안녕하세요! 저는 여러분의 금융 및 비즈니스 뉴스 분석 전문가이자 경제학자 친구입니다. 오늘 우리가 이야기할 이 기사는 많은 직장인과 기업 경영자들의 마음속에 있는 ‘돌’을 건드리는 내용입니다.
간단히 말해, 이 기사의 핵심 메시지는 AI가 ‘업무 결과’를 저렴하게 만들면서, 기업들이 과거에 ‘작품’을 통해 사람의 능력을 판단하던 오래된 방식이 더 이상 효과가 없어지고 있다는 것입니다.
예전에는 멋진 코드나 보고서를 제출하면 상사는 그 사람이 기술과 업무를 잘 이해한다고 당연하게 생각했습니다. 하지만 이제 AI도 같은 결과를 만들 수 있게 되었기 때문에 상사들은 혼란스러워집니다. 이 결과가 과연 그 사람의 실력인지, 아니면 AI의 실력인지 알 수 없는 것입니다.
이 논리를 완전히 이해할 수 있도록, 저는 이 기사를 다섯 가지 핵심 포인트로 나누어 쉽게 설명해 드리겠습니다.
---
1. 과거의 ‘작품집’은 능력의 ‘신분증’이었지만, 이제는 ‘복사본’이 되었습니다
핵심 논리: 결과를 보고 능력을 판단하는 것에서, 결과가 더 이상 능력을 대표하지 않는 것으로의 전환
오랜 기간 동안 직장에는 이런 묵시적인 규칙이 있었습니다: 결과가 곧 능력입니다.
- 엔지니어가 안정적으로 작동하는 코드를 제출하면, 사람들은 그가 아키텍처와 오류 처리를 잘 이해한다고 생각했습니다.
- 제품 매니저가 논리적으로 탄탄한 계획을 작성하면, 그가 사용자와 업무 제약을 잘 이해한다고 생각했습니다.
- 컨설턴트가 멋진 PPT를 만들면, 그가 강력한 정보 수집 및 구조화된 사고 능력을 가지고 있다고 생각했습니다.
이런 논리가 통했던 이유는 결과를 만드는 데 많은 시간과 노력이 필요했기 때문입니다. 좋은 코드나 계획을 만들기 위해서는 오랜 학습, 고민, 시행착오가 필요했습니다. 그래서 결과 자체가 그 사람의 능력을 보여주는 증거였습니다. 기업은 그 사람이 어떻게 생각하는지는 모르지만, 만들어낸 결과를 볼 수 있었습니다. 결과가 좋으면 그 사람의 능력도 좋다고 판단했습니다.
하지만 AI는 이 균형을 깨뜨렸습니다.
이제는 해당 분야에 대한 이해가 평범한 사람도 몇 분 만에 AI를 이용해 완성도 높은 보고서를 만들 수 있습니다. 경험이 부족한 엔지니어도 AI 도구를 사용하면 예전에는 오랜 시간이 걸렸던 작업을 빠르게 처리할 수 있습니다. 결과는 여전히 좋고 전문적이지만, 이 결과가 그 사람의 능력을 얼마나 증명할 수 있을까요?
과거에는 작품이 능력의 ‘원본’이었지만, 이제는 AI가 만든 ‘복사본’일 수 있습니다. 상사는 그 복사본만으로 그 사람의 실제 능력을 판단하기 어렵습니다.
2. “내가 직접 썼는지”에 집착하지 말고, “왜 그렇게 했는지”를 물어보세요
핵심 논리: 부정행위를 확인하는 것에서 이해력을 확인하는 것으로의 전환
많은 상사들은 AI가 일을 할 수 있다는 것을 보고 처음에는 패닉에 빠져 ‘AI를 배제하는’ 조치를 취합니다: “이 코드는 직접 썼나요? AI 없이도 할 수 있나요?”
저자는 이런 접근이 막다른 길이라고 생각합니다.
이것은 프로그래머에게 IDE, 검색 엔진, 컴파일러를 끄고 프로그래밍을 할 수 있는지 확인하라고 요구하는 것과 같습니다. AI는 결국 전기나 인터넷처럼 기본적인 인프라가 될 것입니다. 직원들에게 AI가 없는 세상으로 돌아가라고 강요하는 것은 불필요하고 비현실적입니다.
진짜로 물어봐야 할 질문은 다음과 같습니다:
- 잘못된 질문: 이 코드 중 몇 퍼센트가 직접 작성한 것인가?
- 올바른 질문: 이 결과가 기준에서 벗어났을 때, 어떻게 계속 나아갈 수 있을까?
예를 들어:
- 직원 A: AI가 아키텍처를 만들었지만, 그는 왜 그런 구조를 선택했는지 설명할 수 있고, 어디가 가장 취약한지 알고 있으며, 업무가 변했을 때 어떻게 수정할지, 모델에 오류가 발생했을 때 어떻게 발견할 수 있습니다.
- 직원 B: AI가 아키텍처를 만들었지만, 그는 “이것은 모델이 추천한 것이고, 한 번 실행해봤는데 오류가 없었다”고만 말합니다.
A와 B가 제출한 문서가 똑같더라도, A의 능력이 B보다 훨씬 뛰어납니다. 차이는 문서에 있는 것이 아니라, 결과에 오류가 발생하거나 변했을 때 누가 상황을 통제할 수 있는지에 있습니다. AI는 결과를 얻는 비용을 낮췄지만, 결과가 능력의 신호로서의 가치도 낮췄습니다. 기업이 판단해야 할 것은 단순히 결과가 만들어졌는지가 아니라, 그 사람이 결과에 대한 이해, 판단, 통제 능력을 가지고 있는지입니다.
3. 미래에 가장 가치 있는 능력은 ‘제품’ 외부에 숨어 있습니다
핵심 논리: 실행자에서 ‘정의자’와 ‘관리자’로의 전환
이제 ‘빨리 하고’, ‘많이 한다’는 것이 더 이상 희귀하지 않으므로, 어떤 능력이 더 가치가 있을까요? 저자는 과거에는 결과에 가려져 있었지만 이제는 반드시 드러나야 할 네 가지 능력을 제시합니다:
1. 올바른 문제를 정의하는 능력 (가장 가치 있음)
AI는 “어떻게 할지”에 대해서는 잘 답하지만, “무엇을 할지”에 대해서는 잘 답하지 못합니다.
고객이 “지능형 고객 서비스가 필요하다”고 하면, AI는 효율적으로 고객 서비스 시스템을 만들 수 있습니다. 하지만 진짜 문제는 “고객 서비스 비용이 너무 높다”거나 “지식 기반이 엉망이다”는 것일 수 있습니다. 심지어는 기술적인 문제가 아닐 수도 있습니다.
위험은: 실행 비용이 낮아질수록, 잘못된 방향으로 가면 AI가 오류를 극대화할 수 있다는 것입니다. 무엇을 실행할지 정의하는 것이 실행 자체보다 더 중요합니다.
2. 어디서 오류가 발생할 수 있는지 아는 능력 (의심력)
경험이 풍부한 사람의 장점은 AI보다 계산이 빠른 것이 아니라, 어디를 쉽게 믿어서는 안 되는지 아는 것에 있습니다.
그는 데이터베이스 마이그레이션에서 가장 위험한 것이 정상적인 프로세스가 아니라 롤백이라는 것을 알고 있으며, 멋진 성장 데이터가 단지 집계 방식이 바뀐 것일 수 있다는 것을 알고 있습니다. AI가 만든 계획이 아름답게 보이지만 실제로는 작동하지 않을 수 있다는 것을 알고 있습니다. 이런 ‘직감’과 ‘경험’은 과거에는 작품에 숨겨져 있었지만, 이제는 적극적으로 드러내야 합니다.
3. 혼란에 대처하는 능력 (적응력)
AI는 명확하게 설명된 문제를 처리하는 데는 능숙하지만, 현실 세계는 혼란스럽습니다: 요구 사항이 갑자기 변하고, 데이터가 부족하며, 인터페이스가 일관되지 않고, 목표가 충돌합니다.
현실이 AI의 훈련 데이터나 예상 경로에서 벗어났을 때, 누가 문제 모델을 다시 구축할 수 있는지가 중요합니다. 미래의 핵심은 “답을 줄 수 있는지”가 아니라, “답이 명확하지 않을 때 얼마나 효율적으로 대처할 수 있는지”입니다.
4. 판단과 책임을 질 수 있는 능력 (책임감)
AI는 조언을 제공할 수 있지만, 조직의 실수를 대신할 수는 없습니다.
기업은 이런 질문에 답해야 합니다: 왜 그런 결정을 내렸는가? 근거는 무엇인가? 어떤 위험을 감수했는가? 실수했다면 다음에는 어떻게 수정할 것인가?
미래의 ‘고급 능력’은 “얼마나 많은 콘텐츠를 직접 만들 수 있는가”가 아니라, 기계가 대량으로 생성한 결과에 대해 어느 정도 책임을 질 수 있는가입니다.
4. 채용과 승진의 ‘규칙’을 완전히 바꿔야 합니다
핵심 논리: 생산량을 보는 것에서 품질과 과정을 보는 것으로의 전환
이러한 인식의 변화는 기업의 세 가지 핵심 메커니즘에 직접적인 영향을 미칩니다:
1. 채용: ‘테이크홈 어사인먼트(가정 과제)’는 더 이상 효과가 없습니다**
과거에는 지원자가 일주일 동안 프로젝트를 하면 그의 수준을 판단할 수 있었습니다. 하지만 이제는 모두 AI를 사용해 몇 시간 안에 멋진 결과를 만들 수 있습니다.
새로운 방식: 면접은 ‘현장에서의 추론’에 더 가까워질 것입니다. 면접관은 의도적으로 잘못된 요구 사항, 갑작스러운 상황, 함정을 만들어낼 것입니다.
목적: 부정행위를 확인하는 것이 아니라, 기존의 답이 더 이상 효과가 없을 때 어떻게 대처하는지를 보는 것입니다. 문제를 어떻게 분석하고, 어떻게 검증하며, AI의 제안을 어떻게 반박하는지를 보는 것입니다.
2. 승진: ‘생산량이 많다’는 것이 ‘능력이 뛰어나다’는 것을 의미하지 않습니다**
과거에는 코드를 많이 쓰고 문서를 많이 작성하면 승진하기 쉬웠습니다. 하지만 이제 AI 덕분에 생산량이 크게 증가했기 때문에 ‘얼마나 많이 했는지’는 더 이상 구별되지 않습니다.
새로운 기준: 어떻게 오류를 줄일 수 있는지, 위험을 미리 인식할 수 있는지, 모호한 문제를 처리할 수 있는지, 팀의 판단 품질을 향상시킬 수 있는지를 기준으로 승진을 결정해야 합니다.
3. 성과 평가: 단순히 ‘생산량’만으로 평가해서는 안 됩니다**
Output만으로 평가하면 AI가 강해질수록 직원들은 ‘양을 늘리는’ 방법으로 높은 점수를 얻을 수 있지만, 이는 겉보기의 성공에 불과합니다.
새로운 기준: 무엇을 하면 안 되는지, 어떤 결과를 받아들여서는 안 되는지, 언제 기계의 결정을 반박해야 하는지가 진정한 성과를 판단하는 기준이 됩니다.
5. 심오한 역설: 결과가 쉬워질수록, 사람을 판단하는 것이 더 어려워집니다
핵심 논리: 개인의 속성에서 시스템을 다루는 능력으로의 전환
마지막으로, 저자는 매우 철학적인 견해를 제시합니다: ‘능력’이라는 단어 자체가 변하고 있습니다.
과거에는 능력이 개인의 내부 속성이었습니다: 나는 코드를 쓸 수 있