AI 시대 직장인은 무엇을 준비해야 할까

AI가 회의록을 쓰고 보고서 초안을 만드는 일이 이제 낯설지 않습니다. 20년 넘게 한 회사에 다니면서 이렇게 빠르게 일하는 방식이 바뀌는 모습은 처음 봅니다. 그래서 요즘 자주 떠올리는 질문이 있습니다. AI 시대 직장인은 무엇을 붙잡고 일해야 할까요?

2026년 9월쯤 백영재 저자의 《경계인: AI 시대, 새로운 인재의 조건》을 읽으며 실마리를 얻었습니다. 책의 메시지를 제 방식으로 줄이면 이렇습니다. AI가 지식과 초안을 만드는 비용을 낮출수록, 회사 고유의 문제를 정의하고 사람과 조직을 움직이는 일은 더 중요해집니다.

이 글에서는 책이 말하는 경계인의 뜻과 MARGIN 프레임워크를 살펴보고, 저자가 꼽은 ‘결국 사람이 풀어야 하는 다섯 가지’를 직장인의 일에 연결해 보겠습니다.

목차

AI 시대 직장인의 일은 어떻게 달라지고 있을까?

에이전틱 AI: 답하는 AI에서 일하는 AI로

지금까지 널리 사용한 생성형 AI는 사람이 질문하면 답을 내놓는 방식이었습니다. 요즘 이야기되는 에이전틱 AI는 목표를 받으면 필요한 작업을 나누고, 자료를 찾고, 도구를 사용하며 여러 단계를 이어서 처리합니다.

저자는 앞으로 필요한 사람을 여러 AI의 결과를 비교하고 평가하는 에이전트 운영자에 가깝게 설명합니다. 많이 외우는 능력보다 어떤 결과를 채택할지 판단하고, 오류가 생겼을 때 책임질 수 있는 능력이 중요해진다는 뜻입니다. 에이전트 AI가 실제 산업과 업무에 연결되는 흐름은 에이전트 AI 생태계 전망 글에서도 살펴볼 수 있습니다.

신입이 일을 배우던 과정이 짧아질 수 있습니다

책에서 가장 무겁게 읽힌 부분은 탈숙련화입니다. AI가 자료 정리와 초안 작성 같은 초급 업무를 맡으면 신입 채용이 줄어들 수 있습니다. 더 큰 문제는 신입이 작은 일을 반복하며 업무의 맥락을 배우고 숙련자로 성장하던 과정도 함께 약해질 수 있다는 점입니다.

스탠퍼드 디지털경제연구소의 2026년 개정 연구에서는 AI에 많이 노출된 직업에 종사하는 미국 22~25세의 고용이, AI 노출이 낮은 비교 집단과 같은 흐름을 보였다고 가정한 수준보다 19% 낮게 나타났습니다. 이는 전체 청년 고용이 19% 감소했다는 뜻은 아닙니다.

국내에서는 2026년 8월 한국은행 이슈노트를 전한 뉴데일리 보도에 따르면 2022년 6월부터 2026년 6월까지 15~29세 일자리가 28만 5천 개 줄었고, 감소분 가운데 26만 8천 개가 AI 노출이 큰 업종에서 발생했습니다. 같은 기간 50대 일자리는 23만 개 늘었습니다.

구분	관찰된 변화	해석할 때 주의할 점
미국 22~25세	AI 고노출 직업의 고용이 비교 기준보다 19% 낮음	전체 청년 고용의 단순 감소율이 아님
한국 15~29세	4년간 일자리 28만 5천 개 감소	감소분 26만 8천 개가 AI 고노출 업종에서 발생
한국 50대	같은 기간 일자리 23만 개 증가	AI 외 경기·산업구조 등 다른 요인도 함께 봐야 함

50대 일자리가 늘었다고 안심할 일도 아닙니다. 지금 시니어의 숙련은 신입 시절 작은 일을 반복한 경험에서 시작됐습니다. 그 일을 AI가 맡는다면 다음 세대가 어디에서 업무의 맥락을 배울지, 시니어는 자신의 숙련을 어떤 판단에 사용할지 함께 고민해야 합니다.

《경계인》이 말하는 경계인은 누구일까?

한 분야를 버리는 사람이 아니라 경계를 연결하는 사람

저자가 내놓는 답은 전문성을 모두 버리는 사람이 아닙니다. 자기 분야의 깊이를 바탕으로 다른 부서와 산업의 언어를 이해하고, 서로 다른 맥락을 연결하는 경계인입니다.

회사에서도 자기 부서의 논리만 말하는 사람보다 다른 부서가 왜 반대하는지 이해하고 번역해 주는 사람에게 판단이 모입니다. 경계인의 강점은 여러 분야를 얕게 아는 데 있지 않습니다. 한 분야에서 쌓은 경험을 다른 분야와 연결해 새로운 설명과 실행 방법을 만드는 데 있습니다.

MARGIN 프레임워크의 다섯 가지 힘

저자의 경계인 소개 자료는 경계인의 조건을 MARGIN 프레임워크로 정리합니다. MARGIN은 여섯 글자지만 GI를 생성적 혁신 하나로 묶기 때문에 역량은 다섯 가지입니다.

구분	역량	직장인의 질문
M	Metacognition·메타인지	내가 모르는 것은 무엇인가?
A	Adaptability·적응력	과거의 성공 방식을 내려놓을 수 있는가?
R	Risk-Taking·위험 감수	최악의 경우를 계산하고 작은 시도를 할 수 있는가?
GI	Generative Innovation·생성적 혁신	서로 다른 경험을 연결해 새 해법을 만들 수 있는가?
N	Novelty-seeking·호기심	내 분야 밖에서 새로운 질문을 찾고 있는가?

AI가 있어도 결국 사람이 풀어야 하는 다섯 가지

저자가 운영하는 씩데이터 IX 워룸 소개에서는 AI와 빅데이터가 고객이 무엇을 했는지는 보여 줄 수 있어도, 왜 그런 행동을 했는지까지 자동으로 설명하지는 못한다고 봅니다. 다음 다섯 항목은 저자가 제시한 표현이고, 설명은 직장인의 업무에 맞춰 제가 해석한 내용입니다.

1. 고객이 말하지 않는 숨은 욕망을 읽는 일

설문과 데이터에는 고객이 말하거나 행동으로 남긴 내용이 보입니다. 왜 그런 선택을 했는지는 직접 만나 질문하고 맥락을 들어야 보이는 경우가 많습니다. 내부 업무를 하는 부서라면 고객을 옆 부서나 현장 직원으로 바꿔 생각할 수 있습니다.

2. 인문학과 공학의 시각을 연결하는 일

숫자를 다루는 사람도 고객의 감정과 행동을 이해해야 하고, 기획하는 사람도 데이터를 읽을 수 있어야 합니다. 어느 한쪽을 흉내 내는 것이 아니라 서로 다른 관점이 같은 문제를 어떻게 다르게 보는지 이해하는 일이 중요합니다.

3. 내·외부 데이터에서 의미 있는 신호를 찾는 일

AI는 주어진 자료를 빠르게 정리합니다. 하지만 사내 매출과 고객 불만, 외부 시장 변화가 왜 함께 움직이는지 질문하려면 회사의 역사와 현장을 아는 사람이 필요합니다. 어떤 데이터를 함께 놓고 볼 것인지 정하는 단계부터 판단이 들어갑니다.

4. 여러 부서의 맥락을 종합해 결정하는 일

AI에게 영업·개발·재무 부서의 의견을 요약시킬 수는 있습니다. 그러나 서로 충돌하는 목표 가운데 무엇을 먼저 할지 결정하고 결과에 책임지는 일은 별개의 문제입니다. 경계인은 각 부서의 말을 한 문서에 모으는 사람이 아니라 우선순위를 정할 수 있도록 번역하는 사람에 가깝습니다.

5. 부서 간 사일로를 깨고 함께 실행하는 일

사일로는 부서가 벽을 치고 자기 목표와 정보만 보며 일하는 상태입니다. 좋은 분석과 아이디어가 있어도 다른 부서의 협조를 얻지 못하면 실행되지 않습니다. AI가 회의 자료를 만들 수는 있어도 이해관계를 조정하고 사람의 신뢰를 얻는 일까지 자동으로 끝내 주지는 않습니다.

AI가 당장 모든 직장인을 대체하는 것은 아닙니다

책의 방향에 공감하더라도 변화의 속도를 확정해서는 안 됩니다. 기업의 에이전틱 AI 도입은 회사 규모와 업무에 따라 차이가 크고, 시험 단계에서 실제 성과로 넘어가지 못하는 프로젝트도 많습니다.

가트너는 2025년 6월 비용 증가, 불분명한 사업 가치와 위험 관리 부족 때문에 2027년 말까지 에이전틱 AI 프로젝트의 40% 이상이 취소될 것으로 전망했습니다. 전망은 확정된 결과가 아니지만, AI를 도입했다는 사실과 생산성이 실제로 높아졌다는 사실을 구분해야 한다는 경고로 읽을 수 있습니다.

청년 고용 감소도 AI 하나만으로 설명할 수 없습니다. 경기, 금리, 산업구조와 기업의 채용 방식이 함께 작용합니다. 반대로 현재 AI의 한계가 크다고 해서 변화가 멈춘다고 단정할 수도 없습니다. 특정 연도에 일자리가 얼마나 사라질지 맞히기보다, 내 업무 가운데 자동화하기 쉬운 일과 사람이 책임져야 할 일을 구분하는 편이 현실적입니다.

AI 시대 직장인은 무엇부터 바꾸면 될까?

은퇴 시점을 물으면 저는 “AI 때문에 일이 너무 빨리 변해서 정확히는 모르겠다”고 답합니다. 방향은 보이지만 속도를 모르기 때문에 정답을 미리 고르기보다 매일 일하는 방식을 조금씩 바꾸려고 합니다.

• AI 결과에 ‘왜’를 한 번 더 묻습니다. 금융 글처럼 숫자 하나가 틀려도 문제가 되는 일에서 환각은 아이디어가 아니라 오류입니다. 답을 그대로 사용하지 않고 원문과 근거를 확인합니다.
• 옆 부서의 언어를 배웁니다. 회의에서 반대하는 부서의 사정과 목표를 먼저 들어 봅니다. 여러 부서의 맥락을 연결하려면 상대가 어떤 숫자로 평가받는지부터 알아야 합니다.
• 손실의 바닥을 정하고 작은 업무부터 맡깁니다. 잘못돼도 되돌릴 수 있는 자료 정리나 초안부터 AI를 사용하고, 중요한 숫자와 최종 판단은 사람이 확인합니다.
• 결과물보다 문제를 정의하는 연습을 합니다. AI에게 무엇을 시킬지 정하려면 먼저 누구의 어떤 문제가 중요한지 설명할 수 있어야 합니다.

저는 AI 시대 직장인의 경쟁력이 AI보다 빨리 문서를 만드는 데 있다고 생각하지 않습니다. AI가 만든 결과를 검증하고, 다른 사람의 맥락을 연결하고, 무엇을 먼저 해결할지 결정하는 데 더 가깝습니다. 인간의 판단과 경험을 어떤 자산으로 만들지는 AI 시대 대체 불가능한 인간의 생존 전략에서도 이어서 살펴볼 수 있습니다.

탈숙련화가 장기적인 숙련 인력 부족으로 이어질지는 앞으로 고용 통계와 기업의 AI 도입 결과를 더 지켜봐야 합니다. 그 사이 제가 할 수 있는 일은 AI가 대신하기 어려운 다섯 가지 쪽으로 업무의 비중을 조금씩 옮기는 것입니다.

책과 자료 정보

• 도서: 《경계인: AI 시대, 새로운 인재의 조건》
• 저자: 백영재
• 독서 기록: 2026년 9월 읽고 경계인과 직장인의 역할을 중심으로 정리
• 읽을 때의 관점: 책의 미래 전망은 확정된 예측보다 내 업무를 점검하는 질문으로 활용

참고 자료

• 딥스탠딩 파트너스 — 경계인과 MARGIN 프레임워크
• 딥스탠딩 파트너스 — 씩데이터 IX 워룸과 사람이 풀어야 하는 다섯 가지
• Stanford Digital Economy Lab — Canaries in the Coal Mine? 개정 연구
• 뉴데일리 — 한국은행 이슈노트의 청년 고용 변화 보도(2026-08-18)
• Gartner — Agentic AI Projects Outlook(2025-06-25)

함께 보면 좋은 글

• AI 시대 대체 불가능한 인간의 생존 전략 — 화이트칼라 업무 변화와 100세 시대의 경력·자산 준비를 함께 살펴봅니다.
• GPT-6·Astra 시대의 에이전트 AI 생태계 전망 — AI 에이전트가 산업과 업무 구조를 어떻게 바꿀지 정리했습니다.
• 트렌드 코리아 2027, AI 시대에 왜 알파쉽이 필요한가 — AI가 선택을 돕는 시대에 인간의 판단과 안목이 중요해지는 이유를 살펴봅니다.