AI 도입 때 직무를 업무 단위로 재설계하는 법

AI를 도입한 뒤 직무를 바꾸려면 직무명에 자동화 비율을 붙이는 대신 실제 업무 묶음을 다시 설계해야 한다. 상담 답변 초안이 빨라져도 팀장에게 검토 대기열이 몰리고, 전문가는 더 모호한 예외를 맡으며, 누군가는 AI가 참조하는 지식을 바로잡아야 한다. 생산시간만 계산하면 이처럼 옮겨가거나 새로 생긴 일을 놓쳐 가용 인력을 부풀리고 역할 기대를 너무 일찍 바꿀 수 있다. 출발점은 현행 업무 장부, 대표 사례를 이용한 고정 구성 시험, 다섯 노력 계정, 소유권과 전문성 계획을 한 흐름으로 연결하는 것이다.

왜 직무명이 아니라 업무부터 재설계해야 할까?

직무 재설계는 업무부터 시작해야 한다. 하나의 직무에는 AI가 수행할 일, 사람이 AI의 도움을 받아 할 일, 계속 사람이 맡을 일, 도입 이후 새로 생길 일이 함께 들어 있기 때문이다. ILO의 정교화된 지수는 직업별 업무 정보를 이용해 생성형 AI의 잠재적 노출을 평가하며, 일반적으로 대체보다 변형 가능성이 크다고 설명하지만 개별 조직의 인력 효과를 측정하지는 않는다. 노출도는 조사 우선순위를 정하는 신호이지 자동화율이나 감원 근거가 아니다.

OECD는 많은 근로자가 고용 상실보다 업무와 작업환경의 변화를 통해 AI를 경험할 가능성이 크며, AI가 직무 안에서 업무를 자동화·보완하거나 새로 만들 수 있다고 설명한다. 따라서 먼저 현장에서 관찰할 수 있는 행동과 조건이 어떻게 달라지는지 확인하고, 그다음 남은 업무와 새 업무를 완전한 역할 및 팀 관계로 다시 묶어야 한다.

• 업무가 줄어드는지, 보완되는지, 그대로 남는지 또는 새로 생기는지 구분한다.
• 판단과 결과 책임, 다른 역할과의 인계, 오류의 결과가 함께 바뀌는지 확인한다.
• 관찰된 업무 변화가 완전한 역할과 팀의 업무량에 어떤 영향을 주는지 다시 합산한다.

현행 업무 장부에는 무엇을 기록해야 할까?

현행 장부에는 업무의 행동과 대상뿐 아니라 수요, 노력, 의존관계, 결과 및 학습가치를 함께 기록해야 한다. 업무 문장은 ‘요청을 분류한다’처럼 쓰고, 발생 계기, 입력, 출력, 완료 조건, 현재 담당자, 결과를 받는 사람과 예외 경로를 붙인다. 증거·판단·결과·담당자가 다르면 단계를 나누고, 같은 통제 아래 함께 변하는 미세 동작만 합친다. 그래야 AI 시험 뒤 무엇이 줄고 어디로 이동했는지 같은 기준으로 비교할 수 있다.

• 정해진 기간의 수요량과 변동 패턴, 사람이 직접 투입한 시간, 경과 대기시간과 대기열
• 정상 변형과 예외 유형, 재작업·반송·과거 실패, 의존관계·인계·자문·승인
• 오류나 지연의 결과, 필요한 판단·권한·독립성·도메인 지식
• 숙련을 배우고 연습하며 피드백받는 방식, 각 기준선의 증거 출처와 신뢰도

직원 인터뷰, 현장 관찰, 실제 작업 표본과 시스템 기록은 서로를 보완해야 한다. 인터뷰만으로는 습관화된 곁일을 빠뜨릴 수 있고 기록만으로는 판단의 이유나 비공식 인계를 설명하기 어렵다. O*NET은 직업별 업무 문장과 평가, 작업 활동, 작업 맥락 자료를 제공하지만 특정 조직의 수요, 노력, 판단 또는 오류 결과를 입증하지는 않는다. 따라서 직업 자료는 어휘와 누락 점검에만 쓰고, 국내 사업장의 실제 빈도와 비용은 현지 증거로 채운다.

사람과 AI의 업무를 나누기 전에 어떻게 시험해야 할까?

업무 분담은 모델, 도구, 프롬프트, 데이터, 통제, 시험 사례와 날짜를 고정해 기록한 뒤 결정해야 한다. 자주 발생하는 정상 사례만 넣지 말고 합법적인 변형, 모호한 경계, 드물지만 결과가 큰 사례, 누락·충돌·노후 입력, 알려진 과거 실패를 포함한다. 제품, 채널, 고객군, 지역 또는 경험 수준이 결과에 영향을 줄 수 있다면 팀 평균과 별도로 나눈다. 시험 결과는 영구적인 업무 꼬리표가 아니라 특정 구성의 작동 경계다.

컨설턴트 758명이 참여한 사전등록 실험에서 AI는 시험된 역량 경계 안의 일부 업무 성과를 높였지만 경계 밖으로 선정된 복잡한 업무에서는 정답률을 낮췄다. 같은 연구는 AI의 역량 경계가 고르지 않고 시간에 따라 변하며 근로자가 미리 위치를 파악하기 어렵다고 설명한다. NIST AI RMF Core는 사람과 AI의 책임 구분, 운영자 숙련도 문서화 및 감독 절차 정의를 제시하지만 자발적이고 용례 중립적인 지침이다. 그러므로 비슷해 보이는 업무를 한꺼번에 배정해서는 안 된다.

생산시간 외에 어떤 노력을 측정해야 할까?

AI 도입 전후의 업무량은 생산, 검증, 판단, 예외 처리, 조정이라는 다섯 계정으로 나누어 기록할 수 있다. 생산은 찾기·작성·변환·입력·실행이고, 검증은 출처와 계산, 완전성, 정책 적합성, 후속 사용 가능성을 확인하는 일이다. 판단은 문제를 구성하고 맥락을 해석해 선택하며 권한과 책임을 행사하는 과정이다. 예외 처리는 모호한 입력, 도구 실패, 수정, 복구와 에스컬레이션을, 조정은 맥락 전달, 문의 응답, 결과 조율, 코칭과 공동 지식 관리를 포함한다.

노력이 다른 역할로 이동하면 목적지 담당자와 소요시간, 대기열 및 최대 수요를 함께 적어야 한다. AI 출력의 전달, 질문 응답, 결과 조정, 코칭, 지식 갱신 및 예외 해결에 든 노력은 숨은 간접비가 아니라 목적지 담당자가 있는 업무로 기록해야 한다. NIST AI RMF Core는 명확한 역할과 책임, 소통 경로, 피드백 및 모니터링을 제시하지만 이 글의 다섯 노력 계정을 규정하지는 않는다. 다섯 계정은 누락을 막는 실무 장부이지 연구 표준이 아니다.

시간과 함께 업무 강도, 자율성, 업무 다양성, 남아 있는 결과 책임도 살펴야 한다. OECD의 증거 검토는 AI가 반복적 업무를 줄일 수 있는 한편 업무 속도를 높이고 자율성을 낮추거나 업무 범위를 좁힐 수도 있으며 영향은 환경과 근로자에 따라 다르다고 설명한다. 초안 작성이 빨라져 처리 건수가 늘면 검토자와 예외 담당자의 집중 부담은 오히려 커질 수 있다. 경과 대기시간은 흐름의 문제를 보여 주지만 사람이 실제로 일한 시간과 자동으로 합산하지 않는다.

AI는 일을 한 덩어리로 없애지 않는다. 노력과 권한, 예외와 학습이 머무는 곳을 바꾼다.

소유권과 전문성을 잃지 않으려면 업무를 어떻게 다시 묶어야 할까?

변경된 업무는 산출물 검토자, 예외 담당자, 지식 관리자, 시스템 운영 책임자, 성과 모니터, 학습 책임자와 최종 에스컬레이션 권한자를 필요한 곳마다 명시해 역할로 다시 묶어야 한다. 각 책무에는 판단 기준, 행사할 수 있는 권한, 소통 경로, 정상 및 최대 수요를 감당할 용량이 따라야 한다. ‘사람이 검토한다’는 문구만으로는 통제가 되지 않는다. 어떤 증거를 보며 무엇이 검토를 촉발하는지, 누가 조치하고 대기열이 밀릴 때 어떻게 운영하는지 정해야 한다.

전문성 경로도 별도 장부로 확인한다. 현재 어떤 업무가 관찰, 반복, 피드백, 원인 이해, 감독된 연습과 어려운 사례 경험을 제공하는지 표시한다. AI가 그 경험을 줄인다면 역할 설계에서 원본 업무 표본, 동행 관찰, 모의 사례, 사례 검토, 순환 및 코칭 같은 학습 기회를 의도적으로 마련해야 한다. 도구 사용 능력만 재지 말고 AI가 없거나 틀렸을 때 신입 구성원이 문제를 진단하고 복구할 수 있는지도 확인한다. 이 학습 설계는 보편적으로 검증된 처방이 아니라 현장에 맞춰 시험할 권고다.

가상의 고객지원팀이라면 시험된 정상 사례에서 AI가 지식 검색과 첫 초안을 돕고, 상담원은 모호한 요청의 진단과 권한 안의 고객 결정을 맡을 수 있다. 팀장과 전문가는 품질 검토, 정책 예외, 지식 수정과 코칭 수요를 새로 떠안을 수 있다. 고객지원 상담원 5,179명을 다룬 한 현장 연구에서는 측정된 평균 생산성 효과가 경험 수준에 따라 크게 달랐고, 더 숙련된 근로자의 관행이 보조도구를 통해 전파됐다는 시사적 증거가 제시됐다. 이 결과의 수치나 원인을 다른 조직에 옮기지 말고 경험별 결과를 따로 측정한다.

제품개발 전문가 776명이 참여한 현장실험은 시험된 개인·팀 구성에서 AI가 성과와 전문성 통합을 바꿨다고 보고했으며, 연구진은 전문성 개발과 유지의 장기적 문제를 미해결 과제로 남겼다. 이는 AI 보조 개인이 일반적으로 팀을 대체한다는 뜻이 아니다. NIST AI RMF Core는 위험관리 역할, 사람과 AI의 책임, 운영자 숙련도, 감독, 피드백 및 모니터링을 문서화하도록 제시하지만 하나의 인력 또는 검토 모형을 의무화하지 않는다. 팀 경계와 학습 경로 모두 현지 시험 결과로 정해야 한다.

언제 인력 용량과 역할, 서비스 약속을 바꿀 수 있을까?

인력 용량과 역할은 대표 사례를 다룬 파일럿에서 전체 업무량과 소유권이 안정적으로 확인된 뒤에만 바꿔야 한다. 정해진 기간의 관찰 수요에 대해 줄어든 생산 노력을 계산하고, 추가된 검증·판단·예외·조정·학습·모니터링·지식관리 노력을 뺀다. 수요 증가, 서비스 수준, 품질, 최대 대기열, 재작업과 다른 담당자에게 이전된 업무도 조정한다. 생산시간 감소분은 이 항목들을 반영하기 전에는 팀의 확정 용량이 아니다.

파일럿은 곁일과 합리적으로 안정된 수요가 드러날 만큼 운영하되 기간을 보편적인 숫자로 정하지 않는다. 품질, 수정과 중단, 결함, 업무량 분포, 직원 의견, 자율성, 업무 다양성, AI가 없거나 틀릴 때 진단·복구하는 능력을 함께 본다. OECD는 AI에 따른 업무 변화가 직무 품질과 근로자에게 서로 다른 영향을 줄 수 있다고 설명하므로 평균 생산량만으로 직무 재설계를 결정하는 것은 충분하지 않다. NIST AI RMF Core도 책임 문서화, 피드백 반영 장치, 지속적인 측정과 모니터링을 제시한다.

시험된 AI 성과는 서로 가까워 보이는 업무에서도 달라질 수 있고 역량 경계도 변하므로 구성이나 운영 맥락이 바뀌면 역할 설계를 다시 평가해야 한다. 대표 증거, 안정된 업무량, 명시된 소유권, 작동하는 검토, 예외 처리 용량 또는 전문성 계획이 불완전하면 현 인력과 직무기술서, 성과지표, 서비스 약속을 유지한다. 고용·노사·접근성·차별·개인정보·안전·법률·규제·전문직 판단은 권한과 자격을 갖춘 조직 담당자가 별도로 결정해야 한다.