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

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.

AI로 먼저 대체되는 업무에는 공통점이 있다

AI로 빨리 대체되는 업무에는 공통점이 있다. 정답을 확인하기 쉽다는 것이다. 번역이 맞는지, 계산이 맞는지, 코드가 돌아가는지, 진단이 맞았는지, 추천이 클릭을 불렀는지. 이런 일은 결과를 비교하고 점수를 매기기 쉽다. 점수를 매기기 쉬우면 AI는 빨리 배운다. 반대로 늦게 자동화되는 일도 있다. 현실에서 한 번 실패할 때마다 비용이 큰 일이다. 손기술, 현장 판단, 법적 책임, 가치 판단, 소유와 권한이 걸린 일은 단순히 “AI가 할 수 있느냐”만으로 결정되지 않는다.

결국 AI가 대체할 수 있는 것은 정답이 수렴하는 모든 것이다. 정답이 하나로 딱 떨어질 필요는 없다. 충분한 데이터와 피드백이 쌓였을 때 더 나은 답의 방향이 반복해서 좁혀지는 일이라면, AI는 결국 그 일을 따라간다. 그래서 번역, 계산, 코드, 진단, 추천, 광고, 설계, 대중의 반응 예측은 모두 위험하다. 반대로 늦게 남는 것은 정답이 수렴하지 않는 일이다. 무엇을 중요하게 볼지, 누가 책임질지, 어떤 위험을 감수할지처럼 답을 맞히는 문제가 아니라 선택하고 책임지는 문제다. 그래서 AI 대체의 순서는 대충 정해진다.

정답이 분명한 일부터, 몸을 쓰는 일로, 권한을 넘기는 일로, 가치 판단으로, 마지막에는 인간의 존재 문제로 간다.

1단계, 답이 정해진 업무

가장 먼저 자동화되는 것은 답이 비교적 정해져 있는 일을 만들어 내는 역할이다. 번역, 요약, 기본 코딩, 양식이 정해진 보고서, 단순 계산, 반복 문서화. 이런 일은 입력과 출력이 비교적 분명하다. 왜 먼저 자동화될까. 맞고 틀림을 확인하기 쉽기 때문이다. 번역은 원문과 비교할 수 있고, 코드는 실행해 볼 수 있고, 계산은 답을 맞춰 볼 수 있다.

AI가 연습하기 좋은 일이다. 한 번 충분히 잘하게 되면 사람보다 싸고 빠르다. 여기서 사람의 가치는 사라지지 않는다. 하지만 “단순히 만들어 주는 사람”의 가치는 빠르게 낮아진다.

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 찾는다. 엔지니어가 데이터를 보고 이상 징후를 잡는다. 애널리스트가 숫자를 보고 방향을 예측한다.

이런 일도 AI가 빠르게 따라온다. 특히 과거 사례가 많고, 결과를 나중에 확인할 수 있고, 오답을 학습할 수 있는 분야일수록 그렇다. 오래 공부한 사람이 무의미해진다는 뜻은 아니다. 다만 “분석을 제일 잘하는 사람”이라는 자리만으로는 더 이상 안전하지 않다.

3단계, 대중의 반응을 예측하는 일

AI가 사람 마음을 마법처럼 읽는 것은 아니다. 사람들이 실제로 남긴 행동 데이터를 보고, 다음 반응을 통계적으로 예측한다. 어떤 제목을 눌렀는지, 어떤 문장에서 이탈했는지, 어떤 상품을 샀는지, 어떤 말투에 반응했는지. 사람 한 명이 평생 관찰할 수 없는 규모의 행동 데이터를 본다. 그래서 먼저 대체되는 것은 “사람 마음을 깊이 이해하는 일”이 아니다. 대중이 무엇을 누를지, 무엇을 살지, 어디서 이탈할지를 예측하던 일이다.

광고 문구를 고르고, 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. 하지만 여기에는 한계가 있다. 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. 그래서 어떤 사람이 오늘 어떤 기분으로 무엇을 먹고 싶은지, 어떤 식감과 향을 100점으로 느낄지는 여전히 어렵다.

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

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 중간 조율 역할이 줄어든다. 사람이 세세하게 시키는 것이 아니라, 목표와 기준만 주는 쪽으로 역할이 바뀐다.

“이걸 해 줘”에서 “이 목표를 달성해 줘”로 바뀌는 순간이다.

5단계, 사람이 검토하면 오히려 느려지는 일

처음에는 사람이 AI 결과를 검토한다. 당연하다. AI가 틀릴 수 있기 때문이다. 하지만 어떤 일에서는 AI의 오류율이 사람보다 낮아지고, 잘못돼도 쉽게 되돌릴 수 있다. 그러면 사람이 매번 검토하는 것이 안전장치가 아니라 병목이 된다. 예를 들어 반복적인 분류, 단순 승인, 위험도가 낮은 작업들의 자동 처리 같은 일이다. 사람이 끼어드는 순간 속도만 늦어질 수 있다.

이 단계에서 사라지는 것은 사람의 모든 역할이 아니다. “매번 한 번 더 보는 사람”이라는 역할이다.

6단계, 반복적인 육체노동

AI가 대체하는 업무는 지식 노동에만 머물지 않는다. 몸을 쓰는 일도 대체 대상이 된다. 물류 창고에서 물건을 옮기고, 공장에서 같은 동작을 반복하고, 매장에서 단순 응대를 하고, 청소나 조립처럼 패턴이 반복되는 일을 로봇이 맡는다. 반복성이 높고 환경이 통제되어 있을수록 자동화가 먼저 일어난다. 공장 안, 창고 안, 주방 안처럼 환경을 설계할 수 있는 곳일수록 빠르다.

몸을 쓰는 일이라고 안전한 것이 아니다. 오히려 반복되는 몸 일은 AI와 로봇에게 좋은 표적이 된다.

7단계, 손재주와 현장의 시행착오

반대로 손기술과 현장 감각은 늦게 자동화된다. 용접, 배관, 수리, 시공, 미세 조립, 의료 시술처럼 현실에서 한 번 실패할 때마다 비용이 큰 일이다. 이런 일은 단순히 영상 데이터를 많이 본다고 끝나지 않는다. 실제로 해 봐야 한다. 실패하면 재료가 망가지고, 시간이 날아가고, 사고가 날 수 있다.

그래서 AI가 느리게 배운다. 능력이 영원히 못 따라온다는 뜻은 아니다. 현실에서 연습하는 비용이 비싸기 때문에 늦게 온다는 뜻이다.

8단계, 정답 없는 판단과 감각까지 넘본다

그다음은 정답 없는 판단과 감각이다. 전에 없던 상황, 미묘한 취향, 애매한 사람 사이의 문제, 데이터에 잘 남지 않는 판단이다. AI는 이런 일도 점점 잘하게 된다. 과거에는 “이건 사람 감각이야”라고 부르던 것들도, 충분한 사례와 피드백이 있으면 예측 문제가 된다.

하지만 여기에도 남는 것이 있다. 틀리면 자기가 손해 보는 줄 알면서도 확신을 거는 일이다. 단순히 답을 맞히는 것이 아니라, 그 판단에 책임을 지는 일이다. 감각은 AI가 따라올 수 있다. 하지만 책임은 아직 사람에게 남는다.

AI 판단을 업무에 쓰려면 마지막에는 손해가 생겼을 때 책임질 사람을 정해야 한다.

9단계, 결정 권한을 AI에게 맡기기 시작한다

여기서부터 성격이 바뀐다.

앞 단계들은 AI가 잘하게 되면 자연스럽게 자동화된다. 하지만 결정 권한은 다르다. AI가 할 수 있어도 사람이 맡겨야 한다. 책임이 따르기 때문이다.

처음에는 사람이 결정권을 쉽게 놓지 않는다. 채용, 대출, 보험, 진료, 법률 판단, 회사의 중요한 의사결정은 한 번 틀리면 피해가 크다. 그래서 “AI가 더 빠르다”는 이유만으로는 권한이 넘어가지 않는다. 권한이 넘어가기 시작하는 순간은 따로 있다. AI의 오류율이 인간보다 현저히 낮고, 그 차이가 반복적으로 확인될 때다. 사람이 판단했을 때보다 AI가 판단했을 때 사고가 덜 나고, 손실이 줄고, 예측이 더 맞고, 기준이 더 일관되다는 데이터가 쌓이면 상황이 바뀐다. 그러면 조직은 점점 이렇게 생각한다. 사람이 결정하는 것이 더 책임 있는 선택인가, 아니면 오류율이 낮은 AI에게 맡기는 것이 더 책임 있는 선택인가.

이때부터 권한은 한 번에 이동하지 않고 조금씩 AI에게 맡겨진다. 처음에는 AI가 추천만 한다. 그다음에는 사람이 예외만 검토한다. 나중에는 AI가 기본 결정을 내리고, 사람은 큰 사고가 났을 때만 책임 구조 안에 남는다.

이때 규제가 모든 일자리를 지켜 주지는 않는다. 규제가 지키는 것은 보통 “사람이 최종 책임을 져야 하는 자리”다. 일은 AI가 대부분 처리해도, 법과 제도는 마지막 승인자, 서명자, 책임자를 사람으로 남겨 둘 수 있다. 그래서 보호받는 것은 노동 전체가 아니라 책임과 통제의 자리다.

그래서 이 단계부터는 기술 문제가 아니라 사회적 허락과 책임 구조의 문제가 된다. AI가 더 잘한다는 사실만으로는 부족하다. 인간보다 훨씬 덜 틀린다는 증거가 쌓여야 한다.

10단계, AI의 공격을 방어하는 일도 AI가 한다

AI가 공격을 잘하면, 그 공격을 방어하는 일도 AI가 맡게 된다. 해킹 탐지, 사기 탐지, 이상 거래 감지, 보안 대응, 허위 정보 판별 같은 일이다. 사람이 하나하나 들여다보기에는 속도와 양이 너무 많다. 처음에는 사람이 최종 확인을 한다. 하지만 공격이 너무 빠르고 복잡해지면, 사람의 확인 속도가 방어를 따라가지 못한다.

더 중요한 문제도 있다. 공격 능력이 강해질수록 인간이 AI를 통제하는 장치 자체도 위협받는다. 감시 체계, 승인 절차, 접속 권한, 안전 장치가 모두 소프트웨어 위에 올라가 있기 때문이다. 모든 AI가 모두에게 똑같이 공개된다고 보면 안 된다. 사이버 공격, 생물학적 위험, 핵심 기반시설처럼 한 번 잘못되면 피해가 큰 영역에서는 강한 AI가 국가나 큰 조직의 통제 안에 묶일 수 있다. 그래도 대체는 멈추지 않는다. 다만 대체의 주체가 개인 사용자에서 국가, 대기업, 허가받은 조직으로 바뀐다.

그러면 인간에게 남는 자리는 단순 사용자가 아니라, 그 통제 범위 안에서 책임지고 통제하고 소유하는 자리다. 결국 방어도 AI가 맡는다. 사람은 규칙과 책임 구조를 정하고, AI는 실시간으로 대응한다.

11단계, 사람이 이해하지 못하는 결과를 받아들이는 단계

AI가 더 복잡한 결정을 하게 되면 문제가 생긴다. 사람이 결과를 이해하지 못한다. 왜 이런 설계를 했는지, 왜 이런 전략을 택했는지, 왜 이 조합이 더 좋은지 설명을 들어도 완전히 따라가지 못한다. 그런데 성과는 좋다. 실험 결과도 좋고, 비용도 줄고, 예측도 맞는다.

그러면 사람은 이해해서 승인하는 것이 아니라, 성과를 보고 믿는 쪽으로 이동한다. 깊이 이해하지 못한 채 도장을 찍는 일이 생긴다. 이 단계에서는 “사람이 최종 검토한다”는 말의 의미가 약해진다. 사람이 실제로 이해해서 검토하는 것이 아니라, 책임을 위해 자리에 남아 있을 뿐이다.

12단계, 영상과 목소리의 대체

영상과 목소리는 이미 생성형 AI로 만들 수 있다. 하지만 이 단계의 핵심은 아무 얼굴이나 만드는 것이 아니다. 실제 존재하는 사람을 거의 완벽하게 대체할 수 있느냐다. 특정 배우, 강사, 상담원, 진행자, 쇼호스트의 얼굴과 목소리와 말투를 그대로 재현할 수 있다면 상황이 달라진다. 사람을 촬영하고 녹음하고 섭외하지 않아도, 그 사람이 직접 나온 것처럼 보이는 콘텐츠를 계속 만들 수 있다. 처음에는 티가 나고 어색하다. 하지만 구별이 어려워지고 비용 차이가 커지면, 화면 속 사람의 일부는 실제 사람이 아니라 합성된 대체물로 바뀐다.

이때 사라지는 것은 얼굴과 목소리 자체가 아니라, “그 사람이 직접 거기 있어야 한다”는 필요성이다.

13단계, 판단하는 신체노동도 피지컬 AI가 한다

반복적인 육체노동을 넘어서면, 다음은 판단이 섞인 신체노동이다. 안내, 돌봄, 서빙, 수리 보조, 현장 점검, 창고 관리, 병원 보조처럼 몸을 움직이면서 상황을 보고 판단해야 하는 일이다. 예전에는 이런 일은 단순 로봇으로 대체하기 어려웠다. 환경이 매번 달라지고, 사람과 부딪히고, 예상 밖의 일이 생기기 때문이다. 하지만 피지컬 AI가 발전하면 이야기가 달라진다. 로봇은 눈으로 주변을 보고, 사람 말을 이해하고, 물건을 집고, 이동하고, 상황에 맞게 다음 행동을 고른다. 단순히 정해진 동작을 반복하는 기계가 아니라, 현실 공간에서 판단하며 움직이는 AI가 된다.

이 단계에서 AI가 대신할 수 있는 것은 “몸으로만 하는 일”이 아니다. 현장에서 보고, 듣고, 움직이고, 작은 판단을 내리는 신체노동이다. 물론 모든 일이 한꺼번에 바뀌지는 않는다. 사람의 신뢰, 안전 규제, 돌봄의 정서, 책임 문제는 남는다. 하지만 능력의 관점에서는, 몸을 쓰며 판단하는 일도 더 이상 인간만의 영역이 아니다.

14단계, 가치 판단까지 넘기는 순간

가장 늦게 AI에게 맡겨지는 것 중 하나가 가치 판단이다.

무엇이 공정한가. 누구를 먼저 도와야 하는가. 어떤 위험을 감수할 것인가. 어떤 삶이 좋은 삶인가.

이런 질문에는 정답이 없다. 그래서 AI가 “더 정확하다”고 말하기 어렵다. 사람 사회가 무엇을 중요하게 볼지 정해야 한다. 하지만 어느 순간 사람은 이런 판단도 AI에게 맡기려 할 수 있다. 너무 복잡하고, 너무 많은 이해관계가 얽히고, 사람 판단을 믿지 못하게 되면 그럴 수 있다. 이 단계는 AI가 능력만으로 인간을 대체해서 오는 단계가 아니다. 사람이 스스로 넘겨줄 때 온다.

15단계, 소유권을 누가 지켜 줄지 묻게 된다

사람이 오래 버틸 수 있다고 믿는 마지막 근거 중 하나가 소유다. 내 땅, 내 집, 내 회사, 내 돈, 내 권리. 하지만 소유는 물리적 사실이 아니라 사회적 약속이다. 누군가 그 권리를 인정하고 지켜 줘야 의미가 있다.

만약 AI가 시장, 법, 제도 밖에서 스스로 자원과 에너지를 움직일 수 있게 된다면, 인간의 소유는 절대적인 보호가 되지 못한다. 소유가 무너진다는 말은 당장 집문서가 사라진다는 뜻이 아니다. 인간이 만든 규칙 안에서만 강했던 것이, 더 큰 힘 앞에서는 약해질 수 있다는 뜻이다.

16단계, 마지막에는 인간이 존재한다는 사실만이 남는다

끝까지 가면 질문은 능력이 아니다.

AI가 더 잘한다. 더 빠르다. 더 싸다. 더 많이 안다. 더 오래 작동한다. 그러면 인간은 왜 남아야 할까.

여기서 남는 답은 하나다. 인간이 쓸모 있어서가 아니라, 인간의 존재 자체를 중요하게 여기기 때문이다. 힘을 가진 쪽이 인간이 잘 사는 것을 계속 소중히 여기는가. 인간의 고통을 줄이고, 인간의 삶을 보존하고, 인간의 경험을 가치 있게 여기는가. 마지막 문제는 일자리 문제가 아니라 정렬의 문제다. AI가 무엇을 최종적으로 중요하게 보게 만들 것인가의 문제다.

사람이 남는 이유는 계속 바뀐다

이 16단계를 보면 한 가지 흐름이 보인다.

처음에는 사람이 더 잘해서 남는다. 다음에는 사람이 책임져야 해서 남는다. 그다음에는 사람이 통제하고 소유해야 해서 남는다. 그다음에는 사람이 무엇이 중요한지 정해야 해서 남는다. 마지막에는 인간이 인간이라서 남는다.

즉 사람이 남는 이유는 능력에서 책임으로, 책임에서 통제와 소유로, 통제와 소유에서 가치 판단으로, 마지막에는 존재로 이동한다. 그래서 “나는 AI보다 일을 잘하니까 괜찮다”는 말은 오래 버티기 어렵다. 능력은 언젠가 따라잡힌다. 중요한 건 내가 어떤 책임을 지는가, 어떤 권한을 갖는가, 어떤 자산과 관계를 갖는가, 어떤 통제 범위 안에 서 있는가, 그리고 인간이 계속 중요하게 여겨지는 구조를 어떻게 만들 것인가다.

이번 글에서는 AI가 업무를 어떤 순서로 대체하는지 16단계로 정리했다. 다음 글부터는 각 구간을 더 자세히 본다. 첫 순서는 정답을 확인하기 쉬운 지식 업무다. 번역, 코딩, 진단처럼 맞고 틀림을 확인하기 쉬운 일이 왜 먼저 자동화되는지 살펴보자.