AI가 이끄는 일의 급변, 혜택은 고르지 않다

지난 5년간의 New Future of Work 보고서와 비교해도 올해 변화는 훨씬 급하다. 생성형 AI는 단순히 기존 업무를 빠르게 만드는 수준을 넘어, 사람들이 창작·의사결정·협업·학습을 수행하는 방식 자체를 바꾸고 있다.

혜택은 고르게 퍼지지 않는다. 고소득 국가가 여전히 사용률을 주도하지만, 빠른 성장은 저소득·중간소득 지역에서 나타나고 있고, 언어 지원이 약하면 사람들은 더 나은 결과를 얻기 위해 영어로 전환한다. 성별과 직군에 따른 사용 격차도 커서, 도입 격차가 곧 생산성·학습·경력 격차로 이어질 수 있다.

조직 안에서는 전략 문서보다 문화가 도입을 좌우한다. 직원이 고용주를 신뢰하고 실험해도 안전하다고 느낄 때 AI를 더 빨리 쓰고, 실제로 도움이 되는 도구만 남긴다. 반대로 AI가 사람을 대체하기 위한 장치처럼 보이면 거부감이 커지며, 동료 간 공유와 현장 주도의 실험이 가장 실질적인 개선을 만든다.

사용 패턴도 분명해지고 있다.

• Anthropic 분석에서는 **Claude 사용의 37%**가 소프트웨어·수학 직군과 연결됐다.
• Microsoft Copilot 대화 분석은 영업, 미디어, 테크, 행정 직무 전반에서 높은 활용성을 보여줬다.
• 여러 연구는 AI 사용자가 동일한 결과를 내도 덜 유능해 보인다고 평가될 수 있음을 보여준다.

생산성 효과는 크지만 일관되지는 않다. 기업 사용자들은 하루 40~60분을 절약한다고 보고하지만, 반대로 겉보기만 그럴듯하고 실제로는 쓸모없는 workslop 때문에 시간이 다시 사라질 수 있다. 거시적으로는 실업률이나 총 노동시간, 구인에 뚜렷한 변화가 아직 보이지 않지만, 22~25세의 젊고 경험이 적은 노동자들은 고노출 직무에서 고용이 16% 감소한 것으로 나타났고, AI 도입 이후 주니어 채용이 둔화되는 흐름도 확인된다.

핵심은 AI가 사람을 완전히 대체하는 방향이 아니라, 인간 판단을 더 중요한 자원으로 만들고 있다는 점이다. 사람들은 이제 일을 직접 끝내는 역할보다, AI가 낸 결과를 가이드하고, 비판하고, 개선하는 역할로 이동하고 있다.

협업 측면에서는 common ground가 중요해진다. 현재의 AI는 대화를 이어가며 확인하는 과정을 건너뛰는 경우가 많아 상호작용이 깨지기 쉽지만, CollabLLM처럼 질문을 유도하고 여러 턴에 걸쳐 협업하도록 설계하면 성과가 좋아진다. 신뢰와 목표 정렬이 없으면 AI는 오히려 나쁜 결정을 낳을 수 있고, 선택적으로 작업을 넘기는 selective delegation이 더 나은 사용 결정을 돕는다.

팀 단위 활용도 새 과제다. 기존 AI는 개인용으로 설계돼 있어 팀에서 쓰면 성과가 떨어지기 쉽지만, 정보 공유를 돕는 process-focused 방식과 팀 성과를 직접 최적화하는 outcome-focused 방식이 동시에 연구되고 있다. 더 나아가 LLM을 개인용 도구가 아니라, 수많은 사람의 집단 지능을 호출하는 collective intelligence로 보는 관점도 제시된다.

남은 과제는 기술 자체보다 이를 둘러싼 설계와 제도다. AI가 넓은 기회를 만들려면 접근성, 다국어 지원, 관찰 가능성, 인간의 개입권, 팀 협업을 위한 인터페이스까지 함께 발전해야 하며, 미래의 일은 결국 우리가 어떤 선택을 하느냐에 따라 달라진다.