민하는 시간을 줄이고 싶다면, 한 번 들어와보세요.
💬 댓글 0