AI가 일을 대신할 때 경력의 의미도 흔들릴까

AI가 일을 대신할 때 경력의 의미도 흔들릴까

AI 뉴스 썸네일

AI 에이전트가 보고서와 전략 문서까지 만들기 시작하면서 지식 노동자의 고민도 달라지고 있어요. 일자리가 사라질 가능성만 걱정하는 게 아니에요. 자신이 해 온 일이 왜 필요했는지, 앞으로 경력을 계속 쌓을 이유가 있는지 묻는 사람이 늘고 있다는 진단이 나왔어요. 1

핵심 요약

구분	핵심	왜 볼 만한가요
경력 불안	AI가 업무의 실행을 맡으면 자신의 기여가 결과물에서 멀어질 수 있어요	고용 규모와 함께 업무 몰입과 직업 정체성도 살펴야 해요
워크이즘	고학력·고소득 노동자가 성취감과 공동체를 직장에서 찾는 현상을 뜻해요	자동화가 업무의 의미를 떠받치던 믿음까지 흔들 수 있어요
협업 과정	토론과 시행착오, 동료 관계는 생산성 지표에 잡히지 않아도 학습과 창의성에 영향을 줘요	기업이 중간 과정을 모두 비용으로 보면 경험 많은 인재가 이탈할 수 있어요
조직의 선택	반복 작업은 자동화하되 사람이 문제를 직접 풀고 끝까지 책임질 영역을 남길 수 있어요	AI 도입 효과를 산출량 외에 숙련과 책임, 직원 경험으로도 평가해야 해요

1. AI 자동화가 지식 노동자의 경력 인식까지 건드리고 있어요

Noema Magazine에 실린 Aaron Horwath의 에세이는 테크 업계 지식 노동자가 느끼는 불안을 고용 전망보다 넓게 다뤄요. 저자는 주변 전문직 종사자들이 도예와 뜨개질 같은 손으로 하는 취미를 찾고, 농장이나 다른 삶으로 떠나는 상상을 자주 말한다고 전해요. 이를 단순한 유행으로 보지 않고 업무와의 거리감, 동기 저하, 미래에 대한 걱정이 함께 나타나는 현상으로 읽어요. 2

글에서 중요한 개념은 ‘워크이즘(Workism)’이에요. 미국의 고학력·고소득 노동자가 과거 종교나 지역 공동체에서 얻던 정체성과 성취감을 직장에서 찾는 경향을 가리켜요. 금융과 컨설팅, 기술 분야의 업무는 높은 보상과 지위를 주지만 고객이나 공동체에 어떤 도움을 줬는지 체감하기 어려울 때가 있어요. 그 빈자리를 승진, 바쁜 일정, 중요한 프로젝트에 참여한다는 감각이 채워 왔다는 게 저자의 설명이에요.

728x90

AI는 이 구조에 한 단계의 거리를 더해요. 사람이 자료를 찾고 동료와 논쟁하며 보고서를 완성할 때는 결과가 추상적이어도 자신의 판단과 시간이 들어갔다는 감각이 남아요. 에이전트가 조사와 작성, 편집, 전략 수립까지 맡으면 사람은 지시와 검수에 집중하게 돼요. 산출물은 빨리 늘지만 일을 직접 해냈다는 감각은 약해질 수 있어요. 다만 이는 저자의 관찰과 해석이에요. 모든 지식 노동자에게 같은 변화가 나타났다는 실증 연구 결과로 받아들여서는 안 돼요. 2

생산성 지표에 잡히지 않는 중간 과정

회의와 토론, 시행착오를 줄이면 프로젝트 속도는 빨라질 수 있어요. 그런데 그 과정에는 문서로 남지 않는 정보도 들어 있어요. 동료가 왜 특정 선택을 반대했는지 듣고, 고객의 애매한 요구를 함께 해석하며, 실패한 접근에서 다음 가설을 찾는 경험이에요. 이런 경험은 숙련과 조직 지식을 만들고 동료 관계에도 영향을 줘요.

AI가 초안을 만들고 사람이 승인하는 흐름만 남으면 신입과 중간 경력자가 문제를 푸는 과정을 충분히 겪지 못할 수 있어요. 선임자는 더 많은 결과물을 검수하느라 직접 탐색하는 시간이 줄 수 있고요. 당장의 처리량이 올라도 몇 년 뒤 복잡한 문제를 맡을 사람을 어떻게 키울지는 별도 과제로 남아요. 기업이 AI 도입을 평가할 때 작업 시간과 인건비만 계산해서는 놓치기 쉬운 부분이에요.

결과물의 책임은 여전히 사람과 조직에 남아요

에이전트가 전략 문서 전체를 만들더라도 사업 판단의 책임까지 가져가지는 않아요. 고객에게 어떤 약속을 할지, 위험을 감수할지, 잘못된 결정을 누가 고칠지는 사람이 정해야 해요. 작성 과정에서 멀어진 담당자가 결과물의 전제와 한계를 충분히 이해하지 못하면 검수도 형식적인 승인으로 바뀔 수 있어요.

그래서 사람에게 남길 일은 ‘AI가 못 하는 일’로만 정하면 부족해요. 고객과 직접 대화하는 역할, 문제 정의부터 결과 확인까지 한 사람이 이어서 맡는 역할, 동료와 함께 대안을 탐색하는 시간도 의도적으로 설계할 수 있어요. 반복 업무를 줄이면서도 판단 근거와 결정 과정을 팀이 이해하게 하는 편이 책임 소재를 분명하게 해요.

인재 유지는 보상보다 일하는 경험에도 달려 있어요

에세이는 성과와 효율을 우선하는 사람과 협업·탐색 과정을 중시하는 사람의 반응이 다를 수 있다고 봐요. 후자에게 동료와 문제를 풀고 시행착오를 겪는 과정은 직장에 남는 이유가 될 수 있어요. 기업이 이 과정을 모두 제거하면 높은 연봉만으로는 붙잡기 어려운 인재가 생길 수 있다는 주장이에요. 2

실무에서는 직원 만족도 한 문항만으로 이런 변화를 파악하기 어려워요. 자동화 전후에 누가 문제를 정의하는지, 의사결정 근거를 설명할 수 있는지, 신입이 선임의 판단 과정을 배울 기회가 있는지 살펴봐야 해요. 이직률과 작업 속도뿐 아니라 역할별 숙련도와 검수 부담, 팀 간 대화가 어떻게 달라졌는지도 함께 볼 필요가 있어요.

왜 중요한가요

AI 도입 논의는 보통 몇 시간을 줄였는지와 몇 개의 결과물을 더 만들었는지에 집중해요. 이번 에세이는 그 계산 밖에 있는 직업 정체성과 공동체 경험을 보게 해요. 자동화 뒤에도 사람이 자신의 판단이 어디에 쓰였는지 설명할 수 있어야 업무에 대한 책임과 몰입을 유지하기 쉬워요. 2

기업은 업무를 ‘자동화 가능’과 ‘자동화 불가’로만 나누기보다 숙련을 만드는 일, 고객과 신뢰를 쌓는 일, 결과를 끝까지 책임지는 일을 구분할 수 있어요. AI가 초안을 맡더라도 사람이 문제 정의와 반론 검토, 최종 판단을 이어서 담당하게 하는 방식이에요. 팀마다 남겨야 할 인간의 역할은 다르지만, 그 기준을 정하지 않으면 사람은 산출물의 승인자에 머물기 쉬워요.

이 글은 테크 업계 전체의 상태를 측정한 연구가 아니라 AI 운영 실무자의 에세이예요. 경력 불안이 얼마나 넓게 퍼졌는지, 자동화가 실제 이직과 창의성에 어떤 영향을 주는지는 별도의 데이터가 필요해요. 그래도 AI 도입 성과를 생산량 하나로 평가할 때 놓칠 질문은 분명하게 제시해요. 누가 배우고, 누가 판단하며, 누가 결과를 자기 일로 받아들이는지 확인해야 해요. 1

참고 자료

1. 한 직군 전체가 자신의 경력을 믿지 않게 되면 무슨 일이 벌어질까 — GeekNews
2. Why Is Everyone In Tech So Sad? — Noema Magazine