최근 MIT와 구글이 특허 전문 변호사 133명을 대상으로 진행한 3개월 간의 흥미로운 실험 결과가 화제입니다. 이 실험은 AI 시대의 일하는 방식과 성장에 대해 매우 날카로운 화두를 던졌습니다. 실험 내용과 이에 대한 흥미로운 반론, 그리고 우리가 시사점으로 얻어야 할 결론을 블로그 글 형식으로 정리해 보았습니다.
원문 연구 내용에 대한 자세한 사항은 NBER 논문 원문에서 확인하실 수 있습니다.
실험이 던진 충격: "AI를 가장 잘 쓴 사람이, 가장 적게 배웠다"
실험은 미국 특허 전문 로펌에서 변호사를 무작위로 나누어 한쪽에만 AI 작성 도구를 제공하고 3개월간 진행되었습니다.
- AI를 켜둔 3개월 동안: 예상대로 생산성은 폭발적으로 증가했습니다. 특히 경력이 짧은 변호사들의 업무 처리 속도와 결과물 품질이 가장 큰 폭으로 향상되었습니다.
- AI를 끄고 본 시험의 결과: 3개월 뒤 AI를 차단하고 전문적 판단이 필요한 특허 수정 과제를 주었을 때 전혀 다른 양상이 펼쳐졌습니다. 경력이 긴 시니어들은 AI가 제안한 내용을 자신의 지식으로 검증하고 내재화했기 때문에 오히려 실력이 향상되었습니다. 반면, 신입들의 점수 분포는 양극단으로 쪼개졌습니다. 중간 점수가 사라지고 낮은 점수와 높은 점수가 동시에 늘어난 것입니다.
논문이 내린 결론은 명확했습니다. "시니어는 AI가 제안하는 걸 이미 아는 지식으로 평가했지만, 일부 신입은 판단 자체를 AI한테 맡겨버렸다." 마치 계산기를 쓸 때 산수를 아는 사람에게는 도구가 되지만, 모르는 사람에게는 단순한 의존이 되는 것과 같은 이치입니다.
나의 반론: "객관적 프로세스와 융합 능력이 뛰어난 신입이 더 유리하지 않을까?"
하지만 이 실험 결과를 그대로 수용하기에는 한 가지 의문이 남습니다.
만약 AI가 앞으로 더욱 고도로 발달하여 오류를 스스로 줄이고, 체계적인 자기 검증 시스템까지 갖추게 된다면 어떻게 될까요? 업무가 철저한 객관적 근거와 프로세스로 이루어진다면, 굳이 시니어처럼 머릿속에 모든 노하우를 외우고 있을 필요가 없을 것입니다.
- 방법론 설계 아키텍트의 탄생: 도메인 지식을 구조화하고, AI를 통해 치밀한 방법론을 도출하여 효과적으로 조율할 줄 아는 신입이 오히려 더 뛰어난 판단과 성과를 낼 수 있지 않을까요?
- 감(Intuition)이 아닌 프로세스의 시대: 과거의 시니어들이 경험과 '감'에 의존했다면, AI 시대에는 철저히 합리적인 기준과 프레임워크를 AI와 함께 융합해 내는 능력(생산성 및 툴 활용 스킬)이 더 빛을 발할 수 있다는 주장입니다.
결론: 도구의 완벽함과 '진짜 내 실력'의 상관관계
AI가 완벽해질수록 당장 눈앞의 업무를 효율적으로 처리하는 데는 AI 활용 능력이 뛰어난 인재가 압도적으로 유리할 것입니다. 지식의 양을 암기하는 능력의 가치는 급격히 떨어질 것입니다.
그럼에도 불구하고, MIT 실험이 경고하는 본질은 단순한 '오류 검출'을 넘어섭니다.
- AI가 아무리 치밀한 프로세스와 객관적 근거를 도출해 준다 하더라도, 그 방법론의 타당성을 판별하고, 전혀 예상치 못한 예외 상황이나 정답이 없는 '진짜 문제 정의(Problem Definition)'를 내려야 하는 순간은 반드시 찾아옵니다.
- 이때 AI에게 모든 판단의 주도권을 넘겨주며 수동적으로 일해 온 이들은, 결정적인 순간에 스스로 사고할 수 있는 '판단 근육'이 남아있지 않게 됩니다.
결론적으로, 미래의 진짜 고수는 단순히 AI를 능숙하게 다루는 것을 넘어, "AI가 쏟아내는 수많은 객관적 근거와 프로세스 중 무엇이 우리 비즈니스에 진짜로 타당한지 끝까지 파고들어 검증할 수 있는 비판적 사고력"을 가진 사람이 될 것입니다. 도구는 날날이 완벽해지지만, 그 도구를 쥐고 방향을 트는 주체는 결국 인간이기 때문입니다.
참고 출처: MIT와 구글 연구진의 NBER 논문
'IT' 카테고리의 다른 글
| "AI 못 다루면 혁신도 없다"… 말로만 외치던 AI, 기업들은 어떻게 행동으로 옮기고 있을까? (0) | 2026.09.11 |
|---|---|
| AI와 도구를 잇는 표준, MCP v2 핵심 요약: 무엇이 달라졌을까요? (0) | 2026.08.20 |
| 복잡한 AI 에이전트 워크플로우의 정답: '그래프 엔지니어링(Graph Engineering)'과 오르카(Orca) 실전 가이드 (0) | 2026.08.19 |
| [꿀팁] AI에게 '세상을 볼 수 있는 눈'을 달아주자: 에이전트 리치(Agent Rich) 활용기 (0) | 2026.07.02 |
| [AWS SAP-C02] 시험 합격을 위한 전략: 도메인 및 작업 분석 (0) | 2026.06.21 |