AI가 일하는 시대, 사람은 무엇을 해야 할까?
처음북스 · 다섯 저자의 가상 토론

네 권의 논지를 바탕으로 처음북스가 재구성한 창작 토론입니다. 실제 대담·직접 인용이 아니며, 외모와 음성은 창작 캐릭터·합성 음성입니다.
김가원·정민주의 발언 역할은 대본 구성상의 배분이며 실제 입장 차이를 뜻하지 않습니다.

00:01 처음북스 (가상 대사)
이 영상은 네 권의 책을 바탕으로 재구성한 가상 토론입니다. 실제 저자의 발언이나 목소리가 아닙니다. 에이아이가 일하는 시대, 사람은 무엇을 해야 할까요?

00:13 안유석 (가상 대사)
에이아이로 보고서는 금방 쓰게 됐습니다. 그런데 퇴근은 왜 그대로일까요? 오늘은 도구 이야기보다, 빨라진 일이 정말 내 삶과 회사의 성과를 바꾸는지 묻고 싶습니다.

00:26 이지성 (가상 대사)
보고서를 쓰는 건 일의 일부니까요. 데이터는 다른 부서에 있고, 승인은 여전히 멈춰 있습니다. 글 쓰는 속도가 빨라져도, 회사가 움직이는 속도는 그대로일 수 있죠.

00:38 이현종 (가상 대사)
저는 그보다 앞을 보겠습니다. 영업팀의 고객과 회계팀의 거래처가 같은 대상을 뜻하나요? 에이아이에게 자료를 많이 줘도, 부서마다 뜻이 다르면 판단은 엇갈립니다.

00:51 김가원 (가상 대사)
두 분 말씀대로 구조가 중요합니다. 그런데 무엇을 위해 빨라지려는지도 빠졌어요. 아낀 시간에 더 많은 일을 밀어 넣는다면, 사람에게는 좋은 변화일까요?

01:03 안유석 (가상 대사)
맞습니다. 절약한 시간만으로 성과가 완성되지는 않죠. 재작업이 줄었는지, 고객에게 도움이 됐는지, 그리고 그 경험이 내 다음 역할로 이어졌는지까지 봐야 합니다.

01:16 정민주 (가상 대사)
그 역할에 확인 책임만 늘어나는 것도 문제예요. 사람이 마지막에 확인하라는 말은 쉽지만, 확인할 시간과 근거를 주지 않으면 사실상 승인 버튼만 누르게 됩니다.

01:28 안유석 (가상 대사)
그럼 변화의 핵심을 이렇게 볼 수 있을까요? 이제 에이아이는 답을 써 주는 데서, 여러 단계를 이어 실제 일을 처리하는 쪽으로 가고 있습니다. 무엇을 먼저 바꿔야 할까요?

01:41 이지성 (가상 대사)
가상의 구매 업무를 생각해 보죠. 견적을 찾고, 조건을 비교하고, 주문 초안까지 만들 수 있습니다. 하지만 계좌 변경이나 최종 발주는 누가 승인하는지 먼저 정해야 합니다.

01:53 정민주 (가상 대사)
잠깐만요. 최종 승인만 사람에게 남기면 충분할까요? 비교 근거가 안 보이는데 초안이 너무 매끈하면, 틀린 거래처나 조건도 그대로 통과할 수 있잖아요.

02:05 이지성 (가상 대사)
그래서 하네스가 필요합니다. 어떤 자료를 보고 어디까지 행동할지, 언제 멈추고 누구에게 물을지 정하는 장치죠. 승인 화면에는 근거를, 실행 뒤에는 기록과 되돌릴 절차를 붙여야 합니다.

02:18 이현종 (가상 대사)
여기에 의미의 연결도 필요합니다. 회사 이름이 조금 달라도 같은 거래처라는 사실, 그 거래처와 계약, 주문, 지급 조건이 어떻게 연결되는지 알아야 제대로 비교할 수 있습니다.

02:32 김가원 (가상 대사)
그렇다면 편리함이 커질수록 질문도 더 구체적이어야겠네요. 어떤 일을 대신했느냐뿐 아니라, 누구의 동의를 거쳤고, 잘못됐을 때 누가 바로잡을 수 있느냐까지요.

02:46 안유석 (가상 대사)
현종 작가님, 현실에서는 문서를 더 많이 넣고 검색을 잘하게 만들면 된다고도 합니다. 온톨로지는 거기에 무엇을 더하는 건가요?

02:56 이현종 (가상 대사)
문서를 찾는 일도 꼭 필요하죠. 온톨로지는 고객, 주문, 제품 같은 대상을 정의하고 그 관계를 명시합니다. 매출이 줄었다는 숫자에서, 어떤 고객의 어떤 주문이 왜 달라졌는지 따라갈 길을 만드는 겁니다.

03:12 이지성 (가상 대사)
취지에는 동의합니다. 다만 회사 전체의 의미부터 정리하려다 아무것도 못 하는 건 아닐까요? 현장에서는 다음 달에도 써먹을 수 있는 작은 변화가 필요합니다.

03:24 이현종 (가상 대사)
맞습니다. 처음부터 모든 데이터를 정리하자는 뜻은 아닙니다. 반복해서 틀리는 판단 하나를 고르고, 거기에 필요한 대상과 관계부터 연결해야 합니다. 실제 결과를 보면서 정의도 고쳐야 하고요.

03:38 정민주 (가상 대사)
정의를 고친다는 부분이 중요하네요. 좋은 고객을 당장 매출이 큰 고객으로만 정하면, 장기적인 관계는 빠질 수 있어요. 구조를 만든다고 그 안의 가치판단까지 옳아지는 건 아니니까요.

03:52 이현종 (가상 대사)
그렇죠. 온톨로지는 정답을 보장하는 마법이 아닙니다. 오히려 암묵적으로 쓰던 기준을 드러내서, 누가 정의했고 언제 바꿔야 하는지 함께 검토할 수 있게 하는 데 의미가 있습니다.

04:06 안유석 (가상 대사)
그래서 성과도 직접 재야겠죠. 고객 상담 연구에서는 시간당 문제 해결이 평균 십오 퍼센트 늘었습니다. 하지만 특정 업무의 결과를, 모든 회사와 직업에 그대로 적용할 수는 없습니다.

04:19 이지성 (가상 대사)
개발자 연구도 흥미롭습니다. 이천이십오 년 메트르 실험에서는 오히려 더 오래 걸렸죠. 그런데 이천이십육 년 후속 설명은 효과가 달라졌을 가능성과 측정의 편향을 함께 짚었습니다. 옛 숫자 하나로 결론 내리기 어렵습니다.

04:34 김가원 (가상 대사)
성과를 재는 동안, 생각하는 습관도 살펴야 해요. 에이아이가 잘 써 주니까 내가 무엇을 말하려 했는지 묻지 않게 되는 순간이 있거든요. 결과물을 내 생각의 끝으로 삼아도 될까요?

04:48 정민주 (가상 대사)
지식노동자 삼백십구 명을 조사한 연구에서도, 에이아이에 대한 높은 신뢰는 비판적 사고를 덜 했다는 응답과 관련됐습니다. 다만 자기보고 설문이니까, 에이아이가 사고력을 떨어뜨렸다고 인과를 단정하면 안 됩니다.

05:04 이지성 (가상 대사)
그렇다고 모든 답을 처음부터 다시 검증하면 시간을 아끼기 어렵지 않을까요? 어느 지점에서 사람의 판단을 남길지, 위험에 따라 나눠야 할 것 같습니다.

05:14 김가원 (가상 대사)
맞아요. 아이디어를 넓히는 초안과, 타인의 권리나 돈을 움직이는 결정은 다르게 다뤄야죠. 저는 먼저 내 가설을 적고, 에이아이에게 반례를 묻고, 결정의 근거는 직접 확인하겠습니다.

05:29 안유석 (가상 대사)
그러면 사람의 일은 사라진다기보다 옮겨 가는 걸까요? 저는 직업 전체보다 과업을 나눠 보자고 제안합니다. 다만 새 역할이 저절로 생기거나 모두에게 돌아오는 건 아니겠죠.

05:43 정민주 (가상 대사)
맞습니다. 신입에게 초안 작업을 맡기지 않으면서 전문가처럼 검토하라고 할 수는 없어요. 어떤 근거로 고쳤는지 함께 배우는 과정이 있어야, 판단할 사람도 계속 자랍니다.

05:56 안유석 (가상 대사)
마지막으로, 내일 아침 하나만 바꾼다면 무엇부터 하시겠습니까? 독자들이 바로 해볼 수 있는 일로 부탁드립니다.

06:04 이현종 (가상 대사)
회의에서 자주 엇갈리는 단어 하나를 고르세요. 고객이든 매출이든, 무엇을 포함하고 제외하는지 적어 보세요. 에이아이를 연결하기 전에 사람끼리 의미부터 맞추는 겁니다.

06:17 이지성 (가상 대사)
반복 업무 하나를 골라 에이아이가 해도 되는 일, 승인이 필요한 일, 멈춰야 하는 조건을 적겠습니다. 작게 실행하고 오류와 되돌리는 방법까지 확인하는 거죠.

06:28 김가원 (가상 대사)
저는 에이아이를 열기 전에, 내가 알고 싶은 것과 잠정적인 답을 세 줄로 적겠어요. 답을 받으면 무엇이 달라졌는지 비교하고요. 편리함 속에서도 내 질문을 놓치지 않으려고요.

06:43 정민주 (가상 대사)
저는 결과물 하나에서 출처, 빠진 조건, 틀렸을 때의 영향을 확인하겠습니다. 믿는다는 건 확인을 없애는 일이 아니라, 무엇을 근거로 믿는지 아는 일이니까요.

06:56 안유석 (가상 대사)
저는 일이 얼마나 나아졌는지 기록하고, 생긴 시간을 어디에 쓸지 동료와 합의하겠습니다. 더 빠른 답은 이미 곁에 있습니다. 그 답으로 어떤 일을 하고 어떤 삶을 만들지는, 우리가 계속 물어야겠습니다.

07:13 처음북스 (가상 대사)
성과를 만드는 일, 조직을 움직이는 구조, 데이터를 잇는 맥락, 그리고 나의 판단. 네 권의 책에서, 여러분의 다음 질문을 만나 보세요. 처음북스였습니다.

자료와 연구
Generative AI at Work — Brynjolfsson, Li, Raymond
https://arxiv.org/abs/2304.11771
고객 지원 업무에서 관찰한 생산성 변화와 경험 수준에 따른 차이. 특정 업무의 연구 결과입니다.
METR — 개발자 생산성 연구 후속 점검 (2026.02.24)
https://metr.org/blog/2026-02-24-uplift-update/
2025년 연구의 작업 시간 증가와 후속 측정의 선택 편향을 함께 다뤘습니다.
Microsoft Research · CHI 2025 — 생성형 AI와 비판적 사고
https://www.microsoft.com/en-us/research/publication/the-impact-of-generative-ai-on-critical-thinking-self-reported-reductions-in-cognitive-effort-and-confidence-effects-from-a-survey-of-knowledge-workers/
지식 노동자 319명의 자기보고 조사입니다. 관찰된 연관성을 인과관계로 단정하지 않았습니다.