정답이 있는 일부터 대체된다: AI 일자리 대체 1~5단계

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.

사람은 한 번 틀리면 시간을 잃고, 의욕도 잃고, 다시 배우는 데 오래 걸린다. 하지만 AI는 다르다. 수없이 시도하고, 틀리면 고치고, 다시 시도한다. 채점 기준이 분명할수록 AI는 빠르게 인간을 따라잡고, 어느 순간 인간보다 싸고 빠르게 같은 일을 처리한다.

이번 글은 AI로 먼저 대체되는 첫 다섯 단계를 다룬다. 1단계는 답이 정해진 업무다. 2단계는 전문가의 분석이다. 3단계는 대중의 반응을 예측하는 일이다. 4단계는 여러 단계를 이어서 처리하는 일이다. 5단계는 사람이 검토하면 오히려 느려지는 일이다. 여기까지는 모두 같은 방향으로 움직인다. 답을 만들고, 확인하고, 고치고, 다시 처리하는 업무가 점점 AI로 자동화된다.

1단계, 답이 정해진 업무

가장 먼저 대체되는 것은 답이 비교적 정해져 있는 업무다. 번역, 요약, 기본 코딩, 양식이 정해진 보고서, 단순 계산, 반복 문서화 같은 일이다. 이런 일은 입력과 출력이 비교적 분명하다. 왜 먼저 대체될까. 맞고 틀림을 확인하기 쉽기 때문이다.

번역은 원문과 비교할 수 있다. 코드는 실행해 볼 수 있다. 계산은 답을 맞춰 볼 수 있다. 요약은 원문에서 중요한 내용이 빠졌는지 확인할 수 있다. 양식 보고서는 필요한 항목이 들어갔는지 볼 수 있다.

이런 업무는 AI가 연습하기 좋다. 정답에 가까워졌는지 바로 확인할 수 있기 때문이다. 그래서 한 번 충분히 잘하게 되면 사람보다 싸고 빠르다. 여기서 사람의 가치가 전부 사라지는 것은 아니다. 하지만 “정해진 형식에 맞춰 빠르게 만들어 주는 사람”의 가치는 빠르게 낮아진다. 예전에는 번역을 빨리 하는 능력, 문서를 빨리 정리하는 능력, 코드를 빠르게 찍어 내는 능력이 분명한 경쟁력이었다. 이제 그 능력은 기본값에 가까워진다.

이 단계에서 먼저 사라지는 것은 창의성 전체가 아니다. 정해진 답을 빨리 생산하는 역할이다.

2단계, 전문가의 분석

다음은 전문가의 분석이다. 진단, 예측, 리스크 분석, 설계 검토, 데이터 해석 같은 일이다. 겉으로는 고급 전문직처럼 보이지만, 많은 부분은 패턴 인식과 판단의 반복이다.

의사가 영상을 보고 병변을 찾는다. 변호사가 판례를 검토한다. 엔지니어가 데이터를 보고 이상 징후를 잡는다. 애널리스트가 숫자를 보고 방향을 예측한다.

이런 일은 오래 배운 사람이 하는 일이다. 그래서 안전해 보인다. 하지만 AI 입장에서는 반드시 그렇지 않다. 과거 사례가 많고, 입력 자료가 정리되어 있고, 나중에 결과를 확인할 수 있는 분야라면 AI가 빠르게 따라온다. 진단이 맞았는지, 예측이 맞았는지, 설계가 실패했는지, 리스크가 실제로 터졌는지 시간이 지나면 확인할 수 있기 때문이다. 즉 전문가의 분석도 정답이 수렴하는 영역에서는 대체 압력을 받는다.

오래 공부한 사람이 무의미해진다는 뜻은 아니다. 다만 “분석을 제일 잘하는 사람”이라는 자리만으로는 더 이상 안전하지 않다. 앞으로 전문가에게 더 중요해지는 것은 분석 결과를 그냥 내는 능력이 아니다. 어떤 문제를 풀어야 하는지 고르고, AI가 낸 분석을 현실 맥락에 맞게 해석하고, 틀렸을 때 책임질 수 있는 판단을 하는 능력이다. AI가 분석을 대신할수록, 사람은 분석가에서 책임자와 문제 설정자로 밀려 올라간다.

3단계, 대중의 반응을 예측하는 일

세 번째는 대중의 반응을 예측하는 일이다. 여기서 조심해야 한다. AI가 사람 마음을 마법처럼 읽는다는 뜻이 아니다. AI가 한 사람의 깊은 욕망을 완벽히 이해한다는 뜻도 아니다. AI가 잘하는 것은 사람들이 실제로 남긴 행동 데이터를 보고 다음 반응을 통계적으로 예측하는 일이다.

어떤 제목을 눌렀는지, 어떤 문장에서 이탈했는지, 어떤 상품을 샀는지, 어떤 말투에 반응했는지, 어떤 영상에서 오래 머물렀는지. 사람 한 명이 평생 관찰할 수 없는 규모의 행동 데이터를 AI는 본다. 그래서 먼저 대체되는 것은 “사람 마음을 깊이 이해하는 일”이 아니다. 대중이 무엇을 누를지, 무엇을 살지, 어디서 이탈할지를 예측하던 일이다. 광고 문구를 고르고, 제목과 썸네일을 비교하고, 고객을 나누고, 추천 목록을 짜고, 가격과 프로모션 반응을 예측하는 일은 AI가 빠르게 처리하게 된다. 예전에는 마케터나 기획자의 감으로 하던 일을 AI가 데이터로 처리한다.

이 단계에서 사라지는 것은 “나는 사람들이 뭘 좋아할지 감으로 안다”는 자리다. 하지만 한계도 분명하다. 통계적으로 잘 맞히는 것과 한 사람에게 완전히 딱 맞는 100점짜리 서비스를 제공하는 것은 다른 문제다. AI가 사람들의 음식 취향 데이터를 많이 안다고 해서 실제로 맛을 느끼는 것은 아니다. 어떤 사람이 오늘 어떤 기분인지, 지금 어떤 식감과 향을 원하는지, 무엇을 먹었을 때 진짜 만족할지는 여전히 어렵다.

그러니까 이 단계에서 대체되는 것은 한 사람을 완전히 이해하는 능력이 아니다. 많은 사람의 반응을 예측하고, 그 예측으로 콘텐츠와 광고와 추천을 최적화하는 일이다.

대중 반응은 정답이 하나로 딱 떨어지지는 않는다. 하지만 클릭률, 구매율, 시청 시간, 이탈률처럼 결과가 계속 피드백된다. 그래서 정답이 점점 수렴한다. 수렴하는 순간, AI는 강해진다.

클릭 행동을 점수로 기록할 수 있는 업무에서는 AI가 반복 실험에 필요한 데이터를 빨리 얻는다.

4단계, 여러 단계를 이어서 처리하는 일

초기 AI는 작은 조각을 맡았다. 문장 하나, 코드 한 줄, 요약 하나. 하지만 점점 AI는 일을 처음부터 끝까지 처리하게 된다. 목표를 주면 계획을 세우고, 필요한 자료를 찾고, 초안을 만들고, 수정하고, 결과를 낸다. 이 단계에서는 AI가 단순히 답을 내는 도구가 아니라, 여러 단계를 이어서 처리하는 실행자가 된다.

예전에는 사람이 일을 쪼갰다. 자료 찾기, 정리하기, 문서 만들기, 형식 맞추기, 제출하기, 다음 단계로 넘기기. 이제는 AI가 이 흐름을 한꺼번에 처리할 수 있다. 회사 안에서 보면 중간 실무가 줄어든다. 사람이 직접 처리하던 작은 단계들이 묶여서 자동화된다. 사람은 “무엇을 할지”와 “어떤 기준으로 끝났다고 볼지”를 정하는 쪽으로 이동한다. “이 문장을 써 줘”에서 “이 목표를 달성해 줘”로 바뀌는 순간이다.

이 변화가 무서운 이유는 한두 업무가 사라져서가 아니다. 여러 작은 업무를 묶고 있던 사람의 자리가 줄어들 수 있기 때문이다. 자료를 찾고, 정리하고, 양식에 넣고, 보고 가능한 형태로 만드는 중간 처리 업무가 줄어든다. 물론 모든 일을 AI가 완전히 끝낼 수 있는 것은 아니다. 권한, 보안, 책임, 조직 맥락, 최종 승인 문제는 남는다. 하지만 일을 굴리는 중간 단계의 사람 수는 줄어들 수 있다.

5단계, 사람이 검토하면 오히려 느려지는 일

처음에는 사람이 AI 결과를 검토한다. 당연하다. AI가 틀릴 수 있기 때문이다. 하지만 어떤 일에서는 시간이 지나며 상황이 바뀐다. AI의 오류율이 사람보다 낮아지고, 잘못돼도 쉽게 되돌릴 수 있는 일이라면, 사람이 매번 검토하는 것이 안전장치가 아니라 병목이 된다. 예를 들어 반복적인 분류, 단순 승인, 위험도가 낮은 작업들의 자동 처리 같은 일이다. 결과가 틀렸는지 바로 확인할 수 있고, 틀려도 큰 피해 없이 되돌릴 수 있다면 사람 검토는 점점 줄어든다.

이때 사람은 더 안전하게 만드는 존재가 아니라, 속도를 늦추는 존재가 될 수 있다. 거의 다 맞는 결과물을 사람이 매번 들여다보면, 멀쩡한 것을 괜히 고치거나, 일을 늦추거나, 없던 오류를 새로 넣을 수 있다. 그래서 “한 번 더 보는 사람”이라는 자리가 줄어든다. 하지만 여기에도 중요한 단서가 있다.

5단계는 정확도와 되돌릴 수 있음이 핵심인 일에 한정된다. AI가 더 정확하고, 실수해도 복구가 쉬운 일에서만 사람 검토가 줄어든다. 책임이 큰 일은 다르다. 한 번 틀리면 사람이 다치거나, 큰돈이 날아가거나, 법적 책임이 생기거나, 조직의 신뢰가 무너지는 일에서는 사람이 쉽게 빠지지 않는다. 즉 사라지는 것은 모든 감독자가 아니다. “정확도만 확인하던 검토자”가 먼저 사라진다.

책임을 지는 사람, 무엇이 중요한지 판단하는 사람, 실제 피해를 감수하고 최종 결정을 내리는 사람은 뒤 단계까지 남는다. 그래서 5단계의 핵심은 이것이다. AI가 사람보다 덜 틀리고, 틀려도 쉽게 되돌릴 수 있으면, 사람 검토는 안전장치가 아니라 비용이 된다.

그 순간 검토자의 자리는 조용히 줄어든다.

정답을 확인하기 쉬운 일은 왜 먼저 자동화되는가

1단계부터 5단계까지를 한 줄로 묶으면 이렇다. 정답이 있는 일은 먼저 대체된다. 정답이 있다는 말은 답이 하나라는 뜻만은 아니다. 결과를 확인할 수 있고, 피드백을 줄 수 있고, 시간이 지나며 더 나은 답의 방향이 좁혀지는 일을 뜻한다.

번역, 요약, 코딩, 진단, 분석, 추천, 광고, 대중 반응 예측, 반복 승인, 낮은 위험의 자동 처리. 이런 일들은 전부 정도의 차이는 있지만 정답이 수렴한다. 정답이 수렴하면 AI는 반복해서 배운다. 반복해서 배우면 싸지고 빨라진다. 싸지고 빨라지면 사람의 자리는 줄어든다. 사람이 남는 자리는 다른 곳으로 이동한다. 문제를 고르는 일, 책임지는 일, 현실 맥락을 읽는 일, 권한을 가진 일, 틀렸을 때 손해를 감수하는 일이다.

그래서 “나는 일을 잘한다”만으로는 부족하다. 그 일이 정답이 수렴하는 일이라면, 잘하는 사람부터 AI와 비교된다. 그리고 AI가 충분히 싸고 빨라지면, 잘하는 사람의 가치도 낮아진다.

다음 편으로

여기까지가 AI로 먼저 대체되기 쉬운 앞쪽 구간이다.

먼저 답을 확인하기 쉬운 업무가 자동화된다. 이어서 전문가의 분석, 대중 반응 예측, 여러 단계를 이어서 처리하는 업무가 차례로 자동화된다. 마지막으로, 일부 영역에서는 사람이 한 번 더 보는 검토자 자리도 줄어든다.

그럼 남는 질문은 자연스럽다. 몸으로 하는 일은 안전할까. 손재주와 현장의 감각은 AI가 쉽게 대체하지 못하지 않을까. 다음 글에서는 6~8단계를 본다. 반복적인 육체노동, 손재주와 현장의 시행착오, 그리고 정답 없는 판단과 감각이 어떻게 대체 압력을 받는지 살펴보자.