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.

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.

AI가 써준 보고서를 내가 설명 못 하는 이유: 맥락 부채란 무엇인가

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

AI가 만든 보고서를 작성자가 설명하지 못하면, 작성자는 문서 책임자가 아니라 전달자 역할만 하게 된다.

AI에게 자료를 넣고 보고서를 써 달라고 한다. 몇 초 뒤 그럴듯한 문서가 나온다. 제목도 있고, 배경도 있고, 핵심 내용도 있고, 결론도 있다. 문장만 보면 꽤 괜찮다. 그런데 회의에 들어가서 누가 묻는다. “이 결론이 왜 제일 중요하죠?” “이 숫자는 얼마나 믿을 만한가요?” “다른 선택지는 왜 뺐죠?” “이걸 하면 어느 부서가 제일 부담을 지나요?”

처음 보는 업무, AI로 회의 녹취록 분석해 구조 파악하는 법

Sat, 20 Jun 2026 00:00:00 +0000

남의 회의를 관찰하면 조직이 어떤 기준으로 의사결정을 하는지 배울 수 있다.

처음 보는 업무 회의에 들어가면 대부분은 멍해진다. 아는 단어는 몇 개 없고, 사람들은 이미 맥락을 공유한 듯 말한다. 회의는 계속 앞으로 가는데, 나는 아무 준비 없이 한가운데 끼어든 느낌이 든다.

이때 목표를 잘못 정하면 더 힘들어진다. 처음부터 모든 내용을 이해하려고 하면 안 된다. 처음 보는 회의의 목표는 전부 이해하는 것이 아니라, 업무의 구조를 복원하는 것이다. 이 일이 왜 있고, 무엇을 결정하고, 무엇 때문에 갈리는지부터 확인해야 한다.

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.

문어 모사 소프트 그리퍼 리뷰 (Biomimetics)

Thu, 04 Dec 2025 00:00:00 +0000

제가 공동 1저자로 참여한 리뷰 논문이며, Biomimetics에 게재됐습니다. 문어 모사 그리퍼를 흡착컵형, 팔형, 혼합형으로 나누고, 각 설계가 물체를 잡고 신호를 측정하며 동작을 제어하는 방식을 비교했습니다. 마지막으로 AI를 이용한 제어 연구가 어디까지 진행됐는지 정리했습니다.

Choi, S.; Jang, J.; Lee, J.; Kim, D.W. “Design and Sensing Frameworks of Soft Octopus-Inspired Grippers Toward Artificial Intelligence.” Biomimetics 2025, 10(12), 813. DOI: 10.3390/biomimetics10120813 ↗