[세종=뉴스핌] 정성훈 경제부장 = 사무실 풍경은 빠르게 바뀌고 있다. 보고서 초안을 쓰기 전 인공지능(AI)에 먼저 묻는 일은 더 이상 낯설지 않다. 회의록을 요약하고, 이메일 문안을 다듬고, 해외 자료를 번역하고, 엑셀 표를 설명해 달라고 요청하는 직장인이 늘고 있다.

겉으로 보면 모두가 AI를 쓰는 시대가 됐다. 그러나 노동시장의 격차는 오히려 여기서 시작된다. 같은 AI를 써도 어떤 사람은 단순한 답변을 받아보는 데 그치고, 어떤 사람은 AI를 업무 흐름 안에 넣어 반복 작업을 줄이고 새로운 산출물을 만든다.

한 사람은 AI에 의존한다. 다른 한 사람은 AI를 지휘한다.

문제는 AI를 쓰느냐가 아니다. 문제는 AI에게 일을 시킬 수 있느냐다. AI 시대의 노동시장 격차는 '사용자'와 '비사용자' 사이에서만 벌어지지 않는다. 더 큰 격차는 AI를 단순 소비하는 사람과 AI를 업무 시스템으로 설계하는 사람 사이에서 벌어진다.

AI 의존자는 AI를 검색창처럼 쓴다. "요약해줘", "정리해줘", "문장을 고쳐줘", "아이디어를 내줘"라고 묻는다. 이 방식도 업무에 도움이 된다. 문서 작성 시간을 줄이고, 막힌 생각을 풀어주며, 기초 자료를 빠르게 훑는 데 유용하다.

하지만 여기에는 한계가 있다. AI 의존자는 AI가 내놓은 답을 기다린다. 답이 틀렸는지, 빠진 전제가 무엇인지, 어떤 자료를 추가해야 하는지 판단하지 못하면 결과물의 품질은 AI의 평균값에 묶인다.

반면 AI 지시자는 AI를 업무 시스템의 일부로 쓴다. 먼저 일을 쪼갠다. 자료 수집, 데이터 정리, 오류 검증, 표 작성, 초안 구성, 이해관계자 분석, 그래픽 문안, 최종 문장 다듬기 등으로 업무를 나눈다. 그런 뒤 각 단계에 맞는 AI와 도구를 붙인다.

예를 들어 정책기사를 쓰는 기자가 있다고 하자. AI 의존자는 보도자료를 넣고 "기사로 써줘"라고 요청한다. AI 지시자는 다르게 움직인다. 정부 발표문, 예산자료, 통계표, 과거 정책, 해외 사례, 현장 반응을 나눠 정리한다. 이후 AI에게 정책의 표면 원인과 구조적 원인을 구분하게 하고, 이해관계자별 영향을 표로 만들게 하며, 그래픽 메시지와 후속 취재 질문까지 뽑게 한다.

두 사람은 모두 AI를 쓴다. 그러나 산출물은 다르다. 차이는 AI의 성능만이 아니라 사용자의 업무 설계 능력에서 나온다.

AI 활용 교육에서 흔히 강조되는 것은 프롬프트다. 좋은 질문을 던져야 좋은 답을 얻는다는 설명이다. 맞는 말이지만 충분하지 않다.

AI 시대의 핵심 역량은 질문 능력보다 구조화 능력이다. 구조화 능력이란 업무를 데이터, 절차, 기준, 결과물로 나누는 능력이다. 어떤 자료가 필요한지, 어떤 순서로 처리해야 하는지, 어떤 기준으로 검증해야 하는지, 최종 결과물이 어떤 형식이어야 하는지를 설계하는 능력이다.

단순 질문은 누구나 할 수 있다. 그러나 업무를 구조화하는 사람은 많지 않다. 이 차이가 노동시장에서 새로운 보상 격차를 만든다.

프로그래밍을 예로 들면 차이는 더 뚜렷하다. AI 의존자는 "엑셀 파일을 정리하는 코드를 짜줘"라고 묻는다. AI 지시자는 파일 구조, 열 이름, 결측값 처리 방식, 중복 제거 기준, 결과물 저장 형식, 오류 발생 시 처리 방식까지 지정한다. BeautifulSoup으로 웹 자료를 수집하고, pandas로 데이터를 정리하고, openpyxl로 엑셀 보고서를 만들고, AI API로 문장 요약을 붙이는 식의 자동화 흐름을 설계한다.

이때 AI는 단순 답변기가 아니다. 일하는 순서를 따라 움직이는 실행 도구가 된다.

AI를 잘 쓰는 사람은 질문을 잘하는 사람이 아니다. 업무를 잘게 나누고, 각 단계에 맞는 지시를 내리며, 결과를 검증하는 사람이다.

AI가 노동시장에 미치는 영향은 균일하지 않다. OECD는 한국 노동시장에 대한 AI 영향 분석에서 AI 노출이 고소득·고숙련 직업, 컴퓨터 사용 비중이 높은 직업에서 고용과 임금에 긍정적으로 연결되는 경향이 있다고 분석했다. 반면 저소득·저숙련 노동자는 같은 혜택을 충분히 누리지 못할 가능성이 크다고 봤다.

이 대목이 중요하다. AI는 모두의 임금을 자동으로 올려주지 않는다. AI를 자신의 능력을 확장하는 보완재로 쓰는 사람에게 먼저 보상이 간다. 반대로 AI가 할 수 있는 반복 업무에 머무르는 사람은 생산성 경쟁에서 밀릴 수 있다.

한국노동연구원 조사 결과를 인용한 OECD 보고서도 AI가 직무 성과와 생산성에는 긍정적 영향을 주는 것으로 인식되고 있다고 설명한다. 다만 직무 만족도에 대해서는 기업과 근로자의 인식 차이가 있었다. 기업은 AI가 직무 만족도에도 비교적 긍정적이라고 봤지만, 근로자의 평가는 그보다 낮았다.

이는 AI 도입의 이면을 보여준다. 기업은 AI를 생산성 향상 수단으로 본다. 노동자는 AI가 업무를 줄여주는지, 오히려 검토와 수정 부담을 늘리는지 체감한다. AI를 지휘하는 능력이 없는 노동자에게 AI는 생산성 도구가 아니라 또 하나의 업무 압박이 될 수 있다.

AI 노동시장 논의는 흔히 "일자리가 사라질 것인가"라는 질문으로 흐른다. 그러나 더 정확한 질문은 따로 있다. 어떤 직업이 사라지느냐가 아니라, 어떤 과업이 AI로 넘어가느냐이다.

직업은 여러 과업의 묶음이다. 기자의 일에는 취재, 자료 분석, 인터뷰, 기사 작성, 제목 작성, 팩트체크, 출입처 관리가 섞여 있다. 회계사의 일에는 증빙 검토, 전표 처리, 세법 해석, 리스크 판단, 고객 상담이 들어 있다. 변호사의 일에는 판례 검색, 문서 작성, 전략 수립, 의뢰인 상담, 법정 대응이 포함된다.

 AI는 이 직업 전체를 한 번에 대체하지 않는다. 먼저 반복적이고 규칙화하기 쉬운 과업을 가져간다. 자료 검색, 기초 요약, 초안 작성, 단순 비교, 반복 문서 처리, 기본 고객응대가 대표적이다. 반대로 맥락 판단, 책임 있는 의사결정, 현장 조정, 이해관계 조율, 전략 수립은 사람의 역할로 남는다.

KDI는 한국 노동시장의 AI 자동화 가능성을 분석한 보고서에서 2023년 기준 현재 일자리의 38.8%가 업무의 70% 이상을 자동화할 위험에 노출돼 있다고 분석했다. 이 수치는 AI가 특정 직업군만의 문제가 아니라 노동시장 전반의 과업 구조를 흔드는 변수라는 점을 보여준다.

문제는 이 변화가 신입과 주니어에게 더 민감하게 작용할 수 있다는 점이다. 과거 신입은 자료 정리, 초안 작성, 단순 조사, 반복 보고를 통해 업무를 배웠다. 그런데 AI가 이 입구 업무를 빠르게 흡수하면 신입이 실무 감각을 쌓는 방식도 바뀐다. 앞으로는 단순 업무를 오래 반복하는 방식보다 AI 결과물을 검토하고, 맥락을 판단하고, 상위 기획을 보조하는 능력이 더 빨리 요구될 수 있다.

AI는 일자리를 지우기 전에 일의 훈련 경로를 바꾼다.

AI를 쓰면 개인 업무 시간은 줄어들 수 있다. 그러나 그것이 곧바로 조직 생산성 향상으로 이어지는 것은 아니다.

한국 노동자를 대상으로 한 최근 연구는 생성형 AI를 업무에 사용하는 노동자가 51.8%에 이르고, AI 활용이 근로시간을 3.8% 줄이는 효과를 보였다고 분석했다. 다만 시간 절감과 산출 증가 사이의 상관관계는 뚜렷하지 않았다고 설명했다. 절감된 시간이 곧바로 더 많은 산출물로 전환되지 않을 수 있다는 의미다.

이 결과는 현장감이 있다. AI로 보고서 초안을 빨리 만들 수 있어도, 조직이 그 시간을 어떻게 쓸지 정하지 않으면 생산성은 통계에 잡히지 않는다. 줄어든 시간을 더 깊은 분석에 쓸 수도 있고, 수정과 검토에 다시 쓸 수도 있다. 반대로 조직의 지시가 불명확하면 AI가 만든 결과물을 사람이 다시 고치는 시간이 늘어날 수도 있다.

McKinsey도 2025년 글로벌 AI 조사에서 AI 고성과 기업은 단순히 AI 도구를 도입하는 데 그치지 않고 업무 흐름을 재설계한다고 분석했다. 조직의 88%가 최소 1개 업무 기능에서 AI를 정기적으로 사용하고 있지만, 기업 전체 차원으로 AI를 확장한 곳은 약 3분의 1 수준에 그쳤다는 점도 함께 제시했다.

즉 AI 생산성의 핵심은 도입률이 아니다. 업무 재설계다. 개인도 마찬가지다. AI를 켜놓는 것과 AI 중심으로 일하는 방식을 바꾸는 것은 다르다.

AI 지시자의 가치는 단순히 일을 빨리 처리하는 데 있지 않다. 진짜 가치는 일을 다시 설계하는 데 있다.

첫째, 반복 업무를 줄인다. 매주 같은 형식의 보고서를 작성한다면 자료 수집, 표 정리, 초안 생성, 검토 항목을 자동화할 수 있다. 둘째, 판단 업무의 시간을 늘린다. AI가 기초 정리를 맡으면 사람은 원인 분석, 정책적 의미, 이해관계자 조정에 더 많은 시간을 쓸 수 있다. 셋째, 산출물의 형식을 다양화한다. 하나의 자료를 기사, 카드뉴스, 숏폼 대본, 그래픽 문안, 회의자료로 동시에 전환할 수 있다.

이것은 단순한 생산성 향상이 아니다. 업무 단위의 재편이다.

기업 입장에서도 AI 지시자는 중요한 인재가 된다. AI 도구를 많이 아는 사람보다, 회사 업무의 병목을 찾아 AI로 풀 수 있는 사람이 더 가치 있다. 고객응대가 느린 이유가 상담 인력 부족인지, 매뉴얼 부재인지, 데이터 검색 문제인지 구분해야 한다. 보고서 작성 시간이 긴 이유가 문장력 부족인지, 자료가 흩어져 있기 때문인지, 승인 절차가 복잡하기 때문인지 진단해야 한다.

AI 지시자는 기술자이면서 업무 분석가다. 코딩을 전공하지 않았더라도 업무를 절차로 쪼개고, 데이터를 정리하고, AI 결과물을 검증할 수 있다면 조직 안에서 높은 생산성을 낼 수 있다.

앞으로 노동시장에서 중요한 질문은 "AI를 쓸 줄 아느냐"가 아니다. "AI에게 어떤 일을 어떤 순서로 맡길 수 있느냐"이다.

정부의 직업훈련 체계도 이 전환을 반영해야 한다. 현재 많은 교육은 여전히 직업명이나 도구 중심이다. 엑셀 교육, 코딩 교육, 디지털 마케팅 교육, AI 프롬프트 교육이 각각 떨어져 있다.

그러나 현장에서 필요한 것은 도구 목록이 아니라 직무별 업무 흐름이다.

회계 담당자에게 필요한 AI 교육은 "좋은 프롬프트 쓰기"가 아니다. 세금계산서, 거래명세서, 증빙자료, 전표, 세법 변경사항을 어떻게 정리하고 검토할지에 대한 교육이다. 제조기업 직원에게 필요한 교육은 AI 개념 설명이 아니라 불량률, 납기, 재고, 설비점검 데이터를 어떻게 구조화하고 이상신호를 찾을지에 대한 교육이다. 기자에게 필요한 교육은 AI 문장 생성이 아니라 보도자료, 통계, 예산, 현장 발언, 과거 기사, 해외 사례를 결합해 구조적 쟁점을 뽑는 교육이다.

직무훈련은 이제 직업 단위가 아니라 과업 단위로 바뀌어야 한다. 같은 사무직이라도 자료 입력, 고객응대, 정책 분석, 회계 검토, 기획, 보고, 협상은 AI 영향이 다르다. 같은 제조업이라도 생산, 품질, 구매, 물류, 안전, 설비관리는 AI 활용 방식이 다르다.

AI 시대의 재교육은 전 국민을 개발자로 만드는 일이 아니다. 각자의 직무에서 AI를 어떻게 지휘할지 가르치는 일이다.

한국은 AI 인프라와 반도체, 통신망, 디지털 정부 경험을 갖고 있다. 그러나 노동시장 전체가 AI를 생산성으로 전환하려면 다른 조건이 필요하다. 조직의 데이터가 정리돼 있어야 하고, 보안 기준이 분명해야 하며, 직원에게 업무 재설계 권한이 있어야 한다. 무엇보다 AI 활용 성과를 평가하는 방식이 바뀌어야 한다.

지금 많은 조직은 AI 사용을 장려하면서도 실제 성과평가는 과거 방식으로 한다. 보고서 몇 장을 썼는지, 얼마나 오래 일했는지, 얼마나 빨리 회신했는지를 본다. 그러나 AI 시대에는 산출물의 수보다 구조 설계 능력, 검증 능력, 확장 가능성이 더 중요하다.

AI를 잘 쓰는 직원이 시간을 줄였다고 해서 일을 덜 한 것이 아니다. 반복 업무를 자동화하고 판단 업무로 시간을 옮겼다면 조직 전체의 생산성을 높인 것이다. 반대로 AI를 많이 사용했더라도 검증 없는 결과물을 양산했다면 오히려 비용을 키운 것이다.

AI 시대의 병목은 기술 부족이 아니다. 활용 격차와 조직 설계의 문제다.

앞으로 정책과 기업 전략의 목표는 AI 사용자 수를 늘리는 데서 멈춰서는 안 된다. 중요한 것은 AI 지시자를 얼마나 많이 키우느냐다.

정부는 직무별 AI 워크플로우 교육을 확대해야 한다. 고용노동부의 직업훈련, 중소벤처기업부의 중소기업 디지털 전환, 교육부의 성인 재교육, 과학기술정보통신부의 AI 활용 확산 정책이 따로 움직여서는 효과가 제한된다. 산업별로 반복 업무를 분석하고, 현장에서 바로 쓸 수 있는 AI 업무 템플릿을 만들어야 한다.

기업도 AI 도입을 IT부서 업무로만 보면 안 된다. 각 부서의 업무 병목을 찾아내고, 직원이 AI를 안전하게 실험할 수 있는 규칙을 만들고, AI 결과물 검증 기준을 세워야 한다. AI를 잘 활용한 직원을 단순히 "빨리 일한 사람"으로 평가할 것이 아니라, 조직의 업무 방식을 바꾼 사람으로 평가해야 한다.

개인도 달라져야 한다. AI에게 답을 요구하는 습관에서 벗어나야 한다. AI에게 일을 맡기려면 먼저 자신의 일을 설명할 수 있어야 한다. 내가 반복하는 업무가 무엇인지, 어떤 자료가 필요한지, 어디서 오류가 자주 나는지, 최종 결과물이 어떤 기준을 충족해야 하는지 알아야 한다.

AI는 일을 대신하는 도구이기 전에, 내가 일을 얼마나 구조적으로 이해하고 있는지 드러내는 거울이다.

산업혁명 시대에는 기계를 소유한 사람이 생산성을 장악했다. 인터넷 시대에는 정보를 빨리 찾는 사람이 앞서갔다. AI 시대에는 지능을 지휘하는 사람이 앞서간다.

AI는 모두에게 열려 있다. 그러나 AI를 통해 더 높은 보상을 얻는 사람은 따로 있다. 답을 기다리는 사람이 아니라 일을 설계하는 사람이다. 도구를 소비하는 사람이 아니라 도구를 연결하는 사람이다. 결과물을 받아들이는 사람이 아니라 결과물을 검증하고 개선하는 사람이다.

디지털 양극화 2.0의 두 번째 얼굴은 노동시장 안에서 드러난다. AI를 쓰는 사람은 많아지지만, AI를 부리는 사람은 많지 않다. 그리고 시장은 결국 후자에게 더 높은 보상을 줄 가능성이 크다.

문제는 AI가 인간을 대체하느냐가 아니다. 문제는 인간 사이의 격차를 어떻게 다시 나누느냐다.

■ 한 줄 요약
AI 노동시장 격차의 본질은 AI 사용 여부가 아니라 업무를 데이터와 절차로 쪼개 AI에게 지시할 수 있는 구조 설계 능력의 차이에 있으며, 해법은 프롬프트 교육을 넘어 직무별 AI 워크플로우 교육과 조직의 업무 재설계를 함께 추진하는 데 있다.

* [AI로 읽는 경제]는 AI 어시스턴트가 분석한 내용을 바탕으로 기자가 정리한 내용입니다. ChatGPT, Google Gemini, Perplexity, Claude AI 모델이 적용됐습니다. 상단의 'AI MY 뉴스' 로그인을 통해 뉴스핌의 차세대 AI 콘텐츠 서비스를 활용해 보기 바랍니다.

jsh@newspim.com