AI 시대에 경력의 값이 오르는 자리 — 실행과 판단의 분리

보고서 초안, 자료 정리, 번역. AI가 몇 초 만에 해냅니다. 그런데 정작 중요한 결정 앞에서는 여전히 사람을 부릅니다.

이상해 보이지만 구조를 보면 당연합니다.

1. 값이 내려가는 것과 오르는 것

AI가 잘하는 건 실행입니다. 이미 있는 지식을 빠르게 꺼내 그럴듯하게 정리합니다. 그래서 실행의 값은 빠르게 내려갑니다.

문제는 그다음입니다.

• 무엇을 물어야 하는가
• 나온 답 중 어떤 게 위험한가
• 이 판단이 틀리면 얼마가 날아가는가

이건 자료에 없고 해본 사람의 머릿속에만 있습니다. AI가 실행을 싸게 만들수록 그 위에 얹는 판단은 더 희소해집니다.

2. AI가 못 하는 세 가지

맥락 — 그 업계에서만 통하는 지도는 검색되지 않습니다. 규제의 속뜻, 유통 관행, 숨은 비용. 부딪혀본 사람만 압니다.

판단의 무게 — 틀리면 큰 비용이 나가는 결정은 확률로 계산되지 않습니다. 어디서 멈춰야 하는지 아는 것이 전문성입니다.

책임 — 답에 자기 이름을 걸 수 있는가. AI는 틀려도 책임지지 않습니다. 자문의 값에는 이 부분이 포함됩니다.

3. 일의 형태가 옮겨갑니다

예전에는 전문가가 직접 다 만들었습니다. 이제 만드는 건 AI가 거들고, 전문가는 방향을 잡고 초안을 검증하고 위험을 짚습니다.

이 변화는 경력자에게 유리한 쪽입니다. 젊은 실무자는 실행 속도로 경쟁하지만, 20년 경력은 판단으로 경쟁합니다.

4. 다만 자동으로 되지는 않습니다

"경험이 있으니 값이 오른다"는 자동이 아닙니다. 조건이 있습니다.

• 판단을 언어로 설명할 수 있어야 합니다. 감으로만 아는 것은 팔 수 없습니다
• AI 도구를 실제로 써봐야 합니다. 무엇을 맡기고 무엇을 검증할지 알려면 성능을 알아야 합니다
• 검증 가능한 이력이 있어야 합니다. 처음 만나는 상대는 "판단력이 좋다"는 말을 확인할 방법이 없습니다

세 번째가 가장 자주 빠집니다.

5. 어떤 형태로 파나

풀타임으로 돌아갈 필요는 없습니다.

• 단발 자문 — 한두 시간으로 방향을 잡아주는 일
• 프로젝트 참여 — 기간 단위로 현업 시각을 얹는 일
• 검증·실사 — 결정 앞에서 위험을 짚어주는 일
• 평가·심사 — 공공기관 위촉

공통점은 시간이 아니라 판단을 판다는 것입니다. AI로 자료 준비를 빠르게 하고 그 위에 경험을 얹는 구조입니다.

6. 지금 할 수 있는 것

① AI 도구를 2주만 써봅니다. 하루 30분이면 감이 옵니다. 무엇을 잘하고 어디서 틀리는지가 보여야 검증할 수 있습니다.

② 내가 반복해서 내린 판단을 적어봅니다. "이럴 때는 이렇게 한다"를 다섯 개만.

③ 그중 하나를 설명 가능한 형태로 만듭니다. 왜 그렇게 판단하는지, 어떤 조건에서 달라지는지.

이게 팔 수 있는 형태의 전문성입니다.

이 글이 다루지 않는 것

• 특정 AI 도구 사용법이나 추천.
• 산업별 AI 영향 전망.
• 자문료 기준. 전문성의 값은 무엇으로 정해지나에서 다룹니다.
• AI 관련 자격증이나 교육 과정.
• 고용 전망 예측. 이 글은 구조를 읽은 것입니다.

정리

AI가 확산될수록 값이 내려가는 일과 오르는 일이 갈립니다. 내려가는 건 실행, 오르는 건 맥락 위의 판단입니다.

다만 자동은 아닙니다. 판단을 설명할 수 있어야 하고, 도구를 알아야 검증할 수 있고, 확인 가능한 이력이 있어야 합니다.

경력을 처음부터 다시 쓸 필요는 없습니다. 이미 가진 판단을 꺼내 쓸 수 있는 형태로 만드는 일이 먼저입니다.

경력을 한 문장으로 정리하는 방법은 내 전문성을 한 문장으로에서 다룹니다.