AI 활용력 격차와 클리닉
스마트폰·PC와 달리, AI는 쓰는 솜씨가 일의 크기를 바꾼다
스마트폰을 잘 다루는 사람과 서툰 사람의 업무 성과는 크게 갈리지 않는다. PC는 조금 더 갈린다. 우리는 AI에서는 비교가 안 될 만큼 갈린다고 본다. 그래서 앞으로는 AI 활용력을 강의로 가르치는 것보다, 각자의 일을 놓고 진단하고 처방하는 클리닉이 중요해진다. 진료 대상은 사람만이 아니다. 하네스가 잘못됐거나 도구와 데이터베이스가 없는 AI 에이전트도 클리닉에 들어와야 한다.
1. 도구를 다루는 솜씨가 성과를 얼마나 가르는가
스마트폰. 잘 쓰는 사람과 못 쓰는 사람의 차이는 앱 몇 개, 설정 몇 개 정도다. 기능이 화면에 거의 다 나와 있고 숙련의 천장이 낮아서, 업무 성과로 번지는 차이는 미미하다.
PC. 여기서는 차이가 조금 더 난다. 단축키, 엑셀 함수, 파일 정리, 매크로를 아는 사람은 같은 일을 몇 배 빨리 끝낸다. 그래도 일을 하는 손은 여전히 그 사람 한 사람이어서, 솜씨가 좋으면 손이 빨라질 뿐 늘어나지는 않는다. 격차에 상한이 있는 이유다.
AI. AI에 오면 성격이 바뀐다. AI는 일을 돕는 도구가 아니라 일을 맡길 수 있는 도구다. 맡기는 솜씨가 좋은 사람은 한 사람이 여러 사람 몫을 한다. 자료 조사, 초안, 교정, 표 정리, 코드, 검산을 동시에 돌리고 자신은 방향과 판단만 쥔다. 맡기는 솜씨가 없는 사람에게 AI는 검색창이나 말동무에 머문다. 같은 도구, 같은 요금인데 한쪽은 손이 열 개가 되고 다른 쪽은 그대로다.
세 도구를 나란히 놓으면 다음 표와 같다.
| 도구 | 솜씨가 바꾸는 것 | 격차의 모양 |
|---|---|---|
| 스마트폰 | 몇 가지 기능을 더 아는가 | 거의 없음 |
| PC | 같은 손이 얼마나 빠른가 | 덧셈, 몇 배에서 멈춤 |
| AI | 손이 몇 개로 늘어나는가 | 곱셈, 상한이 잘 안 보임 |
2. 반론: AI가 오히려 격차를 좁힌다는 연구
이 주장과 반대 방향을 가리키는 초기 실증 연구가 있다는 점을 먼저 짚어 둔다.
- 브리뇰프슨 연구팀이 2023년 미국 콜센터 상담원 5,179명을 조사했는데, 이 연구에 따르면 생성형 AI 보조를 받은 상담원은 시간당 해결 건수가 평균 14% 늘었고, 경력이 짧거나 숙련도가 낮은 사람은 34% 늘었다. 숙련자는 거의 변화가 없었다.
- 델아쿠아 연구팀이 같은 해 보스턴컨설팅그룹 컨설턴트 758명으로 한 실험에 따르면 여기서도 AI를 쓴 쪽이 과제를 12% 더 끝내고 25% 더 빨랐으며, 평균 이하 성과자의 향상폭 43%가 평균 이상 성과자의 17%보다 컸다.
주어진 과제를 주어진 화면 안에서 할 때 AI가 바닥을 끌어올린다는 것은 두 연구가 보여 준 사실이다.
그런데 이 연구에는 다른 결과도 있었다. 연구진이 「경계 밖」이라 부른, AI가 잘 못하는 종류의 과제를 맡겼더니 AI를 쓴 쪽이 안 쓴 쪽보다 정답률이 19%p 낮았다. 연구진은 AI의 답을 그대로 믿은 것을 원인으로 들었다. 우리가 보기에 여기서 갈린 것은 AI를 쓰느냐가 아니라, 이 일이 AI에게 맡길 일인지 아닌지 아는 감각이었다.
게다가 두 연구가 다룬 것은 2023년의 채팅창 하나 수준 AI다. 지금은 AI가 파일을 읽고, 프로그램을 돌리고, 여러 작업을 동시에 진행하는 에이전트로 넘어왔다. 이 단계에서 갈리는 것은 질문을 잘 쓰는 솜씨가 아니라 다음과 같은 것들이다.
- 일감 고르기: 무엇을 맡기고 무엇을 내가 쥘지
- 쪼개 맡기기: 큰 일을 검증 가능한 작은 일로 나누기
- 검증: AI의 결과가 맞는지 원문·숫자로 확인하는 습관
- 작업대: 지시문, 참고자료, 기억을 쌓아 두어 매번 처음부터 시작하지 않게 하는 구조
- 경계 감각: AI가 넘어지는 자리를 미리 아는 것
이 다섯 가지는 바닥을 끌어올리는 기능이 아니라 천장을 여는 기능이라고 우리는 본다. 같은 모델로도 둘레 구조에 따라 성능이 크게 갈린다는 측정 기록에 대해서는 왜 같은 모델이 다른 성능을 내는가에 정리해 두었다. 같은 원리의 격차가 조직과 개인 수준에서도 생긴다고 우리는 본다.
정리하면 AI는 입구에서는 격차를 좁히고, 그 위에서는 격차를 벌린다. 입구는 누구나 넘지만 벌어지는 것은 그다음부터다.
3. 왜 강의가 아니라 클리닉인가
스마트폰이나 PC 교육은 강의로 충분했다. 배울 기능이 정해져 있고 누구에게나 같았기 때문이다. AI 활용력은 세 가지 점에서 다르다.
- 격차가 그 사람의 일에서 생긴다. 회계 담당자와 홍보 담당자가 막히는 자리는 다르다. 같은 강의를 들어도 각자 자기 일로 옮기는 단계에서 대부분 멈춘다.
- 막힌 자리는 본인이 잘 모른다. “AI가 별로더라”는 말 뒤에는 대개 일감을 잘못 골랐거나, 한 번에 너무 큰 일을 맡겼거나, 매번 맥락 없이 새로 시작한 사정이 있다. 본인이 느끼는 증상과 실제 원인이 다른 셈이다.
- 도구가 계속 바뀐다. 지난달 배운 방법이 이번 달에 낡으니, 한 번 듣고 끝나는 교육으로는 따라갈 수 없다.
그래서 우리는 필요한 모양이 클리닉이라고 본다.
| 강의 | 클리닉 | |
|---|---|---|
| 들고 오는 것 | 없음 | 자기 일 하나 |
| 하는 일 | 기능 설명 | 막힌 자리 진단 → 처방 |
| 끝 | 수료 | 그 일이 실제로 돌아감 |
| 다음 | 없음 | 재진: 다음 일, 바뀐 도구 |
클리닉에서 보는 축은 2절의 다섯 가지, 곧 일감 고르기·쪼개 맡기기·검증·작업대·경계 감각이다. 한 사람의 실제 업무 하나를 놓고 어디서 막히는지 같이 보고, 그 자리에서 고쳐 돌려 보고, 다음에 다시 본다. 처방이 쌓이면 그 조직의 사례집이 되고, 다음 사람은 더 빨리 넘는다.
4. 클리닉은 둘이다: 사람 클리닉과 에이전트 클리닉
조금 더 들어가 보면, 진료실에 들어와야 할 것은 사람만이 아니다. 사람이 일을 잘 맡겨도, 맡겨진 AI 에이전트 쪽이 병들어 있으면 일은 돌아가지 않는다. 현장에서 「AI가 별로더라」는 말을 따라가 보면, 원인이 사람의 솜씨가 아니라 에이전트가 놓인 환경에 있는 경우가 적지 않았다. 그래서 우리는 사람 클리닉과 나란히 에이전트 클리닉이 필요하다고 본다.
에이전트 쪽에서 자주 보이는 병은 다음과 같다.
- 잘못된 하네스: 지시문이 낡았거나 서로 부딪히거나 너무 길어서 정작 중요한 규칙이 묻힌다. 기억 장치가 없어 매번 처음부터 시작한다. 같은 실수를 해도 그걸 막는 장치가 없다.
- 도구 공백: 한글 문서를 열 도구, 메일·달력·메신저에 닿을 연결, 남의 업무 프로그램에 들어갈 통로가 없다. 사람은 손으로 하는데 에이전트는 문 앞에서 멈춘다.
- 데이터베이스 부재: 조직의 자료가 각자의 PC와 단톡방과 엑셀 파일에 흩어져 있다. 에이전트가 조회할 원장이 없으니, 사람이 매번 자료를 붙여 넣어 주거나 에이전트가 짐작으로 채운다.
- 권한과 자리의 어긋남: 에이전트가 일할 기계와 자료가 있는 기계가 다르거나, 꼭 필요한 권한이 막혀 있다.
- 검증 장치 부재: 결과가 맞는지 원문·숫자로 대조하는 절차가 없어서, 그럴듯한 오답이 그대로 밖으로 나간다.
이 병들은 사람 클리닉으로는 고쳐지지 않는다. 데이터베이스가 없는 조직에서 사람에게 질문 잘 쓰는 법을 아무리 가르쳐도, 에이전트는 여전히 읽을 자료가 없다. 거꾸로 에이전트 환경만 정비해도 같은 사람의 성과가 크게 달라지는 경우가 많다. 사람 탓으로 보이던 것이 실은 구조의 문제였다는 이야기는 사람은 병목이 아니다에도 적었다.
두 클리닉을 나란히 놓으면 다음 표와 같다.
| 사람 클리닉 | 에이전트 클리닉 | |
|---|---|---|
| 진료 대상 | AI를 쓰는 사람 | 그 사람이 쓰는 AI 에이전트와 작업 환경 |
| 보는 축 | 일감 고르기·쪼개 맡기기·검증 습관·경계 감각 | 하네스·도구·데이터베이스·권한·검증 장치 |
| 흔한 증상 | 맡길 일을 못 고른다, 결과를 그대로 믿는다 | 같은 실수 반복, 문 앞에서 멈춤, 짐작으로 채움 |
| 처방 | 실제 업무 하나로 연습하고 재진 | 지시문 정리, 도구 설치·연결, 원장 구축, 검증 절차 |
실제로는 두 진료를 같은 자리에서 한다. 한 사람의 업무 하나를 놓고 막힌 자리를 보면, 그 원인이 사람 쪽인지 에이전트 쪽인지가 거기서 갈린다. 다만 처방하는 손은 다르다. 사람 쪽은 연습과 습관이고, 에이전트 쪽은 설치·연결·구축이다. 도구 공백을 진단하고 메우는 구체적 방법은 AI 작업환경 정비에, 데이터베이스를 세우는 방법은 AX의 첫 세팅은 데이터베이스 구축에 정리해 두었다.
5. 사회연대경제와 운동조직에게
격차는 사람 사이에서만이 아니라 조직 사이에서도 벌어진다. 사람이 적고 자원이 빠듯한 협동조합·마을조직·시민단체일수록, AI를 맡겨 쓰는 조직과 못 쓰는 조직의 차이는 더 크게 난다. 손이 부족한 조직에 손을 늘려 주는 도구이기 때문이다.
반대로 말하면, 이 격차를 메우는 일은 개인 역량 문제가 아니라 공동의 기반을 만드는 문제다. 한 조직이 혼자 터득하기보다, 여러 조직이 클리닉을 함께 쓰고 처방을 나누는 편이 빠르다. 에이전트 클리닉은 특히 그렇다. 하네스와 도구, 데이터베이스는 한 조직에서 고친 처방이 다른 조직에 거의 그대로 옮겨 가기 때문이다. 현장 AX에서 조직 안에 챔피언을 세우는 것도 같은 이유다. 클리닉은 챔피언을 기르는 자리이기도 하다.
함께 보기
- 왜 같은 모델이 다른 성능을 내는가: 격차의 세 겹
- 하네스 엔지니어링: 작업대를 짓는 법
- AI 작업환경 정비: 도구 공백 진단
- AX의 첫 세팅은 데이터베이스 구축
- AI 시대의 메타스킬과 소프트스킬
- 현장 AX — 품앗이 방식
참고한 연구
- Brynjolfsson, E., Li, D., & Raymond, L. (2023). Generative AI at Work. NBER Working Paper 31161.
- Dell’Acqua, F. 외 (2023). Navigating the Jagged Technological Frontier. Harvard Business School Working Paper 24-013.