Part 2. AI 도입 전과 후: 업무 흐름은 어떻게 달라지는가

지난 장에서 우리는 사람들이 실제로 AI를 어디에 붙이는지 봤다. 요약, 정리, 초안, 준비 같은 장면에서 AI는 이미 꽤 익숙한 도구가 되었다.

이제 질문을 한 단계 더 앞으로 가져가 보자.

AI가 들어오면 일이 빨라지는 이유는 무엇일까?

많은 사람은 이렇게 생각한다. "AI가 글을 잘 써서", "AI가 검색을 빨리 해서", "AI가 똑똑해서" 빨라진다고 말이다.

물론 그것도 맞다. 하지만 실무에서는 더 중요한 이유가 따로 있다.

일이 빨라지는 핵심은 개인 능력의 증가보다, 일의 흐름이 다시 설계되기 때문이다.

AI의 진짜 영향은 한 단계의 성능 향상보다, 정보가 모이고 정리되고 초안이 만들어지고 검토되고 공유되는 순서 전체를 바꾸는 데서 커진다.¹

일은 원래 "한 번에" 진행되지 않는다

현실의 업무는 보통 이렇게 흘러간다.

자료를 찾는다. 여러 문서를 읽는다. 메모를 만든다. 핵심을 정리한다. 초안을 쓴다. 다시 고친다. 다른 사람에게 보여준다. 피드백을 반영한다. 마지막으로 공유한다.

문제는 이 과정이 길어서가 아니다.

중간중간 흐름이 너무 자주 끊긴다는 데 있다.

메일로 온 자료를 열고, 메신저 기록을 뒤지고, 회의 메모를 찾고, 예전 문서를 복사하고, 다시 빈 문서로 돌아와 첫 문장을 쓰는 동안 집중은 계속 깨진다. 이런 끊김은 눈에 잘 보이지 않지만, 하루를 느리게 만드는 숨은 비용이다.

그래서 AI를 잘 도입한 조직은 한 단계의 품질만 보지 않는다. 어디서 멈추고, 어디서 넘겨주고, 어디서 다시 시작하는지를 먼저 본다.¹

AI 도입 전: 사람은 늘 두 가지 일을 동시에 했다

AI가 들어오기 전의 업무 흐름을 떠올려 보자.

사람은 본래 해야 할 일 외에, 그 일을 준비하고 이어 붙이는 일까지 함께 떠안고 있었다.

예를 들어 문서 하나를 만들 때도 실제로는 이런 일이 같이 붙는다.

겉으로 보면 한 사람이 문서를 쓴 것 같지만, 실제로는 작은 전환이 끝없이 이어진다.

읽기 모드에서 쓰기 모드로, 쓰기 모드에서 검토 모드로, 검토 모드에서 전달 모드로 계속 바뀐다.

이때 가장 많이 소모되는 것은 손이 아니라 주의력이다.

하루가 바쁜데도 이상하게 남는 것이 없는 느낌은 여기서 자주 생긴다. 많은 시간을 썼지만, 실제 가치가 큰 판단보다 연결 작업에 에너지를 더 많이 쓴 것이다.

AI 도입 후: 첫 번째 실행자가 생긴다

AI가 들어오면 가장 먼저 바뀌는 것은 "누가 처음 시작하느냐"다.

예전에는 사람이 자료를 읽고, 뼈대를 만들고, 초안을 쓰고, 빠진 점을 찾으며 출발해야 했다. 지금은 많은 업무에서 AI가 첫 번째 실행자가 된다.

즉, 사람은 무에서 유를 만드는 역할에서 조금 물러나고, 방향을 정하고 결과를 다듬는 역할로 이동한다.²

같은 흐름을 AI 도입 후로 바꿔 보면 이렇다.

여기서 중요한 변화는 단순히 속도가 아니다.

사람이 매 단계에서 처음부터 다시 가동되지 않아도 된다는 점이다.

AI가 먼저 모으고, 먼저 정리하고, 먼저 써주면 사람은 더 늦게 개입해도 된다. 그만큼 집중을 고급 판단에 남겨둘 수 있다.

왜 빨라지는가: 성능보다 손넘김이 줄어들기 때문이다

이 지점이 핵심이다.

많은 조직은 AI를 하나의 작업에만 붙인다. 예를 들어 "초안만 써줘", "요약만 해줘"처럼 쓰는 방식이다. 이 방법도 도움이 되지만 효과가 생각보다 크지 않을 때가 있다.

이유는 간단하다.

초안만 AI가 쓰고 나머지는 사람이 다시 정리하면, 중간 확인과 재작업이 계속 생긴다. 요약만 AI가 하고 구조화는 사람이 다시 하면, 흐름이 또 끊긴다.

최근 연구는 AI의 가치가 개별 작업보다 연결된 작업 묶음, 즉 워크플로우 수준에서 더 크게 나타난다고 설명한다.¹ 인접한 단계들이 함께 묶일수록 마찰이 줄어들기 때문이다.

쉽게 말해 이런 차이다.

전에는 자료 찾기, 핵심 정리, 개요 만들기, 초안 작성이 서로 따로 놀았다.

이제는 이 네 단계가 한 번의 흐름으로 이어질 수 있다.

그래서 빨라진다.

AI가 사람보다 모든 단계에서 더 잘해서가 아니다. 중간 손넘김이 줄어들어서다.¹

같은 업무, 다른 하루

같은 업무를 두 개의 하루로 나눠 보면 차이가 더 선명해진다.

오전의 시작

AI 도입 전에는 아침이 자료 수집으로 시작된다. 받은 문서를 열고, 지난 대화를 찾고, 예전 버전을 꺼내고, 어디서부터 읽어야 할지 감을 잡는다.

AI 도입 후에는 먼저 묻는다. "이 자료들의 공통 쟁점을 5줄로 정리해줘." "반복되는 항목과 빠진 항목을 나눠줘." "이 일을 시작하기 위한 개요를 만들어줘."

아침의 첫 20분이 달라지면 하루 전체 리듬이 달라진다.

정리의 순간

AI 도입 전에는 읽고 난 뒤에야 겨우 구조가 보인다. 읽는 시간과 정리 시간이 따로 든다.

AI 도입 후에는 읽는 과정에서 바로 구조 후보를 얻는다. 사람은 구조를 만드는 데서 출발하지 않고, 구조를 고르는 데서 출발한다.

작아 보이지만 체감 차이는 크다.

만드는 일은 무겁고, 고르는 일은 훨씬 가볍다.

초안의 순간

AI 도입 전에는 빈 문서가 가장 큰 장벽이다. 무엇을 먼저 써야 할지 몰라 서론에서 멈춘다.

AI 도입 후에는 초안이 너무 좋아서가 아니라, 초안이 이미 존재하기 때문에 다음으로 갈 수 있다.

이제 사람의 질문은 "무엇을 써야 하지?"가 아니라 "무엇을 남기고 무엇을 빼야 하지?"로 바뀐다.

검토의 순간

AI 도입 전에는 초안을 쓴 사람이 다시 초안을 검토한다. 그래서 익숙한 표현과 논리 구멍을 놓치기 쉽다.

AI 도입 후에는 검토가 별도 단계로 조금 더 선명해진다. AI에게 빠진 반론, 애매한 문장, 이해하기 어려운 부분을 먼저 짚게 한 뒤 사람이 최종 판단을 한다.

이 변화는 단순한 교정이 아니다.

검토가 뒤늦은 청소가 아니라, 흐름 안의 한 단계로 편입되는 것에 가깝다.

공유의 순간

AI 도입 전에는 문서 하나를 만든 뒤, 공유용 버전을 다시 만든다. 긴 문서를 짧게 줄이고, 상대에게 맞는 표현으로 바꾸고, 메일 문안을 새로 쓴다.

AI 도입 후에는 같은 내용을 여러 형식으로 바꾸는 일이 쉬워진다. 1페이지 요약본, 회의용 메모, 전달용 메시지, 확인 요청 문안이 빠르게 파생된다.

이때 비로소 공유 속도가 빨라진다. 단지 글쓰기 속도가 아니라, 전달 형태 전환 속도가 빨라진 것이다.

현장에서 자주 보이는 변화 세 가지

실무에서 AI 도입 후 가장 자주 나타나는 변화는 대체로 세 갈래다.

• 준비 시간이 줄어든다.

• 재작성 횟수가 줄어든다.

• 공유까지 걸리는 시간이 짧아진다.

이 변화는 이미 여러 조사와 사례에서 비슷하게 확인된다. 2025년 조사에서도 AI는 주로 작업 가속에 쓰였고, 생산성에 긍정적 영향을 느낀 팀이 다수였지만, 동시에 여전히 사람의 검토가 강하게 요구되었다.³

즉, 현실의 변화는 "완전 자동화"보다 "가속된 초안 + 사람 검토"에 더 가깝다.³

이 점은 아주 중요하다.

AI 도입 후의 업무는 사람 없는 자동 흐름이 아니라, 사람이 더 뒤에서 더 중요한 순간에 개입하는 흐름이 된다.²

실제로는 "AI를 붙였다"보다 "흐름을 바꿨다"가 더 중요하다

여기서 많은 조직이 한 번 막힌다.

도구를 샀는데 생각만큼 빨라지지 않는 것이다.

왜 그럴까.

기존 방식은 그대로 둔 채 중간에 AI만 끼워 넣었기 때문이다.

예를 들어 이런 경우다. 자료는 여전히 여러 곳에 흩어져 있고, 승인 방식도 그대로이고, 최종 문서 형식도 들쭉날쭉한데, 중간에만 AI를 넣는다. 그러면 AI가 만든 결과를 다시 정리하는 새 일이 생긴다.

그래서 AI는 종종 기존 혼란을 더 빨리 만드는 도구가 되기도 한다.

한 2025년 조사에서도 많은 팀이 AI를 쓰고 있었지만, 협업 구조와 기준이 약한 경우에는 출력 수정, 재작업, 품질 불일치가 다시 비용으로 돌아왔다.³

반대로 효과가 큰 쪽은 먼저 흐름을 단순하게 만든다. 무엇을 입력으로 받을지, 어떤 형식으로 정리할지, 사람이 어디서 승인할지, 최종 결과물의 기준이 무엇인지를 먼저 정한다.⁴

AI는 그 위에 올라갈 때 힘을 발휘한다.

작은 사례로 보면 더 잘 보인다

공개된 도입 사례들을 보면 이 변화는 더 구체적이다.

반복 입력 업무에서는 문서에서 필요한 항목을 읽고, 시스템 입력 초안을 만들고, 낮은 신뢰도만 사람에게 넘기는 방식으로 흐름이 바뀌면서 월 단위 시간이 크게 줄었다는 사례가 있다.⁵

주간 보고 업무에서도 자료 수집, 비교, 서술 초안, 보고서 조립을 한 흐름으로 연결하고 사람은 마지막 검토만 맡는 구조로 바꾸자 주당 소요 시간이 큰 폭으로 줄었다는 사례가 공개되어 있다.⁵

이 사례들이 말해주는 것은 단순하다.

빠른 조직은 더 열심히 쓰는 조직이 아니라, 손이 많이 가는 연결부를 먼저 바꾼 조직이라는 점이다.

그래서 사람의 일은 줄어드는가, 아니면 바뀌는가

이 질문에는 조심해서 답해야 한다.

짧게 말하면, 많은 경우 일은 사라지기보다 형태가 바뀐다.

사람이 직접 하던 반복 정리, 첫 초안, 형식 변환은 줄어든다. 대신 더 중요해지는 일은 이런 것이다.

• 무엇을 기준으로 볼지 정하는 일

• 결과가 맞는지 검토하는 일

• 빠진 맥락과 위험을 찾아내는 일

• 누구에게 어떤 형태로 전달할지 판단하는 일

Microsoft 연구도 AI 시대에는 사람의 전문성이 덜 중요해지는 것이 아니라, 오히려 AI를 안내하고 비판하고 개선하는 능력이 더 중요해진다고 설명한다.²

그러니 AI 도입 전후의 차이를 이렇게 이해하면 좋다.

전에는 사람이 대부분의 단계를 직접 수행했다.

이제는 사람이 모든 단계를 "실행"하지는 않지만, 더 많은 단계를 "설계하고 판정"한다.

이 장면에서 특히 기억할 한 문장

이번 장의 핵심을 한 문장으로 남기면 이것이다.

AI는 사람을 더 빠르게 만드는 도구이기 전에, 일을 이어 붙이는 방식을 바꾸는 도구다.

이 문장을 기억하면 많은 오해가 풀린다.

AI를 잘 쓰는 사람은 더 빨리 타이핑하는 사람이 아니다.

어디서 흐름이 끊기는지 보고, 그 끊김을 줄이는 사람이다.

✔ 미니 실습: 내 업무를 Before / After로 바꿔보기

• 상황: AI를 써보고는 있지만, 어디서 실제로 빨라지는지 감이 분명하지 않다.

• 해보기:

  1. 최근 자주 하는 업무 하나를 고른다.

  2. 그 업무를 정보 수집 - 정리 - 초안 - 검토 - 공유 다섯 단계로 적는다.

  3. 아래 프롬프트에 붙여 넣고, 어느 단계를 AI가 먼저 맡으면 좋을지 제안받는다.

• 프롬프트:
  "다음 업무 흐름을 보고 Before / After 형태로 다시 설계해줘.
  목표는 전체 시간을 줄이는 것이고, 사람이 꼭 해야 할 판단 단계는 남겨줘.
  출력 형식은

  1. 현재 병목 3개

  2. AI가 먼저 맡을 단계 3개

  3. 사람이 최종 확인해야 할 단계 3개

  4. 가장 간단한 시범 적용안 1개로 정리해줘.
     업무 흐름: [여기에 붙여넣기]"

• 포인트: 핵심은 "어떤 도구가 더 좋나"가 아니다. 내 일이 어디서 자주 멈추는가를 보는 것이다.

이제 다음 질문으로 넘어갈 시간

AI 도입 전과 후를 비교해보면 분명한 사실이 있다.

일은 단순히 빨라지지 않는다. 무게중심이 이동한다.

반복 실행에서 구조화로, 작성에서 검토로, 시작의 부담에서 판단의 책임으로 중심이 옮겨간다.

그래서 다음 장에서는 조금 더 날카로운 질문을 다루게 된다.

빨라진 것은 맞다. 그런데 정말 다 좋아진 것일까?

속도가 늘어난 만큼, 새롭게 중요해진 것은 무엇일까?

🔍 더 해보고 싶다면

• 확장 실습 아이디어: 지난 일주일 동안 반복해서 했던 업무 하나를 골라, 실제 소요 시간을 수집, 정리, 작성, 검토, 전달로 나눠 적어보자. 어디서 가장 많이 막히는지 숫자로 보이기 시작한다.

• 다음 단계에서 배울 내용 힌트: 다음 장에서는 생산성이 높아졌다는 말 뒤에 숨어 있는 새로운 비용, 즉 검증 부담, 품질 기준, 판단 책임이 어떻게 커지는지 살펴본다.

• 실무 적용 예시: 앞으로 3일 동안 문서나 메모를 만들 때마다 먼저 AI에게 개요 + 초안 + 빠진 쟁점을 한 번에 요청해보자. 따로따로 시킬 때보다 흐름이 얼마나 덜 끊기는지 금방 체감할 수 있다.

참고

¹How AI is reshaping workflows and redefining jobs

²New Future of Work: AI is driving rapid change, uneven benefits

³Workflows in the Age of AI: How Design & Development Workflows Changed in 2025—and What Comes Next

⁴AI and the future of work

⁵AI Agents vs. Manual Workflows: Real Before & After Stories