AI가 전문가보다 빨라진 시대, 우리는 무엇을 공부하고 무엇을 가르쳐야 하나

회계사 12명과 최상위 AI를 붙여봤더니 AI가 더 빠르고 정확했다. 그러나 이 숫자를 “전문직의 종말”로 읽으면 절반만 보는 것이다. 더 큰 변화는 인간의 값어치가 지식의 보유량에서 문제를 정의하고, 판단하고, 책임지고, 사람을 설득하는 능력으로 이동하고 있다는 점이다.

20초 핵심

1
Mercor의 단순화된 월말 결산 실험에서 Claude Opus 5는 20회 모두 만점, 인간 회계사 12명의 평균은 약 37%. AI는 10분 안에 끝낸 반면 인간은 대부분 30분에서 3시간 소요.
2
그렇다고 회계사가 끝난 것은 아님. 더 복잡한 장기 업무를 다루는 APEX-Accounting에서는 최신 모델도 아직 일관된 완전 수행에 실패. AI가 강한 일과 인간이 여전히 강한 일을 분리해야 할 시점.
3
개인과 아이에게 필요한 전략은 “AI보다 많이 외우기”가 아니라 “AI를 잘 쓰면서도 스스로 질문하고 검증하고 책임지는 사람”이 되는 것. 투자자에게는 AI 모델보다 AI가 실제 업무 속으로 들어가는 속도가 더 중요한 변수.

회계사 12명과 AI를 붙여봤더니 벌어진 일

2026년 10월 초 AI 인재·평가 기업 Mercor가 꽤 불편한 실험 결과를 공개했다. 미국 공인회계사 12명에게 월말 결산과 관련된 네 가지 과제를 맡겼다. 참가자들의 평균 경력은 약 5년 반이었다. 절반은 Big Four 경력이 있었다.

과제에는 여러 파일을 뒤져 숫자를 찾고, 잘못 분류된 항목을 바로잡고, 발생주의 회계에 맞게 거래 시점을 조정하는 작업이 들어갔다. 인간 회계사들의 평균 점수는 약 37%. 반면 Claude Opus 5는 같은 과제를 20번 수행해 20번 모두 100점을 받았고, 매번 10분 안에 끝냈다.

37%
인간 회계사 평균 정확도
100%
Claude Opus 5, 20회 연속
49배
Mercor 추정 기준, 정답 기준 비용 차이

비용 차이도 컸다. Mercor 계산으로는 평가 기준 하나를 맞히는 데 Claude가 약 0.21달러, 인간 회계사는 미국 중위 임금을 적용할 경우 약 10.35달러가 들었다. 약 49배 차이다.

하지만 여기서 “회계사는 끝났다”고 결론 내리면 바로 과장이다.

이 실험은 네 개의 단순화되고 잘 정의된 과제였다. 실제 회사의 결산 전체에는 예외 상황, 불완전한 정보, 조직 내부 맥락, 질문과 협의, 규제 책임이 섞여 있다. Mercor가 Ramp와 만든 더 복잡한 APEX-Accounting 160개 과제에서는 최신 AI도 아직 모든 업무를 높은 신뢰도로 끝내지 못한다.

중요한 것은 직업이 하루아침에 사라지느냐가 아니다. 한 직업 안에서 AI가 훨씬 잘하는 업무가 빠르게 늘고 있다는 사실이다.

앞으로 사라지는 것은 직업보다 ‘업무의 가격’일 수 있다

예전에는 보고서 한 장을 만들기 위해 사람이 자료를 찾고, 엑셀을 돌리고, 초안을 쓰고, 오류를 잡았다. 이제 이 과정 가운데 상당 부분을 AI가 몇 분에서 몇십 분 안에 처리하기 시작했다.

그 결과 먼저 벌어질 가능성이 높은 변화는 “회계사라는 직업이 사라진다”가 아니라 “회계사가 3시간 하던 특정 작업의 시장가격이 급격히 떨어진다”는 것이다. 변호사의 초안 작성, 애널리스트의 자료 정리, 마케터의 리서치, 개발자의 반복 코딩도 같은 압력을 받을 수 있다.

반대로 가치가 올라갈 일도 있다. 어떤 문제를 풀어야 하는지 정하는 일, AI가 놓친 전제를 찾아내는 일, 위험한 결론에 서명하는 일, 고객을 설득하고 이해관계를 조정하는 일이다.

가격이 내려갈 가능성이 큰 능력가치가 올라갈 가능성이 큰 능력
자료 검색과 정리좋은 질문과 문제 정의
정형화된 계산과 문서 초안결과의 검증과 예외 판단
규칙이 명확한 반복 업무불완전한 정보에서의 의사결정
지식을 많이 외우는 능력여러 분야를 연결하는 사고
그럴듯한 보고서를 만드는 능력결과에 책임지고 사람을 움직이는 능력

세계경제포럼은 2030년까지 현재 직무에 필요한 핵심 기술의 약 39%가 바뀔 것으로 예상했다. AI와 빅데이터가 가장 빠르게 중요해지는 기술로 꼽혔지만, 동시에 분석적 사고, 창의적 사고, 회복탄력성, 리더십, 호기심과 평생학습 역시 중요도가 높아질 것으로 전망했다.

그렇다면 우리는 앞으로 어떻게 살아야 할까

1. AI를 ‘검색창’이 아니라 동료처럼 써야 한다

AI에게 한두 문장 묻고 답변이 별로라며 평가하는 시대는 빠르게 지나가고 있다. 실제 생산성 차이는 모델 이름보다 일을 얼마나 잘 쪼개고, 필요한 자료를 주고, 결과를 검증하고, 다음 단계로 연결하느냐에서 커진다.

Anthropic의 2026년 경제지수 조사에서도 AI 사용자 다수는 업무 속도, 처리 범위, 품질이 개선됐다고 답했다. 중요한 것은 AI를 가끔 쓰는 사람이 아니라, 자신의 업무 흐름 자체를 AI 중심으로 다시 짜는 사람이 생기기 시작했다는 점이다.

2. ‘내가 잘하는 일’보다 ‘AI가 못하는 내 일’을 찾아야 한다

자격증이나 경력 자체가 방어막이 되지는 않는다. 자신의 업무를 20개 정도의 작은 작업으로 쪼개보는 편이 낫다. 그중 AI가 지금도 80점 이상 하는 일은 빠르게 맡기고, AI가 자주 틀리는 일, 책임이 필요한 일, 사람 사이의 신뢰가 필요한 일에 시간을 더 써야 한다.

3. 평생 한 직업보다 평생 여러 번 재교육받는 삶을 전제로 해야 한다

앞으로 안정적인 사람은 변화가 없는 직업을 찾은 사람이 아니라, 새로운 도구가 나올 때마다 자신의 일을 다시 설계할 수 있는 사람일 가능성이 높다. 직업명보다 학습 속도가 더 중요한 자산이 되는 셈이다.

아이 교육은 오히려 더 ‘기본기’로 돌아가야 한다

AI 시대라고 초등학생부터 프롬프트 기술만 가르치는 것은 좋은 전략이 아니다. 지금 유행하는 도구 이름은 몇 년 뒤 바뀔 수 있다. 오래 남는 것은 생각하는 힘이다.

아이에게 필요한 것은 “AI 없이 공부하기”도, “모든 것을 AI에게 맡기기”도 아니다.

먼저 자기 머리로 풀어보고, 그다음 AI와 비교하고, 틀린 이유를 설명하게 하는 방식이 더 낫다. AI를 정답 기계가 아니라 사고를 점검하는 상대방으로 쓰는 교육이다.

투자자는 ‘AI 모델 1등’보다 돈이 어디로 이동하는지 봐야 한다

이 변화는 투자에서도 중요하다. AI가 전문직 업무의 일부를 실제로 대체하기 시작하면 돈은 단순히 챗봇 회사에만 가지 않는다. 기업이 업무를 AI 중심으로 다시 설계하는 과정에서 컴퓨팅, 클라우드, 데이터, 보안, 업무 소프트웨어, 전력 인프라까지 넓은 생태계가 함께 필요해진다.

다만 “AI가 성장한다”와 “AI 관련 주식이면 모두 오른다”는 전혀 다른 문장이다. 기술 발전 속도가 빠를수록 오늘의 강자가 내일도 같은 마진을 유지한다는 보장은 없다. 모델 가격 하락, 오픈소스 경쟁, 과도한 데이터센터 투자, 고객의 투자수익률이 주요 변수다.

INSIGHT TIMES VIEW

개인 투자자가 가져갈 핵심은 AI 기업을 무작정 추격하는 것이 아니라, AI 때문에 실제 매출과 현금흐름이 늘어나는 기업 과 AI 때문에 기존 사업의 단가가 무너지는 기업 을 구분하는 것이다.

더 긴 시간축에서는 또 하나의 헤지가 있다. 노동소득만으로 AI 생산성 향상의 혜택을 받기 어렵다면, 생산성 증가를 흡수하는 기업의 지분을 장기적으로 소유하는 방법이다. 다만 개별 기업 집중보다 밸류에이션과 경쟁 구도를 함께 보는 것이 중요하다.

전문직 자격증은 이제 의미가 없어지는가?
  • 그렇지 않다. 다만 자격증의 가치가 “내가 계산을 더 잘한다”에서 “규정을 이해하고 결과에 책임질 수 있다”로 이동할 가능성이 크다. 법적 책임과 신뢰가 필요한 영역일수록 사람의 서명은 오래 남을 수 있다.
코딩을 반드시 배워야 하나?
  • 모든 사람이 개발자가 될 필요는 없다. 오히려 자신의 분야 지식에 AI와 데이터 활용 능력을 붙이는 편이 현실적이다. 중요한 것은 프로그램 언어 자체보다 문제를 구조화하고 도구를 연결하는 능력이다.
아이에게 AI 사용을 제한해야 하나?
  • 연령과 과제에 맞는 제한은 필요하지만 전면 금지는 현실적인 해법이 되기 어렵다. 먼저 스스로 생각하게 한 뒤 AI로 검증하고, AI의 답을 반박하거나 수정하게 만드는 방식이 더 교육적이다.
AI가 이렇게 빨리 좋아지면 대학 전공 선택은 의미가 없나?
  • 전공보다 전공을 어떻게 사용하는지가 중요해질 가능성이 높다. 회계, 법, 의학, 공학 같은 도메인 지식은 AI의 답을 검증하고 실제 책임을 지기 위해 여전히 필요하다. 다만 암기와 반복 작업만으로 차별화하기는 점점 어려워질 수 있다.

체크 포인트

읽기긴 글을 읽고 핵심 주장과 근거를 구분하는 힘. AI 답변이 맞는지 판별하려면 먼저 사람이 문장을 정확히 이해해야 한다.
쓰기자신이 원하는 것을 구조적으로 표현하는 힘. 좋은 프롬프트도 결국 좋은 글쓰기의 한 형태다.
수학과 통계숫자에 속지 않는 힘. AI가 계산을 대신하더라도 어떤 계산이 필요한지, 결과가 말이 되는지는 사람이 판단해야 한다.
질문정답을 빨리 맞히는 능력보다 “왜 그런가”, “반대 증거는 무엇인가”, “무엇이 빠졌는가”를 묻는 습관.
AI 활용숙제를 대신 시키는 사용법이 아니라 조사, 반론 찾기, 설명 비교, 자기 글 피드백처럼 사고를 확장하는 사용법.
사람과의 경험친구와 협업하고, 발표하고, 갈등을 해결하고, 실패를 견디는 경험. 화면 안에서 완전히 대체하기 어려운 능력.
기업의 AI 매출과 비용 절감실험과 시연이 아니라 실제 손익계산서에 AI 효과가 잡히는지 확인할 지표. AI 업무의 완전 수행률 단일 문제 점수보다 여러 앱과 파일을 오가며 끝까지 일을 마치는 신뢰도가 중요. 인력 재배치와 채용 변화 기업이 AI 때문에 단순 감원을 하는지, 아니면 인력을 영업과 고부가가치 업무로 옮기는지 확인할 지표. AI 사용자의 생산성 격차 AI를 많이 쓰는 사람과 그렇지 않은 사람의 임금, 승진, 업무량 격차가 실제로 커지는지가 장기적으로 가장 중요한 사회적 변수.
AI가 먼저 없애는 것은 직업보다 업무의 값일 가능성이 크다.

인사이트 타임스 편집부

주제로 더 읽기

이 기사의 주제부터, 요즘 많이 읽히는 주제까지

투자 심리와 의사결정, 그리고 투자 책 이야기

AI 에이전트

이 기사의 주제기사 89편모두 보기 →

사람이 한 줄 시키면 여러 단계를 스스로 밟아 일을 끝내는 AI.

클로드 듀엣의 등장, AI가 이제 먼저 말을 걸기 시작했다

AI의 경쟁력이 답변의 정확도에서 ‘언제 개입해야 하는지 판단하는 능력’으로 확장되고 있다. 앤트로픽의 클로드 듀엣은 그 변화를 보여주는 새로운 실험이다.

테크WHAT NEXT

메타 3분기 실적, 광고는 26% 성장했는데 현금흐름은 적자 - AI 투자 1,450억달러의 승부수

매출은 시장 예상치를 넘어섰고, 법률비용을 제외한 주당순이익도 기대 이상이었다. 하지만 영업이익률은 반토막 났고, 잉여현금흐름은 적자로 돌아섰다. 메타는 이제 광고로 돈을 잘 버는 기업에서, 그 돈을 AI에 얼마나 효율적으로 투자하는지 증명해야 하는 기업으로 바뀌고 있다.

투자EXPLAIN

AI는 클라우드로 가는 줄 알았는데, Apple은 다시 책상 위로 가져오고 있다

Mac Studio 네 대가 1조 파라미터 모델을 돌린 장면보다 더 중요한 것은 경제학이다. AI 사용량이 충분히 많고 반복적이라면, 매번 토큰을 사는 것보다 연산 장비를 직접 보유하는 편이 싸지는 지점이 생긴다.

테크SO WHAT

Smartphone showing a Gemini trip widget on an airport cafe table

구글이 앱을 만드는 방식을 바꾼다. 이제 AI에게 말하면 내 화면이 만들어진다

우리는 지금까지 앱이 만들어 놓은 화면에 적응했다. 구글은 이제 AI가 사람마다 필요한 화면을 직접 구성하는 시대를 열려 한다.

테크EXPLAIN

안드레 카파시가 본 AI의 기묘한 격차 : 누군가에겐 어설픈 챗봇, 누군가에겐 수직으로 치솟는 능력

어떤 사람에게 AI는 질문에 엉뚱하게 답하는 챗봇이다. 조금 더 편리한 검색엔진 정도다.

세상이야기EXPLAIN

AI가 손과 발을 얻은 뒤 - 공장보다 더 크게 바뀌는 것은 아이들의 공부와 인간의 일이다

피지컬 AI는 로봇 산업의 유행어가 아니다. AI가 화면 밖으로 나와 현실의 물체를 움직이기 시작하면서, 제조업의 경쟁 방식과 인간이 맡는 일의 경계, 그리고 ‘무엇을 배워야 하는가’라는 교육의 오래된 질문까지 동시에 흔들고 있다.

세상이야기SO WHAT

아마존 상자와 노트북 위 상품 정보 화면, 뒤편의 구글 로고

아마존은 왜 팔지도 않는 상품의 정보까지 모으려 할까?

구글에서 제품을 조사하고 아마존에서 구매하던 시대. AI가 검색과 구매를 하나로 연결하기 시작하자, 아마존은 전 세계 상품 정보의 주도권을 확보하려 한다.

테크WHY

클라우드

이 기사의 주제기사 31편모두 보기 →
Trader at multiple screens showing falling stock charts beside a US flag in a New York trading room

지금은 큰 하락장의 시작일까, 반등 전 마지막 조정일까?

AI 클라우드 매출은 급증했지만 반도체지수는 하루에 7.20% 하락했다. 경제와 기업이익은 성장하는데 주식시장은 왜 불안할까? 중요한 것은 바닥을 맞히는 능력보다 진짜 위험과 과장된 공포를 구별하는 판단력이다.

투자REALLY?

Trader on a trading floor watching a red falling chart beside Google, Amazon, Microsoft and Meta logos

나스닥 선물 -2.36%, AI 투자 공포는 또 시작됐다. 이번에도 겁먹고 팔아야 할까?

알파벳과 아마존 실적 발표 뒤 나스닥 선물이 2% 넘게 내렸다. 시장은 AI 수요보다 투자비와 현금흐름을 묻기 시작했다. 이 공포가 처음 보는 것인지, 그리고 장기투자자는 무엇을 확인해야 하는지 짚는다.

투자자의 사고EXPLAIN

앤스로픽 IPO가 드러낸 AI 투자의 다음 질문 : 매출은 폭발한다. 이익은 누가 가져가는가

매출이 기하급수적으로 커지는 사이, 회계상 적자와 실제 현금흐름은 전혀 다른 모습을 보였다. AI 산업의 승자를 가릴 기준은 성장률만이 아니다.

투자WHAT NEXT

AI 조정장, 반등은 언제 시작되는가?4

AI 주식은 언제 다시 오를까? 반등을 결정할 다섯 가지 조건

FOMC와 빅테크 실적이 한 주에 몰린다. 날짜를 예언하는 대신 반등의 지속성을 검증할 기준을 세워야 한다.

투자WHAT NEXT

마이크로소프트는 정말 AI 승자인가… 투자의 핵심은 LLM보다 ‘업무표준’에 있다

애저는 48% 성장했고, 186억 달러의 잉여현금흐름도 남겼다. 그러나 마이크로소프트의 장기 경쟁력은 AI 모델 성능보다 사람들이 어디에서 업무를 시작하고, 누구에게 비용을 지불하느냐에 달려 있다.

테크REALLY?

마이크로소프트 Azure 48% 성장, 그런데 AI 투자비는 더 늘어난다

매출과 이익은 기대를 웃돌았다. 이제 투자자는 AI 매출 증가가 언제 현금흐름 개선으로 연결될지 확인해야 한다.

투자WHAT NEXT

Google Cloud 데이터센터의 TPU 서버 랙과 엔지니어

AI 칩도 이제 맞춤형 시대, 구글 TPU 2종이 바꾸는 엔비디아의 경쟁 구도

보안과 대규모 추론으로 갈라지는 AI 반도체 시장. 구글은 왜 엔비디아와 다른 길을 택했을까?

테크WHY

고용

이 기사의 주제기사 8편모두 보기 →
Night-shift operator supervising humanoid robots at Figure AI

로봇이 사람을 대체한다더니… Figure AI는 왜 시급 45달러 야간 직원을 구할까?

사람 대신 일할 로봇을 밤새 관리할 사람이 필요하다. Figure AI의 채용 공고가 드러낸 것은 휴머노이드의 한계만이 아니라, 테슬라 옵티머스의 경제성을 판단할 새로운 기준이다.

테크WHY

직원 60%를 줄이려던 메타, 왜 대규모 AI 조직개편 계획을 접었을까?

AI의 업무 자동화와 기업의 생산성은 왜 같은 숫자가 아닐까?

테크WHY

AI가 일자리를 없애나, 늘리나 - 진짜 문제는 ‘첫 일자리’가 사라지는 속도다

빌 게이츠는 AI가 인간의 인지 노동 자체를 대체할 수 있다고 경고하고, 젠슨 황은 생산성 향상이 더 큰 시장과 더 많은 일을 만든다고 본다. 지금까지의 데이터는 한쪽의 완승보다 더 복잡한 답을 보여준다. 총고용은 아직 무너지지 않았지만, 노동시장에 들어오는 문부터 먼저 좁아지고 있다.

세상이야기REALLY?

연준이 금리를 못 내리는 이유: 고용·유가·AI의 삼중 잠금

금리 인하를 막는 것은 물가 하나가 아니다. 강한 고용, 다시 오른 에너지 가격, 그리고 거대한 AI 투자 사이클이 서로 다른 경로로 미국 금리의 바닥을 끌어올리고 있다.

거시WHY

노트북과 모니터 앞에서 여러 업무를 하나의 프로젝트로 정리하는 프리랜서

AI 프로젝트 예산은 52% 더 높았다. 그런데 누가 돈을 벌까?

AI가 사람의 일을 빼앗는다는 이야기 뒤에서, 기업은 더 많은 일을 묶어 하나의 결과물로 주문하기 시작했다.

테크EXPLAIN

해고는 줄었는데 일자리도 사라졌다: 미국을 덮친 ‘Low-Hire, Low-Fire’의 함정

실업률 4.1%만 보면 미국 고용시장은 멀쩡해 보인다. 하지만 채용률과 이직률을 보면 전혀 다른 그림이 나온다. 기업은 사람을 자르지 않지만, 새로 뽑지도 않는다. 그 결과 가장 먼저 끊기는 것은 실업자의 일자리만이 아니라 직장인의 ‘연봉 상승 사다리’다.

거시EXPLAIN

AI가 사람을 대체한다는데, 왜 전기기사가 부족해졌을까

AI 데이터센터 건설 붐이 GPU·전력 다음 병목을 드러내고 있다

테크WHY

젠슨 황 없는 엔비디아, 1,090억 달러 실적보다 중요한 세 가지 질문

11월 12일 엔비디아는 공동창업자 젠슨 황의 CEO 및 이사회 사임을 발표했다. SEC 공시에 따르면 이사회가 사임을 수리한 날은 11월 11일이다.

투자SO WHAT

젠슨 황이 떠나자, 왜 엔비디아보다 더 불안한 회사들이 생겼을까?

2026년 11월 12일, AI 산업의 상징과도 같았던 젠슨 황이 엔비디아 CEO 자리에서 물러났다는 발표가 나왔다. 1993년 창업 이후 33년 동안 회사를 이끌었던 인물의 퇴장. 충격은 엔비디아 주가에만 머물지 않았다.

투자WHY

말로는 겁을 냈지만, 돈으로는 주식을 샀다 - 이번 주 월가 뷰가 본 두 얼굴의 시장

이번 주 월가에서는 투자자의 말과 돈이 서로 다른 쪽을 가리켰다. 엔비디아가 크게 빠졌는데도 지수는 조금만 내려왔다. 장기투자자가 이 한 주에서 무엇을 확인할 수 있는지 네 가지로 정리했다.

투자EXPLAIN

기술주 급락, 강세장은 끝났을까? 월가의 4년 차트가 말하는 진실

4년간 다섯 번의 두 자릿수 조정에도 살아남은 상승 추세. 그러나 이번에는 AI 기업의 부채와 현금흐름이 새로운 변수로 떠올랐다.

투자WHAT NEXT

젠슨 황의 퇴장, 엔비디아가 잃은 것과 미국 AI 패권이 직면한 딜레마

개인 스캔들로 시작된 사임이 드러낸 것은 한 기업의 경영 공백만이 아니다. 중국을 통제하면서도 미국 기술의 영향력을 유지해야 하는 정책의 모순, 그리고 AI 산업의 실행 속도가 탁월한 한 사람에게 의존해온 취약성이다.

투자SO WHAT

유리 외벽에 ANTHROPIC 기업 로고가 보이는 도심 건물의 보도사진 스타일 이미지

앤트로픽 IPO 1.4조 달러의 진짜 의미, AI 성장에 필요한 돈은 누가 부담할까?

앤트로픽의 IPO는 단순히 거대한 AI 기업 하나가 증시에 입성하는 사건이 아니다. AI 산업이 지금까지의 사모 투자와 빅테크의 자금 지원을 넘어, 공개 주식시장에서 대규모 성장 자금을 조달하는 단계로 진입한다는 의미가 있다.

테크REALLY?

머스크가 내다본 AI 인프라의 다음 단계

네오클라우드의 위기는 왜 스페이스X와 테슬라의 기회가 될 수 있을까

테크WHAT NEXT