PART 4. 통찰 — 미래 산업을 읽는 눈
보고서를 발표하고 나자, 상사가 잠시 멈추며 물었다.
"이 자료… AI로 작성한 건가요?"
표면적으로는 확인 질문이다. 그러나 그 안에는 다른 질문이 숨어 있다. "그럼 당신이 한 게 뭐죠?"
무엇을 조사하고, 어떤 각도로 분석하고, 어떤 메시지를 담을지 결정한 것은 사람이었다. 지휘자는 바이올린도 첼로도 직접 연주하지 않는다. 그러나 서로 다른 악기들이 하나의 음악으로 완성되는 것은, 지휘자가 있기 때문이다.
앞으로 이 질문은 더 자주 들려올 것이다. 그리고 그 질문에 자신 있게 답할 수 있는 사람과 그렇지 못한 사람 사이에, 보이지 않는 선이 그어지기 시작한다.
15주에 걸쳐 우리는 AI라는 건물의 지반을 살펴봤다. 이제 마지막으로 물어야 할 질문이 남았다.
AI라는 건물의 지반에서 인간은 무엇을 하는가.
AGI(Artificial General Intelligence, 범용인공지능)를 둘러싼 논쟁은 2026년 현재도 현재진행형이다. 젠슨 황은 "5년 내"를 말하고, 샘 올트먼은 일부 도달을 주장하며, 얀 르쿤은 "현재 구조로는 불가능하다"고 반박한다. 전문가들 사이에서도 시기 예측은 엇갈린다.
중요한 것은 시기가 아니라 방향이다.
Google DeepMind가 제시한 프레임이 유용하다. AGI는 어느 날 갑자기 켜지는 스위치가 아니라 5단계의 스펙트럼이다. 방사선과 의사보다 정확하게 이미지를 분류하고, 변호사 시험을 통과하고, 수학 올림피아드 문제를 풀기 시작한 지금의 AI는 이미 그 스펙트럼 위에 놓여 있다. AGI를 "한 번에 모든 것을 할 수 있는 날"이 아니라, "분야별로 인간 전문가 수준을 넘어서는 영역이 점차 확대되는 과정"으로 이해할 때, 준비해야 할 것이 달라 보이기 시작한다.
전기가 처음 발명됐을 때 사람들은 "전기가 모든 것을 할 수 있는 날"을 기다리지 않았다. 전기가 들어오는 순서대로, 그 빛 안에서 무엇을 할지를 고민했다. AGI도 마찬가지다.
AI가 더 많은 것을 할수록, 인간만이 할 수 있는 일의 가치가 올라간다.
한국고용정보원이 520개 직업을 분석한 결과, 2027년 직무 대체율은 평균 66.71%에 달할 것으로 전망된다.
그러나 핵심은 다음 대목이다. 사라지는 것은 직업 전체가 아니라, 직업 안의 일부 업무다.
같은 연구에서 2027년 기준 대체율 최하위(3.23%)를 기록한 직업군은 '지휘자'였다. 보고서가 정의하는 지휘자는 오케스트라 지휘자만을 뜻하지 않는다. 리더십, 책임감, 장악력, 적응력 같은 소프트스킬을 바탕으로 기획하고, 지휘하고, 조정하는 직무를 수행하는 모든 직업군을 가리킨다. 이 연재가 처음부터 독자에게 권해온 역할이기도 하다.
McKinsey Global Institute의 2025년 보고서는 이를 더 구체화한다. 현존 기술로 업무 시간의 57%를 자동화할 수 있지만, 이것은 일자리 소멸 예측이 아니다. 오늘날 고용주가 요구하는 스킬의 70% 이상은 자동화 가능 업무와 불가능 업무 모두에 동일하게 적용된다. 기술이 스킬을 없애는 것이 아니라, 스킬의 적용 방식을 바꾸는 것이다.
그렇다면 무엇의 가치가 올라가는가. 세 가지로 정리할 수 있다.
맥락 판단(Contextual Judgment).
AI는 데이터를 처리하지만, '무엇을 물어야 하는가'는 인간이 결정한다. 논리를 구조화하고, 복잡한 개념을 풀어내고, 상대에 맞춰 커뮤니케이션하는 훈련 — 문과생이 수십 년간 쌓아온 바로 그것이다.
신뢰와 책임(Trust & Accountability).
AI는 결과를 내놓을 수 있지만, 책임을 질 수 없다. 이해관계자를 설득하고, 실패에 책임지고, 관계를 이어가는 능력은 구조적으로 인간의 영역에 남는다. 세계경제포럼(WEF)의 '일자리의 미래 보고서 2025'는 2030년 핵심 역량으로 창의적 사고, 분석적 사고와 함께 감성 지능(EQ)을 나란히 제시한다.
통합적 서사(Integrative Narrative).
AI는 숫자를 읽지만, 숫자 뒤에 있는 인간의 맥락을 서사로 만드는 것은 여전히 인간의 일이다. 분석 결과를 보고서로 끝내지 않고, 그것을 왜 지금, 이 조직에, 이 방향으로 적용해야 하는지를 설명하는 능력 — 이것이 AI 시대에 더욱 희소해지는 역량이다.
15주차에서 살펴봤듯, 골드러시 때 금을 캔 사람보다 청바지를 판 사람이 더 안정적으로 돈을 벌었다. AI 시대에도 같은 패턴이 반복된다. 핵심 기술 그 자체보다, 그 기술이 작동하도록 맥락을 설계하고, 사람과 기술 사이를 연결하고, 결과에 책임을 지는 역할이 구조적으로 필요하다. 삼일PwC경영연구원이 지적하듯, AI를 업무 조력자로 활용할 줄 아는 인력이 노동시장 수요를 독차지할 가능성이 높다. 그리고 그 '활용할 줄 아는 인력'이 반드시 개발자일 필요는 없다.
코딩을 몰랐던 것은 결핍이 아니었다. 처음부터 다른 역할을 위한 포지셔닝이었다.
전략은 세 가지 행동으로 압축된다.
첫째, "AI를 쓸 줄 아는 것"을 넘어 "무엇을 물을지 결정하는 사람"이 되어라.
AI 리터러시의 본질은 업무 목표와 제약 조건, 판단 기준을 설정해 AI가 일할 구조를 설계하는 능력이다. 같은 AI를 쓰더라도 어떤 질문을 던지느냐에 따라 결과의 질이 달라진다.
< AI 사용 일지>
매일 AI에게 던진 질문 하나와 그 결과를 짧게 기록한다. 세 가지 기준으로만 평가한다.
• 내가 원하는 방향과 얼마나 가까운가
• 그대로 쓸 수 있는가, 아니면 절반 이상 수정해야 하는가
• 사실 오류나 엉뚱한 내용이 섞여 있는가
수정이 거의 없었다면 좋은 질문이었다는 신호다. 절반 이상을 뜯어고쳤다면 질문 구조에 문제가 있었다는 뜻이다. 거창한 공부보다 이 기록이 훨씬 강력한 훈련이다.
둘째, AI의 판단과 내 판단이 다를 때, 그 간극을 설명할 수 있는 능력을 갖춰라.
AI가 제시한 결론에 동의하지 않을 때 왜 동의하지 않는지 논리적으로 설명하는 능력 — 이것이 전문가와 도구 사용자를 가르는 기준이 된다.
< AI 검수 메모>
AI 결과물을 수정할 때마다 어느 유형인지 분류해 메모한다. 이유를 길게 쓸 필요 없다. 번호 하나만 적으면 된다.
① 사실이 틀렸다 (오류)
② 방향은 맞는데 우리 상황과 맞지 않는다 (맥락 부재)
③ 내용은 괜찮은데 톤이나 표현이 어색하다 (형식 문제)
④ 중요한 내용이 빠졌다 (누락)
한 달이 지나면 패턴이 보인다. "나는 AI에게 맥락을 충분히 주지 않는 경향이 있다"거나 "배경 설명 없이 결론부터 요구한다"는 식으로. 4주차에서 훈련한 편집장의 팩트체크 자세를 일상화하는 것이다.
셋째, AI가 대체할 수 없는 자신만의 고유한 맥락을 쌓는 일에 의도적으로 투자하라.
특정 산업에서 쌓은 경험, 특정 조직에서 만들어온 관계, 특정 문제를 반복적으로 해결하며 축적한 감각 — 이것은 어떤 모델도 파인튜닝으로 복제할 수 없다. 그러나 의도적으로 기록하지 않으면 자신도 인식하지 못한 채 흘러가 버린다.
1. 나만의 케이스북
담당 업무 중 판단이 필요했던 순간들을 짧게 기록한다.
어떤 상황이었는지, 어떤 선택지가 있었는지, 왜 그 결정을 내렸는지, 결과는 어땠는지.
형식은 중요하지 않다.
AI가 효율을 담당할수록 인간의 가치는 맥락을 읽는 능력에서 드러난다. 그 능력은 내가 쌓아온 판단의 기록에서 나온다.
2. 도메인 비교 메모
업계 보고서나 기사를 읽은 뒤 AI에게 두 가지 질문을 던진다.
• 이 내용이 내 직무/업계에 미치는 영향 세 가지를 말해줘.
• 이 주제에서 내가 더 알아야 할 것이 있다면 무엇인가?
AI의 답변과 내가 직접 읽으며 느낀 것을 짧게 비교해 적는다. AI는 일반론을 말하지만, 나는 내 회사, 내 팀, 내 고객을 알고 있다. 그 간극을 기록하는 것이 도메인 맥락을 쌓는 실질적인 방법이다.
위의 세 가지 중 어느 것도 새로운 자격증이나 거창한 공부를 요구하지 않는다. 지금 하고 있는 일 안에서, 조금 더 의식적으로 기록하고 질문하는 것으로 충분하다.
이 프로젝트의 프롤로그는 이 문장으로 시작했다.
코딩은 몰라도, 지휘는 할 수 있습니다.
16주 전, 이 문장이 얼마나 실감 났는가?
AI라는 단어 앞에서 주눅이 들었던 기억, 코딩을 모른다는 사실이 기술의 시대에 뒤처지는 것처럼 느껴졌던 순간 -- 그런 느낌이 있었다면, 이제 다시 묻고 싶다.
그 두려움이 조금은 걷혔는가? 지휘봉을 쥐었다는 감각이 생겼는가?
기술은 도구다. 차갑고 정밀하고 강력한 도구.
그러나 어떤 음악을 연주할지는, 지휘봉을 쥔 사람이 결정한다. 그 사람의 언어로, 그 사람의 판단으로, 그 사람의 책임으로.
16주 전보다 그 지휘봉을 조금 더 단단하게 쥐고 있다면, 이 프로젝트는 제 역할을 다한 것이다.
이것으로 '문과생, AI 전문가 되기' 16주 프로젝트의 본편을 마친다. 거스를 수 없는 AI의 시대 앞에서, 이 글을 쓰게 된 이유와 문과생들에게 진짜로 하고 싶었던 말은 에필로그에서 꺼내려한다.
한국고용정보원 - 인공지능에 의한 화이트칼라의 직무 대체 및 변화 (2025)
KDI 한국개발연구원 - 인공지능으로 인한 노동시장의 변화와 정책방향 (2023)
한국지능정보사회진흥원(NIA) - 2026년 12대 AI·디지털 트렌드 (2025.12)
삼일PwC경영연구원 - AI와 일자리의 미래 (2025/2026)
KISDI 정보통신정책연구원 - 한국 AI 정책 현황 및 발전 방안: OECD AI 원칙을 중심으로 (2025.9)
McKinsey Global Institute - Agents, Robots, and Us: Skill Partnerships in the Age of AI (2025.11)
World Economic Forum - Future of Jobs Report 2025 (2025.1)
Google DeepMind - Levels of AGI: Operationalizing Progress on the Path to AGI (2023)
OpenAI - Preparing for AGI and beyond (공식 블로그)
OECD - AI and the Future of Skills (2025)