AI 쓰는 동료를 이기는 법: 도구보다 판단력이 먼저다

 

AI 도구를 제일 잘 쓰는 팀원이 성과는 꼴찌일 수 있습니다. 판단력 없이 도구만 빠른 사람은 틀린 결과를 남들보다 빠르게 만들어낼 뿐이거든요. 1편에서 '한국 직장인 63.5% AI 사용' 통계를 두고 "AI 격차의 절반은 과장"이라고 했는데, 그 나머지 절반을 채우는 게 바로 오늘 얘기할 판단력입니다.

 

AI 활용 통계 63.5%, 직종별로 다시 읽어야 하는 이유

63.5%라는 숫자, 얼핏 보면 "나만 안 쓰고 있는 거 아닌가" 싶은 불안감이 생기더라구요. 근데 이 통계를 자세히 들여다보면, '한 번 써봤다'와 '매일 업무에 의존한다'가 같은 카테고리에 묶이는 일이 많습니다. 챗GPT(ChatGPT)를 딱 한 번이라도 켜봤다면 사용자로 카운트되는 구조예요.

 

더 중요한 건 직종별 편차입니다. 깃허브 코파일럿(GitHub Copilot) 같은 코드 생성기를 쓰는 SW 개발자나, 음성 인식(STT) 요약 도구를 쓰는 콜센터 상담사처럼 반복 텍스트 처리가 많은 직군은 AI 없이는 속도가 체감될 만큼 떨어지는, 사실상 필수에 가까운 환경이에요. 반면 변호사나 의사처럼 판단 오류의 책임이 명확한 직군은 AI가 그럴듯하게 거짓말을 하는 '할루시네이션(환각 현상)' 리스크나 고객 데이터 보안 문제 때문에 사용이 제한되는 경우가 여전히 많거든요.

 

같은 63.5%라는 수치라도 IT 개발자한테는 "안 쓰면 뒤처진다"는 신호일 수 있지만, 인사·총무 담당자한테는 "조직이 아직 도입 준비 중"이라는 의미일 수 있습니다. 한 줄짜리 통계로 전체를 평가하는 게 바로 그 함정이에요.

 

AI 판단력이 프롬프트보다 먼저인 진짜 이유

프롬프트를 잘 짜는 건 기본기에 가깝습니다. 그게 전부라고 생각하면 방향을 잘못 잡는 거예요.

제가 보기에 진짜 경쟁력은 이 세 가지 질문을 먼저 던질 수 있느냐에 달려 있습니다.

1. 이 작업에 AI가 정말 필요한가? 직접 처리하는 게 더 정확하거나 빠른 경우는 아닌가?
2. AI가 내놓은 결과를 누가, 어떻게 검증할 것인가?
3. 이 정보를 외부 AI에 넘겨도 데이터 보안이나 규정상 문제가 없는가? (요즘 기업들이 제일 골치 아파하는 게 직원들이 승인 없이 외부 AI를 쓰는 '섀도 AI(Shadow AI)' 문제거든요.)

이 세 가지를 생략하고 무조건 입력부터 하는 사람은, 결국 틀린 결과나 유출 리스크를 빠른 속도로 만들어내게 되더라구요.

 

얼마 전에 팀 후배가 챗GPT로 보고서 초안을 뚝딱 만들었는데, 수치 출처가 하나도 없는 데다 심지어 존재하지 않는 통계를 지어내는 '할루시네이션'까지 섞여 있었어요. 사내 슬랙(Slack)에 올리기 전 검토가 빠진 채로 보고됐다가 팀장한테 데이터 근거 얘기를 들었다고 하더라구요. 속도는 빨랐지만 신뢰가 깎인 경우였습니다.

 

반대로 "1차 초안 생성만 AI, 편집·감수는 사람"이라는 원칙을 팀 단위로 정해두는 팀장도 있어요. 이런 결정 자체가 판단력이거든요. AI를 켤 줄 아는 것보다, 언제 켜고 언제 꺼야 하는지 설계하는 사람이 더 오래 갑니다.

 

개인적으로 저는 AI가 내놓은 내용을 바로 쓰지 않고, 핵심 주장이나 수치를 하나씩 검색으로 교차 확인하는 루틴을 유지하고 있어요. 시간이 더 걸리더라도 나중에 뒤집히는 것보다는 훨씬 낫더라구요.

 

 

AI 직장 격차의 진짜 원인은 교육 환경

AI를 못 쓰는 걸 개인 역량 부족으로만 돌리는 시각이 있는데, 저는 그게 좀 불공평하다고 봅니다.

 

삼성이나 LG 같은 대기업은 이미 데이터 유출 걱정 없는 사내 전용망(프라이빗 AI)을 구축하고, 그에 맞춘 사내 교육 프로그램을 체계적으로 운영 중인 것으로 알려져 있어요. 반면 중소기업 직원들은 퍼블릭 환경에서 유튜브를 보고 혼자 익히거나, 잘 아는 동료한테 물어보는 수준인 일이 많습니다. 출발선 자체가 다른 거예요.

 

AI에 능숙한 직장인 상당수가 회사 교육이나 동료 학습으로 배웠다는 얘기가 됩니다. 혼자 독학으로 잡은 게 아니라 환경이 먼저 받쳐줬다는 뜻이에요. IT·금융·마케팅처럼 도입이 빠른 업종과 인사·재무·총무처럼 아직 선택 단계인 업종 사이의 격차는, 개인 능력 차이라기보다 조직 환경 차이일 때가 많거든요.

 

아쉽게도 모든 조직이 같은 속도로 움직이지는 않습니다. 그러니 지금 AI 활용이 부족하다고 느낀다면, 내 직무와 조직이 실제로 어느 수준을 요구하는지부터 따져보는 게 먼저예요. 조직이 아직 준비 안 됐는데 혼자 앞서 달리면 에너지만 소진되거든요. 반대로 팀이 이미 AI를 쓰는데 혼자만 뒤처지고 있다면, 그건 지금 바로 따라잡아야 한다는 신호가 맞습니다.

 

 

AI 활용 설계 5단계, 직장인 실행 프레임

도입을 결심했다면, "이것저것 써봐야지"보다 순서를 잡는 게 훨씬 빠릅니다.

 

1. 반복 업무 진단

매주 똑같이 반복하는 작업 3가지를 꺼내보세요. 이메일 초안, 회의록 요약, 데이터 정리처럼 패턴이 있는 업무일수록 AI 효과가 크거든요.

2. 적격성 평가

각 업무를 AI에 맡겼을 때 70점 이상이 나올 것 같은지 판단합니다. 깊은 판단력이나 상황 이해가 필수인 업무는 AI가 절반 점수도 못 건지는 일이 생기기도 합니다.

3. 보안·규정 점검

회사 기밀이나 개인정보(식별 정보)가 섞인 내용을 외부 AI에 그대로 입력해도 되는지 반드시 확인해야 합니다. 기업용 계정이 아닌 개인 계정으로 쓰면 내가 입력한 데이터가 AI 학습 모델에 쓰일 수 있어서, 이 단계를 건너뛰었다가 나중에 문제가 생기는 일이 실제로 있더라구요.

4. 사람과 AI의 역할 경계 정하기

"AI가 1차 초안, 사람이 편집·검증"처럼 역할을 명확히 선 긋는 게 중요합니다. 이 경계가 흐릿하면 AI 결과물을 무비판적으로 쓰게 되는 일이 생겨요.

5. 1개월 단위 점검

도입 후 한 달이 지나면 실제로 얼마나 활용했는지, 효과는 있었는지 짧게라도 돌아보세요. 잘 안 쓰이는 도구는 과감하게 빼는 게 맞습니다.

 

 

마치며

AI를 켜는 것보다, 언제·어떻게·무엇에 쓸지 스스로 설계할 수 있느냐 — 그게 지금 시점의 진짜 경쟁력이라고 봅니다. 1편에서 짚었던 통계의 절반은 과장, 그 나머지 절반을 채우는 게 결국 이 판단력이거든요.

 

도구를 빨리 익히는 데 매달리기보다, 위 다섯 단계로 본인의 활용 지점을 한번 정리해보시는 걸 권해드리고 싶네요. 두 편짜리 이 시리즈가 하고 싶었던 말은 결국 그 한 줄입니다.