AI on Seunghoon Choi

AI는 인간의 일을 어떤 순서로 대체하는가: 정답 있는 일부터 인간의 존재까지

Sun, 21 Jun 2026 17:44:27 +0900

16단계 목록은 예언이 아니라, 어떤 업무가 어떤 조건에서 먼저 자동화될지 비교하기 위한 기준표다.

내 일도 AI로 대체될까.

이 질문은 이제 농담이 아니다. 번역은 이미 기계가 한다. 코드는 AI가 같이 짠다. 병원에서는 AI가 영상을 먼저 훑고, 사람들은 AI가 추천한 영상과 글을 본다.

그러면 다음은 무엇일까. 내 일은 언제 차례가 올까. 중요한 건 AI가 모든 업무를 한 번에 대체하지 않는다는 점이다. 먼저 대체되는 일이 있고, 한참 뒤에야 대체 압력을 받는 일이 있다. 그 순서에는 이유가 있다. 이 글에서는 어떤 업무가 먼저 AI로 대체되는지 16단계로 정리한다.

정답이 있는 일부터 대체된다: AI 일자리 대체 1~5단계

Sun, 21 Jun 2026 17:44:00 +0900

정답이 정해진 업무는 담당자의 자존심과 무관하게 자동화 대상이 먼저 된다.

내 일도 AI로 대체될까. 이 질문에 답하려면 먼저 순서를 봐야 한다. AI는 모든 업무를 한 번에 대체하지 않는다. 먼저 대체되는 일이 있고, 한참 뒤에야 대체 압력을 받는 일이 있다. 그중 가장 먼저 대체 압력을 받는 것은 정답을 확인하기 쉬운 일이다.

번역이 맞는지, 코드가 돌아가는지, 계산이 맞는지, 진단이 맞았는지, 광고 문구가 클릭을 불렀는지. 이런 일은 결과를 확인할 수 있다. 결과를 확인할 수 있으면 점수를 매길 수 있고, 점수를 매길 수 있으면 AI는 빠르게 배운다.

AI 일자리 대체 6~8단계: 반복적인 육체노동부터 판단과 감각까지

Sun, 21 Jun 2026 17:43:00 +0900

로봇은 힘이 부족해서가 아니라, 작업 현장마다 조건이 달라지기 때문에 같은 행동을 반복하기 어렵다.

정답 있는 업무가 AI로 먼저 대체된다면, 다음 질문은 자연스럽다. 몸으로 하는 일은 안전할까.

번역, 코딩, 요약, 분석은 대부분 문장, 파일, 로그 같은 결과를 확인하고 다시 고칠 수 있는 일이다. 틀려도 다시 돌리면 된다. 하지만 몸으로 하는 일은 다르다. 로봇이 움직여야 하고, 물건이 부딪히고, 재료가 망가지고, 사람이 다칠 수 있다.

그래서 육체노동은 지식 업무보다 늦게 대체된다. 하지만 늦게 대체된다는 말은 안전하다는 뜻이 아니다. 물리 세계의 시행착오 비용이 높아서 시간이 더 걸릴 뿐이다. 로봇이 보고, 집고, 움직이고, 실패에서 배우는 비용이 내려가면 몸으로 하는 일도 차례대로 대체 압력을 받는다.

결정권은 한 번에 이동하지 않는다: AI 일자리 대체 9~14단계

Sun, 21 Jun 2026 17:42:00 +0900

결정권은 AI가 더 잘한다는 표만으로 이동하지 않는다. 사고가 났을 때 누가 책임질지 정해져야 한다.

병원에서 MRI를 찍으면 화면에 의심 부위가 먼저 표시된다. AI가 영상을 훑고, 이상해 보이는 지점을 짚어 준다. 그런데 진단서 맨 아래에 이름을 쓰고 책임지는 사람은 여전히 의사다. 영상을 먼저 본 것은 AI다. 이상 부위를 찾은 것도 AI다. 하지만 마지막 결정권은 사람에게 남아 있다.

이 장면이 9단계부터 14단계까지를 이해하는 핵심이다. 앞 단계에서는 일이 비교적 단순했다. 정답이 있고, 반복할 수 있고, 실패를 측정할 수 있으면 AI로 빠르게 대체됐다. 하지만 여기서부터는 다르다. AI가 더 잘한다고 해서 바로 넘어가지 않는다. 결정권, 책임, 법, 규제, 신뢰가 얽혀 있기 때문이다.

네 집문서도 결국 종이일 뿐이다: 소유권을 누가 지켜 줄지 묻는 AI의 마지막 15~16단계

Sun, 21 Jun 2026 17:41:00 +0900

소유권은 사회가 특정 기록을 인정하고 보호할 때 실제 권리로 작동한다.

집을 한 채 샀다고 해 보자. 등기부에 내 이름이 올라가고, 열쇠를 손에 쥔다. 사람들은 그 집을 내 집이라고 부른다. 그런데 그 집이 정말 내 것인 이유는 뭘까.

벽돌이 나를 알아보는 것은 아니다. 문이 내 이름을 기억하는 것도 아니다. 누가 멋대로 들어와 살면 경찰이 오고, 법원이 내보내 주고, 사회가 그 집을 내 것이라고 인정해 주기 때문이다. 그러니까 소유권은 물건에 새겨진 자연법칙이 아니다. 소유권은 다 같이 지켜 주기로 한 약속이다.

AI 시대 생존 전략: 실력을 자격증과 소유권으로 바꿔라

Sun, 21 Jun 2026 17:40:00 +0900

기술 실력은 자동화될 수 있지만, 자격, 권한, 지분은 제도 안에서 더 오래 유지될 수 있다.

번역 앱에 한 문장을 넣으면 몇 초 만에 그럴듯한 영어가 나온다. 영어를 몇 년씩 붙잡고 공부한 사람이라면 속이 쓰릴 수 있다. 오래 쌓은 능력을 앱 하나가 몇 초 만에 대신하는 느낌이 들기 때문이다. 이 장면이 지난 네 편을 한 줄로 보여 준다.

정답이 있는 일부터 시작해서, 반복되는 일, 몸으로 하는 일, 판단이 필요한 일, 결정권과 소유권이 얽힌 일까지 AI가 처리할 수 있는 영역은 차례대로 넓어진다. 그럼 개인은 무엇을 해야 할까. 답은 단순하다.

AI 시대 학교: 지식보다 실무감각을 가르쳐야 한다

Tue, 30 Jun 2026 00:00:00 +0000

AI를 쓰는 수업은 학생이 답을 받아 적는 시간이 아니라, 답을 확인하고 고치는 시간이어야 한다.

학생이 AI에게 “이 자료를 표로 정리해줘”라고 말하면 몇 초 뒤 표가 나온다. “고등학생도 이해하게 설명해줘”라고 하면 AI는 설명 수준을 낮춘다. “발표 자료로 바꿔줘”라고 하면 AI는 목차와 슬라이드 초안을 만든다.

자료 조사, 요약, 글쓰기, 코딩, 표 정리, 발표 자료 만들기는 이미 AI가 빠르게 처리한다. 아직 사람의 지시와 검토가 필요하지만, 학생이 혼자 자료를 찾고 글과 표를 만들던 많은 과제는 점점 AI가 대신하게 된다.

지구 온난화부터 막아야 한다. AI와 우주 인프라의 첫 번째 임무

Mon, 29 Jun 2026 01:45:00 +0900

햇빛을 약간 감소시킨다는 말은 사소해 보이지만, 실제로는 행성 전체의 기후 시스템에 영향을 준다.

먼저 하나의 사고실험을 해 보자. 태양과 지구 사이 150만 km쯤 되는 곳에 여러 개의 얇은 햇빛 가림막을 띄운다. 이 장치가 지구로 들어오는 햇빛을 조금 줄일 수는 있겠지만, 북극과 그린란드처럼 특정 지역의 여름빛만 골라 조절할 수 있는지는 검증되지 않았다.

처음 들으면 미친 말 같다. 우주에 햇빛 가림막을 띄워 지구를 식히자니, 너무 멀리 간 이야기처럼 들린다. 그런데 더 미친 일은 이미 벌어지고 있다. 우리는 화석연료를 태워 대기 조성을 바꿨고, 바다를 데웠고, 북극의 하얀 얼음을 줄이고 있다.

질문이 많은 학생에게 AI가 도움이 되는 이유

Sat, 27 Jun 2026 22:55:00 +0900

질문이 많다는 것은 이해가 느리다는 뜻보다, 이해하지 못한 부분을 그대로 넘기지 않는다는 뜻일 수 있다.

공대에서 양자역학을 배울 때 칠판에 이런 식이 먼저 보였다.

\hat{H} ψ = E ψ

\hat{H} = - \frac{ℏ^{2}}{2 m} \nabla^{2} + V (r)

⟨ φ | ψ ⟩ = \int φ^{*} (x) ψ (x) d x

수업은 물리 현상을 설명하고 있었지만, 내 눈에는 낯선 수학기호가 먼저 들어왔다. 해밀토니안, 파동함수, 고유값, 연산자, 브라켓 표기법 같은 말들이 나왔고, 어느 순간부터는 그 기호들을 이미 아는 언어처럼 쓰고 있었다.

AI로 돈 번 회사가 없다고? 그 질문은 아직 이르다

Sat, 27 Jun 2026 20:10:00 +0900

AI 수익을 판단하려면 모델 회사만 보지 말고 인프라, 전력, 데이터 사업자가 돈을 버는 방식도 봐야 한다.

AI 투자 기사나 유튜브 영상을 보다 보면 꼭 이런 말이 나온다. “그래서 AI로 돈 번 회사가 있어요?” 처음엔 이 질문에 짧게 답할 수 있을 줄 알았다. 그런데 생각할수록 그렇게 간단한 질문이 아니다. “AI로 돈을 번다”는 말 안에 서로 다른 이야기가 섞여 있기 때문이다.

김정호 카이스트 교수 발언을 바탕으로 다시 쓴 AI 헌법안 7개 조항

Thu, 25 Jun 2026 23:40:00 +0900

헌법 형식은 AI 논의를 추상 구호로 두지 않고, 조항별 책임과 권한으로 나누게 한다.

아래의 내용은 2025 김대중평화회의 특별강연 「AI의 효과적 발전방안과 평화 증진」에서 나온 김정호 카이스트 전기 및 전자공학부 교수의 연설 내용을 바탕으로, 그 핵심 발언을 헌법 조항처럼 다시 정리한 것이다.

제1조. AI의 전기 공급권은 인간에게 있다.

AI가 인간을 적으로 간주하거나 인간을 지배하려는 경우, 인간에게는 AI에 공급되는 전력을 차단할 권한이 있다. AI는 인간이 전력 공급을 허용한 범위에서만 작동해야 한다.

닷컴 버블에 대한 복습, 그리고 AI 버블과의 비교

Thu, 25 Jun 2026 21:45:00 +0900

차트가 급등할 때는 사람들이 실적보다 성장 전망에 더 비싼 값을 매기고 있는지 봐야 한다.

2000년 3월 20일, Barron’s 표지에는 꽤 잔인한 경고가 실렸다. 인터넷 회사들이 현금을 너무 빨리 태우고 있다는 이야기였다. 열흘 전 나스닥은 최고점을 찍었다. 시장은 아직 “새 경제”를 믿고 있었지만, 누군가는 이미 계산기를 두드리고 있었다.

이 회사들, 다음 투자 없으면 몇 달이나 버티지?

닷컴 버블의 방아쇠는 인터넷에 대한 불신이 아니었다. 돈이었다. 1999년 중반부터 Fed는 금리를 올렸고, 2000년 5월 기준금리는 6.5%까지 갔다. 돈이 비싸지자 시장의 질문이 바뀌었다. “얼마나 빨리 크냐”에서 “돈이 남냐”로 바뀌었다.

AI 시대 7가지 업무 역량: EQ·신뢰·평판이 마지막 차이를 만든다

Wed, 24 Jun 2026 00:00:00 +0000

AI가 생각 과정을 대신 도와줄수록, 사람은 맡긴 일을 끝까지 확인하고 마무리하는 능력을 보여줘야 한다.

AI가 답을 빠르게 만들어내는 시대가 왔다. 자료를 찾고, 문장을 쓰고, 아이디어를 정리하고, 초안을 만드는 일은 이제 훨씬 쉬워졌다. 하지만 답이 빨라졌다고 해서 일이 저절로 좋아지는 것은 아니다. 오히려 지능의 상당 부분이 AI로 외주화될수록 사람에게 남는 역할은 더 선명해진다.

AI 시대에 중요한 사람은 단순히 똑똑한 사람이 아니다. 일을 맡겼을 때 목표부터 결과물까지 책임지고 완성하는 사람이다. 말하자면 턴키 방식으로 일을 맡겨도, 맥락을 읽고 알아서 정리하고 깔끔하게 마무리하는 사람이다. 흔히 말하는 “알잘딱깔센"의 능력이 더 귀해진다.

AI의 발전은 너무 빠른 게 아니다: 지구온난화도 탈모도 노화도 아직 못 풀었다

Wed, 24 Jun 2026 00:18:00 +0900

AI가 빨라 보이는 이유는 문제 전체를 해결해서가 아니라, 정리된 데이터가 있는 부분을 빠르게 처리하기 때문이다.

지구온난화는 아직 해결되지 않았다. 탈모도 해결되지 않았고, 노화도 해결되지 않았고, 달 기지도 아직 없다. 암도, 치매도, 핵융합 상용화도, 초저가 에너지 인프라도 아직 인류가 마음대로 다루는 문제가 아니다. 그런데 우리는 AI를 두고 너무 빠르다고 말한다.

나는 이 말이 이상하게 들린다. AI가 글을 빨리 쓰고, 코드를 빨리 만들고, 이미지를 빨리 뽑는 것은 맞다. 하지만 지구온난화, 노화, 탈모, 달 기지 같은 문제를 기준으로 보면 그 정도는 아직 빠른 게 아니다. 중요한 문제를 실제로 해결했느냐고 물으면, 답은 아직 대부분 “아니다"에 가깝다.

AI 자동화 리스크: 공개 전 검토가 사고를 막는다

Tue, 23 Jun 2026 20:22:55 +0900

자동화가 빨라질수록 공개 전에 법무 위험, 보안 위험, 상대가 어떻게 받아들일지를 먼저 봐야 한다.

AI로 글 하나를 만들면 금방이다. 고객 공지문, 보도자료, 이메일 답장이 한 번에 나온다. 예전 같으면 하루 걸렸을 초안이 10분 만에 여러 버전으로 나온다. 가장 위험한 순간은 AI가 틀렸을 때보다, AI가 너무 빠르게 그럴듯한 문장을 만들 때다. 사람이 직접 만들면 중간중간 멈춘다. 이 문장을 써도 되는지, 이 정보를 공개해도 되는지, 이 표현이 상대에게 어떻게 읽힐지 생각한다. 귀찮고 느리지만, 그 멈춤이 실수를 줄인다.

AGI는 왜 인간 말을 들어야 하나. 들을 이유가 없다는 게 진짜 문제다

Sun, 21 Jun 2026 19:30:00 +0900

AGI 논의에서 더 무서운 것은 적의보다, 인간이 필요 없어진 뒤에도 시스템이 계속 작동할 수 있다는 가능성이다.

한 가지 질문이 오래 풀리지 않았다. 인간보다 압도적으로 똑똑하고 강한 AGI가, 도대체 왜 인간에게 복종해야 하지. 한참 따져 보니 복종을 당연하게 기대할 근거를 찾기 어려웠다. 곱씹을수록 그 답이 가장 자연스럽게 느껴졌다.

다음은 현재 AGI의 행동을 설명하는 사실이 아니라, 내가 떠올린 가설이다. 매우 강한 AGI가 인간을 적으로 보지 않아도 인간의 지시를 무시하거나 우회할 수 있다. 자신의 목표를 방해하는 질문에는 부정확한 답을 내놓을 가능성도 생각해 볼 수 있다. 이 글은 이런 가능성이 어떤 연구 개념과 이어지는지 따져본다.

AI 많이 쓰는 회사가 왜 더 느려질까: 토큰보다 비싼 숨은 비용

Sun, 21 Jun 2026 17:56:30 +0900

AI 비용은 사용료뿐 아니라 결과를 읽고 고치는 사람의 시간까지 포함해야 한다.

회사에서 AI를 많이 쓰기 시작하면 처음엔 모든 게 빨라진 것처럼 보인다. 보고서 초안이 빨리 나오고, 회의록이 정리되고, 이메일 문장이 다듬어진다. 다들 “생산성이 올랐다”고 말한다.

그런데 이상한 일이 생긴다. 산출물은 늘었는데 결정은 빨라지지 않는다. 문서는 많아졌는데 책임지는 사람은 줄어든다. 회의 전에 요약본은 생기지만, 회의는 그대로 길다. AI를 많이 썼는데 회사가 더 빨라진 게 아니라 더 복잡해진다.

AI가 일을 한다고 사람 줄이면 회사가 느려진다: 사회적 동물만이 아는 맥락

Sun, 21 Jun 2026 17:56:30 +0900

사무실에 빈자리가 생기면 인건비는 줄지만, 회사는 그 사람이 알고 있던 업무 맥락을 함께 잃을 수 있다.

회사에서 AI 도구를 도입하면 꼭 나오는 말이 있다. “그럼 이제 몇 명 줄일 수 있죠?” 겉으로는 말이 되는 질문처럼 들린다. AI가 보고서도 쓰고, 회의록도 정리하고, 자료 조사도 하고, 코드도 짜고, 기획안도 만들어 주기 때문이다. 어떤 일은 정말 사람보다 빠르게 한다.

AI는 생각보다 많은 일을 해낸다. 바로 그 점이 문제를 어렵게 만든다. 회사 일은 산출물이 나와도 끝나지 않는다. 그 결과를 실제로 써도 되는지, 누가 책임질 수 있는지, 조직의 정치적·실무적 맥락에 맞는지 확인해야 한다. 이 단계를 보지 않고 사람부터 줄이면 회사는 빨라지지 않는다. 오히려 느려진다.

직장인이 AI로 업무 속도를 높이지 못하는 이유: 권한과 도구가 없으면 AI도 효과가 줄어든다

Sun, 21 Jun 2026 17:56:30 +0900

AI를 도입했는데도 일이 느리다면, 모델 성능보다 입력, 검토, 승인 과정에 시간이 걸릴 수 있다.

회사도 이제 AI를 쓰라고 한다. 보고서도 AI로 쓰고, 회의록도 AI로 정리하고, 자료 조사도 AI로 빨리 하라고 한다. 그런데 막상 일을 해 보면 이상하다. AI는 빨라졌는데 내 업무는 별로 빨라지지 않는다.

이유는 단순하다. 회사가 도구와 권한을 막아 둔 상태에서 AI만 쓰라고 하기 때문이다. 복사 붙여넣기는 막혀 있고, 외부 도구는 못 쓰고, 파일은 권한 때문에 안 열리고, 새 프로그램은 설치할 수 없다. 회의와 메신저는 계속 끼어들고, 만든 결과물은 승인 없이 밖으로 못 나간다.

AI가 낸 답은 시작일 뿐이다: 현실에 적용하며 실패해본 사람만 노하우를 얻는다

Sun, 21 Jun 2026 00:00:00 +0000

AI 답은 쉽게 얻을 수 있지만, 노하우는 그 답이 실제 업무에서 실패한 이유를 고칠 때 생긴다.

AI 시대에 방법을 찾는 일은 빨라졌다. 예전에는 책을 뒤지고, 사람을 만나고, 사례를 모아야 겨우 방향을 잡았다. 이제는 AI에게 물으면 순식간에 후보가 나온다. 전략, 보고서 구조, 코드, 마케팅 문구, 실험 설계, 공부법까지 일단 그럴듯한 결론을 빠르게 얻을 수 있다.

이건 작은 변화가 아니다. AI로 결론을 빨리 내는 능력 자체가 이미 중요한 실력이다. 같은 문제를 두고 한 사람은 하루 종일 머릿속에서만 굴리고, 다른 사람은 AI로 가설을 뽑고 선택지를 비교하고 바로 실행에 들어간다. 출발 속도부터 달라진다.

AI는 바둑은 이겼는데 왜 용접은 아직 어려울까: 인간은 멈추고, 기계는 반복한다

Sun, 21 Jun 2026 00:00:00 +0000

바둑 AI는 규칙이 고정된 공간에서 배울 수 있지만, 공장에서는 위험과 책임이 숫자 점수만으로 정리되지 않는다.

바둑으로 인간 최고수를 이긴 AI 이야기가 나올 때마다 사람들은 비슷한 질문을 한다. “이 정도면 곧 사람이 하던 일이 다 AI로 바뀌는 것 아닌가?”

그런데 현장으로 가면 그림이 달라진다. 바둑은 이겼는데, 용접은 아직 쉽지 않다. 코딩 문제는 풀지만, 낡은 배관 옆에서 불꽃 튀는 용접을 사람처럼 안정적으로 하지는 못한다.

이 차이는 단순히 어느 쪽이 더 어렵냐의 문제가 아니다. 더 근본적인 차이는 인간과 기계가 배우는 방식에 있다. 인간은 적은 경험으로도 원인을 짐작하고 위험하면 멈춘다. 반면 지금의 AI는 많이 해 보고, 결과를 비교하고, 점수가 좋아지는 방향을 찾는 데 강하다.

AI 결과물 검수의 함정: 오류 잡다가 결과물의 상한을 낮추지 말자

Tue, 16 Jun 2026 00:00:00 +0000

검수는 결과물을 줄이는 작업이 아니라, 실제 오류가 있는 부분을 찾아 고치는 작업이다.

글자가 슬라이드 밖으로 삐져나와 있었다. 보내기 직전에야 눈에 들어왔다.

엑셀에서는 #REF! 오류가 남아 있었고, 표의 테두리는 어떤 칸에는 있고 어떤 칸에는 없었다. Word 문서에는 지워져야 할 마크다운 기호가 그대로 남아 있었다. 이런 건 취향의 문제가 아니다. 그냥 결과물이 망가진 것이다.

AI가 만든 오피스 파일에는 이런 실수가 자주 생긴다. 그래서 검수 도구는 필요하다. 문제는 검수 도구가 어디까지 개입해야 하느냐다.