03 맥킨지가 제시하는 '사람- 에이전트- 로봇' 파트너십 스킬 

│김영욱 SAP Product Engineering Product Expert

맥킨지 글로벌 인스티튜트(MGI)는 지난 11월, ‘AI 시대의 노동력 변화와 필수 역량에 대한 심층 연구 보고서’를 발표하였다.¹⁾ MGI는 세계 경제 및 비즈니스 이슈에 대한 독립적이고 사실 기반의 연구를 제공하는 것을 사명으로 하며, 이번 연구 역시 특정 기관의 후원 없이 맥킨지 파트너들의 자금으로 독립적으로 수행되었다는 점에서 그 객관성이 높다.

현재 많은 사람의 관심은 AI가 과연 대규모 일자리 손실을 초래할 것인가에 집중되어 있으나, 맥킨지 보고서의 핵심 초점은 AI가 일의 근본적인 구성요소인 '기술(Skill)'을 어떻게 변화시킬 것인가에 맞춰져 있다. 이번 연구에서는 AI가 특정 업무 활동을 대체할 수 있는 잠재력을 가짐에도 불구하고, 인간의 기술은 여전히 필수적이며 AI를 안내하고 협력하는 데 중심적인 역할을 할 것임을 강조한다. 이러한 변화는 이미 경제 전반의 수많은 역할을 재정의하고 있으며, 미래의 업무는 AI로 구동되는 사람, 에이전트, 로봇 간의 파트너십을 중심으로 재구성될 것으로 전망한다.

본 연구에서는 '에이전트'와 '로봇'을 광범위하고 실용적인 용어로 사용한다. 에이전트는 디지털 영역에서 비(非)물리적 작업을 자동화하는 기계를 의미하며, 이는 자연어 생성, 논리적 추론, 인지 작업 수행 등 사람의 비물리적 역량을 높이거나 대체할 수 있다. 로봇은 물리적인 세계에서 운동 기반의 역량(예: 정교한 미세 운동 기술, 기동성)을 요구하는 작업을 자동화하는 기계를 의미한다. 그리고 사람은 더 이상 단순 실행자가 아니라, 이 두 존재를 설계하고 조정하는 메타 노동자로 재정의한다.

AI의 발전은 이러한 에이전트와 로봇이 미리 정해진 규칙을 따르는 것을 넘어, 방대한 데이터 세트로부터 학습하여 추론을 시뮬레이션하고 다양한 상황에 적응할 수 있도록 자율성과 역량을 향상시키고 있다. 맥킨지가 이야기하고 있는 변화는 기술 트렌드가 아니라 경제 구조의 이동이다. 기술 업데이트가 아니라 사회 시스템 리팩토링에 가깝다.

이번 글에서는 맥킨지 보고서의 핵심 분석과 통찰을 바탕으로, AI 시대에 조직 리더와 기술 컨퍼런스 참가자들이 성공적인 전환을 위해 무엇을 명확하게 이해하고 준비해야 하는지에 초점을 맞춘 5가지 주요 영역을 심층적으로 논하며, 그 의미와 영향을 정리한다.

핵심 변화 영역 5가지

1. AI는 자동화가 아니라 협업 주체다.

우리는 오랫동안 기술을 ‘도구’로 인식해왔다. 엑셀은 회계용 계산기였고, 이메일은 커뮤니케이션 도구였으며, ERP는 업무 관리 시스템이었다. 기술은 언제나 사람이 시키는 일을 수행하는 존재였다. 

그러나 맥킨지는 AI를 더 이상 도구가 아닌 협업 주체로 본다. 미래의 업무 환경은 사람, 에이전트, 로봇이 협력하는 하이브리드 팀으로 재편될 것이다. 기존에는 하나의 업무를 한 명의 사람이 책임졌다. 보고서를 작성하고, 데이터를 정리하고, 의사결정을 내리는 전 과정을 한 사람이 수행하는 것이 일반적이었다. 그러나 이제 단일 업무는 여러 주체에게 분해된다. 에이전트는 자료를 수집하고 초안을 생성한다. 로봇은 현장에서 물리적 작업을 수행한다. 인간은 이 모든 과정을 통합하는 설계자이자 감독자가 된다.

보고서에 따르면, 현재 시연된 기술만으로도 이론적으로 현재 미국 노동 시간의 약 57%에 해당하는 활동을 자동화할 수 있는 잠재력이 존재한다. 이는 일자리가 사라진다는 예측이 아니라, 사람들이 수행하는 업무 내용이 근본적으로 변화할 것임을 의미한다. 자동화 잠재력을 구체적으로 살펴보면, 에이전트는 비물리적 역량만을 필요로 하는 작업 중 약 44%의 업무 시간을 차지할 수 있으며, 로봇은 물리적 역량을 필요로 하는 작업 중 13%의 업무 시간을 차지할 수 있다. 나머지 약 43%의 업무 시간은 AI가 대체하기 어려운 영역으로, 사람에게 필수적인 역할로 남게 된다. 사람이 계속해서 필수적인 역할을 하는 이유는 크게 두 가지 영역에서 AI의 한계가 명확하기 때문이다.

첫째, 사회적 및 정서적 기술에 크게 의존하는 작업은 완전 자동화가 어렵다. 예를 들어, 교사가 학생의 표정을 읽거나, 대인 관계의 갈등을 해결하는 능력은 공감, 창의성, 상황적 이해에 뿌리를 두고 있어 기계가 복제하기 어렵다.

둘째, 사람은 자동화 시스템의 감독, 품질 관리, 예외 처리를 담당한다. 아무리 진보된 AI 시스템이라도, 사람은 결과를 검증하고, 편향을 인식하며, 안전과 신뢰를 보장하는 최종적인 판단과 책임을 제공해야 한다.

이러한 협업 정도에 따라 직업은 7가지 유형으로 분류된다. 예를 들어, '사람 중심' 직업군(간호사, 심리학자 등)은 현재 노동력의 34%를 차지하며, 물리적 활동이나 사회/정서적 역량이 크게 요구되어 자동화 잠재력이 가장 낮다. 반면, '에이전트 중심' 직업군(회계사, 소프트웨어 개발자 등)은 현재 노동력의 21%를 차지하며, 인지적 작업 비중이 높아 자동화 잠재력이 가장 높다. 또 다른 하나는 ‘사람-에이전트-로봇'이 모두 결합된 형태(운송, 농업, 푸드 서비스 등)의 하이브리드 역할도 존재하며, 이들은 노동력의 약 5%를 구성한다. 

그림 1 미국의 노동 시간 분포(기술적 자동화 가능성 기준) (출처: MGI) 

리더는 이러한 유형 분석을 통해 각 직무에서 AI의 도입이 어떻게 이루어질지 예측하고 인력 전환 전략을 수립해야 한다. 과거에는 일을 ‘처리’하는 사람이 유능했지만, 이제는 일을 ‘설계’하는 사람이 경쟁력을 갖는다. 일을 잘하는 사람의 정의 자체가 바뀌고 있다.

2. AI와의 협업을 통해 인간의 기술은 그 적용 방식이 '진화'한다.

AI는 대부분의 인간 기술을 쓸모없게 만들지는 않지만, 기술이 사용되는 방식과 맥락을 근본적으로 변화시킨다. 현재 기업이 원하는 기술 중 70% 이상이 자동화 가능한 업무와 자동화가 가능하지 않은 업무 모두에서 사용되는 중첩된 특성을 갖는다. 즉, 대부분의 기술은 여전히 유효하지만, AI가 일상적인 작업을 처리함에 따라 사람들은 새로운 맥락에서 자신의 기술을 적용해야 한다.

리포트에서 자동화에 노출될 잠재적 수준을 기준으로 기술은 크게 세 가지 경로로 진화할 것으로 예측한다:

• 1.AI 주도 기술: 데이터 처리 및 분석에서 AI의 능력이 높아짐에 따라 디지털 및 정보 처리 기술이 자동화 노출에 가장 높은 순위를 차지한다, 회계 처리, 프로그래밍 언어와 같은 고도로 전문화되고 자동화 가능한 기술은 수요가 감소하거나 역할이 크게 바뀔 가능성이 높다.

• 2.사람 주도 기술: 보조 및 돌봄 기술은 변화가 가장 적을 것으로 예상되며, 리더십, 코칭, 협상과 같은 사회적 및 정서적 지능에 기반한 기술 역시 자동화에 가장 덜 노출된다.

• 3.공유/진화 기술: 문제 해결, 의사소통, 고객 관계, 작문 등 광범위하게 적용 가능한 기술은 이 중간 지대에 속한다. 사람들은 문서 작성이나 기본적인 리서치에 소요되는 시간을 줄이는 대신, 질문을 구성하고, AI의 결과물을 해석하며, 최종적인 판단을 내리는데 더 많은 시간을 할애하게 된다.

이처럼 기술이 사용되는 방식이 달라지면서, 기업에서 직무를 설명할 때 더욱 광범위하고 전문화된 기술 조합을 요구하고 있으며, 이는 직업당 필요한 고유 기술의 수가 증가하는 추세로 나타난다, 이러한 변화는 임직원에게 지속적인 학습과 적응성이 필수적임을 시사한다.

3. AI 활용 능력은 새로운 문해력이다.

AI 기술이 개발자 중심의 영역을 넘어 성숙해짐에 따라, AI 관련 기술에 대한 수요는 폭발적으로 증가하고 있다. 특히 AI 활용 능력(AI Fluency)에 대한 수요는 지난 2년 동안 미국의 구인 게시물에서 거의 7배나 빠르게 증가하며, 다른 어떤 기술과 비교해서도 가파른 상승세를 보였다. 이는 전 산업에 걸쳐 나타나는 현상이며, 앞으로 닥칠 훨씬 더 큰 변화의 시작을 알리는 신호로 해석된다.

AI 활용 능력은 두 가지 주요 영역으로 구성된다:

• 1.AI 사용 (Use AI): AI 도구와 애플리케이션을 일상적인 업무 흐름에 효과적으로 활용하는 능력이다.

• 2.AI 관리 (Manage AI): 하이브리드 '사람-에이전트-로봇' 팀을 관리하고, 리더를 위한 인력 디자인 전략을 조정하며, AI 시스템의 윤리적이고 책임감 있는 배포를 보장하는 능력을 포함한다.

현재 AI 기술 수요의 약 75%는 컴퓨팅 및 수학, 관리, 비즈니스 및 금융이라는 세 가지 직업군에 집중되어 있다. 하지만 AI의 영향력이 외부로 퍼져 나가면서, AI 시스템을 감독하고 검증하며, 사람들이 이를 효과적으로 사용하도록 훈련시키는 역할과 관련된 AI 인접 역량에 대한 수요 역시 증가하고 있다. 이에는 프로세스 최적화, 품질 보증, 교육과 같은 기술들이 포함되며, 이는 AI 시스템이 생성한 결과물의 품질을 확인하고, 새로운 업무 흐름을 설계하는 인간 역할의 중요성이 커지고 있음을 반영한다.

그림 2 2023-2025 AI 역량 수요 비교 (출처: MGI)

그러나, AI가 이미 뛰어난 성과를 보이는 영역인 일상적인 작문 및 연구 관련 기술은 구인 게시물에서 감소하는 추세를 보였는데, 이는 기업들이 해당 작업을 AI에 위임할 준비를 하고 있음을 시사한다. 이처럼 AI 활용 능력은 단순히 기술을 '다루는' 것을 넘어, AI와 협력하여 업무를 '재설계'하고 '관리'하는 새로운 필수 역량으로 자리매김하고 있다.

4. AI의 경제적 가치 실현은 '전체 워크플로의 재설계'에 달렸다.

대부분의 기존 워크플로는 AI 이전 시대에 설계되었기 때문에, 이 프로세스 내의 개별 작업에 AI를 적용하는 것만으로는 충분한 생산성 향상을 기대하기 어렵다. 이 경제적 가치 실현은 새로운 기술 개발보다는 조직이 프로세스, 역할, 기술, 문화, 성과 지표 등 일 자체를 재구성하는 데 달려있다.

창출될 가치의 약 60%는 산업별 핵심 영역, 예를 들어 제조업의 공급망 관리나 의료 분야의 임상 진단 및 환자 치료와 같은 영역에서 발생하며, 나머지 40%는 IT, 재무, 행정 서비스 등 모든 산업에 걸친 범기능적 영역에서 발생한다,

실제 사례를 보면 워크플로 재설계의 중요성이 드러난다:

• 영업 사례: 한 글로벌 테크 기업은 AI 에이전트를 도입하여 리드 우선순위 지정, 고객 아웃리치 및 후속 조치 등 영업 프로세스의 초기 단계를 자동화했다. 그 결과, 영업 전문가는 루틴 업무에서 해방되어 전략적 참여, 협상, 관계 구축 등 고부가가치 활동에 더 많은 시간을 할애할 수 있게 되었으며, 새로운 판매 및 고객 유지에서 연간 7~12%의 매출 증가가 예상된다.

• 고객 서비스 사례: 대형 유틸리티 회사는 에이전트 기반의 대화형 AI를 배포하여 고객 문의 응대 워크플로를 재설계했다, 이 시스템은 전체 문의의 약 40%를 처리하며, 그중 80% 이상을 인간 개입 없이 해결했다. 이는 통화당 평균 비용을 약 50% 절감하고 고객 만족도를 높이는 결과를 가져왔으며, 인간 상담원은 이제 복잡하고 감정적인, 또는 고가치 이슈에 집중하게 되었다.

그림 3 2023-2025 AI 역량 수요 비교 (출처: MGI) 

이러한 사례들은 AI의 잠재력이 개별 효율성 개선이 아니라, 사람-에이전트-로봇을 중심으로 전체 운영 방식을 혁신하는 데 있음을 명확히 보여준다.

5. 하이브리드 팀을 이끌기 위한 '리더십의 역할'이 중요해진다.

AI 기반의 파트너십을 성공적으로 구축하고 관리하기 위해서는 리더십이 결정적인 역할을 수행해야 한다. AI가 분석, 정보 수집, 의사결정 지원 등의 작업을 맡게 되면서, 관리자의 역할은 사람을 감독하는 전통적인 방식에서 벗어나, 사람, AI 에이전트, 로봇이 협력하는 시스템을 조율하고 코칭하는 역할로 근본적으로 변화한다.

효과적인 리더는 AI 관련 업무를 위임하지 않고 직접 관여하며, 다음의 핵심적인 질문들을 주도적으로 해결해야 한다:

• 1.비즈니스 재구상: 단기적인 효율성 개선을 넘어, AI를 활용하여 미래 가치에 맞춰 비즈니스를 근본적으로 재구상하고 있는가? 이는 단순히 기술을 도입하는 것이 아니라, AI를 핵심적인 비즈니스 변혁으로 이끄는 것을 의미한다.

• 2.신뢰 및 안전 확보: AI의 논리를 검증하고, 예외 상황을 처리하며, 인간 개입이 가장 필요한 순간을 결정하는 등 AI 시스템에 대한 책임, 안전, 신뢰를 확보하는 균형 잡힌 접근 방식을 취하고 있는가?

• 3.관리 역량 변화: 관리자들이 사람 관리에서 벗어나 하이브리드 팀을 코칭하고 조정할 수 있도록 준비시키고 있는가? 리더십 기술은 이제 영향력 행사, 멘토링, 갈등 해결과 같은 고부가가치 업무에 초점을 맞춰 진화해야 한다,

• 4.새로운 성과 측정: 사람과 기계의 기여도를 공정하게 평가하고 상호작용을 반영하는 새로운 성과 지표와 피드백 시스템을 구축하고 있는가?

궁극적으로 리더들은 AI로 인해 확보된 여유 역량을 직원 개발 및 고부가가치 업무에 재투자할지, 아니면 단순한 효율성 및 비용 절감에 집중할지를 결정해야 한다. 이 선택은 조직의 장기적인 경쟁력과 인적 자본의 잠재력 극대화에 결정적인 영향을 미친다.

마무리 및 제언

AI 시대의 성패는 단순히 기술을 얼마나 빠르게 도입하는가에 달려 있지 않다. 그보다 더 중요한 것은 사회 제도와 개인이 이 변화를 얼마나 효과적으로 흡수하는가에 있다. 맥킨지는 AI 전환의 핵심 과제로 기술 투자와 더불어 사람에 대한 투자를 강조하며, 특히 교육 시스템의 역할을 결정적 요소로 지목한다.

첫째, 교육과 훈련 체계의 근본적인 전환이 필요하다. AI 활용 역량의 기초는 단순한 기술 숙련이 아니라, 비판적 사고, 질문을 던지는 능력, 기존 가정에 도전하는 태도, 그리고 편향과 오류를 식별하는 사고력에 있다. 이러한 역량은 AI를 올바르게 사용하고 통제하기 위한 전제 조건이며, 가능한 한 이른 시기부터 교육 과정에 반영되어야 한다. 앞으로의 교육은 코딩이나 도구 사용법을 가르치는 데서 멈추지 않고, 기술 지식과 함께 문제 해결력, 적응력, 분석적 사고와 같은 전환 역량을 체계적으로 길러내는 방향으로 재설계해야 한다.

둘째, 지속적인 학습과 재훈련을 가능케 하는 구조적 기반이 필요하다. 직무와 산업의 경계가 빠르게 재편되는 환경에서는 한 번의 교육으로 평생을 버틸 수 없다. 기업과 교육기관은 보다 긴밀하게 협력하여 직무 전환을 지원하는 교육 프로그램, 유연한 학습 모델, 그리고 공식적인 자격 인증 체계를 마련해야 한다. 특히 AI는 교육의 대상일 뿐 아니라 교육의 수단이 될 수 있다. 개인의 수준과 필요에 맞춘 맞춤형 학습, 실무 중심의 훈련 콘텐츠, 새로운 역할로의 전환을 돕는 역량 매칭 시스템은 AI를 통해 한층 정교화될 수 있다.

AI 기술은 생산성을 끌어올리고 인간의 역량을 확장할 수 있는 막대한 잠재력을 지니고 있다. 그러나 이 잠재력이 실제 성과로 이어질지는 우리가 지금 어떤 선택을 하는가에 달려있다. 맥킨지 리포트가 일관되게 강조하는 바는 분명하다. 기술 자체에 대한 투자는 출발점에 불과하며, 궁극적으로 중요한 것은 그 기술을 다룰 사람과 그들의 역량에 대한 지속적인 투자다. 사람에 대한 투자가 병행되지 않는 한, AI는 혁신의 엔진이 아니라 또 하나의 격차를 만들어내는 도구가 될 수 있다.

결국 AI가 순고용을 창출할 것인지, 또는 사회적 갈등을 심화시킬 것인지는 기술의 성능이 아니라 사회의 준비도에 의해 결정될 것이다. 새로운 산업과 시장을 만들어내는 데 AI를 얼마나 효과적으로 활용하는지, 그리고 개인과 제도가 이 변화에 얼마나 유연하게 적응하는지가 미래를 좌우한다. 앞으로의 시대는 AI가 인간을 대체하는 시대가 아니라, 인간과 AI가 역할을 나누고 협력하는 파트너십의 시대로 진화할 것이다. 맥킨지 리포트는 바로 이 전환점에서 우리가 무엇을 이해하고, 어떻게 대비해야 하는지를 체계적으로 보여준다.

AI의 미래는 이미 시작되었다. 이제 중요한 것은 그 미래를 맞이하는 것이 아니라 설계하는 일이다.

참고문헌

1) McKinsey Global Institute, “Agents, robots, and us: Skill partnerships in the age of AI”, Nov 25, 2025