AI가 회계사·변호사보다 빠르고 정확해졌다? 전문직 시장을 흔드는 ‘AI 생산성 충격’ 정리
이번 이슈의 핵심은 단순히 “AI가 똑똑해졌다”가 아닙니다.
진짜 중요한 포인트는 AI가 전문가를 보조하는 수준을 넘어, 어떤 업무에서는 인간 전문가의 개입이 오히려 속도와 정확도를 떨어뜨리는 병목이 되고 있다는 점입니다.
특히 회계, 법률, 투자은행, 엑셀 모델링, 문서 검토처럼 고연봉 화이트칼라 직무의 핵심 업무에서 이런 현상이 빠르게 확인되고 있습니다.
이 변화는 글로벌 경제전망, 인공지능 투자, 생산성 혁신, 노동시장 재편, 반도체 사이클까지 연결되는 큰 흐름입니다.
오늘 내용은 회계사 실험 결과를 중심으로, 전문직 시장이 왜 술렁이는지, 그리고 개인과 투자자가 무엇을 준비해야 하는지 뉴스형식으로 정리해보겠습니다.
1. 미국 회계사 실험에서 나온 충격적인 결과
미국에서 흥미로운 실험이 진행됐습니다.
12명의 미국 공인회계사, 즉 CPA가 AI 모델 Claude와 함께 회계 업무를 수행했습니다.
참여자들은 대형 회계법인 출신 경력자들이었고, 평균적으로 5년 반 이상의 실무 경험을 가진 전문가들이었습니다.
실험 과제는 기업의 월말 결산 업무였습니다.
월말 결산은 한 달 동안 발생한 거래를 검토하고, 매출과 비용을 정확히 인식하며, 장부를 정리하는 작업입니다.
회계 실무에서 매우 중요하면서도 실수가 많이 나올 수 있는 영역입니다.
- 참여자: 미국 CPA 12명
- 경력: 대형 회계법인 출신, 평균 5.5년 이상
- 업무: 월말 결산 관련 4개 과제
- 비교 대상: AI 단독 수행, 인간 단독 수행, AI 수행 후 인간 검토
- 사용 모델: 원문 기준 Claude Opus 3
결과는 꽤 충격적이었습니다.
AI가 혼자 문제를 풀었을 때는 20번 시도에서 모두 100점을 기록했습니다.
반면 회계사가 AI 결과에 개입했을 때는 오히려 오류가 발생했습니다.
심지어 작업 시간도 AI 단독 수행보다 약 15배 더 오래 걸렸습니다.
2. 왜 회계사들이 어려워했을까?
이번 과제는 단순한 회계 시험이 아니었습니다.
수십 개의 문서와 데이터 안에서 오류를 찾아내야 하는 실무형 문제였습니다.
예를 들어 호텔 회계 과제에서는 주차장 수입 4,000달러가 객실 매출로 잘못 기록된 사례가 있었습니다.
또한 12월 말에 투숙한 고객이 1월 3일에 결제했는데, 이 매출이 12월 매출에서 누락된 사례도 있었습니다.
회계 기준상 돈을 1월에 받았더라도, 실제 서비스가 12월에 제공됐다면 매출은 12월에 인식해야 합니다.
- 주차장 수입을 객실 매출로 잘못 분류
- 12월 투숙객의 1월 결제를 12월 매출에서 누락
- 여러 문서에 흩어진 데이터 간 불일치 발생
- 수십 개의 함정을 동시에 검토해야 하는 구조
사람 입장에서는 이런 문제를 모두 잡아내기가 매우 어렵습니다.
문서가 많고, 계정과목이 섞여 있고, 날짜와 거래 조건까지 확인해야 하기 때문입니다.
실험에서 회계사들이 혼자 문제를 풀었을 때 평균 점수는 37점 수준이었습니다.
문제를 만든 전문가들조차 “숙련된 회계사도 절반을 넘기기 어려울 것”이라고 평가했다고 합니다.
3. AI 단독 수행이 인간+AI보다 나았다는 의미
가장 중요한 포인트는 AI가 인간보다 점수가 높았다는 사실 자체가 아닙니다.
더 중요한 건 인간이 AI 결과를 검토했을 때 오히려 성과가 나빠졌다는 점입니다.
우리의 상식으로는 전문가가 한 번 더 검토하면 정확도가 올라가야 합니다.
하지만 이번 실험에서는 반대 결과가 나왔습니다.
- AI 단독 수행: 20회 모두 100점
- AI 단독 작업 시간: 회당 10분 미만
- 인간 개입 시: 오류 발생
- 인간 개입 시: 작업 시간이 약 15배 증가
- AI 단독 비용: 문제당 약 0.21달러
- 회계사 비용: 문제당 약 10달러 수준
- 비용 차이: 약 50배
이 결과가 의미하는 건 명확합니다.
지식 노동의 일부 영역에서는 인간 전문가가 더 이상 품질 보증 장치가 아니라, 병목 구간이 될 수 있습니다.
속도, 정확도, 비용을 모두 놓고 봤을 때 AI가 압도하는 구간이 생기고 있습니다.
이건 단순한 자동화가 아니라 노동시장 재편의 신호입니다.
4. 회계만의 문제가 아니다: 법률·투자은행 업무까지 확산
“회계는 숫자와 정답이 있는 분야라서 AI가 잘하는 것 아니냐”는 반론이 나올 수 있습니다.
맞는 말입니다.
회계는 구조화된 문서와 숫자를 다루기 때문에 AI가 강점을 보이기 좋은 영역입니다.
그런데 문제는 비슷한 현상이 법률, 투자은행, 기업 재무 업무에서도 나타나고 있다는 점입니다.
원문에서는 APEX라는 벤치마크가 언급됩니다.
이 벤치마크는 기업 법무와 투자은행 업무를 테스트하는 방식입니다.
여기서 AI는 복잡한 기업 실무 과제를 수행합니다.
단순히 객관식 문제를 맞히는 수준이 아니라, 수많은 파일을 검토하고 엑셀 모델을 수정하며 의사결정에 필요한 결과를 도출하는 업무입니다.
- 기업 법률 문서 검토
- 투자은행 업무 분석
- LBO, 즉 차입매수 엑셀 모델링
- 수백 개 파일 기반 데이터 분석
- 성장률, 부채 비용, 투자자 수익률 등 복합 변수 조정
특히 LBO 엑셀 모델링은 고급 투자은행 업무의 대표적인 예시입니다.
성장률 하나를 바꾸면 매출과 이익이 바뀌고, 부채 비용을 바꾸면 투자자 수익률이 바뀝니다.
엑셀 안의 수많은 수식이 서로 연결돼 있어서 사람이 실수 없이 수정하기 어렵습니다.
원문에 따르면 사람이 하면 일주일 이상 걸릴 수 있는 업무를 AI가 약 20분 만에 처리했다고 합니다.
5. 더 무서운 건 ‘AI 성능’보다 ‘AI 발전 속도’
이번 이슈에서 더 무서운 부분은 현재 성능보다 발전 속도입니다.
원문에서는 약 1년 반 전 GPT-4가 이런 회계 과제를 거의 풀지 못했다고 설명합니다.
그런데 이후 모델은 30점 수준에 접근했고, 다시 1년 만에 전문가를 압도하는 수준까지 올라왔다고 합니다.
즉 AI는 조금씩 개선되는 게 아니라, 특정 시점부터 직무 단위로 인간을 추월하는 방식으로 발전하고 있습니다.
원문에는 일부 최신 모델명과 점수도 언급됩니다.
다만 공개적으로 확인이 필요한 명칭이나 벤치마크 해석도 포함될 수 있으므로, 핵심은 특정 모델명이 아니라 “고난도 지식 업무에서 AI의 성능 향상 속도가 매우 빠르다”는 흐름으로 보는 게 합리적입니다.
- 과거 GPT-4 수준에서는 고난도 실무 과제 수행이 제한적이었다는 평가
- 이후 모델들은 전문가 수준에 빠르게 근접
- 최근에는 일부 업무에서 전문가를 넘어서는 결과 발생
- 6개월에서 1년 단위로 벤치마크 성능이 크게 상승
이 흐름은 기업 입장에서 매우 중요한 변화입니다.
기업은 인건비, 작업 시간, 품질 관리 비용을 동시에 줄일 수 있는 도구를 그냥 두지 않습니다.
결국 AI 도입은 비용 절감이 아니라 생산성 혁신의 핵심 전략이 될 가능성이 높습니다.
6. 인간이 병목이 되는 시대가 온다는 뜻
기존에는 AI가 인간을 보조하는 도구였습니다.
하지만 이제 일부 지식 업무에서는 인간이 AI를 보조해야 하는 상황이 생기고 있습니다.
더 나아가 인간이 개입하면 오히려 느려지고 틀리는 구간도 나옵니다.
이게 바로 “인간 병목” 현상입니다.
예전에는 계산기를 잘 쓰는 사람이 계산을 빠르게 했습니다.
하지만 계산기보다 암산을 잘하겠다고 경쟁하는 사람은 없습니다.
지식 업무에서도 비슷한 변화가 시작되고 있습니다.
AI보다 더 많이 알고, 더 빨리 문서를 읽고, 더 정확히 계산하겠다는 경쟁은 점점 의미가 줄어들 수 있습니다.
앞으로 중요한 능력은 지식 자체를 많이 외우는 것이 아닙니다.
AI에게 올바른 맥락을 주고, 좋은 질문을 던지고, 결과를 비즈니스 의사결정으로 연결하는 능력입니다.
7. 전문직은 사라질까? 핵심은 ‘도장값’과 책임이다
그렇다고 회계사, 변호사, 세무사, 애널리스트 같은 전문직이 바로 사라진다고 보기는 어렵습니다.
전문직에는 여전히 인간만이 담당할 수 있는 영역이 있습니다.
바로 책임과 신뢰입니다.
AI는 감사보고서에 서명할 수 없습니다.
AI는 법정에서 변호사 자격으로 책임을 질 수 없습니다.
AI는 고객과 이해관계를 조율하고, 최종 판단에 대한 법적 책임을 지지 않습니다.
결국 전문직의 가치는 지식 보유량이 아니라, 판단과 책임의 영역으로 이동할 가능성이 큽니다.
- AI가 잘하는 일: 데이터 처리, 초안 작성, 문서 검토, 계산, 비교 분석
- 인간이 해야 할 일: 최종 판단, 고객 커뮤니케이션, 문제 정의, 책임 있는 서명
- 전문직의 미래 가치: 지식 노동자에서 책임 설계자로 이동
쉽게 말하면 앞으로 전문직은 “내가 직접 다 하는 사람”이 아니라 “AI가 만든 결과를 기반으로 최종 책임을 지는 사람”이 될 가능성이 높습니다.
8. 직장인에게 더 중요한 메시지: 남의 일이 아니다
이 이슈를 전문직만의 문제로 보면 안 됩니다.
회계사와 변호사가 흔들린다면 일반 사무직, 기획자, 마케터, 개발자, 리서처, 애널리스트도 안전하지 않습니다.
화이트칼라 업무의 상당 부분은 문서 읽기, 자료 정리, 계산, 보고서 작성, 데이터 비교로 구성됩니다.
그리고 이 영역은 AI가 가장 빠르게 파고드는 분야입니다.
AI를 잘 쓰는 사람과 그렇지 않은 사람의 생산성 격차는 앞으로 더 크게 벌어질 가능성이 큽니다.
같은 회사 안에서도 AI를 업무 프로세스에 깊게 넣은 직원은 혼자서 몇 명의 일을 처리할 수 있습니다.
반대로 AI를 단순 검색창처럼 쓰는 사람은 성과 차이를 체감하기 어려울 수 있습니다.
9. 사람들이 AI를 과소평가하는 이유
많은 사람들이 “AI 써봤는데 별로던데?”라고 말합니다.
그런데 실제로는 AI가 부족한 게 아니라, 사용하는 방식이 부족한 경우가 많습니다.
AI에게 맥락을 충분히 주지 않거나, 목표를 명확히 설명하지 않거나, 오래된 모델을 사용하면서 성능을 평가하는 경우가 많습니다.
- 나쁜 프롬프트: “이거 정리해줘”
- 좋은 프롬프트: “이 자료를 CFO 보고용으로 5개 리스크와 3개 대응전략 중심으로 정리해줘”
- 나쁜 사용법: 한 번 답변 받고 끝내기
- 좋은 사용법: 초안, 검증, 반론, 재작성, 의사결정까지 연속 작업
앞으로는 AI 결과물이 별로라면, AI 자체보다 사용자의 지시 방식과 업무 설계 능력을 먼저 점검해야 하는 시대가 올 수 있습니다.
10. 다른 뉴스나 유튜브에서 잘 말하지 않는 진짜 핵심
대부분의 콘텐츠는 “AI가 회계사를 이겼다”는 자극적인 부분에 집중합니다.
하지만 진짜 중요한 건 따로 있습니다.
- 첫째, AI는 단순 반복 업무가 아니라 고난도 판단형 문서 업무까지 들어오고 있습니다.
- 둘째, 인간 검토가 항상 품질을 높인다는 믿음이 깨지고 있습니다.
- 셋째, 기업은 비용이 50배 차이 나는 구조를 절대 외면하지 않습니다.
- 넷째, 전문직의 가치는 지식 보유가 아니라 책임과 고객 신뢰로 이동합니다.
- 다섯째, AI를 쓰는 개인과 안 쓰는 개인의 소득 격차가 커질 가능성이 높습니다.
- 여섯째, AI 인프라를 가진 기업과 국가가 더 많은 부가가치를 가져갈 가능성이 큽니다.
특히 주목할 부분은 자본 격차입니다.
AI를 잘 쓰는 기업은 인건비를 줄이고 생산성을 높이며, 더 많은 데이터를 확보합니다.
그 데이터는 다시 AI 성능 개선과 서비스 확장으로 이어집니다.
결국 AI 기업, 클라우드 기업, 반도체 기업, 데이터센터 기업 중심으로 산업 집중도가 높아질 수 있습니다.
이 흐름은 인공지능 투자와 글로벌 경제전망을 볼 때 반드시 체크해야 할 변수입니다.
11. 투자 관점에서 봐야 할 변화
AI가 전문직의 생산성을 바꾸면 기업 이익 구조도 바뀝니다.
인건비가 높은 산업일수록 AI 도입 효과가 클 수 있습니다.
회계, 법률, 금융, 컨설팅, 소프트웨어, 헬스케어 행정, 보험 심사 같은 분야가 대표적입니다.
동시에 AI 산업을 떠받치는 인프라의 중요성도 커집니다.
AI 모델이 발전할수록 더 많은 GPU, 메모리 반도체, 전력, 냉각 시스템, 데이터센터가 필요합니다.
그래서 AI 트렌드는 단순한 기술 이슈가 아니라 반도체 사이클, 전력 인프라, 클라우드 투자, 금리 전망과도 연결됩니다.
- 수혜 가능 영역: AI 소프트웨어, 클라우드, 반도체, 데이터센터, 전력 인프라
- 압박 가능 영역: 단순 문서 처리 중심 아웃소싱, 반복 사무직, 저부가가치 리서치 업무
- 핵심 변수: AI 도입 속도, 규제, 기업의 비용 절감 압박, 금리 환경
금리가 높은 환경에서는 기업들이 비용 절감에 더 민감해집니다.
이때 AI는 단순한 혁신 도구가 아니라 비용 구조를 바꾸는 생존 전략이 됩니다.
반대로 금리 인하 기대가 커지면 AI 인프라 투자가 더 공격적으로 확대될 수 있습니다.
12. 개인이 지금 당장 해야 할 일
가장 현실적인 대응은 두 가지입니다.
첫째, AI를 계속 써야 합니다.
둘째, AI 산업의 구조를 이해해야 합니다.
AI는 책으로만 공부하면 체감이 안 됩니다.
직접 업무에 넣어봐야 합니다.
보고서 작성, 이메일 작성, 엑셀 분석, 회의록 정리, 시장 조사, 코드 작성, 계약서 검토 등 자신의 업무에 최대한 붙여봐야 합니다.
- 매일 반복 업무 중 1개를 AI로 자동화해보기
- 보고서 초안을 AI에게 맡기고 본인은 구조와 판단에 집중하기
- AI에게 반론을 시켜서 의사결정 리스크 점검하기
- 엑셀, 문서, 프레젠테이션 작업에 AI를 연결하기
- 프롬프트보다 업무 프로세스 전체를 AI 친화적으로 바꾸기
앞으로의 경쟁력은 “AI를 아느냐”가 아니라 “AI와 함께 일하는 시스템을 갖췄느냐”에서 갈릴 가능성이 큽니다.
13. 기업이 준비해야 할 일
기업도 단순히 AI 계정을 몇 개 사주는 수준에서 끝내면 안 됩니다.
업무 프로세스를 AI 기준으로 다시 설계해야 합니다.
특히 고비용 전문 인력이 반복적으로 처리하는 문서 업무부터 점검해야 합니다.
- 회계 결산 프로세스에 AI 검토 단계 도입
- 법무 계약서 리뷰 자동화
- 투자 검토 자료의 데이터 추출 자동화
- 고객 응대와 내부 보고서 작성 자동화
- AI 결과물에 대한 책임자 승인 체계 구축
다만 AI가 모든 책임을 대신할 수는 없습니다.
그래서 기업은 AI 활용 규정, 데이터 보안, 결과 검증 프로세스, 최종 승인 권한을 함께 설계해야 합니다.
14. 결론: 전문직의 위기가 아니라 ‘업무 정의의 재편’이다
이번 회계사 실험은 전문직이 끝났다는 이야기가 아닙니다.
정확히는 전문직의 업무 정의가 바뀌고 있다는 신호입니다.
예전에는 지식을 많이 알고 실무를 빠르게 처리하는 사람이 강했습니다.
앞으로는 AI를 활용해 더 큰 문제를 정의하고, 결과에 책임지며, 고객이 이해할 수 있게 판단을 전달하는 사람이 강해질 가능성이 큽니다.
AI는 인간의 일을 한 번에 모두 대체하지 않을 수 있습니다.
하지만 AI를 쓰는 사람이 AI를 쓰지 않는 사람을 대체할 가능성은 매우 높습니다.
전문직이든 직장인이든 지금 필요한 건 공포가 아니라 전환입니다.
AI를 경쟁자로만 보면 불안해지고, 도구로만 보면 기회를 놓칩니다.
AI를 함께 일하는 새로운 인프라로 받아들이는 사람이 다음 생산성 혁신의 수혜자가 될 가능성이 큽니다.
< Summary >
미국 CPA 12명이 참여한 회계 실험에서 AI가 단독으로 수행했을 때 20회 모두 100점을 기록했습니다.
반면 인간 전문가가 개입했을 때는 오류가 발생하고 작업 시간도 약 15배 늘었습니다.
AI 비용은 문제당 약 0.21달러, 회계사 비용은 약 10달러로 약 50배 차이가 났습니다.
이 변화는 회계뿐 아니라 법률, 투자은행, 엑셀 모델링 등 고급 지식 업무로 확산되고 있습니다.
전문직의 핵심 가치는 지식 처리에서 책임, 판단, 고객 커뮤니케이션으로 이동하고 있습니다.
개인은 AI를 꾸준히 업무에 적용해야 하고, 기업은 AI 중심으로 프로세스를 재설계해야 합니다.
AI 시대의 경쟁력은 AI보다 똑똑해지는 것이 아니라, AI를 가장 잘 활용하는 시스템을 갖추는 데 있습니다.
