주니어에게 ‘AI 먼저 물어봐’라고 말하기 전에
AI가 단순 업무를 줄인 뒤 남겨둔 것은 더 빠른 판단 요구였다. 주니어 번아웃을 개인 역량 문제가 아니라 조직의 성장 사다리 문제로 읽어본다.
제일 먼저 든 생각
이 영상에서 제일 오래 남은 말은 “AI를 쓰느냐”가 아니었다. 오히려 “AI가 들어온 뒤, 신입과 주니어에게 어떤 판단을 너무 빨리 맡기고 있는가”였다.
예전에는 주니어가 단순하고 반복적인 일을 하면서 욕도 먹고, 손도 느리고, 자료의 모양을 익혔다. 그 시간이 꼭 이상적인 교육이었다는 뜻은 아니다. 다만 그 안에는 낮은 위험의 실패와 작은 피드백이 있었다. 그런데 AI가 그 층을 빨리 걷어내면, 남는 일은 곧바로 검토·선택·판단·책임이 된다.
그래서 “AI 돌려봤어요?”라는 말은 겉으로는 효율의 언어처럼 들리지만, 듣는 사람에게는 “중간 과정 없이 판단해서 가져와”라는 말이 될 수 있다.
AI가 일을 줄였는데 왜 더 피곤해졌을까
영상은 먼저 직장인들이 AI를 꽤 자주 쓰고 있다는 조사 결과에서 출발한다. 거의 매일 쓰는 사람, 주 1회 이상 쓰는 사람은 이미 적지 않다. 그런데 업무 효율이 실제로 좋아졌느냐는 질문에서는 묘한 어긋남이 나온다. 많이 쓰기는 하는데, 생산성으로 연결됐다고 느끼는 정도는 기대만큼 선명하지 않다는 것이다.
AI 사용 빈도와 체감 효율 사이의 간극에서 이야기가 시작된다.
여기서 중요한 지점은 AI가 일을 “없애는” 방식이다. AI가 자료 정리, 초안 작성, 검색, 요약 같은 일을 도와주면 남는 것은 더 고급스러운 일이다. 문제는 그 고급스러운 일이 늘 즐겁고 창의적인 일이 아니라는 데 있다. 남는 일은 종종 “이 결과가 맞는지 판단하라”, “여기서 무엇을 선택할지 정하라”, “상사에게 가져갈 수준으로 고쳐라”가 된다.
주니어 입장에서는 도구가 쉬워진 것이 아니라, 오히려 판단의 입구가 앞당겨진 셈이다.
“AI는 인간을 단순 업무에서 해방시켜서 창의적인 일에 집중하게 만들 것으로 기대되었으나, 역설적으로 높은 판단력이 필요한 업무만을 남겨서 주니어가 감당하기 어려운 상태가 된 거예요.”
이 말은 AI 교육을 프롬프트 교육으로만 보면 놓치기 쉬운 지점을 건드린다. 주니어에게 필요한 것은 “어떻게 물어볼 것인가”만이 아니라 “무엇을 의심하고, 어디까지 확인하고, 어떤 기준으로 통과시킬 것인가”다. 그런데 이 기준은 보통 경험 속에서 생긴다. AI가 중간 단계를 줄여버리면, 그 경험을 쌓을 시간이 같이 사라질 수 있다.
‘AI 먼저 물어봐’가 피드백을 대체할 때
영상에서 특히 찔렸던 대목은 사수의 피드백이 사라지는 장면이다. 질문을 가져가면 “AI한테 먼저 물어봐”라는 답이 돌아온다. 한두 번이면 도움일 수 있다. 하지만 그것이 반복되면, 주니어는 질문을 들고 올 이유를 잃는다.
“현재는 무엇이든 물어보면 AI 응답을 뽑아오라는 답변이 먼저 와서, 대화 상대가 모니터 속 AI로 단일화됐어요.”
이건 AI가 나빠서가 아니다. AI가 사람의 대화를 대신하기 시작했을 때 생기는 문제다. 질문을 AI에게 먼저 던지는 습관은 필요하다. 하지만 그 다음에는 사람이 봐줘야 하는 층이 있다.
- AI 답변에서 무엇이 그럴듯하지만 위험한지
- 어떤 맥락이 빠져 있는지
- 회사의 기준으로는 무엇이 통과되고 무엇이 안 되는지
- 왜 이 선택을 했는지 설명할 수 있는지
이 부분은 프롬프트만으로 해결되지 않는다. 조직 안에서 기준을 가진 사람이 피드백으로 옮겨줘야 한다.
인지 활동이 줄어든다는 말의 무게
중간 장면에서는 AI를 쓰는 지식근로자들이 스스로 “인지 활동 노력이 줄었다”고 응답한 비율을 보여준다. 지식 습득, 이해력, 적용력, 분석력, 종합력, 평가력 모두에서 꽤 높은 비율이 표시된다.
AI가 대신해주는 영역이 늘수록, 사람이 직접 머리를 쓰는 구간을 어떻게 남길지 다시 설계해야 한다.
이 장면을 보며 조금 조심스러웠다. “AI 쓰면 머리가 나빠진다”는 식으로 단순하게 말하면 너무 쉽다. 실제 업무에서는 AI 덕분에 더 깊게 들어갈 수 있는 경우도 많다. 다만 그건 AI가 초안을 만들어준 뒤 사람이 더 날카롭게 검토할 때의 이야기다.
반대로 AI가 만든 결과를 그대로 가져오고, 사수도 “그 정도면 됐다”고 넘기면, 주니어는 일의 구조를 배울 기회를 잃는다. 결과물은 빨리 나왔는데, 머릿속에는 업무 근육이 남지 않는 상황이다.
그래서 이 영상의 핵심은 “AI를 쓰지 말자”가 아니라 “AI가 들어온 자리만큼 사람의 학습 구조를 다시 짜자”에 가깝다.
생산성은 개인 속도가 아니라 플로우에서 나온다
영상 후반부에서는 사람들을 네 가지 유형으로 나눈다. AI도 쓰고 생산성도 높이는 사람, AI를 쓰지만 생산성에는 동참하지 않는 사람, 쓰고 싶지만 겁먹은 사람, 아예 모른 척하는 사람. 여기서 흥미로운 지점은 “AI로 빨리 끝냈다”가 곧 조직 생산성은 아니라는 말이다.
혼자 오전에 일을 끝내고 오후에 딴짓을 한다면 개인에게는 여유가 생겼을 수 있다. 하지만 조직의 일하는 방식은 바뀌지 않는다. 반대로 AI 때문에 일이 빨리 끝난다는 이유로 그 사람에게 업무만 더 얹으면 번아웃이 온다. 둘 다 생산성 설계는 아니다.
“중요한 것은 남는 시간을 어디에 쓰냐가 중요합니다. 그거를 얼마나 생산적인 업무 플로우로 바꾸느냐가 중요해요.”
이 문장은 Deciflow식으로 옮기면 이렇게 들린다. AI 도입의 단위는 “개인이 어떤 도구를 쓰는가”가 아니라 “A-B-C-D로 가던 일이 A에서 B로 바로 넘어가도 되는가”다. 그리고 그 단축된 흐름이 표준이 되어야 한다. 그래야 개인의 요령이 조직의 역량이 된다.
영상의 결론은 도구 사용 경쟁보다 남는 시간을 어디에 배치할지에 가까웠다.
리더가 만들어야 할 것은 ‘AI 사용 압박’이 아니라 사다리다
영상의 결론은 꽤 분명하다. 중간 과정이 없으면 성장이 없고, 그 과정의 사다리를 만드는 것이 AI 시대 리더의 역할이라는 것이다.
“중간 과정이 없으면요. 성장이 없습니다. 그 과정의 사다리를 만들어 주는 것이 AI 시대의 리더의 역할이죠.”
이 사다리는 거창한 교육과정만을 뜻하지 않는다. 오히려 아주 구체적인 장면들이다.
- AI가 만든 결과물을 주니어가 검토하게 한다.
- 검토한 이유를 말하게 한다.
- 사수는 정답만 고치지 말고 판단 기준을 설명한다.
- 작은 업무라도 시작부터 끝까지 한 번 맡겨본다.
- 결과뿐 아니라 중간 판단 과정을 피드백한다.
이렇게 보면 “AI 먼저 물어봐”는 출발점일 뿐이다. 그 다음 질문은 “AI가 뭐라고 했고, 너는 무엇을 믿지 않았고, 왜 그렇게 고쳤어?”가 되어야 한다.
내 쪽으로 가져오면
이 영상을 보고 바로 점검해볼 질문은 세 가지다.
- 주니어에게 AI를 쓰라고 말하면서, 실제로는 어떤 판단까지 떠넘기고 있나?
- AI 결과물을 검토하는 기준을 문서나 예시로 남기고 있나?
- 빨라진 시간을 더 많은 업무로만 채우고 있나, 아니면 플로우를 다시 설계하고 있나?
AI 시대의 번아웃은 단순히 도구를 많이 써서 생기는 피로가 아닐 수 있다. 배워야 할 계단은 사라졌는데, 올라가야 할 층수만 높아졌을 때 생기는 피로에 가깝다.
그래서 리더의 역할은 “AI 잘 쓰는 사람을 찾아내는 것”에서 끝나지 않는다. AI가 줄인 중간 단계를 다른 방식의 학습 경험으로 다시 만들어주는 것. 그게 없으면 AI는 주니어를 성장시키는 도구가 아니라, 더 빨리 지치게 만드는 압박이 된다.
원본 영상
- 제목: ‘AI 돌려봤어요?’ 요즘 ‘1~3년차 주니어’들이 번아웃 오는 이유!
- 채널: 가인지TV