HR 트렌드

안녕하세요, 팀제이커브 도이입니다. 앞으로 팀제이커브가 교육 현장에서 만난 다양한 HRD 이야기와 인사이트를 매주 공유드리고자 합니다. 얼마 전 핵심인재 대상 AI 교육을 운영하던 중에, 팀 안에서 이런 농담이 나왔습니다. "점차 쉬운 업무들이 사라지면, 신입 사원은 일을 어떻게 배우지? 직장인을 위한 키자니아를 만들어야 하는 거 아니야?" AI 교육으로 생산성과 업무 효율성을 높이다보니, 대부분의 간단하고 반복되는 업무들을 AI가 대신하도록 변화하고 있죠? 그렇다 보니, 신입사원이 처음에 맡으면서 실수도 해볼 수 있는 간단한 업무들이 점점 줄어가는 것처럼 보였기 때문입니다. 당시에는 웃고 넘겼지만, 사실 이건 농담이 아니었습니다. Gartner가 지난주 내놓은 리서치가 이 농담을 정확히 설명하고 있거든요. AI는 일자리보다 커리어를 먼저 없앤다 Gartner는 2028년까지 AI가 없애는 일자리보다 더 많은 일자리를 만들 것이라고 했습니다. AI가 내 직장을 뺏지 않을까 하는 마음에서 들으면 얼핏 안심이 되는데요. 바로 뒤에 이 말이 붙습니다. "AI는 결국 더 많은 일자리를 만들겠지만, 그 과정에서 수백만 명의 커리어를 망가뜨릴 것이다." Kaelyn Lowmaster, Gartner HR 애널리스트 HR 리더 110명을 조사했더니 40%가 이미 구식 직무를 없앴고, 절반 가까이 조직 구조를 수평화했습니다. 주니어 직원들이 일을 통해 배울 기회가 줄고 있는데요. 신입이 맡던 일을 AI가 대신하면서 "entry-level 채용은 줄고 mid-level 채용은 늘고 있다"는 결과도 나왔습니다.

AI 시대 경쟁력은 기술 스킬이 아니라, 위임한 결과물을 구별해내는 '분별력'이다. 그리고 분별력은 경험에서 나온다. 바이브 코딩 중 화면이 자동으로 움직이고, 사용자는 "응 응" 하며 지켜본다. 어느 순간 자문하게 된다. "지금 내가 AI를 쓰는 건가, AI한테 쓰이는 건가." 1. 절차만 수행하는 순간 AI가 "이 권한 붙이세요", "API 연결하세요"라고 안내하면 사용자는 절차를 그대로 실행한다. 결과물이 짠 나오면 "오, 됐네" 하고 넘어간다. 디자인도 비슷하다. 그럴싸하니까 예리하게 안 보고 통과시킨다. 표면적으로는 인간이 명령을 내리는 것 같지만, 실제로는 AI가 다음 단계를 정하고 인간이 따라가는 구조다. 2. AI만의 문제가 아니다 부하 직원이 데이터를 살짝 위조해서 보고서를 가져왔다고 가정하자. 같은 시간을 들여 다시 분석할 게 아니라면 알아챌 수 없다. 이건 AI의 문제가 아니라 위임 그 자체의 문제다. 다만 AI는 위임의 규모와 속도를 너무 키워버렸다. 일주일에 한 번 위임하던 일을 이제 하루에 수십 번 위임한다. 분별력의 결핍이 수십 배 빠르게 드러난다. 3. 검수 AI는 누가 검수하는가 해법으로 자주 등장하는 것이 교차 검수다. 클로드의 결과물을 GPT에 검토시키고, 그 결과를 또 다른 모델에 보낸다. 일정 부분은 걸러진다. 그러나 그 검수 AI는 또 누가 검수하는가. 무한 회귀다. 결국 어딘가에서 사람이 "여기서 멈추고 내가 판단한다"고 끊어야 한다. 검수 절차는 시간을 벌어줄 뿐, 분별력 자체를 키워주지는 않는다. 4. 분별력은 경험에서 나온다 깊이 파본 영역에서는 AI가 아무리 그럴싸하게 만들어와도 디테일이 잡힌다. 깊이 안 파본 영역에서는 그대로 휩쓸린다. Vibe Coding 개념을 만든 Andrej Karpathy(OpenAI 공동창업자)는 최근 "좋은 엔지니어는 매 줄을 다 쓰는 사람이 아니라 에이전트를 디렉팅하며 품질을 잡는 사람"이라고 말했다. Wharton의 Ethan Mollick 교수도 2026년 1월 에세이 "Management as AI Superpower"에서 "AI 시대 진짜 슈퍼파워는 도메인을 깊이 아는 능력"이라고 정리했다. 분별력 = 경험.

Outcome maxxing은 토큰 사용량이 아니라 결과로 AI 활용을 평가하는 관점이다. 실리콘밸리에서 번진 '토큰맥싱(Tokenmaxxing)'에 대한 반작용으로 등장한 기준이며, 비개발자 직장인에게 특히 중요하다. 1. 토큰 많이 쓰면 잘 쓰는 걸까 엔비디아 젠슨 황은 엔지니어에게 연봉의 50%를 토큰 보너스로 주겠다고 했다. 메타는 'Claudeonomics'라는 사내 리더보드로 직원 토큰 사용량에 순위와 칭호를 매겼다. 한 달간 메타 전사가 소비한 토큰은 60.2조 개, API 가격으로 약 9억 달러다. 토큰을 많이 쓰는 사람이 AI를 잘 쓰는 사람이라는 공식이 만들어지는 중이다. 2. 진짜 문제는 '만들기 위한 만들기'다 한국 현장에서 바이브코딩이 유행하며 반복되는 장면이 있다. 왜 만드는지 모른 채 그냥 만드는 것이다. 처음 몇 번은 신기하지만, 이후엔 임팩트도 결과도 모른 채 만들기 위해 만든다. 이건 토큰 비용보다 더 큰 손실을 낸다. 시간이 사라지기 때문이다. 비개발자에게 필요한 건 토큰 순위가 아니라 '쓸지 말지'를 가르는 안목이다. 3. 비개발자의 세 가지 기준 토큰을 어디에 쓸지는 세 축으로 가른다. 첫째는 시간이다. 매월 4시간 걸리던 회계 정산을 AI 에이전트로 16분으로 줄였고, 토큰 비용은 5달러도 안 들었다. 둘째는 필요성이다. 외부 강사 30명 정산은 토큰 없이 앱스크립트와 시트로 풀린다. AI를 안 써도 되는 일을 구분하는 게 진짜 안목이다. 셋째는 비즈니스 임팩트다. 흩어진 세일즈 리드를 모아 제안서를 자동 작성하니 미팅 만족도와 계약 신뢰가 올라갔다. Outcome maxxing 체크리스트 ① 토큰 사용량이 아니라 결과로 평가하라. 양은 실력의 지표가 아니다. ② 만들기 전에 "왜 만드는가"부터 물어라. 목적 없는 제작은 시간을 태운다. ③ 비개발자라면 시간·필요성·비즈니스 임팩트 세 축으로 가려라. 메타조차 Claudeonomics 리더보드를 2일 만에 내렸다. 순위를 올리려 에이전트를 몇 시간씩 돌리는 부작용 때문이다. 가트너는 2030년까지 토큰 비용이 90% 더 떨어진다고 전망한다. 토큰 고민은 단기적일 수 있지만, "왜 만드는가"부터 묻는 안목은 가격이 어떻게 변하든 남는다.

AI는 사용(use)의 도구가 아니라 위임(delegate)의 파트너다. 그런데 한국 기업의 리더 대부분은 이 차이를 모른 채 직원에게 AI 활용을 푸쉬한다. 그 결과가 요즘 직장에서 흔히 보이는 'AI 노이로제'다. 위에선 푸쉬, 아래선 한숨 최근 한 대기업 HR 담당자는 "회사에서 AX, AI 키워드만 나오면 직원들이 질색한다"고 말했다. 회사는 라이선스를 사주고 행사를 열어주는데, 정작 현장의 반응은 정반대다. HR은 위에서 내려오는 푸쉬와 아래에서 올라오는 한숨 사이에 끼어 있다. 특히 "리더가 어디서 AI 딸깍 배워와서 다 되는 것처럼 말할 때" 실무자의 스트레스가 가장 크다. 엑셀은 몰라도 됐는데, AI는 다르다 엑셀과 PPT가 처음 도입됐을 때 임원이 VLOOKUP을 몰라도 의사결정에 문제는 없었다. 실무자에게 지시하고 결과물을 검수하면 끝났다. 도구를 몰라도 일이 굴러갔다. AI는 다르다. 엑셀은 "How to use"의 영역이지만, AI는 "How to delegate"의 영역이다. 프롬프트의 질, 위임 단위, 맥락, 기준에 따라 결과물이 완전히 달라진다. 게다가 검수하는 사람이 AI를 안 써봤으면 결과물이 맞는지 틀린지조차 판단하지 못한다. 안 써본 채로 지시할 수 있는 도구가 아니라는 뜻이다. 사용은 했어도, 위임은 안 해봤다 리더 대부분이 ChatGPT로 이메일 초안이나 번역 정도는 써봤다. 그건 사용이다. 위임이 아니다. 본인의 업무 전반을 AI에 쪼개서 던지고, 결과를 받아서 다시 돌려보는 경험이 쌓여야 "이건 5분, 이건 5시간"이라는 감각이 생긴다. 그 경험이 비어 있으니 "이거 AI로 5분이면 되잖아"라는 잘못된 기대치가 푸쉬로 내려간다. 비어 있는 건 셀프 리더십 단계다 AI 시대의 리더십은 셀프 / 팀 / 판 까는 / 산업 네 층으로 구성된다. 가장 아래 셀프 단계에 AI 시대 들어 새로 추가된 항목이 있다. 바로 "내 task을 AI에 위임해보는 경험"이다. 리더들이 실무자였던 시절엔 이 항목이 직무에 없었다. 누구의 잘못도 아니다. 다만 이 단계를 건너뛴 채로 팀·판·산업 단위의 의사결정을 내리고 있다는 사실은 직시해야 한다.

섀도우 AI(Shadow AI)는 직원이 AI 사용 사실을 조직에 드러내지 않는 현상이다. 한국에서는 "알트+탭 문화"라는 별명으로 빠르게 확산되고 있다. AI를 쓰다가 동료가 지나가면 재빨리 화면을 전환하는 행동에서 나온 표현이다. 한국은 가장 많이 쓰고, 가장 잘 숨긴다 한국은행의 2025년 조사에 따르면 한국 근로자의 63.5%가 생성 AI를 업무에 활용한다. 미국 직장인 활용률의 약 두 배다. 그런데 미국 직장인의 57%가 AI 사용을 상사에게 숨기고, 임원의 93%가 섀도우 AI를 쓴다는 보고도 있다. 위로 갈수록 더 깊이 숨기는 구조다. 한국은 활용률은 미국의 두 배이면서, 숨기는 강도는 그보다 더 크다. 보안 문제가 아니라 평가 문제 섀도우 AI는 원래 보안 용어였다. 회사가 승인하지 않은 도구를 직원이 몰래 쓰는 행위. 하지만 한국에서 벌어지는 알트+탭은 다르다. 회사가 라이선스를 깔아주고 "써라"라고 말해도, 직원은 AI 사용을 드러내지 않는다. 이유는 두 가지다. 상대평가 구조에서 "쟤는 AI로 한 거잖아"라는 한 마디가 동료의 평가를 깎는 무기가 된다. 그리고 견제 중심의 조직 문화에서 "AI로 30분 만에 끝냈다"고 말하는 것은 자살골에 가깝다. 부끄러움이 아니라 합리적 자기 보호다. 팀장이 풀 수 있는 문제가 아니다 알트+탭을 풀려면 평가 시스템, 인프라, 보상 세 가지를 동시에 바꿔야 한다. 팀장 권한 밖이다. 평가 기준에 AI 활용 성과를 반영하고, 절감액의 일부를 팀에 돌려주는 보상 구조를 설계할 수 있는 임원급 의사결정이 필요하다. 권한 없는 팀장에게 책임을 떠넘기는 한, 한국 기업의 섀도우 AI는 사라지지 않는다. 알트+탭 문화를 푸는 체크리스트 ① 문제를 보안이 아닌 평가의 문제로 정의하라. ② 임원이 먼저 AI 사용을 공개하고 자랑하라. 위에서 숨기면 아래는 절대 드러내지 않는다. ③ 평가 기준에 AI 활용 성과를 명시하고, 절감 효과의 일부를 팀에 환원하라. 세계에서 AI를 가장 많이 쓰는 나라가 가장 잘 숨기는 현상은 도구의 문제가 아니라 판의 문제다. 판을 바꿀 수 있는 사람이 움직여야 한다.

요즘 이직하기 너무 힘들어요! 얼마 전, 10년 차 시니어 개발자 지인과 커피를 마셨습니다. 이런저런 근황 이야기를 나누다가, 대화가 슬슬 무거워지기 시작했어요. 요즘 채용 시장 얘기가 나왔거든요. "신규 채용이 거의 없어요. 회사가 어렵다 보니 인력을 새로 키울 여유가 없고, 경영진은 AI 쓸 줄 아는 시니어 한 명이 주니어 셋보다 낫다고 판단하더라고요." 그리고 잠깐 뜸을 들이다가 이런 말을 덧붙였어요. "막상 이직하려니까 문이 너무 좁아요. 실력도, 이력도 충분한데 자리가 없어요." 그 말이 자꾸 머릿속에 맴돌았습니다. 경기가 안 좋아서, 그런 단순한 이야기가 아닐 것 같았거든요. 이미 시작된 해외의 변화 한국만의 이야기가 아닙니다. 해외에서 이 부분에 대해 가장 직접적인 사례가 발생했습니다. 한때 트위터를 이끌었던 잭 도시를 알고 계신가요? 그가 설립한 결제 회사 블록(Block)에서 꽤 충격적인 일이 벌어졌습니다. 전 트위터 CEO, 잭 도시의 회사 Block— 직원 40% 감원 잭 도시 CEO가 설립한 결제 회사 블록(Block)은 최근 전체 직원 1만 명 중 4,000명 이상을 감원한다고 발표했습니다. 이유는 간단했어요. AI 도구를 활용하면 더 적은 인원으로도 충분히 돌아간다는 거였죠. 더 충격적인 건 시장의 반응이었습니다. 4,000명 실직 소식에도 블록의 주가는 시간외거래에서 25% 이상 급등했어요. 투자자들은 이걸 위기가 아니라 효율화 전략으로 읽은 겁니다. 도시 CEO는 이렇게 말했습니다. "훨씬 더 적은 인원의 팀이 AI 도구를 활용해 더 많은 일을 더 잘 해낼 수 있다. 대부분의 기업이 이 판단을 내리기까지 너무 늦었다고 생각한다." 블록만의 이야기도 아니에요. 마이크로소프트는 9,000명 감원 계획을 발표했고, 아마존은 1만 4,000명 감원을 확정하면서 전략의 초점이 AI에 맞춰져 있다고 밝혔습니다.

안녕하세요 팀제이커브 슬입니다. 최근 미국 커뮤니티에서 흥미로운 인터뷰 내용을 발견했습니다. 150번의 낙방 끝에 취업에 성공한 한 매니저가 현직 HR 리드 10명에게 같은 질문을 했다고 하는데요. "3년 전과 비교했을 때, 지금 채용에 걸리는 시간이 얼마나 되나요?" 결과부터 말하자면 AI 때문에 더 쉬워졌을 것 같던 적임자를 찾는 시간은 훨씬 더 길어졌다고 합니다. AI로 인해 지원서를 찍어낼 수 있게 되면서, 채용 시장에 '지원서 슬롭(AI로 대충 쏟아낸 저품질 지원서)'이 범람하기 시작한 것입니다. 하지만 문제는 지원서의 양이 아니라, 그 안에 담긴 진실성과 맥락이 사라졌다는 점인데요. AI로 기업 맞춤 이력서를 무한정 생성할 수 있는 환경이 된 지금, 기업은 이제 '어떻게 진짜를 빠르게 골라내는가'에 초점을 맞추고 있다고 합니다. 24시간 이라는 새로운 진입점 과거 기업들은 공고를 올린 뒤 마감일까지 모든 지원자를 검토했습니다. 하지만 현재 미국의 주요 기업들은 더 이상 '마감일'을 기다리지 않는다고 합니다. 프로세스를 요약하면 이렇습니다. 공고 게시 후 24~48시간 이내에 수백 명의 지원자가 몰린다. 인사 담당자들은 상위 100~150명까지만 검토한 뒤 리스트를 닫는다. 적임자가 없으면 151번째 지원자를 보는 대신, 공고를 내렸다가 새로 올린다. 채용 시스템이 개인화되고 속도전이 되면서, 구직자는 더 이상 '내 이력서가 HR에 보일 때까지' 기다릴 수 없게 된거죠. 이제 공고가 올라왔을 때 빨리 반응하냐 하는 타이밍싸움이 된것 입니다. AI 스크리닝이 마케팅 성과를 좌우하는 시대 또한 지원자들이 AI를 이용해 이력서를 100% 최적화할수록, 당연하게도 기업의 AI 스크리닝 툴은 더욱 까다로워지고 있습니다. 특히 흥미로운 점은, 과도하게 AI로 다듬어진 이력서가 오히려 '치팅(Cheating)'으로 분류되어 자동 탈락되는 사례가 늘고 있다는 것입니다. 정작 중요한 것은 'AI가 쓴 것 같은 완벽함'이 아니라, 그 안에 담긴 인간적인 판단과 솔직함인 것이죠.