야근을 마치고 퇴근하는 길, 문득 이런 생각이 들었습니다. "이 업무, AI가 할 수 있지 않을까?" 저희 회사는 보안 문제로 AI 도입이 유독 늦은 편인데, 최근에야 보안이 강화된 기업용 AI 서비스가 생기면서 본격 활용이 가능해졌습니다. 그래서 집어 든 책이 바로 《박태웅의 AI 강의 2026》입니다. AI가 실제로 지금 어디까지 왔는지, 그리고 저 같은 직장인은 어떻게 대비해야 하는지가 궁금했거든요.
AI 리터러시, 이제는 선택이 아닌 생존 조건
혹시 주변에서 "AI는 뭔가 어렵고 개발자나 쓰는 것"이라고 생각하시는 분 없으신가요? 저도 얼마 전까지는 그랬습니다. 하지만 챗GPT가 2022년 11월에 공개된 이후 단 두 달 만에 전 세계 1억 명이 사용했고, 지금은 8억 명을 훌쩍 넘어섰습니다. 인터넷이 같은 규모의 사용자를 모으는 데 13년이 걸렸다는 점을 감안하면, 이 속도가 얼마나 전례 없는 것인지 실감이 납니다.
이 책이 반복해서 강조하는 개념이 바로 AI 리터러시입니다. 여기서 AI 리터러시란 AI가 어떻게 작동하는지 이해하고, 이를 자신의 업무와 일상에 적절히 활용할 수 있는 능력을 의미합니다. 마치 스마트폰을 쓸 줄 아는 것이 10년 전의 기본 소양이 됐듯, 이제 AI를 다룰 줄 아는 것이 생존의 기본 조건이 되는 시대라는 겁니다.
저도 솔직히 아직 AI를 업무에 본격적으로 활용하지 못하고 있습니다. 비용 집계나 예산 편성 같은 결산 업무를 AI가 처리해줄 수 있다는 건 알지만, 막상 어떻게 써야 할지 감이 안 잡히는 경우가 많았거든요. 이 책을 읽으면서 그 이유를 알았습니다. AI를 어떻게 작동하는지 모르면, 어디에 써야 하는지도 모른다는 겁니다. AI 리터러시가 먼저입니다.
2025년 국가인공지능위원회 자료에 따르면 국내 기업의 AI 실질 도입률은 아직 20%대 초반에 머물러 있습니다(출처: 국가인공지능위원회). 알면서도 못 쓰는 기업이 이렇게 많다는 것, 저희 회사만의 문제가 아니었습니다.
AI 일자리 위협, 저는 정말 괜찮을까요
"AI가 내 일자리를 빼앗을까?" 이 질문, 한 번쯤 해보셨죠? 저는 솔직히 장기적으로는 그렇다고 생각합니다. 이 책에서도 일자리 감소는 AI의 설계 목적 자체에서 비롯된다고 설명합니다. 세탁기가 빨래하는 수고를 줄이려고 만들어졌듯, AI는 일을 자동화하기 위해 만들어진 도구라는 겁니다. 따라서 AI가 도입된 뒤에도 업무량이 그대로라면, 오히려 AI를 잘못 쓰고 있다는 신호라는 시각이 설득력 있게 느껴졌습니다.
그런데 현실적으로 회사가 기존 직원을 갑자기 해고하기는 쉽지 않습니다. 제가 직접 관찰한 흐름은 조금 다릅니다. 퇴직자가 나가도 신규 채용을 하지 않는 방식으로 서서히 인력을 줄여가는 거죠. 이 책에서도 비슷한 맥락을 다루고 있습니다. 특히 화이트칼라 직군, 그중에서도 반복적인 데이터 처리나 문서 작성 업무는 거대언어모델(LLM)이 상당 부분 대체 가능하다고 봅니다. 여기서 거대언어모델(LLM, Large Language Model)이란 방대한 텍스트 데이터를 학습해 언어를 이해하고 생성하는 AI 시스템으로, 챗GPT가 대표적인 사례입니다.
제 업무인 결산이나 예산 편성을 떠올려보면, 비용 항목 분류, 전년도 대비 증감률 계산, 적정성 판단 같은 작업은 사실 AI가 충분히 수행 가능한 구조입니다. 지금은 제가 엑셀을 열고 몇 시간을 씨름하지만, 제대로 된 프롬프트와 연동 시스템이 갖춰지면 이 시간이 대폭 줄어들 것입니다. 야근 없이 정시 퇴근하는 날이 오길 솔직히 기대하고 있습니다.
AI가 일자리에 미치는 영향을 정리하면 다음과 같습니다.
- 반복적 데이터 처리, 문서 요약, 수치 집계 등 정형화된 업무는 단기 내 대체 가능성이 높습니다.
- 신규 채용 축소와 자연 감원이 먼저 진행되고, 기존 직원의 해고는 상대적으로 느리게 일어납니다.
- AI를 잘 활용하는 사람이 더 많은 아웃풋을 내면서 '1인 다역'이 가속화될 가능성이 있습니다.
- 창의적 판단, 대인 관계, 전략적 의사결정은 여전히 사람의 영역으로 남을 가능성이 높습니다.
AI가 만드는 세상, 슈퍼 엘리트만의 게임인가
이 책에서 가장 인상적이었던 부분이 여기였습니다. AI 기술을 주도하는 소수 인물들, 그러니까 오픈AI, 딥마인드, 앤트로픽, xAI 같은 기업을 이끄는 사람들의 사상을 해부하는 챕터입니다.
특히 피터 틸과 팔란티어의 알렉스 카프에 대한 분석이 인상적이었는데, 이들이 기반을 두고 있는 효과적 가속주의(e/acc)라는 사상이 흥미롭습니다. 여기서 효과적 가속주의란 AI를 포함한 기술 발전을 최대한 빠르게 밀어붙이는 것이 인류에게 이롭다는 사상으로, 규제보다 속도를 우선시합니다. 책은 이 사상의 논리 구조와 함께 어디서 위험해질 수 있는지를 냉정하게 짚습니다.
'기술 우위를 먼저 확보한 후에 윤리적 울타리를 치자'는 논리는 언뜻 설득력 있어 보이지만, 그 울타리를 언제, 누가 치겠다고 결정할 것인가라는 질문에는 누구도 답을 내놓지 못하고 있습니다. 제가 읽으면서 가장 불편했던 부분이기도 합니다.
미중 AI 패권 경쟁도 빼놓을 수 없습니다. 미국이 프런티어 모델을 독점하려 한다면, 중국은 딥시크(DeepSeek)로 대표되는 오픈웨이트 전략으로 맞서고 있습니다. 여기서 오픈웨이트(Open-weight)란 모델의 가중치 파라미터를 공개하여 누구나 다운로드해 활용할 수 있도록 한 AI 모델 배포 방식입니다. 이 흐름은 AI 기술 생태계를 빠르게 민주화하는 동시에, 글로벌 AI 규제 연대를 약화시키는 역설적인 효과도 낳고 있습니다.
AI 기본사회, 한국은 어디로 가야 하나
마지막 챕터는 한국 이야기입니다. 저는 이 부분이 가장 현실적이면서도 가장 불편했습니다. 한국 산업의 AI 전환(AX)을 막는 장벽이 딱 세 가지로 압축됩니다. 돈이 없고, 사람이 없고, 데이터가 없다는 것입니다. 여기서 AX(AI Transformation)란 기업이나 산업 전반에서 AI를 핵심 인프라로 전환하는 구조적 변화를 의미합니다. 단순히 AI 툴을 쓰는 게 아니라, 업무 프로세스와 비즈니스 모델 자체를 AI 중심으로 재설계하는 것입니다.
이 세 가지가 서로 얽혀 있어서 하나만 풀어서는 안 된다는 지적이 설득력 있었습니다. 자금이 없으면 인력을 구하지 못하고, 인력이 없으면 데이터 파이프라인을 구축하지 못합니다. 특히 지역 중소기업의 경우 이 문제가 훨씬 심각하다는 점에서, 책이 제안하는 지역 금융과 산업 AX 연계 전략은 방향성 자체는 맞다고 생각합니다.
AI 기본사회에 대한 논의도 본격적으로 다룹니다. AI가 생산성을 급격히 높이는데, 그 과실이 소수에게 집중된다면 나머지 사람들은 어떻게 되는가라는 질문입니다. 저도 이 질문 앞에서 한참을 생각했습니다. 그래서 내린 결론은 두 가지입니다. AI를 활용해 직접 수익을 내거나, AI로 돈을 버는 기업에 투자하는 것. 어느 쪽이든 AI를 이해하지 못하면 둘 다 불가능합니다. McKinsey Global Institute에 따르면 AI 도입으로 인한 생산성 향상의 수혜는 초기에는 기업과 고숙련 노동자에게 집중되는 경향이 있습니다(출처: McKinsey Global Institute).
결국 이 책이 주는 메시지는 간단합니다. AI는 피할 수 없고, 이해하지 못하면 방향을 잃는다는 것입니다. 저처럼 AI를 어떻게 써야 할지 아직 막막한 분들, 그리고 직장인으로서 이 변화 앞에서 뭔가 해야 할 것 같은 불안감을 느끼는 분들에게 이 책은 꽤 쓸모 있는 지도가 될 것입니다. 투자 공부와 AI 활용 공부를 동시에 시작해야 할 시점이라는 걸 이 책을 읽으며 더 확실히 느꼈습니다.
*이 글은 개인적인 경험과 의견을 공유한 것이며, 전문적인 투자 또는 재무 조언이 아닙니다.