골드만삭스 CTO 마르코 아르젠티에게 한 시니어 뱅커가 물었습니다. "AI가 절대 못 할 10%는 무엇입니까." 그의 답은 직관에 반했습니다. 그 10%를 버리라는 것입니다.
오픈AI의 GDPval 평가에서 에이전트는 1,320개 과제의 80%에서 사람과 같거나 더 나았습니다. 6개월 전엔 50%였습니다. 지킬 10%가 아니라 바꿀 100%가 핵심입니다.
실무자에서 감독자로 옮겨가는 일입니다. 그러려면 리더의 강한 요구, 명확한 평가 기준, 정돈된 데이터 세 가지가 필요합니다. AI 전환은 데이터 전환 다음에 옵니다.
AI가 못 하는 10%를 지키려 애쓰십니까?
골드만삭스 CTO는 그 10%를 버리고 100%를 새로 배우라고 말합니다.
마르코 아르젠티는 골드만삭스의 최고기술책임자입니다. AI 낙관론자도 비관론자도 아닙니다. 거대 금융사의 업무를 실제로 AI로 바꾸고 있는 책임자입니다. 그가 하버드비즈니스리뷰에 던진 메시지는 단순합니다. "AI가 못 할 10%를 붙잡지 마라."
이 조언이 불편한 이유가 있습니다. 우리는 보통 살아남을 방법을 '내가 잘하는 것을 지키는 일'에서 찾습니다. 아르젠티는 그 본능이 함정이라고 말합니다. 지킬 영역이 아니라 바꿀 정체성을 봐야 한다는 것입니다. 리더에게 이 관점은 두 가지 질문을 바꿉니다. 직원을 어떤 기준으로 평가할 것인가, AI를 어떤 순서로 도입할 것인가입니다.
속도가 문제입니다. GDPval 평가에서 에이전트가 사람과 같거나 더 나은 비율은 6개월 만에 50%에서 80%로 올랐습니다. 그만큼 우리가 경력 내내 쌓아온 기술의 상당 부분이 빠르게 에이전트로 옮겨갑니다. 두려움이 커지면 사람은 익숙한 습관에 더 매달립니다. 아르젠티는 바로 그 습관을 놓을 용기가 지금 가장 필요한 역량이라고 말합니다.
아르젠티의 글은 추상적인 자기계발 구호가 아닙니다. 그는 변화의 방향과 그것을 떠받칠 조건을 함께 제시합니다. 개인의 마인드셋과 조직의 운영 방식을 같은 논리로 연결합니다.
첫째, AI는 1년 만에 도구에서 동료로 바뀌었습니다. 과거의 생성형 AI는 구글 검색과 비슷했습니다. 시간을 아껴줬지만 일하는 방식을 바꾸진 못했습니다. 지금은 다릅니다. 사람의 추론을 흉내 내고, 계획을 세우고, 행동에 옮깁니다. 기업 안에서 에이전트는 신뢰할 만한 정보원을 학습하고 회사 용어를 익힙니다. 상충하는 정보 속에서 스스로 작은 판단도 내립니다. 경험 많은 직원이 하던 일입니다.
오픈AI의 GDPval 평가가 이 변화를 숫자로 보여줍니다. 미국 GDP 상위 9개 산업, 44개 직업, 1,320개 과제에서 에이전트와 사람을 비교했습니다. 최신 모델 기반 에이전트는 80%의 경우에서 사람과 같거나 더 나았습니다. 6개월 전엔 그 비율이 50% 수준이었습니다. 개발자, 변호사, 자산관리자처럼 영향을 크게 받는 직업도 구체적으로 지목됐습니다.
둘째, 지켜야 할 10%는 없습니다. 바꿔야 할 100%가 있습니다. 아르젠티는 말을 타던 사람이 자동차 운전을 배우는 장면에 빗댑니다. 운전을 잘하려고 승마 기술의 10%를 붙잡을 필요는 없습니다. 가져가야 할 것은 반사 신경과 본능 100%입니다. 직업도 같습니다. 버려야 할 것은 익숙한 습관이고, 가져가야 할 것은 직관, 판단, 가치 같은 인간의 본질입니다.
구체적인 그림은 이렇습니다. 뱅커는 보통 고객의 복잡한 질문을 받은 뒤 며칠이 지나 답합니다. 에이전트가 배경에서 일하면 순서가 뒤집힙니다. 아침에 한 통의 브리핑이 옵니다. "밤사이 일어난 중요한 사건, 영향을 받을 고객, 가능한 전략." 뱅커의 가치는 그 제안을 검토하고, 판단을 더하고, 고객이 묻기 전에 먼저 전화하는 데 있습니다. 모든 슬라이드를 손수 만드는 실무자에서 벗어나는 일입니다. 에이전트에게 명확히 지시하고 결과를 책임지는 감독자로 옮겨갑니다. 이것이 아르젠티가 말하는 새로운 100%입니다.
셋째, 변화는 저절로 오지 않습니다. 리더가 3배를 요구해야 합니다. 습관을 버리는 일은 가장 어렵습니다. 아르젠티는 강한 하향식 리더십이 필요하다고 말합니다. 핵심은 목표의 크기입니다. 개발자에게 20% 개선을 요구하면 기존 방식을 조금 빠르게 할 뿐입니다. 3배를 요구해야 일하는 방식 자체를 다시 설계합니다. 업무 단계의 90% 감축을 목표로 잡으십시오. 절반만 도달해도 이미 근본적인 재설계를 거친 셈입니다.
방향만으로는 부족합니다. '좋은 결과'가 무엇인지 정의해야 합니다. 골드만삭스는 고객 온보딩에 AI를 적용할 때, 먼저 숙련된 담당자의 판단에서 '좋음'의 기준을 뽑았습니다. 그다음 AI 산출물을 그 기준과 비교하는 평가 체계를 만들었습니다. 피드백 루프가 돌면 AI가 스스로 기준에 맞춰 개선됩니다. 지도 앱에 "가장 빠른 길로, 다리는 피해서"라고 목적지를 주는 방식입니다. 좌회전·우회전을 일일이 지시하지 않습니다. 단계별 규칙에서 결과 기반 시스템으로 옮겨가는 것입니다.
넷째, AI 전환은 데이터 전환 다음에 옵니다. 에이전트는 맥락 없이는 다시 챗봇으로 돌아갑니다. 그 맥락의 원천이 데이터입니다. 많은 회사의 데이터는 흩어져 있고, 서로 다른 체계에 중복으로 쌓여 있고, 낡았습니다. 저자, 주제, 일련번호로 제각각 정리된 책이 한 서가에 뒤섞인 도서관과 같습니다. AI는 쓰레기를 넣으면 쓰레기가 나오는 문제를 안고 있습니다. 게다가 그 쓰레기 산출물을 그럴듯하게 보이게 만듭니다.
그래서 아르젠티는 요즘 분위기에 반하는 조언을 합니다. 데이터가 정돈될 때까지 대규모 AI 도입을 미루라는 것입니다. 그 정비에는 몇 달이 걸릴 수도, 몇 년이 걸릴 수도 있습니다. 데이터 준비 상태는 어떤 업무부터 AI로 전환할지 정하는 유용한 기준이 됩니다. AI 전환이 데이터 전환을 이끄는 것이 아니라, 그 반대라는 뜻입니다.
결론은 한 문장으로 모입니다. AI 산출물을 액면 그대로 믿지 마십시오. 출처를 확인하고, 감독하고, 검증해야 합니다. 지금까지 자기 손으로 만든 결과만 다뤄온 사람이라면, 이제 검증하는 법을 새로 배워야 합니다. 에이전트의 시대는 모두를 일종의 관리자로 만듭니다.
AI가 절대 못 할 것 같은 내 핵심 역량을 한 줄로 적습니다. 그다음 질문합니다. "이건 정말 못 바뀌는가, 아니면 내가 익숙해서 못 놓는가." 아르젠티의 말처럼, 지켜야 할 것은 기술이 아니라 판단과 본능일 수 있습니다. 버려도 되는 습관을 골라내는 일이 출발점입니다. (소요 시간: 15분)
AI에게 일을 맡기려면 좋음의 기준이 먼저 있어야 합니다. 자주 하는 업무 하나를 골라, 잘된 결과의 조건 3~5개를 적습니다. 숙련자가 무의식적으로 적용하던 판단을 꺼내는 작업입니다. 이 기준이 있어야 AI 산출물을 검증할 수 있고, 단계별 지시 대신 결과로 일을 맡길 수 있습니다. (소요 시간: 30분)
가장 급한 업무가 아니라, 데이터가 가장 잘 정리된 업무부터 AI를 적용합니다. 쓰레기 데이터 위에 올린 AI는 그럴듯한 오답을 만듭니다. 부서별 데이터 상태를 '정돈/혼재/부재'로 한 번 분류해보십시오. 어디서 시작할지가 보입니다. (소요 시간: 1시간)
80%는 벤치마크 결과입니다. GDPval은 통제된 과제 평가입니다. 실제 업무의 복잡성, 책임, 관계까지 담지는 못합니다. 이 숫자를 "직업의 80%가 대체된다"로 읽으면 과장입니다. 다만 6개월 만에 50%에서 80%로 오른 변화의 속도는 가볍게 볼 수 없습니다.
'10%를 버리라'는 조언에는 전제가 있습니다. 아르젠티는 모든 직업이 같은 속도로 바뀐다고 말하지 않습니다. 버릴 것은 익숙한 습관이지, 직관·판단·가치 같은 인간의 본질이 아닙니다. 이 구분을 놓치면 "다 버려도 된다"는 위험한 결론으로 흐릅니다. 무엇을 버리고 무엇을 지킬지 가르는 판단이 핵심입니다.
이 글은 빅테크 CTO의 관점입니다. 골드만삭스는 데이터와 자본, 인재가 풍부한 회사입니다. 데이터 정비에 몇 년을 쓰고 AI 도입을 미룰 여유가 모든 조직에 있는 것은 아닙니다. 원리는 가져오되, 자기 조직의 자원과 속도에 맞게 조정하는 균형이 필요합니다.
지켜야 할 10%를 찾지 마십시오. 바꿔야 할 100%를 설계하십시오. 그 시작은 실무자에서 감독자로 정체성을 옮기는 일입니다.
GDPval: 오픈AI가 만든 평가 기준입니다. 미국 GDP 상위 9개 산업의 44개 직업, 1,320개 실제 과제로 AI와 사람을 비교합니다. 추상적 시험이 아니라 현업 과제로 측정한다는 점이 특징입니다.
AI 에이전트(Agent): 질문에 답만 하는 챗봇과 달리, 목표를 받아 스스로 계획을 세우고 여러 단계의 작업을 실행하는 AI입니다. 사람의 개입을 최소화하고 업무를 위임할 수 있다는 점에서 도구보다 동료에 가깝습니다.
결과 기반 시스템(Outcome-based system): 좌회전·우회전처럼 단계를 일일이 지시하지 않습니다. "가장 빠른 길로"처럼 결과만 정의하고, 그 사이의 작은 판단은 AI에 맡기는 방식입니다. 평가 기준과 피드백 루프가 전제되어야 작동합니다.
쓰레기 입력, 쓰레기 출력(Garbage In, Garbage Out): 잘못된 데이터를 넣으면 잘못된 결과가 나온다는 원칙입니다. AI는 여기에 한 가지 위험을 더합니다. 그 잘못된 결과를 그럴듯하게 보이도록 만든다는 점입니다.
- Argenti, M. (2026, June). To Thrive Alongside AI, Focus on Mindset—Not Skillset [Article]. Harvard Business Review. (원문 보기 ↗)