문서를 읽지 않아도 되는 시대에, 왜 책임지는 일은 더 어려워지는가

Aug 20, 2026

7 min read

1 views

92%

어떤 사람은 공무원 시험장에 오지 않는다. 합격 가능성이 낮아서가 아니라, 합격한 뒤 감당해야 할 민원과 책임이 두려워서다. 또 어떤 사람은 수백 쪽의 문서를 읽지 않고도 몇 분 만에 핵심을 파악한다. 기술이 발전했기 때문이다. 겉으로는 전혀 다른 두 장면처럼 보이지만, 둘은 같은 시대의 불안을 드러낸다.

정보를 처리하는 일은 점점 쉬워지는데, 그 정보를 바탕으로 책임지는 일은 점점 어려워지고 있다.

이 변화는 단순히 공무원의 인기가 떨어졌다는 이야기나 인공지능이 업무를 효율화한다는 이야기가 아니다. 더 깊은 질문은 이것이다. 우리는 이제 무엇을 알고 있어야 일을 잘한다고 말할 수 있는가? 문서를 직접 읽지 않고도 결정을 내릴 수 있다면, 그 결정의 책임은 누구에게 돌아가는가? 그리고 시민이나 고객의 공격을 감수하면서까지 책임지는 일을 맡으려는 사람은 어떻게 남게 되는가?

읽기의 자동화와 책임의 수동성

과거의 사무 노동에서 가장 큰 병목은 정보에 접근하는 일이었다. 자료를 찾고, 문서를 복사하고, 여러 보고서를 대조하고, 중요한 문장을 표시하는 데 많은 시간이 들었다. 좋은 직원이란 대체로 많은 자료를 빠르게 읽고 기억하는 사람이었다.

하지만 인공지능 도구는 이 구조를 바꾸고 있다. 방대한 자료를 입력하면 핵심 내용을 요약하고, 문서 사이의 차이를 비교하며, 질문에 맞춰 필요한 부분을 찾아준다. 예전에는 한나절이 걸렸을 작업이 몇 분으로 줄어든다. 이는 분명한 생산성 향상이다.

그런데 여기서 반드시 구분해야 할 것이 있다. 정보를 얻는 것과 내용을 이해하는 것은 다르고, 내용을 이해하는 것과 책임 있게 판단하는 것은 더 다르다.

예를 들어 어떤 직원이 수백 쪽의 정책 자료를 인공지능으로 요약했다고 하자. 그는 예산 규모, 추진 일정, 예상 효과를 알고 있다. 그러나 원문에 포함된 예외 조항을 놓쳤을 수 있고, 요약 과정에서 빠진 이해관계자의 반론을 모를 수도 있다. 그는 문서에 관한 정보를 얻었지만, 문서 전체를 읽었다고 말하기는 어렵다. 더 정확히 말하면 그는 문서의 표면적 구조를 파악한 것이지, 문서가 만들어진 맥락과 침묵까지 이해한 것은 아니다.

이 차이는 평범한 업무에서는 작게 보일 수 있다. 그러나 민원 처리, 복지 대상자 선정, 인허가, 채용, 의료와 법률처럼 누군가의 삶에 직접 영향을 주는 영역에서는 치명적이다. 요약은 판단을 도울 수 있지만 판단을 대신하지는 않는다. 자동화는 탐색의 부담을 줄일 수 있지만, 결과를 설명하고 이의를 듣고 잘못을 수정하는 부담까지 없애지는 못한다.

인공지능은 정보의 무게를 줄이지만, 결정의 무게까지 줄이지는 않는다.

사람들이 피하는 것은 직업이 아니라 노출이다

안정적인 직업으로 여겨지던 공직을 꺼리는 현상도 이 관점에서 다시 볼 수 있다. 과거에 공무원이라는 직업이 매력적이었던 이유는 고용 안정성, 예측 가능한 경력, 사회적 신뢰 같은 요소 때문이었다. 그러나 직업의 가치는 급여와 안정성만으로 결정되지 않는다. 하루 동안 감당해야 하는 갈등의 강도, 그리고 실수했을 때 자신이 얼마나 직접 노출되는지도 중요하다.

악성 민원은 단순한 불편이 아니다. 그것은 업무 수행자를 정보 처리자가 아니라 갈등의 최전선에 세운다. 규정상 불가능한 요구를 설명해야 하고, 조직의 결정에 대한 분노를 개인의 얼굴로 받아내야 하며, 때로는 언어적 공격과 위협에도 대응해야 한다. 이때 직원은 제도 전체를 대표하지만, 실제로 사용할 수 있는 권한은 제한적이다. 책임은 개인의 이름으로 돌아오는데, 통제할 수 있는 수단은 조직 안에 흩어져 있는 셈이다.

이런 환경에서 사람들은 안정성을 계산할 때 월급이나 정년만 보지 않는다. 다음과 같은 질문을 함께 계산한다.

내가 결정할 수 없는 일에 대해 내가 비난받게 되는가?
갈등이 발생했을 때 조직이 나를 보호하는가?
실수나 오해를 설명할 충분한 시간과 절차가 있는가?
내가 처리한 사건이 기록으로 남아 나중에 나에게 돌아오는가?

이 질문에 대한 답이 부정적이면, 아무리 시험의 합격률이 높고 고용이 안정적이어도 지원자는 줄어들 수 있다. 사람들이 피하는 것은 반드시 공공성이 아니다. 보호 장치 없이 책임에 노출되는 상태다.

여기서 인공지능의 확산과 공직 기피가 만난다. 인공지능은 사람이 처리해야 할 정보량을 줄여주지만, 사회는 동시에 더 빠른 응답과 더 정교한 설명을 요구한다. 결과적으로 인간은 단순한 업무에서 해방되는 대신, 예외 상황과 감정적 충돌, 최종 판단을 더 많이 맡게 된다.

자동화가 진행될수록 남는 일은 쉬운 일이 아니라 어려운 일이다. 반복적인 문의는 챗봇이 처리할 수 있지만, 억울함을 호소하는 사람의 사정을 듣고 규정의 경계를 해석하는 일은 남는다. 자료를 요약하는 작업은 도구가 할 수 있지만, 서로 충돌하는 자료 중 무엇을 믿을지 결정하는 일은 남는다. 인간의 일이 줄어드는 것이 아니라, 인간에게 남는 일의 평균 난도가 올라가는 것이다.

요약은 새로운 문해력이 아니라 새로운 위험 관리다

인공지능으로 문서를 읽는다는 표현은 편리하지만, 실제로는 여러 단계의 작업이 하나로 뭉뚱그려져 있다. 문서를 읽는 행위에는 적어도 네 가지가 포함된다.

첫째, 무엇이 적혀 있는지 파악하는 검색이다. 둘째, 중요한 내용과 부차적인 내용을 구분하는 선별이다. 셋째, 문장이 나온 배경과 이해관계자를 추적하는 맥락화다. 넷째, 그 내용을 근거로 행동하고 결과를 감수하는 판단이다.

인공지능은 검색과 선별을 매우 잘 도울 수 있다. 일정한 형식의 문서라면 맥락화에도 유용하다. 하지만 판단은 다른 문제다. 판단에는 목표와 가치가 필요하고, 가치가 충돌할 때 무엇을 우선할지 정해야 한다. 또한 판단에는 책임 주체가 필요하다. 인공지능은 답변을 생성할 수 있지만, 민원인에게 사과하거나 법적 결정의 근거를 설명하거나 피해를 보상하는 주체가 될 수 없다.

따라서 앞으로 필요한 능력은 모든 문서를 처음부터 끝까지 읽는 성실함만이 아니다. 그렇다고 요약 결과를 빠르게 믿는 능력도 아니다. 중요한 것은 요약을 어디까지 믿어도 되는지 판단하는 능력이다.

이를 위해 업무 문서를 세 종류로 나눠볼 수 있다.

1. 탐색용 문서

회의 자료의 핵심, 반복되는 수치, 일정과 담당자를 파악하는 문서다. 오류가 발생해도 쉽게 수정할 수 있고, 결정에 미치는 영향이 제한적이다. 이런 문서는 인공지능의 요약을 적극 활용해도 된다.

2. 판단용 문서

예산 배분, 정책 우선순위, 계약 조건처럼 선택의 근거가 되는 자료다. 요약을 사용하되 원문에서 근거가 되는 문장을 확인해야 한다. 특히 인공지능이 제시한 결론보다, 그 결론을 지지하는 인용이 실제 문서에 존재하는지 살펴야 한다.

3. 책임용 문서

누군가의 권리, 생계, 신분, 안전에 직접 영향을 주는 문서다. 징계, 복지 수급, 인허가 취소, 해고, 의료 판단 등이 여기에 해당한다. 이런 문서는 요약만으로 처리해서는 안 된다. 핵심 조항뿐 아니라 예외, 반대 근거, 절차적 권리를 직접 확인하고, 결정 과정을 기록해야 한다.

이 분류의 핵심은 문서의 길이가 아니다. 한 쪽짜리 문서도 사람의 삶을 바꾸면 책임용 문서다. 반대로 수백 쪽의 참고 자료가 단순한 배경 정보라면 탐색용으로 처리할 수 있다. 읽기의 깊이는 문서의 분량이 아니라 결과의 비가역성에 비례해야 한다.

조직은 효율보다 책임의 구조를 먼저 설계해야 한다

개인의 주의만으로는 이 문제를 해결할 수 없다. 조직이 인공지능 도구를 도입하면서 처리 시간만 줄이려 한다면, 결국 직원에게 더 많은 사건과 더 복잡한 민원을 배정하게 된다. 업무량은 감소하지 않고, 인간이 맡는 고난도 구간만 압축된다.

좋은 조직은 자동화율을 자랑하기 전에 책임의 경계를 설계한다. 예를 들어 인공지능이 민원 내용을 분류하고 관련 규정을 찾아줄 수는 있다. 그러나 다음 단계에서 누가 원문을 확인하는지, 누가 예외 사유를 검토하는지, 누가 최종 답변을 승인하는지 정해야 한다. 또한 인공지능의 오류가 발견됐을 때 이를 신고하고 수정하는 통로가 있어야 한다.

여기에는 세 가지 보호 장치가 필요하다.

첫째, 이중 확인의 기준이다. 모든 결과를 사람이 다시 확인하라는 뜻은 아니다. 위험도가 높은 업무일수록 확인 범위를 넓히고, 위험도가 낮은 업무는 자동화하는 차등 규칙이 필요하다.

둘째, 설명 가능한 기록이다. 최종 답변만 남기면 나중에 왜 그런 결정을 했는지 알 수 없다. 어떤 자료를 참고했고, 인공지능의 어떤 제안을 사용했으며, 사람이 어떤 이유로 수정했는지 기록해야 한다.

셋째, 갈등의 공동 부담이다. 민원 응대자를 개인 방패로 세워서는 안 된다. 악성 민원에 대한 분류와 차단, 상급자 개입, 법률 지원, 심리적 회복 절차가 있어야 한다. 책임을 개인에게 맡기려면 최소한 그 개인이 책임을 감당할 권한과 보호도 함께 제공해야 한다.

이것은 공공기관에만 해당하지 않는다. 고객센터, 병원, 학교, 은행, 플랫폼 기업도 마찬가지다. 자동화가 고객의 질문을 빠르게 처리할수록, 인간 상담원은 환불 분쟁이나 안전 문제처럼 감정과 책임이 얽힌 사건을 더 많이 맡게 된다. 조직이 이 구조를 모르면 생산성 향상은 곧 소진의 가속이 된다.

효율화된 조직은 사람이 덜 일하는 조직이 아니라, 사람이 가장 어려운 일을 맡더라도 보호받는 조직이다.

지금 당장 적용할 수 있는 읽기와 책임의 원칙

개인과 조직 모두 거대한 제도 개편을 기다릴 필요는 없다. 인공지능 도구를 사용하면서도 이해와 책임을 놓치지 않으려면 다음의 원칙을 실천할 수 있다.

Key Takeaways

문서를 위험도에 따라 분류하라. 정보 탐색용인지, 판단 근거인지, 누군가의 권리를 결정하는 책임용인지 먼저 정한다. 중요한 문서일수록 요약을 출발점으로만 사용한다.
요약보다 누락을 먼저 물어라. 인공지능에게 핵심 내용만 묻지 말고, 예외 조항, 반대 논리, 불확실한 부분, 원문 확인이 필요한 대목을 함께 요청한다.
결론과 근거를 분리해서 검증하라. 요약이 그럴듯한지 보지 말고, 제시된 근거가 실제 원문에 있는지 확인한다. 인공지능의 문장 품질은 사실의 정확성을 보장하지 않는다.
책임이 생기는 순간 사람을 지정하라. 자동화된 결과를 누가 승인하고, 누가 설명하며, 오류가 발생했을 때 누가 수정하는지 업무 절차에 명시한다.
갈등 비용을 성과 평가에 포함하라. 처리 건수와 응답 속도만 측정하면 조직은 가장 어려운 민원을 개인에게 떠넘기게 된다. 난이도, 감정 노동, 재발 방지 기여도도 함께 평가해야 한다.

더 적게 읽는 시대에는, 더 잘 멈춰야 한다

우리는 오랫동안 성실함을 읽은 페이지 수로 측정했다. 모든 자료를 직접 읽고, 모든 세부 사항을 기억하며, 어떤 질문에도 즉시 답하는 사람이 유능하다고 생각했다. 인공지능은 이 기준을 무너뜨린다. 이제 중요한 것은 얼마나 많이 읽었는지가 아니라, 언제 요약을 믿고 언제 원문으로 돌아가야 하는지 아는가다.

동시에 안정적인 직업의 가치는 얼마나 오래 자리를 지킬 수 있는가에서 얼마나 안전하게 책임을 질 수 있는가로 이동하고 있다. 사람들은 단지 편한 일을 원하지 않는다. 자신이 통제할 수 없는 결과에 대해 무방비로 비난받지 않기를 원한다. 이는 책임 회피가 아니라 책임의 조건에 대한 합리적인 질문이다.

결국 인공지능 시대의 핵심 자원은 정보가 아니다. 정보는 점점 풍부해지고, 요약도 점점 쉬워진다. 희소해지는 것은 맥락을 이해하고, 예외를 감지하고, 타인에게 설명하며, 결과를 함께 감당하는 능력이다.

문서를 읽지 않아도 되는 시대가 오고 있다. 그러나 책임까지 자동화되는 시대는 아직 오지 않았다. 오히려 인간에게 남은 일은 더 짧은 문서와 더 빠른 도구 뒤에 숨은 예외를 발견하고, 누군가의 분노와 불안을 받아내며, 최종적으로 자신의 이름을 걸고 판단하는 일이다.

그러므로 우리가 던져야 할 질문은 “인공지능이 이 일을 대신할 수 있는가?”가 아니다. 더 중요한 질문은 이것이다.