사람과 AI가 함께 일한다면, 역할표부터 달라져야 한다

자동화율만으로는 사람의 역할을 정할 수 없습니다

한 직무 안에도 자료 수집, 관계 조정, 판단, 설명, 승인처럼 성격이 다른 일이 섞여 있습니다. Blackbold는 직무 이름을 통째로 AI에 대응시키기보다 활동별 역할표를 만들 것을 제안합니다. 자료를 준비하는 주체와 최종 결과를 책임지는 주체가 달라도 괜찮습니다. 다만 담당자가 결과를 검토할 시간과 근거를 갖지 못한다면 책임만 사람에게 남기는 형식적인 협업이 될 수 있습니다.

AI의 결과는 다음 담당자가 인계받을 수 있어야 합니다

가상의 고객 지원 팀에서 AI가 문의를 분류하고 답변 초안을 만들더라도, 예외 고객에 대한 판단과 보상 승인은 별도 역할로 남을 수 있습니다. 이때 담당자에게 완성된 문장만 넘기면 검토를 처음부터 다시 해야 합니다. 참조한 주문, 적용한 정책, 불확실한 부분을 함께 보여줘야 인계 비용이 줄어듭니다. 사람의 수정 사항을 다음 평가에 반영하는 경로도 마련하면 운영 경험이 개선 자료로 남습니다.

역할 변화의 속도는 교육과 검토 역량에 맞춰야 합니다

역할이 바뀌는 직원에게 새 책임과 필요한 교육을 함께 설명해야 합니다. 평가 방식은 그대로 둔 채 새로운 검토 업무만 더하면 현장에서 도입을 피할 수 있습니다. 처음에는 한 팀에서 업무량, 예외 처리 부담, 고객 경험을 함께 살펴보고 역할표를 조정하세요. 이 글의 제안은 인력 축소 규모를 예측하는 방식이 아닙니다. 실제 업무에서 사람이 맡아야 할 판단과 AI에 위임할 행동의 경계를 검증하는 접근입니다.

사람을 바꾸기 전에 역할표를 바꿉니다

가상의 인사 운영팀에서 입사 서류 확인이 자동화되었다고 해 보겠습니다. 서류를 확인하던 담당자는 예외 서류를 해결하고 새 직원의 적응을 돕는 데 시간을 쓸 수 있습니다. 그러나 기존 평가가 처리한 서류 수만 세면 새 역할에 집중하기 어렵습니다. 맡는 일, 결정할 수 있는 범위, 협업 상대와 평가 기준을 한꺼번에 바꿔야 합니다.

Blackbold는 역할표를 ‘사람이 수행’, ‘AI가 준비하고 사람이 판단’, ‘규칙 안에서 자동 처리’로 구분할 것을 제안합니다. 직책 전체를 대체 가능한지 따지기보다 실제 행동의 책임을 분명하게 만드는 방식입니다.

재배치에는 교육과 업무를 겹쳐 보는 기간이 필요합니다

새 역할을 공지했다고 바로 전환되지는 않습니다. 처음에는 기존 담당자와 새 담당자가 같은 사례를 함께 검토하고, 판단이 갈린 이유를 기록하는 기간을 둡니다. 교육도 공통 강의만으로 끝내지 말고 실제 받을 요청과 예외를 사용합니다. 자료를 확인하는 법, 틀린 결과를 고치는 법, 도움을 요청하는 법이 업무 교육의 중심입니다.

남는 시간을 새로운 업무에 배정할 때에는 그 업무의 수요가 실제로 있는지도 확인해야 합니다. 개인의 적성과 의사, 필요한 지원을 함께 살피며 역할을 조정합니다. AI의 사용 기록만으로 직원의 가치나 배치 적합성을 단정하는 방식은 피해야 합니다.

조직도와 시스템의 권한을 함께 수정합니다

업무의 책임자가 바뀌었는데 시스템의 승인 경로가 옛 팀장에게 남아 있으면 변화는 멈춥니다. 역할 변경에는 문서 접근 권한, 승인 화면, 알림 수신자, 업무 인수 기록을 함께 수정하는 일이 포함됩니다. 조직 변화와 개발을 따로 발주하면 이 연결이 빠지기 쉽습니다.

새 역할이 작동하는지는 처리량뿐 아니라 예외 해결 시간, 도움 요청이 몰리는 곳, 업무가 특정 사람에게 다시 쌓이는지로 봅니다. Blackbold가 지향하는 것은 인원 수만 줄이는 그림이 아니라, 같은 조직이 더 중요한 일을 안정적으로 맡을 수 있는 운영 구조입니다.