🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

AI를 이유로 감원을 정당화하는 ‘AI 워싱’은 과거 기술 전환 때마다 반복된 오독이며, 기업은 일자리 전체가 아니라 업무 단위와 인간 역량을 기준으로 재설계해야 한다.

📌 핵심 요약

• 필자는 일부 기업이 어차피 했을 인력 감축을 AI 도입의 필연적 결과처럼 포장하고 있다고 비판하며, 이는 클라우드·모바일·플랫폼 전환 때도 반복된 ‘기술 변화=인원 감축’이라는 잘못된 서사라고 지적한다.
• Anthropic 연구와 Cornerstone의 글로벌 노동 데이터는 AI 노출이 높은 직종에서도 통계적으로 유의미한 실업 증가가 확인되지 않았고, 오히려 대부분 직업군에서 수요가 공급을 크게 앞서는 인재 부족 신호가 나타난다고 설명한다.
• AI의 핵심 효과는 직업을 통째로 없애는 것이 아니라 반복적·합성적 업무를 흡수하는 데 있으며, 그 결과 인간에게는 판단, 질문 설정, 불확실성 속 의사결정, 신뢰 형성 같은 역할이 더 중요해진다고 강조한다.
• 근로자 설문에서는 AI 도구 사용자 중 상당수가 공식 교육을 받지 못했고, 일부는 실수를 피하려 사용을 제한하거나 사용하는 척한다고 답했다. 동시에 이들은 커리어에 가장 중요한 역량으로 비판적 사고, 판단력, 창의성, 회복탄력성을 꼽았다.
• 기업이 AI 전환에서 승리하려면 인력의 실제 기술을 가시화하고, 학습을 업무 안에 통합하며, AI가 할 수 없는 일 중심으로 역할을 재설계하고, 관리자를 사람의 성장과 판단력을 키우는 연결 조직으로 개발해야 한다.

🧩 주요 포인트

1. 필자는 일부 기업이 어차피 했을 인력 감축을 AI 도입의 필연적 결과처럼 포장하고 있다고 비판하며, 이는 클라우드·모바일·플랫폼 전환 때도 반복된 ‘기술 변화=인원 감축’이라는 잘못된 서사라고 지적한다.
2. Anthropic 연구와 Cornerstone의 글로벌 노동 데이터는 AI 노출이 높은 직종에서도 통계적으로 유의미한 실업 증가가 확인되지 않았고, 오히려 대부분 직업군에서 수요가 공급을 크게 앞서는 인재 부족 신호가 나타난다고 설명한다.
3. AI의 핵심 효과는 직업을 통째로 없애는 것이 아니라 반복적·합성적 업무를 흡수하는 데 있으며, 그 결과 인간에게는 판단, 질문 설정, 불확실성 속 의사결정, 신뢰 형성 같은 역할이 더 중요해진다고 강조한다.
4. 근로자 설문에서는 AI 도구 사용자 중 상당수가 공식 교육을 받지 못했고, 일부는 실수를 피하려 사용을 제한하거나 사용하는 척한다고 답했다. 동시에 이들은 커리어에 가장 중요한 역량으로 비판적 사고, 판단력, 창의성, 회복탄력성을 꼽았다.
5. 기업이 AI 전환에서 승리하려면 인력의 실제 기술을 가시화하고, 학습을 업무 안에 통합하며, AI가 할 수 없는 일 중심으로 역할을 재설계하고, 관리자를 사람의 성장과 판단력을 키우는 연결 조직으로 개발해야 한다.

🧠 상세 정리

1. AI를 감원의 명분으로 쓰는 기업들

글은 샘 올트먼이 일부 기업들이 원래 했을 인력 감축을 AI 때문인 것처럼 설명하고 있다고 지적한 데서 출발한다. 필자는 매일 뉴스에서 비슷한 사례를 본다고 말하며, 지금 기업들이 말하는 ‘전환’ 서사가 실제 증거보다 앞서가고 있다고 본다. 그가 비판하는 논리는 단순하다. AI가 등장했고, 인건비는 비용이며, 둘을 동시에 빠르게 줄이는 것이 리더십처럼 포장된다는 것이다. 그러나 필자는 20년 넘게 기업 기술 전환을 이끌어 온 경험상 이런 서사는 반복적으로 등장했으며, 이번에도 같은 실수를 범하고 있다고 주장한다.

2. 일자리 단위가 아니라 업무 단위로 봐야 하는 이유

필자의 핵심 주장은 AI의 영향을 직업 전체가 아니라 업무 단위에서 측정해야 한다는 것이다. 직업이라는 큰 단위로 보면 AI가 사람을 대체한다는 결론에 쉽게 도달하지만, 실제로는 특정 업무가 흡수되고 다른 업무의 가치가 높아지는 방식으로 변화가 일어난다. 그는 이 구분이 단순한 말장난이 아니며, 조직의 인력 의사결정에 실질적 영향을 준다고 강조한다. 기술이 반복적 작업을 대신할 때 남는 것은 사람의 판단, 질문 능력, 맥락 이해, 신뢰를 바탕으로 한 설득이다. 따라서 ‘이 일자리를 없앨 것인가’보다 ‘AI가 이 업무를 대신하면 사람은 무엇을 더 잘할 수 있는가’를 물어야 한다.

3. 노동시장 데이터가 보여주는 다른 그림

글은 AI가 이미 대규모 실업을 만들고 있다는 주장에 대해 데이터를 근거로 반박한다. Anthropic 연구팀은 AI의 노동시장 영향을 측정한 초기 연구 중 하나에서, 컴퓨터 프로그래머, 고객 서비스 담당자, 금융 분석가처럼 AI 노출도가 높은 직종에서도 ChatGPT 출시 이후 통계적으로 유의미한 실업 증가가 없었다고 밝혔다. Cornerstone의 데이터도 유사한 결론을 제시한다. 186개국 1억 4천만 명 이상의 근로자와 관련된 플랫폼에서 5만 5천 개 이상의 기술, 13억 건의 채용 공고, 10억 건의 이력서를 추적한 결과, 16개 직업군 중 15개에서 AI 노출 수준과 무관하게 수요 증가가 나타났다. 필자는 이를 대체 위기가 아니라 AI가 더 빠르게 드러내는 인재 부족의 신호로 해석한다.

4. AI가 없애는 것은 직업보다 반복 업무

필자는 금융 분석가의 사례를 들어 AI가 어떤 방식으로 업무를 바꾸는지 설명한다. AI가 분석가 역할 안의 반복적인 종합 작업을 흡수한다고 해서 분석가의 직업이 사라지는 것은 아니다. 오히려 숫자가 무엇을 의미하는지 판단하고, 모델이 묻지 않은 질문을 떠올리며, 불확실한 상황에서 이사회에 결정을 설명할 수 있는 능력이 더 중요해진다. AI는 처리량과 산출 속도를 맡지만, 사고의 방향과 판단의 책임은 사람에게 남는다. 이 관점에서 보면 AI는 사람을 단순히 대체하는 도구가 아니라, 사람의 더 높은 수준의 역할을 드러내는 장치가 된다.

5. 근로자들이 이미 체감하는 교육 공백

Cornerstone이 미국과 영국의 근로자 2천 명을 대상으로 조사한 결과는 조직이 아직 AI 전환을 제대로 운영하지 못하고 있음을 보여준다. AI 도구를 쓰는 사람의 46%는 공식 교육을 받은 적이 없었다. 지침이 없는 사람들 중 47%는 시행착오로 스스로 배웠고, 36%는 실수를 피하려고 AI 사용을 의도적으로 제한했으며, 17%는 요청을 받으면 사용하는 척한다고 답했다. 이는 기업들이 AI 도입을 선언하면서도 실제 사용 역량과 안전한 활용 방식을 충분히 지원하지 못하고 있음을 드러낸다. 필자는 이 문제가 단순한 프롬프트 교육 부족이 아니라, 생각하고 판단하는 방식의 개발 부족이라고 본다.

6. 근로자들이 중요하게 보는 역량

조사에서 근로자들은 앞으로 커리어에 가장 중요한 역량으로 비판적 사고, 판단력, 창의성, 회복탄력성을 꼽았고, 기술적 AI 지식은 마지막에 놓았다. 필자는 이를 근로자들이 이미 AI 시대의 지속 가능한 가치가 무엇인지 이해하고 있다는 신호로 본다. AI가 산출물을 만들어낼 수 있을수록, 그 결과물을 어떻게 해석하고 검증하며 어떤 결정에 연결할지 판단하는 인간 역량이 더 중요해진다. 조직이 아직 이 사실을 운영 체계로 만들지 못했을 뿐, 현장 근로자들은 AI 증강 업무 환경에서 인간 의사결정의 질이 핵심이라는 점을 체감하고 있다. 따라서 기업의 개발 과제는 도구 사용법을 넘어서 사고력과 판단력을 키우는 방향으로 옮겨가야 한다.

7. 민첩한 조직을 만드는 네 가지 역량

필자는 AI가 조직에 드문 기회를 준다고 말한다. AI는 사람들이 수행하는 일 중 덜 흥미롭고 덜 생산적인 부분을 흡수할 수 있기 때문에, 이를 위협이 아니라 사람들을 더 높은 수준의 역할로 이동시키는 압력 해소 장치로 볼 수 있다는 것이다. 이를 위해 그는 네 가지 연결된 역량에 투자하라고 제안한다. 첫째, 직무명이 아니라 실제 기술 수준에서 인력의 역량을 실시간으로 파악해야 한다. 둘째, 학습을 별도의 과정이 아니라 업무 속에서 발생하는 개발로 전환해야 한다. 셋째, AI가 잘하는 일, 인간과 함께할 때 좋아지는 일, AI 주변에서 더 가치가 커지는 일을 구분해 역할을 재설계해야 한다.

8. 관리자와 인력 인텔리전스의 역할

필자는 기술이 통찰을 제공하고 개인화된 개발을 지원할 수는 있지만, 실제로 누가 어떤 일을 맡고 어떤 피드백을 받으며 언제 더 큰 도전에 나설지는 관리자가 좌우한다고 강조한다. 그래서 관리자는 단순히 업무 완료를 감독하는 사람이 아니라, 역량 격차를 알아보고 판단력을 중심으로 코칭하는 개발의 증폭자가 되어야 한다. 또한 기업은 인력을 고정된 직무 목록이 아니라 개발되고 배치되며 다음 비즈니스 필요에 맞춰 방향을 바꿀 수 있는 역동적인 기술 포트폴리오로 봐야 한다. 이를 위해 인력 인텔리전스를 운영체계처럼 구축해야 하며, 그래야 기술 도입이 단발적 효율화에 그치지 않고 조직 역량의 축적으로 이어진다.

9. 기술보다 인간 역량에 투자한 조직이 이긴다

글의 결론은 모든 기술 전환에서 승리한 조직은 도구를 가장 빨리 도입한 조직이 아니라, 그 도구를 가치 있게 만드는 인간 역량에 지속적으로 투자한 조직이었다는 것이다. 필자는 전환을 이끌려면 먼저 직업 전체가 아니라 업무를 정직하게 지도화해야 한다고 말한다. 대부분의 답은 ‘직업 전체 제거’가 아니라 ‘이 업무는 흡수되고, 저 업무는 고도화되며, 새로운 업무가 생긴다’에 가깝다. AI 투자가 시간이 갈수록 더 큰 효과를 내게 하려면 사람들은 도구를 지시하고, 결과물을 따져 묻고, 기계가 만든 산출물에 판단을 적용할 수 있어야 한다. 따라서 AI는 관리해야 할 위협이 아니라, 더 나은 리더십을 발휘할 기회로 다뤄져야 한다.

🧾 핵심 주장 / 시사점

• AI 전환의 핵심 질문은 ‘몇 명을 줄일 수 있는가’가 아니라 ‘AI가 맡은 업무 이후 사람의 판단과 창의성을 어디에 재배치할 것인가’이다.
• 기업의 AI 도입이 실제 성과로 이어지려면 도구 구매보다 근로자 교육, 업무 중 학습, 관리자 코칭, 기술 기반 인력 가시화가 먼저 운영 체계로 자리 잡아야 한다.
• AI가 반복 업무를 흡수할수록 인간 역량의 가치는 줄어드는 것이 아니라 더 선명해지며, 특히 판단력·비판적 사고·회복탄력성은 AI 산출물을 비즈니스 결정으로 바꾸는 핵심 자산이 된다.

✅ 액션 아이템

• AI 워싱을 배제하기 위해 감축 근거를 ‘AI 도입 필연론’이 아니라 직무 단위 성과로 분리해, AI 대체 업무와 인간의 판단·질문 설정·신뢰 형성 기여를 함께 반영해 재정의한다.
• Anthropic 및 Cornerstone의 글로벌 노동 데이터에 맞춰, AI 노출이 높은 직무에서도 고용 감소 여부를 단정하지 않고 수요가 공급을 초과하는 신호를 기준으로 채용·재배치 전략을 조정한다.
• 근로자 설문에서 드러난 공식 교육 부재와 사용 회피 경향을 반영해, 학습을 별도 교육이 아니라 업무 안에서 수행하도록 설계하고 비판적 사고·판단력·창의성·회복탄력성을 강화한다.

❓ 열린 질문

• AI 도입 효과를 KPI로 관리할 때 반복·합성 업무 대체량과 인간 고유 역량 기여도를 직무별로 어떤 지표 체계로 동시에 추적할 것인가?
• AI 노출이 높은 직군에서 실질 고용감소가 없다는 전제가 유지되려면, 수요·공급 데이터의 시간축과 어떤 범위(직무군·지역·산업)로 교차 분석해야 신뢰할 수 있는가?
• 공식 교육 부재로 생긴 ‘안전하게만 사용/사용한 척’ 행동을 줄이기 위해, 업무 설계 안에서 훈련과 피드백을 어떻게 통합해 실제 활용률을 높일 것인가?