몇 년 전만 해도 생성형 AI는 신기한 체험에 가까웠다. 질문 몇 개를 던져보고, 문장을 그럴듯하게 뽑아내는 모습을 본 뒤, "재밌네" 하고 창을 닫아도 큰일은 없었다.
지금은 다르다. AI는 문서를 대신 써주는 장난감이 아니라, 일을 시작하는 방식과 검토하는 순서, 기대되는 속도까지 바꾸고 있다.
이 장에서 가장 먼저 바꿔야 할 관점은 하나다. AI는 새 도구이기 전에 새로운 일 방식이다.
유행처럼 지나갈 것이라는 오해
2025년 들어 많은 조직이 AI에 투자하고 있지만, 스스로 "충분히 성숙하게 쓰고 있다"고 답한 곳은 극히 적었다.1 이 말은 두 가지를 뜻한다.
첫째, AI가 금방 사라질 유행이었다면 이렇게 넓고 깊게 투자되기 어렵다.
둘째, 아직 정답이 굳어지지 않았다는 뜻이기도 하다. 지금은 관망보다 학습이 유리한 시기다.
여러 조사에서 생성형 AI 도입은 이미 실험 단계를 넘어 주류에 가까워지고 있다. 2023년의 "일부가 시험해보는 기술"에서 2025년의 "조직 전체가 검토하고 붙이는 기술"로 이동하는 흐름이 선명하다. 특히 여러 단계를 이어서 수행하는 에이전트형 AI가 빠르게 부상하면서, AI는 단순한 답변 도구를 넘어 협업 흐름의 일부가 되고 있다.2
중요한 것은 기술 이름이 아니다. AI가 일의 흐름 안으로 들어오기 시작했다는 사실이다.
'일'이 바뀐다는 말의 진짜 뜻
AI 이야기가 나오면 많은 사람은 곧바로 "내 일이 사라지나?"를 떠올린다. 하지만 먼저 봐야 할 것은 직함이 아니라 작업 단위다.
한 연구는 일을 결과, 과업, 기술의 관점으로 나누어 보자고 말한다.3 쉽게 말하면 이렇다. 우리가 하는 일은 하나의 큰 덩어리가 아니라, 여러 작은 단계의 묶음이다. 자료를 찾고, 핵심을 정리하고, 초안을 쓰고, 표현을 다듬고, 검토하고, 다시 결정하는 단계가 이어져 최종 결과를 만든다.
생성형 AI는 이 가운데 일부를 빠르게 바꾸고 있다. 특히 설명 가능하고 반복 가능하며 문서화된 작업에 먼저 영향을 준다. 그래서 변화는 "일 전체의 즉시 대체"보다 "업무 구성 요소의 재배치"에 가깝다.
국제노동기구는 2025년 업데이트에서 전 세계 노동자 4명 중 1명 정도가 어느 정도 생성형 AI의 영향을 받는 직무군에 속한다고 보면서도, 대부분의 일은 없어지기보다 변형될 가능성이 크다고 정리했다.4 텍스트뿐 아니라 음성, 이미지, 영상 생성 능력이 커지면서 영향 범위도 넓어졌다.4
즉, 질문은 "AI가 사람을 대체하나?"보다 "어떤 단계를 AI와 나눠 맡을 것인가?"에 더 가깝다.
속도만 빨라진 것이 아니라 기준도 바뀌고 있다
생성형 AI가 가져온 가장 큰 충격은 단순한 시간 단축이 아니다. 더 본질적인 변화는 기준의 이동이다.
예전에는 초안을 만드는 일 자체가 부담이었다. 빈 문서를 열고 첫 문장을 쓰는 데 시간이 걸렸고, 구조를 잡는 데도 에너지가 들었다. 지금은 그 첫 단계를 AI가 빠르게 메운다. 그래서 초안은 흔해졌고, 오히려 무엇을 남기고 무엇을 버릴지 판단하는 힘이 더 중요해졌다.
이 변화는 현장에서 꽤 현실적으로 나타난다. 자료를 읽고 한 장으로 요약하는 일, 여러 문장을 한 톤으로 통일하는 일, 회의 전에 질문 목록을 만드는 일, 긴 설명을 짧고 읽기 좋게 바꾸는 일은 이미 훨씬 빨라졌다. 2025년 보고서들은 생성형 AI가 생산성과 효율에 눈에 띄는 개선을 주고 있으며, 사용 빈도도 탐색 수준에서 일상적 활용으로 옮겨가고 있다고 설명한다.5
그래서 앞으로의 경쟁력은 "누가 더 오래 붙잡고 있느냐"보다 "누가 더 빨리 구조를 잡고, 더 정확히 검토하느냐"에 가까워진다.
빠른 작성보다 빠른 판단이 더 중요해진다.
사람의 일이 줄어드는 것이 아니라, 사람의 일이 바뀐다
생성형 AI를 써본 사람은 금방 한 가지를 느낀다. 편해진 일이 생기는 동시에, 새로 생기는 일도 있다는 것이다.
최근 연구들을 보면 많은 실무자는 반복 작업을 AI에 넘기는 대신, AI가 낸 결과를 감시하고 다듬고 다시 지시하는 새로운 종류의 일을 맡게 된다.6 얼핏 보면 덜 일하는 것 같지만, 실제로는 일이 옮겨간다.
예전에는 직접 초안을 썼다면, 이제는 먼저 배경과 목적을 정리해 AI에 넣고, 나온 결과를 검토하고, 빠진 맥락을 보완하고, 표현의 수위를 조정하고, 사실 여부를 다시 확인한다. 문서를 "직접 작성"하는 비중은 줄어들 수 있어도, "설계·검토·판단"의 비중은 오히려 커진다.
이 변화는 꽤 중요하다. 사람의 가치가 사라지는 것이 아니라, 더 앞단과 더 뒷단으로 이동하기 때문이다. 앞단에서는 문제를 정의하고, 뒷단에서는 결과에 책임을 진다. 그 사이의 반복 구간을 AI가 메운다.
지금 다시 봐야 하는 이유는 아직 다 정리되지 않았기 때문이다
흥미롭게도 AI는 널리 도입되고 있지만, 아직 완성된 질서 안에 있지 않다. 많은 조직이 투자하고 있음에도 성숙도는 낮고,1 AI를 더 자율적으로 쓰는 단계로 갈수록 신뢰와 거버넌스의 문제가 커진다. 한 조사에서는 자율형 AI 에이전트를 기업 현장에서 완전히 신뢰할 수 있다고 답한 조직이 많지 않았다.2
이 말은 곧, 지금이 가장 중요한 시기라는 뜻이다. 도구가 완벽해져서 배우는 것이 아니라, 기준이 만들어지는 시기이기 때문에 먼저 배워야 한다.
지금 AI를 다시 본다는 것은 최신 모델 이름을 외우는 일이 아니다. 내 일을 구성하는 단계를 다시 보고, 어디까지 맡기고 어디서 멈춰 세울지 기준을 세우는 일이다. 이 기준이 없으면 빨라진 만큼 더 쉽게 틀리고, 편해진 만큼 더 크게 새어나간다.
그래서 이 책은 기능 설명부터 시작하지 않는다. 먼저 관점을 바꾼다. AI를 "가끔 쓰는 앱"이 아니라 "일의 흐름을 다시 짜게 만드는 변화"로 보아야 이후의 도구 비교, 활용법, 윤리와 보안 기준도 선명해진다.
먼저 바뀌는 사람의 습관
생성형 AI를 비교적 잘 쓰는 사람은 대개 세 가지 습관을 먼저 바꾼다.3
머릿속으로만 하던 일을 글로 꺼내어 설명한다.
한 번에 완벽한 답을 기대하지 않고, 여러 번 다듬는다.
결과를 받자마자 믿지 않고, 목적에 맞게 검토한다.
이 습관은 특별한 기술이 아니다. 하지만 이 단순한 변화가 업무 방식을 완전히 바꾼다. AI 시대의 기본 역량은 "무엇을 물어볼까"보다 "무엇을 위해 이 결과를 쓸까"를 분명히 하는 힘에 가깝다.
결국 생성형 AI는 사람의 자리를 빼앗는 기술이라기보다, 애매하게 하던 일을 더 선명하게 드러내는 기술에 가깝다. 그래서 피할수록 불안해지고, 제대로 이해할수록 덜 막연해진다.
✔ 미니 실습: 내 업무에서 AI가 끼어들 틈 찾기
상황: 오늘 했던 일 중에서 유난히 반복적이거나, 초안만 있어도 훨씬 쉬워질 것 같은 작업이 있었다.
해보기:
오늘 한 일을 세 가지 적는다.
그중 "정리", "요약", "초안 만들기" 중 하나로 바꿀 수 있는 작업을 하나 고른다.
아래 프롬프트를 붙여 넣고, AI가 제안한 방식 중 가장 가벼운 것 하나만 바로 시도해본다.
프롬프트:
"내가 오늘 한 업무는 다음과 같습니다.[업무 A]
[업무 B]
[업무 C]
이 중에서 생성형 AI로 10분 이상 줄일 수 있는 작업을 하나 골라주세요.
왜 그 작업이 적합한지 설명하고,
제가 바로 복붙해서 쓸 수 있는 첫 요청문을 3개 만들어주세요.
결과는 '가장 쉬운 시도 → 조금 더 좋은 시도 → 가장 실용적인 시도' 순서로 정리해주세요."
포인트: AI는 내 일을 통째로 대신하기보다, 중간 단계를 짧게 만드는 데 특히 강하다는 점을 체감하면 된다.
이 장의 핵심 정리
생성형 AI를 지금 다시 봐야 하는 이유는 분명하다. 더 이상 신기한 기능의 문제가 아니라, 일의 구조 문제이기 때문이다. 이미 많은 조직은 투자와 도입을 시작했고, 실제 현장에서는 초안 작성, 정리, 비교, 준비 같은 중간 단계가 빠르게 재편되고 있다.15
하지만 더 중요한 것은 그다음이다. 사람의 역할은 사라지지 않는다. 대신 설계, 검토, 판단, 책임의 비중이 커진다.46 그래서 필요한 것은 막연한 찬반이 아니라, "무엇을 맡기고 무엇을 남길 것인가"를 구분하는 눈이다.
AI를 새 도구로만 보면 기능만 보이고, 새 일 방식으로 보면 흐름이 보인다.
이 책은 바로 그 흐름을 함께 읽어가는 데서 시작한다.
🔍 더 해보고 싶다면
확장 실습 아이디어: 이번 주에 반복된 작업을 떠올리고, "검색 → 정리 → 초안 → 검토" 중 어디까지 AI에 맡길 수 있는지 직접 표시해보자.
다음 단계 힌트: 다음 장에서는 ChatGPT, Claude, Gemini가 2025~2026년에 어떻게 달라졌는지, 무엇을 잘하고 어디서 차이가 나는지 비교하게 된다.
실무 적용 예시: 어떤 문서든 처음부터 혼자 쓰지 말고, 먼저 AI로 구조안 3개를 만든 뒤 사람이 선택·수정하는 방식으로 시작해보자.
참고
1AI in the workplace: A report for 2025 | McKinsey
2Harnessing the value of AI: Unlocking scalable advantage | Capgemini Research Institute
3Generative AI and the Future of Work | Deloitte
4Generative AI and jobs: A 2025 update | ILO
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.