AI를 못 쓰는 직장인이 업무에서 불리해지는 5가지 이유

요즘 회사에서 AI를 사용하는 사람을 어렵지 않게 볼 수 있다.

보고서를 작성할 때 AI에게 초안을 부탁하고, 회의 내용을 정리하고, 엑셀 자료를 분석하기도 한다. 개발자들은 코드를 작성하거나 오류 원인을 찾는 과정에서도 AI를 활용한다.

처음에는 나도 이런 모습을 보면서 단순히 “AI를 사용하는 사람과 사용하지 않는 사람의 차이” 정도라고 생각했다.

그런데 20년 가까이 IT 현장에서 일하면서 개발자들을 관리하고 여러 업무를 지켜보다 보니 조금 다른 문제가 보이기 시작했다.

AI를 사용하는 사람과 그렇지 않은 사람의 차이는 단순히 일을 빨리 처리하는 정도의 차이가 아니었다.

시간이 지나면 업무를 바라보는 방식 자체에서 차이가 생길 수 있다.

특히 AI가 반복적인 업무를 대신해주는 환경에서는 AI를 활용하지 못하는 사람이 같은 시간 동안 처리할 수 있는 업무량이 상대적으로 적어질 수 있다.

그렇다면 구체적으로 어떤 차이가 생길까?

같은 시간에 처리할 수 있는 업무량이 달라진다

가장 먼저 체감할 수 있는 것은 업무 처리 속도다.

회사에서 보고서를 하나 작성한다고 생각해보자.

자료를 찾고 내용을 정리한 뒤 문장을 다듬고 보고서 형식에 맞추는 데 상당한 시간이 필요하다.

AI를 활용하면 이 과정의 일부를 빠르게 처리할 수 있다.

예를 들어 자료의 핵심 내용을 정리하게 하거나 보고서의 목차를 만들어달라고 요청할 수 있다.

물론 AI가 만들어준 결과를 그대로 사용하는 것은 위험하다.

내용이 정확한지 확인하고 회사의 상황에 맞게 수정해야 한다.

하지만 초안을 만드는 시간을 줄이는 것만으로도 차이가 생긴다.

20년 가까이 개발자들과 일하면서 느낀 것도 비슷하다.

개발 업무에서 시간이 오래 걸리는 것은 단순히 코드를 작성하는 것만이 아니다.

기존 코드를 읽고 문제의 원인을 찾고 여러 가지 방법을 비교하는 데도 많은 시간이 들어간다.

AI를 적절히 활용하면 이런 과정에서 도움을 받을 수 있다.

결국 AI를 잘 활용하는 사람은 같은 8시간 동안 더 많은 작업을 시도할 수 있는 환경을 갖게 된다.

반면 AI를 전혀 사용하지 않는 사람은 예전 방식 그대로 하나씩 처리해야 한다.

물론 업무의 질까지 자동으로 높아지는 것은 아니다.

하지만 처리할 수 있는 업무의 양에서 차이가 발생할 가능성은 충분히 있다.

자료를 찾고 정리하는 데 걸리는 시간이 달라진다

직장생활을 하다 보면 의외로 많은 시간이 자료를 찾는 데 사용된다.

과거에는 검색엔진에서 여러 자료를 찾아보고 하나씩 읽으면서 필요한 내용을 정리했다.

지금도 검색은 중요하다.

하지만 AI를 활용하면 자료를 어떤 관점에서 정리해야 하는지부터 도움을 받을 수 있다.

예를 들어 새로운 IT 기술을 검토해야 한다면 단순히

“이 기술이 무엇인가?”

라고 묻는 것보다

“우리 회사가 오래된 시스템을 단계적으로 개선한다고 할 때 이 기술을 도입할 때 장점과 위험요소를 정리해줘.”

처럼 질문할 수 있다.

이렇게 질문하면 단순한 기술 설명보다 의사결정에 필요한 관점을 얻는 데 도움이 된다.

내가 현장에서 느끼는 차이도 여기에 있다.

업무를 잘하는 사람은 단순히 정보를 많이 알고 있는 사람이 아니다.

필요한 정보를 빠르게 찾고, 그 정보를 업무에 맞게 정리하는 능력이 있다.

AI는 이 과정의 속도를 높여줄 수 있는 도구다.

따라서 AI를 사용하지 못하면 정보 자체가 부족하다기보다 정보를 업무에 활용하기까지 걸리는 시간이 길어질 수 있다.

혼자 고민하는 시간이 길어질 수 있다

직장에서 일을 하다 보면 막히는 순간이 반드시 생긴다.

보고서의 방향을 잡지 못할 수도 있고, 새로운 시스템을 어떻게 설계해야 할지 고민할 수도 있다.

예전에는 동료에게 물어보거나 관련 자료를 찾아보면서 해결했다.

그 방법이 지금도 가장 중요하다.

하지만 AI를 활용하면 고민하는 과정에서 또 하나의 선택지가 생긴다.

예를 들어 개발자가 시스템 구조를 고민하고 있다면 AI에게 여러 가지 설계 방법의 장단점을 비교해달라고 요청할 수 있다.

AI의 답이 항상 맞는 것은 아니다.

그래서 최종 판단은 사람이 해야 한다.

그럼에도 생각을 시작할 수 있는 출발점을 만들어준다는 점은 상당히 유용하다.

20년 IT 현장에서 개발자들을 관리하면서 느낀 것 중 하나가 있다.

문제를 해결하는 사람과 문제 앞에서 오래 머무는 사람의 차이는 지식의 양만으로 결정되지 않는다.

문제를 어떻게 쪼개서 바라보느냐가 중요하다.

AI는 이 과정에서 생각의 파트너처럼 활용할 수 있다.

“이 문제를 어떤 단계로 나누면 좋을까?”

“가능한 해결 방법을 세 가지로 비교해줘.”

“내가 놓친 위험요소가 있을까?”

이런 질문을 던지는 것만으로도 혼자 생각하는 방식이 달라질 수 있다.

상사나 동료에게 보고할 결과물을 만드는 속도가 달라진다

회사에서는 일을 하는 것만큼 결과를 전달하는 능력도 중요하다.

아무리 좋은 아이디어가 있어도 보고서나 발표자료로 정리하지 못하면 다른 사람에게 제대로 전달하기 어렵다.

특히 IT 업무에서는 이런 일이 자주 발생한다.

개발자는 시스템을 잘 알고 있지만 그것을 비개발자에게 설명하는 것은 또 다른 능력이다.

기술적인 내용을 그대로 설명하면 경영진이나 다른 부서에서는 이해하기 어려울 수 있다.

AI를 활용하면 같은 내용을 대상에 맞게 다시 정리하는 데 도움을 받을 수 있다.

예를 들어 개발자가 기술적인 내용을 작성한 뒤,

“이 내용을 IT를 잘 모르는 경영진이 이해할 수 있도록 설명해줘.”

라고 요청할 수 있다.

또는

“장점보다 위험요소와 비용 측면을 중심으로 다시 정리해줘.”

라고 할 수도 있다.

이런 활용은 단순히 글을 대신 써달라는 것과는 다르다.

내가 가진 지식을 다른 사람이 이해할 수 있는 형태로 바꾸는 도구로 사용하는 것이다.

결과적으로 AI를 잘 활용하는 사람은 업무 결과물을 만드는 데 걸리는 시간을 줄일 수 있다.

AI를 활용하는 사람과 협업하는 능력에서 차이가 생길 수 있다

앞으로 회사에서 AI를 혼자 사용하는 것만 중요한 것은 아니다.

팀 전체가 AI를 활용하는 환경이 만들어질 가능성도 생각해볼 필요가 있다.

예를 들어 한 팀에서 개발자들이 AI를 활용해 코드를 작성하고 문서를 정리하고 테스트 업무를 지원받는 상황을 생각해보자.

이때 AI를 전혀 사용하지 않는 사람은 단순히 자신의 업무 속도만 느린 것이 아니라 팀의 업무 방식과도 차이가 생길 수 있다.

특히 개발팀에서는 이런 변화가 더욱 빠르게 나타날 수 있다.

한 개발자가 AI를 활용해 코드 초안을 만들고 다른 개발자가 그 결과를 검토하는 방식으로 업무가 바뀔 수 있기 때문이다.

이때 중요한 것은 AI가 만든 코드를 무조건 받아들이는 것이 아니다.

오히려 팀원들이 AI의 결과를 함께 검토하고 문제점을 찾아내는 능력이 필요하다.

따라서 앞으로는 사람과 사람의 협업 뿐만 아니라사람과 AI의 협업까지 고려해야 할 가능성이 높다.

그렇다면 AI를 못 쓰면 정말 회사에서 불리해질까?

여기에는 한 가지 중요한 전제가 있다.

AI를 사용한다고 무조건 일을 잘하는 것은 아니다.

AI가 만들어주는 결과가 항상 정확한 것도 아니다.

업무의 맥락을 이해하지 못하거나 잘못된 정보를 제시할 수도 있다.

특히 회사의 중요한 의사결정에서는 AI의 답을 그대로 믿어서는 안 된다.

20년 IT 현장에서 개발자를 관리하면서 가장 중요하다고 느낀 것도 도구보다 기본적인 실력이었다.

문제를 이해하지 못하는 사람이 AI를 사용한다고 갑자기 좋은 개발자가 되는 것은 아니다.

오히려 기본적인 실력이 있는 사람이 AI를 활용했을 때 효과가 더 커질 수 있다.

AI는 사람을 대신해서 최종 판단을 내려주는 만능 도구가 아니다.

사람의 능력을 확대해주는 도구에 가깝다.

그래서 앞으로 중요한 것은 AI를 맹목적으로 사용하는 것이 아니라 자신의 업무에 맞게 활용하는 능력이라고 생각한다.

AI를 처음 사용하는 직장인이라면 무엇부터 해야 할까?

처음부터 어려운 프롬프트를 공부할 필요는 없다.

자신이 매일 반복하는 업무부터 하나씩 생각해보는 것이 좋다.

예를 들어 다음과 같은 업무다.

• 회의 내용 정리
• 보고서 초안 작성
• 이메일 문장 수정
• 자료 요약
• 아이디어 정리
• 엑셀 데이터 분석 방법 찾기
• 업무 일정 정리
• 프로그래밍 오류 원인 찾기

처음에는 AI에게 일을 완전히 맡기는 것보다 도움을 받는 방식으로 시작하는 것이 좋다.

예를 들어 보고서를 AI에게 전부 작성하게 하기보다 내가 생각한 내용을 먼저 정리하고 AI에게 구조를 개선해달라고 요청하는 방식이다.

이렇게 사용하면 AI가 만든 결과를 검토하는 능력도 함께 키울 수 있다.

AI 시대에 더 중요한 것은 ‘AI 사용 능력’만이 아니다

AI를 잘 사용하는 사람이 업무에서 유리해질 가능성은 있다.

하지만 AI 활용 능력 하나만으로 모든 것이 결정되지는 않는다.

업무를 이해하는 능력도 필요하고 사람과 소통하는 능력도 필요하다.

특히 IT 업무에서는 시스템 전체를 바라보는 시각과 문제를 정의하는 능력이 중요하다.

AI에게 좋은 질문을 하기 위해서도 결국 내가 무엇을 해결하려고 하는지 알아야 하기 때문이다.

그래서 앞으로의 직장인에게 필요한 능력을 하나로 표현한다면 나는 이렇게 말하고 싶다.

“AI에게 일을 시키는 사람”보다 “AI를 이용해 자신의 업무를 더 잘하는 사람”이 되어야 한다.

AI를 사용하지 않는다고 당장 직장을 잃는 것은 아니다.

하지만 같은 시간에 더 많은 일을 처리하고 더 빠르게 정보를 정리하며 더 많은 아이디어를 시험할 수 있는 사람이 늘어난다면 업무 경쟁력의 차이는 점점 커질 수 있다.

내가 느낀 점

20년 가까이 IT 현장에서 개발자들과 함께 일하면서 새로운 기술이 등장할 때마다 비슷한 모습을 보았다. 처음에는 새로운 기술을 잘 사용하는 사람이 많지 않았지만, 시간이 지나면 어느 순간 그 기술이 업무의 기본적인 도구가 되어 있었다.

AI도 크게 다르지 않을 것이라고 생각한다.

AI를 사용한다고 해서 갑자기 일을 잘하게 되는 것은 아니다. 오히려 업무를 제대로 이해하지 못하면 AI가 만들어준 결과가 맞는지 판단하기도 어렵다. 개발자라면 코드를 작성하는 능력뿐 아니라 시스템의 구조와 업무의 흐름을 이해해야 하고, 다른 직무에서도 자신이 맡은 업무에 대한 기본적인 이해가 필요하다.

그래서 나는 AI 시대에 직장인이 가장 걱정해야 할 것은 “AI를 못 쓴다”는 사실 자체가 아니라 새로운 도구를 배우려 하지 않는 것​이라고 생각한다.

처음부터 어려운 기술을 공부할 필요는 없다. 내가 매일 반복하는 업무 하나를 AI에게 도움받아보고, 그 결과를 직접 확인해보는 것부터 시작하면 된다.

그렇게 작은 경험이 쌓이면 AI는 더 이상 특별한 기술이 아니라 업무를 처리하는 하나의 도구가 될 것이다.

결국 AI 시대의 경쟁력은 AI에게 일을 얼마나 많이 맡길 수 있느냐에만 달려 있지 않다.

AI에게 일을 맡기고, 그 결과를 판단하고, 최종적으로 책임질 수 있는 사람이 되는 것.

나는 이것이 앞으로 직장인에게 점점 더 중요한 능력이 될 것이라고 생각한다.

AI가 사람의 일을 모두 빼앗을지는 아직 알 수 없다. 하지만 같은 시간에 AI를 활용해 더 많은 일을 시도할 수 있는 사람과 그렇지 않은 사람 사이에는 분명한 차이가 생길 수 있다.

그래서 지금 필요한 것은 AI와 경쟁하는 것이 아니라 AI를 활용하면서도 자신의 판단력을 키우는 것이 아닐까 한다.