Molly Graham: The grief, burnout, and opportunity hiding inside the AI transition

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Molly Graham: The grief, burnout, and opportunity hiding inside the AI transition를 중심으로, 업무를 넘기는 일은 정체성과 즐거움을 내려놓는 일이기도 하다. 직접 만들던 몰입과 동료와의 협업이 줄어드는 상실감은 새로운 기회에를 핵심 판단 포인트로 압축 정리한다.

📌 핵심 요점

1. 업무를 넘기는 일은 정체성과 즐거움을 내려놓는 일이기도 하다. 직접 만들던 몰입과 동료와의 협업이 줄어드는 상실감은 새로운 기회에 대한 기대와 동시에 존재할 수 있다.
2. AI에 업무를 맡겨도 감독과 최종 책임은 남는다. 맥락 제공, 오류 수정, 결과 검토가 늘면서 관리자가 되기를 원하지 않았던 사람도 관리 부담을 떠안는다.
3. 사용량과 산출량은 성과를 보장하지 않는다. 토큰이나 코드 줄 수보다 결과물의 품질, 재작업, 실제 효과를 봐야 하며, 검토하지 않은 AI 결과물은 동료에게 부담을 전가한다.
4. 인간은 목표와 품질 기준을 정하고 결과를 판단해야 한다. 반복 작업을 자동화하더라도 제품의 비전, 신뢰, 자신의 강점과 좋아하는 일을 어디까지 맡길지는 의식적으로 결정해야 한다.
5. 직업의 재구성을 가정하고 배우되, 적응의 감정적 비용도 돌봐야 한다. 몰리는 기존 전문지식을 방어하는 데 머무르기보다 새로운 역할을 실험하고, 리더는 팀이 슬픔과 두려움을 말할 공간을 마련해야 한다고 제안한다.

🧩 배경과 문제 정의

• ‘레고를 넘겨주라’는 조언은 회사가 성장할 때 자신이 맡던 프로젝트·팀·책임을 다른 사람에게 넘겨 새로운 일을 배울 여지를 만들라는 뜻이다. AI에 업무를 넘기는 상황에서도 이 원칙이 유효한지가 핵심 문제다.
• 기존 업무는 숙련도뿐 아니라 정체성·즐거움·동료 관계와 연결된다. AI 전환으로 일하는 방식이 달라지면서 기회에 대한 기대와 함께 상실감·외로움·소진이 나타난다.
• 업무를 넘긴 뒤 새로운 역할이 생길 것이라는 믿음이 약해지면 변화 수용도 어려워진다. 실제 직무 변화와 일자리 소멸 전망을 구분하고, 사람이 유지할 주도권과 조직의 인간적 요소를 살펴야 한다.

🕒 시간순 섹션별 상세정리

1. AI에 책임을 넘기는 일은 기존 위임 조언에 새로운 질문을 만든다

• 13년 동안 이어진 ‘레고를 넘겨주라’는 조언은 성장하는 회사에서 프로젝트·팀·책임을 독점하지 말라는 원칙이었다. AI에 넘길 업무와 자신이 유지할 업무를 판단하는 문제에는 더 세밀한 구분이 필요하다 [01:45]
• AI가 업무를 가져갈 것이라는 두려움과 AI에 업무를 넘기라는 요구가 동시에 존재한다. 자발적인 성장 전략이었던 위임이 자신의 역할을 잃을 수 있다는 불안과 맞물린다 [03:47]

2. 급성장은 조직 규모뿐 아니라 개인의 역할도 바꾼다

• 몰리가 2007년 입사한 구글은 직원 약 1만 명 규모였고, 소속 부서는 9개월 만에 25명에서 125명으로 늘었다. 빠른 조직 확대는 직원들이 익숙한 업무 환경을 유지하기 어렵게 만들었다 [05:57]
• 페이스북은 입사 당시 직원 500명·사용자 8천만 명에서, 5년 뒤 퇴사할 때 직원 5,500명·사용자 10억 명 이상으로 성장했다. 이러한 확장은 직원들에게 큰 기회이면서 두렵고 어려운 경험이었다 [06:19]

3. 업무를 놓기 어려운 이유는 그 일에 정체성을 쌓았기 때문이다

• 자신이 만든 블로그·시스템·제품의 책임자가 되면 그 업무가 자신의 정체성과 결합한다. 이를 다른 사람에게 넘기라는 요구는 잘하고 즐기는 일을 잃고, 다음 일에서도 같은 만족을 얻을 수 있을지 모른다는 불안을 자극한다 [06:57]
• 레고 탑을 빼앗기지 않으려는 아이처럼 기존 책임을 지키려는 반응은 자연스럽다. 그러나 함께 일할 사람이 늘면 기존 업무를 넘기고 새로운 것을 만들거나 배우는 기회도 생긴다 [08:17]

4. ‘레고’의 문제는 고성장 기술기업 밖에서도 반복된다

• 글을 공개한 뒤 세이프웨이 직원과 나이지리아 창업자에게서도 공감하는 반응이 왔다. 특히 팀이 2명에서 4명으로 늘어난 창업자도 같은 감정을 겪었다는 사례는 문제가 대규모 확장에만 국한되지 않음을 보여준다 [09:49]
• 조언의 핵심은 특정 기업의 성장 방식보다 변화가 개인에게 일으키는 불편한 감정에 있다. 공개 이후에도 매달 여러 통의 관련 메일이 이어졌다는 경험이 그 보편성을 뒷받침한다 [10:30]

5. 기존 역할에서 빠져나올 준비는 여전히 중요하지만 안심의 전제가 흔들린다

• 최근 약 2년 동안 관리자와 리더들의 문의가 늘었고, 변화 대응은 빠르게 성장하는 기업만의 문제가 아니게 됐다. 매출·인원 증가뿐 아니라 다양한 형태의 조직 변화가 조언의 적용 맥락이 된다 [11:39]
• 원래 조언의 두 축은 기존 업무가 자신 없이도 돌아가도록 만들어 다음 기회를 준비하는 것과, 혼란스럽더라도 괜찮아질 수 있다는 안심이다. 변화의 어려움이 곧 파국을 뜻하지는 않는다는 관점이 바탕에 있다 [13:13]

6. 슬픔과 소진을 인정하는 일이 변화기 리더십의 일부다

• 변화에는 큰 감정의 기복이 따른다. 이를 겪는다고 개인이 망가졌거나 반드시 무언가 잘못된 것은 아니며, 주변 사람들도 비슷하게 반응할 수 있다 [14:11]
• AI 전환에 대한 흥분과 기쁨 옆에는 슬픔과 피로도 존재한다. 리더는 이런 감정을 개인의 몸과 정체성이 변화에 반응하는 과정으로 인정하고, 조직 안에서 말할 수 있게 해야 한다 [14:47]

7. 현재의 지식보다 계속 배우는 능력이 중요해진다

• 미래를 좌우하는 것은 이미 아는 사람보다 배우는 사람이라는 원칙은 AI 시대에도 유효하다. 오늘 가진 지식보다 내일 무엇을 배울 수 있는지가 중요하며, 회사와 직무의 변화 속도만큼 개인도 성장해야 한다 [15:37]
• 익숙한 일을 붙드는 선택은 안전하게 느껴지지만 변화 속에서는 뒤처질 위험을 높인다. 페이스북에서는 한 해의 고성과자도 자신과 팀을 충분히 발전시키지 못하면 1년이 채 지나기 전에 성과가 크게 떨어지는 경우가 있었다 [16:41]

8. 개발 업무의 변화는 직접 만드는 몰입의 상실을 동반한다

• 레니는 개발 업무가 직접 코드를 작성하는 방식에서 AI에 구현을 요청하는 방식으로 빠르게 이동하고 있다고 본다. 이는 ‘기존 역할을 넘겨도 괜찮다’는 안심을 그대로 받아들이기 어렵게 만드는 변화다 [18:12]
• 직접 코드를 쓰며 느끼던 몰입 대신 실행을 기다리고 여러 작업을 확인하는 경험이 늘면서, 예전의 개발 업무를 그리워하는 엔지니어들이 있다. 변화의 비용에는 생산성 지표로 드러나지 않는 일의 즐거움도 포함된다 [18:58]

9. 기존 일을 좋아하는 마음과 새 역할에 대한 두려움은 구분하기 어렵다

• 몰리는 회사에 2년간 근무한 직원의 불만을 처음에는 조직 성장에 따른 창의성 감소로 이해했다. 이후에는 회사의 체계화와 개발 업무 자체의 변화가 겹치면서, 직접 만드는 일을 잃은 상실감이었을 수 있다고 해석했다 [19:35]
• ‘노 젓기’에서 ‘방향 잡기’로 역할이 바뀌어도 모두가 새로운 역할을 원하는 것은 아니다. 기존 일을 사랑하는 마음과 그것만 잘할 수 있다는 두려움, 새 역할을 잘할지 모른다는 불안은 서로 얽힐 수 있다 [20:47]

10. 혼자 더 많은 일을 할 수 있어도 협업의 즐거움은 줄어들 수 있다

• 한 제품 관리자는 모든 영역을 직접 만드는 사람이 되어야 한다는 기대 속에서 외로움을 느꼈다. 하루 종일 AI와 일하면서 사람들과 협업하던 부분이 줄어든 것이 이유였다 [21:32]
• 변화가 좋은 기회를 만들 수 있다는 사실과 현재의 변화가 힘들다는 감정은 함께 성립한다. 어려움을 억지로 긍정적으로 포장하기보다 말로 표현하고 인정하는 데 의미가 있다 [21:54]

11. 비용과 효율만 최적화하면 조직의 만족도와 성과를 해칠 수 있다

• 조직 구조를 설계하는 리더는 사람 사이의 상호작용을 줄였을 때의 영향을 고려해야 한다. 생산성과 효율이 높아져도 구성원이 불만족하면 최상의 성과로 이어지기 어렵다 [23:00]
• 작은 팀·회사의 구성원이 더 행복하다는 설문 결과는 몰리가 리더들과 나눈 대화의 인상과도 맞았다. 대기업에서 관리 계층을 줄이고 생산성을 압박하면서 인간적 요소에 대한 관심까지 낮추면 기쁨과 의욕이 줄어들 수 있다 [23:26]

12. AI를 지휘하는 사람과 AI의 지시를 수행하는 사람은 다르다

• 코리 닥터로의 ‘켄타우로스’ 비유에서 바람직한 관계는 사람이 주도권을 갖고 AI를 움직이는 형태다. 반대인 ‘역켄타우로스’는 AI가 사람을 움직이며 일을 시키는 관계를 뜻한다 [24:09]
• 레니는 도어대시·우버 노동을 후자의 사례로 들고, 이런 관계가 지식노동으로 확대될 가능성을 우려한다. AI가 무엇을 어디에 만들지 정하고 실행까지 맡으면 인간이 가치와 통제력을 발휘할 공간이 좁아질 수 있다는 전망이다 [25:05]

13. ‘AI를 가르치면 해고된다’는 서사는 변화에 참여할 동기를 없앤다

• 업무를 넘긴 뒤에도 자신의 일자리가 있을지 믿지 못하면 변화를 받아들이기 어렵다. 몰리는 이러한 두려움에 현실적인 부분도 있지만 크게 과장된 부분도 있으며, 그 서사가 기회에 대한 기대를 약화한다고 본다 [25:36]
• ‘자신보다 열 배 똑똑한 신입에게 모든 지식을 넘기면 6개월 뒤 그 신입이 내 자리를 차지한다’는 이야기는 현재의 공포를 압축한 비유다. 실제 대체 능력이나 시점에 대한 확정적 예측이 아니라, 협력을 기대하기 어려운 메시지의 문제를 드러낸다 [26:30]

14. 직업 소멸보다 직업의 지속적인 재구성을 가정할 수 있다

• 저널리스트 마누시 조모로디는 직업의 미래에 대한 위기론과 지속적인 변화 속에서도 30년 이상 경력을 쌓았다. 이 사례는 직업의 형태가 달라지는 것과 직업 자체가 사라지는 것을 구분하는 관점으로 계속된다 [27:33]
• ‘내 직업이 사라진다면 무엇을 할까’ 대신 ‘직업은 계속 존재하지만 6년마다 완전히 달라진다면 무엇을 할까’라고 물을 수 있다. 여기서 6년은 확정된 변화 주기가 아니라 적응과 재학습을 생각하기 위한 가정이다 [28:19]

15. 기술업계 설문에서 소진의 변화가 다음 쟁점으로 계속된다

• 2년 연속 실시한 기술업계 종사자 설문은 AI에 대한 인식과 소진·낙관의 변화를 비교한다. 2025년에는 응답자의 44%가 소진을 느낀다고 답했다 [29:37]
• 올해의 소진 비율과 비교가 시작되지만 제공된 자막은 수치가 나오기 전에 끝난다. 따라서 이 구간만으로는 소진이 얼마나 늘거나 줄었는지 판단할 수 없다 [29:59]

16. 번아웃 증가와 같은 보상으로 더 일하라는 압박

• 설문에서 번아웃을 느끼는 비율은 55%이며, 1년 사이 증가 폭은 자막에서 10%로 표현된다. AI 도구가 생겼으니 더 많은 일을 해야 한다는 기대와 경쟁 팀에 뒤처지면 회사가 위험해진다는 압박이 겹친다 [30:01]
• 번아웃은 업무량만의 문제가 아니다. 빠른 기술 변화와 계속 뒤집히는 담론을 이해하고 따라가는 데 드는 감정적 소모도 크다 [30:44]

17. AI 사용 독려에서 성과 검증으로 급변한 기준

• OpenAI에서 일하는 지인과의 대화에 따르면, AI를 어디에나 쓰라는 분위기가 비용에 비해 실제 효과가 있는지 묻는 분위기로 바뀌는 데 불과 6개월이 걸렸다. 힐러리 그리들리의 사례에서도 관심이 사용 확대에서 잘못된 사용을 줄이는 문제로 이동한다 [31:22]
• 이런 급격한 기준 변화에 같은 급여로 더 일해야 한다는 요구가 더해지면 착취당한다는 감각이 생긴다. 특히 큰 회사에서는 회사의 이익은 이해하더라도 개인에게 돌아올 즐거움과 기회는 무엇인지 의문이 커진다 [32:06]

18. AI로 역량이 넓어진 사람들의 높은 만족감

• 설문 참가자의 절반가량은 이전보다 행복하며, 많은 사람이 더 열심히 일하면서도 경력에서 가장 만족스러운 시기를 보내고 있다. 불안과 비관이 모든 사람의 경험을 대표하지는 않는다 [32:52]
• 작은 팀이나 더 큰 자율권을 가진 사람들에게 행복이 집중되었다는 기억이 제시되지만, 가장 강한 상관관계는 AI가 자신의 역량을 강화했다고 느끼는 사람들에게서 나타난다. 이들은 AI로 자신이 더 흥미를 느끼는 일을 할 방법을 찾았다 [33:28]

19. 디자이너의 불만과 전문성 경계의 흔들림

• 디자이너는 설문에서 직업적 행복이 가장 낮은 집단이었다. 다른 업무의 속도가 빨라져도 디자인에는 의견 수렴, 합의, 숙고가 필요하므로 같은 속도로 반복하기 어렵다 [33:54]
• Gemini나 Claude로 무언가를 만들 수 있게 되면서 누구나 자신을 디자이너처럼 여기는 상황이 생긴다. 그러나 시제품과 탁월한 제품 사이에는 큰 차이가 있으며, 전문가가 계속 업무 방식을 지시받는 상황은 피로를 키운다 [34:14]

20. AI를 최고 직원이 아닌 지도가 필요한 인턴으로 다루기

• AI가 누구보다 뛰어난 직원이라는 기대는 결과물을 과신하게 만든다. 실제로는 사람처럼 맥락과 설명, 지도가 필요하며, 그레이엄은 이를 종종 일을 제대로 하지 못하는 ‘게으른 인턴’에 비유한다 [35:18]
• 인턴이 만든 발표 자료를 검토 없이 상사에게 보내지 않듯 AI 결과물도 수정하고 필요한 정보가 들어 있는지 확인해야 한다. AI가 충분히 좋다고 했다는 이유로 복사해 보내는 것은 좋은 작업 방식이 아니다 [36:16]

21. 검토를 생략하면 책임과 피로가 다른 사람에게 넘어간다

• 자신이 제출하는 작업의 품질을 책임지지 않으면 결과물을 받은 사람이 그 부담을 떠안는다. 이런 책임 전가는 조직 전체를 지치게 한다 [37:15]
• CEO가 AI로 작성한 것이 명백한 전략 메모를 그대로 보내면, 사고와 전략을 외주화하고 제출물에 책임지지 않아도 된다는 기준을 조직에 심을 수 있다 [37:32]

22. 산출량 증가와 실제 효과를 구분해야 한다

• 토큰 사용량을 세고 순위표를 만드는 관행은 주차장에 있는 자동차 수, 슬랙 접속 표시, 코드 줄 수로 직원을 평가하던 방식과 닮았다. 활동량을 늘리는 것만으로는 실제 진전을 보장할 수 없다 [37:55]
• 더 많은 콘텐츠를 생산할 수 있어도 다른 사람이 읽어야 할 분량만 늘고 논의가 진전되지 않는다면 효과적인 업무라고 보기 어렵다. 대화에서 언급된 보고서에는 겉으로 드러나는 개선과 달리 사고와 판단, 최종 결과가 나빠지는 문제가 담겨 있다 [38:30]

23. 변화 수용과 학습이라는 기존 조언은 여전히 유효하다

• 변화가 두려운 것은 자연스럽고, 이미 알고 있는 것보다 배우는 데 초점을 맞추는 태도가 중요하다. 성장하는 회사에서 새 도전을 맡거나 기존 일을 내려놓지 않고 정체하면 상대적으로 뒤처진다 [40:15]
• 변화가 어렵더라도 이를 받아들이는 것이 성장에 도움이 된다는 ‘레고’ 조언의 핵심은 유지된다. 지금의 변화가 과거보다 더 무섭게 느껴질 수 있다는 점도 함께 인정된다 [40:45]

24. 자동화는 가능해졌지만 업무의 소유권까지 넘기지는 못한다

• 과거에는 일을 넘겨받을 사람이 있는지 판단하려고 회사의 채용 속도를 확인했다. 이제는 신규 채용이 없어도 누구나 자기 업무 일부를 자동화할 수 있어 ‘레고를 넘긴다’는 조언의 적용 범위가 넓어졌다 [42:20]
• 사람에게 업무를 완전히 넘길 때는 자신의 방식대로 계속 통제하려는 욕구도 내려놓아야 한다. 상대가 그 업무의 미래를 결정하도록 맡기면 자신이 차지하고 있던 정신적 여유를 되찾을 수 있다 [43:18]

25. AI 활용은 관리자가 되기를 원하지 않은 사람에게도 관리 업무를 요구한다

• AI를 관리하는 데도 사람을 관리할 때와 비슷한 역량이 필요하다. 적절한 맥락을 주고, 감독하고, 오류를 바로잡고, 지도해야 하므로 위임을 좋아하지 않거나 이런 역량을 쌓지 않은 사람에게는 갑작스러운 부담이 된다 [46:29]
• 그레이엄은 한 사람이 직접 관리할 인원으로 최대 10~12명을 권하며, 더 큰 팀을 관리했던 자신의 경험은 좋지 않았다고 드러낸다. AI까지 관리 대상에 포함될 때 감당해야 할 정보량을 우려하지만, 사람이 더 많은 대상을 관리할 수 있다는 근거는 알지 못한다고 한정한다 [47:37]

26. 새 기회에 대한 믿음이 없으면 일을 넘길 동기도 약해진다

• 기존 조언에는 일을 넘기는 것이 좋은 일이며 그 뒤에 새로운 기회가 있다는 두 가지 가정이 있었다. AI가 일자리를 없앤다는 담론과 해고를 AI 탓으로 돌리는 설명은 사람들이 지식과 업무를 AI에 맡기려는 의욕을 약화한다 [49:28]
• 그레이엄은 AI가 여러 새로운 사업과 많은 일자리를 만들 것이라고 믿는다. 사람들이 싫어하는 일을 자동화하고 좋아하거나 잘하는 일에 집중할 수 있도록, 개인에게 어떤 기회가 생길지 논의해야 한다는 입장이다 [50:30]

27. 전문지식을 방어하기보다 직업의 미래를 설계하는 태도

• Foo Camp와 관련된 일화에서는 한 변호사로 기억되는 인물이 AI로 대체되지 않기 위해 자신의 전문지식을 공개하지 않는다고 드러낸다. 이런 방어적 태도는 특히 전문직 종사자들에게 널리 나타날 수 있다 [51:50]
• 그레이엄은 두려움을 인정하면서도, 기존 지식을 지키는 데 머무르기보다 앞으로의 직업 형태를 만드는 데 참여해야 한다고 본다. 다만 자신의 낙관을 6개월이나 5년 뒤에는 후회할 수도 있다고 밝혀 확실한 예측과 구분한다 [52:38]

28. 직무 간 장벽을 낮추되 배포 책임을 함께 다뤄야 한다

• 한 디자인 책임자는 직접 구현한 코드를 배포하려 했지만 엔지니어링 조직의 반대에 부딪혔다. 금융 분야에서 운영 환경에 들어가는 결과물을 통제할 타당한 이유가 있다는 점과, 디자이너·엔지니어·제품 관련 역할 사이의 장벽을 낮출 필요성이 함께 드러난다 [55:41]
• 스타트업은 기존 질서를 지키기 위한 싸움보다 원하는 업무 방식을 새로 만드는 데 집중할 수 있다. 기존 회사에서도 실험의 공간을 늘리고, 두려움을 강조하는 대화에서 새로운 가능성을 만드는 대화로 옮겨가야 한다 [56:45]

29. 직함보다 역할의 가치와 수익 구조를 다시 정의해야 한다

• 디자이너는 시제품 제작과 더 폭넓은 논의, 일부 코드 배포까지 업무를 확장할 수 있다. 마케터의 코드 배포 사례도 기존의 엄격한 역할 구분으로는 새롭게 가능해진 일을 모두 설명하기 어렵다는 근거가 된다 [58:00]
• 저널리즘에서는 대형 언론사에 소속되어 급여를 받는 방식 외에 Substack 등을 통한 독립적인 활동이 가능해졌다. 이 변화는 업무 범위뿐 아니라 기자와 수익 모델의 관계를 바꾸고 기업가적 역할도 요구한다 [58:38]

30. 넘겨주지 말아야 할 업무가 있는가

• ‘레고를 넘기라’는 조언에도 예외가 필요한지가 쟁점으로 떠오른다. 그레이엄은 넘겨주지 말아야 할 것이 있다는 취지로 답하며 이를 기존 조언과의 가장 큰 차이로 짚지만, 제공된 구간에서는 구체적으로 무엇을 지켜야 하는지까지 설명되지 않는다 [59:37]

31. 역할은 넘겨도 판단과 신뢰까지 넘길 수는 없다

• 성장 기회가 풍부한 회사에서는 익숙한 업무라는 ‘레고 조각’을 놓아야 예상하지 못한 다음 기회를 만날 수 있다. 그러나 AI 시대에는 모든 일을 넘겨도 된다는 원칙에 예외가 필요하다. [1:00:13]
• AI가 인간에게 부적합한 반복적 일을 줄여주기를 기대하되, 건전한 판단과 신뢰가 필요한 일은 인간이 맡아야 한다. CEO가 AI의 전략을 그대로 복사해 회사에 전달하는 방식은 자신의 판단 책임을 포기하는 셈이다. [1:01:35]

32. 인간이 방향을 정하고 AI의 결과를 검토한다

• 인간이 목표와 아이디어를 정하고, AI가 작업을 수행하며, 인간이 결과를 검토하는 구조를 반복한다. AI는 작업의 중간에 들어가고 시작과 끝에는 인간의 판단이 남는다. [1:03:13]
• Booking.com의 예약 압박과 추가 판매 중심 경험은 전환에 효과적이지만, Airbnb는 즐겁고 만족스러운 경험을 지향했다는 대비가 나온다. 무엇을 극대화할지 결정하는 일에는 인간이 원하는 제품과 세계에 대한 비전이 필요하다. [1:04:04]

33. 인간이 직접 만드는 일의 가치가 다시 높아질 가능성

• AI가 더 잘하게 되더라도 사람이 좋아하는 작업을 계속 직접 할 수 있을지가 쟁점이다. 코드를 쓰는 즐거움처럼 업무 자체에서 얻던 만족은 효율만으로 대체하기 어렵다. [1:06:06]
• AI 예술이 늘수록 인간이 직접 만든 작품의 가치가 높아지는 반작용이 생길 수 있으며, 인간이 작성한 코드에도 비슷한 변화가 생길지는 열린 질문이다. 무엇이 일시적 유행이고 무엇이 오래 남을지는 아직 구별하기 어렵다. [1:06:34]

34. 사라질 수 있는 일에 대한 애도와 새로운 가능성은 공존한다

• 좋아했고 잘했던 일이 사라질 수 있다면 그 상실을 슬퍼할 시간이 필요하다. 칩 콘리의 애도에 관한 생각처럼, 지나간 일을 기리는 과정 자체에 의미가 있다. [1:07:31]
• 상실을 인정한 뒤에는 AI가 일부 일을 수행하는 세계에서 무엇을 다시 사랑하고 잘할 수 있을지 탐색할 수 있다. 미래에 기회가 있다는 이유로 현재의 슬픔을 억누를 필요는 없다. [1:08:04]

35. AI 전환은 아직 초기라는 낙관과 남아 있는 불확실성

• 진행자는 AI의 행동을 관찰하고 문제를 발견하며 배우는 현재 상황을 근거로 ‘느린 도약’에 가깝다고 본다. 다만 AI가 스스로를 훈련하는 강화 고리를 통해 초지능으로 발전할 가능성까지 배제하지는 않는다. [1:09:38]
• 몰리는 주요 연구소와 기업의 리더들과 나눈 대화를 근거로 아직 초기 단계라고 판단한다. 초보자와 전문가 사이의 거리가 짧고 기술의 가능성을 이해하는 데 수년이 걸릴 수 있으므로, 이미 늦었다는 공포보다 미래를 만드는 참여를 북돋워야 한다. [1:10:40]

36. 도구 사용 경력보다 AI의 도움을 떠올리는 습관이 중요해진다

• 더 똑똑해진 도구는 기존 사용자가 쌓아온 복잡한 작업 환경의 필요성을 줄일 수 있다. 새로 시작하는 사람도 오랫동안 모든 업데이트를 따라가지 않고 곧바로 도구를 사용하며 빠르게 배우고 만들 수 있다는 관점이다. [1:13:36]
• 일을 시작하기 전에 “AI가 이 일을 도울 수 있을까?”라고 묻는 습관이 새로운 역량이 된다. 도구의 성능이 변할 때마다 활용 가능성을 다시 검토해야 더 다양한 도움을 얻을 수 있다. [1:14:36]

37. 기존 직무와 작업 방식의 경계를 의심한다

• 오래 일한 사람에게 익숙한 제품 개발 방식과 역할 구분은 새로운 시도를 막는 장벽이 될 수 있다. 오히려 그 경계를 당연하게 여기지 않는 초보자가 실험에서 유리할 가능성이 있다. [1:15:22]
• 자신의 시간을 어디에 쓰는 것이 가장 가치 있는지, 에이전트가 무엇을 대신할 수 있는지 질문해야 한다. 이미 안다고 믿는 방식을 내려놓고 가능성과 기본 원리에서 출발하는 학습자가 새로운 작업 방식을 만들어갈 수 있다. [1:16:01]

38. 더 큰 목표를 세우되 생산량을 품질로 착각하지 않는다

• 구현이 쉬워질수록 최소 기능 제품을 가장 빨리 내놓는 사고에서 벗어나 더 야심 찬 목표를 검토할 여지가 생긴다. 도구가 어려운 요청도 한 번에 해결할 수 있으므로, 무엇을 더 크게 시도할지 질문해야 한다. [1:16:36]
• 몰리는 야심의 기준을 오래 지속될 뛰어난 제품에 둔다. 6개월이나 12개월 뒤 사라질 제품이 쏟아질 가능성을 우려하며, 5년 뒤에도 의미가 있을 만한 것을 만들 수 있는지가 더 중요하다고 본다. [1:17:25]

39. 리더가 변화의 감정을 인정하면 팀의 고립감이 줄어든다

• 개인은 AI로 생산성과 실행력을 높일 수 있지만, 관리자는 팀을 어떻게 구성하고 무엇을 중요하게 여겨야 할지 판단하기 어려워졌다. 리더 자신의 AI 사용 방식과 변화에 대처하는 태도가 팀의 행동 기준이 된다. [1:19:18]
• 빠른 변화가 사람의 심리에 미치는 영향과 슬픔을 인정하면 적응 부담을 덜 수 있다. 두려움은 모든 것이 무너진다는 증거가 아니라 급격한 변화를 겪는 반응일 수 있으며, 다른 사람도 같은 감정을 겪는다는 사실은 고립감을 줄인다. [1:20:18]

40. AI가 만든 결과에도 인간의 품질 책임이 남는다

• 관리자와 리더는 AI에 맡겨도 되는 일과 사람이 계속 책임져야 할 일을 구분하고 기준을 세워야 한다. 책임성과 좋은 결과의 정의를 실제 행동과 조직 운영에서 보여줘야 한다. [1:21:18]
• Clay의 AI 글쓰기 정책은 작업 방식과 무관하게 결과물의 품질을 책임져야 한다는 사례로 드러난다. AI를 업무 도구로 활용하더라도, 일을 수행하는 사람을 돌보고 변화에 적응하도록 지원할 책임은 남는다. [1:21:57]

41. 관리 계층 축소는 사람을 지원하는 기능까지 없앨 위험이 있다

• 대화에서 언급된 설문에서는 직장 내 행복에 영향을 주는 가장 강력한 변화 가능 요인이 관리자였다. 같은 설문에서 관리자에 대한 평가가 좋지 않았다는 점은 관리의 질을 개선할 여지가 크다는 뜻이기도 하다. [1:22:40]
• 몰리는 비용 절감을 위해 관리 계층 전체를 없애는 흐름이 장기적으로 직원에게 해로울 수 있다고 본다. 좋은 관리자는 사람들이 인정과 지원을 느끼게 하고 문제 해결을 돕기 때문에, 변화가 큰 시기에는 그 중요성이 더 커진다는 판단이다. [1:23:12]

42. 팀의 적응은 안정과 성과를 향해 일직선으로 진행되지 않는다

• 팀은 혼란과 조정, 규범 형성, 성과의 단계를 거칠 수 있지만 순서대로만 나아가지는 않는다. 이미 성과를 내던 팀도 다시 혼란 단계로 돌아갈 수 있으며, AI 전환에서는 이런 반복이 많이 나타날 수 있다. [1:24:45]

43. 당장의 직함보다 변화 속에서 무엇을 만들었는지 바라본다

• 급성장 기업의 변화는 폭풍 속에 있는 것처럼 소모적이어서 특정 사람이나 인정받지 못한다는 감정에 매몰되기 쉽다. 시야를 넓혀 자신이 어떤 결과물을 만드는 데 기여했는지 바라볼 필요가 있다. [1:25:17]
• 레고로 호랑이를 만든다고 생각했지만 나중에는 동물원 전체를 만들고 있었음을 깨닫는 비유처럼, 맡는 역할과 전체 과제는 계속 바뀔 수 있다. 5년이나 10년 뒤 돌아볼 때 자신이 어떤 부분에 참여했고 무엇을 잘못 예상했는지가 경험의 이야기가 된다. [1:26:06]

44. 변화에 참여하면서 자신과 팀이 슬퍼할 여지도 남긴다

• 변화가 무섭고 어렵다는 사실이 곧 나쁜 변화라는 뜻은 아니다. 쇠퇴할 수 있는 익숙한 일을 계속 붙잡는 선택도 안전을 보장하지 않으므로, 감정을 인정하면서 변화에 참여해야 한다. [1:27:37]
• 변화는 사랑했던 것을 내려놓는 일이기도 하다. 자신과 팀이 슬퍼할 공간을 만들고, 필요하다면 끝난 일을 기리는 과정도 허용해야 한다. [1:28:14]

45. 직업의 소멸만 예상하지 말고 변화할 모습과 위임의 경계를 생각한다

• “직업이 사라지지 않고 다른 모습으로 남는다면?”이라는 가정은 미래를 보는 관점을 바꾼다. 엔지니어링 역시 달라지거나 더 커질 가능성이 있으며, 대화에서는 현재까지 제품과 엔지니어가 늘고 있다는 관찰이 근거로 덧붙는다. [1:29:16]
• AI에 맡길 일은 의식적으로 선택해야 한다. AI가 크게 실패할 일뿐 아니라, 자신이 좋아해서 AI에 넘기고 싶지 않은 일도 위임의 경계를 정하는 기준이 된다. [1:29:50]

46. AI에 위임할 범위를 정하고 일의 방향은 직접 선택한다

• AI를 초지능적 존재보다 인턴에 가까운 도구로 보면, 맡길 일과 절대 맡기지 않을 일을 구분하기 쉽다. 모든 일을 넘기지 말고 인간에게 남겨야 할 역할을 신중하게 판단해야 하며, 인간만의 강점과 전환에 걸릴 시간은 여전히 열린 질문이다 [1:30:10]
• 적어도 당분간 인간의 역할은 자신이 원하는 세계에 대한 비전을 향해 일을 이끄는 데 있다. 가장 쉬운 선택이나 AI가 제시하는 방향을 그대로 따르기보다 자신이 진정으로 원하는 것을 기준으로 삼아야 한다 [1:30:52]

47. 공동체와 감정에 관한 대화가 AI 전환을 견디는 기반이 된다

• Glue Club 같은 공동체는 지혜와 지지를 얻고 다른 사람도 같은 변화를 겪는지 확인하는 공간이다. 외롭고 지원이 부족한 리더에게는 특정 모임의 선택보다, 서로 경험을 비교하며 무엇이 실제이고 무엇이 가치 있는지 함께 판단할 관계를 찾는 일이 중요하다 [1:31:50]
• 무엇을 배우고 어떤 도구를 써야 하는지에 비해, 전환을 겪는 사람들의 감정은 충분히 논의되지 않는다. 혼란과 슬픔이 자신만의 경험이 아니라는 사실을 인정하는 대화가 사람들이 균형감을 되찾는 데 도움이 되기를 기대한다 [1:32:33]

🧾 결론

• ‘레고를 넘겨주라’는 조언은 여전히 유효하지만, AI에 실행을 맡기는 것과 업무의 소유권·판단 책임을 넘기는 것은 구분해야 한다.
• 전환의 성공에는 개인이 얻는 자율성, 즐거움, 성장 기회가 중요하다. 더 많은 일을 요구하는 것만으로 변화에 참여할 동기가 생기지는 않는다.
• 상실을 인정하는 일과 새로운 가능성을 실험하는 일은 함께할 수 있다. 미래에 기회가 있을 수 있다는 이유로 현재의 슬픔을 억누를 필요는 없다.

📈 투자·시사 포인트

• 기업의 AI 도입 효과를 평가할 때는 사용량이나 인원 감축뿐 아니라 검토·재작업 비용과 최종 품질을 함께 살펴볼 필요가 있다.
• 관리 계층 축소가 사람을 지원하는 기능까지 약화하는지 확인해야 한다. 대화는 좋은 관리자와 동료 관계가 변화기 만족도와 적응에 중요하다고 강조한다.
• 구현이 쉬워질수록 오래 쓸 가치가 있는 제품과 분명한 품질 차이가 중요해진다. 그레이엄은 빠른 출시보다 수년 뒤에도 의미 있는 결과물을 만드는 데 야심을 두자고 제안한다.
• 직무 간 장벽이 낮아지면 개인의 역할과 사업 방식도 달라질 수 있다. 다만 새로운 업무 참여 기회와 운영 환경에 결과물을 배포할 책임은 함께 설계해야 한다.

⚠️ 불확실하거나 확인이 필요한 부분

• 설문 소진 비율은 앞부분의 44%와 뒷부분의 55%로 제시된다. 두 수치의 차이는 11%포인트지만 자막은 증가 폭을 10%로 표현하므로 원자료와 반올림 여부를 확인해야 한다. 표본 구성과 조사 방식도 제공되지 않는다.
• AI가 실제 일자리를 얼마나 없애거나 만드는지는 이 대화만으로 판단할 수 없다. 일자리 소멸에 대한 반론과 새로운 일자리 전망은 구체적인 검증 자료가 제시되지 않은 발언자의 판단이다.
• 코드 재작성량이 8배 늘고 보안 사고가 증가했다는 보고서는 원문과 측정 조건이 제시되지 않는다. AI 도입 전반의 결과로 일반화하기 어렵다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 현재 업무를 AI에 맡길 실행 작업, 직접 판단할 작업, 좋아해서 유지할 작업으로 나누고 위임 범위를 정한다.
• AI에 맡기기 전에 목표·맥락·품질 기준을 적고, 결과물을 전달하기 전에 직접 검토한다.
• AI로 절약한 시간과 함께 감독·수정·재작업에 든 시간을 기록해 실제 효과를 점검한다.
• 팀 대화에서 상실감·외로움·피로를 확인하고, 사람끼리 협업하고 지원받을 기회를 마련한다.

❓ 열린 질문

• AI의 감독 부담이 줄어들면 개인에게 새로운 일을 맡을 정신적 여유가 실제로 생길까?
• AI의 역량이 커져도 인간이 계속 맡아야 할 판단·신뢰·비전의 경계는 어떻게 정할 수 있을까?
• 생산성을 높이면서 직접 만드는 즐거움과 동료 관계를 유지하는 조직은 어떻게 설계할 수 있을까?