콘텐츠 팀이 AI 도입을 검토할 때 가장 위험한 질문은 “몇 명의 일을 줄일 수 있는가”다. 이 질문은 빠르게 답할 수 있어 보이지만, 잘못 답하면 제작 속도만 높인 채 품질 사고와 브랜드 훼손을 키운다.
더 나은 질문은 이렇다. 우리 팀의 어떤 업무는 결과를 다시 확인해도 비용이 낮고, 어떤 업무는 사람 이름으로 판단과 책임을 남겨야 하는가.
미국의 영화·영상 산업 고용은 팬데믹 이후의 제작 공백, 개봉 편수 감소, 노동 분쟁 등 여러 요인의 영향을 함께 받았다. 고용 통계만으로 AI가 줄인 일자리의 규모를 분리해 계산하기는 어렵다. 미디어·영상·출판 분야에서 일자리가 줄었다는 사실과, 그 감소가 곧바로 AI의 직접 대체 효과라는 결론은 구분해야 한다.
그렇다고 콘텐츠 조직이 관망해도 된다는 뜻은 아니다. 바뀐 것은 AI가 창작자를 통째로 대체했다는 사실보다, 반복적인 디지털 제작 업무를 더 낮은 비용과 짧은 시간에 시도할 수 있게 되었다는 점이다. 그 결과 조직이 줄이거나 재설계할 수 있는 업무와, 오히려 더 중요해지는 검수·기획 업무의 경계가 선명해지고 있다.
고용 감소와 업무 자동화는 같은 지표가 아니다
고용은 사업 환경 전체의 결과다. 제작 예산 축소, 플랫폼 중심 유통으로의 이동, 외주와 해외 제작, 경기 변화, 작품 편성과 투자 감소도 인원 변화에 영향을 준다. 영화·영상 산업의 최근 고용 흐름을 보더라도 팬데믹과 파업, 출시 감소 같은 비AI 요인을 떼어낼 수 없다.
따라서 경영진이 “업계 인력이 줄고 있으니 우리도 AI로 인력을 줄여야 한다”고 판단하면 두 가지를 놓치기 쉽다.
첫째, 줄어든 일자리와 사라진 업무는 다르다. 한 명이 하던 일 가운데 일부는 자동화될 수 있지만, 나머지는 더 높은 수준의 편집 판단, 이해관계자 조율, 품질 확인으로 바뀔 수 있다.
둘째, AI가 생산량을 늘린다고 해서 콘텐츠의 사업 가치가 함께 늘지는 않는다. 같은 주제의 초안, 요약, 이미지, 제목 후보가 빠르게 늘어날수록 독자가 무엇을 믿고 선택할지 정하는 편집 기준이 더 중요해진다.
콘텐츠 조직은 업계 고용 통계를 인력 감축의 근거로 쓰기보다, 기존 역할 설계가 유지되기 어려워졌다는 경보로 읽는 편이 낫다.
자동화 후보는 ‘반복성’보다 ‘되돌릴 수 있음’까지 봐야 한다
반복되는 업무라고 모두 자동화하기 좋은 것은 아니다. 결과가 틀렸을 때 쉽게 고칠 수 있는지, 오류가 외부로 나간 뒤 어떤 피해를 만드는지까지 함께 봐야 한다.
다음 네 가지 질문으로 업무를 나눠볼 수 있다.
-
입력이 일정한가
정해진 형식의 원고, 목록, 메타데이터처럼 입력 구조가 비교적 일정한 업무는 시험 범위를 정하기 쉽다. 반대로 인터뷰 맥락, 커뮤니티 분위기, 민감한 사회 이슈처럼 배경 정보가 매번 달라지는 업무는 결과 편차가 커질 수 있다. -
결과를 객관적으로 대조할 수 있는가
날짜, 표기 규칙, 분류 체계, 정해진 문구처럼 기준표와 비교할 수 있는 결과는 검수 절차를 만들기 쉽다. “이 글이 우리 독자에게 필요한가”, “이 표현이 논쟁을 부추기는가” 같은 판단은 정답표만으로 처리하기 어렵다. -
실수가 공개 전에 되돌릴 수 있는가
내부 초안, 아이디어 정리, 여러 형식의 변환은 수정과 폐기가 가능하다. 반면 뉴스레터 발송, 커뮤니티 공지, 파트너 명의의 문서, 민감한 주제의 게시물은 한 번 나가면 회수해도 영향이 남는다. -
누가 결과에 책임지는가
독자가 신뢰하는 브랜드명, 편집자명, 전문가의 판단이 붙는 결과라면 승인권자를 남겨야 한다. AI가 초안을 만들었는지보다, 최종 발행을 누가 승인했는지가 더 중요한 경우가 많다.
이 기준으로 보면 콘텐츠 조직이 먼저 시험할 수 있는 영역은 대개 내부용 반복 작업이다. 예를 들어 긴 원고에서 핵심 항목을 정리해 편집자가 검토하도록 하거나, 하나의 콘텐츠를 채널별 초안 형식으로 바꾸거나, 누락된 메타데이터 후보를 찾는 작업이 여기에 들어갈 수 있다. 다만 이런 작업도 결과를 그대로 발행하는 흐름과는 분리해야 한다.
남겨야 할 사람의 일은 ‘창작’보다 넓다
AI 도입 논의에서 사람에게 남는 일을 “창의성”으로만 표현하면 실무 설계가 흐려진다. 콘텐츠 조직에서 사람의 판단이 필요한 지점은 더 구체적이다.
편집자는 무엇을 만들지 결정한다. 독자의 관심이 높다는 이유만으로 다룰 주제와, 조직의 신뢰를 위해 다루지 않거나 더 확인해야 할 주제를 가른다. 이는 생산량을 늘리는 문제와 다르다.
검수자는 무엇을 공개할 수 있는지 확인한다. 사실관계, 맥락, 표현의 강도, 인용과 권리, 당사자에게 미칠 영향을 함께 판단해야 할 수 있다. 이 업무는 오탈자를 잡는 마지막 관문이 아니라, 공개 가능한 결과물의 기준을 관리하는 일이다.
운영자는 반응을 해석한다. 커뮤니티에서 같은 표현이 반복적으로 오해를 낳는지, 추천과 검색을 통해 어떤 콘텐츠가 예상과 다르게 소비되는지, 수정이나 설명이 필요한지 결정한다. 자동 생성 콘텐츠가 늘수록 이 역할은 줄기보다 더 많은 신호를 다뤄야 할 가능성이 있다.
경영진은 이 세 역할을 “AI가 못 하는 일”이라는 모호한 범주에 넣지 말고, 권한과 책임이 있는 업무로 정의해야 한다. 승인권자가 없는 자동화는 효율화가 아니라 책임 공백이 되기 쉽다.
도입 순서는 도구 선정이 아니라 업무 경계 설정이다
탐색 단계에서는 전사 도입 계획보다 한 개의 업무 흐름을 골라 경계를 시험하는 편이 낫다. 이때 목표를 “AI 활용률”로 잡으면 결과가 왜곡된다. 다음 순서가 더 실용적이다.
먼저 콘텐츠 제작 과정에서 사람이 반복 입력하거나 같은 형식으로 다시 만드는 일을 적는다. 기획, 취재, 초안, 편집, 발행, 운영 단계별로 나누면 한 역할 안에서도 자동화 후보와 판단 업무가 섞여 있음을 볼 수 있다.
그다음 후보 업무마다 입력 자료, 산출물, 검수자, 외부 공개 여부를 한 줄로 기록한다. 예를 들어 “내부 초안 생성, 편집자 검토 후 수정, 검토 완료 전 외부 발행 금지”처럼 업무 경계를 적어두면 실험 범위가 분명해진다.
마지막으로 자동화 전후에 무엇을 비교할지 정한다. 처리 시간만 보지 말고, 검수 과정에서 수정된 항목, 폐기된 결과, 담당자가 추가로 확인한 이유를 함께 기록해야 한다. 이 기록이 쌓여야 어떤 업무가 진짜로 줄었고, 어떤 업무는 검수 부담만 옮겼는지 판단할 수 있다.
조기 경보는 생산량 증가가 아니라 검수 비용에서 나온다
AI 실험이 잘못된 방향으로 가는 첫 신호는 대개 결과물의 양이 아니다. 편집자가 초안을 고치는 데 이전보다 더 오래 걸리거나, 같은 오류를 반복해서 잡거나, 작성자가 결과의 근거를 설명하지 못할 때 문제가 드러난다.
특히 다음 상황은 자동화 범위를 줄이거나 중단할 이유가 된다.
- 검수자가 결과의 사실관계나 맥락을 처음부터 다시 조사해야 한다.
- 초안 품질의 편차가 커서 담당자가 어느 결과를 믿어도 되는지 알기 어렵다.
- 외부 공개 후 수정 요청, 독자 혼선, 커뮤니티 갈등을 처리하는 시간이 늘어난다.
- AI가 만든 결과와 사람이 승인한 결과의 책임 구분이 불명확하다.
반대로 일정한 입력에서 일정한 형식의 초안을 만들고, 사람이 짧은 검토로 품질을 확인할 수 있으며, 오류가 공개 전 수정되는 흐름이라면 자동화를 넓혀볼 여지가 있다.
콘텐츠 조직의 경쟁력은 더 많은 결과물을 만드는 데서만 나오지 않는다. 무엇을 빠르게 만들고, 무엇을 늦추거나 멈추며, 누가 그 판단에 서명하는지를 명확히 할 때 생산성 향상도 신뢰를 해치지 않는다. 다음 회의에서는 AI 도구의 기능 목록보다 먼저, 팀이 지금 반복하는 업무 하나와 그 결과에 마지막으로 책임지는 사람 한 명을 정해보는 편이 좋다.
