AI가 답을 빨리 만들수록, 컨설턴트는 문제를 더 오래 붙잡아야 한다

처음 걸린 생각

이 글은 “AI가 컨설턴트를 대체할까?”라는 익숙한 질문에서 출발하지만, 결론은 직업 방어 논리로만 흐르지 않는다. 오히려 컨설턴트가 무엇을 팔고 있었는지를 다시 묻는다.

자료 조사, 데이터 분석, 벤치마킹, 보고서 초안 작성. 이런 일은 이미 AI가 빠르게 가져가고 있다. 이 부분만 놓고 보면 컨설턴트의 미래는 불안해 보인다. 하지만 글쓴이는 컨설턴트의 본질이 지식을 많이 아는 데 있지 않다고 말한다. 핵심은 고객의 문제를 다시 정의하고, 이해관계가 얽힌 현실 속에서 실행 가능한 답을 만들어내는 일이라는 것이다.

원문 대표 이미지는 AI와 데이터가 회의실 위에 겹친 장면을 보여준다. 이 글에서 중요한 것은 기술 자체보다, 그 기술을 어떤 문제와 의사결정에 연결할지 묻는 사람의 역할이다.

이 문장이 마음에 남았다. AI가 답을 빨리 만들수록, 사람은 오히려 “그 답이 풀고 있는 문제가 맞는가”를 더 오래 붙잡아야 한다.

솔루션에서 출발할 것인가, 문제에서 출발할 것인가

글은 먼저 솔루션 컨설턴트와 경영 컨설턴트의 차이를 짚는다. 솔루션 회사의 컨설턴트는 고객의 문제를 이해하려고 노력하지만, 구조적으로 자사의 솔루션을 중심에 둘 수밖에 없다. 그 솔루션이 잘 적용되도록 돕는 것이 역할이기 때문이다.

반면 경영 컨설턴트는 문제에서 출발한다. 어떤 시스템을 써야 하는지, 어떤 프로세스를 바꿔야 하는지, 어떤 조직 구조가 필요한지, 어떤 데이터가 정비되어야 하는지를 원점에서 본다.

“답을 정해놓고 문제를 보는 것이 아니라, 문제를 보고 답을 찾아갑니다.”

이 구분은 AI 도입에도 그대로 적용된다. 이미 “AI를 써야 한다”는 결론이 정해져 있으면, 문제는 AI에 맞게 재해석되기 쉽다. 자동화할 수 있는 일을 찾는 게 아니라, 자동화할 명분을 찾게 된다. 반대로 문제에서 출발하면 AI는 여러 선택지 중 하나가 된다.

그래서 AI 시대의 컨설팅에서 중요한 질문은 “어떤 AI 도구를 쓸까?”가 아니라 “이 조직의 어떤 문제가 정말 풀려야 하는가?”에 더 가깝다.

이 글을 Deciflow식으로 읽으면 흐름은 단순하다. 원문의 주장을 그대로 옮기는 것이 아니라, “이 조직에서 정말 풀어야 할 문제는 무엇인가”라는 업무 질문으로 다시 구조화하는 것이다.

내부 전문가는 알지만, 말하기 어려운 것이 있다

두 번째 축은 내부 전문가와 외부 컨설턴트의 차이다. 내부자는 회사를 가장 잘 안다. 조직의 역사, 사람들의 성향, 과거 의사결정, 시스템의 한계, 현장의 분위기를 외부인이 단기간에 따라잡기는 어렵다.

그런데 바로 그 이유 때문에 내부자가 말하기 어려운 것도 생긴다. 부서 간 힘의 균형, 과거 의사결정에 대한 책임, 누군가의 성과와 체면이 얽혀 있기 때문이다. 문제를 문제라고 말하는 순간 특정 부서를 공격하는 것처럼 보일 수 있고, 바꿔야 한다는 말이 누군가의 실패를 인정하는 일처럼 받아들여질 수 있다.

“내부에서는 모두가 알고 있지만 아무도 쉽게 말하지 못하는 문제가 생깁니다.”

외부 컨설턴트의 가치는 이 지점에서 생긴다. 내부자가 모르는 정답을 들고 와서가 아니라, 내부자가 알고도 말하기 어려운 문제를 구조화해서 테이블 위에 올릴 수 있기 때문이다.

물론 이것은 위험한 역할이기도 하다. 외부자가 현장을 모르면서 교과서 같은 답을 던지면 금방 신뢰를 잃는다. 좋은 컨설턴트는 외부자의 객관성과 내부자의 현실감을 연결해야 한다. 이 문장은 컨설팅뿐 아니라 조직개발, 교육, 진단 프로젝트에도 그대로 적용된다.

AI는 지식을 주지만, 결정을 책임지지는 않는다

글의 가장 중요한 부분은 AI와 책임의 구분이다.

AI는 이미 자료를 찾고, 정리하고, 비교하고, 문서를 만드는 일을 잘한다. 앞으로 컨설턴트의 지식 노동 상당 부분은 AI의 도움을 받게 될 것이다. 그래서 컨설턴트는 AI를 피할 직업이 아니라, 오히려 가장 잘 활용해야 하는 직업군에 가깝다.

하지만 프로젝트는 지식만으로 굴러가지 않는다. 문제를 정의하고, 이해관계자를 설득하고, 불편한 사실을 말하고, 의사결정을 끌어내고, 실행을 지속하게 만드는 일은 인간 조직 안에서 벌어진다.

“AI가 멋진 보고서를 만들 수는 있습니다. 하지만 그 보고서가 실제 조직의 행동으로 이어지게 만드는 것은 여전히 사람의 일입니다.”

이 말은 조금 불편하지만 정확하다. AI가 좋은 분석을 내놓아도, 그것을 받아들이는 조직의 정치와 감정은 사라지지 않는다. 대안이 맞아도 책임을 질 사람이 없으면 실행되지 않는다. 보고서가 좋아도 의사결정자의 언어로 번역되지 않으면 움직임이 생기지 않는다.

그러니 AI 시대에 사라질 것은 컨설턴트라는 이름 전체가 아니라, 컨설팅을 흉내 내던 단순 작업일 가능성이 크다. 자료를 모으고, 표를 만들고, 장표를 꾸미는 일에 머무는 컨설팅은 빠르게 대체된다. 하지만 문제를 재정의하고, 이해관계를 조율하고, 실행 가능한 결정을 만드는 일은 더 선명하게 남는다.

좋은 컨설턴트는 답을 너무 빨리 말하지 않는다

글쓴이는 컨설턴트를 “답을 파는 사람”으로 보지 않는다. 좋은 컨설턴트는 오히려 답을 너무 빨리 말하지 않는 사람에 가깝다고 한다. 고객이 처음 제시한 문제를 그대로 믿지 않고, 그 문제가 정말 문제인지 다시 묻는 사람이라는 것이다.

글에 나온 질문들이 좋았다.

• 정말 시스템이 문제일까, 아니면 일하는 방식이 문제일까?
• 프로세스가 복잡한 것일까, 아니면 의사결정 기준이 없는 것일까?
• 데이터가 없는 것일까, 아니면 데이터를 책임지는 주체가 없는 것일까?

이 질문들은 AI에게도 그대로 던져야 한다. AI는 주어진 문제를 빠르게 풀지만, 문제 자체가 잘못 놓였을 때 멈춰 서서 다시 묻지는 못한다. 적어도 아직은 그렇다. 그래서 사람의 역할은 “더 좋은 답을 더 빨리 받는 사람”에서 “AI가 풀 문제를 더 정확하게 놓는 사람”으로 이동한다.

컨설턴트에게 필요한 능력도 그래서 달라진다. 지식의 양보다 질문하는 능력, 구조화하는 능력, 맥락을 읽는 능력, 이해관계를 조율하는 능력, 불편한 이야기를 설득력 있게 전달하는 능력, 그리고 고객이 실행하도록 만드는 능력이 더 중요해진다.

내 쪽으로 가져오면

이 글을 Deciflow식 작업 메모로 가져오면, 컨설팅 프로젝트뿐 아니라 AI 업무설계에도 바로 이어지는 질문이 남는다.

첫째, 도구보다 문제 정의를 먼저 써야 한다. “AI로 무엇을 할까?”보다 “지금 반복해서 막히는 결정은 무엇인가?”를 먼저 물어야 한다.

둘째, 내부자가 말하기 어려운 문제를 안전하게 꺼내는 장치가 필요하다. 워크숍, 인터뷰, 익명 피드백, 외부 촉진자 같은 구조는 단순한 형식이 아니라 조직의 침묵을 줄이는 도구다.

셋째, AI가 만든 결과물을 실행으로 연결하는 사람을 정해야 한다. 좋은 보고서가 있어도 책임자, 의사결정 기준, 후속 실행 리듬이 없으면 변화는 일어나지 않는다.

넷째, 컨설턴트의 산출물을 장표가 아니라 조직의 움직임으로 측정해야 한다. 회의가 바뀌었는가, 의사결정이 빨라졌는가, 책임 경계가 명확해졌는가, 실행이 이어졌는가를 봐야 한다.

오늘의 결론

AI는 컨설턴트의 일을 많이 가져갈 것이다. 특히 지식 수집과 문서 생산은 더 빠르게 자동화될 것이다. 하지만 그 변화는 컨설턴트의 끝이라기보다, 컨설팅에서 진짜 남는 일이 무엇인지 드러내는 과정에 가깝다.

컨설턴트는 정답을 들고 가는 사람이 아니라, 문제를 끝까지 묻는 사람이다. 솔루션을 먼저 파는 사람이 아니라, 고객의 문제를 먼저 보는 사람이다. 보고서를 만드는 사람이 아니라, 조직이 움직이도록 돕는 사람이다.

AI가 답을 빨리 만들수록, 이 역할은 더 중요해진다. 이제 사람에게 남는 일은 답을 많이 아는 것이 아니라, 어떤 문제를 풀어야 하는지 끝까지 놓치지 않는 일이다.

원문

• 글: AI 시대에도 컨설턴트가 사라지지 않는 이유
• 작성자: 심야서점
• 발행: 브런치스토리, 2026년 6월 8일

원문 글: AI 시대에도 컨설턴트가 사라지지 않는 이유 · 브런치스토리 · 심야서점