AI 시대의 일과 조직 재설계

기술 도입보다 어려운 것은 역할의 재설계다

AI 전환의 병목은 도구 구매가 아니다. 더 어려운 문제는 "이 일을 이제 누가, 어떤 권한으로, 어떤 기준에 따라 할 것인가"를 다시 정하는 일이다. 같은 AI 도구를 도입해도 어떤 조직은 보고서 작성 시간을 줄이는 데 그치고, 어떤 조직은 고객 응대, 영업 제안, 품질 검토, 의사결정 회의 방식까지 바꾼다. 차이는 기술이 아니라 일의 설계에 있다.

AI가 반복 실행을 맡기 시작하면 사람의 역할은 줄어드는 것이 아니라 이동한다. 자료 수집, 초안 작성, 분류, 요약, 일정 조율은 AI가 더 많이 처리한다. 사람은 맥락을 해석하고, 예외를 판단하고, 고객·동료와 신뢰를 만들고, 최종 결정을 책임지는 쪽으로 이동한다. 따라서 조직은 자동화할 업무만 고를 것이 아니라 사람이 더 깊이 개입해야 할 지점을 함께 정해야 한다.

AI 생성 이미지

AI 리터러시는 전 직원의 기본 역량이 된다

AI 리터러시는 AI를 개발하는 능력이 아니다. AI가 무엇을 잘하고, 어디서 틀릴 수 있으며, 어떤 정보를 입력하면 안 되는지 이해하는 기본 업무 역량이다. 이메일, 문서, 회의, 검색, 데이터 분석, 고객 응대에 AI가 들어오면 이 역량은 일부 전문가의 기술이 아니라 전 직원의 안전 운전 능력에 가까워진다.

다만 기본 리터러시만으로는 차별화가 어렵다. 앞으로의 경쟁력은 직무별 도구 활용 능력에서 갈린다. 마케터는 캠페인 가설을 빠르게 만들고 성과 데이터를 해석하는 방식으로 AI를 써야 한다. 재무 담당자는 예측과 이상 징후 탐지 결과를 검토할 수 있어야 한다. HR 담당자는 채용·평가에 AI를 활용하되 편향과 설명 가능성을 점검해야 한다. 고객지원 담당자는 AI가 만든 답변을 그대로 전달하는 사람이 아니라, 복잡한 불만과 예외 상황을 해결하는 조정자가 되어야 한다.

IBM은 기업의 AI 인재 전략에서 전사적 AI 이해와 직무별 도구 숙련을 함께 강조한다. 또한 경영진이 상당한 비율의 인력이 향후 몇 년 안에 재교육을 필요로 한다고 본다는 조사 결과를 제시한다¹. 이 숫자의 의미는 단순하다. 교육은 선택 프로그램이 아니라 운영 전환의 일부가 되고 있다.

업스킬링은 교육이 아니라 경력 경로 설계다

업스킬링은 현재 직무를 더 잘하기 위해 역량을 높이는 일이다. 리스킬링은 다른 역할로 이동하기 위해 새 역량을 배우는 일이다. AI 시대에는 두 가지가 동시에 필요하다. 문제는 많은 기업이 이를 온라인 강의 수강률로만 관리한다는 점이다. 강의를 많이 들었다고 일이 바뀌지는 않는다.

실제 변화는 세 단계로 설계해야 한다. 첫째, 직무별로 AI가 대체할 활동과 사람이 강화해야 할 활동을 구분한다. 둘째, 필요한 역량을 교육 과정이 아니라 실제 업무 과제와 연결한다. 셋째, 새 역량을 쌓은 사람이 이동할 수 있는 경력 경로를 만든다. 예를 들어 콜센터 상담원이 AI 답변 검수와 상담 품질 개선 경험을 쌓았다면, 지식베이스 관리자나 고객경험 분석가로 성장할 수 있어야 한다.

이 과정에서 중요한 것은 직원에게 "AI 때문에 사라질 일"만 말하지 않는 것이다. 어떤 일이 줄어들고, 어떤 역할이 커지며, 회사가 어떤 이동 경로를 지원할지 투명하게 설명해야 한다. 불확실성을 방치하면 직원은 AI를 협업 도구가 아니라 감시와 대체의 신호로 받아들인다.

새 역할은 기술팀 밖에서도 생긴다

AI 조직은 데이터 과학자와 엔지니어만으로 운영되지 않는다. 업무 안에 AI가 들어오면 새로운 중간 역할이 필요해진다.

AI 운영 관리자는 현업 프로세스 안에서 AI가 제대로 쓰이는지 관리한다. 비용, 품질, 승인 절차, 예외 처리, 사용자 피드백을 함께 본다. 인간-AI 상호작용 설계자는 사람이 어느 시점에 AI를 신뢰하고, 어느 시점에 개입해야 하는지 업무 화면과 절차를 설계한다. 품질 스튜어드는 AI 결과의 정확성, 편향, 규정 준수, 데이터 출처를 점검한다. 이 역할은 법무, 보안, 데이터, 현업 사이를 연결한다.

이런 역할은 모두 '기술을 아는 현업' 또는 '업무를 이해하는 기술 인력'에 가깝다. 조직은 전문가를 새로 채용하는 것만으로 해결하려 하지 말고, 기존 직원 중 업무 맥락을 깊이 아는 사람을 재교육해 연결형 인재로 키워야 한다.

인간과 AI의 분업 기준을 명확히 하라

AI에게 맡기기 좋은 일은 반복적이고, 규칙이 비교적 명확하며, 결과를 검증할 수 있는 업무다. 반대로 사람의 개입이 필요한 일은 이해관계가 복잡하거나, 윤리적 판단이 필요하거나, 고객 신뢰가 걸려 있거나, 실패 비용이 큰 업무다.

따라서 조직은 업무를 직무 단위가 아니라 활동 단위로 나누어 봐야 한다. "영업 업무를 AI가 대체한다"가 아니라 "고객사 조사, 제안서 초안, 회의 요약은 AI가 돕고, 가격 협상과 관계 형성은 사람이 주도한다"처럼 설계해야 한다. 이 방식이 직원의 불안을 줄이고, AI 투자 효과도 더 정확히 측정하게 한다.

성과 기준도 바뀌어야 한다. 단순 처리 건수만 보면 사람은 AI가 만든 결과를 빠르게 넘기는 데 집중한다. 대신 예외 해결률, 고객 만족, 재작업 감소, 의사결정 품질, 팀 지식 축적 같은 지표를 함께 봐야 한다.

근무 방식 변화와 AI는 함께 움직인다

하이브리드 근무, 긱 워크, 4일제 논의, 세대 변화는 AI와 별개의 이슈가 아니다. AI는 비동기 협업을 쉽게 만든다. 회의 요약, 업무 인수인계, 문서 검색, 자동 번역이 좋아지면 같은 시간과 장소에 모여야 하는 이유가 줄어든다. 반대로 신뢰 형성, 창의적 토론, 갈등 조정처럼 대면의 가치가 큰 활동은 더 선별적으로 중요해진다.

긱 워크와 외부 전문가 활용도 달라진다. AI가 업무 맥락 정리와 산출물 초안을 지원하면 작은 팀이 외부 인재와 더 빠르게 협업할 수 있다. 그러나 보안, 지식 유출, 책임 소재는 더 엄격히 관리해야 한다. 4일제 논의도 단순 복지 제도가 아니라 생산성 측정 방식과 연결된다. AI로 줄어든 시간을 더 많은 업무로 채울지, 집중과 회복을 통해 더 나은 성과를 만들지 선택해야 한다.

AI 시대의 조직 재설계는 인원 감축 계획이 아니라 일의 품질을 다시 정의하는 과정이다. 좋은 질문은 "몇 명을 줄일 수 있는가"가 아니다. "AI가 반복 실행을 맡을 때, 우리 사람들은 어떤 판단과 관계와 창의성에 더 많은 시간을 써야 하는가"다.

참고

¹IBM, Upskilling and reskilling for talent transformation in the era of AI