AI 보조는 놀라워도, 완전 대체는 드물다(AI가 전체 업무를 대신할 수 없음).

Source: Dev.to

AI 증강: 놀라움. AI 대체: 드물음 (전체 업무 중 일부분만 수행 가능).

“AI가 당신의 일을 빼앗을 것이다”라는 예측은 분석 단위를 계속해서 잘못 잡고 있다. 직업은 여러 작업이 모여 있는 번들이며, AI는 그 스택의 일부만 다룰 수 있다.
법무팀이 3명의 파라리걸이 2주 동안 해야 했던 문서 검토를 방금 마쳤다. AI는 이를 4시간 만에 끝냈다. 이제 CFO가 당연히 묻는다: “우리는 아직 파라리걸이 필요할까?”
그 질문은 타당해 보인다. 답은 ‘예’다. 왜 그런지에 대한 혼란은 직업이 실제로 무엇인지에 대한 중요한 통찰을 보여준다.

사람들이 “AI가 일자리를 빼앗을 것이다”라고 말할 때, 두 가지 다른 개념을 혼동하고 있다.

• 작업(task) 은 독립적인 작업 단위다: “이 계약을 요약한다”, “이 데이터셋에서 이상치를 식별한다”, “이 이메일 초안을 만든다”.
• 직업(job) 은 수십 개의 작업을 묶은 것이며, 그 작업들을 연결하는 판단, 결과에 의미를 부여하는 관계, 그리고 문제가 발생했을 때 책임까지 포함한다.

AI는 작업에는 정말 잘한다. 하지만 직업 전체를 담당할 수는 없다.

파라리걸이 한 달 동안 실제로 하는 일을 생각해 보라. 문서 검토는 아마 전체의 30% 정도일 것이다. 나머지는 다음과 같다.

• 누적된 패턴 인식을 바탕으로 변호사에게 사건 전략을 조언
• 어조를 읽고 신중함을 요구하는 고객 커뮤니케이션 관리
• 생산된 문서 중 전략적으로 중요한 것과 단순히 응답용인 것을 구분
• 회사의 위험 허용도와 고객 이력을 담은 조직적 지식 보유
• 작업 결과에 대해 (전문적·법적 의미에서) 책임을 진다

AI는 문서 검토를 완료했지만, 나머지는 할 수 없다. 이제 문서 검토를 덜 하게 된 파라리걸은 남은 일을 더 잘 할 시간이 생긴 것이다.

직업은 다차원적이다. 작업은 일차원이다.

모든 직업을 차원의 스택으로 생각해 보라. 각 차원은 “AI가 신뢰성 있게 처리한다”에서 “AI가 어려워 인간이 필수적이다”까지의 스펙트럼을 설명한다:

• 볼륨 및 패턴 인식: AI가 압도적으로 승리한다. 200,000개의 문서를 처리하거나, 방사선 영상을 이상 징후를 찾아보거나, 대규모 사기 거래를 플래그하는 등, 고볼륨·패턴 풍부 작업에서 AI는 속도와 일관성 면에서 인간을 능가한다(특히 새벽 2시).
• 불확실성 하의 판단: 인간이 승리한다. 사실이 불완전하고, 이해관계자가 까다롭고, 선례가 없으며, 실수가 큰 결과를 초래할 때 AI는 그럴듯한 답변을 내놓는다. 인간은 자신이 모르는 것을 안다(대부분).
• 관계적 복잡성: 인간이 승리한다. 계약 협상은 단순히 조항을 파싱하는 것이 아니라, 방을 읽고, 상대방이 실제 원하는 바와 요구하는 바를 구분하며, 얼마나 강하게 밀어붙일지를 결정하는 일이다. AI는 대화를 준비시킬 수는 있지만, 실제 대화를 가질 수는 없다.
• 책임: 기본적으로 인간이 승리한다. 결과에 대한 소유자가 필요하다. AI는 전문 면허가 없고, 소송당할 수 없으며, 위험을 감수할지 판단할 수 없다. AI 지원 작업이 잘못될 경우, 고객이나 규제 기관 앞에 서는 것은 여전히 인간이다.
• 새로운 프레이밍: 현재는 인간이 승리한다. 올바른 질문을 식별하고(누구도 아직 정의하지 않은 문제를 해결할 가치가 있는지를 결정) 하는 일은 아직 주로 인간 영역이다.

대부분의 직업은 이 다섯 차원을 모두 포함한다. 현재 AI는 첫 번째 차원에서는 뛰어나지만, 나머지 네 차원에서는 여전히 어려움을 겪는다.

MIT 경제학자 다론 아세모글루는 2024년 AI 거시경제학에 관한 작업 논문에서 비슷한 점을 더 정밀하게 제시했다[1]. 그의 주장: AI의 생산성 향상은 실제이며, 하지만 각 직업 내의 좁은 작업 슬라이스에만 집중된다. 그는 평균 직업의 약 5% 작업만이 현재 형태의 AI에 의해 실질적으로 영향을 받는다고 추정했다(고볼륨·패턴 풍부 슬라이스). 나머지 95%는 그가 “다중 작업 유동성”(판단, 관계 업무, 새로운 상황, 도메인별 즉흥성을 하루 동안 전환하는 능력)이라 부르는 능력을 요구하며, 현재 시스템이 신뢰성 있게 처리할 수 없는 영역이다. 그의 예상 경제 성장 기여도는 연간 0.07% 정도다. 이는 낙관론자들이 제시하는 5~10%와는 거리가 있다. 그의 5% 수치는 분야 내 가장 보수적인 추정이며, 골드만삭스는 결국 **25%**의 업무가 자동화 가능하다고, 펜·워튼은 **40%**의 노동 소득이 위험 구역에 놓여 있다고 추정한다[2]. 정답은 그 사이 어딘가에 있을 것이며, 이는 충분히 큰 영향을 미치면서도 단일 예측에 대해 겸손해야 함을 의미한다.

유동성(point)이라는 측면은 충분히 평가되지 않는다. 파라리걸은 문서 검토에 8시간을 쏟고 퇴근하지 않는다. 90분 동안 문서 검토를 하고, 이어서 공감과 신중함이 필요한 고객 통화를 하고, 전략적 판단이 필요한 메모를 작성하고, 갑작스러운 질문에 대해 조직적 기억을 끌어내야 한다. 전환 자체, 즉 어떤 인지 모드를 적용할지 판단하기 위해 상황을 읽는 과정은 AI가 할 수 없는 일이다. 작업은 개별적으로 자동화될 수 있지만, 하루 동안 일어나는 전환들의 연속인 직업 전체는 자동화되지 않는다.

의료·법률·기술 분야를 아우른 메타분석은 일관된 성과 계단을 보여준다: 인간 단독 68%, AI 단독 77%, 인간+AI 80%, 완전 협업 프레임워크 88%[3]. AI 단독과 완전 인간‑AI 협업 사이의 격차는 AI 단독과 인간 단독 사이의 격차보다 크다. 짝짓기가 중요하다.

Gartner의 2026년 5월 연구(350명 경영진 대상)는 조직적 이해관계가 중요함을 재확인한다. AI를 증강에 활용한 기업이 AI를 대체에 활용한 기업보다 성과가 좋다. Gartner 부사장 Helen Poitevin은 “인력 감축은 예산 여유를 만들 수는 있지만