AI 에이전트는 결국 ‘잘 쓰는 사람’만 더 강하게 만든다

같은 도구 다른 결과, 질문 설계와 검증 능력이 성과를 가른다

AI 에이전트가 조직과 개인의 일하는 방식을 바꾸고 있다. 접근성은 높아졌지만 성과는 균등하게 나뉘지 않는다. 같은 도구를 사용해도 결과는 사용 역량에 따라 갈린다. 질문을 어떻게 설계하는지, 어떤 맥락을 제공하는지, 산출물을 어떻게 검증하는지에 따라 생산성의 크기가 달라진다. 기술 보급이 평등을 보장하지 않는다는 점이 다시 확인되고 있다.

세계경제포럼은 2025년 보고서에서 2030년까지 핵심 직무 역량의 39%가 변화할 것으로 전망했다. 인공지능과 빅데이터, 분석적 사고, 창의적 사고, 기술 문해력의 중요성이 함께 커진다고 짚었다. 여기서 기술 문해력은 단순 사용을 넘어 도구의 한계를 이해하고 결과를 비판적으로 해석하는 능력을 뜻한다. 에이전트가 제시한 답을 그대로 사용하는 것이 아니라, 맥락에 맞게 수정하고 실제 업무에 연결하는 과정이 포함된다.

마이크로소프트의 2025년 Work Trend Index는 모든 직원이 AI 리터러시를 일상 업무에 내재화해야 한다고 제안했다. 이는 AI 활용이 일부 인재의 선택 능력이 아니라 전 직원의 기본 역량으로 이동하고 있음을 의미한다. 그러나 기본 도구가 된다고 해서 성과가 같아지지는 않는다. 이메일과 스프레드시트가 널리 쓰이게 된 뒤에도 숙련도에 따른 차이는 유지됐다. 에이전트도 같은 경로를 따를 가능성이 높다.

노동시장도 변화를 반영하고 있다. 세계경제포럼이 인용한 LinkedIn 분석에 따르면 AI 리터러시는 구직자 간 차별화 요소로 작동한다. 채용 담당자의 절반 이상이 AI 리터러시가 없는 지원자를 선호하지 않는다고 응답했다. 동시에 AI 관련 수요는 빠르게 증가하고 있다. 이는 단순 근면성만으로는 부족하며, 정보 처리량과 판단 속도를 끌어올릴 수 있는 능력이 경쟁력으로 작용하고 있음을 보여준다.

‘잘 쓰는 사람’을 가르는 첫 요소는 질문 설계 능력이다. 에이전트는 의도를 추측하지 않는다. 목표, 대상 독자, 산출 형식, 제약 조건을 명확히 제시할수록 결과의 정확도가 높아진다. 예를 들어 보고서를 요청할 때 분량, 구조, 데이터 출처, 금지 표현을 구체화하면 재작업이 줄어든다. 반대로 अस्पष्ट한 지시는 반복 수정으로 이어져 시간 이익을 상쇄한다.

두 번째 요소는 검증 능력이다. 생성형 AI는 설득력 있는 문장을 만들 수 있지만 사실 오류를 포함할 수 있다. OECD는 장기 생산성에 영향을 미치는 요인으로 기술 통합과 새로운 역량 개발을 강조하며, 복잡한 문제 해결과 전략적 의사결정의 비중이 커질 것이라고 설명했다. 이는 사람이 결과를 교차 확인하고, 근거를 보강하고, 맥락에 맞게 재구성해야 가치가 생긴다는 의미다. 데이터 출처 확인, 수치 재계산, 반대 사례 검토가 필수 절차로 자리 잡고 있다.

세 번째 요소는 업무 흐름 연결 능력이다. 에이전트 사용은 단일 질의로 끝나지 않는다. 초안 작성, 요약, 번역, 코드 생성, 고객 응대 문안 작성 등으로 이어지며 실제 실행 단계와 결합될 때 효과가 커진다. 맥킨지는 조직이 AI에서 가치를 얻는 핵심을 단순 도입이 아니라 워크플로 재설계에서 찾았다. 조사에서도 워크플로 재설계를 수행한 조직이 더 큰 성과를 냈다. 개인 역시 결과물을 이메일, 보고서, 회의 자료, 실행 계획으로 연결하는 능력에 따라 성과 차이가 확대된다.

현재 기업 내부의 준비 수준은 충분하지 않다. 세계경제포럼의 2025년 역량 보고서는 직원들이 AI와 빅데이터 역량에 능숙하다고 평가한 비율이 20%를 조금 넘는 수준이라고 전했다. 도구는 확산되고 있지만 이를 경쟁력으로 전환할 수 있는 인력은 제한적이다. 같은 에이전트를 사용해도 누군가는 시간만 절약하고, 다른 누군가는 의사결정 구조를 바꾼다. 격차는 접근 여부보다 활용 수준에서 더 크게 벌어진다.

기업의 도입 속도와 성숙도 사이에도 간극이 존재한다. 맥킨지는 다수 기업이 AI에 투자하지만 성숙 단계에 도달했다고 평가하는 비율은 1% 수준이라고 밝혔다. 장애물은 기술 자체보다 리더십과 조직 전환에 있다. 명확한 사용 지침, 검증 프로세스, 데이터 관리 규칙, 교육 체계가 함께 마련되어야 효과가 누적된다. 개인 차원에서도 반복 실험과 피드백 축적이 중요하다. 잘못된 결과를 걸러내고 더 나은 프롬프트와 절차를 축적하는 과정이 성과를 좌우한다.

AI 에이전트는 생산성 도구이자 새로운 격차의 원인이 될 수 있다. 도구의 보급만으로는 충분하지 않다. 질문 설계, 검증 습관, 워크플로 설계 능력을 함께 끌어올릴 때 성과가 안정적으로 증가한다. 같은 시간을 투입해도 산출의 질과 속도가 달라지는 이유가 여기에 있다. 조직은 교육과 표준 절차를 통해 편차를 줄이고, 개인은 반복 사용을 통해 자신만의 사용 방식을 정교화해야 한다.