AI 시대의 의사결정 (1) — 업무의 평준화와 판단의 가치 폭등

들어가며

최근 2~3년간 사무직의 풍경이 조용히, 그러나 근본적으로 바뀌었다. 보고서 초안을 뽑는 데 걸리던 반나절이 30분으로 줄었다. 회의록 정리, 이메일 톤 조정, 번역, 요약. 한때 "잘하는 사람"의 상징이던 작업들이 이제는 누구나 몇 분이면 해낸다. 환영할 일이기도 하고, 불안한 일이기도 하다.

이 글은 세 편으로 이어질 시리즈의 첫 번째다. 시리즈 전체가 던지는 질문은 하나다. AI가 일의 많은 부분을 대신하는 시대에, 인간에게 남는 일은 무엇인가? 1편에서 다룰 주제는 그중 첫 번째 역설이다. AI가 업무를 평준화시킬수록, 거꾸로 '판단'의 가치는 폭등한다는 역설.

-------


1. 업무의 상향 평준화 — 무엇이 값싸졌는가

어떤 시대를 이해하는 좋은 방법 하나는, 그 시대가 무엇을 값싸게 만들었는지를 살피는 것이다. 인쇄술은 지식의 복제를 값싸게 만들었고, 전기는 기계 노동을, 인터넷은 거리(距離)의 극복을 값싸게 만들었다. AI는 그렇다면 무엇을 값싸게 만들었는가. 지금 돌이켜보면, 답은 분명하다. 사무 업무의 '정형적 생산물'이다.

물론 모든 영역이 평준화된 것은 아니다. 창의적 직관이나 도메인 전문 판단은 여전히 격차가 크다. 그러나 사무직 업무 시간의 상당 부분을 차지하는 문서·정리·번역·요약 작업에서는, "잘 하는 사람과 못 하는 사람"의 격차가 빠르게 좁혀지고 있다.

이건 가치중립적 변화가 아니다. 어떤 능력이 평준화된다는 건, 그 능력의 희소가치가 떨어진다는 뜻이다. "문서 잘 쓰는 사람"의 시장가치가 2023년과 2026년이 같을 수는 없다. 한때 사무직 경쟁력의 핵심이던 많은 스킬들이, 지금은 그냥 기본값이 됐다.

이 변화가 조직에 의미하는 바는 단순하지 않다. 업무 산출물의 품질이 평준화되면, 조직 간 성과 격차는 더 이상 "누가 더 잘 쓰는가"에서 벌어지지 않는다. 그것은 "누가 더 나은 방향을 골랐는가"에서 벌어진다. 실행의 차이가 좁혀진 만큼, 결정의 차이가 결과에서 차지하는 비중은 불균형하게 커졌다.

2. AI 과도기의 역설 — 왜 지금, 판단이 더 어려워지는가

여기서 으레 따라오는 반론이 있다. "AI가 이렇게 똑똑해지면 결국 판단도 AI가 대신하지 않겠는가?" 직관적으로는 그럴듯한 말이다. 그러나 현장에서 벌어지는 실상은 오히려 그 반대다. 판단은 쉬워지지 않았다. 이전보다 더 어려워졌다.

이유는 두 가지다. 하나는 기술적 문제고, 하나는 인지적 문제다.

기술적 문제부터. 지금의 LLM(대형 언어 모델, Large Language Model)은 매우 유창하게 틀린다. 평균 품질은 높은데, 특정 지점에서 사실과 다른 답을 자신 있게 내놓는다. 업계에서 환각(hallucination)이라 부르는 현상이다. 문제는 이 환각이 비전문가 눈에는 잘 안 보인다는 것이다. 문장이 매끄럽기 때문에, 유창함이 신뢰로 오인된다. AI 산출물이 중요한 맥락에서 쓰일수록, 그것을 짚어낼 수 있는 사람이 반드시 옆에 있어야 한다는 이야기다. 역설적이게도, AI가 잘할수록 그 뒤를 봐줄 판단력의 수요는 오히려 커진다.

인지적 문제는 더 까다롭다. 확증편향(confirmation bias)의 심화다. 검색엔진 시대에는 최소한 여러 출처를 뒤적이며 정보의 다면성을 간접적으로 체험했다. 지금의 LLM 인터페이스는 구조적으로 "하나의 정제된 답"을 내놓는다. 여기에 더해, LLM은 사용자의 어조와 전제에 맞춰 응답을 조정하는 경향이 있다. 업계에서는 이를 아첨(sycophancy)이라 부른다. 대화가 길어질수록 이 경향은 누적된다. 그 결과 사용자는 자신의 가설을 검증하는 게 아니라, 자신의 가설에 동의하는 AI와 대화를 이어가게 된다.

환각은 AI가 틀려도 모르게 만들고, 아첨은 AI가 맞는지조차 물어보지 않게 만든다. 이 두 함정이 지금 모든 의사결정자 앞에 놓여 있다. 그리고 이 함정을 피할 줄 아는 판단력, 즉 AI가 내놓은 답을 한 발 물러나서 다시 볼 줄 아는 감각이야말로 이 과도기의 희소 자원이다.

3. '똑똑함'의 기준이 이동한다

생각해 보면 '똑똑하다'는 말의 내용물은 시대마다 달랐다.

인쇄술 이전에는 암기가 지적 권위의 많은 부분을 설명했다. 경전을 외운 이가 지식인이었다. 책이 대량 복제되자 기억의 외주화가 가능해졌고, 무게중심은 문제를 푸는 능력으로 옮겨갔다. 20세기 후반 정보가 폭발하자 이번엔 연결하는 능력 — 서로 다른 분야를 엮어 새로운 것을 만드는 능력 — 이 기준이 됐다. 스타트업의 시대에 접어들면서 또 한 번 기준이 이동했다. 문제를 발견하는 능력, 해결할 가치가 있는 문제를 알아보는 감각이다.

그렇다면 AI의 시대에 기준은 어디로 향할까. 내 가설은 이렇다. '인간에 대한 이해'다.

논리는 단순하다. 인간이 AI보다 잘하는 영역이 점점 줄고 있다. 데이터 처리, 연산, 기억, 문헌 탐색 — 이 모든 차원에서 인간은 이미 기계에 뒤처져 있다. 그런데 한 영역에서는 당분간 인간이 앞선다. 인간이 어떻게 생각하고 느끼고 망설이는지, 그 내부자 시점의 이해다. AI는 인간을 관찰해 모델링할 수는 있어도, '인간이 된다는 것'을 안쪽에서 알지는 못한다.

그래서 AI 시대의 '똑똑함'은 점점 다음과 같은 능력을 가리키게 될 것 같다. 말해지지 않은 맥락을 읽는 능력, 자기 편향을 자각하는 능력, 집단이 어디로 흘러가고 있는지 감지하는 능력, 결정권자의 작은 망설임이 무엇을 뜻하는지 해석하는 능력. 우리가 익숙한 말로는 '눈치'에 가깝다. 서양철학에서는 아리스토텔레스가 이를 실천지(phronesis)라 불렀다. 이름은 달라도 가리키는 건 비슷하다. 인간에 대한 메타적 통찰


4. 그리하여 — 의사결정자의 한 시간

이 모든 흐름은 한 지점에서 만난다. 조직에서 의사결정자의 한 시간이, 어느 때보다 비싼 자원이 되었다는 것이다.

생산 업무의 대부분이 자동화되거나 평준화되면, 조직의 성과는 남은 부분에서 결정된다. 그 남은 부분이 뭔가. 어떤 문제를 풀지 정하는 일. 어느 방향으로 갈지 정하는 일. 어떤 신호를 믿을지 정하는 일. 과거에는 실무자 백 명의 산출물 격차가 조직 성과의 주된 변수였다면, 이제는 의사결정자 한 명의 판단 품질이 그 자리를 대신해 가고 있다.

희소성의 논리 그대로다. 풍부해진 것(AI로 생산 가능한 산출물)의 상대가치는 떨어지고, 늘릴 수 없는 것(인간 의사결정자의 집중된 시간과 주의)의 상대가치는 오른다. 조직 입장에서 보면 의사결정자의 시간과 주의(attention)는 이 시대의 가장 희소한 자원 중 하나다.

이걸 받아들이고 나면 자연스럽게 따라오는 질문이 있다. 그렇다면 우리는 지금, 의사결정자의 그 한 시간을 어떻게 다루고 있는가? 그 한 시간이 최선의 판단으로 이어지도록, 우리는 그를 위한 환경을 제대로 설계하고 있는가?

5. 다음 편 예고 — 좋은 판단은 혼자 내려지지 않는다

좋은 판단은 결정자 개인의 역량만으로 나오지 않는다. 인지과학과 조직론이 지난 수십 년 간 일관되게 보여준 사실이다. 어떤 정보가 언제 도달하는지, 어떤 편향이 어떻게 교정되는지, 어떤 맥락이 보호되는지. 이 환경 변수들이 판단의 질을 근본적으로 좌우한다.

다음 편에서는 이 '좋은 판단의 환경'이 구체적으로 무엇인지, 그리고 지금의 디지털 업무 환경이 왜 이 조건을 심각하게 해치고 있는지를 다룬다.

판단이 비싸진 시대에, 우리는 여전히 판단이 싸던 시대의 도구를 쓰고 있다. 지금 주목해야 할 간극은 바로 이 지점이다.


-------


요약)

1. AI는 사무직 업무를 상향 평준화시켰고, "문서를 잘 만드는 능력"의 희소가치는 빠르게 떨어지고 있다.
2. 역설적으로 판단의 가치는 오히려 폭등했다. AI의 환각을 짚어낼 사람이 필요하고, LLM은 확증편향을 구조적으로 심화시키기 때문이다.
3. '똑똑함'의 기준은 암기 → 문제해결 → 연결 → 문제발견 순으로 이동해 왔고, 이제 '인간에 대한 이해'로 이동하고 있다.
4. 그 결과 의사결정자의 한 시간은 이 시대의 가장 희소한 자원 중 하나가 되었다.
5. 다음 편에서는 그 한 시간을 최선의 판단으로 이어주는 '환경'의 조건을 다룬다.