2025년 현재, 글로벌 비즈니스 생태계는 'AI 도입'이라는 1막을 지나 'AI 내재화'라는 2막으로 급격히 진입하고 있다.
모든 기업이 생성형 인공지능(GenAI)을 비즈니스의 핵심 동력으로 삼기 위해 자금을 집중하고 있다. 그러나 이 화려한 기술적 르네상스의 이면에는 심각한 '인재의 역설'이 자리 잡고 있다.
IDC(International Data Corporation)의 글로벌 리서치와 주요 대학들의 최신 연구 결과는 충격적인 사실을 시사한다. 기업들이 겪고 있는 가장 큰 고통은 AI 기술 자체의 결함이 아니라, AI를 다루는 인간의 '비판적 사고(Critical Thinking)' 결핍이라는 점이다.
화려한 프롬프트 엔지니어링 능력 뒤에 숨겨진 '생각하지 않는 위험'이 기업의 의사결정 구조를 위협하고 있다. 본지는 IDC 및 국제 연구 결과와 현장 사례를 바탕으로 AI 시대 인재 채용의 딜레마를 심층 분석하고, 이에 대한 구체적인 해법을 제시한다.
1. 'AI 올인(All-in)' 시대의 도래와 인재 확보의 불균형
전 세계 최고정보책임자(CIO)들의 시계는 그 어느 때보다 빠르게 돌아가고 있다. 더 이상 AI 도입 여부를 고민하는 단계는 지났다.
IDC가 2024~2025년 글로벌 CIO를 대상으로 실시한 조사에 따르면, 응답 CIO의 대다수가 이미 AI 관련 프로젝트를 추진 중이거나 구체적인 도입 계획을 실행하고 있다고 답했다. 반면, GenAI 도입 계획이 전혀 없다고 답한 CIO는 극소수에 불과했다. 이는 AI가 선택 가능한 옵션이 아니라, 기업 생존을 위한 필수불가결한 '기본값(Default)'이 되었음을 의미한다.
투자 우선순위의 지각 변동
특히 주목할 점은 자본의 흐름이다. 향후 12~24개월 우선 투자 분야로 'AI 및 자동화'를 꼽은 비율이 가장 높았으며, 이는 전통적으로 기업 리스크 관리의 최우선 순위였던 '사이버 보안'과 유사하거나 이를 앞지르는 수준으로 부상했다. CIO들은 AI와 자동화가 향후 비즈니스 성과(Business Outcomes)에 가장 지대한 영향을 미칠 핵심 변수라고 확신하고 있다.
그러나 이러한 기술적 열망과 자본의 집중 투하에도 불구하고, 이를 실행할 '인적 엔진'은 삐걱거리고 있다. 글로벌 IT 리더의 약 3분의 1이 "적절한 기술을 갖춘 전문가 확보"를 현재 직면한 가장 큰 난관으로 꼽았다. 이는 기존 인재를 유지하는 것(약 15% 내외)보다 두 배가량 높은 수준으로, AI 인재 시장의 공급 부족 현상이 심화되고 있음을 보여준다. 특히 단순 개발자가 아닌, AI와 비즈니스 도메인을 연결할 수 있는 복합적 역량을 갖춘 인재는 부르는 게 값인 상황이다.
2. 디지털 네이티브의 두 얼굴: 능숙함 속에 감춰진 '기대와의 간극'
대학을 갓 졸업하고 노동 시장에 진입하는 Z세대와 알파 세대, 즉 'AI 네이티브'들은 기성세대가 상상하기 힘든 속도로 AI 도구를 업무에 적용하고 있다.
캐나다 토론토 메트로폴리탄 대학교(TMU) 등이 수행한 'AI at Work' 관련 연구 데이터는 연령대가 낮을수록 GenAI 도구에 대한 친숙도(Familiarity)가 높으며, 실제 업무 환경에서의 활용도 역시 비례하여 상승함을 증명한다.
기대와 현실의 거대한 간극 (Expectation Gap)
여기서 흥미로운, 그리고 우려스러운 현상이 발견된다. 바로 'Expectation Gap(기대와 현실의 차이)'이다. 여러 국제 설문에서 경영진은 MZ·Z세대의 AI 활용도를 과소평가하는 경향을 보이며, 실제 현장의 AI 사용률은 기대치를 크게 웃돌고 있다.
캐나다 조사에서 학생의 약 절반(52%)이 이미 학교 과제 등에 AI를 활용하고 있다고 답했으며, 취업자의 약 3분의 1에 못 미치는 28%가 직장에서 AI를 업무에 사용하고 있다고 응답했다. 이는 경영진이 인지하지 못하는 사이, 상당수의 예비 인재와 현직자들이 이미 AI를 적극적으로 활용하고 있음을 시사한다.
그들은 AI로 무엇을 하고 있는가?
TMU 보고서 및 관련 조사들을 종합해 볼 때, 학생과 근로자가 AI를 활용하는 대표적인 영역은 다음과 같이 분류된다.
가장 빈번하게 활용되는 분야는 초안 작성, 요약, 회의록 정리 등 '텍스트 기반 업무' 영역으로 나타났다. 신입사원들이 작성한 보고서나 이메일의 상당수가 인간의 온전한 창작물이 아닐 가능성이 높다. 그 뒤를 이어 '리서치 및 정보 탐색'이 주요 용도로 꼽혔으며, '코딩 및 데이터 관리' 작업 또한 높은 비중을 차지했다.
문제는 이러한 '효율성'이 '정확성'과 '통찰력'을 담보하지 않는다는 점이다. 젊은 인재들은 도구 사용에는 능숙하지만, 그 결과물이 비즈니스 전체 맥락에서 어떤 의미를 갖는지 판단하는 '비즈니스 문해력(Business Literacy)'이 부족한 경우가 많다. 이것이 바로 CIO들이 직면한 딜레마의 핵심이다.
3. 인지적 위임(Cognitive Offloading): AI가 인간을 바보로 만드는 메커니즘
단순히 경험 부족의 문제가 아니다. 학계에서는 AI 사용 자체가 인간의 사고 능력을 감퇴시킬 수 있다는 경고를 쏟아내고 있다. 2024~2025년 CMU(카네기 멜론 대학교), MIT, 유럽 및 스위스 비즈니스 스쿨 등에서 발표된 여러 연구는 '편리함의 역설'을 지적한다.
사고의 외주화, 그리고 비판적 사고의 상실 최근 학계 연구 다수는 지식 근로자들이 생성형 AI를 사용할 때 '인지적 위임(Cognitive Offloading)' 현상이 두드러지게 나타난다고 분석했다. 이는 인간이 복잡한 인지적 처리를 도구(AI)에 맡겨버리고, 뇌의 에너지 소모를 최소화하려는 심리적 기제다.
"여러 실험에서 AI에 대한 신뢰도가 높을수록 사용자가 결과를 재검증하려는 경향은 약해지고, 특히 젊은 층에서 이런 '맹목적 수용' 패턴이 두드러지는 것으로 보고된다."
특히 복수의 메타분석 결과, 빈번한 AI 도구 사용과 비판적 사고 점수 사이에 통계적으로 유의한 부정적 상관관계가 관찰됐다. AI가 정보를 수집하고 정리해주는 과정에서, 인간은 정보를 구조화하고 논리적 허점을 찾아내는 훈련 기회를 박탈당할 수 있다.
결국, AI가 환각(Hallucination)에 의해 잘못된 정보를 생성해도 이를 걸러낼 '필터'가 작동하지 않게 되는 것이다. 이는 기업 입장에서 잘못된 데이터에 기반한 의사결정이라는 치명적인 리스크로 직결된다.
4. CIO를 위한 솔루션: 검증 중심의 채용과 'Human-in-the-Loop' 전략
IDC와 관련 전문가들은 이러한 위기 상황에서 CIO들이 기존의 채용 및 조직 관리 방식을 전면적으로 재설계해야 한다고 제언한다. "AI를 잘 쓰는 사람"을 뽑는 것이 아니라, "AI를 잘 부리는 사람"을 뽑아야 한다는 것이다.
1) 시나리오 기반의 '역검증' 채용 프로세스 도입
기존의 코딩 테스트나 실무 면접 방식으로는 부족하다. 면접관은 의도적으로 오류가 포함된 AI 생성 결과물을 제시하고, 후보자가 이를 어떻게 찾아내고 수정하는지 평가해야 한다.
-
Case Testing: "이 AI가 작성한 기획안에서 비즈니스 논리상 모순되는 부분을 찾아내시오."
-
Strategy Evaluation: "AI에 의존하지 않고, 모호한 문제 상황을 해결하기 위한 당신만의 독자적인 전략은 무엇인가?"
2) 강력한 AI 거버넌스(Governance)와 윤리 교육
모든 직원이 AI를 사용하되, 명확한 '가드레일' 안에서 움직이도록 해야 한다. 데이터 보안, 저작권, 윤리적 기준에 대한 엄격한 프레임워크를 수립하고, 이를 위반했을 때의 리스크를 교육해야 한다. AI는 조수일 뿐, 법적/도덕적 책임의 주체는 인간임을 명확히 해야 한다.
3) 멘토링을 통한 '맥락 지능(Contextual Intelligence)' 전수
신입 사원들의 부족한 경험을 보완하기 위해, 경험 풍부한 시니어 직원들과의 멘토링 프로그램을 강화해야 한다. 시니어는 AI 도구 사용법은 서툴 수 있어도, 업의 본질과 맥락을 꿰뚫는 통찰력이 있다. 주니어의 기술적 능숙함과 시니어의 비판적 사고가 결합될 때, 조직은 진정한 시너지를 낼 수 있다. 교차 검증(Cross-referencing) 습관을 조직 문화로 정착시키는 것이 핵심이다.
KBR 인사이트: 대한민국 기업, '속도'보다 '방향'을 점검할 때
대한민국 기업들은 유독 '속도'에 민감하다. AI 트랜스포메이션 역시 "누가 더 빨리 도입하느냐"의 경쟁으로 치닫고 있다. 하지만 KBR-마에스트로의 관점에서 볼 때, 지금 필요한 것은 속도 조절이다.
AI는 답을 주는 도구(Answer Engine)이지, 진실을 말하는 도구(Truth Engine)가 아니다. 특히 한국의 수직적인 조직 문화 속에서, 신입 사원이 AI가 생성한 그럴듯한 보고서를 상사에게 올리고, 상사가 이를 검증 없이 수용하는 상황은 상상만으로도 아찔하다.
기업은 채용 단계에서부터 '프롬프트 엔지니어링' 자격증보다, 인문학적 소양과 논리적 사고력을 갖춘 인재를 우대해야 한다. 또한, 사내 교육 프로그램을 통해 "AI에게 질문하는 법" 뿐만 아니라 "AI의 답변을 의심하는 법"을 가르쳐야 한다.
2025년 이후 기업의 경쟁력은 '얼마나 뛰어난 AI를 가졌는가'가 아니라, '그 AI의 오류를 잡아낼 수 있는 얼마나 뛰어난 인간을 보유했는가'에 달려 있다.
결론: 인간 고유의 영역, '비판적 사고'가 최후의 안전장치다
기술은 기하급수적으로 발전하지만, 인간의 지혜는 산술급수적으로 축적된다. 이 속도의 차이를 메우는 것이 바로 경영진의 역할이다.
젊은 인재들의 뛰어난 디지털 친숙도를 십분 활용하되, 그들이 '생각의 근육'을 잃지 않도록 끊임없이 자극하고 훈련해야 한다.
AI가 모든 답을 생성해내는 시대, 역설적이게도 '왜?'라고 물을 수 있는 인간의 비판적 사고야말로 기업을 지키는 최후의 안전장치이자 가장 강력한 무기가 될 것이다.