Q. 지난달 새로 들어온 옆자리 신입은 AI 도구를 척척 써서 같은 일을 절반의 시간에 끝냅니다. 마흔이 넘었는데 새로운 기술을 또 배워야 하나 싶어 피곤함이 먼저 밀려옵니다. 시대의 흐름에 맞춰 코딩이라도 배워야 하나 싶다가도 그냥 하던 대로 버텨볼까 하는 마음도 듭니다.

지금 시작한다고 AI 전문가가 될 수는 없겠지만, 이것이 단순한 유행인지 생존의 문제인지 궁금합니다.

A. 그 마음 충분히 이해합니다. 마흔은 위아래로 치이고, 책임은 늘어나고, 새로운 기술을 배워야 한다는 말에는 조급함과 피로가 함께 따라오는 시기입니다.

저도 비슷한 과정을 겪었습니다. 처음에는 AI에게 일을 맡기는 게 낯설어서 한동안 직접 처리하곤 했죠. 

하지만 ‘AI 에이전트’는 점점 신입 팀원처럼 우리 업무 안으로 들어오고 있습니다.  우리가 진짜 배워야 할 것은  코딩이 아니라 AI라는 새로운 팀원과 함께 일하는 방식입니다.

AI 잘 쓰는 신입 옆에서, 

마흔의 나는 무엇을 배워야 할까?
오늘 보낼 메일 한 통부터 시작하는 직장인 AI 사용법

AI 에이전트, 신입 팀원이 하나 더 들어온 것입니다

예를 들어 30분 뒤 회의가 있는데, 아직 발표자료의 방향이 잡히지 않았다고 해봅시다. 예전 같으면 빈 슬라이드 앞에서 무엇부터 써야 할지 막막했을 것입니다. 하지만 이제는 AI에게 이렇게 요청할 수 있습니다.

“이번 회의에서 결정해야 할 쟁점과 선택지를 정리해줘. 예상되는 찬반 논리와 질문, 답변까지 함께 정리해줘.”

AI는 자료와 의견을 바탕으로 안건의 방향을 구조화하고, 토론에 필요한 자료 초안까지 만들어줍니다. 단순히 문장을 고쳐주는 수준을 넘어, 하나의 업무 단위를 맡아 처리하는 방식으로 진화하고 있는 것입니다.

이것이 요즘 말하는 ‘AI 에이전트’입니다. 사람이 목표를 정해주면, 그 목표에 도달하기 위한 과정을 스스로 설계하고 결과물까지 만들어내는 시스템입니다. 예전의 AI가 옆에서 문장을 제안하는 보조 도구였다면, AI 에이전트는 신입 팀원처럼 일을 맡아 처리하는 존재에 가까워지고 있습니다.

물론 신입 팀원에게 처음부터 중요한 일을 통째로 맡기지는 않습니다. 어떤 배경에서 나온 일인지, 결과물은 어떤 형식이어야 하는지, 어디까지 판단하고 어디서 멈춰야 하는지 알려줘야 합니다. 

AI도 마찬가지입니다. 목적을 분명히 알려주고, 필요한 맥락을 제공하고, 나온 결과를 사람이 다시 검토해야 합니다.

AI는 빠르게 일할 수 있지만, 업무의 책임까지 대신 지지는 못합니다. 조직 안의 미묘한 맥락, 고객과의 신뢰, 최종 판단의 무게는 여전히 사람에게 남아 있습니다. 

그래서 중요한 것은 AI에게 일을 빼앗기지 않는 법이 아니라, AI에게 어떤 일을 맡기고 어떤 부분은 내가 직접 판단해야 하는지 아는 감각입니다.

결국 직장인이 배워야 할 것은 거창한 코딩이 아닙니다. 새로운 팀원에게 일을 잘 맡기는 법, 다시 말해 AI와 함께 일하는 방식입니다. 경험이 많은 사람일수록 무엇을 맡겨도 되는지, 어디를 반드시 확인해야 하는지 더 잘 압니다. AI 시대에 베테랑의 안목이 오히려 더 중요해지는 이유도 여기에 있습니다.

업무 현장에서 이미 달라지고 있는 것들

변화는 이미 구체적으로 나타나고 있습니다. 회의 결과를 정리하는 데 한나절 걸리던 일이 한 시간 안에 끝나고, "매출 분석 보고서 목차 잡아줘" 한마디로 문서의 초기 설계안이 나옵니다. 광고 카피는 타깃별로 열 가지 버전을 한 번에 받아볼 수 있고, 채용 시즌 이력서 1차 분류에 걸리던 며칠이 크게 단축됩니다.

AI로 인한 변화는 사무실 안에서만 일어나지 않습니다. 부산의 한 철강 회사 정련 공정에서는 불량을 막기 위해 부자재를 필요량보다 조금 더 넣어오던 관행이 있었는데, 머신러닝 모델이 최적 투입량을 실시간으로 제시하자 불량과 부자재 사용량이 함께 줄었습니다. 

그리고 그 숫자를 들여다보던 30년 경력의 베테랑이 "왜 내가 그동안 그 양을 넣어왔는지" 스스로 설명하기 시작했다고 합니다. AI가 사람의 경험을 대체한 것이 아니라, 그 경험을 설명 가능한 지식으로 끌어낸 사례입니다.

결국 AI가 바꾸는 것은 직업의 이름이 아니라 일의 순서입니다.

자료를 찾고, 정리하고, 초안을 만드는 시간은 줄어듭니다. 대신 무엇이 중요한 문제인지 정하고, AI가 만든 결과를 검토하고, 사람에게 맞는 방식으로 전달하는 일이 더 중요해집니다. 그래서 앞으로의 직장인은 “내 일을 AI가 대신할까?”만 걱정해서는 안 됩니다.

오히려 이렇게 물어야 합니다.

“내 업무 중 AI에게 맡겨도 되는 일은 무엇일까?”
“AI가 만든 결과 중 내가 반드시 판단해야 할 부분은 어디일까?”
“남는 시간을 더 중요한 일에 쓰려면 내 역할을 어떻게 바꿔야 할까?”

AI는 이미 회의록, 보고서, 광고 카피, 채용 검토, 영업 분석 안으로 들어왔습니다. 이제 차이는 AI를 쓰느냐 마느냐가 아니라 AI가 만든 초안을 그대로 받아들이는 사람과, 자신의 경험으로 다시 다듬는 사람 사이에서 벌어집니다.

오늘 보낼 메일 한 통부터 시작해도 됩니다

그렇다면 어디서부터 시작해야 할까요?

거창한 계획을 세우거나 코딩 책을 새로 살 필요는 없습니다. AI를 처음 업무에 붙일 때 가장 좋은 방법은 작고 익숙한 일 하나를 맡겨보는 것입니다. 오늘 보낼 메일의 톤을 다듬거나, 회의 안건의 목차를 잡아보거나, 보고서의 긴 문장을 짧게 정리해보는 정도면 충분합니다.

처음부터 중요한 업무 전체를 AI에게 맡기려고 하면 부담이 커집니다. 반대로 아주 작은 일부터 맡겨보면 감이 생깁니다. “이 정도는 맡겨도 되겠구나”, “여기는 내가 다시 봐야겠구나” 하는 기준이 조금씩 생기기 때문입니다.

예를 들어 오늘 거래처에 보낼 메일을 이렇게 요청해볼 수 있습니다. “아래 메일 초안을 더 정중하고 간결하게 다듬어줘. 상대는 오래 거래한 고객사 담당자이고, 이번 주 안에 회신을 부탁해야 하는 상황이야.”

이 정도만 해도 AI는 문장의 톤을 정리하고, 과하게 딱딱한 표현이나 불필요하게 긴 문장을 줄여줍니다. 핵심은 처음부터 글 전체를 맡기는 것이 아니라, 내가 쓴 초안을 마지막 단계에서 다듬는 보조 도구로 쓰는 것입니다. 문장 한 줄을 고치느라 오래 붙잡고 있던 시간이 크게 줄어들 수 있습니다.

회의 전에도 AI를 활용할 수 있습니다. 회의 자료를 모두 만들라고 맡기기보다, 먼저 쟁점을 정리해보는 식입니다.

“이 안건에서 놓칠 수 있는 쟁점은 무엇일까?”
“반대 의견은 어떤 것이 나올 수 있을까?”
“회의에서 꼭 확인해야 할 질문은 무엇일까?”

이렇게 물어보면 회의에 들어가기 전에 생각의 빈틈을 미리 점검할 수 있습니다. AI는 답을 대신 내려주는 존재라기보다, 더 좋은 질문을 준비하게 해주는 상대가 될 수 있습니다.

다만 잘 쓰려면 잘 물어야 합니다. “보고서 써줘”라고만 하면 누구에게나 적용될 법한 두루뭉술한 답이 나옵니다. 하지만 “신규 고객 유입이 줄어든 이유를 분석하는 내부 보고서 목차를 만들어줘. 대상 독자는 팀장이고, 광고비·재구매율·유입 채널 변화를 중심으로 정리해줘”라고 말하면 훨씬 쓸모 있는 결과가 나옵니다.

AI에게 일을 맡길 때는 이 세 가지를 꼭 넣어보세요. 

상황, 대상, 목적

누구를 위한 결과물인지, 어떤 상황에서 쓰는지, 무엇을 얻고 싶은지 알려줄수록 답은 달라집니다.

물론 결과는 반드시 다시 확인해야 합니다. AI는 그럴듯하게 틀릴 수 있습니다. 책 제목, 인용문, 통계 수치, 법 조항, 사람 이름처럼 사실 확인이 필요한 내용은 원본을 확인해야 합니다. AI가 만든 문장이 매끄럽다고 해서 그 내용까지 모두 맞는 것은 아닙니다.

처음부터 완벽하게 쓰려고 하지 않아도 됩니다.

오늘 보낼 메일 한 통을 다듬어보고, 내일 회의의 질문 세 가지를 뽑아보고, 이번 주 보고서 목차를 한 번 잡아보는 것. 이 정도의 작은 경험만으로도 막연한 두려움은 줄어듭니다.

AI를 업무에 들이는 첫걸음은 거창한 공부가 아닙니다. 내가 매일 하던 일 하나를 AI와 함께 다시 해보는 것입니다.

진짜 강점은 경험에서 나온다

AI 시대에 뒤처지지 않으려면 자격증부터 따야 할까요? 코딩을 새로 배워야 할까요? 

물론 배우는 일은 언제나 도움이 됩니다. 하지만 직장인에게 더 중요한 것은 도구를 실제 업무에 붙여본 경험입니다.

40대 직장인이 가진 가장 큰 강점은 현장의 문제를 알고 있다는 점입니다. 어떤 보고서가 실제로 쓸모 있는지, 고객이 어떤 말에 반응하는지, 회의에서 어떤 쟁점이 빠지면 나중에 문제가 되는지, 숫자는 맞아 보여도 어디가 이상한지 알아차리는 감각은 하루아침에 생기지 않습니다.

AI는 빠르게 초안을 만들고, 자료를 정리하고, 여러 대안을 제시할 수 있습니다. 하지만 그 결과가 현실에 맞는지 판단하는 일은 여전히 사람의 몫입니다. 겉보기에는 매끄러운 문장이라도 회사의 상황과 맞지 않을 수 있고, 그럴듯한 분석이라도 현장의 맥락을 놓칠 수 있습니다.

그래서 경험 많은 사람일수록 AI를 더 잘 쓸 수 있습니다. 무엇을 물어봐야 하는지 알고, 어떤 결과가 이상한지 알아차리며, 어디까지 맡기고 어디부터 직접 봐야 하는지 판단할 수 있기 때문입니다. AI가 만든 답을 그대로 받아들이는 사람과 자신의 경험으로 다시 다듬는 사람의 차이는 여기서 벌어집니다.

새 팀원이 들어왔다고 베테랑의 역할이 사라지는 것은 아닙니다. 오히려 그 팀원에게 일을 어떻게 맡길지 아는 사람이 더 큰 성과를 낼 수 있습니다. 

AI도 마찬가지입니다. 중요한 것은 AI보다 빠르게 일하는 사람이 되는 것이 아니라, AI가 빠르게 만든 결과를 제대로 판단하고 방향을 잡아주는 사람이 되는 것입니다.

이런 변화는 결국 “AI에 쫓기는 사람”에서 “AI를 부리는 사람”으로 이동하는 일입니다. AI에 쫓기는 사람은 도구가 만든 결과에 끌려갑니다. 반대로 AI를 부리는 사람은 먼저 목적을 정하고, 필요한 일을 나누고, 결과를 검토하며 자신의 판단으로 마무리합니다.

관리자의 역할도 달라집니다. 예전에는 사람 후배 몇 명을 관리했다면, 이제는 사람과 AI 에이전트를 함께 관리해야 합니다. 어떤 일은 사람에게 맡기고, 어떤 일은 AI에게 맡길지, AI가 만든 결과를 누가 검토할지 정하는 능력이 중요해집니다.

다만 한 사람이 혼자 앞서간다고 조직 전체가 바뀌지는 않습니다. 누군가는 AI로 회의록을 정리하고 있는데, 다른 누군가는 여전히 손으로 정리한다면 일하는 방식은 쉽게 바뀌지 않습니다. 

팀 안에서 어떤 업무에 AI를 써도 되는지, 어떤 정보는 넣으면 안 되는지, 결과는 누가 확인할지에 대한 최소한의 약속이 필요합니다.

결국 직장인의 진짜 강점은 AI를 얼마나 많이 아느냐에만 있지 않습니다. 자신의 일을 얼마나 깊이 이해하고 있는지, AI에게 무엇을 맡기고 무엇을 직접 판단해야 하는지 아는 데 있습니다.

지금 당장 거창한 코딩 책을 살 필요도, 전문가가 될 필요도 없습니다.  오늘 보낼 메일 한 통을 다듬어보고, 회의 쟁점을 정리해보고, 보고서 목차를 잡아보는 작은 경험부터 시작하면 됩니다. 

그렇게 쌓인 경험이 AI 시대의 가장 현실적인 경쟁력이 됩니다.

이 글은 7월 15일 출간 예정인 『AI가 두려운 당신에게』의 일부를 바탕으로 구성한 선공개 콘텐츠입니다.

『AI가 두려운 당신에게』는 초거대 AI ‘엑사원’을 개발한 AI 전문가이자 대한민국 AI 정책을 총괄하는 배경훈 부총리가 국민이 가장 궁금해하는 AI 질문 14가지에 답하는 책입니다.

아이 교육, 직장인의 AI 활용, 회사 자료 보안처럼 일상에서 흔히 마주하는 고민부터 한국형 AI, 딥페이크와 가짜뉴스, 일자리, 의료·돌봄·산업 변화까지 AI 시대에 꼭 필요한 질문을 다룹니다.

이 책은 “AI를 두려워하지 마세요”라는 말에서 멈추지 않습니다. 무엇을 알아야 하는지, 무엇부터 써봐야 하는지, 어떻게 준비해야 뒤처지지 않는지를 기술과 정책, 산업과 일상의 언어로 쉽게 풀어냅니다.

AI를 피할 수 없다면, 이제는 질문하고 이해하고 활용할 차례입니다. 『AI가 두려운 당신에게』에서 AI 시대를 살아가는 데 필요한 14가지 답변을 먼저 만나보세요.