“요즘은 AI가 다 한다더라”라는 말을 들으면 마음이 조금 작아지는 순간이 있습니다. 특히 오래 일해 온 사람일수록 그 말은 단순한 기술 이야기가 아니라, 자신이 지나온 시간이 더 이상 읽히지 않을지도 모른다는 감각으로 다가옵니다.
그런데 이상한 점이 있습니다. 경험은 분명히 많은데, 막상 그것을 말하려 하면 “그냥 해온 일”처럼 줄어듭니다. 일은 사라지기 전에 먼저 말로 보이지 않게 될 때가 있습니다.
AI보다 먼저 사라지는 것
AI가 노인의 일자리를 빼앗을까 하는 질문은 겉으로는 기술의 문제처럼 보입니다. 하지만 그 불안 안에는 다른 층이 있습니다. 내가 해온 일이 앞으로도 필요할지보다, 내가 해온 일을 누군가 알아볼 수 있을지에 가까운 불안입니다.
오래 일한 사람의 경험은 쉽게 사라지지 않습니다. 다만 채용 공고, 이력서, 면접, 업무 소개의 언어로 바뀌지 못하면 없는 것처럼 취급되기 쉽습니다. 경험이 사라지는 것이 아니라, 경험을 읽는 방식에서 밀려나는 순간이 있습니다.
그래서 질문은 조금 달라집니다. AI가 내 일을 가져갈까가 아니라, 내 경험은 지금 어떤 말로 보이고 있는가에 가까워집니다.
일보다 먼저 흐려지는 것은, 일을 설명하는 언어일 수 있습니다.
오래 한 일의 이상한 약점
오래 한 일에는 이상한 약점이 있습니다. 너무 익숙해서 자신이 무엇을 잘했는지 잘 보이지 않습니다. 처음 배우는 사람에게는 복잡한 판단도, 오래 해온 사람에게는 그냥 당연한 순서처럼 느껴집니다.
납품 일정을 맞추고, 거래처의 기분을 살피고, 문제가 커지기 전에 미리 조정하고, 현장의 작은 변화를 알아차리는 일은 문장으로 옮기면 꽤 구체적인 능력입니다. 하지만 몸에 밴 경험은 스스로를 크게 설명하지 않습니다.
경험은 반복될수록 몸에는 남고, 말에서는 사라질 수 있습니다. 그래서 경험 많은 사람이 오히려 “특별히 한 일은 없다”고 말하는 장면이 생깁니다.
이때 필요한 것은 새로운 경력을 꾸며내는 일이 아닙니다. 이미 지나온 장면을 다시 분리해서 보는 일입니다. 무엇을 했는지보다, 어떤 상황에서 어떤 판단을 반복했는지가 보이기 시작해야 합니다.
챗GPT가 잘 묻는 자리
챗GPT는 답을 잘하는 도구로 알려져 있습니다. 하지만 노인의 경험을 꺼낼 때 더 중요한 자리는 답변이 아니라 질문입니다. 사람은 자신의 경험을 한 번에 정리하기 어렵지만, 질문을 받으면 장면을 떠올리기 시작합니다.
“무슨 일을 하셨나요?”라는 질문은 너무 넓습니다. 반면 “반복해서 해결했던 문제는 무엇이었나요?”, “사람을 상대할 때 자주 조정했던 상황은 무엇이었나요?”, “처음 온 사람이 놓치기 쉬운 부분은 무엇이었나요?”라는 질문은 경험을 조금 더 좁은 장면으로 끌어냅니다.
챗GPT의 쓸모는 여기에서 달라집니다. AI가 경험을 대신 살아 주는 것이 아니라, 이미 살아온 경험을 다시 묻게 하는 도구가 됩니다.
기술을 잘 다루는 사람이 되는 것보다 먼저 보이는 일이 있습니다. 내가 지나온 시간을 질문 가능한 형태로 바꾸는 일입니다.
관찰 챗GPT는 정답을 받는 창이 아니라, 경험을 다시 나누어 묻는 자리로 쓰일 수 있습니다.
경력보다 장면을 묻기
경력은 보통 기간과 직함으로 적힙니다. 몇 년 일했는지, 어떤 부서에 있었는지, 어떤 업무를 맡았는지가 먼저 등장합니다. 하지만 경험의 실제 힘은 그보다 작은 장면에 숨어 있는 경우가 많습니다.
오래 일한 사람의 경험은 “관리했습니다”라는 말보다 “거래처 일정이 흔들릴 때 어떤 순서로 조정했는지”에서 더 잘 보입니다. “응대했습니다”보다 “상대가 불만을 말하기 전에 어떤 신호를 알아차렸는지”에서 더 구체적으로 드러납니다.
꺼내 볼 장면
- 반복해서 마주쳤던 문제
- 초보자가 자주 놓쳤던 부분
- 사람 사이에서 조정했던 순간
- 문제가 커지기 전에 알아차렸던 신호
- 몸에 익어 설명하지 않았던 순서
이 질문들은 경험을 과장하지 않습니다. 오히려 반대로, 너무 익숙해서 지나쳤던 일을 다시 보이게 만듭니다. 경력의 핵심은 오래 있었다는 사실보다, 반복해서 어떤 문제를 통과했는지에 가까울 수 있습니다.
그렇게 보면 이력서는 단순한 기록지가 아니라, 아직 꺼내지지 않은 장면을 찾아가는 종이가 됩니다.
빼앗기는 일과 꺼내는 경험
AI가 일부 작업을 대신할 수 있다는 사실은 가볍게 넘길 수 없습니다. 일정 정리, 문서 초안, 안내문 작성, 단순 응대 같은 일은 이미 빠르게 바뀌고 있습니다. 이 변화 앞에서 불안이 생기는 것은 자연스러운 일입니다.
다만 모든 일이 같은 방식으로 사라지는 것은 아닙니다. AI가 빠르게 처리하는 것은 작업의 일부일 수 있지만, 사람이 오랫동안 쌓아 온 맥락은 다른 층에 남아 있습니다. 현장의 분위기, 상대의 말투, 문제가 커지는 순서, 말하지 않아도 알아차리는 신호 같은 것들입니다.
AI가 가져가는 일과 AI로 꺼낼 수 있는 경험은 같은 방향의 이야기가 아닐 수 있습니다. 하나는 작업의 자동화에 가깝고, 다른 하나는 경험의 재정리에 가깝습니다.
전제의 이동 “AI를 잘 못 다루면 밀린다”는 생각 아래에는, 일의 가치가 도구 속도로만 정해진다는 전제가 숨어 있습니다.
그 전제가 보이면 불안의 모양도 조금 달라집니다. 질문은 “내 일이 남을까?”에서 “내 경험은 어떤 역할로 보일 수 있을까?”로 옮겨 갑니다.
아직 질문받지 않은 시간
오래된 경험은 낡은 시간이 아닐 수 있습니다. 다만 아직 제대로 질문받지 않은 시간일 수 있습니다. 누군가가 물어보지 않았고, 스스로도 묻지 않았기 때문에 조용히 뒤에 놓여 있었던 장면들입니다.
챗GPT와의 대화는 그 시간을 새롭게 포장하는 일이 아닙니다. 더 그럴듯한 말로 꾸미는 일도 아닙니다. 지나온 일을 장면으로 나누고, 그 장면 속 판단을 다시 꺼내는 과정에 가깝습니다.
AI라는 말을 다시 듣는 순간, 불안만 떠오르지 않을 수도 있습니다. 내가 오래 해온 일 중 아직 문장이 되지 않은 장면이 함께 떠오를 수 있습니다.
경험은 사라진 것이 아니라, 아직 질문을 만나지 못했을 수 있습니다.
이어질 수 있는 질문들
AI가 실제로 노인의 일자리를 줄일 가능성은 없나요?
일부 작업은 줄어들거나 바뀔 수 있습니다. 다만 이 글이 바라보는 지점은 일자리 변화 자체보다, 그 변화 속에서 오래된 경험이 어떻게 보이지 않게 되는가에 있습니다. 사라지는 작업과 다시 꺼낼 수 있는 경험은 서로 다른 층으로 보일 수 있습니다.
챗GPT를 잘 다루지 못해도 경험 정리에 사용할 수 있나요?
복잡한 기능보다 질문의 방향이 더 중요할 수 있습니다. “내가 무슨 일을 했나”보다 “어떤 문제를 반복해서 마주했나”처럼 묻기 시작하면, 기술 사용 능력보다 경험을 나누어 보는 장면이 먼저 드러납니다.
오래된 경험이 지금의 일자리에도 의미가 있을까요?
경험은 직함이나 근무 기간으로만 읽히지 않습니다. 반복해서 감지한 문제, 사람 사이에서 조정한 상황, 현장에서 쌓인 판단이 함께 보일 때 다른 의미를 갖기 시작합니다.
경험을 정리하면 바로 일자리로 이어지나요?
경험 정리가 곧바로 일자리 결과를 보장하지는 않습니다. 다만 자신의 시간이 어떤 문제 해결 장면으로 이루어져 있었는지 보이면, 막연한 경력보다 조금 더 구체적인 역할의 윤곽이 드러납니다.
다음에 “AI가 다 한다”는 말을 듣게 된다면, 그 말 옆에 놓인 다른 장면도 함께 보일 수 있습니다. 화면 앞의 기술보다, 아직 꺼내지지 않은 경험의 문장이 조용히 남아 있을 수 있습니다.
