AI 잘 쓰는 리더의 조건: 생성형 AI 시대, 리더가 바뀌지 않으면 조직의 워크플로우가 무너집니다
이번 내용의 핵심은 “어떤 AI 툴을 쓰느냐”가 아닙니다.
진짜 중요한 건 리더가 AI를 도깨비 방망이처럼 쓰는지, 아니면 빨래 방망이처럼 끈질기게 두드리며 인사이트를 뽑아내는지입니다.
김지현 SK AI위원회 부사장의 이야기를 기준으로 보면, AI 전환의 승부처는 개인의 업무 자동화가 아니라 조직 전체의 워크플로우 재설계입니다.
특히 리더가 생성형 AI를 잘못 쓰면 팀원의 성장 기회가 사라지고, 보고 체계는 그대로인데 업무 속도만 빨라져 조직 번아웃이 커질 수 있습니다.
반대로 제대로 쓰면 시장 분석, 보고서 작성, 고객 반응 분석, 전략 의사결정까지 기업 경쟁력을 끌어올리는 강력한 생산성 향상 도구가 됩니다.
1. 핵심 뉴스: AI 잘 쓰는 리더는 “AI를 쓰라고 말하는 사람”이 아니라 “직접 써보고 조직 구조를 바꾸는 사람”입니다
요즘 기업 현장에서 가장 많이 보이는 리더 유형은 크게 두 가지입니다.
- 첫 번째는 본인은 AI를 거의 쓰지 않으면서 “우리도 AX 해야 한다”고 외치는 리더입니다.
- 두 번째는 조금 써본 뒤 “이거 AI로 다 되던데 왜 못 하냐”고 조직을 압박하는 리더입니다.
첫 번째 유형은 실행 없는 구호에 가깝습니다.
두 번째 유형은 더 위험합니다.
AI가 할 수 있는 일과 사람이 반드시 해야 하는 일을 구분하지 못하기 때문입니다.
이런 리더는 AI를 생산성 향상 도구로 쓰는 것이 아니라, 팀원에게 무리한 숙제를 던지는 방식으로 사용합니다.
김지현 부사장이 강조한 포인트는 명확합니다.
AI는 회사의 디지털 전환을 빠르게 만들 수 있지만, 리더가 직접 써보지 않으면 조직의 병목 지점을 발견할 수 없습니다.
즉, 리더가 AI를 잘 써야 하는 이유는 본인 업무가 빨라지기 때문만이 아닙니다.
회사의 보고 체계, 회의 방식, 승인 프로세스, 협업 구조를 어디서부터 바꿔야 하는지 판단하기 위해서입니다.
2. AI에 맡길 일과 리더가 직접 해야 할 일은 다릅니다
AI 활용의 가장 중요한 기준은 “AI를 사람처럼 생각하라”는 것입니다.
회사에서 직원에게 일을 맡길 때도 완전히 맡길 일이 있고, 중간 점검이 필요한 일이 있고, 최종 판단은 리더가 해야 하는 일이 있습니다.
AI도 똑같습니다.
리더가 AI에 맡겨도 되는 일
- 회의록 초안 정리.
- 경쟁사 리포트 요약.
- 시장 동향 자료 수집.
- 글로벌 뉴스와 리서치 자료 스크랩.
- 보고서 초안 구조 제안.
- 발표 예상 질문 리스트 작성.
- 문서의 논리적 허점 점검.
이런 업무는 반복성이 높고, 자료 탐색과 정리에 시간이 많이 들어갑니다.
생성형 AI를 활용하면 리더는 단순 자료 수집 시간을 줄이고 더 중요한 판단에 집중할 수 있습니다.
리더가 직접 해야 하는 일
- 사업 방향에 대한 최종 의사결정.
- 보고서의 핵심 메시지 결정.
- 사장, 회장, 이사회에 전달할 전략적 시사점 정리.
- 조직 리스크 판단.
- 시장 변화에 대한 본인만의 해석.
- AI가 제안한 내용 중 무엇을 버리고 무엇을 채택할지 결정.
AI가 핵심 인사이트까지 대신 만들어주길 기대하면 리더의 역할은 사라집니다.
AI는 답을 대신 내주는 존재가 아니라, 리더의 판단력을 더 강하게 만드는 도구여야 합니다.
3. 직원에게는 무조건 AI를 쓰게 하면 안 됩니다
리더에게 유용한 AI 활용법이 신입이나 주니어 직원에게도 그대로 좋은 것은 아닙니다.
이 지점이 생각보다 중요합니다.
예를 들어 회의록 정리는 리더에게는 AI에 맡겨도 되는 업무일 수 있습니다.
하지만 일을 배우는 직원에게는 회의록 정리 자체가 중요한 훈련입니다.
회의 내용을 다시 떠올리고, 누가 어떤 논리로 말했는지 정리하고, 의사결정의 맥락을 이해하는 과정에서 업무 근육이 생기기 때문입니다.
시장 조사도 마찬가지입니다.
AI가 경쟁사 동향을 요약해주면 편합니다.
하지만 직원이 처음부터 AI 요약만 보면 다양한 기사, 블로그, 애널리스트 리포트, 유튜브, 커뮤니티를 돌아보며 생기는 감각을 잃게 됩니다.
김지현 부사장의 관점은 이렇게 정리할 수 있습니다.
- 이미 잘하는 일은 AI에 맡겨도 됩니다.
- 아직 못하는 일은 직접 해보며 기본기를 쌓아야 합니다.
- 반복 업무는 AI로 줄여도 됩니다.
- 판단력과 맥락 이해가 필요한 업무는 쉽게 넘기면 안 됩니다.
AI를 잘못 쓰면 직원의 생산성은 올라가는 것처럼 보이지만, 장기적으로는 조직의 학습 능력이 약해질 수 있습니다.
4. 도깨비 방망이가 아니라 빨래 방망이처럼 써야 합니다
많은 사람이 AI를 “나와라 뚝딱” 방식으로 사용합니다.
질문 하나 던지고 답변이 마음에 안 들면 “AI 별로네”라고 끝냅니다.
김지현 부사장은 이 방식을 도깨비 방망이식 AI 활용이라고 봅니다.
반대로 진짜 좋은 리더는 AI를 빨래 방망이처럼 씁니다.
한 번 질문하고 끝내는 것이 아니라, 계속 두드리고, 다시 묻고, 반대 의견을 요구하고, 근거를 확인하고, 다른 관점으로 재해석합니다.
중요한 건 최종 결과물만 좋아지는 게 아닙니다.
그 과정에서 리더의 생각이 바뀝니다.
“이럴 수도 있구나”, “내가 놓친 관점이 있었네”, “이 시장은 이렇게 해석할 수도 있겠네”라는 인사이트가 생깁니다.
AI를 잘 쓰는 리더는 질문을 두세 번 던지는 데서 멈추지 않습니다.
하나의 대화창에서 10턴, 30턴, 100턴까지도 이어가며 논쟁합니다.
이 과정이 글로벌 경제 전망, 산업 분석, AI 투자 전략 같은 복잡한 주제를 이해하는 속도를 크게 높입니다.
5. AI는 시간을 줄이는 도구가 아니라 일의 순서를 바꾸는 도구입니다
기존의 보고서 작성 방식은 대체로 선형적이었습니다.
- 1주차에는 자료를 찾습니다.
- 2주차에는 목차와 메시지를 구성합니다.
- 3주차에는 초안을 리뷰하고 수정합니다.
- 4주차에는 디자인과 발표 자료를 다듬습니다.
하지만 AI를 쓰면 이 순서가 완전히 흔들립니다.
자료 조사 중에 이미 발표 구조를 만들 수 있습니다.
초안 작성 전에 시각화 방향을 먼저 검토할 수 있습니다.
보고서 디자인을 하다가 다시 핵심 메시지를 바꿀 수도 있습니다.
시장 분석을 하면서 동시에 예상 질문을 만들고, 반박 논리를 검증할 수도 있습니다.
이게 바로 AI 전환이 단순한 업무 자동화와 다른 지점입니다.
AI는 기존 업무를 조금 빠르게 만드는 수준이 아니라, 업무의 순서와 협업 방식을 바꿉니다.
그래서 리더가 직접 AI를 써봐야 합니다.
그래야 우리 회사의 보고 체계와 회의 구조가 어디에서 병목이 되는지 보입니다.
6. 김지현 부사장의 실제 AI 보고서 작성 프로세스
김지현 부사장은 본인의 업무 대부분이 보고와 발표라고 말합니다.
AI를 사용하기 전과 후의 가장 큰 차이는 보고서 작성 속도만이 아닙니다.
보고서를 만드는 과정에서 본인의 시장 이해도와 메시지 완성도가 훨씬 깊어졌다는 점입니다.
1단계: 퍼플렉시티로 3~4일간 팩트 조사
주제가 정해지면 먼저 퍼플렉시티를 활용해 전 세계 기사, 블로그, 리포트, 유튜브, 시장 자료를 조사합니다.
단순히 한 번 검색하고 끝내지 않습니다.
하루 10시간씩 3~4일 동안 계속 질문하면서 팩트를 넓게 확인합니다.
반대 의견, 다른 국가의 사례, 산업별 관점, 기업별 차이를 계속 파고듭니다.
2단계: ChatGPT로 스토리와 프레임워크 검증
자료를 충분히 본 뒤에는 ChatGPT를 활용해 보고서의 스토리를 검증합니다.
처음 떠올린 목차가 맞는지, 다른 관점은 없는지, 공급자 관점과 수요자 관점은 어떻게 다른지, 정부 정책 관점에서는 어떻게 보이는지 확인합니다.
이 과정에서 처음 생각했던 메시지가 바뀌기도 합니다.
여기서 중요한 건 AI가 만들어준 구조를 그대로 쓰는 게 아니라, AI와 논쟁하면서 본인의 생각을 숙성시키는 것입니다.
3단계: 하루 동안 AI 없이 직접 작성
어느 정도 머릿속에 정리가 되면 메모장을 열고 직접 씁니다.
이 단계에서는 일부러 AI를 쓰지 않습니다.
보고서의 핵심 구조와 메시지는 온전히 본인의 언어로 정리해야 하기 때문입니다.
4단계: 젠스파크로 문서 초안 생성
직접 쓴 내용을 ChatGPT에 넣고 젠스파크가 이해하기 좋은 마크다운 형태로 정리합니다.
그다음 젠스파크에서 PPT나 문서 형태의 초안을 만듭니다.
이 과정에서 30페이지 안팎의 보고서 초안이 빠르게 만들어집니다.
5단계: NotebookLM으로 시각화와 구조 보완
생성된 문서를 NotebookLM에 넣고 페이지별로 보완점을 찾습니다.
어떤 페이지에 다이어그램이 필요한지, 어떤 부분은 그래프로 보여주는 게 나은지, 어느 메시지가 더 시각적으로 전달될 수 있는지 검토합니다.
이 단계는 단순 디자인이 아니라 메시지를 더 명확하게 전달하기 위한 구조 개선 과정입니다.
6단계: Gemini로 논리와 팩트 검증
0.8 버전 정도가 완성되면 Gemini에 문서를 넣고 검증합니다.
논리적 비약이 있는지, 숫자가 잘못됐는지, 근거가 약한 메시지가 있는지 페이지별로 점검합니다.
AI가 지적한 내용을 그대로 받아들이지는 않습니다.
직접 검색하고 확인한 뒤, 맞는 내용만 반영합니다.
7단계: Claude로 문장과 발표 메시지 정제
0.9 버전이 되면 Claude를 활용해 제목, 부제, 핵심 키워드, 발표 시 강조할 포인트를 다듬습니다.
문서의 내용을 바꾸는 것이 아니라, 청중에게 더 날카롭게 전달되도록 표현을 조정합니다.
8단계: 파워포인트 안에서 Claude를 활용해 최종 품질 개선
마지막으로 파워포인트 안에서 Claude를 불러 슬라이드 흐름, 페이지 삭제 여부, 다이어그램 개선, 앞뒤 문맥 연결을 다시 확인합니다.
이 단계부터는 끝이 없습니다.
1.0을 1.5로, 2.0으로, 3.0으로 계속 끌어올릴 수 있습니다.
그래서 리더는 언제 멈출지 판단해야 합니다.
7. 다른 유튜브나 뉴스에서 잘 말하지 않는 가장 중요한 내용
많은 콘텐츠는 “AI로 보고서 10분 만에 만들기”를 강조합니다.
하지만 진짜 중요한 내용은 정반대에 가깝습니다.
핵심 1: AI를 잘 쓰면 시간이 남는 게 아니라 더 깊게 일하게 됩니다
AI를 쓰면 단순 작업 시간은 줄어듭니다.
하지만 좋은 리더는 줄어든 시간을 쉬는 데만 쓰지 않습니다.
그 시간으로 더 많은 관점을 검토하고, 더 많은 반대 논리를 보고, 더 깊게 생각합니다.
결국 같은 2일을 써도 결과물의 밀도와 전략적 시사점이 달라집니다.
핵심 2: AI는 뛰어난 한 사람의 생산성을 폭발시키지만 조직 전체를 약하게 만들 수도 있습니다
AI를 잘 쓰는 사람은 혼자서 과거 세 명이 10주 걸리던 일을 4주 만에 해낼 수 있습니다.
기업 입장에서는 엄청난 생산성 향상입니다.
하지만 그 사람에게 일이 몰리면 조직은 지속 가능하지 않습니다.
그 사람이 빠지는 순간 조직 역량이 급격히 흔들릴 수 있습니다.
핵심 3: AX의 실패 원인은 기술 부족이 아니라 기존 보고 체계입니다
AI는 업무 속도를 높이는데, 회사의 승인 구조와 회의 구조가 그대로라면 병목은 사라지지 않습니다.
결국 AI가 만든 속도를 조직 프로세스가 잡아먹습니다.
이 지점을 바꾸지 않으면 AI 투자는 비용만 늘고 효과는 제한됩니다.
핵심 4: 주니어가 AI에 의존하면 일의 기본기가 사라질 수 있습니다
AI는 단순 반복 업무를 줄여주지만, 배워야 할 사람이 처음부터 다 맡기면 생각하는 힘이 자라지 않습니다.
리더는 직원의 숙련도에 따라 AI 사용 범위를 다르게 설계해야 합니다.
핵심 5: 에이전트 자동화는 편하지만 리더의 사고력을 약하게 만들 수 있습니다
캘린더 조정, 반복 메일, 파일 정리 같은 업무는 자동화해도 됩니다.
하지만 시장 분석, 산업 전망, 반도체 사이클 해석, AI 버블 판단 같은 일까지 자동화에 맡기면 리더의 존재 가치가 약해질 수 있습니다.
리더는 AI에 지배당하지 않고 AI를 지배해야 합니다.
8. 고객 반응 분석과 마케팅에서도 AI 활용 방식이 달라집니다
기업이 소비자 대상 상품을 팔거나 마케팅을 할 때 고객 여론 분석은 매우 중요합니다.
예전에는 포커스 그룹 인터뷰, 설문조사, 외부 리서치 회사 의뢰가 일반적이었습니다.
하지만 이 방식은 비용이 들고 시간이 오래 걸리며, 작은 신호를 놓칠 수 있습니다.
AI를 활용하면 페이스북, 인스타그램, 커뮤니티, 블로그, 리뷰, 소셜 네트워크 반응을 촘촘하게 분석할 수 있습니다.
예를 들어 샤오미처럼 커뮤니티 반응을 빠르게 제품 업데이트에 반영하는 기업은 고객 피드백을 경쟁력으로 바꿀 수 있습니다.
이 방식은 마케팅 조직의 디지털 전환을 빠르게 만듭니다.
또한 글로벌 경제 전망이 불확실한 시기에는 소비자 반응 변화가 매출과 재고 전략에 직접적인 영향을 줄 수 있기 때문에 더욱 중요합니다.
9. AI 번아웃: 잘 쓰는 리더일수록 더 위험합니다
AI는 일을 끝없이 개선하게 만듭니다.
보고서 1.0이 완성돼도 2.0, 3.0으로 계속 고칠 수 있습니다.
토큰과 시간이 허락하는 한 품질 개선은 계속됩니다.
문제는 이 과정이 리더와 조직을 지치게 만든다는 점입니다.
AI를 잘 쓰는 사람이 계속 더 많은 일을 맡고, 더 높은 품질을 요구받으면 번아웃이 올 수 있습니다.
특히 한 명의 고성과자에게 의존하는 구조는 위험합니다.
그래서 AI 시대의 CHO와 경영진은 “누가 AI를 잘 쓰는가”만 볼 것이 아니라 “그 역량을 조직 전체로 어떻게 확산할 것인가”를 고민해야 합니다.
기업의 진짜 역량은 가장 뛰어난 한 사람만으로 결정되지 않습니다.
조직의 평균 수준, 특히 가장 낮은 수준을 얼마나 끌어올리느냐가 장기 경쟁력을 결정합니다.
10. 에이전트 자동화의 함정: 모든 것을 자동화하면 내가 사라질 수 있습니다
최근 클로드 코드, 코덱스, 바이브 코딩, 에이전트 빌더처럼 업무를 자동화하는 도구가 빠르게 확산되고 있습니다.
이 도구들은 분명 강력합니다.
하지만 리더는 자동화할 업무와 자동화하면 안 되는 업무를 구분해야 합니다.
일정 조정이나 반복 작업은 자동화해도 지식이 줄어들지 않습니다.
하지만 시장 분석, 산업 전망, 전략 판단을 전부 에이전트에게 맡기면 리더의 사고 근육이 약해질 수 있습니다.
김지현 부사장은 사전 찾기의 예를 듭니다.
종이 사전으로 단어를 찾을 때는 우연히 다른 단어를 보면서 새로운 배움이 생깁니다.
전자 사전은 빠르지만 그런 우연한 발견을 줄입니다.
AI 에이전트도 마찬가지입니다.
너무 빠르고 정확하게 원하는 답만 주면, 리더는 옆길에서 발견하는 통찰을 잃을 수 있습니다.
11. 내가 AI를 잘 쓰는 리더인지 판단하는 체크리스트
- AI를 쓰라고 말하기 전에 내 업무에 직접 깊게 적용해본 적이 있다.
- AI 결과물을 그대로 쓰지 않고 반대 의견과 근거를 반복해서 확인한다.
- AI가 만든 초안을 최종 답이 아니라 토론의 출발점으로 본다.
- 직원의 숙련도에 따라 AI 사용 범위를 다르게 정한다.
- 보고서 작성 시간을 줄이는 것보다 메시지의 깊이를 높이는 데 AI를 쓴다.
- AI 활용으로 기존 보고 체계와 회의 방식이 어떻게 바뀌어야 하는지 고민한다.
- AI를 잘 쓰는 한 사람에게 일이 몰리지 않도록 조직 확산 구조를 설계한다.
- 에이전트 자동화가 내 사고력을 약하게 만들 수 있다는 점을 경계한다.
- 언제 AI 사용을 멈춰야 하는지 판단할 수 있다.
- AI가 아니라 내가 최종 판단권을 갖고 있다.
이 항목 중 절반 이상에 자신 있게 답할 수 있다면 AI를 꽤 잘 쓰는 리더에 가깝습니다.
반대로 “AI가 다 해주니까 직원들도 그냥 쓰면 된다”는 생각이 강하다면 위험 신호입니다.
< Summary >
AI 잘 쓰는 리더는 툴을 많이 아는 사람이 아니라 AI로 본인의 사고와 조직의 워크플로우를 바꾸는 사람입니다.
AI에 맡길 일과 직접 해야 할 일을 구분해야 합니다.
리더는 AI를 도깨비 방망이처럼 쓰면 안 되고, 빨래 방망이처럼 계속 두드리며 인사이트를 만들어야 합니다.
생성형 AI는 단순한 업무 자동화 도구가 아니라 보고 체계, 회의 방식, 조직 구조까지 바꾸는 디지털 전환의 핵심입니다.
다만 AI를 잘 쓰는 한 사람에게 일이 몰리면 조직 번아웃과 역량 편중이 생길 수 있습니다.
결국 AI 시대의 좋은 리더는 AI를 지배하면서도, 조직 전체가 함께 성장할 수 있는 구조를 만드는 사람입니다.
