AI 잘 쓰는 직원에게 일 몰아주면 생기는 일 (김지현 테크라이터)

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

AI를 잘 쓰는 직원에게 일을 몰아주면 단기 생산성은 높아져도 핵심 인력의 번아웃과 동료의 성장 기회 상실로 조직의 지속 가능성이 약해질 수 있다.

📌 핵심 요점

1. 업무 집중은 조직의 인재 기반을 약화시킬 수 있다. AI로 역량이 커진 소수에게 업무가 몰리면 다른 직원은 경험을 쌓지 못한다. 핵심 인력마저 번아웃을 겪거나 퇴사하면 업무를 이어받을 사람이 부족해진다.
2. AI 도입은 업무 배분과 육성 방식의 재설계를 요구한다. 김지현이 설명하는 AX 2.0은 비즈니스 문제를 먼저 정의하고 조직·문화·워크플로우를 바꾸는 접근이다. 숙련자 곁에 동료를 배치하고 사람 간 피드백과 학습을 의도적으로 남겨야 한다.
3. AI 활용 성과에는 사람의 사고력도 포함된다. 완성된 문서뿐 아니라 무엇을 배우고 관점을 어떻게 바꿨는지 살펴야 한다. 특히 주니어는 직접 읽고 검색하고 쓰는 경험을 확보해 AI가 중단돼도 업무를 이어갈 역량을 길러야 한다.
4. 토큰 관리는 비용보다 사용 가치에 초점을 맞춰야 한다. 공급자는 생산 효율을, 사용 기업은 업무별 부가가치를 따져야 한다. 사용 목적과 결과를 측정하되 신입의 시행착오나 탐색까지 낭비로 처리해서는 안 된다.
5. 에이전트는 고객 접점과 산업 경쟁을 바꿀 가능성이 있다. 검색과 앱 실행을 대신하면 광고 노출 기반이 약해지고 새로운 포털 경쟁이 생길 수 있다. 다만 재편 시점과 승자는 불확실하며, AI 산업의 성장과 개별 기업의 생존은 구분해야 한다.

🧩 배경과 문제 정의

• AI 사업자는 토큰을 효율적으로 생산해야 하고, AI를 사용하는 기업은 토큰 소비를 실제 업무 가치로 연결해야 한다. 비용 관리와 함께 학습·탐색처럼 당장 성과를 수치화하기 어려운 활동도 고려해야 한다.
• AI 에이전트가 검색과 앱 실행을 대신하면 고객 접점과 광고 수익 구조가 달라질 수 있다. 기기·운영체제·플랫폼 사업자 사이에서 새로운 진입점을 차지하려는 경쟁이 예상된다.
• AI 도입의 핵심 문제는 도구 사용을 넘어 업무 과정과 조직을 어떻게 바꾸느냐에 있다. 생산성을 높이면서도 직원의 사고력, 동료 간 학습, 후속 인재 육성을 유지해야 한다.

🕒 시간순 섹션별 상세정리

1. 토큰 생산 효율과 사용 가치를 구분하는 AI 사업 전략

• AI 인프라 사업에는 메모리·반도체·서버뿐 아니라 전력·냉각·네트워크도 포함된다. 이들 공급자와 AI를 소비하는 일반 기업은 서로 다른 관점으로 사업 계획을 세워야 한다. [02:01]
• 공급자의 토큰 이코노미는 토큰을 더 많이, 더 싸게, 더 효율적으로 생산하는 데 자사 솔루션이 얼마나 기여하는지가 핵심이다. 소비자의 토크노믹스는 어떤 업무에 얼마나 많은 토큰을 써야 부가가치를 얻는지 판단하는 문제다. [02:44]

2. 토큰 사용을 측정하되 학습과 탐색의 여지를 남기는 관리

• 수치로 성과를 특정하기 어려운 활동에도 가치가 있다. 신입사원이 시행착오를 겪거나 AI와 결론 없는 토론을 하는 데 쓴 토큰까지 낭비로 분류하면, 측정하기 쉬운 활동만 살아남을 수 있다. [04:00]
• 사용료 총액만 확인해서는 누가 어떤 업무에 토큰을 쓰고 어떤 결과를 얻었는지 알 수 없다. 최소한 개발팀의 사용인지, 기획팀의 보고서 작성인지 구분할 정도의 측정이 필요하다. [04:31]

3. 모바일과 닮은 산업 구조, 더 커진 데이터센터와 모델의 병목

• AI 산업은 데이터센터·클라우드·모델·디바이스·애플리케이션의 다섯 계층으로 해석할 수 있다. 앱과 스마트폰, 이를 뒷받침하는 서버와 클라우드가 결합했던 모바일 산업과 기본 구조가 유사하다. [06:19]
• 차이는 데이터센터와 모델의 중요성이다. 모바일 앱 시대와 달리 AI에서는 최고 성능의 모델을 만들기 위한 데이터센터 규모와 연산 자원이 여전히 핵심 병목이며, 기업 간 모델 경쟁도 계속되고 있다. [07:03]

4. 온디바이스 AI의 필요성이 기기 구매 기준을 바꾼다

• 클라우드 모델을 이용할 때는 사용자 기기의 고성능이 필수적이지 않다. 앞으로는 기기에서 먼저 처리하고 어려운 작업을 클라우드로 보내는 하이브리드 AI가 확대될 것이라는 전망이다. [08:55]
• 기기 선택의 첫 기준은 로컬 데이터와 앱을 활용하는 AI가 필요한지다. 파일을 따로 올리지 않아도 기기 속 앱을 대신 조작하는 기능의 효용을 따져, 200만 원짜리 일반 노트북과 700만~800만 원짜리 AI 전용 PC의 업무 성과와 경제성을 비교해야 한다. [09:47]

5. 화면을 대신 보는 에이전트가 광고 접점을 흔든다

• 기존 GUI에서는 사용자가 화면을 보고 직접 클릭하거나 터치하며 기다려야 했다. 실행형 에이전트는 말로 받은 요청에 따라 검색하고, 영상과 PDF를 읽고, 앱까지 대신 실행하는 방향으로 나아간다. [11:47]
• 사용자가 결과만 받고 화면을 덜 보게 되면 배너 광고와 검색 스폰서 링크의 노출 기반이 약해질 수 있다. 과거 뉴스 소비가 신문·TV에서 포털로 이동하며 광고 구조가 바뀌었듯, 에이전트도 광고 시장의 재편을 일으킬 수 있다. [12:29]

6. 개인 AI 에이전트를 둘러싼 새로운 포털 경쟁

• 개인 AI 에이전트를 지배하는 기업이 새로운 고객 접점을 차지할 가능성이 있다. PC·스마트폰·브라우저에서 먼저 실행되는 기본 에이전트는 유리한 진입점을 확보한다. [13:09]
• 새로운 에이전트와 전용 기기 사업자도 앱 사이에 들어가 사용자의 요청을 한곳에서 처리하는 포털을 노릴 수 있다. 기기나 운영체제의 기본 에이전트가 그 접점을 독점한다고 확정할 수는 없다. [13:31]

7. 에이전트 경쟁의 승자와 재편 시점은 아직 불확실하다

• 웹 시대의 승자가 모두 모바일 시대에도 승리한 것은 아니다. 기존 강자의 생존과 쇠퇴, 새로운 서비스의 부상이 함께 나타났듯 AI 시대에도 새로운 승자가 등장할 가능성이 열려 있다. [14:30]
• 경쟁의 윤곽이 드러날 시점은 확정하기 어렵다. 김지현은 당초 2028년 중반 이후를 생각했지만 기술이 자신의 예상보다 늘 빨랐다는 이유로, 2027년 중반 이후에는 대략적인 구도가 보일 수도 있다고 전망한다. [15:07]

8. AX 2.0은 업무와 조직을 AI 중심으로 다시 설계하는 일이다

• 기존 AX가 업무 생산성을 높여 하던 일을 더 잘하게 만드는 데 초점을 둔다면, AX 2.0은 AI 네이티브 조직으로의 전환을 뜻한다. 먼저 해결할 비즈니스 문제를 정의하고, AI 활용에 맞춰 조직 체계·문화·워크플로우를 재설계해야 한다. [16:36]
• 회의록이나 회의 자료 작성을 돕는 수준을 넘어, 회의 중 과거 보고와 다른 내용이나 잘못된 수치를 실시간으로 확인하는 방식까지 업무에 포함할 수 있다. [17:25]

9. AI로 줄어든 반복 훈련을 사람 간 학습의 소멸로 연결해서는 안 된다

• AI와 보고를 예행연습하면 상사와 여러 차례 수정하던 과정을 줄일 수 있다. 그러나 당장의 생산성을 이유로 채용을 멈추거나, 여러 사람 몫을 하는 한 명에게 계속 일을 맡기거나, 상사와 배우는 과정까지 없애서는 안 된다. [19:37]
• AI는 개별 작업뿐 아니라 업무 위임과 조직 프로세스의 생산성도 높일 수 있다. 그래도 직접 만나 대화하고 회의하며 얻는 통찰과 창발성은 여전히 유의미하므로 사람 간 접촉을 유지해야 한다. [20:20]

10. 퇴사자의 업무 환경을 이어받는 에이전트와 1인 기업의 가능성

• 퇴사자의 컴퓨터에는 사용하던 소프트웨어와 보고서·채팅·이메일, 업무 방식의 흔적이 남는다. 그 환경에 설치형 에이전트를 붙여 남은 직원이 일을 시키는 방식이 가능하며, 중국 게임 개발사에서도 이런 방식으로 일하는 사례가 있다고 한다. [21:49]
• 설치형 에이전트는 본인의 지시를 수행하는 디지털 트윈에서, 본인이 퇴사한 뒤 다른 사람의 지시를 받아 업무를 이어가는 형태까지 발전했다는 진단이다. 향후에는 개인을 넘어 부서의 업무를 대체하고 1인 CEO 구조를 가능하게 할 수도 있다는 전망이다. [22:58]

11. 개인의 업무 방식과 스킬을 어디까지 회사에 남길 것인가

• 김지현은 퇴사할 때 회사 문서를 지우겠다는 뜻이 아니라, 자신의 고유한 업무 방식과 스타일을 담은 스킬은 남기지 않겠다는 입장이다. 개인의 스킬을 지키고 이를 활용해 다양한 일을 수행하는 구조를 만들겠다는 방향이다. [24:01]

12. AI 활용 역량의 기준은 중단 이후에도 일을 이어가는 복구 가능성이다

• AI가 읽기·검색·분석·작성을 대신하는 데 익숙해지면 생각까지 외주화할 수 있다. AI가 없어졌을 때 업무를 멈추지 않으려면 직접 읽고 검색하고 쓰는 활동도 계속해야 한다. [24:47]
• AI의 편익을 누리더라도 모든 작업을 넘겨서는 안 된다. 특히 주니어와 업무 숙련도가 낮은 사람은 직접 수행하는 비중을 더 확보해야 하며, 숙련자도 전적으로 의존하지 않아야 한다. [25:19]

13. 신입 육성에는 리더의 질문과 신입의 직접 사고가 필요하다

• 경험이 적은 신입은 자신의 AI 활용이 적절한지 비교할 기준이 부족하다. 리더는 AI로 만든 결과물에 지시나 평가만 더하기보다, 질문을 되돌려 생각의 범위를 넓혀줘야 한다. [26:42]
• 신입과 주니어도 편리함에 익숙해져 모든 일을 AI에 맡기는 것을 스스로 경계해야 한다. 직접 사고하고 수행하는 과정을 줄이면 자신의 역량이 자라기보다 AI로 대체되기 쉬운 상태가 될 수 있다는 우려다. [27:10]

14. AI를 잘 쓰는 소수에게 일을 몰면 조직의 지속 가능성이 약해진다

• 일을 잘하는 사람은 AI로 역량이 크게 증강되고 업무도 그들에게 집중된다. 반대로 다른 직원은 일을 배정받지 못해 경험과 성장의 기회를 잃을 수 있다. [28:14]
• 핵심 인력에게 업무가 과도하게 몰리면 보상은 크게 늘지 않은 채 번아웃이 생기고, 혼자 일하면서 확증편향에 빠질 위험도 커진다. 그 사람이 퇴사하면 대체할 사람이 없어 회사 운영이 취약해진다. [28:44]

15. 일을 잘하는 사람 곁에 동료를 붙여 배움이 이어지게 해야 한다

• 숙련된 직원과 리더를 혼자 일하도록 방치하지 말고 다른 사람을 함께 배치해야 한다. 당장은 동료가 별다른 역할을 하지 않는 것처럼 보여도 곁에서 배울 기회를 의도적으로 만들어야 회사가 오래갈 수 있다. [29:36]

16. AI로 커진 개인 역량이 퇴사와 활동 범위 확장으로 이어지다

• 김지현은 AI를 더 깊이 활용하면서 혼자 처리하는 업무량이 늘었지만, 이런 방식이 자신과 회사 모두에 바람직하지 않다고 판단했다. SK 근무 14년 차에 10월까지 일하고 퇴사할 계획을 밝혔다 [30:52]
• 자신의 역량과 콘텐츠를 회사 경영진에게만 보고하는 데 한계를 느꼈다. 회사 밖에서 더 많은 사람에게 가치를 제공하고, 그들이 이익을 얻을 기회를 넓히는 것이 새로운 출발의 목적이다 [31:11]

17. 용도별 도구 선택과 긴 대화 맥락이 AI 활용의 깊이를 만든다

• 검색에는 퍼플렉시티, 토론에는 챗GPT, 팩트 체크에는 제미나이, 문서 생성에는 젠스파크, 보고서 내용과 키워드를 다듬는 데는 클로드를 쓰는 등 작업 목적에 따라 AI를 달리 선택한다 [32:00]
• 한 주제를 같은 대화창에서 오랫동안 다루며 맥락을 축적한다. 5개월 전이나 7개월 전 대화창도 다시 열어 이어 쓰는 이유는 기존 대화에 자신과 주제에 대한 맥락이 남아 있기 때문이다 [32:38]

18. AI를 생산 라인으로 만들려면 업무 자체를 위임하고 육성해야 한다

• AI에 반복 업무를 맡기고 사람은 문제 정의·검증·유통·판단에 집중하는 방식이 개인의 경쟁력으로 드러난다 [33:42]
• 개별 작업만 요청하는 수준을 넘어, 자신이 할 일을 맡길 디지털 자아나 아바타를 키우는 접근이 필요하다. 처음에는 사람도 기존 방식대로 일하고 하루나 이틀 뒤 AI 결과와 비교하며 개선한다. AI가 점점 좋아지면 자신을 위해 수익을 만들어 줄 수 있다는 기대다 [34:33]

19. AI 산업의 성장과 기업별 생존을 구분하고 핵심 기술에 투자해야 한다

• 토큰 수요가 계속 늘고 좋은 모델이 더 많은 토큰을 사용하므로 데이터센터와 더 나은 모델이 필요하며, 애플리케이션도 앞으로 만들어질 것이라는 판단이다. 이를 근거로 현재 AI 산업 전체를 거품으로 보기는 어렵다고 본다 [35:03]
• 다만 IT 산업의 승자독식 구조에서는 모든 기업이 살아남을 수 없다. 기업마다 데이터센터·파운데이션 모델·반도체·애플리케이션·디바이스에 독자적으로 투자하더라도, 그 안에서 승자와 거품이 갈릴 것이라고 전망한다 [35:41]

20. 빠르게 바뀌는 기술 목록보다 변화를 해석하는 관점이 중요하다

• 한 달 또는 격주마다 새 모델이 나오는 상황에서는 현재 뜨는 기술을 정리하는 것만으로는 한계가 있다. 책의 초점도 유행하는 기술 목록보다 기술을 어떻게 바라보고 해석할지에 맞춰져 있다 [37:09]
• 이후 새로운 기술이 등장해도 스스로 해석할 수 있는 지식과 관점을 제공하는 것이 책의 목적이다. 독자는 그 관점을 바탕으로 각자의 관심 분야에서 통찰을 얻을 수 있을 것으로 기대한다 [37:25]

🧾 결론

• 조직의 AI 성과는 소수 직원의 산출량과 함께 동료의 성장, 업무 인계 가능성, 후속 인재 확보로 평가해야 한다.
• AI로 반복 작업을 줄이더라도 숙련자와 주니어가 함께 일하며 배우는 과정은 유지해야 한다. 입사 3~5년 뒤 직원이 어떤 역할을 맡는지가 중요한 점검 기준이다.
• 개인은 반복 업무를 AI에 위임하면서 문제 정의·검증·판단에 집중하되, 직접 사고하고 수행하는 능력도 계속 훈련해야 한다.
• AI 네이티브 조직으로의 전환은 도구 도입을 넘어 업무 실행과 후속 관리, 인재 육성이 이어지는 구조를 만드는 일이다.

📈 투자·시사 포인트

• 산업 성장과 기업별 수익 기회를 구분한다. 김지현은 토큰 수요와 모델 고도화를 AI 산업 성장의 근거로 보지만, 승자독식 경쟁에서 모든 기업이 살아남는다고 보지는 않는다.
• 인프라 병목과 경쟁의 이동을 관찰한다. 데이터센터·모델의 중요성을 살피면서 향후 애플리케이션으로 경쟁의 중심이 이동하는지도 확인필요가 있다. 반도체뿐 아니라 전력·냉각·네트워크도 검토 대상이다.
• 에이전트가 고객 접점을 어디로 옮기는지 살핀다. 기본 에이전트의 진입점, 기존 플랫폼의 연동 제한, 광고 노출 방식의 변화가 사업 모델을 판단할 단서다.
• 기업의 조직 운영도 경쟁력 평가에 포함한다. AI 활용이 핵심 인력 의존을 높이는지, 지식 공유와 후속 인재 육성으로 이어지는지 점검필요가 있다.

⚠️ 불확실하거나 확인이 필요한 부분

• 업무 집중이 번아웃과 성장 기회 상실로 이어진다는 설명은 조직 운영에 대한 진단이다. 제공된 자료에는 효과의 크기나 인과관계를 검증할 비교 연구가 제시되지 않았다.
• 2027년 중반 이후 에이전트 경쟁의 윤곽이 보일 수 있다는 언급은 김지현의 전망이다. 산업 재편 시점과 최종 승자는 확정되지 않았다.
• 퇴사자의 업무 환경을 에이전트가 이어받는 중국 게임 개발사 사례는 전언으로 소개된다. 기업명, 적용 범위, 실제 성과는 자료만으로 확인하기 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

• 직원별 업무 배분과 AI 활용 현황을 함께 살펴 핵심 인력의 과부하와 다른 직원의 경험 부족이 동시에 발생하는지 점검한다.
• 숙련자와 주니어가 함께 수행할 업무를 정하고, 결과 검토와 질문을 통한 학습 시간을 확보한다.
• 주니어가 직접 읽기·검색·분석·작성을 수행할 과제를 남기고, AI 결과와 자신의 판단을 비교하게 한다.
• 토큰 사용을 팀·업무 목적·결과별로 구분하되, 학습과 탐색에 쓴 비용도 별도로 살펴 일괄적으로 낭비 처리하지 않는다.

❓ 열린 질문

• AI를 잘 쓰는 직원의 생산성을 활용하면서도 동료에게 충분한 실무 경험을 배분하려면 업무와 보상을 어떻게 설계해야 할까?
• AI로 줄일 수 있는 반복 훈련과 사람 간 학습을 위해 유지해야 하는 상호작용의 경계는 어디일까?
• 퇴사 후에도 작동하는 에이전트에 담긴 회사 지식과 개인 고유의 업무 스킬은 어떤 기준으로 구분할 수 있을까?