책에 포함된 노트기계의 지능, 사람의 일 : AI로 재설계하는 직업재활: 상담에서 사후관리까지, 실무와 윤리의 가이드라인

8. 개별화 직업재활계획과 서비스 설계

2026-04-24Views 109약 10분생성형 AI 활용

개별화 직업재활계획과 서비스 설계

좋은 직무 추천 다음에는 좋은 계획이 와야 한다

앞 장에서 우리는 AI가 진로탐색과 직무매칭을 더 촘촘하게 도와줄 수 있다는 점을 살펴보았다. 하지만 직업재활의 진짜 승부는 추천된 직무 이름에서 끝나지 않는다. 같은 직무를 추천받아도 어떤 사람은 취업까지 자연스럽게 이어지고, 어떤 사람은 준비 단계에서 멈추며, 어떤 사람은 취업은 했지만 오래 유지하지 못한다. 차이는 종종 능력의 크기보다 계획의 질에서 난다.

개별화 직업재활계획은 단순한 일정표가 아니다. 이 사람은 무엇을 목표로 하는지, 무엇이 먼저 해결되어야 하는지, 어떤 서비스 조합이 필요한지, 어느 속도로 가야 하는지, 어디에서 실패할 가능성이 있는지, 실패하더라도 어떻게 다시 경로를 수정할지를 담는 설계도다. 다시 말해, 평가는 사람을 이해하는 과정이고, 계획은 그 이해를 실제 행동으로 번역하는 과정이다.

이 지점에서 AI는 큰 힘을 낸다. 여러 평가자료, 상담기록, 노동시장 정보, 서비스 이력, 훈련 경험, 환경 조건을 한꺼번에 읽어 목표 후보를 만들고, 우선순위를 정리하고, 서비스 조합을 제안하고, 사례별 경로를 시뮬레이션하고, 위험 신호를 미리 알려주는 일에 강하기 때문이다. 다만 동시에 분명히 말해야 할 것이 있다. 재활 전반의 개인화 연구에서도 AI는 많은 정보를 통합해 맞춤형 계획 초안을 만드는 데 유용하지만, 실제 개별 계획의 정확성과 맥락 적합성은 아직 사람의 검토 없이는 충분히 보장되지 않는다.¹ 틸노트가 강조하는 AI 작업 흐름 역시 자료 수집, 정리, 초안 작성까지는 AI가 빠르게 도울 수 있지만, 마지막 완성은 사람의 편집과 판단에 달려 있다는 점을 전제로 한다.²

직업재활에서도 원리는 같다. AI는 계획을 만드는 기계가 아니라 계획을 생각하게 해 주는 보조자다. 현장 자료들도 AI가 서비스 계획 초안, 장벽 정리, 진행 지표 작성, 문서화에 도움을 줄 수는 있어도, 전문적 판단과 당사자 중심성은 대체할 수 없다고 일관되게 말한다.³⁴

이번 장에서는 바로 그 지점을 다룬다. 획일적인 서비스 제공에서 벗어나, AI를 이용해 한 사람에게 맞는 직업재활 경로를 어떻게 더 정교하게 설계할 것인가. 그리고 그 과정에서 윤리적 위험을 어떻게 앞단에서 예방하고 관리할 것인가를 아주 구체적으로 살펴보자.

개별화 계획은 왜 자꾸 비슷해지는가

현장에서 개별화 계획은 이름은 늘 "개별화"인데, 실제 내용은 놀라울 정도로 비슷해지는 경우가 많다. 이유는 의외로 단순하다. 실무자는 바쁘고, 서비스 메뉴는 익숙한 것이 정해져 있고, 기관이 제공 가능한 자원도 제한되어 있기 때문이다. 그래서 내담자가 누구든 비슷한 순서가 반복된다. 상담, 평가, 기초훈련, 취업알선, 사후관리. 얼핏 보면 문제없어 보이지만, 실제로는 사람마다 달라야 할 세 가지가 충분히 분리되지 않는다.

첫째는 목표의 차이다. 누군가에게 중요한 것은 빠른 취업일 수 있지만, 다른 누군가에게는 직무 적응 이전에 생활 리듬 회복이 더 시급할 수 있다. 둘째는 장벽의 순서다. 어떤 사람은 컴퓨터 활용이 먼저고, 어떤 사람은 이동과 통근이 먼저며, 어떤 사람은 불안 조절과 자기표현이 먼저다. 셋째는 지원의 방식이다. 같은 직업훈련이 필요해 보여도 누구는 그룹 훈련이 맞고, 누구는 1:1 코칭이 더 맞으며, 누구는 보조공학과 환경조정이 먼저 붙어야 한다.

이런 차이가 무시되면 계획은 그럴듯하지만 움직이지 않는다. 계획서에는 목표가 있는데 행동이 안 나오고, 서비스는 제공됐는데 변화가 쌓이지 않으며, 취업은 했는데 유지가 안 된다. 결국 개별화의 핵심은 많이 적는 데 있지 않고, 무엇을 먼저 할지, 무엇을 같이 할지, 무엇은 아직 하지 말아야 할지를 제대로 정하는 데 있다.

개인화와 개별화는 비슷해 보여도 다르다

여기서 한 가지를 분명히 할 필요가 있다. 개별화와 개인화는 같은 말처럼 쓰이지만, 실제로는 결이 조금 다르다. 재활 분야 연구는 개별화를 객관적 평가 결과에 맞춰 서비스를 조정하는 것으로, 개인화를 당사자의 관점과 목표, 선호, 의미 체계까지 계획에 통합하는 것으로 구분한다.¹ 쉽게 말해 개별화가 "이 사람에게 필요한 서비스가 무엇인가"를 묻는다면, 개인화는 "이 사람이 어떤 삶을 원하며 그 삶 속에서 일이 어떤 의미를 갖는가"까지 묻는다.

직업재활에서 이 차이는 매우 중요하다. AI는 개별화에는 특히 강하다. 평가 결과를 읽고, 장벽을 구조화하고, 비슷한 사례를 찾아내고, 필요한 서비스를 조합하는 데 능하기 때문이다. 하지만 개인화는 다르다. 같은 점수와 같은 장애 특성을 가진 두 사람도, 원하는 삶의 방식은 완전히 다를 수 있다. 어떤 사람은 임금보다 안정성과 예측 가능성을 더 중시하고, 어떤 사람은 재택근무를 강하게 원하며, 어떤 사람은 시간이 걸려도 자신이 좋아하는 분야를 포기하지 않으려 한다.

따라서 좋은 AI 활용은 개별화의 효율을 높이되, 개인화의 주체를 빼앗지 않아야 한다. 점수는 같아도 목표는 다를 수 있고, 데이터는 같아도 선택은 다를 수 있다는 사실을 계획 단계에서 끝까지 지켜야 한다.

AI가 개별화 계획 수립에서 맡을 수 있는 다섯 가지 일

AI가 계획 수립을 도울 수 있는 핵심 기능은 크게 다섯 가지다.

목표 후보 생성: 상담 내용과 평가 결과를 바탕으로 단기·중기·장기 목표 초안을 만든다.
우선순위 도출: 지금 당장 해결해야 할 과제와 나중에 다루어도 되는 과제를 나눈다.
서비스 조합 추천: 훈련, 상담, 보조공학, 직무지도, 편의 제공, 사업체 협력 같은 지원을 묶어 제안한다.
경로 설계: 바로 취업 경로, 훈련 후 취업 경로, 맞춤형 고용 경로, 회복 후 재도전 경로처럼 사례별 시나리오를 만든다.
성공 가능성 예측과 위험 경고: 이탈 위험, 훈련 중단 가능성, 통근 실패 가능성, 직무 부적합 신호를 조기에 보여준다.

이 다섯 가지는 각각 따로 놀지 않는다. 목표가 달라지면 우선순위가 바뀌고, 우선순위가 바뀌면 서비스 조합이 달라지며, 서비스 조합이 달라지면 경로 설계와 예측값도 달라진다. 좋은 시스템은 이들을 하나의 흐름으로 묶는다.

틸노트가 소개하는 노트 에이전트 방식도 이 흐름을 이해하는 데 도움이 된다. 필요한 자료를 모으고, 관련 정보를 정리하고, 초안을 만들고, 사람이 다시 편집하는 구조다.² 직업재활의 계획 수립도 정확히 이 순서를 따른다. 평가와 상담 자료를 모으고, 일과 삶의 조건을 정리하고, 계획 초안을 만든 뒤, 실무자와 당사자가 그 초안을 현실의 언어로 다시 다듬는 것이다.

목표 설정: AI는 목표를 정하지 않고, 목표를 보이게 한다

계획의 첫 문장은 거의 항상 목표다. 그런데 현장에서는 목표가 너무 크거나, 너무 추상적이거나, 너무 기관 중심으로 적히는 경우가 많다. 예를 들어 "취업한다", "직업능력을 향상한다", "사회성을 높인다" 같은 표현은 틀린 말은 아니지만 실제 행동을 이끌기에는 너무 넓다.

AI는 목표를 더 작고 선명하게 만드는 데 도움을 줄 수 있다. 핵심은 목표를 한 문장으로 멋있게 쓰는 것이 아니라, 다층 구조로 나누는 것이다. 보통 개별화 직업재활계획의 목표는 세 층으로 나누어 보면 훨씬 또렷해진다.

첫 번째는 결과 목표다. 예를 들어 6개월 안에 특정 직무군에 지원 가능한 수준에 도달한다, 9개월 안에 주 20시간 이상 안정적으로 근무 가능한 일자리를 찾는다는 식이다. 두 번째는 과정 목표다. 예를 들어 문서작성 기초를 익힌다, 대중교통 출퇴근 연습을 한다, 면접 불안을 낮추는 연습을 한다처럼 결과 목표를 가능하게 만드는 단계다. 세 번째는 지원 목표다. 보조공학 도입, 작업환경 조정, 가족 교육, 고용주 협의, 직무지도 투입처럼 당사자 혼자 해낼 수 없는 조건을 설계하는 목표다.

이 구분이 중요한 이유는, 많은 실패가 사람의 의지 부족 때문이 아니라 지원 목표가 계획에서 빠졌기 때문이기 때문이다. 예를 들어 어떤 내담자에게는 취업 준비보다 먼저 음성입력 도구 적응이 필요할 수 있고, 다른 내담자에게는 훈련보다 먼저 복지 급여와 근로소득의 관계를 이해하는 것이 필요할 수 있다. 또 다른 경우에는 자격증 공부보다 먼저 수면 패턴과 약물 복용 시간 조정이 더 중요할 수 있다.

AI는 상담기록 속에서 이런 숨은 목표를 잘 찾아낸다. 반복해서 등장하는 불안 요인, 실패 경험, 선호 환경, 피로 패턴, 가족 갈등, 이동 문제를 구조화해 "이 사람의 계획에서 빠지면 안 되는 목표"를 드러내기 때문이다.³ 하지만 그 목표를 최종적으로 채택할지, 어느 정도 비중을 둘지는 반드시 사람과 당사자가 함께 정해야 한다.⁴

우선순위 도출: 무엇이 중요한가보다 무엇을 먼저 다뤄야 하는가

목표를 세웠다고 계획이 자동으로 좋아지지는 않는다. 직업재활 현장에서는 대개 해야 할 일이 너무 많기 때문이다. 컴퓨터 교육도 필요하고, 이력서도 필요하고, 건강 관리도 필요하고, 가족 조정도 필요하고, 통근 연습도 필요하다. 문제는 이 모든 것을 동시에 하려는 순간 계획이 무거워지고, 무거운 계획은 쉽게 멈춘다는 데 있다.

그래서 우선순위는 중요도만이 아니라 선행 조건을 기준으로 정해야 한다. 어떤 일은 중요하지만 당장 앞에 놓기 어렵고, 어떤 일은 크지 않아 보여도 해결되면 전체 흐름이 살아난다. AI는 이런 관계를 정리하는 데 의외로 유용하다.

실무에서는 우선순위를 최소한 다섯 축으로 보면 좋다.

당사자 선호: 본인이 실제로 하고 싶어 하는가
실행 가능성: 현재 자원과 역량으로 시작 가능한가
파급 효과: 이것이 해결되면 다른 과제도 같이 풀리는가
위험도: 미루면 실패 가능성이 커지는가
시기성: 지금 해야 의미가 큰가, 나중에 해도 되는가

예를 들어 청각장애인이 사무직 취업을 희망한다고 해 보자. 겉으로 보면 엑셀 교육이 먼저처럼 보일 수 있다. 그러나 상담과 평가를 종합해 보니 실제 장벽은 업무 내용보다 회의 상황에서의 의사소통 불안과 문자 기반 업무협업 도구 미숙일 수 있다. 이 경우 AI는 상담기록과 과거 실패 사례를 읽고 "엑셀 중급 교육"보다 "문자·채팅 기반 협업환경 적응"을 앞에 놓아야 한다는 신호를 줄 수 있다.

반대로 정신장애 경험이 있는 구직자의 경우, 본인은 빠른 취업을 원하더라도 최근 생활 리듬 붕괴와 대인 스트레스 신호가 겹쳐 있다면, AI는 취업 활동 확대보다 먼저 수면·통원·활동 루틴 회복을 경고할 수 있다. 이런 경고는 취업을 늦추기 위한 것이 아니라, 더 짧은 성공을 반복하기보다 더 오래 가는 성공을 만들기 위한 것이다.

중요한 것은 AI가 우선순위를 "정답"처럼 제시하게 두지 않는 일이다. 좋은 시스템은 점수만 뱉지 않는다. 왜 이 항목이 먼저인지, 무엇과 연결되는지, 어떤 위험을 줄이는지를 설명해야 한다. 설명 없는 우선순위는 자동화된 명령에 가깝고, 설명 있는 우선순위는 함께 검토할 수 있는 가설에 가깝다.

서비스 조합 추천: 메뉴판이 아니라 처방전처럼 설계하기

직업재활 서비스는 하나씩 따로 보면 익숙하다. 상담, 평가, 훈련, 취업알선, 직무지도, 보조공학, 사업체 개발, 사후관리. 그런데 실제 성과는 이 서비스를 어떤 순서와 조합으로 묶느냐에 더 많이 달려 있다.

예를 들어 같은 "직업훈련"도 누구에게는 취업 전 필수 단계지만, 누구에게는 긴 훈련보다 짧은 현장노출과 바로 적용이 더 낫다. 같은 "직무지도"도 어떤 경우에는 입사 초기 집중 지원이 필요하고, 다른 경우에는 취업 전 모의 직무 연습 단계에서 먼저 붙는 편이 더 효과적이다. 같은 "보조공학"도 누군가는 훈련 후 도입해도 되지만, 누군가는 처음부터 붙지 않으면 훈련 자체가 성립하지 않는다.

AI는 이때 서비스 하나하나의 적합성보다 서비스 묶음의 패턴을 추천하는 데 강하다. 예를 들어 다음과 같은 식이다.

목표가 빠른 취업이고 기본 역량은 충분하지만 자신감이 낮은 경우: 짧은 구직기술 코칭 + 면접 시뮬레이션 + 초기 직무지도
목표 직무는 명확하지만 기술 격차가 분명한 경우: 단기 훈련 + 현장실습 + 훈련 후 즉시 매칭
강점은 분명하지만 일반 공고와 잘 안 맞는 경우: 직무분석 + 맞춤형 직무개발 + 고용주 협의 + 현장 적응 지원
원격 또는 하이브리드 근무가 더 적합한 경우: 디지털 협업 훈련 + 재택 가능성 분석 + 가정 내 작업환경 조정
장애 공개와 편의 요청이 핵심인 경우: 의사결정 지원 + 요청 스크립트 작성 + 사업체 협의 지원

이런 방식은 이미 직업재활 도구 현장에서도 나타난다. 예를 들어 장벽 전략을 빠르게 정리하는 도구, 개별화된 진행 지표를 작성하는 도구, 지원고용이나 맞춤형 고용의 필요성을 정당화하는 도구, 원격근무 적합성을 분석하는 도구 등이 등장하고 있다.¹² 중요한 것은 이것들이 "자동 결정기"가 아니라 실무자의 판단을 돕는 조합 설계 보조도구라는 점이다.³

서비스 조합에서 특히 주의할 것은, AI가 자꾸 눈에 띄는 서비스만 추천하기 쉽다는 점이다. 예를 들어 훈련, 상담, 문서작성은 데이터에 잘 남지만, 가족 조정, 사업체 설득, 통근 연습, 약속 시간 관리, 휴식 전략 교육 같은 것은 문서화가 덜 되기 때문에 과소평가되기 쉽다. 그러나 실제 현장에서는 바로 이런 요소들이 취업 유지의 성패를 가른다. 그래서 실무자는 AI가 추천하지 않았더라도, 관계 형성 과정에서 드러난 현실 장벽을 반드시 서비스 조합에 다시 넣어야 한다.

사례별 경로 설계: 한 사람에게는 한 개의 길이 아니라 여러 개의 현실적인 길이 필요하다

계획 수립에서 흔한 실수 하나는 경로를 하나만 만드는 것이다. 예를 들어 "사무보조 취업"만을 목표로 삼고 모든 자원을 그 한 길에만 몰아 넣는 식이다. 하지만 직업재활에서는 한 번의 실패가 자존감 전체를 흔들 수 있기 때문에, 좋은 계획은 보통 하나의 목표에 대해 2개에서 3개의 경로를 함께 가진다.

AI는 바로 이 경로 설계를 잘 도와준다. 같은 목표라도 사람에 따라 속도와 진입점이 다르다는 것을 데이터로 보여주기 때문이다. 직업재활 현대화를 다룬 자료들도 AI가 개인화된 재활 계획과 실시간 지원, 고용 성과 예측에 기여할 수 있다고 본다.¹¹ 하지만 그 예측을 한 줄의 결론으로 쓰는 대신, 여러 경로의 가능성을 비교하는 데 쓰는 편이 훨씬 안전하다.

실무적으로는 경로를 네 가지 유형으로 자주 나눌 수 있다.

첫째는 즉시 진입 경로다. 현재 역량으로 바로 지원 가능한 직무가 있고, 필요한 것은 이력서 보정, 면접 연습, 초기 적응 지원 정도인 경우다. 둘째는 단기 준비 경로다. 짧은 기술훈련, 생활 리듬 조정, 통근 연습, 보조공학 적응을 거친 뒤 지원하는 방식이다. 셋째는 맞춤형 설계 경로다. 기존 공고에 맞추기 어렵지만 강점이 분명해 직무 재구성이나 맞춤형 고용이 필요한 경우다. 넷째는 안정화 후 진입 경로다. 지금 당장의 취업보다 건강, 일상 구조, 자기조절, 환경 정비가 우선되어야 하는 경우다.

좋은 계획은 이 중 한 경로만 적지 않는다. 예를 들어 주경로는 단기 준비 경로로 두되, 준비 과정이 길어질 경우를 대비한 대체 경로를 함께 둔다. 혹은 즉시 진입 경로를 시도하되, 실패 시 곧바로 맞춤형 설계 경로로 전환하는 기준을 적는다. 이렇게 해야 실패가 공백이 아니라 방향 전환이 된다.

성공 가능성 예측: 예언이 아니라 경고등으로 사용하기

많은 기관이 AI에 가장 기대하는 부분 중 하나가 예측이다. 누가 취업 성공 가능성이 높은지, 누가 중도탈락 위험이 큰지, 어떤 서비스 조합이 더 효과적인지 미리 알 수 있다면 자원을 효율적으로 배분할 수 있을 것처럼 보이기 때문이다. 실제로 재활 및 직업재활 관련 논의에서도 AI가 개인화 계획, 취업 성과 예측, 실시간 지원에 잠재력이 있다는 점은 반복해서 언급된다.¹¹

하지만 여기에는 아주 큰 함정이 있다. 예측은 사람을 설명하지 않는다. 다만 위험 패턴을 알려줄 뿐이다. 만약 이 차이를 놓치면, 예측은 계획을 돕는 도구가 아니라 사람의 가능성을 미리 잘라내는 도구가 된다.

성공 가능성 예측이 유용하려면 적어도 네 가지 원칙이 필요하다.

첫째, 예측값은 "가능성"이어야지 "판정"이어서는 안 된다. 예를 들어 "취업 성공률 32%"라는 숫자는 그대로 제시하면 낙인처럼 들리기 쉽다. 대신 "현재 계획대로는 통근과 디지털 협업 영역에서 실패 위험이 높으므로, 이 두 요소를 보강하면 가능성이 달라질 수 있음"처럼 해석되어야 한다.

둘째, 예측은 결과보다 이유 변수가 중요하다. 왜 위험한지 설명할 수 없다면 예측은 쓸모가 반으로 줄어든다. 실무자는 단순 점수보다, 이 사람이 어떤 영역에서 계획이 흔들릴 가능성이 있는지를 알아야 서비스를 조정할 수 있기 때문이다.

셋째, 과거 데이터는 과거의 편견도 함께 담고 있다는 점을 잊지 말아야 한다. 과거에 장애인에게 덜 열려 있었던 직무는 AI가 앞으로도 낮게 예측할 가능성이 있다. 그러면 예측은 현실을 반영하는 것이 아니라 현실의 차별을 재생산하게 된다.

넷째, 예측은 낮은 가능성을 이유로 지원을 줄이는 데 쓰여서는 안 된다. 오히려 반대로, 위험이 높은 사람에게 더 맞춤형 지원을 붙이는 데 써야 한다. 직업재활에서 예측의 목적은 선별이 아니라 조기 개입이다.

쉽게 말해, 성공 예측은 날씨예보와 비슷하다. 비가 올 확률이 높다고 해서 외출을 금지하는 것이 아니라, 우산을 챙기고 경로를 바꾸고 시간을 조정하게 만드는 정보여야 한다.

전문가 보정: AI가 낸 초안을 사람이 어떻게 바로잡을 것인가

이제 가장 중요한 장면이 나온다. AI가 목표도 뽑고, 우선순위도 정리하고, 서비스 묶음도 추천하고, 경로도 보여주었다고 해 보자. 그다음 무엇을 해야 할까. 정답은 간단하다. 사람이 보정해야 한다. 그러나 이 말은 너무 익숙해서 오히려 공허하게 들릴 수 있다. 그래서 보정은 원칙이 아니라 절차로 만들어 두는 편이 좋다.

전문가 보정은 보통 다음 순서로 이루어질 때 가장 안전하다.

사실 확인: AI가 요약한 평가 결과와 상담 내용이 원자료와 일치하는지 본다.
누락 확인: 강점, 선호, 보호요인, 가족·지역 자원처럼 빠진 요소가 없는지 점검한다.
언어 조정: 결핍 중심 표현을 강점·조건 중심 표현으로 바꾼다.
현실 조정: 기관 자원, 지역 노동시장, 실제 사업체 조건, 당사자 생활권을 반영해 수정한다.
권리 확인: 당사자의 선택권, 정보 제공, 동의 절차, 접근성이 충분히 보장되는지 본다.
대안 설계: 한 개의 계획이 아니라 실패 시 전환할 대안 경로를 함께 만든다.
당사자 검토: 최종 문안이 당사자의 언어와 의도를 제대로 담고 있는지 함께 읽고 고친다.

이 절차는 귀찮아 보이지만, 사실 가장 큰 시간을 절약한다. 처음부터 잘못된 계획으로 몇 달을 가는 것보다, 초안 단계에서 30분 더 검토하는 편이 훨씬 낫기 때문이다.

특히 전문가 보정에서 자주 필요한 장면은 이런 것이다. AI는 "대인관계 스트레스로 서비스직 비권장"이라고 정리했지만, 상담사는 실제로 이 사람이 예측 가능한 1:1 상호작용에서는 오히려 강점을 보인다는 것을 안다. 또는 AI는 "컴퓨터 활용 부족으로 사무직 준비 장기화 예상"이라고 썼지만, 직업평가사는 짧은 반복 훈련으로 빠르게 습득할 가능성이 높다고 본다. 또 AI는 "취업 가능성 낮음"이라고 경고했지만, 사례관리자는 최근 주거 안정과 가족 갈등 완화로 상황이 크게 변했다는 것을 알고 있다.

바로 이런 순간에 전문가 보정이 빛난다. AI는 패턴을 본다. 전문가는 변화의 맥락을 본다. AI는 평균을 읽는다. 전문가는 이번 사람의 이번 시점을 읽는다.

당사자 참여: 계획의 주인은 문서를 받는 사람이 아니라 문서를 함께 만드는 사람이다

개별화 계획이 진짜 개별화가 되려면, 당사자는 정보 제공 대상이 아니라 설계 참여자여야 한다. AI 기반 보조기술과 지원 시스템이 현장에서 잘 쓰이려면 수요자 중심, 참여적 설계, 사용 역량 지원, 지속적 개선이 중요하다는 논의도 같은 점을 강조한다.⁵ 교육·재활 분야의 참여적 윤리 연구 역시 실제 사용자와 다양한 이해관계자가 설계 과정에 들어올 때 기술과 윤리의 간극이 줄어든다고 본다.⁶

직업재활 계획 수립에서 당사자 참여는 거창한 일이 아니다. 오히려 아주 구체적인 질문에서 시작한다. 이 목표가 정말 본인이 원하는 것인지, 너무 빠르지는 않은지, 설명이 본인을 납작하게 만들지는 않는지, 도움이 아니라 감시처럼 느껴지는 서비스는 없는지, 어떤 지원이 붙으면 덜 두렵고 더 해볼 만한지 묻는 것이다.

AI를 사용할 때는 이 참여가 더 중요해진다. 왜냐하면 AI가 정리한 문장은 그럴듯해 보여서 반박하기 어렵기 때문이다. 그래서 실무자는 계획 검토 때 단순히 읽어주는 데 그치면 안 된다. 당사자가 고칠 수 있게 해야 한다. 예를 들어 "이 표현이 맞나요?", "이 순서가 본인에게 맞나요?", "이 목표는 너무 기관 중심적이지 않나요?", "이 서비스는 도움이 되나요, 부담이 되나요?" 같은 질문이 필요하다.

당사자가 계획 문장을 수정할 수 있는 순간, 계획은 비로소 자기 것이 된다. 그리고 자기 것이 된 계획은 실행력이 다르다.

윤리적 위험: 피하는 것이 아니라 설계 단계에서 관리해야 한다

개별화 계획과 서비스 설계에서 AI를 쓰면 편리하다. 하지만 편리할수록 위험은 앞단으로 숨는다. 겉으로는 잘 작동하는 것처럼 보이는데, 실제로는 조용히 누군가를 배제하거나 위축시키거나 과도하게 분류할 수 있기 때문이다. 윤리 문제는 계획이 실패했을 때만 드러나지 않는다. 오히려 처음 계획 문장을 만들 때부터 이미 시작된다.

이 단계에서 특히 중요한 윤리 쟁점은 여섯 가지다.

첫째는 개인정보와 민감정보 보호다. 상담기록, 건강상태, 장애 특성, 복지 수급 정보, 가족 상황은 매우 민감하다. 이런 정보를 공개형 AI에 그대로 넣는 것은 위험하다. 현장 윤리 자료들은 프라이버시, 동의, 편향 완화, 데이터 보안을 AI 활용의 기본 원칙으로 본다.⁸

둘째는 충분한 설명과 동의다. 당사자는 계획 수립 과정에서 AI가 어떤 역할을 했는지 알아야 한다. 단순히 "컴퓨터가 도왔다"가 아니라, 어떤 자료를 분석했고, 어디까지 초안에 반영했으며, 최종 결정은 누가 하는지 이해할 수 있어야 한다.⁹¹⁰

셋째는 자동화 편향이다. AI가 뽑은 목표나 우선순위가 객관적인 것처럼 보이면, 실무자도 쉽게 끌려간다. 하지만 직업재활의 핵심은 평균적인 정답이 아니라 한 사람의 맥락이다. 따라서 계획 회의에서는 "AI가 이렇게 말했다"보다 "우리는 왜 이것이 맞다고 보는가"를 물어야 한다.⁴⁷

넷째는 편향과 대리변수 차별이다. 장애 여부를 직접 입력하지 않아도 경력 공백, 통근 범위, 특정 서비스 이용 이력 같은 정보가 차별을 우회적으로 만들 수 있다. 그래서 책임 있는 AI 논의에서는 반사실 검토, 집단별 성능 평가, 인간 검토 절차 같은 감사 장치를 강조한다.⁷

다섯째는 접근성이다. AI 도구 자체가 읽기 어렵고, 조작하기 어렵고, 설명이 복잡하면 이미 개별화 계획 과정에서 당사자는 배제된다. 계획을 세우는 도구가 접근 가능하지 않다면 계획 내용이 아무리 훌륭해도 공정하다고 보기 어렵다.

여섯째는 과도한 예측과 과도한 분류다. 누구를 위험군으로, 누구를 저성공군으로, 누구를 훈련 우선군으로 너무 쉽게 나누기 시작하면, 계획은 지원 설계가 아니라 사람의 등급화로 변질된다. 최근 윤리 가이드라인들도 AI는 전문가 판단을 보강해야지 대체해서는 안 되며, 자동화된 결론이나 검증되지 않은 예측 모델에 과도하게 의존하는 것을 금지하거나 강하게 경계한다.⁹¹⁰

핵심은 간단하다. 윤리는 계획 수립을 느리게 만드는 장애물이 아니라, 잘못된 계획이 빨리 굳어지는 것을 막는 안전장치다.

실무자가 바로 적용할 수 있는 운영 원칙

현장에서 복잡한 원칙을 다 외우기 어렵다면, 다음 기준만은 꼭 붙들고 가도 좋다.

AI는 초안을 만든다. 결정은 사람과 당사자가 함께 한다.
예측 결과는 점수보다 이유를 본다.
낮은 가능성은 지원 축소의 근거가 아니라 지원 강화의 신호로 쓴다.
한 개의 계획만 만들지 말고 최소 한 개의 대안 경로를 함께 둔다.
민감정보는 최소한만 사용하고, 가능한 범위에서 익명화한다.
계획 문장은 결함 중심이 아니라 강점·조건·지원 중심으로 다시 쓴다.
계획 최종본은 반드시 당사자와 함께 읽고 수정한다.

이 일곱 가지를 지키면 AI 활용의 품질은 꽤 안정된다. 기술 수준이 조금 부족해도 운영 원칙이 좋으면 현장은 버틴다. 반대로 모델이 좋아도 운영 원칙이 없으면 금방 흔들린다.

세 가지 사례로 보는 계획 수립의 차이

첫 번째 사례는 발달장애 청년이다. 평가 결과를 보면 시각적 규칙 파악, 반복 작업 지속성, 오류 탐지가 강점으로 나타났다. 반면 새로운 사회적 상황에서 긴장이 높고, 과업 전환이 잦으면 수행이 떨어진다. AI는 이를 바탕으로 문서정리, 재고분류, 기록 스캔 보조 같은 직무를 연결하면서 단기 목표로는 작업 규칙 읽기, 체크리스트 사용, 반나절 현장 적응을 제안할 수 있다. 그러나 좋은 계획은 여기서 한 걸음 더 나간다. 초기 직무지도, 예측 가능한 휴식 규칙, 현장 멘토 지정, 보호자와의 역할 조정까지 함께 넣어야 한다. 즉, 목표는 취업이지만 계획의 핵심은 "안정적 적응 구조 만들기"가 된다.

두 번째 사례는 뇌병변장애가 있는 중도장애인이다. 이전 경력은 풍부하지만 피로 누적과 이동 제약으로 이전 현장직 복귀는 어렵다. AI는 과거 업무에서 이전 가능한 기술을 뽑아 온라인 고객관리, 품질점검, 일정조정, 문서 검토 같은 직무군을 제안한다. 이때 실무자는 목표를 "사무직 취업"이라고만 적지 않는다. 디지털 협업도구 숙련, 원격 근무 가능 환경 점검, 음성입력 또는 보조기기 적응, 근로시간 조정 가능 사업체 탐색을 함께 넣는다. 성공 가능성 예측이 통근과 장시간 집중에서 위험을 보인다면, 그 정보를 이유로 목표를 낮추는 것이 아니라 재택·하이브리드 경로를 강화하는 쪽으로 계획을 바꾼다.

세 번째 사례는 정신장애 경험이 있는 청년이다. 본인은 취업 의지가 강하지만 최근 몇 번의 단기 퇴사 경험이 있다. AI는 상담기록과 사례이력을 읽고, 다중 요구와 예측 불가능한 대면 스트레스가 반복 이탈 요인임을 정리할 수 있다. 그래서 계획은 단순한 구직기술 교육으로 끝나지 않는다. 생활 리듬 회복, 업무 스트레스 신호 자가점검, 주 3회 또는 단시간 진입, 구조화된 상호작용이 가능한 직무 탐색, 초기 직무유지 코칭을 함께 설계한다. 여기서 핵심은 이 사람을 "취업 취약군"으로 분류하는 것이 아니라, 어떤 조건에서 오래 갈 수 있는지 경로를 다시 짜는 것이다.

세 사례의 공통점은 분명하다. AI는 사람을 분류하는 데 쓰일 때보다, 사람마다 다른 경로를 설계하는 데 쓰일 때 훨씬 가치가 크다.

결국 좋은 계획은 더 많은 추천이 아니라 더 나은 조정에서 나온다

직업재활에서 AI를 도입하면 흔히 "더 빨라진다", "더 많이 추천한다", "더 정확해진다"는 말이 먼저 나온다. 물론 맞는 말이다. 그러나 개별화 직업재활계획과 서비스 설계의 본질은 속도나 양이 아니다. 본질은 조정이다. 사람의 강점과 장벽, 선호와 현실, 희망과 위험, 서비스와 자원, 직무와 환경을 얼마나 섬세하게 조정하느냐가 핵심이다.

AI는 그 조정을 도와줄 수 있다. 목표를 더 잘게 나누고, 우선순위를 선명하게 만들고, 서비스 조합을 더 정교하게 묶고, 여러 경로를 시뮬레이션하고, 위험을 미리 경고할 수 있다.¹³¹¹ 하지만 그 모든 기능은 한 가지 전제가 있을 때만 가치가 있다. 전문가가 보정하고, 당사자가 선택하며, 윤리가 설계 단계부터 붙어 있어야 한다는 전제다.⁴⁷⁹¹⁰

좋은 개별화 계획은 말끔한 문서가 아니다. 실제로 움직이는 계획이다. 읽으면 이해되고, 실행하면 변화가 보이고, 막히면 수정할 수 있고, 실패해도 다시 경로를 잡을 수 있는 계획이다. 그리고 그런 계획은 대개 이렇게 만들어진다. AI가 먼저 복잡한 정보를 정리하고, 전문가는 그 안에서 맥락을 읽어 고치며, 당사자는 자신의 삶에 맞는 방향을 선택한다.

바로 그때 직업재활의 계획은 기관의 서류가 아니라, 한 사람의 가능성을 현실로 데려가는 살아 있는 지도가 된다.