|
전통적으로 신입사원의 역할은 반복적이고 보조적인 업무에서 시작됐다. 회의록 정리, 보고서 초안 작성, 기초 리서치, 데이터 입력, 일정 조율 같은 일들이다. 단순해 보이는 업무지만 결코 무의미하지는 않았다. 신입은 이를 수행하며 조직의 언어와 일하는 방식을 익혔고, 기업은 비교적 낮은 비용으로 인재를 육성할 수 있었다. 반복 업무는 신입이 조직에 적응하고 성장하는 '진입 사다리'의 첫 번째 칸이었다.
그러나 생성형 AI가 이 첫 칸을 빠르게 대체하고 있다. 회의록 작성, 마케팅 카피 초안, 기초 리서치 등 신입의 전통적인 업무 중 상당수가 AI로 대체되면서 이른바 '진입 사다리 붕괴' 현상이 나타나고 있다. 한국은행이 2025년 10월 발표한 'AI 확산과 청년고용 위축' 리포트에 따르면 챗GPT 등장 이후 3년간 청년층 일자리는 21만 1,000개 감소했으며, 그중 98.6%가 AI 고노출 업종에 집중됐다. 한국은행은 이를 '연공 편향Seniority-biased 기술 변화'로 설명한다. 규칙이 명확한 정형 업무는 AI가 대체하기 쉽지만, 시니어 인력은 경험과 암묵지를 활용해 AI와 협업하며 생산성을 높일 수 있다는 것이다. 문제는 일자리 감소 자체보다 학습 경로의 변화에 있다. 과거에는 신입이 반복 업무를 수행하며 선배의 피드백을 받고, 실수를 통해 배우는 과정 자체가 중요한 학습 메커니즘이었다. 그러나 AI가 중간 단계를 대신하면서 경험을 축적할 기회도 함께 줄어들고 있다. 그 결과 AI 결과물을 다루는 방법은 알지만, 업무의 원리와 맥락은 충분히 이해하지 못하는 '역량의 공동화Hollowing out' 위험이 커지고 있다. 이에 따라 신입에게 요구되는 역할도 달라지고 있다. 글로벌 IT 및 컨설팅 기업인 캡제미니 리서치 인스티튜트Capgemini Research Institute는 향후 3년 내 신입의 역할이 콘텐츠를 직접 생산하는 것에서 AI 결과물을 검토·개선하는 방향으로 바뀔 것이라고 전망했다. 하지만 검토와 판단은 본래 경험과 맥락에 기반한 역량이다. 직접 만들며 배워가는 과정은 줄어드는데, 판단 능력은 더 일찍 요구되는 역설이 발생하는 것이다. 따라서 반복 업무의 감소를 단순히 '신입의 일이 사라졌다'고 해석해서는 안 된다. 이는 신입의 역할을 실행에서 구조 파악, 판단, AI 오케스트레이션Orchestration으로 재정의하라는 신호다. .jpg) 신입사원은 '알고리즘 관리자'가 되어야 한다 신입사원의 새로운 역할을 한 문장으로 정의하면, 'AI와 함께 일하는 초급 지식 작업자'다. 문서·코드·데이터를 처음부터 만드는 생산자라기보다, AI가 생성한 결과물을 검토·해석하고 비즈니스 맥락에 맞게 조정하는 품질 보증자Quality assurer에 가깝다. 더 나아가 신입은 '알고리즘의 관리자'가 되어야 한다. 하버드비즈니스리뷰에 실린 'Algorithms Need Managers, Too' 아티클은 알고리즘이 강력한 예측 도구인 동시에 관리가 필요한 대상이라고 설명한다. 알고리즘은 주어진 목표를 그대로 수행하지만, 그 목표 달성 과정 속에서 지켜야 할 가치까지 스스로 판단하지는 못한다. 클릭률을 높이라는 목표가 주어지면 단순히 클릭률 향상이라는 과제만을 수행할 뿐, 그 과정에서 콘텐츠 품질이나 브랜드 신뢰가 훼손되는지는 따로 고려하지 않는다. 또한 알고리즘은 속을 들여다볼 수 없는 블랙박스에 가깝기 때문에 결과가 왜 나왔는지 사람이 이해하고 점검하는 과정이 필요하다. AI를 도입하면 책임의 위치도 흐려진다. "AI가 추천했으니까" "데이터가 그렇게 말했으니까"라는 말이 사람의 판단을 대신하기 쉽다. 따라서 조직의 진짜 위험은 알고리즘의 오류보다 관리의 부재에서 발생한다. 알고리즘을 누가 점검하고, 어떤 기준으로 통제하며, 무엇을 놓치고 있는지 살피는 역할이 비어 있을 때 문제가 커진다. 그리고 그 역할의 출발점에 신입사원이 있다. 신입은 "이 모델은 무엇을 맞히고 무엇을 놓치는가" "이 시스템은 무엇을 최적화하고 있으며, 그 목표에서 누락된 것은 없는가"를 끊임없이 확인하는 역할을 맡아야 한다. IBM 역시 직원 교육에서 생성형 AI를 진실Truth의 원천이 아니라, 직원이 자신의 경험·지식·비판적 사고와 결합해 더 나은 결정을 내리기 위한 도구로 설명하고 있다. AI를 출발점으로 삼되 마지막 판단은 사람이 내린다는 것이다. 결국 AI 시대 신입 교육의 첫 단추는 알고리즘을 잘 쓰는 법을 넘어, 알고리즘을 관리하고 판단하는 역량을 기르는 데 있다. AI 의존과 개성의 평균화 신입사원의 판단 역량 강화와 더불어 AI 의존의 위험성도 함께 고민해야 한다. MIT 미디어랩 연구진은 2025년 공개한 'Your Brain on ChatGPT' 리포트에서 챗GPT 같은 LLM의 도움을 받아 글을 쓴 집단이 스스로 작성한 집단보다 뇌 연결성, 언어 구성, 평가 점수에서 낮은 성과를 보였다고 분석했다. 연구진은 이를 '인지 부채Cognitive debt'로 설명했다. AI가 사고의 일부를 대신할수록 사람은 판단을 연습할 기회를 잃고, 정작 예외 상황에서 필요한 인지 근육이 약해질 수 있다는 의미다. 마이크로소프트 연구진의 조사도 비슷한 경고를 한다. AI를 신뢰할수록 결과를 비판 없이 수용하는 경향이 강해진 반면, 자신의 전문성에 대한 확신이 높은 사람일수록 AI의 결과를 적극적으로 검증했다. 문제는 AI를 쓰는 것 자체가 아니라, 사고를 AI에 외주화하는 과도한 의존에 있다. 개성의 평균화도 문제다. 조지타운대 애덤 그린Adam Green 연구팀은 미국 대학 지원자 37만 명 이상의 자기소개서를 챗GPT 도입 전후로 비교했다. AI 도입 이후 에세이의 문장은 더 화려해졌지만, 아이디어는 유사한 몇 개의 카테고리로 수렴했다. 표면은 다채로워졌으나 생각의 다양성은 줄어든 것이다. 특히 가장 독특한 목소리를 내던 지원자일수록 AI를 거친 뒤 평균으로 끌려가는 경향이 크게 나타났다. 이 문제를 해결하려면 도제식 육성을 폐기하는 것이 아니라, 도제의 단위를 ... 중략 ... |
|
가천대 경영대학원 겸임교수 / 중앙대HRD대학원 객원교수
기사 전문은 구독권한이 있는 회원께만 제공됩니다. 먼저 로그인 하세요.
로그인
|
