AI로 주니어의 업무가 사라지는 것이 아니라, 판단을 배우는 계단이 사라지는 것이다 - 구조로 키우는 프로덕트 조직 부록 9

AI 시대의 젊은 인재 육성은, 작업을 남기는 것이 아니라 판단의 계단을 설계하는 것이다

구조로 키우는 프로덕트 조직 시리즈에서는, 프로덕트 조직을 「사람의 모임」이 아니라, 관측·판단·실행·회고가 흐르는 구조로 바라보았습니다.

지난번 보충 설명에서는, 생성 AI (Generative AI)에 의해 업무가 단순히 없어지는 것이 아니라, 업무 속에 포함되어 있던 작업·판단·책임·학습 경로가 분해된다는 이야기를 했습니다.

이번에는 그중에서도 특히 주니어(Junior)나 입문직에 대해 쓰겠습니다.

흔히 하는 말로 하면,

AI로 주니어의 업무가 없어지는 것이 아닌가.

라는 이야기입니다.

이 질문은 절반은 맞고, 절반은 거칠다고 생각합니다.

확실히, AI에 의해 주니어가 담당해 온 작업의 일부는 압축됩니다.

조사한다.

초안을 작성한다.

회의록을 작성한다.

간단한 구현을 한다.

테스트를 작성한다.

문서(Document)를 정리한다.

기존 코드를 읽는다.

정형적인 수정을 한다.

이러한 업무는 AI에 의해 상당히 변할 것입니다.

하지만 정말로 문제인 것은 단순히 작업이 줄어드는 것이 아닙니다.

그러한 작업 속에 매몰되어 있던, 판단을 배우는 계단이 사라지는 것입니다.

주니어와 입문직의 업무에는 단순한 작업뿐만 아니라, 관측하고, 망설이고, 실패하고, 리뷰(Review)받고, 수정하며, 판단 기준을 익히는 학습 경로가 포함되어 있었습니다.

AI가 그 부분을 압축하면 단기적으로는 효율화됩니다.

하지만 조직이 육성 구조를 다시 만들지 않는다면, 몇 년 후에는 중간 관리자(Middle-level)가 자라지 않는 조직이 됩니다.

이번에는 그 이야기에 대해 다루겠습니다.

「주니어의 업무가 AI에 빼앗긴다」는 표현은 조금 거칠다

「AI로 주니어의 업무가 없어진다」라는 말이 있습니다.

이 표현은 이해하기 쉽습니다.

왜냐하면 주니어가 담당해 온 업무에는 AI가 잘하는 것이 많기 때문입니다.

조사.

요약.

초안 작성.

간단한 구현.

테스트 추가.

문서 업데이트.

회의록 작성.

기존 코드 설명.

사양(Specification) 정리.

이것들은 생성 AI (Generative AI)와 궁합이 매우 좋습니다.

그래서 조직 입장에서 보면,

지금까지 주니어에게 맡겼던 작업을 AI로 상당히 대체할 수 있지 않을까

라고 보이게 됩니다.

실제로 상당히 대체할 수 있는 부분은 있을 것입니다.

하지만 여기서 「작업」만을 본다면 틀리게 됩니다.

주니어가 담당했던 업무에는 단순한 작업 이상의 것이 포함되어 있었습니다.

조사하면서 무엇이 중요한 정보인지 배운다.

회의록을 작성하면서 무엇이 의사결정인지 배운다.

간단한 구현을 하면서 어디서 설계(Design)가 무너지는지 배운다.

테스트를 작성하면서 무엇을 보장해야 하는지 배운다.

리뷰를 받으면서 무엇을 놓치고 있었는지 배운다.

수정하면서 다음에 어디를 주의해야 하는지 배운다.

즉, 주니어의 업무는 작업인 동시에 판단 능력을 기르는 훈련이었습니다.

AI가 작업을 압축하면, 그 훈련 측면까지 함께 사라질 가능성이 있습니다.

문제는 주니어의 업무가 없어지는 것이 아닙니다.

주니어가 판단을 배우는 장이 없어지는 것입니다.

저리스크 작업은 판단을 배우는 훈련이었다

저리스크(Low-risk) 작업은 종종 가볍게 여겨집니다.

회의록을 작성한다.

조사 메모를 만든다.

작은 수정을 한다.

테스트를 추가한다.

문서를 고친다.

기존 사양을 정리한다.

언뜻 보면 이것들은 단순 작업입니다.

그래서 AI로 대체할 수 있다면 대체하는 것이 좋아 보입니다.

물론 모든 것을 인간에게 되돌릴 필요는 없습니다.

다만, 이러한 작업에는 판단을 배우기 위한 세밀한 훈련이 포함되어 있었습니다.

회의록을 작성할 때 무엇을 남겨야 할지 생각한다.

조사할 때 어떤 정보가 신뢰할 수 있는지 생각한다.

작은 수정을 할 때 영향 범위를 생각한다.

테스트를 작성할 때 무엇을 보장하고 싶은지 생각한다.

문서를 작성할 때 누가 무엇 때문에 망설일지 생각한다.

리뷰를 받을 때 자신의 실수(Oversight)를 알게 된다.

이것들은 수수하지만 중요합니다.

업무의 판단 기준은 갑자기 큰 의사결정을 맡겨진다고 해서 몸에 배는 것이 아닙니다.

저리스크 작업 속에서,

관측한다.

생각한다.

내놓는다.

수정된다.

이유를 안다.

다음에 사용한다.

이 작은 루프(Loop)를 몇 번이고 반복함으로써 몸에 익게 됩니다.

AI가 작업을 통째로 대체하면 이 루프가 사라집니다.

단기적으로는 빨라집니다.

하지만 무엇을 중요하게 볼 것인지, 어디를 위험하다고 볼 것인지, 어느 시점에 상담해야 하는지, 어떻게 하면 다음에 스스로 판단할 수 있을지가 자라지 않습니다.

이것은 단순한 작업 감축이 아닙니다.

판단 경험의 감축입니다.

개인 측면: AI로 답을 내는 것이 아니라, 판단의 차이를 가져가라

그렇다면 주니어 개인은 어떻게 해야 할까요?

우선, AI를 사용하지 않는 것이 좋다는 이야기가 아닙니다.

오히려 AI는 사용하는 편이 좋다고 생각합니다.

다만, AI를 단순히 "답을 내주는 도구"로만 사용한다면 위험합니다.

AI에게 조사를 시킨다.

AI에게 코드를 쓰게 한다.

AI에게 회의록 정리를 시킨다.

AI에게 설계안을 내게 한다.

AI에게 리뷰 관점을 내게 한다.

이것은 편리합니다.

하지만 그것만으로는 판단 경험이 쌓이지 않습니다.

주니어가 해야 할 일은 AI로 결과물을 내는 것뿐만 아니라, 판단 차분(Difference)을 가져가는 것입니다.

예를 들어, AI에게 여러 안을 내게 합니다.

그다음, 자신은 어떤 것을 채택할지 결정합니다.

왜 그것을 채택하는지 적습니다.

왜 다른 안을 기각하는지 적습니다.

리뷰에서 어디를 수정했는지 확인합니다.

AI 안과 인간 리뷰의 차이를 확인합니다.

다음에는 무엇을 먼저 확인해야 할지를 남깁니다.

이것이 중요합니다.

AI는 답을 내는 도구인 동시에, 비교 대상이기도 합니다.

AI의 안.

자신의 안.

선배의 리뷰.

실제 실패.

다음의 개선.

이러한 차분을 가져감으로써 판단 기준이 성장합니다.

AI 시대의 주니어는 AI에게 작업을 맡기는 것만으로는 부족합니다.

AI 출력물과 인간 리뷰의 차이로부터 판단 기준을 훔쳐야 합니다.

개인 측면: 결과물보다 판단 메모를 남겨라

AI 시대에는 결과물만 남겨서는 차별화를 만들기 어려워집니다.

깔끔한 회의록.

읽기 쉬운 자료.

정돈된 코드.

알기 쉬운 조사 메모.

그럴듯한 설계안.

이것들은 AI로 상당히 정돈할 수 있습니다.

따라서 주니어가 커리어로서 강해지려면 결과물뿐만 아니라 판단 메모를 남기는 것이 좋습니다.

예를 들어, 다음과 같은 것들입니다.

• 왜 이 구현 방식을 택했는가
• 무엇을 두고 고민했는가
• 무엇을 확인했는가
• 무엇을 기각했는가
• 어떤 리뷰를 통해 생각이 바뀌었는가
• 다음에는 무엇을 봐야 한다고 생각했는가
• AI 안의 어디를 채택하고 어디를 버렸는가
• 인간 리뷰와 AI 출력의 차이는 무엇이었는가

이것은 화려하지 않습니다.

하지만 상당히 강력한 학습 기록이 됩니다.

왜냐하면 그곳에는 "작업한 것"이 아니라 "판단한 것"이 남기 때문입니다.

주니어 시절에는 거대한 성과를 내는 것보다, 올바르게 판단을 배우고 있다는 흔적을 남기는 것이 장기적으로 더 강력할 수 있습니다.

AI 시대에는 결과물을 만들 수 있다는 것 자체의 가치는 떨어지기 쉽습니다.

그 대신,

왜 그 결과물이 되었는지를 설명할 수 있는 것

의 가치가 올라갑니다.

이는 개인의 커리어 방어이기도 합니다.

조직 측면: 주니어에게 작업을 돌려주는 것이 아니라, 판단의 계단을 만들어라

그렇다면 조직 측면에서는 어떻게 해야 할까요?

여기서 해서는 안 될 일은,

육성을 위해 굳이 비효율적인 작업을 주니어에게 돌려주는

것만으로 끝내는 것입니다.

물론 의도적으로 직접 손을 움직이는 경험이 필요한 상황은 있습니다.

하지만 AI로 압축할 수 있는 작업을 단순히 과거처럼 인간에게 돌려주는 것만으로는 조직 설계로서 약합니다.

필요한 것은 작업을 남기는 것이 아닙니다.

판단을 배우는 계단을 설계하는 것입니다.

예를 들어, 다음과 같은 설계가 가능합니다.

AI 생성물을 주니어가 리뷰하게 한다.

AI 안의 채택·기각 이유를 쓰게 한다.

작은 설계 판단을 맡긴다.

실패해도 괜찮은 범위를 명확히 한다.

리뷰 관점을 명시한다.

선배의 판단 이유를 보여준다.

차분 리뷰(Difference Review)를 육성 재료로 삼는다.

AI 출력과 최종 판단의 차이를 설명한다.

저리스크(Low-risk) 의사결정을 맡긴다.

즉, 주니어에게 필요한 것은 "작업량"이 아니라 "판단 경험"입니다.

AI로 작업을 압축한다면, 그만큼 판단 경험을 명시적으로 설계해야 합니다.

이를 하지 않으면 조직은 단기적으로는 빨라집니다.

하지만 몇 년 후 중견급 인재가 성장하지 않았다는 사실을 깨닫게 됩니다.

그때가 되어서,

강한 사람이 부족하다

자율적으로 움직이는 사람이 없다

리뷰할 수 있는 사람이 없다

설계를 맡길 수 있는 사람이 없다

라고 말해도 늦습니다.

그것은 작업을 깎아낸 것이 아니라, 육성 경로를 깎아낸 것이기 때문입니다.

리뷰는 정답을 돌려주는 곳이 아니라 판단 기준을 전달하는 곳이 된다

AI 시대에는 리뷰의 의미도 변합니다.

단순히 결과물을 수정하는 것이라면 AI도 상당히 잘할 수 있습니다.

오타를 고친다.

표현을 다듬는다.

코드 스타일을 맞춘다.

단순한 버그를 찾아낸다.

테스트 누락을 지적한다.

문서의 부족함을 보완한다.

이것은 AI가 잘하는 영역입니다.

그렇다면 인간 리뷰의 가치는 어디에 남을까요?

그것은 판단 기준을 전달하는 것입니다.

어디를 위험하다고 보았는가.

왜 이 설계로는 불충분한가.

어떤 전제를 확인했어야 했는가.

왜 이 구현은 나중에 문제가 되는가.

어떤 논점은 EM이나 PdM에게 보고해야 하는가.

어디까지는 스스로 판단해도 좋고, 어디서부터 상담해야 하는가.

이러한 판단 기준을 전달하는 것이 인간 리뷰 (Human Review)의 중요한 역할이 됩니다.

리뷰는 정답을 돌려주는 장이 아닙니다.

다음에 본인이 판단할 수 있도록 만드는 장입니다.

AI 시대의 리뷰에서는,

"이 부분을 수정해 주세요"

만으로는 부족합니다.

왜 이곳을 봐야 하는지

다음에 같은 상황이라면 어떻게 판단할 것인지

어떤 기준을 사용하면 좋을지

까지 전달해야 합니다.

그렇게 하지 않으면, 주니어는 AI로 결과물을 만들 수는 있게 되어도, 판단할 수 있게 되지는 않습니다.

방치하면, 중견이 성장하지 않는다

AI로 주니어의 작업을 압축한다.

단기적으로 이것은 상당히 매력적입니다.

작업은 빨라진다.

자료는 정돈된다.

코드는 늘어난다.

테스트도 나온다.

문서도 만들 수 있다.

리뷰 전의 품질도 올라간다.

하지만, 판단 경험을 쌓는 계단이 없다면, 중견이 성장하지 않습니다.

중견이란 단순히 주니어보다 작업이 빠른 사람이 아닙니다.

중견은 조직 내에서 다음과 같은 역할을 담당합니다.

주니어의 결과물을 보고 어디가 위험한지 판단한다.

시니어(Senior)나 EM에게 보고해야 할 논점을 분류한다.

사양(Specification)의 모호함을 찾아낸다.

작은 설계 판단을 맡는다.

리뷰 관점을 일상 운영에 녹여낸다.

과거의 실패나 맥락을 바탕으로 제동을 건다.

주니어에게 판단 기준을 전달한다.

조직의 암묵지(Tacit Knowledge)를 다음 세대로 가교한다.

이것은 단순한 작업 능력이 아닙니다.

조직의 판단을 중간층에서 지탱하는 기능입니다.

이 계층이 성장하지 않으면 어떤 일이 벌어질까요?

주니어는 AI를 사용하여 결과물을 낸다.

하지만 그 결과물을 검토할 사람이 적다.

시니어와 EM에게 판단이 집중된다.

리뷰가 병목(Bottleneck) 현상을 일으킨다.

작은 판단조차 상위자에게 올라간다.

중간에서 막았어야 할 문제가 통과된다.

조직 전체의 학습이 느려진다.

즉, 중견이 성장하지 않는 조직은 AI로 작업량을 늘릴 수는 있어도, 판단 능력은 늘어나지 않습니다.

오히려 판단할 수 있는 사람은 적은 채로 생성물만 늘어나기 때문에, 병목이 생기기 쉽습니다.

AI로 중견의 작업을 압축할 수는 있습니다.

하지만 중견이 담당하던 판단의 가교 역할과 육성 기능까지 잃게 되면, 조직은 단순히 학습할 수 없는 조직이 됩니다.

"중견이 성장하지 않아도 AI가 있으면 된다"는 판단의 주체를 간과하고 있다

여기서 다음과 같이 생각하는 사람도 있을지 모릅니다.

중견이 성장하지 않아도 AI가 있으면 되지 않을까.

이것은 언뜻 합리적으로 보입니다.

AI가 조사한다.

AI가 구현한다.

AI가 테스트를 작성한다.

AI가 리뷰 관점을 제시한다.

AI가 문서를 작성한다.

AI가 과거 로그를 요약한다.

그렇다면 지금까지 중견이 담당했던 많은 작업은 AI로 대체할 수 있는 것처럼 보입니다.

하지만 여기서도 구분할 필요가 있습니다.

중견이 담당하고 있는 것은 단순한 작업량이 아닙니다.

중견은 판단의 수용체(Receiver)입니다.

AI가 내놓은 구현안을 누가 리뷰하는가.

AI가 내놓은 설계안을 누가 위험하다고 판단하는가.

AI가 내놓은 테스트안으로 충분한지를 누가 보는가.

AI가 놓친 사양상의 전제를 누가 잡아내는가.

주니어가 AI 출력을 맹신하고 있을 때 누가 제동을 거는가.

시니어와 EM에게 보고해야 할 논점을 누가 분류하는가.

중견이 성장하지 않은 조직에서는 이 판단의 수용체가 얇아집니다.

그 상태에서 AI를 도입하면 작업량은 늘릴 수 있습니다.

하지만 판단할 수 있는 사람이 늘어난 것은 아닙니다.

오히려 AI에 의해 늘어난 결과물을 소수의 시니어와 책임자가 보게 됩니다.

그 결과, 리뷰가 병목된다.

판단이 상위자에게 집중된다.

주니어는 AI 출력을 사용하지만 판단 기준을 배울 수 없다.

시니어는 병목이 된다.

조직은 "AI를 쓰고 있는데 왜인지 바쁘다"는 상태가 된다.

즉, "중견이 성장하지 않아도 AI가 있으면 된다"는 상당히 위험한 견해입니다.

AI는 중견 작업의 일부를 압축할 수 있습니다.

하지만 중견이 담당하던 판단의 수용체, 맥락의 가교, 리뷰 기준의 이양, 주니어 육성 기능까지 자동으로 채워주지는 않습니다.

중견이 없는 조직에 AI를 도입하면, 일이 사라지는 것이 아니라 판단의 공백이 드러납니다.

필요한 것은 중견을 불필요하게 만드는 것이 아닙니다.

AI 시대의 중견의 역할을 재정의하는 것입니다.

중견은 AI보다 빠르게 작업하는 사람이 아니게 됩니다.

AI 출력을 검증하고, 주니어에게 판단 기준을 전달하며, 시니어에게 보고해야 할 논점을 분류하고, 조직의 학습을 일상 운영에 연결하는 사람이 됩니다.

그렇기에 AI 시대에도 중견 육성은 사라지지 않습니다.

오히려, 작업을 가르치는 육성에서 판단을 기르는 육성으로 옮겨가야 합니다.

프롬프트나 MCP는 판단의 계단을 대체할 수 없다

여기서 또 다른 반론이 있을 수 있습니다.

프롬프트 엔지니어링 (Prompt Engineering)을 정비하면 된다.

MCP로 도구 연동 (Tool Calling)을 하면 된다.

사내 지식 (Internal Knowledge)을 연결하면 된다.

워크플로 (Workflow)화하면, 중견이 없어도 돌아가지 않겠는가.

이것도 일부는 맞습니다.

프롬프트 엔지니어링이나 MCP와 같은 메커니즘은 AI 활용을 상당히 강력하게 만듭니다.

AI에 전달할 문맥 (Context)을 정비한다.

도구 호출을 표준화한다.

사내 데이터나 업무 시스템에 접속한다.

출력 포맷을 맞춘다.

체크리스트를 실행시킨다.

작업 절차를 반자동화한다.

로그나 이력을 참조하게 한다.

이것은 중요합니다.

하지만, 그럼에도 남는 질문이 있습니다.

어떤 문맥을 전달해야 하는가.

어떤 도구를 호출하게 할 것인가.

어떤 출력을 채택해도 좋은가.

어떤 리스크를 인간에게 보고해야 하는가.

어떤 판단 기준을 업데이트해야 하는가.

잘못되었을 때 누가 책임을 지는가.

주니어가 무엇을 학습하게 되는가.

이것들은 프롬프트나 MCP 그 자체로는 해결되지 않습니다.

효율적으로 정보에 액세스할 수 있다는 것이 판단할 수 있다는 것을 의미하지는 않습니다.

'많은 것을 참조할 수 있는 AI'는 그대로 '올바르게 판단할 수 있는 AI'가 되지 않습니다.

여기서, '신뢰할 수 있는 정보만을 AI에게 읽히면 된다'라고 생각할지도 모릅니다.

하지만 그것도 판단 문제를 없애고 있는 것이 아닙니다.

신뢰할 수 있는 정보를 선택하는 것 자체가 이미 판단입니다.

공식 정보라고 해서 항상 사용할 수 있는 것은 아닙니다.

사내 지식이라고 해서 항상 옳은 것도 아닙니다.

과거의 결정 기록이 지금의 문맥에 그대로 적용될 수 있는 것도 아닙니다.

정보에는 신선도, 적용 범위, 권한, 예외 조건, 현재 운용과의 괴리가 있습니다.

즉, '신뢰할 수 있는 정보만을 읽히는 것'은 판단 능력의 대체가 아닙니다.

판단 문제를 입력 선별의 측면으로 옮기고 있을 뿐입니다.

나아가, 'AI에게 정보의 신뢰성을 스코어링 (Scoring)하게 하면 된다'라고 생각할지도 모릅니다.

하지만 스코어링도 판단의 대체가 아닙니다.

무엇을 신뢰성으로 간주할 것인가.

어떤 정보원을 중요하게 볼 것인가.

신선도와 공식성 중 어느 쪽을 우선할 것인가.

현장 운용과의 괴리를 어떻게 다룰 것인가.

어느 점수대에서는 인간 리뷰 (Human Review)로 넘길 것인가.

스코어링이 잘못되었을 때 어떻게 재검토할 것인가.

이것들을 정하지 않고 AI에게 점수를 내게 해도, 판단 기준이 생긴 것은 아닙니다.

신뢰도 82점.

리스크 0.31.

적용 가능성 74%.

이러한 수치는 언뜻 보면 판단을 돕는 것처럼 보입니다.

하지만 어떤 기준으로 산출되는지, 어떤 임계값 (Threshold)에서 멈추는지, 어떤 조건에서 인간에게 보고하는지, 잘못되었을 때 누가 책임을 지는지가 결정되어 있지 않다면 그것은 판단이 아닙니다.

단순히 모호함에 숫자를 붙였을 뿐입니다.

프롬프트를 정비해도 판단 기준이 없다면, 깔끔하게 모호한 지시가 흘러갈 뿐입니다.

MCP로 도구를 연결해도 책임 경계가 없다면, 모호한 판단을 더 멀리까지 전파할 수 있을 뿐입니다.

스코어링을 더해도 기준이 없다면, 판단하고 있는 것처럼 보이는 숫자가 늘어날 뿐입니다.

기술로 작업 경로는 정비할 수 있습니다.

하지만 판단 기준, 책임 경계, 육성의 계단은 조직이 설계해야 합니다.

프롬프트나 MCP는 판단을 대체하는 것이 아닙니다.

판단이 통과하는 경로를 정비하는 것입니다.

따라서 중견이 담당하던 판단의 가교 역할을 없앤 채 프롬프트와 도구 연결만을 정비하면, 조직은 작업의 흐름만 세련되어질 뿐 학습하지 않는 조직이 됩니다.

AI 시대에 필요한 것은 프롬프트나 도구 연동만이 아닙니다.

그것들을 통해 누가 무엇을 배우고, 어떤 판단을 맡으며, 어떤 기준을 업데이트할 것인지를 설계하는 것입니다.

조직이 설계해야 할 것

AI 시대에 조직이 젊은 층·중견 육성에서 설계해야 할 것은 단순한 연수가 아닙니다.

필요한 것은 판단을 배우기 위한 실무상의 구조입니다.

예를 들어, 다음과 같은 것입니다.

1. 작은 판단 단위

갑자기 큰 의사결정을 맡기는 것이 아니라, 저리스크의 판단 단위를 넘겨준다.

어떤 테스트를 추가할 것인가.

어떤 안을 채택할 것인가.

어떤 사양을 확인할 것인가.

어떤 리스크를 보고할 것인가.

어떤 AI 출력을 사용하지 않을 것인가.

작더라도 좋으니 스스로 판단하는 장을 만든다.

2. 판단 이유의 기록

결과물뿐만 아니라 판단 이유를 남긴다.

왜 이 구현 방식을 택했는가.

왜 이 AI 안을 버렸는가.

어떤 전제를 확인했는가.

리뷰를 통해 무엇을 배웠는가.

판단 이유가 남지 않으면, 육성으로 이어지기 어렵다.

3. 리뷰 관점의 명시

리뷰에서 무엇을 보는지 명시한다.

정확성.

안전성.

영향 범위.

유지보수성.

사용자 영향.

사업상의 제약.

장래의 변경 가능성.

관점이 명시되면, 주니어는 무엇을 봐야 하는지를 배울 수 있다.

4. AI 안과 인간 판단의 차이

AI가 내놓은 안과 인간이 채택한 판단의 차이를 학습 재료로 삼는다.

AI는 무엇을 놓쳤는가.

인간은 무엇을 위험하다고 보았는가.

어떤 전제가 달랐는가.

왜 최종안은 바뀌었는가.

여기에는 학습 자원이 상당히 많다.

5. 실패해도 괜찮은 범위

판단 경험에는 실패가 필요하다.

하지만, 실패해서는 안 되는 곳에서 실패하게 만드는 것은 위험하다.

그러므로, 실패해도 괜찮은 범위를 설계한다.

작은 기능.

내부 툴.

영향 범위가 한정된 수정.

리뷰를 전제로 한 설계안.

실험적인 검증 환경.

실패할 수 있는 범위를 만들지 않으면, 판단 경험은 자라지 않는다.

6. 중견의 역할 재정의

중견을 '주니어보다 빠르게 작업하는 사람'으로 취급하지 않는다.

AI 시대의 중견은, 판단의 가교 역할을 담당하는 사람이다.

주니어에게 판단 기준을 전달한다.

시니어에게 올릴 논점을 분류한다.

AI 출력을 검증한다.

리뷰 관점을 일상 운영에 녹여낸다.

팀의 암묵지(Tacit Knowledge)를 기록으로 바꾼다.

이 역할을 명확히 하지 않으면, 중견은 그저 편리한 작업자로서 소모된다.

개인이 의식해야 할 것

젊은 인재 개인이 AI 시대에 의식해야 할 것도 있다.

우선, AI를 사용하는 것 자체는 중요하다.

사용하지 않는 것보다, 사용하는 편이 나은 상황은 많을 것이다.

하지만, AI로 결과물을 내는 것만으로는 부족하다.

의식해야 할 것은 다음과 같은 질문들이다.

나는 무엇을 판단했는가.

무엇을 AI에 맡겼는가.

AI 안의 어느 부분을 채택했는가.

어느 부분을 기각했는가.

인간 리뷰를 통해 무엇이 바뀌었는가.

다음번에 같은 상황이라면 무엇을 볼 것인가.

어떤 판단 기준을 획득했는가.

이것들을 남겨둔다.

그렇게 하면, AI를 사용할수록 판단 경험이 쌓인다.

반대로, AI에게 시키고 그대로 제출하여, 수정되고 끝나는 식이라면 판단 경험은 남기 어렵다.

AI를 쓰지 말라는 뜻이 아니다.

AI를 사용한 뒤에, 판단의 차이를 만들어낸다.

이것이 AI 시대의 젊은 인재에게 매우 중요해진다.

이 기사에서 얻어갈 수 있는 것

AI 시대의 젊은 인재 육성을 생각한다면, 다음 질문들을 살펴보는 것이 좋다.

• 주니어의 작업을 줄였을 때, 판단 경험도 함께 줄이고 있지는 않은가
• 저리스크(Low Risk) 판단을 맡길 장소가 있는가
• AI 안과 인간 리뷰의 차이를 학습 재료로 삼고 있는가
• 리뷰가 결과물 수정만으로 끝나고 있지는 않은가
• 판단 기준을 다음에 사용할 수 있는 형태로 전달하고 있는가
• 중견을 단순한 작업자로 취급하고 있지는 않은가
• AI에 의해 늘어난 생성물을 누가 판단으로 전환하고 있는가
• 프롬프트(Prompt)나 MCP를 판단의 계단을 대체하는 것이라고 오해하고 있지는 않은가
• 조직은 AI로 빨라졌는가, 아니면 학습하지 않게 되었는가

중요한 것은, 과거의 작업을 그대로 남기는 것이 아니다.

AI로 작업이 압축된다면, 그 대신에 판단을 배우는 계단을 만드는 것이다.

요약

AI로 주니어의 일이 사라진다.

이 표현은 이해하기 쉽지만 다소 거칠다.

정말로 문제인 것은 주니어의 작업이 줄어드는 것이 아니다.

작업 속에 매몰되어 있던 관측·판단·실패·수정·리뷰의 학습 경로가 사라지는 것이다.

젊은 인재는 AI로 결과물을 내는 것만으로는 부족하다.

AI 안과 인간 리뷰의 차이를 도출하고, 자신이 무엇을 판단했는지를 남길 필요가 있다.

조직은 주니어에게 과거의 작업을 되돌려주는 것만으로는 부족하다.

AI로 압축된 작업 대신에, 판단을 연습하는 계단을 설계해야 한다.

중견은 AI보다 빠르게 작업하는 사람이 아니게 된다.

AI 출력을 검증하고, 주니어에게 판단 기준을 전달하며, 시니어에게 올릴 논점을 분류하고, 조직의 학습을 일상 운영에 연결하는 사람이 된다.

프롬프트나 MCP는 중요하다.

하지만 그것들은 판단의 계대를 대체하는 것이 아니다.

작업 경로를 정비하는 기술일 뿐, 판단 기준·책임 경계·육성 구조 그 자체는 아니다.

AI 시대에 강한 조직은, 주니어의 일을 단순히 AI로 대체하는 조직이 아니다.

AI로 작업을 압축하면서도, 젊은 인재가 판단을 배우고, 중견이 판단을 가교하며, 시니어의 판단 기준이 조직에 남을 수 있도록 설계할 수 있는 조직이다.

즉, AI 시대의 젊은 인재 육성이란 작업을 지키는 것이 아니다.

판단을 배우는 계단을 다시 만드는 것이다.

Discussion