AI 시대의 일과 삶 · 2026년 7월 3일 정리
AI가 일자리보다 먼저 가져가는 것은?
원문이 던지는 질문은 “개발자가 사라질까”가 아니다. 더 불편하고 더 개인적인 질문이다. AI가 일을 대신하기 전에, 우리가 일에서 얻던 몰입, 소유감, 시행착오, 성장의 사다리를 먼저 가져가고 있다면 어떻게 해야 할까.
1. 핵심 요약
Flowkater의 글은 AI 비관론이 아니다. 오히려 글쓴이는 AI의 큰 수혜자에 가깝다. 혼자 제품을 만들고, 코딩 에이전트를 쓰고, 리서치와 문서 정리를 맡기며 산다. 그래서 글의 힘은 “AI를 쓰지 말자”가 아니라 “AI를 너무 잘 쓰는 사람에게도 남는 이상한 공허함”에서 나온다.
대체 여부만 보면 생산성은 보인다. 그러나 일을 통과하며 사람이 얻던 감각은 잘 보이지 않는다.
AI는 강압적으로 빼앗지 않는다. 대신 너무 쉽게 해주기 때문에, 우리가 헤매고 붙잡고 실패할 이유가 줄어든다.
AI를 끊는 것이 답은 아니다. 다만 AI가 들어오지 못하는 생각의 공간을 의식적으로 남겨야 한다.
원문의 비유는 류츠신의 《삼체》에 나오는 지자다. 지자는 인류를 직접 공격하지 않는다. 대신 인류가 더 깊이 이해하는 길을 막는다. 글쓴이는 현대의 AI를 완전히 같은 존재라고 말하지 않는다. 핵심은 비슷한 구조다. 기술이 사람을 죽이거나 당장 몰아내는 것이 아니라, 사람이 더 깊게 배우고 더 깊게 살아가는 통로를 조용히 줄일 수 있다는 것이다.
이 관점은 AI를 좋아하는 사람일수록 불편하다. 생산성 도구를 거의 쓰지 않는 사람이 “AI가 위험하다”고 말하면 기존 취향의 연장처럼 들릴 수 있다. 하지만 매일 AI를 쓰고, AI 덕분에 더 많은 일을 해내는 사람이 “이대로 가면 내 안의 어떤 능력이 약해지는 것 같다”고 말하면 질문의 온도가 달라진다.
2. 일자리보다 먼저 사라지는 것
AI가 가져가는 첫 번째 것은 직업 명함이 아니라 “과정의 밀도”다. 코드를 완성하는 시간은 짧아진다. 글의 초안은 빨리 나온다. 요약은 순식간에 정리된다. 그런데 빠른 결과가 언제나 좋은 경험은 아니다. 내 머릿속에서 문제를 붙잡고, 시행착오를 겪고, 마지막에 “이제 알겠다”라고 느끼는 과정이 너무 빨리 생략되면 결과물은 남지만 나의 변화는 줄어든다.
몰입의 상실
몰입은 단순히 기분 좋은 집중이 아니다. 목표가 분명하고, 난도가 적당히 높고, 피드백이 바로 돌아오는 활동에서 생기는 최적 경험이다. 개발자가 설계 스케치를 하고, 작은 함수를 고치고, 테스트를 깨뜨렸다가 다시 맞추는 과정은 귀찮지만 몰입의 재료이기도 했다. AI 에이전트가 그 과정을 대신하면 우리는 더 많은 산출물을 얻지만, 산출물을 만드는 동안 몸으로 겪던 리듬은 잃기 쉽다.
소유감의 약화
AI가 만든 코드를 내가 승인했다고 해서 그 코드가 곧바로 “내 것”이 되지는 않는다. 내 것이라는 감각은 결과물을 소유해서가 아니라, 왜 그렇게 되었는지 설명할 수 있을 때 생긴다. 글도 마찬가지다. AI가 잘 다듬은 문장은 보기 좋지만, 내가 그 문장의 방향을 끝까지 밀고 갔는지 모르면 나중에 다시 읽을 때 낯설어진다.
성장의 사다리
초보자는 원래 낮은 계단에서 배운다. 보일러플레이트를 치고, 테스트를 고치고, 사소한 버그를 오래 붙잡고, 남의 코드를 읽다가 막힌다. 조직 입장에서는 비효율이지만 사람 입장에서는 감각이 자라는 시간이다. AI가 가장 잘 없애는 것이 바로 이 낮은 계단이라면, 문제는 한 개인의 게으름이 아니라 세대 전체의 성장 구조가 된다.
3. 연구가 보여주는 비슷한 패턴
원문의 주장은 에세이다. 그래서 “AI가 정말 뇌를 망친다”처럼 단정하면 안 된다. 다만 다른 영역의 연구들은 하나의 반복되는 패턴을 보여준다. 외부 도구가 너무 훌륭해지면, 인간은 더 안전하고 더 빠르게 일할 수 있지만 동시에 직접 수행하며 유지하던 능력 일부를 덜 쓰게 된다.
인지 부채: 빨리 쓰는 대신 덜 붙잡는가
MIT Media Lab 연구진의 arXiv 논문은 LLM, 검색 엔진, 무도구 조건에서 에세이 작성 과정을 비교했다. 논문 초록에 따르면 LLM 사용 집단은 가장 낮은 뇌 연결성, 낮은 글 소유감, 자기 글 인용의 어려움 같은 신호를 보였다. 이 연구 하나로 모든 결론을 내릴 수는 없다. 표본과 과제, 실험 설계의 한계가 있고, 글쓰기와 코딩은 다르다. 그래도 “도구가 생각을 확장하는가, 생각을 건너뛰게 하는가”라는 질문을 피할 수 없게 만든다.
초기 경력의 압박: 계단이 사라지는가
Stanford Digital Economy Lab의 2025년 연구는 생성형 AI에 많이 노출된 직군에서 22세에서 25세 초기 경력 노동자의 고용이 상대적으로 약해진 신호를 보고한다. Stanford 페이지의 공개 초록은 AI 노출이 큰 직업군의 초기 경력 노동자가 16% 상대적 고용 감소를 겪었다고 설명한다. 이 숫자를 곧장 “AI가 일자리를 빼앗았다”로 읽으면 과하다. 경기, 금리, 원격근무, 기업 채용 정책 같은 다른 변수도 있다. 하지만 글의 질문과 연결하면 중요한 대목이 보인다. AI가 숙련자를 보강하는 동안, 초보자가 처음 밟던 업무가 더 빠르게 자동화될 수 있다는 점이다.
GPS와 길 감각: 안 쓰는 능력은 흐려지는가
GPS는 좋은 기술이다. 낯선 도시에서 길을 잃을 확률을 줄이고, 시간을 아끼고, 사고 위험도 낮춘다. 그렇지만 GPS를 자주 쓸수록 스스로 길을 기억하고 공간을 구성하는 능력은 덜 쓰인다. Dahmani와 Bohbot의 2020년 Scientific Reports 연구는 GPS 경험이 많은 사람이 GPS 없이 이동해야 할 때 공간 기억 수행이 낮았고, 3년 뒤 소규모 추적에서도 GPS 사용 증가와 해마 의존 공간 기억의 하락이 관련된 신호를 관찰했다고 요약된다. AI도 이와 비슷하다. 좋은 길 안내가 나쁜 것은 아니다. 다만 매번 안내만 따르면 내 머릿속 지도는 만들어지지 않는다.
항공 자동화: 자동화가 안전해질수록 훈련은 더 중요해진다
항공 분야는 자동화의 장점을 오래 경험해왔다. 자동조종과 항법 장비는 안전과 효율을 높였다. 그런데 바로 그 이유 때문에 조종사의 수동 조작, 상황 인식, 비정상 상황 판단을 계속 훈련해야 한다. Flight Safety Foundation은 자동화된 조종석 시스템을 많이 쓰면 항공기 위치를 지도 표시 없이 추적하는 것 같은 일부 인지 기술이 약해질 수 있다고 설명한다. HFES의 글도 자동화가 커질수록 과거 사고 분석에서 배운 교훈을 다시 적용해야 한다고 말한다. AI 업무 자동화도 같은 질문을 던진다. 평소에는 AI가 잘해도, AI가 틀렸거나 멈췄을 때 우리는 무엇을 직접 할 수 있는가.
4. 주니어 성장의 빈 계단
AI 시대의 가장 날카로운 질문은 “시니어가 AI로 얼마나 빨라지는가”가 아니다. 시니어는 이미 머릿속에 기준과 실패 기억이 있다. AI가 낸 답을 보고 이상함을 감지할 확률이 높다. 문제는 아직 기준을 만들지 못한 사람이다. 주니어가 AI의 답을 검토하려면, 먼저 검토할 언어와 경험을 가져야 한다. 그런데 그 경험을 만드는 작은 업무가 자동화된다.
| 예전의 낮은 계단 | AI가 줄여주는 것 | 함께 사라질 수 있는 감각 |
|---|---|---|
| 반나절짜리 버그 추적 | 로그와 코드를 붙여 넣으면 원인 후보를 즉시 제시 | 가설을 세우고 하나씩 지우는 디버깅 근육 |
| 테스트 코드와 보일러플레이트 작성 | 패턴을 읽고 테스트 파일을 자동 생성 | 인터페이스 경계, 실패 조건, 회귀 위험을 몸으로 익히는 시간 |
| 낯선 라이브러리 문서 읽기 | 필요한 사용법을 요약하고 예제를 바로 제공 | 공식 문서의 구조, 경고, 설계 의도를 읽는 능력 |
| 작은 기능을 끝까지 구현 | 컴포넌트, API, 스타일을 한 번에 생성 | 작은 결정들이 사용자 경험과 유지보수에 미치는 영향 |
그래서 주니어에게 “AI에게 물어보면 된다”고만 말하는 것은 충분하지 않다. 무엇을 물어야 하는지 아는 것 자체가 실력이다. 더 정확히 말하면, 질문은 지식의 시작이 아니라 축적의 결과다. 모르는 사람이 좋은 질문을 못 하는 이유는 게을러서가 아니라, 문제의 모양을 아직 구분하지 못하기 때문이다.
조직도 모순을 안고 있다. 회사는 더 빠르고 싼 방법을 선택해야 한다. 같은 기능을 AI가 10분 만에 만들 수 있다면, 주니어에게 하루를 맡기는 결정은 비용처럼 보인다. 하지만 모든 회사가 그렇게 행동하면 업계 전체에서 다음 세대 시니어가 자랄 자리가 줄어든다. 개인에게 “삽질하라”고 말하기 전에, 팀이 어떤 삽질을 학습 투자로 남길지 정해야 한다.
5. AI 시대의 면벽자 전략
원문의 결론은 금욕이 아니다. AI를 안 쓰는 사람이 면벽자가 아니다. 면벽자는 AI가 들어오지 못하는 생각의 방을 하나쯤 남겨둔 사람이다. 현실적인 기준은 “AI 사용 금지”가 아니라 “어느 순간에는 일부러 마찰을 남긴다”에 가깝다.
| 남길 방 | 실천 방법 | 목적 |
|---|---|---|
| 첫 스케치 | 프롬프트를 열기 전에 종이나 메모장에 문제 정의, 가설, 대안을 먼저 적는다. | AI가 내 생각을 시작하게 두지 않고, 내 생각을 AI가 확장하게 만든다. |
| 작은 완성 | 일주일에 하나는 글, 코드, 분석 중 무엇이든 AI 없이 끝까지 만든다. | 느리고 어설픈 산출물을 통해 내 감각의 현재 위치를 확인한다. |
| 긴 읽기 | 요약을 보기 전에 원문을 읽고, 이해가 안 되는 문장에 표시한다. | 요약된 답보다 문제의 질감과 저자의 논리 구조를 익힌다. |
| 사후 설명 | AI가 만든 결과를 병합하기 전, 내가 이해한 설계 이유와 위험을 짧게 쓴다. | 승인을 소유로 착각하지 않고, 설명 가능한 소유감을 만든다. |
팀 차원에서는 더 구체적인 장치가 필요하다. 모든 업무를 학습 과제로 만들 수는 없지만, 모든 업무를 자동화 성과로만 볼 수도 없다. 다음 체크리스트는 과도한 도덕론보다 실제 운영에 가깝다.
중요 PR은 AI 리뷰 전에 사람이 먼저 설계 의도와 실패 가능성을 적는다.
일부 티켓은 생산성보다 학습을 목표로 두고, AI 사용 범위를 명시한다.
멘토링에서 정답 산출뿐 아니라 문제를 쪼갠 방식과 질문의 질을 본다.
가끔은 AI 도구 없이 장애 원인, 코드 흐름, 문서 구조를 설명해본다.
업무를 세 갈래로 나누기
실무에서 가장 위험한 선택은 “AI를 쓰느냐 마느냐”를 하나의 원칙으로 정하는 것이다. 업무마다 AI를 써도 되는 깊이가 다르다. 반복적이고 회복 가능한 작업은 적극적으로 맡겨도 된다. 반대로 방향을 정하거나 책임 소재가 생기는 작업은 사람이 먼저 판단해야 한다. 중간에 있는 작업은 AI에게 초안을 맡기되, 사람의 검증 루프를 의도적으로 남겨야 한다.
| 분류 | 예시 | 운영 원칙 |
|---|---|---|
| 자동화해도 좋은 일 | 형식 변환, 초안 정리, 중복 제거, 테스트 데이터 생성, 긴 문서의 1차 요약 | 시간을 아끼는 것이 목적이다. 사람이 다시 읽고 버릴 수 있으면 과감히 맡긴다. |
| 보조로만 쓰는 일 | 설계 대안 비교, 장애 원인 후보, 코드 리뷰, 고객 커뮤니케이션 초안 | AI의 답을 최종안으로 보지 않는다. 반례, 누락, 책임자를 사람이 확인한다. |
| 직접 먼저 해야 하는 일 | 문제 정의, 제품 방향, 성과 평가, 사과와 설득, 학습을 위한 첫 구현 | 처음 10분은 사람이 한다. AI는 그다음에 비판자나 확장자로 부른다. |
이 구분은 생산성을 낮추기 위한 장치가 아니다. 오히려 장기 생산성을 지키기 위한 장치다. 조직이 모든 판단을 AI 속도에 맞추면, 처음에는 산출량이 늘어난다. 그러나 시간이 지나면 “왜 이 결정을 했는가”, “어디서 깨질 수 있는가”, “도구가 멈추면 누가 복구할 수 있는가”라는 질문에 답하기 어려워진다. 그때 비용은 개발 속도가 아니라 신뢰의 형태로 돌아온다.
개인도 마찬가지다. AI를 쓰면 더 많은 일을 할 수 있지만, 더 많은 일을 했다는 사실이 더 나은 사람이 되었다는 뜻은 아니다. 오늘 한 일을 내일 AI 없이 설명할 수 있는가. 내가 승인한 코드를 장애 상황에서 읽어낼 수 있는가. 내가 보낸 문장을 상대가 문제 삼았을 때 내 의도로 방어할 수 있는가. 이 질문에 답할 수 있을 때 AI는 대체자가 아니라 증폭기가 된다.
AI는 계속 쓸 것이다. 써야 한다. 다만 AI가 내 일의 바닥까지 매끈하게 닦아버리면, 나는 더 빨리 움직이지만 덜 자랄 수 있다. 좋은 도구를 거부할 필요는 없다. 대신 좋은 도구가 제거한 마찰 중 일부를 훈련으로 되돌려놓아야 한다.
FAQ
Q1. 이 글은 AI를 쓰지 말자는 주장인가요?+
Q2. AI를 쓰면 정말 실력이 안 느나요?+
Q3. 주니어 개발자는 AI를 제한해야 하나요?+
Q4. 조직은 어떤 기준으로 AI 사용을 관리해야 하나요?+
Q5. 개인이 오늘 바로 할 수 있는 가장 작은 실천은 무엇인가요?+
참고 자료
- Flowkater.io, 「AI가 일자리보다 먼저 가져가는 것」, 2026년 7월 2일
- GeekNews, 「AI가 일자리보다 먼저 가져가는 것」 요약과 토론
- Kosmyna et al., “Your Brain on ChatGPT”, arXiv:2506.08872
- Brynjolfsson, Chandar, Chen, “Canaries in the Coal Mine?”, Stanford Digital Economy Lab
- Dahmani, Bohbot, “Habitual use of GPS negatively impacts spatial memory during self-guided navigation”
- HFES Aerospace Systems, “Research spotlight - Lessons lost on automation”
- Flight Safety Foundation, “Use It or Lose It”
'NEWS' 카테고리의 다른 글
| 홈플러스 4400억 긴급 유동성, 이 돈은 국민 세금인가 (0) | 2026.07.03 |
|---|---|
| 청년미래적금 신청 방법 및 신청 기간 안내 (0) | 2026.07.03 |
| 클로드 코드 창시자가 말하는 AI 시대의 다섯 가지 일하는 사람의 원형 (0) | 2026.07.03 |
| 2026 상반기 말아먹었을 때 쓰는 글 (1) | 2026.07.03 |
| AI 추론 속도 야-호: Gemma 4 31B, Cerebras에서 1800 tokens/s급 성능 공개 (0) | 2026.06.30 |
