2029년 어느 평범한 아침, 한 직장인은 AI 비서가 정리한 일정과 뉴스 요약을 확인하며 하루를 시작한다. 회의 시간을 조정하고 점심 메뉴를 고르는 일부터 자료 조사와 업무 보고까지 AI가 돕는다. 편리해진 일상에서 사람에게 남는 과제는 무엇일까. AI를 잘 활용하는 능력을 넘어, 어떤 결정을 내리고 그 결과에 책임질 수 있는지가 중요해질 수 있다.
2029년 어느 화요일 오전 8시. 직장인 김 씨는 출근 준비를 하며 AI 비서에게 하루 일정을 묻는다. AI는 이메일과 업무 메신저에서 확인한 주요 내용을 요약하고, 오전 회의에 필요한 자료를 정리해 보여준다. 출근길에 도로가 혼잡할 것으로 예상된다며 회의 시작 시간을 15분 늦추는 방안도 제안한다. 김 씨가 동의하자 참석자들의 일정을 확인하고 회의 변경 안내까지 처리한다.
점심시간에는 주변 식당의 대기 상황과 메뉴, 가격을 비교해 선택지를 제시한다. 오후에 작성할 보고서의 기초 자료도 미리 정리해 둔다. 퇴근 후에는 김 씨가 관심을 보인 공연의 일정과 티켓 가격을 확인하고 예약을 도울 수 있다.
이 장면은 먼 미래의 공상과학 영화에만 등장할 이야기는 아니다. 이메일 요약, 일정 관리, 자료 조사, 문서 작성, 예약 지원처럼 여러 단계의 업무를 연결하는 AI 서비스가 발전하면 일상에서 충분히 마주할 수 있는 모습이다. 다만 모든 서비스가 하나의 비서처럼 자연스럽게 연결되고, 별도의 확인 없이 업무를 처리하는 수준에 도달할지는 기술의 발전과 제도, 서비스별 신뢰성에 달려 있다.
AI의 변화는 단순히 질문에 답하는 도구가 하나 더 생기는 데 그치지 않는다. 사용자의 목표를 이해하고 여러 단계를 계획한 뒤 외부 도구를 활용해 결과를 만들어내는 AI 에이전트가 확산하면 사람이 일하는 방식도 달라질 수 있다.
일을 대신하는 AI, 결정하는 사람
지금까지 많은 사람은 업무를 잘한다는 것을 빠르고 정확하게 처리하는 능력으로 이해했다. 자료를 많이 읽고, 계산을 정확하게 하고, 문서를 논리적으로 작성하는 능력이 경쟁력이었다. 그러나 AI가 이런 업무를 상당 부분 대신한다면 평가 기준도 달라질 수 있다. 자료를 얼마나 빨리 모으느냐보다 어떤 자료가 필요한지 판단하는 능력이 중요해진다. 보고서를 얼마나 매끄럽게 작성하느냐보다 무엇을 해결해야 하는지 정의하는 능력이 더 큰 차이를 만들 수 있다.
예를 들어 회사가 매출 감소 문제를 해결하라고 지시했다고 가정해 보자. AI는 매출 자료를 분석하고 경쟁사의 가격과 시장 동향을 비교해 여러 대응 방안을 제시할 수 있다. 광고비를 늘리거나, 판매 가격을 조정하거나, 특정 고객층에 집중하는 방안도 계산할 수 있다. 하지만 어느 방안을 선택할지는 계산만으로 끝나지 않는다. 단기 매출과 장기 수익 중 무엇을 우선할지, 기존 고객과의 신뢰를 어떻게 지킬지, 실패했을 때 어느 정도의 손실을 감수할지 결정해야 한다. 부서 간 이해관계도 조정해야 한다.
AI가 선택지를 정리할 수는 있어도 조직이 무엇을 중요하게 여겨야 하는지까지 자동으로 결정할 수는 없다. 목표와 판단 기준을 정하는 과정에는 사람의 가치관과 책임이 개입한다.
물론 AI가 판단을 보조하는 수준을 넘어 일부 의사결정까지 자동화할 수도 있다. 따라서 사람의 역할이 모든 결정을 직접 내리는 데 있다고만 볼 수는 없다. 오히려 어떤 업무를 자동화할지 정하고, 예외 상황을 구분하며, 결과를 점검하고, 문제가 생겼을 때 책임질 주체를 명확히 하는 능력이 중요해질 것이다.
실력만큼 중요해지는 신뢰
AI가 보편화하면 개인의 능력을 증명하는 방식도 바뀔 수 있다. 이력서에 적힌 학력과 자격증, 시험 성적만으로 실제 업무 능력을 판단하기는 어렵다. AI를 활용하면 문서 작성이나 데이터 분석처럼 기존에 상당한 훈련이 필요했던 작업도 비교적 쉽게 수행할 수 있기 때문이다.
그렇다고 학력과 자격증의 가치가 사라진다는 뜻은 아니다. 전문 지식과 기본 역량을 확인하는 기준은 여전히 필요하다. 다만 그것만으로 지원자가 실제로 어떤 일을 해낼 수 있는지 판단하기는 더욱 어려워질 수 있다.
이때 프로젝트 경험과 작업 결과, 문제를 해결한 과정이 중요한 평가 자료가 될 수 있다. 개발자라면 직접 만든 프로그램과 코드의 품질이, 기획자라면 문제를 정의하고 실행 계획을 세운 경험이, 기자라면 취재와 사실 확인을 거쳐 완성한 기사가 역량을 보여주는 근거가 될 수 있다. 중요한 것은 결과물의 개수만이 아니다. 어떤 문제를 발견했고, 어떤 근거로 판단했으며, 다른 사람과 어떻게 협력했고, 잘못된 결과를 어떻게 바로잡았는지가 함께 드러나야 한다.
신뢰 역시 비슷하다. 맡은 일을 제때 끝내는 사람, 모르는 사실을 아는 척하지 않는 사람, 실수를 숨기지 않고 수정하는 사람, 자신의 권한을 함부로 사용하지 않는 사람은 함께 일할 때 예측 가능한 상대가 된다. 이런 행동이 반복되면 더 큰 권한과 책임을 맡길 근거가 쌓인다.
AI가 업무를 대신할수록 사람에게 일을 맡기는 이유도 달라질 수 있다. 단순히 일을 잘 처리하는 사람을 넘어, 제한된 정보 속에서 판단하고 결과를 설명할 수 있는 사람이 필요해지는 것이다.
모든 기록이 신뢰를 증명하지는 않는다
AI가 개인의 활동을 기록하고 분석하는 환경에서는 디지털 흔적도 중요해질 수 있다. 업무용 시스템에 남은 프로젝트 기록, 협업 문서의 수정 이력, 고객 문의에 대응한 내역은 개인의 기여를 확인하는 데 도움을 준다. 결과만으로 드러나지 않던 협업 과정과 문제 해결 노력을 살펴볼 수 있다는 점도 장점이다.
하지만 기록이 많다고 해서 평가가 정확해지는 것은 아니다. 메신저에 메시지를 많이 남긴 사람이 실제로 더 큰 기여를 했다고 볼 수는 없다. 문서를 자주 수정한 사람이 처음부터 완성도 높은 결과를 만든 사람보다 반드시 뛰어나다고 말할 수도 없다. 동료의 문제를 조용히 해결하거나 다른 사람의 성과를 뒷받침하는 업무는 시스템에 충분히 기록되지 않을 수 있다.
AI가 기록을 분석하더라도 기록되지 않은 기여를 저절로 알아낼 수는 없다. 잘못된 자료를 학습하거나 특정 행동을 성과로 간주하도록 설계하면 평가 결과도 왜곡될 수 있다.
개인의 생활 기록을 활용할 때는 문제의 범위가 더 커진다. 건강관리 앱이 운동량을 기록하고, 보험사가 일정한 건강 활동에 혜택을 제공하는 방식은 개인의 건강관리를 돕는 선택지가 될 수 있다. 그러나 운동 기록이나 식사 정보가 보험료, 채용, 대출 등 다른 영역의 판단에 활용된다면 이야기가 달라진다.
건강 상태와 생활 습관에는 개인이 통제하기 어려운 조건도 있다. 기록이 부족하다는 이유만으로 성실하지 않다고 판단하거나, 특정한 생활 방식을 따르지 않는다는 이유로 불이익을 주어서는 안 된다. 기록의 활용 목적과 범위를 제한하고, 잘못된 정보에 이의를 제기할 수 있어야 한다. 디지털 흔적은 사람을 이해하는 자료이지, 사람 전체를 대신하는 판정문이 아니다.
편리함과 감시 사이에서
AI 비서가 개인의 일정과 취향을 잘 이해하려면 상당한 정보가 필요하다. 업무 메일과 일정, 소비 기록, 건강 데이터, 자주 만나는 사람과의 대화 등이 연결될수록 맞춤형 서비스는 정교해질 수 있다.
그러나 더 많은 정보를 제공한다고 해서 언제나 더 나은 서비스를 받는 것은 아니다. 정보가 어디에 저장되는지, 누가 접근할 수 있는지, 다른 목적으로 사용되는지 알기 어렵다면 편리함은 불안으로 바뀔 수 있다.
직장에서도 마찬가지다. AI가 업무 진행 상황을 분석해 병목을 찾는 것은 도움이 될 수 있다. 반면 키보드 입력 횟수나 컴퓨터 사용 시간만으로 직원의 생산성을 평가한다면 중요한 업무가 누락될 가능성이 크다. 깊이 생각하고 문제를 해결하는 시간은 화면에 활동이 적게 나타날 수도 있기 때문이다.
따라서 AI를 활용한 평가에는 명확한 원칙이 필요하다. 무엇을 측정하는지, 그 자료를 어떤 판단에 사용하는지 공개해야 한다. 개인에게 불리한 결과가 나왔을 때 설명을 요구하고 정정할 수 있는 절차도 마련해야 한다. 민감한 정보는 목적에 필요한 범위에서만 수집해야 한다.
기술이 발전했다고 해서 감시가 불가피한 미래가 되는 것은 아니다. 무엇을 기록하고 누구에게 공개할지는 기술의 성능만이 아니라 사회가 정할 문제다.
AI에게 맡길 일과 사람이 지킬 일
퇴근 시간이 가까워진 김 씨에게 AI 비서가 공연을 추천한다. 평점은 높지 않고 가격도 다소 비싸지만, 동료가 재미있다고 이야기한 실험극이다. AI는 이동 시간과 비용을 계산해 다른 공연을 권한다. 김 씨는 잠시 고민하다가 원래 관심을 가졌던 공연을 선택한다. 막상 관람해 보니 기대보다 훨씬 즐겁다. AI가 분석한 평점과 가격만으로는 자신이 직접 경험할 때 느낄 만족감을 완전히 예측하지 못했던 셈이다.
이런 선택은 AI가 틀렸다는 증거라기보다 의사결정의 기준이 서로 달랐다는 사실을 보여준다. AI는 일반적인 평가와 비용, 이동 시간을 비교했지만 김 씨는 새로운 경험을 해보고 싶었다. 합리적인 선택은 언제나 비용을 줄이고 성공 확률을 높이는 선택과 같지 않다. 사람은 때로 결과를 정확히 예측할 수 없어도 새로운 일을 시도한다. 당장 이익이 되지 않더라도 배우고, 누군가를 돕고, 익숙하지 않은 분야에 도전한다. 이러한 선택은 개인이 중요하게 여기는 가치와 삶의 방향을 드러낸다.
AI가 더 많은 일을 맡게 될수록 사람은 무엇을 해야 하는지뿐 아니라 무엇을 하지 않을지도 결정해야 한다. 자동으로 처리할 수 있는 일이라고 해서 반드시 자동화해야 하는 것은 아니다. 효율이 높아져도 사람과 직접 대화하는 편이 나은 순간이 있고, 데이터로 설명하기 어려워도 지켜야 할 원칙이 있다.
AI를 잘 활용한다는 것은 모든 판단을 AI에 넘기는 일이 아니다. 반복 업무는 맡기되 중요한 결정의 기준을 직접 세우고, 결과를 확인하며, 필요한 경우 자동화된 절차를 멈출 수 있어야 한다.
기술이 바뀌어도 책임은 남는다
AI가 일상에 깊이 들어오는 미래는 사람에게 더 많은 시간을 돌려줄 가능성이 있다. 반복적인 문서 작업과 일정 조정, 정보 검색에 쓰던 시간을 관계를 돌보고 새로운 아이디어를 구상하는 데 사용할 수 있다.
하지만 기술이 발전한다고 해서 모든 사람이 자동으로 더 여유로워지거나 사회가 더 공정해지는 것은 아니다. AI를 이용할 수 있는 환경의 차이, 자동화로 인한 일자리 변화, 정보 접근성의 격차, 데이터와 권한의 집중 같은 문제도 함께 나타날 수 있다.
개인에게는 AI가 만든 결과를 확인하는 습관이 필요하다. 조직에는 자동화의 범위와 책임 소재를 정하는 기준이 필요하다. 사회에는 개인정보를 보호하고, 잘못된 평가를 바로잡으며, 기술 변화로 불이익을 겪는 사람을 지원할 제도가 필요하다.
앞으로 경쟁력은 AI보다 더 많은 정보를 기억하거나 더 빠르게 문서를 작성하는 능력에서만 나오지 않을 것이다. 문제를 정확하게 정의하고, 서로 다른 선택지의 가치를 비교하며, 다른 사람의 신뢰를 얻고, 결정의 결과를 책임지는 능력이 중요해질 수 있다.
AI는 우리의 일을 줄여줄 수 있다. 그러나 어떤 삶을 살 것인지, 무엇을 중요하게 여길 것인지까지 대신 정해주지는 않는다. 기술이 일상의 많은 일을 처리하는 시대일수록 사람은 자신이 내린 결정의 이유를 설명할 수 있어야 한다.
결국 AI 시대에 필요한 것은 기계보다 똑똑해지는 경쟁만이 아니다. 기계가 잘하는 일은 맡기고, 사람이 판단해야 할 일은 신중하게 선택하며, 그 선택에 책임지는 사회를 만드는 일이다. 편리함이 커질수록 우리가 지켜야 할 기준도 더욱 분명해져야 한다.
윤교원 대표 / The K Media & Commerce, kyoweon@naver.com
[이 기사의 저작권은 이비즈타임즈에 있습니다]
){kind=small}
){kind=small}
){kind=small}
){kind=small}
