AI 시대 오래 일할 능력, 직종보다 과업 구조가 갈랐다…남는 축은 책임·현장 판단·대인 협업
AI가 어떤 직업을 없애느냐보다 먼저 확인해야 할 것은 직업 안의 과업이 어떻게 갈리는가다. 국제노동기구(ILO)가 2025년 공개한 생성형 AI 직무 노출 지수는 직업의 완전 대체보다 과업 재편 가능성에 초점을 맞췄다. 전 세계 고용의 4분의 1이 생성형 AI에 어느 정도 노출돼 있지만, ILO는 가장 가능성 높은 결과를 일자리 소멸이 아니라 직무 변형으로 본다.
이 관점에서 보면 “오래 일할 수 있는 능력”도 직종 이름보다 과업 구조로 다시 읽는 편이 정확하다. 문서 작성, 정보 정리, 표준화된 분석처럼 디지털 환경에서 규칙화된 인지 과업의 비중이 큰 일은 AI의 영향을 먼저 받는다. 반대로 같은 직업 안에서도 최종 판단의 책임을 지거나, 현장에서 상황을 읽고 예외를 처리하거나, 여러 사람의 이해를 조정해 함께 일하게 만드는 과업은 쉽게 사라지지 않는다.
ILO와 OECD가 공통으로 가리킨 것은 ‘직업’보다 ‘과업’의 변화
ILO의 2023년 분석은 생성형 AI의 주된 효과가 자동화보다 보완에 가까울 가능성이 크다고 봤고, 2025년 개정 지수는 이를 더 세분화했다. 사무직은 여전히 노출도가 가장 높았고, 소프트웨어·미디어·금융처럼 강하게 디지털화된 일부 전문직의 노출도도 커졌다. 그러나 ILO는 많은 직업이 여전히 인간의 개입을 필요로 하기 때문에, 핵심 변화는 직업 자체의 소멸보다 과업의 재배치라고 설명했다.
경제협력개발기구(OECD) 자료도 비슷한 방향을 보인다. OECD는 생성형 AI 노출을 현재 기술로 시간을 절반가량 줄일 수 있는 과업의 비중으로 정의하면서도, 높은 노출이 곧바로 일자리 대체를 뜻하지는 않는다고 선을 그었다. 실제로 OECD는 고노출 직업에서 관리, 사업 운영, 고객 서비스, 사회적 기술 수요가 함께 관찰된다고 봤다. AI가 일부 과업 시간을 줄이더라도 남는 일은 조정, 감독, 설명, 대면 상호작용 쪽으로 이동할 수 있다는 뜻이다.
같은 맥락에서 OECD의 직무 변화 사례 연구는 영업 직무에서 고객 파일 분석에 쓰는 시간이 줄고 고객과 직접 상호작용하는 비중이 커질 수 있다고 제시했다. 이는 AI가 일을 통째로 가져가기보다, 사람이 맡는 과업의 무게중심을 뒤로 밀고 앞으로 당기는 방식으로 바꾼다는 점을 보여준다.
직무 지속성을 높이는 공통 요소는 세 가지로 압축된다
첫째는 최종 책임이 남는 판단이다. 한국고용정보원의 직업정보 체계는 업무수행능력을 논리적 분석, 문제 해결, 판단과 의사결정, 모니터링 등으로 나눠 제시한다. 이 가운데 결과에 대한 책임을 수반하는 판단은 단순 추천과 다르다. AI가 초안을 만들고 선택지를 넓혀줄 수는 있어도, 손실과 이익을 비교해 실제 결정을 내리고 그 결과를 감당하는 과업은 여전히 사람 쪽에 남는 경우가 많다.
둘째는 현장 맥락을 읽는 능력이다. 생성형 AI는 문서와 화면 위에서 강하지만, 일터는 늘 예외와 변수를 동반한다. 장비 이상을 확인하고, 고객 반응을 읽고, 안전과 품질을 동시에 따져야 하며, 매뉴얼에 없는 상황에서 우선순위를 다시 정하는 일은 현장 판단을 요구한다. 한국고용정보원 직업정보가 제시하는 사람 파악, 행동조정, 품질관리분석, 고장의 발견·수리 같은 항목은 이런 종류의 과업을 잘 보여준다.
셋째는 대인 협업이다. OECD는 고노출 직무에서도 사회적 기술의 수요가 함께 증가하거나 유지된다고 봤다. 팀워크와 협업, 협상, 이해관계자 관리, 조정 같은 기술은 AI가 바로 대체하기 어렵고, 오히려 AI 도입 뒤 더 중요해질 수 있다. 표준 문서 작성과 기초 분석이 빨라질수록 조직 안에서는 누가 정보를 모으고, 충돌을 줄이고, 서로 다른 부서를 움직이게 하느냐가 성과를 가를 가능성이 커지기 때문이다.
무엇을 배워야 하나…‘AI 사용법’만으로는 부족하다
이 기준으로 보면 준비해야 할 역량도 비교적 선명해진다. 첫 단계는 자신의 일을 직종명이 아니라 과업 묶음으로 분해해 보는 것이다. 내가 하는 일 가운데 문서 초안, 요약, 검색, 정형 보고처럼 AI가 시간을 줄일 수 있는 부분이 얼마나 되는지, 반대로 예외 판단, 고객 대응, 협업 조정, 현장 점검처럼 인간 책임이 남는 부분이 무엇인지 나눠봐야 한다.
둘째는 디지털 도구 활용을 배우되, 그것을 직무 핵심역량으로 착각하지 않는 일이다. 프롬프트 작성이나 업무 자동화 도구 사용은 점점 기본기가 되겠지만, 그것만으로 직무 지속성이 확보되지는 않는다. 오히려 특정 산업의 규정과 절차를 이해하는 도메인 지식, 데이터를 해석해 행동으로 옮기는 판단, 다른 사람과 함께 결과를 만드는 협업 능력이 결합될 때 지속성이 높아진다.
셋째는 훈련의 단위를 자격증이나 직함이 아니라 과업 전환으로 바꿔야 한다는 점이다. 같은 사무직이라도 한 사람은 기초 문서 작성 비중이 높고, 다른 사람은 고객 설득과 일정 조정 비중이 높을 수 있다. 같은 기술직도 반복 점검 위주인지, 돌발 상황 대응과 품질 책임이 큰지에 따라 AI의 영향은 다르다. 직무 지속성은 “어느 직종이 안전한가”보다 “내 일이 어떤 과업 조합으로 이뤄져 있는가”에 더 크게 좌우된다.
결국 AI 시대에 오래 일할 가능성을 높이는 공통 요소는 화려한 새 직종 이름보다 덜 눈에 띄는 능력에 가깝다. 결과에 책임지는 판단, 현장에서 예외를 읽는 감각, 사람 사이를 연결해 일을 완성하는 협업이 그것이다. 생성형 AI가 빨리 바꾸는 것은 주로 반복적이고 디지털화된 인지 과업이며, 그 변화 이후에도 조직이 계속 필요로 하는 것은 누가 최종 결정을 내리고 현장을 수습하며 타인과 함께 실행하느냐의 문제다.
자료: International Labour Organization, Generative AI and Jobs: A Refined Global Index of Occupational Exposure(2025년 5월 20일); International Labour Organization, Generative AI and Jobs: A global analysis of potential effects on job quantity and quality(2023년 8월 21일); OECD, How is AI changing the way workers perform their jobs and the skills they require?(2024); OECD, Artificial intelligence and the changing demand for skills in the labour market(2024); OECD, Job Creation and Local Economic Development 2024: The Geography of Generative AI(2024); 한국고용정보원, 직업연구 및 경력개발 지원 안내; 고용24·한국고용정보원, 한국직업정보시스템 직업정보 찾기