Skip to content
Published on

AI와 일자리의 미래 — 위협인가 도구인가

🇰🇷KO🇺🇸EN🇯🇵JA
Split View필사 모드
Authors

들어가며: 망치를 든 사람들

1811년 겨울, 영국 노팅엄셔의 한 직물 공장에 한밤중 그림자들이 들이닥쳤습니다. 그들은 커다란 망치를 들고 있었고, 목표는 단 하나, 새로 들여온 편직 기계였습니다. 기계가 산산조각 나는 소리가 어둠 속에 울려 퍼졌습니다. 이들은 스스로를 '러다이트(Luddite)'라고 불렀습니다. 전설 속 인물인 네드 러드(Ned Ludd)의 이름을 딴 것이었지요.

오늘날 우리는 '러다이트'라는 말을 신기술을 무작정 싫어하는 사람을 가리키는 비웃음 섞인 표현으로 씁니다. 그러나 200여 년 전 그 망치를 든 사람들의 사정은 그리 단순하지 않았습니다. 그들은 기술 그 자체를 미워한 것이 아니라, 자신들의 숙련된 기술과 생계가 한순간에 쓸모없어지는 변화를 견딜 수 없었던 것입니다.

지금 우리는 비슷한 질문 앞에 서 있습니다. 인공지능, 그중에서도 글을 쓰고 그림을 그리고 코드를 짜는 생성형 AI가 빠르게 발전하면서, 많은 사람이 묻습니다. "내 일자리는 안전한가?" 이 글은 그 질문에 단번에 답을 내리려는 글이 아닙니다. 오히려 역사를 길게 돌아보고, 여러 관점을 나란히 놓아 보면서, 우리가 더 나은 질문을 던질 수 있도록 돕는 것을 목표로 합니다.

자, 망치를 잠시 내려놓고 함께 생각해 봅시다.

노동 총량의 오류: 일자리는 파이가 정해져 있을까

우선 가장 흔한 오해 하나를 짚고 넘어가야 합니다. 바로 '노동 총량의 오류(Lump of Labour Fallacy)'입니다.

이 오류는 이렇게 가정합니다. "세상에 존재하는 일의 양은 정해져 있다. 따라서 기계가 일자리를 하나 가져가면, 사람이 할 일은 그만큼 영영 사라진다." 언뜻 들으면 당연한 말 같습니다. 그러나 경제학자들은 오래전부터 이 가정이 틀렸다고 지적해 왔습니다.

왜 틀렸을까요? 일의 양은 고정된 파이가 아니기 때문입니다. 새로운 기술은 기존의 일을 없애는 동시에, 전에는 존재하지 않던 새로운 일과 산업을 만들어 냅니다. 자동차가 마차를 모는 마부의 일을 줄였지만, 자동차 정비공, 주유소 직원, 도로 건설 노동자, 자동차 보험 설계사라는 직업을 새로 만들어 냈듯이 말입니다.

생각해 봅시다. 100년 전 사람에게 "당신의 손주는 검색 엔진 최적화 전문가, 데이터 과학자, 유튜브 크리에이터가 될 것입니다"라고 말했다면, 그는 외계어를 듣는 표정을 지었을 것입니다. 일의 총량이 고정되어 있다는 생각은, 미래에 어떤 새로운 일이 생겨날지 우리가 미리 상상하기 어렵다는 사실을 간과합니다.

다만 한 가지 주의할 점이 있습니다. 노동 총량의 오류를 지적한다고 해서, "그러니 아무 걱정할 필요 없다"는 결론으로 곧장 건너뛰어서는 안 됩니다. 장기적으로 새로운 일자리가 생겨난다는 것과, 그 전환 과정에서 특정 세대나 특정 직군이 큰 고통을 겪지 않는다는 것은 전혀 다른 이야기이기 때문입니다. 이 점은 글 뒷부분에서 다시 다루겠습니다.

역사가 들려주는 이야기

산업혁명: 두려움과 풍요가 함께 온 시대

18세기 후반 영국에서 시작된 산업혁명은 인류 역사상 가장 거대한 노동의 변화였습니다. 증기 기관과 방직 기계는 손으로 실을 잣고 천을 짜던 수많은 가내 수공업자의 일을 빼앗았습니다. 앞서 이야기한 러다이트 운동도 바로 이 시기에 일어났습니다.

단기적으로 이 변화는 잔혹했습니다. 숙련 직조공의 임금은 폭락했고, 많은 가정이 공장 노동의 가혹한 환경으로 내몰렸습니다. 어린이 노동, 긴 노동 시간, 위험한 작업장이 이 시대의 어두운 그림자였습니다.

그러나 장기적으로 보면 산업혁명은 인류의 물질적 풍요를 폭발적으로 끌어올렸습니다. 경제사학자들의 연구에 따르면, 산업혁명 이전 수백 년간 거의 정체되어 있던 1인당 소득이 19세기를 거치며 꾸준히 상승하기 시작했습니다. 우리가 오늘날 누리는 풍요의 상당 부분은 그때 시작된 변화의 결실입니다.

여기서 중요한 교훈이 있습니다. 기술 변화의 '단기적 고통'과 '장기적 이익'은 같은 사람에게 똑같이 분배되지 않는다는 점입니다. 풍요의 열매를 따 먹은 것은 주로 다음 세대였고, 고통을 견딘 것은 변화의 한복판에 선 그 세대였습니다.

ATM과 은행원: 자동화의 역설

좀 더 최근의, 그리고 직관과 어긋나는 사례를 봅시다. 바로 현금자동입출금기, 즉 ATM과 은행원의 이야기입니다.

상식적으로 생각하면 이렇습니다. ATM이 보급되면 사람이 하던 입출금 업무를 기계가 대신하니, 은행원은 줄어들어야 합니다. 그런데 실제 미국의 사례를 연구한 경제학자 제임스 베슨(James Bessen)의 분석에 따르면, 흥미로운 일이 벌어졌습니다.

ATM이 보급되면서 지점 한 곳을 운영하는 데 필요한 은행원 수는 실제로 줄었습니다. 그런데 지점 운영 비용이 싸지자, 은행들은 더 많은 지점을 열었습니다. 결과적으로 전체 은행원 수는 한동안 오히려 늘어났습니다. 게다가 은행원의 역할도 바뀌었습니다. 단순히 돈을 세는 일에서, 고객에게 상품을 추천하고 관계를 관리하는 일로 무게중심이 옮겨 간 것입니다.

이 사례가 주는 교훈은 미묘합니다. 자동화가 반드시 일자리의 총량을 줄이는 것은 아니며, 때로는 일의 '성격'을 바꿉니다. 기계가 반복적이고 단순한 부분을 가져가면, 사람은 더 복잡하고 관계 중심적인 일에 집중하게 되는 경우가 많습니다. 다만 이 사례 역시 만능 법칙은 아닙니다. 다른 산업에서는 자동화가 실제로 일자리를 크게 줄인 경우도 있으니까요.

인쇄술과 필사: 수도원 사본실의 황혼

ATM보다 훨씬 더 거슬러 올라가 봅시다. 1450년 무렵 요하네스 구텐베르크가 금속 활자 인쇄술을 실용화하기 전까지, 책 한 권을 만드는 일은 엄청난 노동이었습니다. 유럽의 수도원에는 '사본실(scriptorium)'이라 불리는 공간이 있었고, 그곳에서 필사 수도사들이 한 글자 한 글자를 손으로 베껴 썼습니다. 두꺼운 책 한 권을 완성하는 데 몇 달, 때로는 몇 년이 걸렸습니다. 책은 그만큼 희귀했고, 값비쌌으며, 소수의 전유물이었습니다.

인쇄술이 보급되자 이 풍경은 빠르게 바뀌었습니다. 한 사람이 평생 베껴 쓸 분량을 인쇄기가 며칠 만에 찍어 냈습니다. 손으로 베껴 쓰는 직업적 필경사의 수요는 크게 줄었습니다. 정교한 손글씨라는 숙련된 기술이, 적어도 책을 대량으로 만드는 일에서는 그 값어치를 잃은 것입니다. 이 점에서 필경사들은 200여 년 뒤 러다이트가 느낄 상실감의 먼 조상 격이었다고 할 수 있습니다.

그러나 이야기의 결말은 단순한 소멸이 아니었습니다. 책값이 떨어지자 책을 읽는 사람이 폭발적으로 늘었고, 그 결과 글을 쓰는 저자, 책을 펴내는 출판인, 활자를 짜는 식자공, 책을 파는 서점, 종이를 만드는 제지공이라는 새로운 일과 산업이 줄줄이 생겨났습니다. 지식이 더 널리 퍼지면서 교육, 과학, 종교 개혁에 이르기까지 사회 전체가 흔들렸습니다. 즉, 인쇄술은 한 줌의 필사 노동을 없앤 대가로, 그보다 훨씬 큰 규모의 새로운 노동과 가치를 만들어 냈습니다.

여기서도 우리가 앞에서 본 패턴이 반복됩니다. 사라진 직업의 자리에서 고통을 겪은 사람과, 새로 열린 풍요를 누린 사람이 반드시 같지는 않았다는 점입니다. 손글씨로 평생을 갈고닦은 노년의 필경사가 하루아침에 식자공이나 출판인이 되기는 어려웠을 것입니다. 기술의 전환은 거의 언제나 이런 '엇갈림'을 동반합니다.

스프레드시트 혁명: 회계 사무원에서 분석가로

좀 더 가까운, 그리고 놀라울 만큼 또렷한 사례가 하나 더 있습니다. 바로 컴퓨터 스프레드시트입니다. 1979년, 댄 브리클린과 밥 프랭크스턴이 '비지칼크(VisiCalc)'라는 프로그램을 내놓았습니다. 화면 위의 격자에 숫자를 넣고 수식을 걸면, 한 칸의 값을 바꾸는 순간 연결된 모든 칸이 자동으로 다시 계산되었습니다. 1980년대에는 '로터스 1-2-3(Lotus 1-2-3)'이 그 뒤를 이으며 사무실의 표준으로 자리 잡았고, 이후 마이크로소프트 엑셀이 이 흐름을 이어받았습니다.

스프레드시트가 등장하기 전, 큰 회사의 재무 부서에는 손으로 장부를 정리하고 숫자를 더하고 검산하는 수많은 사무원이 있었습니다. 한 가정이 "만약 매출이 10퍼센트 늘면 어떻게 될까"를 알아보려면, 사람이 종이 장부 위에서 모든 숫자를 처음부터 다시 계산해야 했습니다. 며칠이 걸리는 고된 일이었지요.

스프레드시트는 바로 그 반복적인 계산 노동을 순식간에 대신했습니다. 그렇다면 회계 관련 일자리는 모두 사라졌을까요? 흥미롭게도 그렇지 않았습니다. 단순히 숫자를 더하고 검산하던 일자리는 분명 줄었습니다. 그러나 동시에, 숫자를 '해석하고 활용하는' 일의 가치는 오히려 커졌습니다. 계산이 쉬워지자, 기업들은 전에는 엄두도 못 내던 수많은 '가정해 보기'를 시도했습니다. 회계 담당자의 역할은 장부를 정리하는 사람에서, 숫자가 무엇을 뜻하는지 읽어 내고 의사 결정을 돕는 '분석가'로 무게중심을 옮겨 갔습니다.

이 사례는 앞서 본 ATM 이야기와 닮은 결을 가집니다. 자동화가 어떤 과업을 가져가면, 사람의 일은 종종 더 높은 차원의 판단과 해석으로 이동합니다. 다만 여기서도 주의할 점이 있습니다. 이 전환을 매끄럽게 통과한 사람은 새로운 도구를 빠르게 익히고, 단순 계산을 넘어 '분석'이라는 새 역량을 기른 사람들이었습니다. 그러지 못한 사람에게는 같은 변화가 위협으로 다가왔습니다. 도구가 같아도 그 결과가 사람마다 달랐다는 점, 이것이 스프레드시트 혁명이 우리에게 남긴 중요한 단서입니다.

전화 교환원: 사라진 직업의 초상

반대 사례도 있습니다. 20세기 초, 미국에서 '전화 교환원'은 수많은 젊은 여성에게 안정적인 일자리였습니다. 전화를 걸면 교환원이 직접 선을 연결해 주던 시절이지요. 그러나 자동 전화 교환기가 보급되면서 이 직업은 거의 완전히 사라졌습니다.

이 경우 자동화는 일자리의 '성격'을 바꾼 것이 아니라, 그 직업 자체를 통째로 없앴습니다. 물론 전화망이 커지면서 다른 분야에서 새로운 일자리가 생겨났지만, 교환대 앞에 앉아 있던 바로 그 사람들이 그 새 일자리로 매끄럽게 옮겨 간 것은 아니었습니다.

ATM과 전화 교환원, 이 두 사례를 나란히 놓으면 우리는 알 수 있습니다. 자동화의 결과는 한 방향으로만 흐르지 않는다는 것을 말입니다. 어떤 직업은 모습을 바꾸어 살아남고, 어떤 직업은 사라집니다. 무엇이 어느 쪽이 될지는 기술의 성격, 시장의 반응, 그리고 사회의 선택에 따라 달라집니다.

자동화와 일자리의 역사 연표

1769년   제임스 와트, 증기 기관 개량 특허 — 산업혁명의 가속
1811년   러다이트 운동 시작 (영국 노팅엄셔)
1870년대  제2차 산업혁명 — 전기, 대량 생산의 시대
1913년   포드, 컨베이어 벨트 조립 라인 도입
1920년대  자동 전화 교환기 확산 — 전화 교환원 직업 감소
1950년대  컴퓨터의 등장, '자동화(automation)'라는 말의 대중화
1970년대  ATM 도입 시작
1990년대  인터넷과 PC의 대중화 — 사무 노동의 변화
2010년대  스마트폰, 클라우드, 머신러닝의 부상
2022년    대규모 언어 모델 기반 생성형 AI의 대중적 확산
2020년대  생성형 AI가 지식 노동 영역으로 확장

이 연표를 보면 한 가지 패턴이 보입니다. 새로운 기술이 등장할 때마다 사람들은 '이번에는 다르다'고 외쳤다는 점입니다. 그리고 실제로 매번 조금씩 달랐습니다. 그렇다면 이번 AI의 물결은 정말로, 진짜로 다를까요?

이번엔 정말 다를까: 생성형 AI의 특이점

과거의 자동화는 주로 '육체노동'과 '반복적인 업무'를 대상으로 했습니다. 기계는 사람보다 무거운 것을 들고, 지치지 않고 같은 동작을 반복하는 데 능했습니다. 반면 창의적인 일, 글을 쓰고 그림을 그리고 전략을 짜는 일은 오랫동안 '인간 고유의 영역'으로 여겨졌습니다.

그런데 생성형 AI는 바로 그 영역에 발을 들였습니다. 글을 쓰고, 그림을 그리고, 음악을 작곡하고, 코드를 짭니다. 많은 사람이 '이번엔 다르다'고 느끼는 이유가 여기에 있습니다. 자동화의 칼끝이 처음으로 '지식 노동'과 '창의 노동'을 향하고 있기 때문입니다.

하지만 신중하게 따져 볼 점도 많습니다. 첫째, 현재의 AI는 '그럴듯한 결과물'을 빠르게 만들어 내지만, 사실관계의 정확성, 깊은 맥락 이해, 책임 있는 판단에서는 여전히 한계를 보입니다. 둘째, AI가 작업의 '일부'를 자동화한다고 해서 그 직업 '전체'가 사라지는 것은 아닙니다. 한 직업은 보통 수많은 작은 과업의 묶음이기 때문입니다.

이 두 번째 관점이 바로 다음 주제, '대체냐 증강이냐' 논쟁의 핵심으로 이어집니다.

대체인가 증강인가: 두 개의 미래

AI가 일에 미치는 영향을 이야기할 때, 크게 두 가지 시나리오가 맞섭니다.

시나리오 1: 대체(Replacement)

첫 번째는 AI가 사람을 '대체'한다는 관점입니다. AI가 충분히 똑똑해지면, 기업은 비용을 아끼기 위해 사람 대신 AI를 쓸 것이고, 그 결과 많은 일자리가 사라진다는 시나리오입니다. 특히 정형화된 글쓰기, 단순 번역, 기초적인 고객 응대, 일부 코딩 업무처럼 패턴이 비교적 분명한 일이 먼저 영향을 받으리라는 우려가 있습니다.

이 관점을 지지하는 사람들은 말합니다. "과거의 기계는 손과 발을 대신했지만, 이번 AI는 머리를 대신한다. 머리를 쓰는 일이 사라지면 사람이 옮겨 갈 곳이 마땅치 않다."

시나리오 2: 증강(Augmentation)

두 번째는 AI가 사람을 '증강', 즉 더 강하게 만들어 준다는 관점입니다. AI는 사람을 대체하는 것이 아니라, 사람의 능력을 확장하는 도구라는 것입니다. 마치 계산기가 수학자를 없애지 않고 오히려 더 복잡한 문제에 도전하게 만들었듯이 말입니다.

이 관점에서 보면, AI는 지루하고 반복적인 부분을 맡고, 사람은 판단, 창의, 공감, 책임이 필요한 부분에 집중합니다. 의사는 AI의 진단 보조를 받아 환자와 더 깊이 대화하고, 변호사는 AI가 정리한 자료를 바탕으로 더 정교한 전략을 짜며, 작가는 AI와 아이디어를 주고받으며 새로운 표현을 탐색합니다.

직업이 아니라 과업을 보라

대체냐 증강이냐의 논쟁을 한결 또렷하게 만드는 한 가지 시각이 있습니다. 바로 '직업(job)'이 아니라 '과업(task)' 단위로 들여다보는 것입니다.

우리가 흔히 하나의 직업이라 부르는 것은, 사실 수십 가지 작은 과업의 묶음입니다. 예를 들어 한 회계 담당자의 하루는 숫자 입력, 검산, 보고서 작성, 동료와의 회의, 고객 상담, 이상 징후 판단처럼 성격이 제각각인 여러 과업으로 이루어집니다. AI가 이 가운데 '숫자 입력'과 '검산' 같은 일부 과업을 능숙하게 해낸다고 해서, 그 직업 전체가 사라지는 것은 아닙니다. 오히려 AI가 단순 과업을 덜어 준 만큼, 사람은 판단과 상담처럼 더 어려운 과업에 시간을 쓸 수 있습니다.

이 과업 단위의 시각은 우리에게 두 가지를 동시에 알려 줍니다. 한편으로, 거의 모든 직업이 AI의 영향을 '어느 정도는' 받게 되리라는 점입니다. 완전히 무관한 직업은 드뭅니다. 다른 한편으로, 그 영향이 곧 직업의 소멸을 뜻하지는 않는다는 점입니다. 대부분의 직업에서 자동화되는 것은 일부 과업이지 직업 전체가 아니기 때문입니다. 그래서 더 정확한 질문은 "내 직업이 사라질까"가 아니라 "내 직업을 이루는 과업들 가운데 무엇이 자동화되고, 그래서 나는 어디에 더 집중하게 될까"입니다.

현실은 그 사이 어딘가

실제 미래는 아마도 이 두 시나리오 사이 어딘가에 있을 것입니다. 같은 기술이라도 어떤 직무에서는 대체로, 어떤 직무에서는 증강으로 작용할 것입니다. 그리고 어느 쪽이 우세할지는 기술의 발전 속도만이 아니라, 기업의 선택, 노동자의 적응, 그리고 사회의 제도에 따라 크게 달라집니다.

여기서 꼭 기억할 점이 있습니다. '대체냐 증강이냐'는 기술이 일방적으로 결정하는 운명이 아니라, 우리가 함께 만들어 가는 선택에 가깝다는 사실입니다.

변하는 직업, 변하지 않는 가치

영향을 많이 받는 일과 덜 받는 일

모든 일이 똑같이 영향을 받는 것은 아닙니다. 일반적으로 다음과 같은 경향이 관찰됩니다.

상대적으로 영향을 많이 받는 일
- 정형화된 텍스트 작성 (보고서 초안, 정형 문서)
- 단순 데이터 입력과 정리
- 기초적인 번역과 요약
- 패턴이 분명한 고객 응대
- 반복적인 코드 작성

상대적으로 영향을 덜 받는 일
- 복잡한 신체 작업 (배관, 전기, 돌봄)
- 깊은 대인 관계와 신뢰가 필요한 일
- 높은 책임과 윤리적 판단이 따르는 일
- 비정형적이고 창의적인 전략 수립
- 현장의 즉흥적 문제 해결

흥미로운 점은, AI 시대에 오히려 '몸을 쓰는 숙련 노동'의 가치가 재조명받고 있다는 것입니다. 막힌 배관을 뚫고, 고장 난 전기를 고치고, 사람을 직접 돌보는 일은 디지털로 복제하기 어렵습니다. 한때 '단순 노동'으로 저평가되던 일들이 오히려 자동화의 파도를 견디는 단단한 땅이 될 수도 있습니다.

비교표: 산업혁명과 AI 혁명

비교 항목산업혁명AI 혁명
주요 대체 대상육체노동, 수공업지식노동, 일부 창의노동
변화의 속도수십 년에 걸쳐 점진적상대적으로 빠름
새 직업의 등장공장 노동, 기계 정비데이터 과학, AI 관리 직군
필요 역량 변화손기술에서 기계 조작으로암기에서 판단과 협업으로
사회적 대응노동법, 공교육 확대재교육, 정책 논의 진행 중

이 표는 단순화된 비교일 뿐, 모든 세부 사항을 담지는 못합니다. 그러나 두 혁명이 닮은 점과 다른 점을 한눈에 보여 줍니다. 핵심은 '필요 역량의 변화'입니다. 산업혁명이 손기술에서 기계 조작으로의 전환을 요구했다면, AI 혁명은 단순 암기와 반복에서 '판단, 창의, 협업'으로의 전환을 요구하고 있습니다.

한 가지 덧붙이자면, 표의 '변화의 속도' 항목을 가볍게 보아 넘기지 않는 것이 좋습니다. 산업혁명은 수십 년, 길게는 한 세기에 걸쳐 펼쳐졌기에, 그 사이에 태어난 세대는 자라면서 새로운 일에 자연스럽게 적응할 수 있었습니다. 반면 AI 혁명의 속도가 정말로 더 빠르다면, 같은 사람이 한 생애 안에 여러 번 직업을 바꿔야 하는 상황이 올 수도 있습니다. 이는 산업혁명기에는 드물었던 새로운 종류의 도전입니다.

새로운 직업과 기술 격차

기술이 일자리를 없애기만 하는 것은 아닙니다. 새로운 일자리를 만들기도 합니다. 불과 20년 전만 해도 존재하지 않던 직업을 떠올려 봅시다. 앱 개발자, 데이터 과학자, 소셜 미디어 매니저, 클라우드 엔지니어, 콘텐츠 크리에이터. 그리고 지금, AI 시대는 또 다른 새 직업을 만들어 내고 있습니다. AI 모델을 다듬는 사람, AI의 출력을 검수하고 책임지는 사람, 사람과 AI의 협업을 설계하는 사람.

그러나 여기에 '기술 격차(skills gap)'라는 함정이 있습니다. 새로 생긴 일자리가 사라진 일자리를 메운다 해도, 두 일자리가 요구하는 기술이 전혀 다르면, 일을 잃은 사람이 곧바로 새 일을 얻기는 어렵습니다.

전화 교환원이 하루아침에 데이터 과학자가 될 수는 없습니다. 이 격차를 메우는 데는 시간과 비용, 그리고 무엇보다 '배울 기회'가 필요합니다. 그리고 이 기회는 사람마다, 지역마다, 계층마다 고르게 주어지지 않습니다. 바로 여기에서 기술 변화는 '불평등'의 문제와 만납니다.

정책 논쟁: 우리는 무엇을 해야 하는가

기술 변화가 일으키는 충격을 사회가 어떻게 다룰 것인가. 이 질문을 두고 여러 갈래의 의견이 맞섭니다. 이 글은 어느 한쪽을 옹호하지 않고, 주요 입장을 가능한 한 공정하게 소개하려 합니다.

보편적 기본소득 논쟁

가장 뜨거운 논쟁 중 하나는 '보편적 기본소득(Universal Basic Income, UBI)'입니다. 모든 국민에게 조건 없이 일정한 금액을 정기적으로 지급하자는 구상입니다.

찬성하는 쪽의 논리는 이렇습니다. AI가 많은 일자리를 자동화하면, 일자리에만 의존하는 기존의 소득 구조가 흔들릴 수 있습니다. 기본소득은 사람들에게 최소한의 안전망을 제공해, 갑작스러운 변화의 충격을 완화하고, 사람들이 재교육이나 창업, 돌봄 노동 같은 새로운 시도에 나설 여유를 준다는 것입니다.

반대하는 쪽의 논리도 만만치 않습니다. 첫째, 모든 국민에게 돈을 지급하려면 막대한 재원이 필요한데, 그 재원을 어떻게 마련할 것인지가 불분명합니다. 둘째, 일하지 않아도 소득이 보장되면 사람들의 근로 의욕이 줄어들 수 있다는 우려가 있습니다. 셋째, 차라리 그 재원을 정말 도움이 필요한 사람에게 집중하는 편이 더 효율적이라는 주장도 있습니다.

실제로 세계 여러 곳에서 소규모 기본소득 실험이 진행되었고, 그 결과를 두고도 해석이 엇갈립니다. 어떤 연구는 기본소득이 삶의 안정과 정신 건강에 긍정적이었다고 보고하고, 다른 연구는 근로 시간이나 고용에 미친 영향이 제한적이거나 복합적이었다고 봅니다. 한마디로, 아직 명확한 결론을 내리기에는 이른 단계입니다.

다른 정책적 선택지들

기본소득만이 유일한 대안은 아닙니다. 여러 가지 다른 접근이 함께 논의됩니다.

주요 정책 선택지 (서로 배타적이지 않음)
1. 재교육과 평생학습 지원
   - 일을 잃은 사람이 새 기술을 배우도록 국가가 돕는다
2. 사회 안전망 강화
   - 실업 급여, 직업 전환 지원 등 기존 제도를 보강한다
3. 보편적 기본소득
   - 모두에게 조건 없는 기본 소득을 지급한다
4. 노동 시간 단축
   - 생산성 향상의 이익을 더 짧은 노동 시간으로 나눈다
5. 기술과 자동화에 대한 과세
   - 자동화로 얻은 이익의 일부를 사회로 환원한다

각 선택지에는 저마다의 장점과 한계가 있고, 비용을 누가 부담하느냐, 효과가 누구에게 돌아가느냐를 둘러싼 가치 판단이 얽혀 있습니다. 어떤 사회는 여러 선택지를 섞어 쓸 것이고, 또 어떤 사회는 다른 길을 택할 것입니다. 정답은 하나가 아니며, 이는 결국 그 사회의 가치와 합의에 달린 문제입니다.

나라와 산업마다 다른 대응

같은 자동화의 물결을 맞아도, 사회마다 대응하는 방식은 사뭇 다릅니다. 어느 쪽이 옳다고 단정하기보다, 서로 다른 접근이 어떤 가치를 우선시하는지를 살펴보는 편이 도움이 됩니다.

한쪽 끝에는 '재교육 중심' 접근이 있습니다. 일부 북유럽 국가들이 자주 거론되는 사례입니다. 이들은 노동자가 일자리를 잃을 때, 그 사람을 한 직장에 붙잡아 두기보다 '직업 자체의 전환'을 돕는 데 무게를 둡니다. 넉넉한 실업 급여로 생활을 받쳐 주는 동시에, 적극적인 직업 훈련과 재교육 프로그램으로 새로운 일자리로 옮겨 가도록 돕는 방식입니다. 흔히 '유연안정성(flexicurity)'이라 불리는 이 모델은, 해고는 비교적 자유롭게 하되 그 충격은 사회가 함께 떠안자는 발상에 가깝습니다. 장점은 변화에 대한 사회적 저항이 줄고 노동시장이 유연해진다는 점이고, 한계는 막대한 재정과 높은 세금, 그리고 사회적 신뢰라는 토대가 필요하다는 점입니다.

다른 한쪽 끝에는 '시장 주도' 접근이 있습니다. 미국이 자주 언급되는 사례입니다. 이 방식은 정부의 개입을 최소화하고, 노동시장이 스스로 새로운 균형을 찾도록 맡기는 쪽에 가깝습니다. 기업은 비교적 쉽게 사람을 고용하고 해고하며, 새로운 산업이 빠르게 생겨나고 사라집니다. 장점은 혁신과 새로운 일자리 창출의 속도가 빠를 수 있다는 점이고, 한계는 전환의 충격이 개인에게 더 무겁게 떨어질 수 있고, 그 사이 격차가 벌어지기 쉽다는 점입니다.

산업별로도 결이 다릅니다. 제조업은 일찍부터 로봇과 자동화 설비를 도입해 왔고, 그 과정에서 일자리의 수와 성격이 크게 바뀌었습니다. 반면 돌봄, 교육, 의료처럼 사람 사이의 관계와 신뢰가 핵심인 산업은 자동화의 속도가 상대적으로 더딥니다. 또 같은 나라 안에서도 대도시와 지방, 대기업과 소상공인이 받는 충격의 크기는 제각각입니다.

여기서 중요한 점은, 어떤 모델도 완벽한 정답은 아니라는 사실입니다. 재교육 중심 접근은 안정과 형평을 중시하지만 비용이 크고, 시장 주도 접근은 역동성과 효율을 중시하지만 충격의 분배가 고르지 않을 수 있습니다. 각 사회는 자신이 무엇을 더 중요하게 여기는지에 따라 그 사이 어딘가를 선택합니다. 그리고 그 선택에는 정답표가 없습니다.

생각 실험: 자동화된 마을

추상적인 논의를 잠시 구체적인 장면으로 옮겨 봅시다. 한 가상의 마을을 떠올려 보겠습니다.

인구 2만 명의 작은 마을이 있다고 합시다. 이 마을의 일자리 가운데 상당수는 인근의 물류 창고, 콜센터, 그리고 회계 사무를 대행하는 사무실에 몰려 있습니다. 그런데 새로운 자동화 기술과 AI가 빠르게 도입되면서, 단 5년 만에 마을 일자리의 40퍼센트가 사라지거나 크게 바뀝니다. 창고의 분류 작업은 로봇이, 콜센터의 단순 응대는 AI가, 회계 사무의 반복 업무는 소프트웨어가 대신합니다.

이제 이 마을 앞에는 어떤 일이 펼쳐질까요. 처음 닥치는 것은 충격입니다. 한꺼번에 많은 사람이 일을 잃으면, 그들의 소비도 함께 줄어듭니다. 식당, 미용실, 동네 가게처럼 그 사람들을 손님으로 삼던 가게들도 매출이 떨어집니다. 자동화로 직접 일을 잃지 않은 사람들까지 연쇄적으로 타격을 받는 것입니다. 마을의 세수는 줄고, 학교와 도서관 같은 공공 서비스를 유지하기도 빠듯해집니다.

그렇다면 이 마을은 어떤 선택을 할 수 있을까요. 길은 여럿입니다.

자동화된 마을이 마주한 선택지
1. 떠나기 — 일자리를 찾아 다른 도시로 이주한다
   (그러나 모두가 떠날 수 있는 것은 아니며, 마을은 더 비어 간다)
2. 재교육 — 새로운 기술을 배워 다른 일로 옮겨 간다
   (그러나 누가 비용을 대고, 어떤 일자리가 기다리는가)
3. 새 산업 유치 — 마을이 자동화 시대에 맞는 새 일거리를 끌어온다
   (그러나 그런 기회는 모든 마을에 고르게 오지 않는다)
4. 버티기 — 기존 방식을 고수하며 변화를 미룬다
   (그러나 시간이 지날수록 경쟁에서 밀려날 수 있다)
5. 함께 나누기 — 자동화의 이익 일부를 마을 공동체로 돌린다
   (그러나 그 이익은 흔히 마을 밖 기업에 돌아간다)

이 생각 실험이 보여 주는 것은, 자동화의 충격이 단지 '일자리 숫자'의 문제가 아니라는 점입니다. 그것은 한 공동체의 소비, 세수, 인구, 공공 서비스, 그리고 사람들의 자존감까지 함께 흔드는 문제입니다. 또 한 가지 분명한 것은, 충격이 빠르고 집중될수록 사회가 그것을 흡수하기 어렵다는 사실입니다. 같은 40퍼센트라도 50년에 걸쳐 천천히 일어나는 것과 5년 만에 닥치는 것은 전혀 다른 이야기입니다.

이 마을의 운명을 가르는 것은 기술 그 자체가 아닙니다. 마을과 그 바깥의 사회가 어떤 준비를 해 두었는지, 변화의 충격을 누가 어떻게 나누어 짊어지는지가 결말을 가릅니다. 그리고 이는 우리가 사는 진짜 세계에도 그대로 적용되는 질문입니다.

일은 왜 돈 이상의 의미를 갖는가

지금까지 우리는 주로 일자리를 '소득의 원천'으로 이야기했습니다. 그러나 일이 사람에게 갖는 의미는 그보다 훨씬 넓습니다. 자동화와 AI를 이야기할 때 이 점을 빼놓으면, 우리는 문제의 절반만 보게 됩니다.

첫째, 일은 '의미와 목적'의 원천입니다. 많은 사람이 자신이 하는 일을 통해 "나는 세상에 무언가 쓸모 있는 일을 하고 있다"는 감각을 얻습니다. 무언가를 만들고, 누군가에게 도움이 되고, 어떤 결과에 기여하는 경험은 사람에게 살아갈 이유를 줍니다. 소득은 그대로 보장되더라도, 이 의미의 감각이 사라지면 사람은 공허함을 느끼곤 합니다.

둘째, 일은 '시간의 구조'를 만들어 줍니다. 아침에 일어나 어디론가 가고, 하루의 리듬을 갖고, 한 주를 단위로 삶을 꾸려 가는 이 모든 틀의 상당 부분이 일에서 나옵니다. 일이 갑자기 사라지면 단지 돈만 사라지는 것이 아니라, 하루를 어떻게 채워야 할지에 대한 익숙한 틀까지 함께 흔들립니다.

셋째, 일은 '사회적 소속'의 장입니다. 직장은 사람들이 동료를 만나고, 함께 무언가를 이루고, 공동체에 속해 있다는 느낌을 얻는 중요한 무대입니다. 일을 잃는다는 것은 종종 그 사회적 연결망에서 떨어져 나가는 것을 뜻합니다. 이 단절은 외로움과 고립으로 이어질 수 있습니다.

넷째, 일은 '정체성과 지위'와 깊이 얽혀 있습니다. 처음 만난 사람에게 우리가 가장 흔히 던지는 질문 가운데 하나가 "무슨 일을 하세요?"입니다. 좋든 싫든, 많은 사회에서 사람은 자신의 직업으로 스스로를 설명하고 또 평가받습니다. 그래서 일의 상실은 단순한 경제적 손실을 넘어, "나는 누구인가"라는 정체성의 흔들림으로 이어지기도 합니다.

이 네 가지 차원은 왜 중요할까요. 만약 미래에 자동화가 충분히 진전되어, 설령 모두에게 기본소득 같은 형태로 '돈' 문제가 해결된다고 가정하더라도, 의미, 구조, 소속, 정체성이라는 일의 다른 기능까지 자동으로 채워지는 것은 아니기 때문입니다. '일자리의 미래'를 고민할 때 우리가 던져야 할 질문은 "사람들이 어떻게 먹고살 것인가"만이 아닙니다. "사람들이 어디에서 의미와 소속을 찾을 것인가" 역시 똑같이 무거운 질문입니다. 이는 의학적 진단의 문제가 아니라, 우리가 함께 설계해야 할 사회와 문화의 문제입니다.

잠깐 퀴즈: 당신의 직관을 시험해 봅시다

다음 진술이 참인지 거짓인지 생각해 보세요. 정답은 바로 아래에 있습니다.

질문 1. ATM이 도입된 직후 미국의 은행원 수는 곧바로 크게 줄어들었다.

질문 2. '노동 총량의 오류'란, 세상의 일자리 수가 정해져 있다고 믿는 잘못된 가정을 말한다.

질문 3. 보편적 기본소득은 모든 경제학자가 찬성하는, 논쟁의 여지가 없는 정책이다.

질문 4. 1979년에 등장한 비지칼크 같은 스프레드시트 프로그램은 회계 관련 일자리를 모두 사라지게 만들었다.

질문 5. 구텐베르크의 인쇄술이 퍼지면서 손으로 책을 베껴 쓰던 필경사의 수요는 크게 줄었다.

질문 6. 같은 비율의 일자리가 자동화되더라도, 그 변화가 50년에 걸쳐 일어나는 것과 5년 만에 닥치는 것은 사회에 미치는 충격이 다르다.

이제 답을 확인해 봅시다.

답 1. 거짓입니다. 앞서 보았듯이, ATM 도입 후에도 지점이 늘어나면서 미국의 은행원 수는 한동안 오히려 증가했습니다. 직관과 반대되는 결과였지요.

답 2. 참입니다. 노동 총량의 오류는 일의 양을 고정된 파이로 보는 오해를 가리킵니다. 새로운 기술은 새로운 일도 만들어 내기에, 이 가정은 종종 틀립니다.

답 3. 거짓입니다. 보편적 기본소득은 찬반이 첨예하게 갈리는 대표적인 논쟁 주제입니다. 재원, 근로 의욕, 효율성 등을 두고 의견이 크게 엇갈립니다.

답 4. 거짓입니다. 스프레드시트는 단순 계산과 검산 같은 일부 일자리는 줄였지만, 회계 관련 일자리를 모두 없애지는 않았습니다. 오히려 숫자를 해석하고 의사 결정을 돕는 '분석' 역할의 가치가 커지면서, 일의 성격이 바뀌었습니다.

답 5. 참입니다. 인쇄술이 보급되자 손으로 책을 베껴 쓰는 필경사의 수요는 크게 줄었습니다. 다만 그 대신 저자, 출판인, 식자공, 서점, 제지공 같은 새로운 일과 산업이 생겨났습니다.

답 6. 참입니다. 같은 비율이라도 변화의 '속도'는 매우 중요합니다. 충격이 빠르고 집중될수록 사회가 그것을 흡수하고 적응하기 어렵습니다.

여섯 문제를 모두 맞히셨다면, 이미 이 주제의 핵심을 잘 잡으신 것입니다.

속도와 분배: 두 개의 진짜 변수

지금까지의 논의를 한 발 물러서서 정리해 보면, 일자리의 미래를 가르는 핵심 변수는 크게 두 가지로 좁혀집니다. 바로 '변화의 속도'와 '이익과 부담의 분배'입니다.

먼저 속도입니다. 앞서 자동화된 마을의 사례에서 보았듯, 같은 크기의 변화라도 그것이 빠르게 오느냐 천천히 오느냐에 따라 사회가 겪는 고통은 전혀 달라집니다. 변화가 한 세대에 걸쳐 천천히 일어나면, 사람들은 자연스러운 은퇴와 신규 진입을 통해 적응할 시간을 법니다. 늙은 필경사가 은퇴할 무렵 젊은 세대는 처음부터 인쇄 산업에 발을 들이는 식입니다. 그러나 변화가 단 몇 년 만에 몰아치면, 이 완충 장치가 작동하지 못합니다. 현재 AI를 둘러싼 불안의 상당 부분은 'AI가 무엇을 할 수 있느냐'만이 아니라 '얼마나 빨리 그렇게 되느냐'에서 옵니다.

다음은 분배입니다. 기술이 만들어 내는 총량의 풍요가 늘어난다 해도, 그 풍요가 누구에게 돌아가느냐는 별개의 문제입니다. 자동화의 이익은 흔히 그 기술을 소유한 사람과 기업에 집중되는 반면, 그 비용은 일자리를 잃은 노동자에게 집중되는 경향이 있습니다. 산업혁명기에 풍요가 다음 세대에야 고르게 퍼진 것도, 그 분배가 저절로 이루어진 것이 아니라 노동법과 사회 제도라는 '선택'을 통해 비로소 가능했기 때문입니다.

이 두 변수가 중요한 이유는, 둘 다 기술이 일방적으로 정하는 것이 아니라 사람이 영향을 줄 수 있는 영역이라는 데 있습니다. 우리는 변화의 속도를 조절하는 제도를 설계할 수 있고, 이익과 부담을 나누는 방식을 함께 정할 수 있습니다. AI를 둘러싼 논쟁이 결국 기술의 문제가 아니라 사회의 선택의 문제로 돌아오는 까닭이 여기에 있습니다.

흥미롭게도, 속도와 분배는 서로 얽혀 있습니다. 변화가 너무 빠르면 분배를 조정할 제도를 미처 마련하기도 전에 충격이 닥치고, 분배가 지나치게 한쪽으로 쏠리면 변화의 속도를 늦추라는 사회적 저항이 거세집니다. 그래서 이 두 변수를 따로 떼어 다루기보다, 함께 바라보는 시각이 필요합니다. 기술을 어떻게 받아들일 것인가라는 질문은, 결국 '얼마나 빠르게'와 '누구를 위해'라는 두 물음을 동시에 푸는 일이기 때문입니다.

적응 전략: 개인은 무엇을 할 수 있을까

거대한 변화 앞에서 개인은 무력하게 느껴지기 쉽습니다. 그러나 역사를 보면, 변화에 적응한 사람과 사회는 분명히 존재했습니다. 몇 가지 방향을 정리해 봅니다. 이는 정답이 아니라 생각의 출발점입니다.

1. 도구를 두려워하지 말고 길들이기

망치로 기계를 부순 러다이트의 마음은 이해할 만하지만, 결과적으로 기계의 시대를 멈추지는 못했습니다. AI 역시 그럴 가능성이 큽니다. 그렇다면 무작정 거부하기보다, 그 도구를 이해하고 자신의 일에 어떻게 활용할지 익히는 편이 현실적입니다. AI를 잘 쓰는 사람과 그렇지 못한 사람의 격차가, 앞으로 중요한 분기점이 될 수 있습니다.

2. 기계가 잘 못하는 능력에 투자하기

AI가 빠르고 능숙하게 해내는 일과, 여전히 사람이 더 잘하는 일을 구분해 보는 것이 도움이 됩니다. 깊은 맥락 이해, 윤리적 판단, 진정한 공감, 복잡한 상황에서의 창의적 문제 해결, 사람들 사이의 신뢰 구축. 이런 능력은 단기간에 자동화되기 어렵습니다.

3. 배우는 능력 자체를 기르기

특정 기술 하나를 평생 우려먹는 시대는 저물고 있습니다. 그보다 중요한 것은 '새로운 것을 빠르게 배우는 능력'입니다. 변화가 빠를수록, 한 번 배우고 끝나는 지식보다 계속 배워 나가는 태도가 더 큰 자산이 됩니다.

4. 일의 다층적 의미를 함께 챙기기

앞에서 보았듯 일은 소득만이 아니라 의미, 구조, 소속, 정체성을 함께 줍니다. 그렇다면 변화에 대비할 때도 이 모든 차원을 함께 살피는 편이 좋습니다. 일이 흔들릴 때 소득의 공백만큼이나 의미와 소속의 공백도 클 수 있기 때문입니다. 직장 바깥에서도 의미를 느낄 수 있는 활동, 관계, 공동체를 미리 가꾸어 두는 일은, 변화의 충격을 견디는 또 하나의 단단한 토대가 됩니다.

5. 변화를 혼자 감당하지 않기

개인의 노력만으로 모든 것을 해결할 수는 없습니다. 재교육 제도, 사회 안전망, 공정한 정책은 사회가 함께 만들어 가야 할 몫입니다. '적응은 개인의 책임'이라는 말로 모든 부담을 개인에게 떠넘기는 것은 공정하지 않습니다. 개인의 적응과 사회의 제도는 어느 한쪽만으로는 충분하지 않으며, 둘이 함께 맞물릴 때 비로소 변화의 충격을 견딜 만한 것으로 만들 수 있습니다.

재교육은 정말 효과가 있을까

자동화에 대한 거의 모든 정책 논의는 결국 '재교육(reskilling)'이라는 단어로 수렴합니다. 일을 잃은 사람에게 새 기술을 가르쳐 새 일자리로 옮겨 주자는 것입니다. 듣기에는 깔끔한 해법입니다. 그러나 현실에서 재교육은 생각보다 까다로운 과제입니다. 이 어려움을 솔직하게 들여다보는 것은, 손쉬운 낙관도 손쉬운 비관도 피하는 데 도움이 됩니다.

첫째, '무엇을' 가르칠 것인가의 문제가 있습니다. 기술이 빠르게 변하는 시대에는, 오늘 유망해 보이는 기술이 몇 년 뒤에는 다시 자동화의 대상이 될 수도 있습니다. 그래서 특정 기술 하나를 콕 집어 가르치기보다, 변화에 두루 적응할 수 있는 기초 역량과 학습 능력을 기르는 편이 더 안전하다는 견해가 힘을 얻습니다.

둘째, '누가' 배울 수 있는가의 문제가 있습니다. 평생 한 가지 일을 해 온 중년의 노동자가, 가족을 부양하면서, 전혀 다른 분야의 기술을 처음부터 배우기란 결코 쉽지 않습니다. 시간도, 비용도, 심리적 부담도 만만치 않습니다. 재교육 프로그램이 형식적으로 존재한다고 해서, 그것이 실제로 모두에게 닿는 것은 아닙니다.

셋째, '그다음에' 일자리가 정말 기다리고 있는가의 문제가 있습니다. 어렵게 새 기술을 익혔는데 막상 그 기술을 쓸 일자리가 그 지역에 없다면, 재교육은 헛수고가 되기 쉽습니다. 이는 앞서 본 자동화된 마을의 딜레마와 곧장 이어집니다.

그렇다고 재교육이 무의미하다는 뜻은 결코 아닙니다. 역사적으로 교육의 확대는 산업혁명의 충격을 흡수하는 데 결정적인 역할을 했습니다. 19세기와 20세기에 걸쳐 의무 교육이 자리 잡고, 공교육이 확대되면서, 농촌의 노동력이 공장과 사무실의 일로 옮겨 갈 수 있었습니다. 핵심은 재교육이 '만능 해결책'도 '무용지물'도 아니라는 점입니다. 그것은 잘 설계되고, 충분히 지원되고, 일자리 수요와 맞물릴 때 비로소 힘을 발휘하는, 여러 조건이 함께 갖춰져야 작동하는 도구입니다.

마치며: 망치 대신 무엇을 들 것인가

다시 1811년 노팅엄셔의 그 밤으로 돌아가 봅시다. 망치를 든 사람들은 자신들의 세계가 무너지는 것을 막고 싶었습니다. 그들의 두려움은 진짜였고, 그들이 겪은 고통도 진짜였습니다. 우리는 그들을 단순히 '어리석은 기계 파괴자'로 비웃을 자격이 없습니다.

그러나 동시에, 역사는 망치로 기술의 흐름을 멈출 수 없었다는 사실도 보여 줍니다. 산업혁명은 끝내 거대한 풍요를 가져왔지만, 그 풍요가 모두에게 공평하게, 그리고 충분히 빠르게 분배되도록 만든 것은 기술이 아니라 사람들의 선택이었습니다. 노동법, 공교육, 사회 보장 제도는 하늘에서 떨어진 것이 아니라, 변화의 충격을 겪은 사회가 오랜 갈등과 논의 끝에 만들어 낸 결과물이었습니다.

AI도 마찬가지일 것입니다. AI가 위협이 될지 도구가 될지는, 기술 그 자체에 미리 정해져 있지 않습니다. 그것은 우리가 그 기술을 어떻게 설계하고, 어떻게 쓰고, 그 이익과 부담을 어떻게 나누느냐에 달려 있습니다.

그러니 우리가 던질 질문은 "AI가 내 일자리를 빼앗을까"라는 두려움 섞인 질문에 머물러서는 안 됩니다. 그보다는 이렇게 물어야 할 것입니다. "우리는 이 강력한 도구를, 더 많은 사람이 더 좋은 일을 하며 살아가는 세상을 만드는 데 어떻게 쓸 것인가." 망치 대신 우리가 들어야 할 것은, 어쩌면 이 더 나은 질문일지도 모릅니다.

이 글에서 우리는 러다이트의 망치에서 시작해, 수도원의 필사 수도사와 인쇄술, 스프레드시트와 회계 분석가, ATM과 은행원, 전화 교환원을 거쳐 오늘의 AI까지 길게 돌아왔습니다. 이 긴 여정이 한 가지를 분명히 보여 준다면, 그것은 기술이 결말을 혼자 결정하지 않는다는 사실입니다. 같은 기술도 어떤 사회에서는 더 많은 사람을 위한 풍요로, 또 어떤 사회에서는 소수를 위한 격차로 귀결되었습니다. 그 차이를 만든 것은 언제나 사람의 선택이었습니다. AI의 시대에도 이 점은 달라지지 않을 것입니다. 결국 답은 기계가 아니라 우리 손에 있습니다.

함께 생각해 볼 거리

  1. 당신의 직업에서 AI가 '대체'할 부분과 '증강'할 부분은 각각 무엇일까요? 그 둘을 구분해 적어 본다면 어떤 그림이 그려질까요?

  2. 만약 보편적 기본소득이 도입된다면, 당신의 삶의 선택은 어떻게 달라질까요? 그리고 그 재원은 어디서 와야 한다고 생각하나요?

  3. '단기적 고통은 특정 세대가, 장기적 이익은 다음 세대가 누린다'는 패턴이 사실이라면, 우리는 변화의 한복판에 선 세대를 위해 무엇을 해야 할까요?

  4. 100년 뒤의 사람이 오늘의 우리를 돌아본다면, 우리를 '망치를 든 러다이트'로 볼까요, 아니면 '도구를 길들인 세대'로 볼까요?

  5. 만약 당신이 사는 곳이 글 속의 '자동화된 마을'이라면, 다섯 가지 선택지 가운데 무엇을 먼저 시도하겠습니까? 그리고 그 선택의 가장 큰 걸림돌은 무엇일까요?

  6. 소득이 충분히 보장된다고 가정하더라도, 당신이 일을 통해 얻던 '의미, 구조, 소속, 정체성'은 어디에서 대신 채울 수 있을까요?

참고 자료

Discuss on Twitter • View on GitHub