목차
- 1 이 글에서 먼저 결정할 것
- 2 Work N Rich 재현 워크시트
- 3 이번 개편에서 추가로 확인할 증거
- 4 먼저 바로잡을 논리: 필요조건과 충분조건은 다릅니다
- 5 삼성의 공식 발표가 말한 것은 ‘도구 사용’보다 ‘업무 재설계’입니다
- 6 평가에 남길 것은 AI 사용 기록이 아니라 성과의 전후 차이입니다
- 7 이런 분께 필요합니다
- 8 핵심 요약
- 9 먼저 바로잡을 오해: 직업 전체가 한꺼번에 사라지는가
- 10 새 근거: 실제 AI 사용도 직업 전체보다 과업 단위였다
- 11 다른 직군의 일을 AI로 하게 되는 변화도 확인하기
- 12 내 업무 20개를 세 칸으로 나누기
- 13 바로 복사해서 쓰는 업무 과업 분류 프롬프트
- 14 2주 실험: 내 업무에서 AI가 실제로 맡는 비중 계산하기
- 15 30분 실험: 시간 절약이 아니라 성공한 업무 1건을 비교하기
- 16 신입 직장인이 남겨야 할 다섯 가지 증거
- 17 자주 막히는 지점
- 18 오늘 바로 해볼 체크리스트
- 19 함께 읽으면 좋은 글
- 20 FAQ
- 21 마무리
- 22 출처
- 23 함께 읽으면 좋은 글
- 24 한계와 업데이트
이 글에서 먼저 결정할 것
독자 질문: 이 AI 기능이나 방법을 실제 업무에 적용할 때 무엇을 확인해야 할까?
첫 답변: 기능을 바로 믿고 맡기기보다 입력 범위·권한·결과·사람 검수·실패 복구를 정한 뒤 작은 비식별 예시로 확인하는 것이 먼저다.
판단 기준: 공식 기능 사실, 합성 입력·출력, 사람의 검수 기준, 권한·보안 한계를 분리한다.
Work N Rich 재현 워크시트
이 워크시트는 사실을 다시 요약하는 칸이 아니라, 독자가 자기 상황의 입력·검수·다음 행동을 기록하는 칸이다.
| 단계 | 기록할 내용 |
|---|---|
| 입력 | 실제 회사자료 대신 비식별·합성 업무 자료를 넣고, 입력하지 않은 정보는 무엇인지 적는다. |
| 결과 | AI가 만든 결과에서 사실·추정·누락을 나누어 기록한다. |
| 사람 확인 | 사실 오류·권한·개인정보·업무 책임을 사람이 확인할 기준을 적는다. |
| 실패 복구 | 오류가 나면 중지할 행동, 원문으로 되돌아갈 방법, 다시 시도할 조건을 적는다. |
이번 개편에서 추가로 확인할 증거
- 독자용 증거 자산: 비식별 합성 입력 + 권한/실패 검수
- 개편 공백: 합성 입력 → 결과 → 사람의 확인 → 실패 복구 흐름 추가
확인 기준일: 2026-08-01. 삼성 공식 발표와 한국경제 보도, KDI·Google ATLAS·OpenAI 공식 연구의 공개 범위와 수치를 대조했습니다. 삼성전자의 구체적인 내부 인사평가 배점은 언론 보도 내용이며, 삼성 공식 자료에서 동일한 수치를 확인하지는 못했습니다.
“AI를 못 다루면 삼성전자 임원 승진이 어렵다”는 보도가 나왔습니다. 이 문장에서 가장 조심해야 할 오해는 반대도 성립한다고 받아들이는 것입니다.
AI를 못 다루는 것이 승진에 불리할 수 있다는 말은, AI를 잘 다루면 승진한다는 뜻이 아닙니다.
승진의 출발점은 여전히 본인의 과업을 잘 해내는 것입니다. 고객 문제를 해결하고, 매출과 비용을 개선하고, 중요한 의사결정을 내리고, 팀의 실행력을 높이는 사람이 AI까지 활용해 더 좋은 결과를 만들어야 한다는 뜻에 가깝습니다. 프롬프트를 많이 알거나 최신 도구를 빠르게 써보는 능력만으로 본업 성과와 리더십을 대신할 수는 없습니다.
이 글은 삼성전자 AX 평가 보도를 계기로 본업 성과와 AI 활용 역량을 어떤 순서로 연결해야 하는지 정리합니다. 이어서 최근 업무 20개를 과업 단위로 나누고, AI가 줄인 시간보다 실제 성과와 책임을 어떻게 증명할지 살펴봅니다.
2026년 8월 1일 업데이트 한국경제는 삼성전자가 2026년 하반기 임원 목표관리 평가에서
AX 역량 제고배점을 기존 2~5점에서 20점으로 높였다고 업계 취재를 바탕으로 보도했습니다. 삼성 공식 발표는 구체적인 배점을 공개하지 않았지만, 모든 업무에 AI를 도입하고 임원들이 AI로 업무를 재설계해 조직 혁신을 이끌도록 교육한다는 방향은 확인됩니다. 이 차이를 구분해 반영했습니다.
먼저 바로잡을 논리: 필요조건과 충분조건은 다릅니다
인사평가에서 AI 역량의 비중이 커진다는 소식은 중요합니다. 하지만 이를 “AI를 잘 쓰면 승진한다”로 바꾸면 평가의 순서를 거꾸로 읽게 됩니다.
| 상황 | 평가에서 읽힐 가능성이 큰 의미 |
|---|---|
| 본업 성과가 좋지만 AI로 업무를 바꾸지 못함 | 앞으로 요구되는 업무 방식 변화에 뒤처질 위험 |
| AI 도구는 잘 쓰지만 본업 성과가 약함 | 도구 사용은 보이지만 승진을 뒷받침할 결과가 부족함 |
| 본업 성과가 좋고 AI로 결과를 더 개선함 | 성과와 변화 대응력을 함께 보여주는 강한 증거 |
| AI 사용 횟수만 많고 검수·책임이 불분명함 | 보여주기식 활용이나 새로운 오류 비용으로 평가될 위험 |
쉽게 말하면 AI 역량은 합격을 자동으로 만드는 티켓이 아니라, 이제 빠지면 불리해질 수 있는 평가 항목에 가깝습니다. 승진 후보가 보여줘야 할 것은 “ChatGPT를 매일 썼다”가 아니라 다음과 같은 결과입니다.
- 같은 인원으로 처리시간을 얼마나 줄였는가
- 의사결정에 필요한 정보의 정확도와 속도가 얼마나 좋아졌는가
- 반복 업무를 팀이 재사용할 수 있는 절차로 바꿨는가
- AI 오류·보안·대외 책임을 누가 어떻게 통제했는가
- 절약한 시간을 고객, 품질, 매출, 비용, 인재 육성에 어떻게 다시 투자했는가
삼성의 공식 발표가 말한 것은 ‘도구 사용’보다 ‘업무 재설계’입니다
한국경제는 2026년 7월 31일 삼성전자가 임원 목표관리 평가의 AX 역량 제고 배점을 20점으로 높였다고 보도했습니다. 다만 기사는 출처를 업계에 따르면으로 제시했고, 삼성의 공개 자료에서 같은 내부 배점 수치를 확인할 수는 없었습니다. 따라서 20점이라는 숫자는 공식 확정 수치가 아니라 언론 보도 내용으로 구분해서 봐야 합니다. 한국경제 보도
공식적으로 확인되는 방향은 더 분명합니다. 삼성은 2026년 6월 모든 관계사의 업무에 AI를 도입하겠다고 발표하면서, 임원 2,300여 명을 대상으로 실습형 교육을 진행하고 경영진이 AI를 기반으로 업무를 재설계해 조직 혁신을 이끌도록 하겠다고 밝혔습니다. 전 직원을 대상으로 한 교육도 2026년 안에 마칠 계획이라고 했습니다. 삼성 뉴스룸 — 모든 업무에 AI 도입
삼성전자 DX부문은 별도 공식 발표에서 임직원이 ChatGPT·Gemini·Claude를 업무 특성과 목적에 맞게 선택하도록 한 이유를 개인 생산성을 넘어 조직의 실행력과 비즈니스 경쟁력을 높이기 위한 것이라고 설명했습니다. 임직원 2,500여 명을 대상으로 서비스 실효성을 검증한 뒤 도입했다는 점도 공개했습니다. 삼성 뉴스룸 — 외부 생성형 AI 도입
두 공식 발표를 함께 보면 평가의 초점은 특정 도구의 버튼을 잘 누르는 데 있지 않습니다. 내가 맡은 사업과 조직의 과업을 더 잘 수행하도록 AI로 일하는 방식을 바꾸는 것에 있습니다.
평가에 남길 것은 AI 사용 기록이 아니라 성과의 전후 차이입니다
AI 활용을 평가 증거로 바꾸려면 도구 → 산출물 → 업무 결과 → 조직 성과 순서로 연결해야 합니다.
| 약한 설명 | 강한 설명 |
|---|---|
| 생성형 AI 교육을 이수했습니다 | 교육 뒤 주간 보고 흐름을 재설계해 작성시간과 누락 건수를 함께 줄였습니다 |
| ChatGPT로 보고서를 작성했습니다 | 초안은 AI로 만들고 수치·근거 검수표를 도입해 재작업 횟수를 줄였습니다 |
| 팀원에게 프롬프트를 공유했습니다 | 팀 공통 템플릿과 승인 기준을 만들어 결과 편차와 인수인계 시간을 줄였습니다 |
| 최신 AI 도구 세 개를 모두 씁니다 | 과업별로 도구를 나누고 비용·정확도·보안 기준에 따라 선택했습니다 |
다음 네 가지를 한 장에 기록하면 AI가 본업 성과를 어떻게 확장했는지 설명하기 쉬워집니다.
1. 원래 과업: 무엇을 잘해야 하는 직무인가
2. AI 적용 지점: 반복·탐색·초안·분류 중 어디를 바꿨는가
3. 전후 결과: 시간, 오류, 매출, 비용, 고객 반응이 어떻게 달라졌는가
4. 사람의 책임: 최종 판단과 검수, 보안 통제를 누가 맡았는가결론은 간단합니다. 본업을 못하는 사람이 AI로 포장하는 시대가 아니라, 본업을 잘하는 사람이 AI까지 활용해 더 큰 성과를 내야 하는 시대가 오고 있습니다.
한국개발연구원(KDI)의 2026년 연구는 한국의 537개 직업을 6,824개 단위 과업으로 나누어 AI 자동화 가능성과 경제성을 함께 분석했습니다. 연구개발·정보통신, 경영·사무, 영업·상담은 AI 노출도가 높게 나타났지만, 기술적으로 가능하다는 사실만으로 곧바로 사람을 대체한다는 뜻은 아닙니다. KDI는 데이터·도입비·유지비까지 고려하면 경제성이 있는 자동화는 더 좁은 범위이며, 업종·조직·과업에 따라 영향이 다르다고 설명합니다. KDI 공식 연구: AI의 거시경제 영향 분석
그러니 “AI가 내 직업을 없앨까?”보다 먼저 물어야 할 질문은 이것입니다.
내 업무 중 반복적이고 결과를 측정하기 쉬운 일은 무엇이며, 그 시간을 줄인 뒤 나는 어떤 판단·검수·협업을 더 잘할 수 있는가?
이런 분께 필요합니다
- 보고서 초안, 자료 조사, 회의록, 고객 문의처럼 반복 업무가 많은 신입·주니어 직장인
- AI 도구를 쓰고 있지만 내 실력이 쌓이는지 확신이 없는 사람
- “AI가 일자리를 줄인다”는 기사를 보고 당장 무엇부터 준비해야 할지 모르는 사람
- 후배에게 AI 활용법과 업무 기본기를 함께 가르쳐야 하는 팀 리더
핵심 요약
| 먼저 할 일 | 이유 | 남길 증거 |
|---|---|---|
| 업무 20개를 과업으로 쪼갠다 | 직무명만으로는 자동화 가능성을 판단할 수 없다 | 업무 목록과 분류표 |
| 자동화·보완·유지를 나눈다 | AI에 맡길 일과 사람이 책임질 일을 섞지 않기 위해서다 | 우선순위와 검수 기준 |
| 작은 업무 1개를 직접 시험한다 | 기능 소개보다 실제 시간·오류·수정량을 확인할 수 있다 | 전후 작업시간, 수정 기록 |
| 판단 기준을 문서화한다 | AI가 초안을 써도 최종 책임은 사람에게 남는다 | 체크리스트, 보고 메모 |
| 반복 흐름을 템플릿으로 만든다 | 다음 업무와 평가·이직에서 재사용할 수 있다 | 프롬프트, 양식, 업무 절차 |
핵심은 AI를 많이 쓰는 것이 아닙니다. AI가 줄인 시간을 어떤 판단과 결과 품질에 다시 투자했는지 보여주는 것입니다.
먼저 바로잡을 오해: 직업 전체가 한꺼번에 사라지는가
KDI 연구는 AI가 한국 경제와 고용에 미칠 영향을 과업 단위로 분석한 연구이지, 특정 개인이 언제 일자리를 잃는다는 예언이 아닙니다. 원문은 IT·경영·사무·영업·상담의 AI 노출도가 상대적으로 높다고 보면서도, 중소기업·오프라인 업무·맥락 의존 업무에서는 자동화 유인이 낮을 수 있다고 설명합니다. KDI 공식 연구
따라서 다음처럼 해석하는 편이 안전합니다.
| 기사에서 본 표현 | 이렇게 바꿔 이해하기 |
|---|---|
| AI가 사무직을 대체한다 | 사무직 안에서도 반복·규칙 기반 과업은 자동화 후보가 될 수 있다 |
| AI를 쓰면 사람이 필요 없다 | 도입비, 데이터, 보안, 검수, 책임 구조가 맞아야 실제 업무에 들어온다 |
| 나는 AI에 안전한 직업이다 | 직업명이 아니라 내가 맡은 과업의 성격을 확인해야 한다 |
| 지금 당장 이직해야 한다 | 먼저 현재 업무의 자동화·보완·유지 과업을 나누고 부족한 증거를 채운다 |
새 근거: 실제 AI 사용도 직업 전체보다 과업 단위였다
Google이 2026년 7월 23일 공개한 ATLAS v1.0은 Gemini App, AI Mode, Gemini API에서 발생한 비식별·집계 상호작용 1,500만 건을 분석했습니다. 데이터는 150개 이상 국가, 140개 언어, 800개 직업, 4,000개 과업에 걸쳐 있습니다. Google ATLAS 공식 발표
관찰 결과를 직장인의 언어로 바꾸면 다음과 같습니다.
| ATLAS에서 확인된 점 | 내 업무에 적용할 질문 |
|---|---|
| AI 사용은 미국 고용의 90%를 포괄하는 직업군 가운데 68%에서 관찰됨 | 내 직업이 안전한지보다 내 과업 중 어디에 AI가 이미 들어오는가 |
| 전형적인 직업에서는 약 21%의 과업에 AI가 사용됨 | 업무 전체가 아니라 우선 시험할 과업 20%는 무엇인가 |
| 업무 상호작용 중 완전 자동화는 10% 미만임 | AI가 초안을 만든 뒤 사람이 검수·판단해야 하는 단계는 무엇인가 |
| 업무 사용은 아이디어, 전략, 정보 탐색, 학습 같은 협업·보조에 집중됨 | 단순 실행을 넘겨 얻은 시간을 어떤 판단과 품질 개선에 쓸 것인가 |
KDI 연구가 한국 직업의 기술적·경제적 자동화 가능성을 보여준다면, ATLAS는 Google AI 제품 안에서 사람들이 AI를 실제로 어떤 과업에 사용했는지 보여줍니다. 두 자료 모두 “직업 전체가 한꺼번에 사라진다”보다 “일부 과업부터 선택적으로 바뀐다”는 해석에 더 가깝습니다.
다만 ATLAS는 Google 제품 사용 데이터입니다. 전체 AI 시장이나 한국 직장인 전체를 대표하지 않으며, 특정 개인의 해고 확률을 보여주는 자료도 아닙니다. 또한 전체 상호작용의 86% 이상은 업무 밖에서 발생했으므로, 전체 수치를 그대로 직장 내 AI 도입률로 해석하면 안 됩니다.
다른 직군의 일을 AI로 하게 되는 변화도 확인하기
OpenAI가 2026년 7월 27일 공개한 Work at the Frontier 연구는 미국 ChatGPT 사용자 메시지 80만 개 이상을 분석했습니다. 전체 업무 메시지를 대상으로 한 단순 비율이 아니라, 여러 직업에 공통적인 글쓰기·요약·일정관리 등을 제외한 직업 고유 과업 메시지를 따로 살펴봤습니다. 그 가운데 43.5%가 사용자의 직업 밖 과업으로 분류됐습니다. OpenAI 공식 소개, 공식 보고서 PDF
이 결과는 “AI가 직업을 없앤다”는 예측보다 사람이 맡는 과업의 경계가 먼저 달라질 수 있다는 신호에 가깝습니다. 예를 들어 영업 담당자가 데이터 정리와 간단한 기술 문제 해결을 직접 하거나, 마케터가 분석·디자인 업무 일부를 AI로 처리하면 다른 부서에 넘기던 일이 자신의 업무로 들어올 수 있습니다.
| 확인할 변화 | 성장으로 만들려면 | 업무 전가가 되지 않으려면 |
|---|---|---|
| 다른 직군의 과업을 새로 맡음 | 새 과업과 결과물을 포트폴리오·평가 증거로 남김 | 책임자와 최종 승인 범위를 확인 |
| AI로 다른 부서의 초안을 직접 만듦 | 검수 기준과 재사용 절차를 문서화 | 오류가 났을 때 책임 주체를 정함 |
| 기존 인수인계가 줄어듦 | 줄어든 시간을 고객·판단·협업에 투자 | 업무량만 늘지 않았는지 시간 기록 |
| 직무 설명에 없던 일이 반복됨 | 필요한 교육·권한·보상을 협의 | 민감정보·계약·대외 책임 과업은 임의로 확대하지 않음 |
연구의 43.5%를 “직장인의 절반이 다른 사람의 일을 빼앗았다”라고 읽으면 안 됩니다. 이 비율은 미국 ChatGPT 사용자의 직업 고유 과업 메시지에 관한 분석이며, 사용자 개인의 전체 근무시간이나 한국 노동시장 전체를 나타내지 않습니다. 연구는 실제 해고 여부, 임금 변화, 업무 만족도를 직접 측정하지도 않았습니다.
따라서 내 업무에서는 다음 질문을 추가하는 편이 실용적입니다.
이 과업은 원래 내 직무의 일인가, 다른 직군에서 넘어온 일인가? 새로 맡았다면 필요한 권한·검수·평가 기준도 함께 생겼는가?
내 업무 20개를 세 칸으로 나누기
최근 30일 동안 한 일을 20개까지 적습니다. “보고서 작성”처럼 크게 쓰지 말고 회의 메모에서 결정사항 추출, 경쟁사 기사 10개를 표로 정리, 고객 문의 초안 작성처럼 시작과 끝이 보이게 씁니다.
그다음 아래 기준으로 세 칸에 나눕니다.
| 분류 | 이런 과업 | 오늘 할 일 |
|---|---|---|
| 자동화 시험 | 반복되고, 입력·출력 형식이 비교적 분명하며, 결과를 빠르게 검수할 수 있는 일 | AI로 1회 시험하고 시간·오류·수정량을 기록 |
| AI 보완 | 초안·분류·비교에는 AI가 도움 되지만, 맥락 판단·대외 책임·협상이 필요한 일 | AI는 보조로 쓰고 사람 검수 기준을 문서화 |
| 사람 중심 유지 | 관계 형성, 최종 의사결정, 민감정보 처리, 현장 상황 판단이 핵심인 일 | AI에 넘기지 말고 판단 근거와 협업 방식을 더 깊게 학습 |
예를 들어 신입 영업사원이 고객 미팅 뒤 하는 일을 나눠 보면 이렇습니다.
| 과업 | 분류 | 이유 | 남길 증거 |
|---|---|---|---|
| 녹음 메모를 회의록 초안으로 정리 | 자동화 시험 | 반복되고 형식이 비교적 일정함 | 초안·수정본·걸린 시간 |
| 고객 요구와 기존 계약 조건 비교 | AI 보완 | 비교는 돕지만 계약 해석과 책임은 사람에게 있음 | 확인 항목·상사 검토 메모 |
| 다음 제안의 가격·범위 결정 | 사람 중심 유지 | 이해관계·수익성·관계 판단이 필요함 | 결정 근거·승인 흐름 |
보안 주의: 이 글의 프롬프트 예시는 일반 업무 상황을 기준으로 작성했습니다. 회사 내부자료, 고객 개인정보, 계약서, 미공개 재무정보, 영업기밀은 외부 AI 서비스에 입력하지 않는 것이 원칙입니다. 조직의 보안 정책을 먼저 확인한 뒤 활용하시기 바랍니다.
바로 복사해서 쓰는 업무 과업 분류 프롬프트
아래 프롬프트에는 실제 자료 대신 업무를 일반화해서 입력하세요. AI의 분류는 초안일 뿐이므로, 최종 분류는 본인이 업무 책임자·보안 정책과 함께 확인해야 합니다.
당신은 직장인의 업무 재설계를 돕는 분석 코치입니다.
목표는 최근 30일 업무를 AI 시대의 준비 과제로 분류하는 것입니다.
[업무 목록]
1. [업무를 민감정보 없이 일반화해 입력]
2. [업무를 민감정보 없이 일반화해 입력]
...
각 업무를 다음 셋 중 하나로 분류해 표로 작성하세요.
- 자동화 시험: 반복적이고 입력·출력 형식이 비교적 분명한 업무
- AI 보완: AI 초안은 가능하지만 사람의 맥락 판단·검수·책임이 필요한 업무
- 사람 중심 유지: 관계, 협상, 최종 결정, 민감정보, 현장 판단이 핵심인 업무
표에 반드시 넣을 열:
1. 업무명
2. 분류
3. 분류 이유
4. AI에 맡겨도 되는 단계
5. 사람이 반드시 확인할 단계
6. 다음 30일 안에 시험할 가장 작은 행동
7. 남길 업무 증거
조건:
- 확실하지 않은 분류는 "추가 확인 필요"라고 표시합니다.
- 특정 AI 도구 사용을 전제로 하지 않습니다.
- 회사 내부자료와 개인정보를 입력하지 않았다는 전제로 답합니다.
- 마지막에 가장 먼저 시험할 업무 3개만 우선순위로 제안합니다.2주 실험: 내 업무에서 AI가 실제로 맡는 비중 계산하기
ATLAS의 약 21%를 내 목표치로 삼을 필요는 없습니다. 같은 방식으로 내 업무를 과업 단위로 기록해 실제 사용 비중과 사람의 검수 부담을 확인하는 것이 목적입니다.
| 업무 과업 | 원래 담당 | AI 사용 | 사람 검토 시간 | 오류가 났을 때 손해 | 최종 분류 |
|---|---|---|---|---|---|
| 회의 메모에서 결정사항 추출 | 내 직무 / 다른 직군 / 공통 | 예 / 아니요 | 분 | 일정·담당자 누락 | 자동화 시험 / AI 보완 / 사람 중심 |
| 경쟁사 자료 10개 표로 정리 | 내 직무 / 다른 직군 / 공통 | 예 / 아니요 | 분 | 출처·수치 오류 | 자동화 시험 / AI 보완 / 사람 중심 |
| 고객 제안 가격 결정 | 내 직무 / 다른 직군 / 공통 | 예 / 아니요 | 분 | 수익·신뢰 손실 | 자동화 시험 / AI 보완 / 사람 중심 |
2주 뒤에는 다음 두 비율을 계산합니다.
AI 사용 과업 비율 = AI를 사용한 과업 수 ÷ 전체 기록 과업 수 × 100
완전 자동화 비율 = 사람 검토 없이 끝난 과업 수 ÷ AI를 사용한 과업 수 × 100
직무 밖 과업 비율 = 다른 직군에서 넘어온 과업 수 ÷ 전체 기록 과업 수 × 100비율이 높다고 무조건 좋은 것은 아닙니다. 사람 검토 시간이 길거나 오류 손해가 큰 과업이라면 완전 자동화가 아니라 AI 보완으로 분류해야 합니다. 다른 직군의 과업이 늘었다면 실력 확장의 기회인지, 권한·평가·보상 없이 업무만 넘어온 것인지도 따로 확인해야 합니다. 반대로 AI 사용 비율이 낮더라도 반복 업무 하나에서 시간과 오류를 함께 줄였다면 재사용할 가치가 있습니다.
30분 실험: 시간 절약이 아니라 성공한 업무 1건을 비교하기
AI 활용 효과를 “빨리 끝났다”로만 판단하면 다음 업무에서 재현하기 어렵습니다. 같은 유형의 업무 하나를 골라 아래처럼 비교해 보세요.
| 기록 항목 | 기존 방식 | AI 보조 방식 | 판단 |
|---|---|---|---|
| 준비부터 제출 전까지 걸린 시간 | 시간이 실제로 줄었는가 | ||
| 사람이 고친 문장·숫자 수 | 검수 부담이 줄었는가 | ||
| 누락된 담당자·일정·근거 수 | 결과 품질이 유지됐는가 | ||
| 추가 확인에 든 시간 | 숨은 비용이 생기지 않았는가 | ||
| 다음에도 쓸 수 있는 양식 | 없음 / 있음 | 없음 / 있음 | 반복 가능한가 |
AI가 초안을 빨리 만들었어도 숫자 오류를 고치느라 시간이 더 들었다면 자동화가 아니라 AI 보완으로 분류하는 편이 맞습니다. 반대로 형식이 일정하고 검수 기준이 명확한 업무라면 자동화 시험 후보가 될 수 있습니다.
신입 직장인이 남겨야 할 다섯 가지 증거
| 우선순위 | 남길 것 | 왜 필요한가 |
|---|---|---|
| 1 | 업무 분류표 | 내 일을 과업 단위로 이해했다는 증거 |
| 2 | 수정 전후 결과물 | AI 결과를 그대로 제출하지 않았다는 증거 |
| 3 | 검수 체크리스트 | 사실·일정·이해관계자·보안 기준을 설명할 수 있는 증거 |
| 4 | 반복 업무 템플릿 | 개인 요령을 팀이 재사용할 수 있는 방식으로 바꾼 증거 |
| 5 | 짧은 회고 메모 | 무엇이 통했고 무엇이 실패했는지 다음 실험에 연결하는 증거 |
평가나 면접에서 “AI를 잘 씁니다”라고 말하는 것보다, “회의록 초안 시간은 줄였지만 담당자 누락이 있어 이 검수표를 만들었고, 다음부터는 이렇게 확인했다”라고 설명하는 편이 훨씬 구체적입니다.
자주 막히는 지점
AI가 내 업무를 전부 자동화 후보로 분류할 때
AI는 입력된 설명만 보고 판단하므로 회사의 책임 구조, 고객 관계, 보안 규정, 비공식 업무 맥락을 알지 못합니다. 최종 분류 전에 외부 공유 가능 여부, 최종 책임자, 오류가 났을 때의 손해, 사람의 승인 필요 여부를 추가로 확인하세요.
시간을 줄였는데 오히려 실력이 줄어드는 것 같을 때
AI에게 답을 바로 맡기기 전에 본인이 업무 목적과 검수 기준을 한 줄로 적어보세요. AI가 만든 결과에서 틀린 점·빠진 점을 고친 기록을 남기면, 단순 실행을 건너뛰면서도 판단 기준은 학습할 수 있습니다.
AI 도구를 많이 알아야 할 것 같을 때
도구 수보다 한 가지 업무 흐름을 끝까지 검증한 경험이 먼저입니다. 자료 정리, 초안, 검수, 공유 중 한 과정을 골라 성공·실패 조건을 기록하세요. 이 기록이 쌓인 뒤에야 다른 도구를 비교할 기준도 생깁니다.
오늘 바로 해볼 체크리스트
- [ ] 최근 30일 업무를 20개까지 과업 단위로 적는다.
- [ ] 자동화 시험·AI 보완·사람 중심 유지로 나눈다.
- [ ] 자동화 시험 1개를 골라 기존 방식과 AI 보조 방식을 비교한다.
- [ ] 사실, 숫자, 일정, 이해관계자, 보안을 확인하는 검수표를 만든다.
- [ ] 수정 전후 결과와 배운 점을 한 페이지에 저장한다.
함께 읽으면 좋은 글
- ChatGPT 프로젝트에 자료 넣는 법: 소스와 지침은 이렇게 나눠라 — 업무 자료와 AI 지시를 섞지 않는 기본 구조를 확인할 수 있습니다.
- NotebookLM은 좋은 출처를 넣을수록 강해진다: 할루시네이션을 줄이는 실무 사용법 — AI 결과를 검수하기 전에 입력 자료의 품질을 높이는 방법입니다.
- 이메일 자동읽기 AI에게 맡기면 큰일 납니다: 피싱 메일도 지시로 읽을 수 있습니다 — 자동화 시험 전에 권한과 보안 경계를 점검할 수 있습니다.
FAQ
AI를 잘 쓰면 승진 가능성이 높아지나요?
AI 활용 역량만으로는 판단할 수 없습니다. AI가 평가 항목에 포함되더라도 승진을 보장하는 충분조건은 아닙니다. 먼저 맡은 과업의 성과와 리더십이 있어야 하고, AI를 통해 그 성과의 속도·품질·재현성·조직 기여도를 높였다는 증거가 함께 있어야 합니다. 단순 사용 횟수나 교육 이수보다 전후 결과와 사람의 검수 책임을 기록하는 편이 중요합니다.
삼성전자의 AX 평가 20점은 공식 확정된 수치인가요?
한국경제가 2026년 7월 31일 업계 취재를 바탕으로 보도한 수치입니다. 삼성 공식 발표에서는 동일한 내부 평가 배점을 확인할 수 없었습니다. 공식적으로 확인되는 내용은 전 업무 AI 도입, 사장단·임원 AI 교육, AI를 통한 업무 재설계와 조직 실행력 강화라는 방향입니다.
AI 노출도가 높으면 바로 이직해야 하나요?
아닙니다. KDI 연구의 AI 노출도는 직업·과업의 특성을 바탕으로 한 분석이며 개인의 해고 확률이나 특정 회사의 채용 계획을 뜻하지 않습니다. KDI 공식 연구 이직 결정보다 먼저 현재 업무의 반복 과업, 보완이 필요한 판단 과업, 사람 중심 과업을 분류하고 부족한 역량 증거를 채우는 편이 안전합니다.
신입은 어떤 AI 역량부터 보여줘야 하나요?
도구 이름을 많이 외우는 것보다 업무를 구조화하고 검수하는 능력이 먼저입니다. 입력 자료를 정리하고, AI로 초안을 만들고, 사람이 확인할 기준을 적고, 반복 가능한 양식으로 남기는 흐름을 하나라도 완성해 보세요.
AI가 만든 업무 분류표를 포트폴리오에 그대로 넣어도 되나요?
권하지 않습니다. AI 분류표는 생각을 시작하는 초안으로만 쓰고, 실제 업무에서 본인이 수정한 이유와 검수 기준을 함께 남기세요. 회사·고객·동료를 식별할 수 있는 정보는 제외해야 합니다.
ChatGPT 업무 메시지의 43.5%가 직업 밖 과업이라는 수치를 내 회사에도 적용할 수 있나요?
그대로 적용할 수 없습니다. OpenAI 연구는 미국 ChatGPT 사용자의 메시지 표본을 분석한 결과이고, 직업 고유 과업으로 분류된 메시지를 기준으로 계산했습니다. 내 회사의 업무 재배치율이나 개인의 전체 근무시간을 뜻하지 않습니다. 이 수치는 예측값으로 쓰기보다 최근 2주 동안 내 직무 밖 과업이 실제로 늘었는지 점검하게 만드는 질문으로 사용하는 편이 안전합니다.
마무리
AI 시대의 커리어 대비는 “대체되지 않는 완벽한 직업”을 찾는 일에서 시작하지 않습니다. 내가 맡은 일을 과업으로 나누고, AI가 잘하는 반복 작업은 시험하며, 사람이 책임져야 할 판단을 더 선명하게 만드는 데서 시작합니다. 오늘 업무 20개를 적고 그중 하나만 직접 비교해 보세요. 그 기록이 다음 업무와 다음 기회를 설명하는 가장 현실적인 커리어 증거가 됩니다.
출처
- 한국경제 — “AI 못 다루면, 삼성전자 임원승진 못해” (2026-07-31)
- 삼성 뉴스룸 — 삼성, ‘AI 대전환’… 모든 업무에 AI 도입 본격화 (2026-06-09)
- 삼성 뉴스룸 — 삼성전자, 외부 생성형 AI 도입으로 AX 본격화 (2026-06-11)
- KDI — AI의 거시경제 영향 분석 (2026-07-20)
- Google — Understanding the AI economy: ATLAS v1.0 (2026-07-23)
- OpenAI — How AI is expanding what people do at work (2026-07-27)
- OpenAI — Work at the Frontier 공식 보고서 PDF (2026-07)
함께 읽으면 좋은 글
- AI에 회사 문서를 넣어도 될까? 8월 31일 개인정보 제도 제안 전 점검표 — 같은 카테고리에서 검수와 실행 범위를 비교할 수 있는 글
- 반복 업무를 AI 시스템으로 바꾸는 30일 점검법 — 같은 카테고리에서 검수와 실행 범위를 비교할 수 있는 글
한계와 업데이트
실제 회사 자료나 개인 정보로 검증한 경험을 의미하지 않는다. 기능·요금·권한은 계정 유형과 시점에 따라 달라질 수 있으므로 공식 문서와 조직 정책을 다시 확인한다. 이 글의 기준일과 공식 출처는 공개 전 다시 확인한다. 마지막 확인일: https://work-n-rich.com/ai-career-proof-entry-level-work/.