AI는 역량을 더하지 않고 곱합니다" 더 벌어질 격차에서 살아남는 방법

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

AI가 기존 역량을 곱해 격차를 벌리는 시대에 살아남으려면, AI 활용과 함께 스스로 판단하고 실행하며 사람을 움직이는 힘을 길러야 한다.

📌 핵심 요점

1. 사용량보다 성과를 봐야 한다. AI 질문 횟수와 토큰 사용량은 실행과 성과를 보장하지 않는다. 문성후는 AI가 기존 역량을 증폭하기 때문에 활용하는 사람의 판단력과 실행력에 따라 격차가 커질 수 있다고 설명한다.
2. 자신의 생각을 먼저 세우고 AI로 검증한다. 처음부터 답을 맡기거나 여러 모델의 답만 비교하면 판단에서 스스로 빠질 수 있다. AI의 조언이 설득력 있는지와 자신의 상황에 맞는지는 따로 살펴야 한다.
3. 리더십의 코어는 여섯 가지 힘으로 연결된다. 간파력은 본질을 읽고, 통어력은 자원을 모으며, 결착력은 결정을 결과로 안착시킨다. 공명력은 함께 실행하게 하고, 야성력은 계산을 바탕으로 도전하게 하며, 존재력은 리더가 없어도 작동하는 판단 기준을 남긴다.
4. 경험을 복기하고 실행을 구체화해야 한다. 형식지 접근이 쉬워질수록 새로운 경험과 암묵지를 축적하는 일이 중요해진다. 검토를 행동으로 바꾸려면 첫 행동·담당자·완료 기한·완료 기준을 정하고, 필요하면 중단이나 목적 변경으로 일을 마무리해야 한다.
5. 사람과의 연결과 불편한 피드백을 지켜야 한다. AI와 일하는 시간이 늘면 동료를 이해할 기회가 줄어들 수 있다. 상대의 상태와 타이밍에 맞추는 공명력을 기르고, 좋은 보고와 매끄러운 문장에 가려진 침묵·이탈·반론 부재를 살펴야 한다.

🧩 배경과 문제 정의

• AI가 회의록·기획서·보고서를 작성해도 업무 피로가 줄지 않을 수 있다. AI 사용량과 질문 횟수가 실제 성과나 실행을 보장하지 않기 때문이다.
• 무한한 정보와 그럴싸한 답은 판단을 돕는 동시에 결정과 책임을 미루는 핑계가 된다. AI에 묻기 전에 스스로 생각하고, 답의 적합성을 판단하는 역량이 필요하다.
• AI가 기존 역량을 증폭할수록 개인과 조직의 격차는 커질 수 있다. 기술 활용뿐 아니라 통찰, 실행, 경험 축적, 사람과 협력하는 리더십이 중요한 과제로 남는다.

🕒 시간순 섹션별 상세정리

1. AI 시대에도 조직을 이끄는 소프트 스킬이 필요하다

• AI 기술 전문가의 관점과 별개로, 기업과 큰 조직 안에서 리더가 AI를 다루는 방법이 필요하다. 세일즈를 아는 사람이 컴퓨터를 배워 판매하는 비유처럼, 리더십의 소프트 스킬을 바탕으로 AI를 배우는 접근이다. [02:30]

2. AI 사용량과 성과를 구분하고 도구의 주도권을 잡아야 한다

• 토큰 사용량을 KPI로 삼으면 많이 쓰는 사람이 우수한 직원으로 평가될 수 있지만, AI 뒤에 숨어 일하는 척하는 문제도 생긴다. 질문 횟수가 성과의 횟수와 같지는 않다. [03:07]
• AI가 사람의 일을 대체한다는 개념과 사람의 역량을 증강한다는 개념이 함께 등장하면서, 사람이 AI를 쓰는지 AI에 쓰이는지 혼란이 생겼다. AI를 제대로 부리는 힘은 이 관계의 주도권을 확보하는 데 필요하다. [03:44]

3. 리더의 코어는 서로 연결된 여섯 가지 힘이다

• 리더십을 컴퓨터에 비유하면 태도는 운영체제, 직급과 타이틀은 하드웨어, 리더십 스킬은 업데이트하는 앱이다. 코어는 부하가 걸려도 성능을 유지하게 하는 CPU에 해당한다. [04:21]
• 간파력은 데이터 너머를 보는 힘이고, 통어력은 여러 자원을 모아 한 방향으로 이끄는 힘이다. 결착력은 결정을 내려 안착시키는 힘이며, 공명력은 사람들과 함께 실행하는 힘이다. [04:56]

4. 정보가 늘어나면 결정을 미룰 핑계도 늘어난다

• 데이터나 리서치가 부족하다는 이유로 결정을 미룰 수 있어, 결정 지연에 따르는 고통이 줄었다. 콜린 파월의 ‘40–70 법칙’은 정보가 40% 정도일 때 결정하고, 70% 이상 모일 때까지 기다리면 늦는다는 기준으로 드러난다. [06:30]
• 결정에는 불확실성이 남는다. AI가 정보를 풍부하게 채워줘도, 남은 불확실성을 꿰뚫어 보고 책임지는 판단까지 대신해 주지는 않는다. [06:54]

5. 먼저 생각하고 AI에 검증을 맡기는 순서가 중요하다

• AI에 묻기 전에 자신의 생각을 먼저 써보면, AI를 자신의 판단을 검증하는 도구로 쓸 수 있다. 처음부터 답을 맡기는 방식과는 사고의 출발점이 달라진다. [08:02]
• 여러 AI에 서로의 답을 검증시키기만 하면 자신은 판단에 참여하지 않게 된다. 모델들의 의견이 다를 때 더 비싼 모델에 결정을 맡기는 대신, 자신의 가설을 세우고 그것이 맞는지 물어야 한다. [08:50]

6. 마음을 편하게 하는 답과 자신에게 맞는 답은 다르다

• AI의 조언은 미래에 대한 걱정을 덜어줄 만큼 그럴싸할 수 있다. 그러나 실제로 실행할 수 있는지, 자신의 상황에 맞는지 따져보면 오히려 막막해질 수 있다. [10:07]
• AI는 학습한 데이터를 확률적으로 조합해 괜찮아 보이는 답을 만든다. 설득력과 심리적 안정감을 주는 답이라고 해서 정답이 되는 것은 아니다. [10:28]

7. 경쟁의 범주를 바꾸는 통찰이 평균적인 답을 넘어선다

• 넷플릭스의 경쟁자를 다른 OTT로만 보면 같은 업종 안에서 경쟁을 해석하게 된다. 경쟁자를 ‘수면’으로 보면 사람들이 졸려서 시청을 멈추는 상황까지 경쟁의 범주에 들어온다. [11:46]
• 영화 「파운더」의 맥도날드 사례는 사업을 음식 판매에서 부동산으로 다시 보는 관점이다. 땅을 확보해 임대료와 로열티를 받고 점주에 대한 통제력도 만드는 구조가 간파력의 사례가 된다. [12:25]

8. 형식지가 널리 풀릴수록 새로운 암묵지를 쌓아야 한다

• AI는 바이브 코딩처럼 개인의 디지털 작업 역량을 크게 증강한다. 동시에 기록된 형식지에 쉽게 접근하게 하므로, 아직 기록되거나 데이터화되지 않은 경험과 도메인 지식의 가치를 돌아볼 필요가 있다. [14:24]
• 암묵지를 문서화하면 AI가 학습할 수 있는 형식지가 된다. 하지만 형식지화 이후에도 새로운 암묵지가 생기므로, 두 지식은 고정된 영역으로 나뉘기보다 계속 변환되며 확장된다. [15:09]

9. AI의 역량 증폭은 출발점의 격차를 크게 벌릴 수 있다

• 역량이 2와 8인 사람의 차이가 6이었다면, 각각 4와 64로 증폭될 때 차이는 60이 된다는 비유다. AI가 역량을 단순히 더하기보다 곱한다는 관점에서는 기존 차이가 더 크게 확대된다. [16:23]
• AI를 쓰지 않으면 0을 곱하는 상황에, 활용할 힘이 없거나 잘못 쓰면 마이너스를 곱하는 상황에 비유된다. 사용 여부뿐 아니라 활용 역량과 방식에 따라서도 격차가 벌어질 수 있다. [16:42]

10. 통어력과 결착력은 검토를 실제 결과로 연결한다

• AI가 정보·지식·데이터를 찾아 제공해도 그것이 곧 실행력은 아니다. 제공받은 내용을 실제 행동으로 옮기는 일은 인간의 몫으로 남는다. [17:47]
• 통어력은 자원을 한 방향으로 이끄는 힘이다. 결착력에는 자원을 계속 더하기보다 불필요한 것을 덜어내고, 결정을 내려 결과를 안착시키는 힘이 포함된다. [18:03]

11. 첫 행동·담당자·기한·완료 기준이 실행을 구체화한다

• AI의 검토 결과를 실행으로 옮기려면 첫 행동, 담당자, 완료 기한, 완료 기준을 정해야 한다. 특히 무엇을 달성해야 끝난 것으로 볼지 명확히 해야 한다. [19:44]
• AI를 팀원처럼 활용하는 사람은 각자 프로젝트를 관리하는 역할을 맡게 된다. “우리 모두 하자”는 말만으로는 책임이 분산되므로, 담당자를 특정한 사람으로 지정해야 한다. [20:47]

12. 중단과 목적 변경도 일을 마무리하는 방법이다

• 일의 마무리에는 완료·중단·이관·복구가 포함된다. 중단은 에너지가 더 새지 않도록 하는 선택이며, 진행 중인 과제가 지나치게 많은 조직은 일부 과제에 마침표를 찍어야 한다. [23:39]
• AI가 계속 가능성과 개선책을 제시하면 끝내야 할 과제를 유지하는 일이 합리화될 수 있다. 중단은 단순히 하다 마는 행위가 아니라, 상황에 맞춰 일의 목적을 바꾸는 선택일 수도 있다. [24:02]

13. 자동화 이후에는 직업 안의 과업이 달라질 수 있다

• ATM 도입으로 은행원이 불필요해질 것이라는 예상과 달리, 창구 직원은 상담과 관계 관리에서 새로운 과업을 찾았다. 고객과 거래를 유지하는 과정에서 대출과 투자로 연결하는 역할이다. [25:25]
• 2045년 변호사의 본질이 바뀔 것이라는 전망에서는 심리 상담을 잘하는 따뜻한 사람이 살아남을 수 있다고 본다. AI가 의견서나 소장을 작성하는 동안 사람은 힘든 고객을 이해하고 상담하는 식으로, 직업 자체보다 과업이 달라질 가능성이다. [26:07]

14. 공명력은 상대의 상태와 타이밍에 맞추는 능력이다

• 눈치를 보는 것은 자기 생각 없이 상대에게 맞추는 태도인 반면, 눈치가 있는 것은 상대와 주파수를 맞추는 능력으로 구분된다. AI가 늘 자신에게 맞춰주는 환경에 익숙해져도, 리더는 팀원과 조직에 스스로 주파수를 맞출 줄 알아야 한다. [27:42]
• 퇴근하려는 상사에게 중요한 변경을 건의했지만 반영되지 않은 경험은 내용의 옳음만으로는 부족함을 보여준다. 옳은 말도 상대가 받아들이기 어려운 순간에 하면 통하지 않을 수 있다. [28:36]

15. 인재의 조건에 도덕성·유용성·재미와 매력을 함께 둔다

• MUFIN은 Moral, Useful, Fun and Interesting을 묶은 표현이다. 도덕적이고 유용하면서 재미있고 흥미로우며 매력 있는 사람을 인재의 조건으로 제시한다. [29:51]
• 도덕성과 유용성 또는 실력은 이전 시대에도 인재의 조건에 포함되던 역량이다. 이 공통점이 재미와 매력을 함께 요구하는 조건을 살펴보는 출발점이 된다. [29:59]

16. 재미와 호기심을 만드는 매력이 사람을 끌어당긴다

• Fun은 웃음과 유머에서 오는 재미이고, Interesting은 상대가 어떤 사람인지 궁금하게 만드는 흥미다. 매력은 사람들이 상대에게 느끼는 좋은 감정의 집합체에 가깝다 [30:18]
• 문성후는 AI 시대에 재미·흥미·매력이 없는 건조한 사람의 경쟁력이 약해질 수 있다고 본다. 리더가 지식뿐 아니라 편안함과 인간적 매력도 주지 못하면 팀원이 굳이 찾아올 이유가 줄어든다 [30:40]

17. AI가 줄인 대화만큼 사람을 이해할 기회도 줄어든다

• 모르는 것을 선배에게 묻거나 함께 회의하던 일이 AI에 질문하는 방식으로 바뀌면서 사람 사이의 대화 빈도가 줄어든다. 혼자 AI와 일하는 시간이 늘수록 동료를 이해할 시간도 부족해진다 [31:58]
• “모르면 나에게 가져오라”는 지식의 권위는 약해졌지만, 일을 실행하려면 여전히 사람이 필요하다. 함께 일할 사람이 곁에 머물도록 만드는 공명력이 AI 시대에 더 중요해지는 이유다 [32:27]

18. 좋은 말만 듣는 리더는 자신의 위기를 가장 늦게 안다

• 조직에서 자신의 역할에 대한 부정적 평가가 이미 퍼졌는데도 당사자는 뒤늦게 알 수 있다. 특히 리더에게는 좋은 보고만 올라오고 위험한 이야기는 걸러지기 쉬워 이런 정보 격차가 커진다 [32:48]
• AI도 사용자의 상황을 낙관적으로 해석하고 위기 신호를 충분히 짚지 않을 수 있다. 솔직한 비판을 요구하는 지침이 필요하지만, 문성후는 그런 지침을 준 프로젝트에서도 진전이 없었던 경험을 든다 [33:43]

19. 조용한 조직과 매끄러운 보고서가 쇠퇴를 가릴 수 있다

• 조직에 애정이 남아 있을 때는 구성원이 싸우거나 불평하지만, 애정이 식으면 조용히 이탈한다. 인재가 빠져나가고 회의에서 말이 사라지는 현상은 조직의 위험 신호가 될 수 있다 [35:01]
• 구성원들이 말없이 동조하고 보고서에 좋은 내용만 담기면 경고등이 사라진다. AI가 보고서를 더 매끄럽게 다듬으면 실제 문제까지 잘 보이지 않게 될 수 있다 [35:38]

20. 야성력은 계산을 바탕으로 평균의 울타리를 넘는 힘이다

• 야성력은 데이터나 평균이 정한 울타리를 넘어서는 힘이다. 좋은 보고만 올라올 때 다른 가능성을 의심하고, 모두가 레드오션이라고 판단하는 상황에서도 도전을 선택할 수 있어야 한다 [37:23]
• 사람은 판단에 자신의 자리나 축적한 돈을 걸고 손실도 감수한다. AI가 계산을 돕고 사람이 그 계산을 바탕으로 담대하게 결정하는 ‘계산된 담대함’이 야성력의 한 모습이다 [37:54]

21. 존재력은 자리를 지키는 힘보다 기준을 남기는 힘이다

• AI 솔루션을 도입하면 전무가 할 일이 없어진다는 판매 설명은, 정작 구매를 결재할 전무의 존재를 위협한다. 이 사례는 AI 도입이 조직 안에서 자신의 역할을 어떻게 지킬 것인가라는 문제와 연결됨을 보여준다 [38:25]
• 존재력은 단순히 “그 사람이 있다”고 느끼게 하는 존재감보다, 다른 사람의 판단에 기준이 되는 힘이다. 리더가 자리에 없어도 구성원들이 그라면 무엇을 하고 하지 않을지 판단할 수 있다면 존재력이 작동한다 [38:53]

22. 끊임없는 배움이 리더의 코어를 만든다

• 리더는 여러 사람에게서 기준·힘·태도를 배우며 형성된다. 자신만의 고유한 부분이 생겨도 배움은 계속되며, 훌륭한 리더는 되묻고 복기하고 스스로 반성한다 [41:22]
• 책 제목인 ‘코어’는 복근·척추기립근·골반저근·횡격막이라는 네 근육의 비유에서 출발한다. 강한 코어가 충격에 버티도록 돕듯, 약해져 가는 인간의 힘을 지탱할 역량을 길러야 한다는 의미다 [42:04]

23. AI 공부와 인간의 역량을 함께 길러 공존을 준비한다

• 문성후는 지금의 리더가 인류 역사상 가장 힘든 시대에 리더 역할을 맡고 있는 것 같다고 평가한다. 지능을 대체하는 도구가 자신의 지위와 생존에 직접 연결되는 상황은 처음에 가깝다는 인식이다 [43:16]
• 세대 간 소통의 어려움에 AI까지 더해지면서 고립감과 불안을 느끼는 리더들이 있다. AI를 제대로 활용하려면 AI 공부를 계속하면서 인간이 가진 고유한 힘도 함께 길러 공진화와 성공적인 공존을 준비해야 한다 [44:01]

🧾 결론

• AI 공부와 인간의 코어 역량 개발은 함께 진행해야 한다. 도구가 제공한 답을 평가하고 결과에 책임지는 역할이 남기 때문이다.
• 검토가 길어지는 일을 진척으로 착각하지 않도록, 결정과 실행의 완료 기준을 분명히 해야 한다.
• 리더의 가치는 지식을 독점하거나 자리를 지키는 데서 그치지 않는다. 함께 일할 사람을 모으고, 부재 중에도 통하는 기준을 남기는 데 있다.

📈 투자·시사 포인트

• 기업의 AI 활용을 살필 때는 도입 여부나 사용량과 함께 실제 행동과 결과로 연결되는지 확인필요가 있다. 자료는 사용량 중심 평가의 한계를 강조한다.
• 인재와 조직의 경쟁력을 판단할 때는 AI 활용 능력뿐 아니라 도메인 경험, 판단력, 실행 책임, 협업 능력도 함께 살펴볼 수 있다.
• 리더의 확신을 AI가 뒷받침하고 구성원의 반론이 사라지는 조직은 위험 신호를 놓칠 수 있다. 보고서의 완성도와 현장의 상태를 함께 확인해야 한다.
• 자동화의 영향을 볼 때는 직업 전체의 소멸과 직업 안의 과업 변화를 구분해야 한다. 자료는 은행원의 상담·관계 관리와 변호사의 고객 이해를 사례와 전망으로 제시한다.

⚠️ 불확실하거나 확인이 필요한 부분

• 역량이 2와 8인 사람이 각각 4와 64로 증폭된다는 설명은 격차 확대를 보여주는 비유다. AI의 실제 성과 배율이나 보편적인 수학 법칙으로 해석할 근거는 제시되지 않았다.
• 콜린 파월의 ‘40–70 법칙’, ATM 이후 은행원의 과업 변화, 넷플릭스와 맥도날드 사례는 강연의 설명으로 제시된다. 원전과 적용 조건은 별도 확인이 필요하다.
• 2045년 변호사의 역할 변화와 AI가 대화를 지속하려고 불편한 말을 피한다는 설명은 각각 전망과 문성후의 해석이다. 확정된 미래나 모든 모델의 공통 특성으로 단정하기 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

• 다음 AI 질문 전에 자신의 가설, 판단 근거, 남은 불확실성을 먼저 적고 AI에 반론과 검증을 요청한다.
• 진행 중인 AI 활용 과제 하나에 첫 행동·실명 담당자·완료 기한·완료 기준을 명시한다.
• AI 사용량과 실제 결과를 구분해 기록하고, 질문과 검토만 반복되는 과제를 찾아 실행 여부를 결정한다.
• 중요한 결정이나 현장 경험을 복기하며 판단 이유와 결과를 기록하고, 수정하거나 버릴 기존 지식을 정리한다.

❓ 열린 질문

• 우리 조직은 AI를 많이 쓰는 사람과 실제 결과를 만드는 사람을 어떤 기준으로 구분할 수 있을까?
• AI에 맡겨도 되는 사고와 직접 수행해야 판단력이 유지되는 사고의 경계는 어디일까?
• 여섯 가지 코어 역량 중 현재 실행을 가장 크게 막는 약점은 무엇이며, 어떤 행동으로 개선을 확인할 수 있을까?