
AI가 바꾸는 것은 업무 속도만이 아닙니다
작은 조직에서는 한 사람이 여러 역할을 맡습니다. 대표가 사업계획서를 쓰고, 마케터가 웹사이트를 수정하며, 디자이너가 브랜드 전략과 데이터 분석까지 담당합니다.
예전에는 담당자가 없거나 경험이 부족해 외부에 맡겨야 했던 일도 이제는 AI를 활용해 직접 시도할 수 있습니다.
OpenAI Economic Research는 이러한 변화를 task crossover라는 개념으로 설명합니다. AI가 기존 업무를 빠르게 처리하는 데 그치지 않고, 사람들이 원래 자신의 직무에 포함되지 않았던 일까지 맡게 만든다는 뜻입니다.
이 변화는 인력이 부족한 작은 조직에 특히 유용합니다. 다만 업무를 직접 처리하는 사람이 늘어나면 또 다른 질문이 생깁니다.
누가 만들더라도 결과물에 필요한 정보와 브랜드의 맥락이 빠지지 않게 하려면 무엇을 준비해야 할까요?
OpenAI가 발견한 직무 경계의 변화
OpenAI Economic Research는 미국 ChatGPT 이용자의 업무 관련 메시지 80만 건 이상을 분석했습니다.
전체 업무 관련 메시지의 16.8%는 이용자의 직무 밖에 있는 작업과 연결되어 있었습니다. 글쓰기, 요약, 일정 관리처럼 여러 직무에서 공통으로 수행하는 일을 제외하면 이 비율은 43.5%까지 올라갔습니다.
즉, AI는 사람들이 본래 하던 일을 돕는 데만 쓰이지 않았습니다. 다른 담당자에게 넘겼을 법한 일도 직접 처리하게 만들고 있었습니다.
소규모 사업자는 카피를 작성하고 계약서를 검토했습니다. 영업 담당자는 고객 데이터를 분석했고, 마케터는 웹사이트의 기술적인 문제를 해결했습니다.
AI가 줄인 것은 작업 시간뿐 아니라 업무를 넘겨주는 횟수였습니다.
![[DATA FROM THE REPORT] 이미지 출처 : OpenAI Economic Research, Work at the Frontier](https://cdn.maily.so/du/skillnau/202608/1785999057655999.jpg)
디자이너는 다른 직무의 일을 많이 끌어오고 있습니다
디자인 직군에서는 이러한 변화가 더욱 뚜렷하게 나타났습니다.
일반 업무를 제외한 디자이너의 직업 특화 메시지 가운데 75%가 다른 직무와 연결된 작업이었습니다. 디자이너가 AI를 활용해 마케팅, 엔지니어링, 재무, 데이터 분석 등 인접 분야의 일을 함께 처리하고 있다는 의미입니다.
여기서 주목할 부분은 반대 방향의 이동입니다.
전체 업무 메시지를 기준으로 보면 디자이너가 다른 직무의 일을 수행한 비율은 35.2%였습니다. 반면 다른 직무 이용자의 메시지에서 디자인 업무가 차지한 비율은 1.7%에 그쳤습니다.
디자인 업무가 조직 전체로 고르게 퍼졌다기보다, 디자이너가 다른 분야의 업무를 더 많이 끌어안고 있는 모습에 가깝습니다.
AI가 있다고 해서 누구나 디자이너가 되는 것은 아닙니다. 대신 디자이너가 다뤄야 하는 정보와 판단의 범위가 넓어지고 있습니다.
이제 디자이너는 색상과 레이아웃만 결정하는 사람이 아닙니다. 고객 데이터와 사업 목표를 읽고, 어떤 정보를 앞에 놓을지 정하며, 서로 다른 부서의 내용을 하나의 결과물로 묶어야 합니다.
![[DATA FROM THE REPORT] 이미지 출처 : OpenAI Economic Research, Work at the Frontier](https://cdn.maily.so/du/skillnau/202608/1785999087523145.jpg)
작은 워크스페이스에서는 업무를 직접 해결하는 경우가 더 많았습니다
이러한 경향은 규모가 작은 워크스페이스에서도 확인됐습니다.
중간 수준의 이용자를 기준으로, 2~5석 규모 워크스페이스의 직무 외 업무 비율은 18.9%였습니다. 101석 이상 워크스페이스에서는 16.3%였습니다.
사용량이 많은 이용자에게서는 이처럼 일관된 차이가 나타나지 않았기 때문에, 이를 모든 소규모 기업의 공통된 특징이라고 단정할 수는 없습니다. 워크스페이스 좌석 수 역시 회사의 전체 인원과 반드시 일치하는 것은 아닙니다.
그럼에도 작은 조직의 현실과 연결해 볼 만한 결과입니다.
큰 조직에서는 문제가 생기면 전문 부서에 요청할 수 있습니다. 작업을 맡을 사람과 검토할 사람도 비교적 명확합니다.
작은 조직에서는 문제를 발견한 사람이 직접 해결해야 할 때가 많습니다. 대표가 기획과 영업을 함께 맡고, 마케터가 콘텐츠 제작과 웹사이트 운영까지 담당하는 식입니다.
AI는 이 과정에서 부족한 인력을 보완하는 범용 도구로 사용되고 있습니다. 그러나 직접 만들 수 있다는 것과 제대로 판단할 수 있다는 것은 같은 문제가 아닙니다.
![[DATA FROM THE REPORT] 이미지 출처 : OpenAI Economic Research, Work at the Frontier](https://cdn.maily.so/du/skillnau/202608/1785999161635053.jpg)
제작 권한보다 먼저 정리해야 할 것
대표가 랜딩페이지를 만들고, 마케터가 이미지를 생성하며, 영업 담당자가 고객별 제안서를 구성할 수 있습니다.
문제는 도구 사용법을 몰라서만 생기지 않습니다.
누구를 설득해야 하는지, 어떤 정보를 먼저 보여줘야 하는지, 사용할 수 있는 수치의 범위는 어디까지인지가 정리되지 않은 상태에서 각자 작업을 시작하기 때문에 생깁니다.
같은 회사가 만든 자료인데도 문장과 숫자의 기준이 다르고, 색상과 서체가 달라집니다. 어떤 자료는 중요한 근거가 빠지고, 어떤 자료는 확인되지 않은 표현이 그대로 외부에 공개됩니다.
이 문제를 해결하려면 색상표와 컴포넌트를 더 많이 만드는 것만으로는 부족합니다.
업무가 다른 사람에게 넘어갈 때 함께 전달되던 정보까지 시스템 안에 담아야 합니다.

디자인 시스템은 직무가 아니라 결과물을 기준으로 설계해야 합니다
기존 디자인 시스템은 주로 디자이너가 반복해서 사용하는 색상, 서체, 버튼, 카드와 같은 시각 요소를 관리했습니다.
여러 직무의 사람이 AI로 직접 결과물을 만드는 조직이라면 출발점이 달라져야 합니다.
먼저 조직에서 반복해서 만드는 결과물을 찾아야 합니다. 제안서, 발표자료, SNS 콘텐츠, 랜딩페이지, 고객 보고서처럼 실제로 여러 사람이 관여하는 결과물을 기준으로 살펴보는 것입니다.
그다음 각 결과물이 완성되기 전에 어떤 정보와 판단이 필요한지 정리해야 합니다.
1. 결과물별 필수 입력
제작을 시작하기 전에 반드시 확인해야 할 내용을 정합니다.
제안서라면 고객의 문제와 제안 범위, 근거가 되는 수치가 필요합니다. 발표자료라면 청중, 발표 목적, 제한 시간과 핵심 결론이 먼저 정리되어야 합니다.
색상과 레이아웃을 고르는 것보다 앞선 단계입니다.
2. 직접 처리할 일과 넘겨야 할 일
AI로 시도할 수 있는 범위와 전문가의 확인이 필요한 범위를 구분합니다.
초안 작성과 레이아웃 적용은 직접 할 수 있지만, 계약 조건이나 재무 수치, 외부 공개 문구처럼 오류의 영향이 큰 내용은 담당자의 확인을 거치도록 정할 수 있습니다.
모든 작업을 통제하는 것이 아니라, 어디에서 멈추고 누구에게 넘겨야 하는지를 알게 하는 기준입니다.
3. 결과물별 기본 구조
반복해서 만드는 결과물에는 검증된 기본 순서가 필요합니다.
SNS 콘텐츠와 사업 제안서는 목적이 다르기 때문에 같은 템플릿으로 해결할 수 없습니다. 결과물마다 독자가 무엇을 먼저 보고, 어떤 근거를 확인한 뒤, 어떤 행동을 해야 하는지에 맞춰 구조를 정해야 합니다.
4. 근거와 책임의 위치
숫자의 출처는 어디에 기록하는지, 최종 문구는 누가 확인하는지, 템플릿은 누가 관리하는지 정해야 합니다.
기준이 있어도 관리하는 사람이 없으면 오래된 정보가 그대로 반복됩니다. 제작 방법뿐 아니라 기준의 소유자와 수정 시점도 함께 정리해야 합니다.
디자이너의 역할은 결과물 사이의 연결을 설계하는 쪽으로 넓어집니다
OpenAI의 조사에서 디자이너는 다른 직무의 일을 가장 많이 끌어오는 직군 중 하나였습니다.
이는 디자이너가 마케팅이나 재무 전문가를 대신한다는 뜻이 아닙니다. 여러 분야의 정보를 이해하고, 결과물 안에서 서로 충돌하지 않도록 정리해야 할 일이 늘었다는 뜻에 가깝습니다.
디자이너가 해야 할 일도 달라집니다.
완성된 화면을 만드는 데서 끝나지 않고, 비디자이너가 어떤 정보를 준비해야 하는지, 어떤 구조에서 시작해야 하는지, 어느 단계에서 전문가에게 작업을 넘겨야 하는지까지 설계해야 합니다.
좋은 템플릿은 보기 좋은 빈칸을 제공하는 데 그치지 않습니다. 작업을 시작하기 전에 필요한 질문을 보여주고, 중요한 정보가 빠지는 것을 막아줍니다.
SkillNau의 발표자료 제작에 적용해 보면
발표자료도 여러 직무의 판단이 한곳에 모이는 결과물입니다.
대표는 사업 내용을 알고, 컨설턴트는 평가 기준을 해석하며, 디자이너는 정보의 우선순위를 화면으로 구성합니다. AI는 문서를 분석하고 초안을 만들 수 있지만, 이 세 가지 관점이 연결되지 않으면 내용은 요약되고 디자인만 남기 쉽습니다.
그래서 SkillNau의 발표자료 제작 기준은 슬라이드의 색상이나 레이아웃에서 시작하지 않습니다.
공고문이 무엇을 평가하는지, 사업계획서에서 어떤 근거를 가져올지, 심사위원에게 어떤 결론을 먼저 보여줄지를 정한 뒤 그 내용에 맞는 도식과 그래프를 선택합니다.
여기서 디자인 시스템은 슬라이드 모양을 통일하는 장치가 아닙니다. 사업계획서의 맥락이 발표자료로 넘어가는 과정에서 중요한 판단이 빠지지 않도록 만드는 작업 체계에 가깝습니다.

이번에 한번 확인해 보세요
□ AI 도입 이후 담당자가 아닌 사람이 직접 처리하는 업무가 늘어났는가.
□ 조직에서 여러 직무가 함께 만드는 결과물이 무엇인지 파악하고 있는가.
□ 결과물을 만들기 전에 반드시 준비해야 할 정보가 정리되어 있는가.
□ 직접 처리할 수 있는 일과 전문가에게 넘겨야 할 일을 구분할 수 있는가.
□ 템플릿이 색상과 레이아웃뿐 아니라 정보의 순서까지 안내하고 있는가.
□ 수치와 문구의 출처를 확인하는 사람이 정해져 있는가.
□ 오래된 기준과 템플릿을 누가, 언제 수정하는지 정해져 있는가.
업무 전달 횟수가 줄어들수록, 결과물에 필요한 맥락은 시스템 안에 남아 있어야 합니다.
일의 경계가 사라지는 시대, 무엇을 만들고 어떻게 판단할지에 대한 기준은 더 명확해야 합니다.
SkillNau | AI Creates. Humans Elevate.


의견을 남겨주세요