마이크로소프트의 AI 경제 연구소가 프런티어 AI 기업과 일의 변화를 연구할 2026년 펠로우십 참여자들을 공개했다. 연구소는 AI 도입이 빠르게 진행되지만 일자리, 생산성, 교육, 기회에 미치는 영향을 이해할 근거는 아직 충분하지 않다고 설명했다. AI가 업무를 바꾼다는 큰 문장보다 어떤 직무와 지역, 조직에서 실제 변화가 일어나는지 살피려는 시도다.
AI와 일자리 논의는 종종 ‘대체’와 ‘생산성 향상’이라는 두 단어 사이를 오간다. 그러나 실제 현장에서는 업무의 일부가 자동화되고, 검토·고객 소통·기획·책임 판단처럼 다른 역할의 중요도가 커지는 식으로 변화가 나타날 수 있다. 한 직무 안에서도 조직의 데이터 환경과 교육 수준, 의사결정 구조에 따라 AI의 영향은 다르게 나타난다.
평균 수치만으로는 보이지 않는 변화
전체 생산성이 올랐다는 통계만으로는 누가 시간을 절약했고 누가 새로운 관리 부담을 떠안았는지 알기 어렵다. 초급 직원이 반복 업무를 통해 익히던 경험이 줄어드는지, 숙련자가 AI 결과 검토에 더 많은 시간을 쓰는지, 접근 가능한 사람과 그렇지 않은 사람 사이의 격차가 커지는지도 함께 관찰해야 한다. AI 도입의 성과를 공정하게 평가하려면 직무의 질과 학습 기회까지 포함한 지표가 필요하다.
연구와 현장 기록이 중요한 이유도 여기에 있다. 기업의 성공 사례는 대개 잘 준비된 팀의 결과를 보여주지만, 도입에 실패한 부서의 데이터 품질 문제나 교육 공백은 덜 드러난다. 공공기관·학교·기업이 익명화된 운영 데이터와 현장 인터뷰를 바탕으로 시행착오를 공유한다면, 다른 조직도 과장된 기대 대신 현실적인 설계를 할 수 있다.
교육은 도구 사용을 넘어 판단 연습으로
AI 교육에서 필요한 것은 특정 서비스의 버튼을 익히는 일만이 아니다. 학습자는 결과가 틀릴 수 있음을 검토하고, 출처를 찾고, 개인정보와 저작권을 구분하며, 자신의 전문성을 바탕으로 답을 고치는 경험을 해야 한다. 직무별로는 AI가 줄여주는 반복 작업을 더 나은 고객 서비스, 분석, 협업, 창의적 기획으로 전환하는 훈련이 필요하다.
기업은 교육 효과를 수강 인원이나 도구 사용량만으로 판단하지 않는 편이 좋다. 업무 시간, 오류율, 고객 만족도, 직원의 자신감, 보안 사고, 신규 직원의 학습 경로 같은 지표를 함께 봐야 한다. 또한 AI를 쓸 수 없는 업무와 쓸 때 반드시 사람의 승인이 필요한 업무를 명확히 해야 직원이 책임의 경계를 이해할 수 있다.
정책과 산업의 공통 과제
정책 담당자에게는 재교육 기회와 전환 지원을 누가 받는지 살피는 일이 중요하다. AI 역량 교육이 대기업과 고숙련 직군에만 집중되면 이미 존재하던 격차가 더 커질 수 있다. 중소기업, 지역 대학, 직업훈련 기관, 경력 전환자도 실제 업무 사례를 바탕으로 학습할 수 있는 공개 자료와 인프라가 필요하다.
이번 펠로우십은 AI 경제의 영향이 아직 정해진 결말이 아니라 연구와 제도, 교육 설계에 따라 달라질 수 있다는 점을 상기시킨다. 연구 결과가 실제 정책과 교육과정에 어떻게 연결되는지는 앞으로 확인해야 한다. 다만 AI 시대의 준비는 미래를 단정하는 데 있지 않고, 변화의 증거를 꾸준히 모으고 학습 기회를 넓히는 데서 시작된다.
