AI 업무 분담, 사람에게 남는 일 3가지와 업무 설계 기준

AI 업무 분담을 7분 영상과 캡처 6장으로 정리했습니다. 사람에게 남는 정의·판단·실행, 의사결정·컨텍스트·신뢰 설계 세 지점, AI 단가 1/300이 바꾸는 업무 설계 기준까지 한 번에 확인해 보세요.

목차 (Agenda)

AI 업무 분담, 사람에게 남는 일 영상 정리 글 배너

TL;DR — AI 업무 분담의 핵심은 만드는 일을 AI에 넘기고, 사람은 무엇을 왜 할지 정의하고 결과를 판단하고 끝까지 실행하는 일을 맡는 것입니다. 사람이 판단할 자리는 의사결정·컨텍스트·신뢰 설계 세 곳이고, AI 단가가 사람의 1/300로 내려가면서 업무 설계 기준도 함께 바뀝니다.

AI를 도입한 기업의 팀장과 실무 담당자는 곧 무엇을 AI에 맡기고 무엇을 사람이 쥐고 있어야 하는지 정해야 합니다. 이 판단을 돕기 위해 클라우드네이티브TV가 공개한 영상 「AI 업무 분담, 사람에게 끝까지 남는 일 3가지 | AI 시대 일하는 법 EP.03」(6분 44초)을 장면 6개로 나눠, AI 업무 분담의 원칙과 사람이 판단할 세 지점, 단가 차이가 업무 설계 방식을 바꾸는 과정을 정리합니다.

업무에 AI 를 얹는 순서, 함께 정리해 드립니다

파일럿 대상 업무 선정부터 확산까지 — 조직에 맞는 단계를 MSAP.ai 전문가와 함께 설계하세요.

영상으로 먼저 보기: 7분에 담은 AI 시대 일의 구조

이 영상은 라이터와 요리 담당자 이야기로 시작해, 사람과 AI가 일을 나누는 방식과 그 결과 사업의 경계가 어디까지 넓어지는지를 차례로 짚습니다.

영상에서 다루는 순서는 다음과 같습니다.

  • 도입: 일의 본질 찾기 (0:00)
  • 작업과 본질의 분리 (1:16)
  • 사람과 AI의 역할 분담 (2:13)
  • 판단이 필요한 세 지점 (3:03)
  • 개발 일의 무게 중심 이동 (3:58)
  • 단가 차이와 업무 설계 (4:45)
  • 비용 제약에서 벗어난 일 (5:42)

자료 다운로드 📄

이 글과 함께 제공되는 발표 자료를 아래 버튼에서 내려받으실 수 있습니다.

이 영상이 답하는 6가지 질문 정리

영상의 설명을 질문으로 바꾸면 여섯 가지입니다. 아래 여섯 개 절이 이 순서대로 답합니다.

  1. AI가 들어오면 내 일은 정말 사라지는가?
  2. AI 업무 분담에서 사람에게 남는 일과 AI가 맡는 일은 무엇인가?
  3. 사람의 판단은 구체적으로 어디에 들어가야 하는가?
  4. 개발자의 일에서는 무엇의 가치가 줄고 무엇이 남는가?
  5. 같은 작업을 맡기면 사람과 AI의 단가는 얼마나 차이 나는가?
  6. 단가 차이는 기업이 사업으로 볼 일의 범위를 어떻게 바꾸는가?

AI가 대신하는 범위가 일의 일부 작업에 그치는 이유

AI가 대신하는 것은 일 전체가 아니라 일의 일부 작업입니다. 그래서 AI 업무 분담을 설계하기 전에 자기 업무를 작업과 본질로 먼저 나눠 봐야 합니다.

영상은 원시 시대 요리 담당자 이야기로 이 점을 설명합니다. 그는 나무 막대를 돌려 불을 피웠고, 요령이 필요해 시간이 꽤 드는 일이었습니다. 그런데 라이터가 나오자 누구나 쉽게 불을 쓰게 됐고, 요리 담당자는 일이 없어졌다고 낙담합니다. 영상의 답은 반대입니다. 그의 가치는 불을 피우는 데 있지 않고, 불을 어떻게 써야 고기가 맛있고 안전한지, 모두가 만족하는지 아는 데 있었다는 것입니다. 사라진 것은 불 피우기라는 작업이고, 요리라는 본질은 그대로 남았습니다.

라이터가 나온 뒤 요리 담당자의 가치는 불 피우기가 아니라 요리로 옮겨 갔다.

▲ 불 피우기에서 요리로 옮겨 간 요리 담당자의 가치 (영상 1:56)

화면은 세 칸으로 흐름을 보여 줍니다. 왼쪽은 불 피우기를 자기 일로 여기던 이전 모습, 가운데는 라이터가 등장해 불 피우기 작업이 사라진 변화, 오른쪽은 그대로 남는 가치인 요리입니다. 아래에는 자기 업무에 던질 두 질문이 있습니다. 내 업무에서 불 피우기에 해당하는 작업은 무엇인가, 그리고 요리에 해당하는 본질은 무엇인가입니다.

영상은 테스트 업무를 예로 듭니다. 테스트 케이스 작성이나 결과 집계는 불 피우기에 가깝습니다. 반면 어떤 위험을 어디서 확인할지 판단하는 일이 요리에 해당합니다. 이 구분을 해 두면 AI에 넘길 작업 목록과 사람이 계속 맡을 본질 목록이 자연스럽게 갈립니다. 팀 단위로 이 두 질문을 업무마다 던져 보는 것이 AI 업무 분담의 출발점입니다. AI 업무 분담을 시작하는 팀이라면 먼저 업무 목록을 펼쳐 놓고 각 줄에 「작업」과 「본질」 표시를 붙이는 것부터 점검해야 합니다. 표시가 끝나면 작업 쪽 줄은 AI에 넘길 후보가 되고, 본질 쪽 줄은 사람이 계속 맡을 일이 됩니다. 이 구분 없이 도구부터 들이면 AI가 본질에 해당하는 판단까지 떠안거나, 반대로 사람이 작업에 계속 묶여 AI 업무 분담의 효과가 나지 않습니다.

사람의 일이 정의·판단·실행으로 옮겨 가는 구조

AI가 들어오면 사람과 AI가 일을 나누는 방식이 바뀝니다. 영상의 표현대로 사람의 일은 만드는 일에서 정의하고 판단하고 실행하는 일로 옮겨 갑니다.

영상은 사람에게 남는 일을 세 가지로 꼽습니다. 첫째는 무엇을 왜 만들지 결정하는 일(Why·What)입니다. 둘째는 AI 결과물을 가려내 판단하고 고치는 일(Go/No-Go)입니다. 셋째는 주변을 움직여 끝까지 실행하는 일(Execution)입니다. 반대로 데이터 분석, 디자인 시안과 코드 작성, 테스트에서 찾은 오류의 자동 수정은 AI가 맡습니다. 화면은 사람 쪽 칸을 「어떻게 하고 싶은지라는 의지」로, AI 쪽 칸을 「성과물 출력, 곧 만드는 일」로 정리합니다.

사람에게는 무엇을 왜 만들지 정하기, 결과물 판단, 끝까지 실행하기가 남고 AI는 데이터 분석과 초안 작성을 맡는다.

▲ 사람에게 남는 일과 AI가 맡는 일 (영상 2:14)

영상은 이 분담을 집 짓기에 빗댑니다. 벽돌 쌓기는 기계가 하고, 설계와 준공 검사는 사람이 맡는 셈입니다. 그리고 놓치면 안 되는 점을 하나 덧붙입니다. AI가 만든 결과물도 사람의 Go/No-Go 판단을 반드시 거친다는 것입니다. 화면 아래 노란 칸도 같은 말을 합니다. 왼쪽 두 번째 줄의 판단·수정이 오른쪽 모든 업무의 품질을 결정한다는 뜻입니다.

다만 영상은 업무마다 사람이 개입하는 정도가 다르다고 분명히 합니다. 모든 업무에 같은 비율로 사람을 붙이라는 이야기가 아닙니다. 고객에게 바로 나가는 결과물은 사람이 한 건씩 확인하고, 내부 참고용 분석은 표본만 확인하는 식으로 업무별로 개입 깊이를 다르게 정하는 것이 이 구조를 실제로 쓰는 방법입니다. AI 업무 분담 표를 만들 때는 업무마다 결과물이 잘못됐을 때의 영향 범위를 함께 적어 두고, 영향이 클수록 사람의 Go/No-Go를 촘촘하게 두도록 결정해야 합니다.

구분 사람에게 남는 일 AI가 맡는 일
성격 정의·판단·실행 만들기(성과물 출력)
정의 무엇을 왜 만들지 결정(Why·What) 데이터 분석
판단 AI 결과물을 가려내고 판단·수정(Go/No-Go) 디자인 시안 작성, 코드 작성
실행 주변을 움직여 끝까지 실행(Execution) 테스트에서 찾은 오류 자동 수정

사람의 판단이 들어갈 세 지점, 의사결정·컨텍스트·신뢰 설계

AI 업무 분담에서 사람의 판단이 들어갈 자리는 의사결정 설계, 컨텍스트 설계, 신뢰 설계 세 곳입니다. 영상은 이 세 지점이 원 발표자도 가설로 제시한 내용이라고 밝힙니다.

첫째, 의사결정 설계입니다. AI가 어떻게 할지(How)를 맡아도 왜 하고 무엇을 할지(Why·What)는 넘길 수 없습니다. 진행할지 말지를 정하는 마지막 결정도 사람 몫입니다. 화면의 설계 방향은 사람이 개입할 곳과 개입하지 않을 곳을 정해 품질과 속도를 함께 확보하라는 것입니다.

둘째, 컨텍스트 설계입니다. 컨텍스트는 일의 배경 정보로, 시간이 갈수록 쌓입니다. 쌓인 컨텍스트를 쓰면서도 너무 비대해지지 않게 구조를 잡고, 키우는 방법과 꺼내 쓰는 방법까지 함께 설계해야 합니다.

사람의 판단이 들어갈 자리는 의사결정 설계, 컨텍스트 설계, 신뢰 설계 세 곳이다.

▲ 사람의 판단이 들어갈 세 지점 (영상 3:22)

셋째, 신뢰 설계입니다. AI는 틀릴 수 있고 정답률이 100%인 경우는 없습니다. 그래서 틀린다는 전제로 시스템의 신뢰성을 계속 지켜야 하고, 확률에만 기대지 않는 품질·신뢰성 확보 장치를 마련해야 합니다. 영상은 이를 자동차에 브레이크와 안전띠를 다는 일에 빗댑니다.

세 지점을 하나로 묶는 결론은 화면 위 핵심 문장에 있습니다. 개입할 곳과 뺄 곳을 가려야 품질과 속도를 함께 얻을 수 있다는 것입니다. 사람이 모든 단계를 확인하면 속도가 사라지고, 아무 데도 개입하지 않으면 품질을 장담할 수 없습니다. 실무에서는 업무 흐름을 그려 놓고 세 지점 각각에 담당자와 확인 방법을 적어 보는 것부터 시작할 수 있습니다. 누가 Go/No-Go를 결정하는지, 쌓이는 컨텍스트를 누가 정리하는지, AI 오류를 어떤 장치로 걸러 내는지가 빈칸으로 남으면 그 자리가 바로 설계가 필요한 곳입니다. AI 업무 분담이 잘된 조직과 그렇지 않은 조직의 차이는 AI 도구의 성능보다 이 세 칸이 채워져 있느냐에서 갈립니다. 특히 신뢰 설계 칸은 도입 초기에 비워 두기 쉬운데, 오류가 한 번 고객에게 나간 뒤에 채우면 늦습니다. 도입 전에 어떤 결과물을 누가 어떤 기준으로 걸러 낼지 준비해야 합니다.

개발 일에서 코드 작성의 가치가 줄고 아이디어가 남는 이유

개발 현장의 AI 업무 분담으로 좁혀 보면 코드를 쓰기만 하는 일은 가치가 줄었습니다. 무엇을 만들지 이미 정해진 코드를 옮겨 적는 일은 AI가 더 빨리 처리하기 때문에, 그것만으로는 차별점이 되기 어렵습니다.

반면 늘어난 가능성도 있습니다. 아이디어를 시제품까지 훨씬 빨리 형태로 만들 수 있게 됐습니다. 그런데 좋은 아이디어는 여전히 희소합니다. 영상은 밀키트가 나와도 무슨 요리를 할지는 여전히 사람이 정한다는 비유를 듭니다. 무엇을 만들지 정하는 사람의 가치는 오히려 커졌다는 뜻입니다. 화면은 이 흐름을 「엔지니어 가치의 중심이 이동」한다고 정리합니다.

코드를 쓰기만 하는 일은 가치가 줄고 아이디어를 빠르게 형태로 만드는 일의 가치가 남는다.

▲ 개발 일에서 가치가 줄어든 일과 남은 일 (영상 4:20)

영상이 전하는 원 발표의 요지는 이렇습니다. 코드를 쓰는 AI는 엔지니어의 일을 빼앗는 존재라기보다 엔지니어 결과물의 사용자이기도 하다는 것입니다. 좋은 아이디어를 빠르게 구현할 수단이 늘어난 셈입니다. 덧붙여 AI가 쓰기 좋은 라이브러리나 도구, 문서를 만드는 일도 엔지니어의 일이 된다고 말합니다.

이 관점은 개발 조직의 평가 기준을 다시 보게 합니다. 작성한 코드의 양보다 어떤 문제를 골랐는지, 시제품으로 얼마나 빨리 검증했는지, AI가 쓰기 좋게 도구와 문서를 정비했는지가 더 중요한 기준이 됩니다. 앞 절의 정의·판단·실행 구조가 개발 업무에서는 이런 모습으로 나타납니다. 개발 조직의 AI 업무 분담에서 사람의 몫은 무엇을 만들지 고르는 정의, AI가 쓴 코드를 받아들일지 정하는 판단, 시제품을 실제 서비스까지 끌고 가는 실행입니다. AI가 쓴 코드를 검토하는 시간이 늘어나는 만큼, 코드 리뷰 기준과 테스트 기준을 미리 정해 두는 일이 엔지니어의 중요한 일이 됩니다.

문서 입력 작업에서 AI 단가가 사람의 1/300이 되는 계산 과정

같은 작업을 맡겼을 때 AI의 장당 단가는 사람의 1/300, 한 달 처리량은 약 660배입니다. 핵심은 채용 없이 처리량을 늘릴 수 있다는 점이고, 이것이 AI 업무 분담의 업무 설계 기준을 바꿉니다.

영상은 종이 서류 내용을 엑셀에 입력하는 작업으로 두 경우를 견줍니다. 사람에게 맡기면 한 장에 1시간, 시급 1,500원으로 한 달에 196장을 처리합니다. 처리량을 늘리려면 사람을 더 뽑아야 해서 확장이 어렵습니다. AI에 맡기면 한 장에 20초, 장당 5원이고, 한 달이면 129,600장을 처리할 수 있습니다. 영상은 이 차이를 손빨래만 하던 집에 세탁기가 들어온 날에 빗댑니다.

문서 입력 작업에서 AI의 장당 단가는 사람의 1/300이고 월 처리량은 약 660배다.

▲ 문서 입력 작업의 사람 대비 AI 단가 (영상 5:06)

항목 사람에게 맡김 AI에 맡김
처리 시간 장당 1시간 장당 20초
단가 시급 1,500원 장당 5원
월 처리 가능량 196장 129,600장
늘리는 방법 채용 필요, 확장 어려움 채용 없이 확장 가능

영상은 단가 차이가 만드는 편향도 짚습니다. 원 발표자는 사람에게 맡기면 한 달에 30만~50만 원 이상이 든다고 지적합니다. 그래서 그만큼 돈을 줄 만한 일만 업무로 보는 편향이 생긴다는 것입니다. 동시에 영상은 균형도 잡습니다. 사람도 실수하고, AI에 맡길 수 있는 일은 아직 한정적입니다. 다만 그 범위가 계속 넓어지고 있다는 점이 중요합니다.

이 계산을 우리 조직에 적용할 때는 영상의 수치를 그대로 쓰기보다 같은 틀에 자기 숫자를 넣어 보는 편이 낫습니다. 작업 한 건에 드는 시간, 사람의 단가, 한 달 처리량을 적고, AI 쪽에도 처리 시간과 단가를 적은 뒤, 앞 절의 신뢰 설계에 드는 검수 시간까지 더해 비교합니다. 이렇게 해야 단가 차이가 실제 업무 설계 판단으로 이어집니다. 검수 시간을 빼먹은 계산은 AI 업무 분담의 효과를 부풀리고, 검수를 너무 촘촘하게 잡은 계산은 효과를 지웁니다. 업무별로 검수 비율을 정하고 그 비율을 넣은 단가로 비교해야 합니다.

인건비 제약에 가려졌던 잠재 업무가 사업 범위를 넓히는 구조

단가 차이는 AI 업무 분담의 범위뿐 아니라 어떤 일을 사업으로 볼지도 바꿉니다. 인건비 때문에 맡기지 못했던 일이 AI 단가에서는 맡길 수 있는 일이 되기 때문입니다.

영상에 따르면 사람 단가로 맡길 수 있던 일은 사업에서 맡기고 싶은 일 전체의 아주 일부였습니다. 화면은 이를 겹친 상자로 보여 줍니다. 가장 바깥은 끝이 없는 「맡기고 싶은 일 전체」, 그 안은 비용 제약이 풀려 탐색 범위가 한꺼번에 넓어진 「비용상 AI에 맡길 수 있는 일」, 가장 안쪽의 작은 상자가 「비용상 맡길 수 있던 일(사람 단가 기준)」입니다.

사람 단가로 맡길 수 있던 일은 맡기고 싶은 일의 아주 일부였고 AI 단가에서는 그 바깥의 잠재 업무가 열린다.

▲ 인건비 제약에 가려졌던 잠재 업무 (영상 5:57)

기존 신규 사업은 드러난 과제를 지금보다 쉽게 푸는 쪽이었습니다. 서비스형 소프트웨어(SaaS)처럼 인건비를 줄여 주니 팔기 쉽고, 투자금 회수 기간과도 잘 맞았습니다. 화면은 이를 「성능 기준」의 관점으로 부릅니다. 이제 기준은 비용 대비 효과로 바뀝니다. 비용 때문에 손대지 못한 잠재 과제에 AI를 쓰고, 사람에게 맡긴다면 생각하지 않았을 범위까지 살펴보자는 것입니다.

영상은 택배비가 싸지자 예전에는 보내지 않던 작은 물건까지 보내게 된 일에 이를 빗댑니다. 그리고 한 가지를 경계합니다. 사람과 일하는 데 익숙해서 늘 비용 필터를 거는 습관입니다. 사람 단가로 따지던 습관이 남아 있으면, AI 단가에서는 충분히 할 만한 일을 처음부터 목록에서 지워 버리게 됩니다. 업무 목록을 다시 짤 때 「사람을 붙이기엔 비싸서 미뤄 둔 일」 칸을 따로 만들어 보는 것이 이 경계를 실천하는 방법입니다. AI 업무 분담은 기존 업무를 나누는 데서 끝나지 않고, 이 칸에 있던 일을 새로 업무 목록에 올리는 데까지 이어집니다. 예를 들어 모든 고객 문의를 한 건씩 분류하거나, 쌓아 두기만 하던 문서를 전부 정리하는 일처럼 사람 단가로는 엄두를 내지 못했던 일이 여기에 들어갑니다. 이런 일을 찾을 때도 앞에서 본 세 지점, 곧 무엇을 왜 할지 정하고 결과를 어떻게 믿을지 정하는 일은 사람이 맡습니다.

핵심 정리

AI 업무 분담은 만드는 일을 AI에 넘기고, 사람은 정의·판단·실행과 그 판단이 들어갈 세 지점을 설계하는 일입니다. 아래 표는 영상의 주장과 근거, 그리고 AI 업무 분담을 실무에 옮길 때 할 일을 한 줄씩 묶은 것입니다.

영상의 주장 근거 실무에서 할 일
AI가 대신하는 것은 일의 일부 작업이다 라이터 이후에도 요리라는 본질은 남았다 업무마다 작업과 본질을 나눠 적는다
사람의 일은 정의·판단·실행으로 옮겨 간다 AI 결과물도 사람의 Go/No-Go를 거친다 업무별 개입 깊이를 정한다
판단이 들어갈 자리는 세 곳이다 의사결정·컨텍스트·신뢰 설계 세 지점마다 담당자와 확인 방법을 적는다
개발에서는 아이디어의 가치가 커진다 코드 작성만으로는 차별점이 되기 어렵다 문제 선정과 검증 속도를 평가 기준에 넣는다
AI 단가는 사람의 1/300이다 월 처리량 약 660배, 채용 없이 확장 자기 업무 숫자로 같은 계산을 해 본다
사업의 경계가 넓어진다 사람 단가로 맡길 수 있던 일은 아주 일부였다 비용 때문에 미뤄 둔 일을 다시 찾는다

자주 묻는 질문

AI 업무 분담이란 무엇인가요?

AI가 들어온 뒤 사람과 AI가 일을 나누는 방식입니다. 데이터 분석·시안·코드 작성 같은 만드는 일은 AI가 맡고, 무엇을 왜 할지 정의하고 결과물을 판단하고 끝까지 실행하는 일은 사람이 맡습니다.

AI가 들어오면 사람의 일은 사라지나요?

일 전체가 아니라 일부 작업이 사라집니다. 라이터가 불 피우기를 대신해도 요리라는 본질은 남았듯, 자기 업무를 작업과 본질로 나눠 보면 사람에게 남는 일이 보입니다.

사람의 판단이 꼭 필요한 지점은 어디인가요?

의사결정 설계, 컨텍스트 설계, 신뢰 설계 세 곳입니다. 왜·무엇을 할지와 진행 여부를 정하고, 쌓이는 배경 정보를 구조화하고, AI가 틀릴 수 있다는 전제로 품질 장치를 마련하는 일입니다.

신뢰 설계는 왜 필요한가요?

AI는 틀릴 수 있고 정답률이 100%인 경우가 없기 때문입니다. 확률에만 기대지 않도록 결과를 걸러 내는 품질·신뢰성 장치를 미리 마련해야 품질과 속도를 함께 얻을 수 있습니다.

개발자의 일은 어떻게 바뀌나요?

정해진 코드를 옮겨 적는 일은 가치가 줄고, 아이디어를 빠르게 형태로 만들고 좋은 아이디어를 고르는 일의 가치가 남습니다. AI가 쓰기 좋은 도구와 문서를 만드는 일도 엔지니어의 일이 됩니다.

사람과 AI의 단가 차이는 얼마나 되나요?

영상의 문서 입력 예시에서 사람은 시급 1,500원에 월 196장, AI는 장당 5원에 월 129,600장을 처리합니다. 장당 단가는 1/300, 월 처리량은 약 660배입니다.

단가 차이는 사업에 어떤 영향을 주나요?

인건비 때문에 맡기지 못했던 잠재 업무가 맡길 수 있는 일이 됩니다. 드러난 과제를 쉽게 푸는 성능 기준에서, 비용 대비 효과로 새 과제를 찾는 기준으로 사업 관점이 바뀝니다.

AX 를 처음부터 정리하려면

AX(AI 전환)란 무엇인가 — 정의부터 DX와의 차이, 추진 4단계까지

참고 리소스

AI 시대의 일하는 방식과 AI 도입 판단을 더 살펴볼 때 볼 원 영상과 이어서 읽을 글을 모았습니다.

다음 단계

우리 조직에서 어떤 업무를 AI에 맡기고 어디에 사람의 판단을 남길지는 업무의 위험도와 처리량, 검수 방식에 따라 달라집니다. AI 업무 분담과 도입 순서를 함께 점검하려면 아래에서 시작하세요.

Share This Story, Choose Your Platform!

Go to Top