출처 https://youtu.be/EXu3I—K2kw · 길이 47:18 · 채널 손에잡히는경제 · 공개 2026-08-07 출연 박정호 명지대 교수, 어예진 해담경제연구소장 자막 YouTube 한국어 자동 생성 자막. 일부 음성인식 오류는 문맥에 맞게 정정했으며, 통계·채용 사례는 강연자의 설명으로 기록했다.
개요
이 대담은 AI를 단순 검색 도구로 쓰는 사람과 자신의 판단·경험을 키우는 사람 사이의 격차가 왜 커지는지에서 출발한다. 박정호 교수는 AI 시대의 핵심 역량을 “일을 잘하는 능력”에서 AI에게 일을 잘 시키는 능력으로 확장하고, 조직의 협업·리더십·인간미와 자녀의 깊은 관심·실패 경험이 여전히 중요한 이유를 설명한다.
한눈에 보는 요약
- AI 활용 자체가 직장인의 생산성·채용 경쟁력을 가르는 업무 역량이 되고 있다. 강연자는 연구 사례로 일반 업무의 최대 6배, 코딩 분야의 최대 17배 생산성 격차를 언급한다.
- AI가 동료에게 물어보는 일을 대체하면 협업과 암묵지 전수가 줄어든다. 강연에서 인용된 연구는 개발자들의 협업이 약 80% 감소했다고 설명하며, 소외감과 대충 일하기의 악순환을 경고한다.
- AI를 잘 쓰는 방법은 질문 한 번으로 답을 얻는 것이 아니라, 맥락을 주고 역할을 나누고 결과물을 검수하는 것이다. 핵심 전환은 “내가 일을 잘한다”에서 “AI에게 일을 잘 시킨다”로 이동하는 데 있다.
- AI 의존은 실력을 낮출 수도, 개인 맞춤형 튜터가 될 수도 있다. 먼저 자신의 답을 만들어 AI 결과와 비교해야 피드백이 경험과 역량으로 남는다.
- 교육은 점수와 안정적인 자격증만 좇기보다 리더십·팔로워십·인간미·갈등 해결력·다방면의 재능을 함께 길러야 한다.
- AI 시대의 인간적 우위는 좋아하는 일을 오래 파고들며 얻는 실제 경험, 자기만의 질문과 판단, 실패 뒤에 다시 일어나는 힘에서 나온다.
장면별 상세 설명
[00:40] 1. 자녀 교육과 업무 방식이 동시에 바뀌는 시대
진행자는 부모들이 AI 시대에 자녀를 어떻게 키워야 할지 방향을 찾지 못한 채 불안해한다고 말한다. 박정호 교수는 이 문제가 자녀 교육에만 머물지 않고, 이미 AI가 들어온 직장에서 사람을 평가하고 일하는 방식이 바뀌는 문제와 연결되어 있다고 설명한다.
[02:00] 2. AI 활용이 직장 역량이 된 이유
예전에는 맡은 일을 정확하고 빠르게 처리하는 사람이 “일을 잘하는 사람”이었다. 이제는 AI가 그 일을 한 번에 처리할 수 있기 때문에, 사람의 차이는 AI라는 도구를 얼마나 잘 활용하는지에서 벌어진다. 교수는 대학원 연구 사례로 AI를 잘 쓰는 직원과 그렇지 않은 직원의 생산성 격차가 최대 6배, 코딩처럼 AI의 도움 효과가 큰 분야에서는 17배까지 나타났다고 언급한다. 이 수치는 영상에서 제시된 연구 주장으로, 별도 검증한 통계는 아니다.
[03:30] 3. 금지하던 AI에서 활용 능력을 증명하는 AI로
대담은 기업의 태도도 “AI를 쓰지 말라”에서 “AI를 써서 무엇을 만들어냈는지 보여 달라”로 바뀌고 있다고 말한다. 지원서나 채용 과제를 AI로 작성했는지 검수하는 데 비용을 쓰기보다, 지원자가 AI를 자기 업무의 일부로 흡수해 더 나은 결과를 냈는지를 보겠다는 방향이다. 따라서 앞으로는 파워포인트·엑셀 숙련도처럼 AI를 어떤 방식으로 활용해 성과를 냈는지가 포트폴리오가 될 수 있다.
[05:40] 4. AI 에이전트 사용 포트폴리오가 되는 채용
교수는 일부 기업이 경력직 지원자에게 이전 직장에서 AI 에이전트를 어떻게 사용했는지 포트폴리오로 제출하게 한다고 소개한다. AI 에이전트를 몇 개 썼는지보다, 적은 수의 에이전트로 어떤 업무를 완수했고 그 효율을 어떻게 설명할 수 있는지가 평가의 기준이 된다. 이때 정량화 기준이 없으면 평가자에 따라 결과가 흔들리므로, 조직은 AI 활용의 성과와 과정을 함께 정의해야 한다.
[07:30] 5. AI가 동료 간 대화를 줄이는 조직 변화
강연에서 인용된 MIT Sloan 연구를 따르면, 생성형 AI 도구인 코파일럿을 적극적으로 쓰는 소프트웨어 개발자들은 사용 이후 동료들과의 협업이 약 80% 줄었다고 보고했다. 교수는 이를 “팀워크로부터의 후퇴”라고 표현한다. 개발이 막히면 선배나 동료에게 묻던 자리를 AI가 대신하면서, 업무의 효율은 높아져도 사람 사이의 접점은 줄어드는 셈이다. 수치 자체는 영상에서 소개한 연구 결과로 기록한다.
[09:20] 6. 도움을 청하는 대화가 사라지면 암묵지도 끊긴다
동료에게 “이 코드가 왜 안 되지?”라고 묻는 대화는 문제 해결 이상의 역할을 한다. 그 짧은 질문이 스몰토크의 시작이 되고, 서로의 판단 방식과 업무 맥락을 배우는 통로가 되기 때문이다. AI가 업무 질문을 더 빠르게 해결해 주면서 프로젝트 조율 회의와 비공식적인 지식 전수까지 줄어들 수 있다는 것이 교수의 우려다. 화면에서 보이지 않는 조직의 암묵지가 사라지는 문제다.
[11:30] 7. 협업 감소에서 소외감과 편의주의로 이어지는 악순환
17개국 조사 사례를 소개하며, 협업이 줄어든 뒤 직원들이 자신이 조직에 꼭 필요한 사람인지 의심하는 업무 소외감을 느낄 수 있다고 말한다. 소외감은 다시 일을 최소한으로 처리하는 편의주의적 행동을 낳고, 구성원이 각자 따로 움직이면서 조직이 파편화된다. “내 일만 하고 가면 된다”는 태도가 쌓이면 회사는 협업을 관리하고 문화를 복구하는 데 별도의 비용을 써야 한다.
[13:00] 8. 같은 AI가 사람 사이의 격차를 더 크게 만든다
AI가 관계를 좋아지게 했다는 사람도 있다. 보고서 문장을 잘 쓰지 못하던 사람이 AI의 도움으로 더 명확하게 보고하고, 회의에서 자신의 생각을 설명하기 쉬워졌기 때문이다. 그러나 이 효과는 AI를 자신의 학습에 쓰는 사람에게만 나타난다. AI가 만든 문장을 그대로 제출하는 사람은 왜 문장이 좋아졌는지 이해하지 못해 실력이 늘지 않고, 같은 도구를 써도 장기적으로는 격차가 벌어진다.
[15:30] 9. 자신의 초안과 AI 결과를 비교해야 실력이 는다
교수는 먼저 자신의 힘으로 글이나 답을 만들어 본 뒤 AI에게 같은 일을 시키고 두 결과를 대조하는 방법을 권한다. 목적어가 빠져 오해를 만든 부분, 과거에 지적받았던 어투, 설명의 빈틈을 비교하면 AI는 대필자가 아니라 개인 튜터가 된다. 반대로 처음부터 AI에게 맡기고 결과만 복사하면 당장은 편하지만, 자신이 무엇을 모르는지조차 알 수 없게 된다.
[17:30] 10. AI는 탐색을 빠르게 하지만 깊은 경험을 대신하지 않는다
논문과 선행 연구를 찾는 일은 예전에는 학술대회와 심포지엄에 가고 사람들과 토론하며 실마리를 얻는 과정이었다. 이제는 AI에게 사례와 선행 연구를 찾으라고 하면 훨씬 빨리 목록을 얻는다. 이 편리함을 그대로 소비하면 연구 아이디어를 우연히 발견하고 토론으로 다듬는 경험이 사라질 수 있다. AI가 탐색을 맡더라도 왜 그 자료가 중요한지 판단하고 자기 문제로 다시 연결하는 과정은 사람이 해야 한다.
[19:30] 11. 다시 배워야 할 첫 번째 능력은 위임이다
AI 시대에 도태되지 않으려면 새로운 직무 도구만 익히는 것이 아니라, 일을 잘 시키는 법을 배워야 한다. 대담은 그 대상이 AI라고 바로 이어 붙인다. 과거에 자기 취재와 글쓰기는 잘하지만 후배에게 가이드하고 업무를 배분하는 데 약한 사람이 관리자가 되면 조직이 흔들렸듯, AI와 일할 때도 개인의 실행력과 위임·조율 능력은 서로 다른 역량이다.
[21:00] 12. 검색이 아니라 파트너에게 일을 시키는 법
AI를 잘 활용한다는 것은 답을 잘 찾는다는 뜻이 아니라, AI라는 파트너가 결과를 낼 수 있도록 맥락과 역할을 주는 일이다. 그런데 지금까지 다른 사람에게 일을 맡겨 본 적이 적은 대리·과장급 구성원은 AI도 검색 포털처럼 쓰기 쉽다. 업무의 목표·제약·완료 조건을 설명하고 결과를 다시 검토하는 위임 훈련이 필요하다.
[23:00] 13. 좋은 프롬프트보다 작은 조직을 설계하라
교수는 AI를 하나의 검색창으로 보지 말고, 조사·검수·보고서 작성 등 역할별 에이전트로 나눠 작은 조직을 만들 수 있다고 설명한다. 조사 담당자가 자료를 모으고, 검수 담당자가 빠진 근거를 찾고, 보고서 담당자가 샘플 형식에 맞춰 최종 문서를 쓰게 하는 식이다. 사용자는 각 역할의 결과를 비교하고 “결론에 우리 지침이 빠졌으니 다시 찾아 달라”고 요구하는 리더가 된다.
[25:00] 14. 리더십과 팔로워십이 함께 필요하다
자녀에게 코딩이나 AI 사용법만 가르치는 것으로 충분하지 않다는 질문에, 교수는 조직행동론의 관점을 가져온다. 업무를 나누고 결과물을 다음 사람에게 전달하고, 다른 사람의 지시를 이해해 수행하는 리더십과 팔로워십이 모두 필요하다는 뜻이다. 그는 대형 컨설팅 회사들이 연구 보조·초급 인력을 예전만큼 많이 뽑지 않는 현상을 AI가 배경에 있는 사례로 소개한다.
[27:30] 15. 주니어를 뽑고 길러내는 방식도 달라진다
예전 컨설팅 조직은 많은 신입을 뽑아 일정표 작성과 사소한 실무부터 맡기고, 옆에서 일머리와 성장 속도를 보며 주니어로 키웠다. AI가 그 반복 업무를 대신하면 회사는 모두를 뽑아 훈련하는 방식 대신, 장차 자신의 파트너가 될 소수의 잠재력을 선별하려 한다. 면접 질문도 단순히 성실한지, 고장 난 복사기를 고칠 수 있는지가 아니라 특정 상황에서 파트너로서 어떤 판단을 할지를 묻게 된다.
[29:30] 16. AI 이후 더 중요해지는 인간미와 동료성
웬만한 반복 업무를 AI가 처리하면 직장인의 시간은 남지만, 사람 문제는 남는다. 그래서 옆자리에 앉은 사람이 일은 정확히 해도 함께 일하기 불편한 사람이라면 조직의 가치는 떨어진다. 교수는 면접에서 “이 사람이 내 옆자리에 앉으면 좋겠다”는 느낌을 줄 수 있는 인간미, 동료성, 이후에는 리더십과 갈등 해결력을 보여주는 것이 중요해진다고 말한다.
[31:30] 17. 인간이 줄 수 있는 것은 실제 감정과 에너지다
AI는 “정말 가슴이 찢어지는 것 같다”고 말할 수 있지만 실제로 가슴이 찢어지는 존재는 아니다. 인간이 겪은 감정과 정서적 노동이 들어간 콘텐츠는 AI 생성물이라고 공개되는 순간 사람들이 평가하는 가치가 달라질 수 있다. 인간의 우위는 감정을 흉내 내는 문장이 아니라, 실제 관계 안에서 위로하고 책임지고 함께 견디는 경험에 있다.
[34:00] 18. 교육의 목적을 부자 만들기로 줄이지 않기
부모는 “무엇에 관심이 있나, 어떤 재능이 있나”보다 의대나 안정적인 직업을 먼저 떠올리기 쉽다. 교수는 불편하지만 자녀 교육의 목적이 결국 아이를 부자로 만드는 데로 축소된 경우가 많다고 말한다. AI로 직업의 수명이 짧아지는 시대라면, 특정 직업명을 맞히는 것보다 아이가 스스로 오래 파고들 수 있는 영역을 발견하도록 돕는 일이 더 중요하다.
[36:00] 19. 점수 하나보다 다방면의 능력을 본다는 관점
대담은 한국의 객관식 중심 선발과 미국 명문대의 다양한 전형을 대비한다. 박 교수는 하버드·아이비리그의 사례를 들며, 공부만 잘하는 학생보다 악기·글쓰기·스포츠 등 특정 분야에서 뛰어난 학생들을 모아 서로 시너지를 내게 한다고 설명한다. 실제 입시 제도의 모든 세부를 검증하는 대목이라기보다, AI 시대에 한 가지 시험 점수만으로 사람의 잠재력을 재단하지 말자는 논지로 읽는 편이 안전하다.
[38:00] 20. 다양한 재능은 문제 해결 네트워크가 된다
여러 전형으로 뽑힌 사람들은 사회에서 서로 다른 문제 해결 방식을 가져온다. 혼자서 풀 수 없는 문제를 만났을 때 스포츠·음악·글쓰기·기술 등 각자의 영역에서 단련한 사람들과 연결되는 네트워크가 성과를 만든다. 따라서 교육의 목표는 모든 아이를 같은 모양의 우등생으로 만드는 것이 아니라, 각자가 잘하는 영역을 실제 결과와 관계로 연결할 수 있게 하는 데 있다.
[40:45] 21. AI는 깊이 파고드는 사람의 격차를 더 크게 만든다
예전에는 “언젠가 해 볼까” 하고 미뤄 두었던 연구나 도전을 AI의 도움으로 실제 시작하는 사람들이 생겼다. 이들은 도구를 이용해 관심 분야를 더 깊이 파고들고, 그렇지 않은 사람과의 격차를 오히려 키운다. 반대로 모든 것을 쉽게 도와주는 환경에 익숙해지면 작은 실패에도 다른 일로 옮기려 하고, 혼자 위기를 만났을 때 다시 일어나는 힘이 약해질 수 있다.
[42:30] 22. 좋아하는 일을 반복하게 하라
교수의 결론은 의외로 단순하다. 아이에게 좋아하고 관심이 가는 일을 시키라는 것이다. 공부가 끝난 뒤 “그럼 나는 뭐 해도 돼?”라고 물을 때 그림·피아노·글쓰기처럼 반복해서 선택하는 활동에 단서가 있다. 그 활동을 혼자서도 계속해 깊은 세계까지 들어가게 하면, AI가 만들 수 없는 경험과 판단이 쌓이고 미래에 대한 좋은 베팅이 된다.
[44:30] 23. 전문직도 반복 업무만으로는 안전하지 않다
AI에게 코딩을 시켜 키오스크 메뉴판을 만들 수 있는 시대에는, 고객이 사람에게 돈을 지불할 이유가 되는 작은 엣지가 필요하다. 그 엣지는 스스로 질문하고 문제를 성찰하며 자기 세계에서 경험한 데서 나온다. 교수는 회계법인에서 합격생의 수습 자리가 줄었다는 사례를 들며, 전문직 자격증 하나가 120세 시대의 평생 안전을 보장한다고 생각하는 것은 위험하다고 경고한다.
[46:30] 24. 결론 — AI 시대의 생존 자산
이 대담의 결론은 자녀에게만 해당하지 않는다. 이미 경력을 쌓은 직장인과 은퇴를 준비하는 사람도 AI에게 일을 잘 시키는 능력, 자기 판단을 유지하는 습관, 동료와 관계를 만드는 인간미, 좋아하는 분야를 깊이 파고든 경험을 새로 쌓아야 한다. AI가 반복 업무와 표준 결과물을 빠르게 만들수록, 사람에게 남는 가치는 “무엇을 해 봤고 무엇을 생각해 냈는가”에 가까워진다.
부록 — 실전 체크리스트
- AI에게 맡기기 전에 문제의 목표·제약·완료 조건을 내 말로 먼저 적는다.
- 초안이나 가설을 먼저 만들고 AI 결과와 비교해 빠진 전제와 표현을 기록한다.
- 조사·검수·작성처럼 역할을 나눠 AI 에이전트를 구성하고, 최종 판단은 사람이 맡는다.
- AI를 사용한 결과물을 저장할 때 사용한 역할·맥락·검수 방식과 실제 성과를 함께 남긴다.
- 팀에서 AI로 줄어든 대화가 암묵지와 관계를 끊지 않는지 정기적으로 확인한다.
- 아이와 자신이 반복해서 선택하는 관심사를 찾아 작은 실패를 감당하며 깊이 연습할 시간을 확보한다.
원문 인용 모음
- [02:16] “AI를 잘 쓰는 직원과 그렇지 않은 직원의 생산성 격차가 최대 여섯 배까지 난 걸로 확인됐습니다.”
- [02:34] “코딩 분야는 정말 인간이 앞으로 뭘 해야 되나 의구심이 들 정도인데 생산성 격차가 17배까지 나기도 했습니다.”
- [08:10] “팀워크로부터의 후퇴가 일어나기 시작했다.”
- [12:01] “악순환인 거예요.”
- [20:33] “이제 AI 시대는 일을 잘 시키는 법을 배워야 돼요.”
- [21:24] “AI랑 일을 한다는 건 내가 일을 잘하는 개념이 아니라 그 파트너 AI에게 일을 잘 시켜야 걔를 잘 뽑아 먹는 거예요.”
- [23:23] “판단은 내가 해. 너는 나를 도와주는 스텝이야.”
- [31:40] “인간이 줄 수 있는 사람이 줄 수 있는 에너지밖에 없겠구나.”
- [42:30] “좋아하는 일을 시키셔야 돼요.”
- [43:52] “AI가 다 알아다 주고 다 알려주지만 내가 직접 내 세계에서 경험해 봐야 된다.”
- [46:31] “그때까지 다 살 수 있다라고 생각하는 건 큰 오산이다.”
관련 노트
- 2026-05-19-working-with-ai-compounding-growth — AI 협업을 맥락·검증·위임·피드백의 복리 구조로 보는 노트
- 2026-05-25-diana-hu-ai-native-company — AI-native 조직에서 사람의 의도와 운영 구조가 맡는 역할
- 2026-08-09-forward-deployed-engineering-101-kevin-bai — 복잡한 기술을 고객 결과로 번역하는 현장 엔지니어링
- moc-ai-agents
- moc-productivity