AI가 다 해주면, 사장님은 뭘 해야 할까?

AI가 글을 쓰고 정리하는 비용을 낮춰도 사장님의 일이 모두 없어지는 것은 아니다. 오히려 무엇을 AI에게 맡길지 정하고, 나온 답을 확인하고 책임지는 일이 남는다. 서울 소상공인 가운데 실제로 AI를 쓰는 곳도 9.7%에 그친다.

AI가 할 수 있으면 바로 맡겨도 될까?

그렇지는 않다. AI가 기술적으로 할 수 있는 것과 실제로 맡기는 것은 다른 문제다.

미국 일하는 사람의 약 80%는 업무의 10% 이상이 AI의 영향을 받을 수 있다는 연구가 있다. 업무의 50% 이상이 영향을 받을 수 있는 사람은 약 19%였다. 하지만 이 숫자는 AI가 실제로 그 일을 맡고 있다는 뜻이 아니다. AI가 손댈 수 있는 범위를 말하는 숫자다.

실제로 맡길 때는 품질, 확인 시간, 기존 업무와의 연결, 관리와 신뢰, 틀렸을 때 생기는 손해까지 따져야 한다. 서울 소상공인 조사에서 AI 활용률은 9.7%였다. 혼자 일하는 자영업자의 생성형 AI 이용률도 12.6%였다.

어떤 일부터 AI에게 맡기면 될까?

기준은 단순하다. AI를 쓰는 데 드는 전체 비용이 사람이 직접 하는 비용보다 작고, 틀렸을 때의 피해도 감당할 수 있어야 한다.

예를 들어 인스타그램 글 초안은 틀려도 고치면 된다. 반면 가격, 환불 규정, 성분, 영업시간처럼 틀리면 고객과 분쟁이 생기거나 피해가 커질 수 있는 정보는 다르다. AI가 만든 답을 확인하는 시간과 틀렸을 때의 손해까지 계산해야 한다.

실제로 서울 소상공인이 꼽은 걸림돌도 비슷하다. 이용료 부담이 69.0%였고, 지식과 인력 부족이 30.7%, 기존 시스템과 잇기 어려움이 23.0%였다.

AI를 쓰면 빨라지는데, 더 정확해질까?

경우에 따라 다르다. MIT 연구에서는 대졸 직장인 453명이 업무용 글쓰기를 했고, AI를 쓴 쪽은 시간이 40% 줄면서 평가된 품질이 18% 높아졌다.

하지만 하버드 경영대학원 등이 컨설턴트 758명을 대상으로 한 현장 실험에서는 다른 결과가 나왔다. AI가 잘하는 범위 안의 일에서는 끝낸 일이 12.2% 늘고 속도는 25.1% 빨라졌다. 반대로 AI가 잘 못하는 복잡한 과제에서는 정답률이 19%p 낮아졌다.

AI가 항상 틀리는 것도 아니고 항상 맞는 것도 아니다. 비슷해 보이는 일에서도 AI가 잘하는 범위와 못하는 범위가 갈릴 수 있다. 그래서 어떤 일을 맡길지는 사람이 먼저 판단해야 한다.

그렇다면 사장님이 직접 해야 할 일은 뭘까?

일을 세 단계로 나눠 보면 쉽다. 첫째는 무엇을 물을지 정하는 일이다. 둘째는 답을 만드는 일이다. 셋째는 그 답을 확인하고 결정하고 책임지는 일이다.

생성형 AI가 가장 크게 비용을 낮추는 곳은 가운데 단계다. 초안, 요약, 번역, 분류, 정리 같은 일이다. 반면 첫 단계와 셋째 단계는 사람이 계속 맡아야 할 부분이 크다.

국민대 플랫폼SME연구센터의 2025년 조사에서도 이 차이가 보인다. 조사에 참여한 디지털상공인연합 회원사는 모두 생성형 AI를 쓰고 있었고, 홍보 콘텐츠 작성에 93.3%, 디자인·시제품 구상에 86.7%가 활용했다. 그런데 86.6%는 AI 결과물을 바로 쓰기 어렵다고 답했다.

답을 만드는 일은 이미 빨라졌다. 일이 막히는 곳은 무엇을 시킬지 정하는 앞 단계와 그대로 써도 되는지 확인하는 뒤 단계다.

질문을 구체적으로 만들면 확인하기도 쉬워진다. 무엇을 알려 달라고 할지, 어떤 조건을 지켜야 하는지, 어떤 정보는 원본 그대로 써야 하는지를 미리 정하면 결과를 확인할 기준도 함께 생긴다.

AI가 만든 글은 어디까지 확인해야 할까?

모든 내용을 똑같이 확인할 필요는 없다. 틀렸을 때 피해가 큰 정보부터 확인 순서를 정하는 편이 낫다.

가격과 환불 규정, 성분과 알레르기, 시술 안전처럼 틀렸을 때 피해가 큰 정보는 먼저 원본과 대조해야 한다. 영업시간, 위치, 예약 방법도 고객이 헛걸음할 수 있으므로 확인해야 한다. 홍보 문구나 말투는 상대적으로 뒤에 확인해도 된다.

출처가 붙어 있다고 바로 믿어서도 안 된다. 실제로 AI 답에 붙은 인용 31건을 확인했더니 업체 자기 홈페이지가 10건이었고, 정부 사이트가 3건이었다. 네이버 블로그와 브런치는 0건이었다. 링크를 직접 열어 보기 전까지는 출처가 실제로 무엇인지 알기 어려웠다.

직원에게 AI를 맡기면 무엇을 남겨야 할까?

AI가 신입이나 직원이 하던 쉬운 일을 전부 가져가면 당장은 일이 빨라질 수 있다. 하지만 초안을 만들고 숫자를 맞춰 보고 잘못된 부분을 찾는 과정에서 생기는 판단력까지 함께 줄어들 수 있다.

스탠퍼드 디지털경제연구소가 미국 최대 급여 처리 회사 ADP 자료를 분석한 연구에서는 AI 노출이 큰 직종의 22~25세 초년생 고용이 상대적으로 13% 줄었다. 회사별 사정을 통제하면 16% 줄었다. 경력자의 고용은 안정적이었다. 연구도 이 결과를 최종 결론으로 보지는 않는다.

그래서 직원이 있다면 AI가 만든 초안을 직원이 먼저 확인하게 하는 방법이 있다. 결과물을 받기만 하는 것이 아니라, 무엇이 틀렸는지 찾고 어떤 정보가 중요한지 판단하는 일을 함께 배우게 하는 방식이다.

이 연구를 작은 가게에 그대로 적용해도 될까?

그렇게 단정할 수는 없다. 이 연구는 새 데이터를 모아 작은 가게의 AI 효과를 측정한 연구가 아니라, 여러 연구와 통계를 바탕으로 AI를 언제 맡길 수 있는지 생각하는 틀을 제시한 개념 연구다.

근거가 된 실험과 통계도 대부분 미국 사무직 자료다. 법률, 회계, 컨설팅, 소프트웨어 등이 중심이고 한국의 1인 가게나 대면 서비스업을 직접 다룬 것은 아니다. 저자 역시 기술 회사 대표와 자산운용사 투자 책임자이며, 학술지 심사를 거친 논문이 아니라 사전 공개 논문이다.

그래서 작은 가게에서 AI가 어디까지 일을 대신할지는 아직 따로 확인할 필요가 있다. 다만 한 가지 기준은 분명하다. AI가 답을 만드는 비용을 낮춰도 무엇을 시킬지 결정하고, 틀린 답을 걸러 내고, 최종 결과에 책임지는 일까지 없어지는 것은 아니다.

같이 읽을 글

• AI에게 사무 일을 맡기면 정말 사람보다 쌀까?
• 직원을 줄이고 AI를 쓰는 게 정말 더 오래 버티는 길일까?
• AI가 준 신뢰 점수, 내용이 맞다는 뜻일까?
• 작은 가게도 비싼 AI를 써야 할까?

자료 출처

• Cheap, Fallible Cognition and the Political Economy of Expertise (Taller·Morgan Stanley Investment Management, arXiv 2608.11512, 2026년 8월 제출)
• Study finds ChatGPT boosts worker productivity for some writing tasks (MIT 경제학과, 2023년 7월, 대졸 직장인 453명 실험·학술지 Science 게재)
• Navigating the Jagged Technological Frontier (하버드 경영대학원 Digital Data Design Institute 외, 컨설턴트 현장 실험 — 758명·12.2%·25.1%·19%p 수치는 뼈대 연구의 인용 기준)
• Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence (스탠퍼드 디지털경제연구소, 2025년 11월, ADP 급여 자료)
• 서울 소상공인 AI 활용 9.7% (중소기업중앙회 서울지역본부, 2024년 9~10월, 서울 소상공인 300곳 — 국민일보 계열 쿠키뉴스 보도)
• 디지털 상공인 생성형 AI 활용 실태 조사 (국민대 플랫폼SME연구센터, 2025년 7월, 디지털상공인연합 회원사 — 벤처스퀘어 보도)