AI가 일을 대신해주면 관리자는 덜 필요해질까.
보고를 취합하고, 진행 상황을 정리하고, 업무를 배분하는 일의 상당 부분은 이미 AI가 할 수 있다. 문서 초안과 시장 조사, 데이터 분석과 일정 관리까지 Agent가 수행한다면 중간 관리자의 역할은 자연스럽게 줄어들 것처럼 보인다.
그러나 실제로는 정반대의 변화가 시작되고 있다.
AI는 매니저를 없애기보다 모든 사람을 매니저로 만든다.
한 명의 실무자도 여러 Agent에게 조사와 작성, 분석과 검토를 동시에 맡길 수 있다. 예전에는 팀장이나 프로젝트 리더만 하던 일을 이제 모든 팀원이 하게 된다. 목표를 정하고, 일을 나누고, 필요한 맥락을 전달하고, 중간 결과를 확인하고, 여러 결과를 하나로 합쳐야 한다.
AI 시대에는 관리자의 수가 줄어들 수 있어도, 관리하는 능력은 어느 때보다 중요해진다.
실무자는 자기 일만 잘해도 될 수 있었다
좋은 실무자는 자신의 영역에서 결과를 만들었다.
고객을 이해하고, 자료를 찾고, 분석하고, 문서를 쓰고, 문제를 해결했다. 자신의 전문 분야에서는 빠르고 정확했다. 여러 사람의 업무를 조율하거나 전체 과정의 빈틈을 확인하는 일은 관리자와 프로젝트 책임자가 맡았다.
실무자는 전체 업무 흐름에 다소 수동적이어도 될 수 있었다.
누군가 해야 할 일을 정해주고, 필요한 자료를 연결해주고, 다른 부서와 일정을 맞췄다. 결과가 모이면 누군가 최종 판단을 내렸다. 실무자의 책임은 자신에게 주어진 부분을 잘 완성하는 데 집중됐다.
AI Agent가 생기면 이 분업이 무너진다.
실무자는 더 이상 자신의 손으로 만든 결과만 책임지지 않는다. 자신이 Agent에게 맡긴 조사와 초안, 분석과 검토도 자신의 결과가 된다. Agent가 많아질수록 개인은 작은 팀을 가진 것과 비슷해진다.
팀이 생긴 사람에게는 관리의 책임이 생긴다.
실무 능력이 곧 관리 능력은 아니다
자기 일을 매우 잘하는 사람이 반드시 일을 잘 맡기는 것은 아니다.
전문가는 많은 판단을 무의식적으로 한다.
- 무엇부터 확인해야 하는가
- 어디가 이상한가
- 어떤 출처를 믿어도 되는가
- 어느 정도면 충분한가
- 무엇을 굳이 하지 않아도 되는가
- 어떤 결과는 매끄러워도 버려야 하는가
직접 일할 때는 이런 판단이 자연스럽게 작동한다. 그러나 Agent에게 맡기려면 머릿속에 있던 기준을 밖으로 꺼내야 한다.
“내가 하면 금방 아는 것을 왜 Agent는 모르지?”라는 답답함은 여기서 생긴다.
Agent가 부족해서만은 아니다. 자신도 설명해본 적 없는 판단을 Agent가 알아서 재현하기를 기대했기 때문이다.
AI 시대에는 전문성을 갖는 것만으로 충분하지 않다. 자신의 전문성을 다른 사람과 Agent가 실행할 수 있는 구조로 바꾸는 능력이 필요하다.
모두에게 팀이 생기지만 모두가 좋은 매니저는 아니다
Agent는 빠르다. 여러 방향을 동시에 탐색하고, 지치지 않고 반복하며, 지시받은 형식으로 결과를 정리한다.
그러나 속도는 방향을 대신하지 않는다.
Agent가 스스로 완전히 결정하기 어려운 질문이 있다.
- 이 일이 지금 왜 중요한가
- 어떤 결과가 회사의 방향에 맞는가
- 어디까지 조사하면 충분한가
- 여러 기준이 충돌하면 무엇을 우선하는가
- 어떤 위험은 감수하고 무엇은 반드시 막아야 하는가
- 언제 더 진행하지 않고 결정을 내려야 하는가
이 질문에 답하는 사람이 매니저다.
여기서 매니저는 직급이나 인사 권한을 뜻하지 않는다. 목표를 결과로 바꾸기 위해 업무를 나누고, 연결하고, 확인하고, 끝까지 닫는 사람을 뜻한다.
AI는 모든 사람에게 실행력을 주지만, 그 실행력을 성과로 바꾸는 책임까지 대신하지는 않는다.
좋은 매니저는 아주 적극적이다
AI에게 일을 맡겼다고 관리가 끝나는 것은 아니다.
수동적인 매니저는 모호한 지시를 남기고 결과를 기다린다. 기대와 다른 결과가 나오면 모델의 성능을 탓하거나 비슷한 요청을 다시 한다. 몇 번 실패하면 “결국 내가 하는 게 빠르다”며 직접 처리한다.
적극적인 매니저는 다르게 움직인다.
- 시작 전에 목적과 완료 조건을 명확히 한다
- 필요한 자료와 도구가 준비됐는지 확인한다
- 초기에 작은 결과를 받아 방향을 점검한다
- 잘못 이해한 부분을 즉시 교정한다
- 중요한 판단과 되돌리기 어려운 행동에는 직접 개입한다
- 결과가 부족하면 무엇이 부족한지 구체적으로 다시 맡긴다
- 반복되는 오류는 프롬프트가 아니라 지식과 업무 구조의 문제로 고친다
- 최종 결과가 실제 다음 행동으로 이어졌는지 확인한다
이는 모든 동작을 통제하는 마이크로매니지먼트와 다르다.
좋은 매니저는 방법을 전부 대신 정하지 않는다. 목적과 기준, 피드백의 간격을 관리한다. Agent가 자율적으로 일할 수 있는 범위를 만들고, 방향이 틀어질 때 빠르게 개입한다.
AI의 실행 속도가 빨라질수록 늦은 개입은 더 비싸다. 잘못된 방향으로 수십 개의 결과가 만들어진 뒤 고치는 것보다 첫 결과에서 바로잡는 편이 낫다.
그리고 좋은 매니저는 아주 꼼꼼하다
Agent는 놀라울 정도로 그럴듯한 결과를 만든다.
문장은 매끄럽고, 표는 정돈되어 있으며, 결론에는 자신감이 있다. 그래서 사람은 결과가 실제보다 더 완성됐다고 느끼기 쉽다.
하지만 기업 업무에서는 작은 누락 하나가 전체 결과를 바꾼다.
- 오래된 가격표를 사용했다
- 고객명이나 수치를 혼동했다
- 확인되지 않은 주장을 사실처럼 썼다
- 중요한 이해관계자를 검토에서 빠뜨렸다
- 승인받아야 할 행동을 그냥 진행했다
- 결과물은 만들었지만 실제 시스템에는 반영하지 않았다
- 다음 담당자에게 필요한 맥락을 남기지 않았다
좋은 Agent 매니저는 결과물의 인상보다 업무가 정말 닫혔는지 확인한다.
- 근거가 있는가
- 빠진 단계는 없는가
- 실제로 사용할 수 있는가
- 필요한 사람이 확인했는가
- 다음 행동까지 연결됐는가
- 판단과 결과가 조직에 남았는가
AI 시대의 꼼꼼함은 단순한 성격적 장점이 아니다. 빠른 실행력을 안전한 성과로 전환하는 운영 능력이다.
적극적이기만 하고 꼼꼼하지 않으면 많은 일을 빠르게 벌인다. 꼼꼼하기만 하고 적극적이지 않으면 모든 결과를 직접 확인하느라 새로운 병목이 된다.
필요한 사람은 적극적으로 일을 움직이면서도, 중요한 세부를 놓치지 않는 매니저다.
매니저의 산출물은 자신이 직접 만든 것이 아니다
Andy Grove는 관리자의 산출물을 자신이 직접 수행한 일만으로 보지 않았다. 관리자가 영향을 미치는 조직 전체의 산출물이 관리자의 결과다.
이 관점은 Agent 시대에 모든 실무자에게 확장된다.
개인의 산출물은 더 이상 자신이 손으로 쓴 문서와 직접 만든 분석만이 아니다.
- 자신이 업무를 맡긴 Agent의 결과
- Agent에게 제공한 맥락과 판단 기준
- 여러 작업을 연결해 만든 최종 결과
- 오류를 발견하고 고친 업무 skill
- 동료가 다시 사용할 수 있게 남긴 지식
- 실제 고객과 조직의 다음 행동으로 이어진 변화
이 모두가 그 사람의 산출물이다.
따라서 새로운 생산성은 “내가 얼마나 빨리 만들었는가”만으로 측정하기 어렵다.
내 전문성을 이용해 얼마나 큰 실행 시스템을 정확하게 움직였는가가 중요해진다.
실무 전문성은 오히려 더 중요해진다
모든 사람이 매니저가 된다고 해서 실무 능력이 덜 중요해지는 것은 아니다.
좋은 결과를 직접 만들어본 사람만이 무엇이 잘못됐는지 알아볼 수 있다. 전문성이 부족하면 Agent가 만든 매끄러운 결과에 쉽게 설득된다. 중요한 오류를 발견하지 못하고, 구체적인 피드백도 줄 수 없다.
AI 시대의 좋은 인재에게는 두 가지 능력이 동시에 필요하다.
깊은 실무 능력
- 무엇이 좋은 결과인지 안다
- 중요한 오류와 약한 근거를 알아본다
- 어려운 판단에 직접 개입할 수 있다
- 결과에 자신의 이름을 걸 수 있다
적극적이고 꼼꼼한 관리 능력
- 목표를 정의하고 업무를 나눈다
- 필요한 맥락과 권한을 연결한다
- 중간 결과를 확인하고 방향을 고친다
- 여러 사람과 Agent의 작업을 조율한다
- 예외와 위험을 관리한다
- 실제 성과가 날 때까지 일을 닫는다
- 학습을 조직의 시스템에 남긴다
실무 능력이 없는 매니저는 결과를 검증하지 못한다. 관리 능력이 없는 전문가는 Agent를 사용하면서도 결국 모든 일을 다시 직접 하게 된다.
회사는 AI 사용법보다 관리법을 가르쳐야 한다
많은 기업이 직원에게 AI 도구의 기능과 프롬프트 작성법을 교육한다.
필요한 시작이다. 하지만 모든 팀원에게 Agent라는 작은 팀이 생긴다면 더 중요한 교육이 있다.
- 좋은 업무를 정의하는 법
- 목적과 완료 조건을 구분하는 법
- 일을 적절한 단위로 나누는 법
- 중간 검토 지점을 정하는 법
- 구체적인 피드백을 주는 법
- 불확실성과 예외를 발견하는 법
- 결과를 실제 행동으로 연결하는 법
- 반복되는 경험을 지식과 시스템으로 남기는 법
과거에는 주로 관리자가 배워야 했던 능력이다. 이제는 거의 모든 지식 노동자의 기본기가 된다.
직급이 없는 실무자도 Agent에게 일을 맡기는 순간 매니저가 된다.
승격은 자동이지만 역량은 자동으로 생기지 않는다
AI는 모든 팀원을 매니저로 승격시킨다.
자신의 실무 능력에 집중하고 조직의 전체 업무 흐름에는 다소 수동적이어도 됐던 사람들에게 새로운 책임이 생긴다. 무엇을 해야 하는지 정하고, 여러 실행을 조율하며, 결과를 검증하고, 끝까지 완료해야 한다.
하지만 팀을 갖게 되었다고 좋은 매니저가 되는 것은 아니다.
Agent가 알아서 하기를 기다리는 사람과, 목표를 명확히 하고 중간 결과를 점검하며 끝까지 일을 닫는 사람 사이에는 큰 차이가 생긴다. 그 차이는 모델의 성능보다 더 클 수 있다.
앞으로 좋은 인재는 실무자이면서 매니저다.
자신의 전문성에는 자신감을 가지되, 전체 업무 흐름에는 이전보다 훨씬 적극적으로 개입한다. Agent에게 넓은 실행 공간을 주되, 중요한 기준과 세부를 꼼꼼하게 확인한다.
AI가 사람의 일을 더 많이 수행할수록, 사람에게는 무엇을 맡기고 무엇을 확인하며 어떤 결과에 책임질지 결정하는 일이 더 많이 남는다.
그래서 매니저라는 직업은 사라지지 않는다.
오히려 모두의 일이 되고, 어느 때보다 중요해진다.