영국 사무직들이 AI를 피해 기술직으로 옮기는 '화이트칼라 탈출' 현상이 일어났대요. 미국 대학 졸업식에선 AI 얘기만 나와도 야유가 터질 정도로 일자리 대체에 대한 공포가 큰 모습이고요. 솔직히 무서울 수밖에 없잖아요. 그런데 AI가 우리 직업 전체를 뺏는 건 아니에요. 정확히는 '단순 반복적인 인지 업무'를 가져가는 거죠. 이걸 막으려면 기업만이 가진 지식 자산을 어떻게 설계하고 관리할지 고민하는 전문성을 갖춰야 하거든요.
사무직들이 왜 갑자기 기술직으로 옮길까요?
전자신문의 최근 보도를 보면 단순 문서 작성이나 데이터 정리 같은 화이트칼라의 전유물이었던 업무들이 LLM에 의해 빠르게 대체되고 있어요. 이제는 엑셀 수식을 기가 막히게 짜거나 보고서 형식을 예쁘게 잡는 능력만으로는 살아남기 힘든 시대가 된 거죠.
물론 코딩을 배우라는 소리가 아니에요.
AI가 흉내 내기 어려운 '물리적 실체'가 있는 업무나, AI가 학습하지 못한 '현장의 암묵지'를 다루는 영역으로 무게중심이 이동하고 있다고 해석해야 합니다. AI가 데이터는 읽어도, 현장의 분위기와 뉘앙스까지 읽어내긴 어렵거든요.
대학 졸업생들이 AI에 분노하는 진짜 이유
AI타임스 기사에서 언급한 미국 대학생들의 분노도 비슷해요. 신입 사원이 들어가서 기초 업무를 배우며 성장해야 하는데, 그 '성장 사다리'를 AI가 너무 완벽하게 수행하며 치워버렸기 때문이죠. 이건 단순히 일자리가 줄어드는 문제를 넘어, 전문가로 가는 경로 자체가 사라지는 것에 대한 공포예요.
이런 상황에서 살아남는 방법은 AI와 경쟁하는 게 아니라 AI를 부리는 '오케스트레이터'가 되는 거예요. 오케스트레이션이라고 하는데, 쉽게 말해 여러 AI 도구를 하나의 흐름으로 묶어 조율하는 거죠. 단순히 프롬프트를 잘 입력하는 수준을 넘어, 어떤 데이터를 넣어야 최선의 결과가 나올지 설계하는 능력이 곧 몸값이 되는 시대가 왔습니다. 더 자세한 AI 활용 전략은 휴미즈 블로그에서도 확인하실 수 있어요.
AI 시대의 진짜 무기, '컨텍스트'와 RAG
범용 AI는 세상의 모든 지식을 알지만, 정작 우리 회사 내부의 어제 회의 내용이나 특정 고객사의 히스토리는 전혀 몰라요. 바로 이 지점이 인간의 전문성이 발휘되는 영역이죠. 요즘 핫한 RAG(검색 증강 생성) 기술이 대표적인 예시에요.
RAG는 AI가 답변을 내놓기 전, 신뢰할 수 있는 내부 데이터에서 관련 정보를 먼저 찾아내어 이를 바탕으로 답변하게 만드는 기술인데요. 여기서 중요한 건 '어떤 데이터를 어떻게 구조화해서 AI에게 줄 것인가'를 결정하는 판단력입니다. 파편화된 내부 지식을 체계적으로 연결하고, AI가 정확한 맥락(Context)을 짚어낼 수 있도록 가이드하는 '지식 큐레이터'의 역할이 앞으로의 핵심 경쟁력이 될 거예요.
'말하는 AI'에서 '일하는 AI'로, 에이전틱 워크플로우
이제 AI 트렌드는 단순히 묻고 답하는 챗봇을 넘어, 스스로 계획을 세우고 도구를 사용해 업무를 완수하는 AI 에이전트와 에이전틱 워크플로우로 진화하고 있어요. MCP 같은 표준 규격이 등장하면서 AI가 다양한 외부 데이터 소스에 더 쉽게 접근하게 된 것도 이 때문이고요.
이제 실무자가 해야 할 일은 '내가 직접 보고서를 쓰는 것'이 아니라, '보고서를 쓰기 위해 AI 에이전트가 어떤 데이터를 참조하고, 어떤 검토 과정을 거쳐 최종안을 낼지' 프로세스를 설계하는 거예요. 업무 실행은 AI에게 맡기고, 인간은 결과물의 퀄리티를 판단해 승인하는 '최종 결정권자'의 위치로 이동하는 것이 가장 현실적인 방어 전략이죠.
자주 묻는 질문
- Q: 지금 당장 어떤 역량을 키워야 AI에게 대체되지 않을까요?
A: 특정 도구의 사용법보다는 '도메인 지식' 자체를 깊게 파는 것을 추천합니다. AI는 도구일 뿐, 무엇이 정답인지 판단하는 기준은 결국 그 분야의 전문성에서 나오거든요. - Q: 비전공자도 AI 에이전트 설계 같은 일을 할 수 있나요?
A: 네, 충분히 가능합니다. 최근의 AI 트렌드는 코딩 실력보다 '업무 프로세스를 논리적으로 쪼개어 설명하는 능력'이 더 중요해요. 평소 자신의 업무 단계를 세밀하게 매뉴얼화하는 습관을 들이면 큰 도움이 됩니다. - Q: RAG가 정확히 왜 일자리 방어에 도움이 되나요?
A: RAG의 핵심은 '우리 회사만 가진 데이터'를 활용하는 거예요. 범용 AI는 누구나 쓸 수 있지만, 기업 고유의 지식을 잘 활용하는 AI 시스템을 설계하고 운영하는 사람은 대체 불가능한 가치를 갖게 됩니다.
AI는 결국 도구일 뿐이에요. 단순 실행 업무는 AI에게 넘기고, 우리는 데이터의 맥락을 설계하고 결과물을 검증하는 '지식 전략가'로 진화해 보세요.
더 많은 AI 트렌드와 실무 적용 사례가 궁금하시다면 humease.com에서 확인해 보세요.
본 콘텐츠는 AI 및 디지털 혁신 분야의 10년 차 실무 경험과 최신 기술 동향 분석을 바탕으로 작성되었습니다.
댓글
댓글 쓰기