AI가 경제 엔진이 되는 업무: 2x2 매트릭스로 알아보는 직업의 미래

소프트웨어에 대한 수요는 끝이 없습니다. GitHub의 COO인 카일 데이글이 공개한 데이터가 이를 명확히 증명합니다. 2025년 현재 주당 2억 7,500만 건의 커밋이 이루어지고 있으며, GitHub Actions는 주당 10억 분 이상의 실행 시간을 기록하고 있습니다. 이는 소프트웨어 산업의 급격한 성장을 의미하며, 동시에 AI가 어떤 업무를 자동화할 수 있는지 에 대한 근본적인 질문을 던집니다.

하지만 모든 업무가 동등하게 AI의 영향을 받지는 않습니다. 직업의 특성에 따라 AI의 경제적 가치와 영향력이 크게 달라지기 때문입니다. 이를 이해하기 위해, 우리는 두 가지 핵심 축으로 모든 업무를 분류할 수 있습니다.

핵심 요약

• 무한 수요 vs 유한 수요: 더 많은 결과물이 더 많은 가치를 창출하는지에 따라 결정
• 폐쇄 루프 vs 개방 루프: AI가 정확성을 자동으로 검증할 수 있는지 여부로 구분
• 경제 엔진 모델: 폐쇄 루프 + 무한 수요 조합이 가장 높은 경제적 가치 창출
• 4가지 직업 유형: 각 사분면별로 AI의 역할과 경제적 영향이 완전히 다름
• 미래 직업 전략: 자신의 업무 특성을 파악하고 AI와의 협력 방식을 재설계해야 함

AI 업무 분류의 두 가지 핵심 축

업무를 분석할 때 우리가 고려해야 할 두 가지 중요한 축이 있습니다. 이 두 축의 조합은 AI가 해당 업무에서 어떤 역할을 할 수 있는지, 그리고 경제적 가치를 얼마나 창출할 수 있는지를 결정합니다.

첫 번째 축: 수요의 특성 (무한 vs 유한)

무한 수요 는 더 많은 결과물이 계속해서 더 많은 가치를 만들어낸다는 의미입니다. 즉, 포화점이 없다는 뜻입니다. 회사가 필요로 하는 소프트웨어의 양에는 절대적인 한계가 없습니다. 더 많은 기능, 더 많은 애플리케이션, 더 많은 코드가 계속해서 비즈니스 가치를 증가시킵니다.

반면 유한 수요 는 업무 자체의 물리적 또는 시간적 한계가 존재한다는 의미입니다. 회사의 거래량은 정해져 있고, 회계 보고는 일 년에 한 번, 분기별 정산은 정해진 일정에만 이루어집니다. 아무리 효율적으로 처리해도, 필요한 업무의 총량은 변하지 않습니다.

두 번째 축: 검증 방식 (폐쇄 루프 vs 개방 루프)

폐쇄 루프 는 AI가 자신의 작업 결과를 스스로 검증할 수 있다는 의미입니다. 소프트웨어 개발에서는 자동화된 테스트가 코드의 정확성을 객관적으로 확인합니다. 회계에서는 회계 원칙과 수식이 결과의 정확성을 검증합니다. 인간의 판단이 개입할 필요가 없습니다.

개방 루프 는 AI의 결과물이 맞는지 그른지를 사람이 판단해야 한다는 의미입니다. 마케팅 캠페인이 회사의 가치와 일치하는가? 콘텐츠 전략이 올바른가? 이런 질문에 대한 답은 주관적이고 상황에 따라 다릅니다. 최종 의사결정은 인간에게만 가능합니다.

2x2 매트릭스: 4가지 직업 유형별 AI의 역할

두 축을 조합하면 4가지 직업 카테고리가 나타납니다. 각 카테고리는 AI의 활용 방식과 경제적 영향이 완전히 다릅니다.

경제 엔진: 폐쇄 루프 + 무한 수요

이 카테고리에 속하는 업무는 가장 높은 경제적 가치 를 창출합니다. 소프트웨어 엔지니어링이 대표적입니다.

AI가 코드를 작성하면, 자동화된 테스트가 그 정확성을 검증합니다. 이 과정에는 인간의 주관적 판단이 필요하지 않습니다. 동시에 필요한 소프트웨어의 양은 무한합니다. 더 많은 기능, 더 많은 애플리케이션, 더 많은 자동화가 계속해서 비즈니스 가치를 증가시킵니다.

이것이 바로 AI가 경제 엔진 으로 작동하는 모습입니다. GitHub의 데이터가 이를 증명합니다. 주당 2억 7,500만 건의 커밋이 이루어지고 있으며, 이 숫자는 계속 증가하고 있습니다. AI 기반 코드 생성 도구들이 개발 속도를 가속화하면서, 더 많은 소프트웨어가 더 빠르게 만들어지고 있습니다.

효율성 증대: 폐쇄 루프 + 유한 수요

AI 회계 시스템이 이 카테고리의 대표 사례입니다. AI는 거래를 분류하고, 계정을 조정하며, 세금 신고를 처리할 수 있습니다. 숫자에는 결정론적 규칙이 적용되므로, 정확성의 검증이 자동으로 이루어집니다.

하지만 회사의 거래량은 한정되어 있습니다. 회사가 연간 1,000건의 거래를 처리한다면, 아무리 효율적이어도 그 이상 처리할 업무는 없습니다. 회사는 일 년에 한 번 세금을 신고하고, 분기마다 장부를 마감합니다. 업무의 총량은 변하지 않습니다.

이 경우 AI의 역할은 업무 속도 향상과 비용 절감 입니다. 같은 일을 더 빠르게, 더 저렴하게 처리할 수 있게 해줍니다. 경제 가치는 감소된 비용의 형태로 나타납니다.

창의성 증폭기: 개방 루프 + 무한 수요

콘텐츠 제작과 마케팅 전략이 이 카테고리에 해당합니다. AI는 수천 가지 광고 변형, 수백 개의 블로그 게시물, 다양한 마케팅 메시지를 생성할 수 있습니다. 생성할 수 있는 콘텐츠의 양은 무한합니다.

하지만 어떤 콘텐츠를 실제로 게시할지는 사람이 판단해야 합니다. 이 광고가 회사의 브랜드 가치와 일치하는가? 이 마케팅 전략이 목표 고객층에게 효과적인가? 이런 판단은 주관적이며, 인간의 경험과 직관이 필요합니다.

현재는 개방 루프이지만, 시간이 지남에 따라 일부 문제는 폐쇄 루프로 전환될 수 있습니다. 예를 들어, A/B 테스트 결과로 특정 콘텐츠가 더 효과적임을 입증하면, AI가 그 패턴을 학습하고 자동으로 최적화할 수 있게 됩니다.

유틸리티 도구: 개방 루프 + 유한 수요

10-K 및 10-Q 보고서 준비, 법률 계약 검토, 보험 청구 처리 등이 이 카테고리에 속합니다. 분기당 하나의 보고서, 거래당 하나의 계약, 청구당 하나의 처리와 같이 업무량이 정해져 있습니다.

AI는 이러한 업무를 더 빠르게 만들 수 있습니다. 법률 계약의 초안을 자동으로 검토하거나, 보험 청구의 기본적인 검증을 수행할 수 있습니다. 하지만 최종 의사결정은 여전히 인간에게 필요합니다. 이 계약이 회사에 유리한가? 이 보험 청구가 정당한가? 이런 판단은 법률 전문가나 보험 담당자가 해야 합니다.

이 경우 AI의 역할은 보조 도구 입니다. 업무 속도를 높이지만, 새로운 업무를 창출하지는 않습니다. 경제적 가치는 작업 시간 절감의 형태로 나타납니다.

현실의 직업들: 어디에 속하는가?

모든 역할은 이 2x2 매트릭스 어딘가에 들어맞습니다. 몇 가지 구체적인 예를 살펴보겠습니다.

벤처 캐피탈리스트 는 유한 수요와 개방 루프에 속합니다. 매년 생태계에 유입되는 벤처 캐피탈 자금은 한정되어 있습니다. 펀드의 크기, 회사가 투자할 수 있는 총액이 결정되면, 그 범위 내에서 움직입니다. 동시에 어떤 스타트업에 투자할지는 여전히 개방형 문제입니다. 창립자의 능력, 시장 기회, 제품 시장 적합성 등을 종합적으로 판단해야 합니다.

데이터 분석가 는 상황에 따라 다를 수 있습니다. 정해진 보고서를 반복적으로 생성하는 업무라면 유틸리티 도구에 해당할 수 있습니다. 하지만 데이터에서 새로운 인사이트를 도출하고, 비즈니스 전략을 수립하는 역할을 한다면 창의성 증폭기에 가까워집니다.

QA 테스터 는 폐쇄 루프 + 유한 수요에 가까울 수 있습니다. 정해진 테스트 케이스를 반복적으로 실행하고, 버그를 발견하며, 보고합니다. 하지만 AI와 자동화된 테스트의 발전으로 인해, 이 역할은 점차 효율성 증대 카테고리로 이동하고 있습니다.

AI 시대의 직업 선택: 당신의 역할은 어디인가?

지금이 자신의 역할을 다시 생각해볼 중요한 시점입니다. 당신의 업무는 2x2 매트릭스의 어느 사분면에 속합니까?

만약 당신의 업무가 폐쇄 루프 + 무한 수요 카테고리에 속한다면, AI 시대에 가장 안전합니다. 더 정확히는, 당신의 생산성은 AI와 함께 기하급수적으로 증가할 수 있습니다. 소프트웨어 엔지니어, 데이터 과학자, 시스템 아키텍트 같은 역할이 이에 해당합니다. 이들의 경제적 가치는 AI 도구의 발전과 함께 계속 증가할 것입니다.

효율성 증대 카테고리에 속한다면, AI는 당신의 업무를 더 빠르게 만들 것입니다. 비용을 절감할 수 있고, 더 많은 시간을 전략적 업무에 할애할 수 있습니다. 하지만 경제적 가치의 증대는 제한적입니다. 이 경우 당신은 AI 도구 활용 능력을 높이고, 더 고급스러운 분석이나 의사결정으로 업무 범위를 확장해야 합니다.

창의성 증폭기 카테고리에 속한다면, 당신의 판단 능력이 가장 중요해집니다. AI는 끝없는 옵션을 제공할 것입니다. 당신이 해야 할 일은 그 중에서 가장 가치 있는 것을 선택하는 것입니다. 이는 사실 더 높은 수준의 일입니다. 단순한 실행자가 아니라, 전략적 의사결정자로서의 역할이 강화됩니다.

유틸리티 도구 카테고리에 속한다면, 가장 큰 주의가 필요합니다. AI의 자동화가 가장 빠르게 진행될 가능성이 높습니다. 당신의 업무는 기계가 충분히 자동화할 수 있기 때문입니다. 이 경우 당신은 스스로 업무의 범위를 확장하거나, 더 높은 수준의 의사결정 업무로 전환해야 합니다.

결론: AI와 협력하는 미래의 일

GitHub의 데이터가 보여주는 것은 명확합니다. 소프트웨어에 대한 수요는 무한하고, 계속 증가하고 있습니다. AI가 코드를 더 빠르게 생성할수록, 더 많은 소프트웨어가 필요해집니다. 이것이 경제 엔진이 작동하는 방식입니다.

하지만 모든 업무가 이런 특성을 가진 것은 아닙니다. 당신의 역할이 어느 사분면에 속하는지 파악하는 것이 AI 시대에 성공하는 첫 번째 단계입니다. 그 다음은 AI를 자신의 강점으로 만드는 방법을 배우는 것입니다. 경제 엔진 카테고리에 있든, 유틸리티 도구 카테고리에 있든, 미래는 AI와 협력하는 법을 알고 있는 사람들에게 열려 있습니다.

당신의 역할은 2x2 매트릭스의 어디에 속합니까? 그리고 당신은 AI와 어떻게 협력할 준비가 되어 있습니까?

---

Original source: The AI Problem Matrix

powered by osmu.app