리포트

01핵심 개요

02핵심 내용 구조

• 수렴-이산 현상 — 모든 조직(공기업·정부·학교·민간)이 AI로 수렴하지만, 동시에 활용 수준은 극단적으로 벌어짐(이산)

- 개인 단위도 동일: ChatGPT/Claude 미사용자 ↔ 단순 챗봇 사용자 ↔ 에이전트로 자동화까지 도달한 사용자

• AI를 못 쓰는 조직의 3가지 유형

- 보안 이슈: 방산망·그룹 보안망 환경이라 ChatGPT/Claude 접근 자체가 차단 - 자체 LLM만 허용: 사내 모델 성능 아쉬워 집·스마트폰으로 우회 작업 - 보수적 조직 문화: "원래 이 일은 이렇게 해야 한다"는 가정이 굳건해 실험 불가

• 심리적 허들 — OpenAI CFO 사라 프라이어 일화. AI를 가장 잘 만드는 회사의 재무부서조차 상당수가 기존 방식대로 일함

- 재무부서는 정확성·엄밀성이 생명 → 할루시네이션(환각) 1건도 치명적 → AI 도입 장벽 높음 - 최고경영층(빨리 적용하자)과 중간관리층(심리적 장벽 큼)의 온도차

• "누가 했어?" 문화 — 문제 발생 시 책임자부터 찾는 한국 대기업의 지배적 습성이 실험을 가로막음

03기술적 맥락

• 노동의 전제 변화: '아는 만큼 할 수 있다'(과거) → 'AI로 다 가져와 내가 구현한다'(현재)

- 과거엔 지식 베이스가 없으면 책·구글링·전문가 강의로 기초 지식을 먼저 쌓아야 했음 - 이제는 모르는 것도 AI로 즉시 가져와 실행 가능 (보안 모르던 사람이 2~3분 만에 실행자로 전환)

• 학습의 탑다운 전환: 안드레 카파시 언급. 배우는 행위 자체가 상향식(기초→응용)에서 하향식(결과부터)으로 변함
• 일하는 순서 역전: 과거 '질문은 앞단부터' → 현재 'AI가 초안·프로토타입 → 인간이 마지막에 검증(밸리데이션)'
• Anthropic 침투율 데이터(2026년 3월 리포트)

- 756개 직무, 총 17,998개 하위 과업 분석 - 실제 AI 침투 과업은 약 1,300건뿐 → 전체의 약 7.3% - 소프트웨어 프로그래머 약 73%, 고객 서비스 70%로 가장 높음 - 나머지 약 1만 6천여 과업은 침투율 0 (아예 진입 안 됨)

04전략적 의미

• 7.3%의 양면성: "겨우 7.3%"로 안심할 수 없음. 한 번 침투가 시작된 과업은 '적당히'가 없이 통째로 넘어감
• 가능성 ≠ 실제 채택: 2007년 블라인더의 오프쇼어링 연구처럼, 이론적 가능성과 실제 도입은 완전히 다른 문제 (칼로 자를 수 있어도 바나나는 손으로 자르는 것과 같은 비유)
• 재귀적 자기 개선(AI가 스스로 개선)의 종착점을 아무도 예측 못 함 → 미래 직무 불확실성 극대화
• 격차의 본질: AI 기술 격차가 아니라 '조직이 문제를 어떻게 다루느냐'(문화)의 격차가 AX 속도를 좌우

05핵심 워크플로우/방법론

• PAAM 방법론 (과업 중심 AI 재설계)

- 직무 = 5~7개 과업의 묶음 → 각 과업을 분해해 AI 전환 가능성 진단 - P (Purpose): 이 과업의 목적·고객·만들어야 할 가치는 무엇인가 - A (Automation): 완전 자동화 가능한 활동 - A (Augmentation): 인간을 보조·증강하는 활동 - M (Manual): 오롯이 인간이 해야 하는 활동 - 한계: 사람의 머리로 분석하다 보니 '내 생각의 한계'에 갇혀 부분 최적화에 그침 (비트겐슈타인 '내 언어의 한계가 내 세계의 한계' → '내 생각의 한계가 AI 활용의 한계')

• AX의 척경(요체) 2단계 사고

- ① 실험: "설마 이것까지 가능하겠어?"를 직접 해보기 - ② 의심: "내가 반복 작업하고 있네 → 왜 이렇게 하고 있지?"를 즉시 의심하기

• 리더의 문제 다루기 3습관 (심리적 안정감 구축)

- 첫 반응을 "누가 했어?"가 아닌 "빨리 해결합시다, 아이디어 내보세요"로 (첫 댓글이 프레임을 지배) - 비난 시도를 즉시 차단 ("지금 그거 하는 거 아니야, 해결에 집중") - 양보·해결책 제안자를 즉시 인정·칭찬 → 정보 공유가 투명해지고 새로운 시도 활성화

06활용 시나리오

1. HR 팀장의 재무 학습: 재무를 모르는 인사 리더가 사업보고서를 ChatGPT에 올리고 "이게 무슨 말이야?"를 반복 질문 → '반쪽짜리 팀장'에서 비즈니스 이해를 갖춘 리더로 성장
2. '질문에 대한 질문' 프롬프트: 모르는 분야에서 무엇을 물어야 할지조차 모를 때 "내가 X를 모르는데 어떤 질문을 해야 가장 좋을까?"를 던져 핵심 질문 5가지를 역으로 도출
3. 바이브 코딩 앱 보안 검수: MVP를 직접 만든 뒤 Claude Code에게 "보안 검수해줘" → 리스크를 로우/미디엄/하이/크리티컬 4단계로 자동 분류받아 우선순위 실행
4. UX 반복 검수 자동화: 웹·모바일을 직접 오가며 반복 점검하던 작업을 의심 → Claude Code에 주소를 던지고 Claude for Chrome으로 마우스 핸들링까지 위임해 UX 리포트 자동 생성
5. 회의 자기 진단: 갤럭시 녹취록을 ChatGPT에 넣어 화자별로 분석. "문제 발생 시 내 첫 반응은? 내 발언 비율 vs 참여자 발언 시간은?"을 프롬프트로 자기 운영 스타일 리뷰

07현황 및 전망

• 현재: 과업 단위 AI 침투율은 약 7.3%(2026년 초 기준)로 아직 낮지만, 침투가 시작된 영역은 빠르게 통째로 전환 중
• 인간에게 남는 역할 (현재 유효): 방향 설정 → 검증 → 피드백. "실행은 AI, 검토·검증은 인간"이 공통 메시지(MS 워크트렌드 리포트, 2016 가치오 교수 대담 등). 다만 "도장 찍어 안정감 주는" 이 역할도 언제까지 유효할지는 미지수
• 순전히 인간적인 것 (지속될 영역)

- 정체성 정의: 자기개념(좋고싫음의 정보 집합)과 달리, 정체성은 '내가 선택·편집한 나만의 길' → AI가 결정 불가 - 미래를 꿈꾸고 걱정하는 일 (나·자녀·인류의 미래) - 경탄: AI가 궁극에 올라도 인간은 탁월한 인간(김연아·바둑기사 등)에게 경탄. 바둑계처럼 AI는 접어두고 '인간 대 인간'의 경지를 여전히 추앙

• 불확실성: Anthropic조차 자사 기술의 종착점을 모른다고 밝힘 → 재귀적 자기 개선의 미래는 예측 불가

08용어 사전

09타임스탬프 딥링크

• 수렴-이산 현상 설명 (1분 36초)
• AI를 못 쓰는 조직 3유형 (2분 46초)
• "누가 했어?" 문화와 신상필벌 변질 (5분 59초)
• '아는 만큼 할 수 있다' 전제의 붕괴 (19분 11초)
• PAAM 방법론과 그 한계 (24분 36초)
• Anthropic 침투율 7.3% 데이터 (31분 12초)
• 인간에게 남는 것: 정체성·경탄 (34분 45초)