직무 밖 과업에 AI를 한 번 써본 뒤, 다음 달에도 같은 일을 맡기는 사람이 있다. OpenAI가 2026년 4~7월 업무 관련 ChatGPT 메시지 150만 건 이상을 분석한 연구에서는 이런 반복 사용 양상이 관찰됐다. 이는 AI가 익숙한 업무를 돕는 데 그치지 않고, 평소 자신의 직무 범위 밖에 있던 일을 시도할 때도 쓰이고 있음을 보여준다. 출처

이 변화는 자신의 전문 분야 밖 과업을 처리해야 하는 근로자와, 직원들의 AI 사용 방식을 살피는 조직에 관련이 있다. 지금 알아둘 핵심은 ‘직무 밖 일을 AI로 하면 성과가 좋아진다’가 아니다. 일부 사용자가 그런 과업을 반복했고, AI에 건네는 정보와 요청 방식도 직무 안의 일을 할 때와 달랐다는 점이다. 출처

무엇이 달라졌나: 시도에서 반복으로

4월부터 7월까지 계속 관찰된 약 6,200명의 직무별 AI 활동에서, 이전에도 사용했던 직무 외 과업의 비중은 4월 13.1%에서 7월 25.9%로 늘었다. 연구는 이를 일부 과업이 일회성 시도를 넘어 지속적인 업무 흐름에 포함될 가능성과 일치하는 결과로 설명한다. 모든 직무 밖 과업이 정기 업무가 됐다는 뜻은 아니지만, 한 번의 사용으로 끝나지 않는 사례가 늘어난 것이다. 출처

한 달 뒤를 따로 살펴본 표본에서도 차이가 있었다. 전월에 직무 외 과업을 수행한 근로자는 같은 과업을 다시 수행한 비율이 23.6%였다. 전월에 해당 과업 사용이 관찰되지 않은 비교 근로자가 그 과업을 사용한 비율은 8.4%였다. 이 수치는 ‘전에 해본 일을 다시 한다’는 흐름을 이해하는 데 도움을 주지만, AI 사용으로 업무 능력이 향상됐다는 증거는 아니다. 출처

내 일에서는 어디부터 살펴볼까

먼저 최근 AI를 사용한 과업을 떠올릴 때, 평소 맡던 일과 직무 범위 밖의 일을 구분해 볼 수 있다. 이 연구에서 제안할 수 있는 실천 방향은 직무 밖 과업을 무조건 늘리는 것이 아니라, 어떤 과업에 어떤 배경과 예시를 제공했고 무엇을 검토해 달라고 했는지 살피는 것이다. 조직이라면 직원에게 도구를 제공하는 문제와 함께, 그런 요청이 실제 업무 흐름에서 어떻게 이어지는지도 살펴볼 수 있다. 출처

다음으로 한 번 써본 과업과 다음 달에도 다시 쓰는 과업을 구별해 보자. 연구에서 다음 달 재수행률은 고객과 상품·서비스를 논의하는 과업 54%, 광고·홍보 문안 작성 44%, 마케팅 자료 제작 37%였다. 반면 금융 정보를 설명하는 과업은 약 15%였고, 직무 외 과업 전체 평균은 18.5%였다. 과업마다 차이가 큰 만큼, 다른 분야에서 많이 쓴다는 이유만으로 내 업무에도 같은 방식이 자리 잡을 것이라고 판단하기는 어렵다. 출처

요청 방식은 어떻게 달랐나

연구에서 근로자는 직무 밖 과업에 AI를 쓸 때, 직무 안의 과업보다 평균적으로 짧은 프롬프트를 입력했다. 설명이나 절차 안내, 특정 형식, 조언은 상대적으로 덜 요청했다. 대신 예시나 배경 정보를 주고 결과를 검토·확인해 달라고 할 가능성은 더 높았다. 연구진은 이를 다른 분야의 지식을 빌려 현재의 문제에 적용하는 방식일 수 있다고 해석했다. 출처

따라서 직무 밖의 일을 시도한다면 ‘AI에게 무엇을 시킬까’만 생각하기보다, 어떤 맥락과 예시를 전달하고 어떤 부분을 확인받으려는지 살펴보는 편이 연구에서 관찰된 사용 방식에 가깝다. 다만 이는 관찰 결과를 바탕으로 한 적용 제안이다. 짧게 요청하거나 예시를 제공하는 특정 방식이 더 좋은 결과를 낸다고 입증된 것은 아니다. 출처

조직이라면 도구보다 업무 흐름도 보자

직원들이 AI를 이용할 수 있게 하는 것만으로는 어떤 과업이 실제 업무에 남는지 알기 어렵다. 조직은 직원들이 직무 밖 과업에서 제공하는 배경·예시, 요청하는 검토 내용, 다음 달에도 반복되는 과업을 함께 살펴볼 수 있다. 연구는 문제를 파악한 뒤 AI의 도움으로 업무를 진전시키는 과정에서 마찰을 줄이는 일이 중요할 수 있다고 제시한다. 다만 효과가 입증된 도입 절차를 제시한 것은 아니다. 출처

숫자를 해석할 때 놓치지 말 것

이 결과는 모든 근로자의 AI 사용을 대표하는 수치가 아니다. 연구는 ChatGPT Business 온보딩 때 제공된 역할·부서 정보로 직업을 분류하고, 분류 가능한 일부 대화 표본을 분석했다. 연구진은 메시지를 개별적으로 읽지 않고 집계·익명화해 분석했으며, 학습 사용이 비활성화된 데이터와 분류 정보가 없는 메시지는 제외했다고 밝혔다. 따라서 여기서 확인한 반복 사용을 전체 노동시장으로 넓혀 해석하거나, 특정 사용법의 성과가 검증됐다고 받아들여서는 안 된다. 출처

내가 지금 판단할 수 있는 출발점은 단순하다. 직무 밖 과업에 AI를 썼다면 한 번의 시도로 끝났는지, 다음에도 같은 과업에 썼는지, 어떤 정보를 건네고 무엇을 확인했는지를 구분해 보는 것이다. 반복되는 사용은 관심을 기울일 만한 신호지만, 그것만으로 그 일이 더 잘 처리됐다고 결론 내릴 수는 없다. 출처