AI에게 일을 맡겨도 되는 선은 어디까지일까?｜직접 써보며 만든 기준

“ChatGPT에게 일을 어디까지 맡겨도 될까요? 6,000명 지식근로자 대상 현장실험과 319명·936개 AI 업무 사례 연구, 직접 사용 경험을 바탕으로 AI에게 맡길 일과 사람이 직접 판단할 일을 구분합니다.”

ChatGPT를 처음 사용할 때는 무엇을 시킬 수 있는지가 궁금했습니다.

글도 써보고, 긴 내용을 요약시키고, 외국어도 번역해보고, 복잡한 정보를 표로 정리해보기도 했습니다.

그런데 사용 시간이 길어지면서 질문이 달라졌습니다.

“무엇을 할 수 있느냐”보다 “어디까지 맡겨도 되느냐”가 더 중요했습니다.

AI는 분명 일을 빠르게 해줍니다.

그렇다고 모든 일을 맡기는 것이 효율적인 것은 아니었습니다.

오히려 어떤 일은 AI에게 맡기고, 어떤 일은 내가 직접 해야 하는지를 구분하기 시작하면서 훨씬 편해졌습니다.

처음에는 완성본을 부탁했습니다

예를 들어 글을 쓸 때 처음에는 이렇게 요청하기 쉽습니다.

“이 주제로 글 하나 써줘.”

몇 초 만에 제법 그럴듯한 글이 나옵니다.

그런데 읽어보면 문제가 보입니다.

문장은 매끄럽지만 내 이야기가 없습니다.

누가 써도 비슷한 글이 됩니다.

그래서 방법을 바꿨습니다.

먼저 제가 경험한 것과 생각을 짧게 적고 AI에게 구조를 잡게 했습니다.

“내가 실제로 사용하면서 느낀 내용이야. 이 경험은 유지하고 독자가 이해하기 쉽게 구조를 잡아줘.”

결과가 달라졌습니다.

AI에게 내용을 만들어달라고 하는 것과 내가 가진 내용을 정리해달라고 하는 것은 전혀 다른 작업이었습니다.

실제 업무 연구에서는 어떤 변화가 있었을까?

이런 변화가 개인적인 느낌에 불과한지 궁금해서 관련 연구를 찾아봤습니다.

Microsoft Research가 2025년 공개한 연구에서는 여러 산업에 종사하는 6,000명의 지식근로자를 대상으로 6개월간 무작위 현장실험을 진행했습니다.

절반에게 이메일, 문서작성, 회의 등에 사용할 수 있는 생성형 AI 도구를 제공했습니다.

AI 도구를 실제 사용한 근로자들은 주당 이메일에 쓰는 시간이 약 3시간, 25% 감소했고 문서작성도 다소 빨라지는 모습이 관찰됐습니다.

반면 회의에 사용하는 시간에는 통계적으로 유의미한 변화가 나타나지 않았습니다.

이 결과가 흥미로운 이유가 있습니다.

AI가 모든 업무를 똑같이 줄여준 것이 아니기 때문입니다.

연구진은 개인이 독립적으로 바꿀 수 있는 업무에서는 변화가 나타났지만, 다른 사람과의 조율이 필요한 업무에서는 변화가 제한적이었다고 설명합니다.

쉽게 말하면 AI에게 잘 맡길 수 있는 일과 그렇지 않은 일이 있다는 것입니다.

저는 일을 세 종류로 나누기 시작했습니다

직접 사용하면서 가장 편했던 방법입니다.

첫째, AI에게 적극적으로 맡기는 일

초안 만들기, 긴 글 요약, 문장 다듬기, 아이디어 확장, 표 정리, 어려운 개념을 쉽게 설명하는 일입니다.

이런 업무는 결과를 사람이 비교적 쉽게 확인할 수 있습니다.

틀리면 수정하면 됩니다.

둘째, AI와 함께하는 일

보고서 작성, 자료조사, 제품 비교, 여행계획, 중요한 이메일처럼 정보와 판단이 함께 필요한 업무입니다.

이런 일은 AI가 초안을 만들게 하되 사람이 자료와 조건을 확인합니다.

제가 블로그 글을 만드는 과정도 여기에 해당합니다.

AI에게 구조를 맡길 수는 있지만 제 경험과 판단까지 대신 만들게 해서는 글의 가치가 떨어집니다.

셋째, AI에게 최종 결정을 맡기지 않는 일

건강, 투자, 법률, 세금, 계약처럼 잘못된 판단의 결과가 큰 문제입니다.

AI를 이용해 어려운 내용을 이해하거나 확인해야 할 질문을 만드는 것은 유용합니다.

하지만 최종 판단에는 공식자료나 해당 분야 전문가의 확인이 필요합니다.

저는 이 차이를 ‘실수 비용’으로 생각합니다.

틀렸을 때 쉽게 고칠 수 있다면 AI에게 더 많이 맡길 수 있습니다.

반대로 틀렸을 때 돈, 건강, 권리 등에 큰 영향을 줄 수 있다면 사람의 확인 비중을 높이는 것입니다.

AI 시대에는 사람의 일이 없어지는 것이 아니라 위치가 이동할 수 있습니다

또 다른 Microsoft Research·Carnegie Mellon University 연구도 흥미롭습니다.

연구진은 319명의 지식근로자로부터 생성형 AI를 실제 업무에 사용한 936개의 사례를 수집했습니다.

그 결과 생성형 AI 환경에서는 비판적 사고의 중심이 단순히 결과를 직접 만들어내는 것에서 AI가 만든 정보를 검증하고, 자신의 업무에 통합하고, 전체 작업을 관리하는 방향으로 이동하는 모습이 관찰됐습니다.

다만 이 연구는 참여자들의 자기보고를 바탕으로 한 조사입니다.

따라서 “AI가 인간의 사고력을 떨어뜨린다”거나 “AI가 무조건 생산성을 높인다”는 인과관계를 입증한 연구로 확대해서 해석해서는 안 됩니다.

오히려 중요한 메시지는 이것입니다.

AI를 사용하면 사람이 해야 할 일이 사라진다기보다 사람의 역할이 달라질 수 있다는 것입니다.

직접 사용하면서 가장 많이 바뀐 것도 ‘검토’였습니다

예전에는 제가 처음부터 끝까지 만들었습니다.

지금은 AI가 초안을 만드는 일이 많습니다.

대신 다른 일이 늘었습니다.

“이 숫자가 맞나?”

“이 출처가 실제로 존재하나?”

“너무 단정적으로 말한 것은 아닌가?”

“내가 실제로 경험하지 않은 내용을 경험한 것처럼 쓴 것은 없는가?”

이것을 확인합니다.

AI 덕분에 작성시간은 줄어들 수 있지만 검토의 중요성은 오히려 커진 것입니다.

특히 블로그에서는 이 부분이 중요하다고 생각합니다.

인터넷에 이미 있는 내용을 AI가 다시 요약한 것만으로는 독자가 굳이 이 글을 읽어야 할 이유가 없습니다.

직접 경험한 것,

실제로 실패했던 것,

자료를 찾아보니 예상과 달랐던 것,

그리고 그 경험에서 얻은 판단 기준이 들어가야 합니다.

AI에게 맡길지 고민될 때 저는 세 가지를 봅니다

복잡하게 생각할 필요는 없습니다.

첫째, 틀려도 쉽게 수정할 수 있는가?

그렇다면 AI 활용 범위를 넓혀도 됩니다.

둘째, 결과를 내가 확인할 수 있는가?

내가 검토할 능력이나 원자료가 없다면 AI 답변에 대한 의존도를 낮추는 편이 좋습니다.

셋째, 최종 책임은 누구에게 있는가?

AI가 이메일을 작성해도 보내는 사람은 나입니다.

AI가 자료를 요약해도 그 자료를 사용해 판단하는 사람 역시 나입니다.

이 세 질문만으로도 AI에게 어디까지 맡길지 상당 부분 결정할 수 있었습니다.

중요한 것은 AI를 많이 쓰는 것이 아니었습니다

처음에는 AI 활용 능력이란 프롬프트를 잘 만드는 것이라고 생각했습니다.

지금은 생각이 조금 달라졌습니다.

AI를 잘 사용하는 능력에는 위임하는 능력과 회수하는 능력이 함께 필요합니다.

단순하고 반복적인 작업은 AI에게 넘깁니다.

정보를 정리하고 비교하는 일은 AI와 함께합니다.

중요한 사실은 다시 확인합니다.

그리고 최종 판단과 책임은 사람이 가져옵니다.

저에게 가장 편했던 기준을 한 줄로 정리하면 이것입니다.

“AI에게 작업은 맡겨도 판단까지 자동으로 넘기지는 않는다.”

AI가 발전할수록 무엇을 할 수 있는지를 배우는 것도 중요합니다.

하지만 앞으로는 그보다 한 단계 더 나아가,

무엇을 AI에게 맡기고 무엇을 내가 가지고 있어야 하는지 구분하는 능력이 더 중요한 디지털 실력이 될지도 모릅니다.