"내 일은 결국 프롬프트로 바뀌는 걸까?" 중국 테크 업계에서 최근 퍼진 'Colleague Skill' 열풍은 이 질문을 자극했다. 퇴사한 동료의 문서, 채팅, 이메일, 업무 습관을 모아 재사용 가능한 AI 스킬로 만들겠다는 오픈소스 프로젝트가 바이럴을 탔고, 곧바로 이를 무력화하려는 '반(反) 증류' 도구들까지 등장했다.123
그래서 이 이슈는 단순한 AI 밈이 아니다. 지금 중요한 이유는, 이 흐름이 "AI가 사람을 대체하느냐"보다 더 실무적인 질문을 던지기 때문이다. 조직은 무엇을 문서화하고, 무엇을 자동화하며, 무엇은 끝까지 사람에게 남겨야 하는가.
신화: 동료의 전문성은 복제된다 / 현실: 대개는 '패턴'만 옮겨진다
확인된 사실부터 보자. Colleague Skill 계열 프로젝트는 Feishu, DingTalk, Slack, 이메일, 문서, 메시지 기록 등을 모아 'Work Skill'과 'Persona' 레이어를 만든다고 설명한다.45 저장된 지식과 표현 습관을 조합해 특정 사람처럼 답하고 일하게 하겠다는 구조다.
여기서 많은 팀이 착각하기 쉽다. 산출물의 톤, 자주 쓰는 표현, 익숙한 워크플로를 잡아냈다고 해서 그 사람의 전문성이 통째로 옮겨진 것은 아니다.
실제로 이런 시스템이 잘 포착하는 것은 네 가지에 가깝다. 반복되는 응답 패턴, 자주 쓰는 체크리스트, 도구 사용 순서, 문서화된 판단 기준이다. 반대로 자주 빠지는 것도 네 가지다. 첫째, 애매한 상황에서 우선순위를 다시 정하는 감각. 둘째, 누가 어떤 맥락에서 이 요청을 했는지 읽는 관계적 판단. 셋째, 문서에 남지 않는 예외 처리. 넷째, 잘못된 지시를 정면으로 되묻는 책임감이다.
개발자 본인도 이 도구가 FAQ 응답이나 문서 요약 같은 반복 업무에는 도움이 될 수 있지만, 인간의 판단·창의성·적응성을 대체하지는 못한다고 선을 그었다는 보도가 있다.67 이 점은 중요하다. 기술 데모가 보여주는 "그럴듯함"과 실제 업무 대체 가능성은 다르기 때문이다.
팀 관점에서 번역하면 이렇다. 어떤 역할이 문서 친화적인지와 자동화 친화적인지는 다르다. 운영 가이드, 온보딩, 반복 고객응대, 정형 리포트는 비교적 안전하게 캡처할 수 있다. 반면 채용, 성과 피드백, 대형 장애 대응, 거래처 협상, 제품 방향성 결정처럼 정치와 맥락이 얽힌 일은 사람 주도로 남겨두는 편이 낫다.
진짜 시험은 정확도가 아니라 신뢰다
이 프로젝트가 중국에서 밈을 넘어 불안을 건드린 이유도 여기에 있다. 일부 보도에 따르면 젊은 직장인들 사이에서 "내 책상은 비워졌고, 내 스킬은 업로드됐다"는 식의 표현이 퍼졌고, 동료를 미리 '증류'해 대체 가능하게 만들려 한다는 해석도 확산됐다.138
물론 여기엔 과장이 섞여 있다. 실제 현장에서 어느 정도로 광범위하게 악용되는지는 확인하기 어렵다. 하지만 반작용이 빠르게 나온 것은 사실이다. 제출용 스킬 파일에서는 핵심 판단 로직을 비워 버리고, 진짜 노하우는 개인이 따로 보관하는 'anti-distillation'류 대응이 등장했다.38
이건 기술 문제가 아니라 인센티브 문제다. 팀이 어떤 역할을 AI 스킬로 정리하려 할 때 구성원이 "좋다, 우리 팀이 더 빨라지겠다"고 느끼면 지식이 모인다. 반대로 "내 대체재를 내가 만드는 건가?"라고 느끼면 문서는 비어 있고, 채팅은 모호해지고, 협업은 더 정치적으로 변한다.
특히 위험한 경우는 개인 복제에 가까운 접근이다. 특정 동료의 말투, 성격, 심지어 인간관계 방식까지 모델링하겠다는 발상은 지식 보존과 감시·모방의 경계를 흐린다. 여기에 사내 메신저 기록, 개인적 성격 정보, 비업무 대화까지 섞이면 프라이버시와 소유권 문제도 커진다.7
사람 복제보다 역할 스킬이 낫다
그래서 더 나은 질문은 "누구를 복제할까"가 아니라 "어떤 역할의 반복 가능한 부분을 분리할까"다.
실무적으로는 '사람 사본' 대신 '역할 스킬'을 만드는 편이 안전하다. 예를 들어 백엔드 시니어 A를 흉내 내는 대신, 장애 분류 기준, 코드리뷰 체크포인트, 핸드오프 순서, 자주 틀리는 예외 케이스를 역할 단위로 정리하는 식이다. 그러면 지식은 남고, 특정인의 페르소나를 침범하지 않아도 된다.
도입 전에 팀이 던져야 할 질문도 명확하다.
이 스킬은 누구를 돕는가. 떠나는 사람의 지식을 보존하려는가, 아니면 헤드카운트 압박을 가리기 위한가.
무엇을 입력 데이터로 써도 되는가. 업무 문서와 공용 채널은 다를 수 있고, 개인 대화와 메신저 로그는 더 민감하다.
실수는 누가 책임지는가. AI 스킬이 틀린 판단을 했을 때 "원래 그 동료가 이렇게 일했다"는 식의 책임 회피가 생기면 안 된다.
무엇은 자동화하지 않을 것인가. 팀의 신뢰, 평가, 갈등 조정, 예외 승인처럼 사람의 책임이 필요한 영역은 명시적으로 제외해야 한다.
결국 Colleague Skill은 미래의 완성형 대체 기술이라기보다, 지금 조직이 어디까지 지식을 구조화할 수 있고 어디서부터 인간적 맥락이 필요한지를 드러내는 거울에 가깝다. 그래서 이 이슈는 AI 도구를 도입하는 팀 리더, 지식 관리 체계를 만드는 운영 조직, 그리고 자신의 노하우를 어떻게 남길지 고민하는 개인 기여자 모두가 신경 써야 한다. 판단 기준은 간단하다. 팀을 더 탄탄하게 만드는가, 아니면 서로를 더 경계하게 만드는가. 그 차이가 도입의 성패를 가른다.
참고
1Chinese tech workers are starting to train their AI doubles-and pushing back
2Colleague Skill: AI job fears in China set off viral spread of supposed ability harvester
5colleague-skill/SKILL.md at main · titanwings/colleague-skill · GitHub
624-year-old techie builds 'Colleague Skill' AI project with abilities of Buddha, Steve Jobs
7AI Job Fears in China Fuel 'Colleague Skill' Project's Viral Spread
8Chinese Workers Clone Colleagues Into AI Agents With New Too
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.