40대 AI 시대 생존법: 경험을 지휘권으로 바꾸는 법 [생존법 3]

1편에서 신입이 먼저 밀리는 이유를, 2편에서 남는 일의 조건이 교과서로 배울 수 없는 암묵지라는 것을 봤다. 그러면 암묵지를 20년 쌓은 사람은 안전한가. 마지막 편은 이 시리즈에서 가장 많은 독자가 자기 이야기로 읽을 질문을 다룬다. 마흔 이후, 경험은 자산인가 짐인가.

무슨 일이 있었나: 부딪히는 두 숫자

두 연구가 정반대로 보이는 결과를 냈다.

연구	대상	발견	출처
스탠퍼드 디지털경제연구소	ADP 급여 데이터, 30세 이상	AI 고노출 직종에서 고용 6~12% 증가 (2022년 말 이후)	TIME
보스턴칼리지 은퇴연구센터	인구조사 2014~2025, 55세 이상	AI 고노출 직종의 일자리 이탈 증가. 프로그래머 25% 이상, 저노출 페인트공은 2%. 증가분은 은퇴가 아니라 실업	CRR
댈러스 연준	205개 직종 임금	경험 프리미엄이 높은 직종은 AI 노출이 높을수록 임금 상승, 낮은 직종은 하락	Dallas Fed

세 연구를 겹치면 모순이 풀린다. 30세 이상 전체로는 늘었지만, 그 안에서 55세 이상의 고노출 직종 종사자는 밀려나고 있다. 그리고 밀려나는 사람과 남는 사람을 가르는 것은 나이가 아니라 경험 프리미엄, 곧 그 사람의 경험이 신입과 얼마나 다른 값을 만드는가다.

은퇴연구센터의 세부 수치가 의미심장하다. 챗GPT 이전에는 AI 노출 직종의 이탈률(11.7%)이 저노출 직종(14.1%)보다 낮았다. 학력과 임금이 높은 안정된 직업이었기 때문이다. 챗GPT 이후 그 관계가 뒤집혔다. 가장 안정적이던 자리가 가장 먼저 흔들렸다.

왜 갈리는가: 암묵지와 익숙함

20년의 경험은 두 가지로 이루어진다. 하나는 암묵지다. 문서에 없는 판단, 이 고객은 왜 망설이는지, 이 코드는 왜 나중에 문제가 되는지, 이 계약의 어느 조항이 실제로 분쟁이 되는지. 다른 하나는 익숙함이다. 특정 도구, 특정 절차, 특정 방식으로 20년을 해 온 손의 기억. 댈러스 연준이 “교과서 지식”이라 부른 것의 숙련판이다.

AI는 익숙함을 대체하고 암묵지를 보완한다. 문제는 20년차의 경험 대부분이 둘이 섞여 있고, 본인도 어느 쪽이 얼마인지 모른다는 것이다. 프로그래머의 이탈이 25% 는 것은 프로그래밍의 경험 중 익숙함의 비중이 컸기 때문일 수 있다. 문법, 라이브러리, 정형 패턴은 20년을 해도 익숙함이고, AI는 그것을 하루 만에 배운다.

여기에 사회학이 “AI 에이지즘”이라 부르는 힘이 얹힌다. IT·금융·마케팅에서 40대 후반과 50대 초반의 전문직은 “빠른 기술 변화에 덜 적응한다”는 조직의 선입견과 알고리즘의 편향을 동시에 받는다(Frontiers in Sociology). 데이터는 이 선입견과 다르다. 50세 이상의 생성형 AI 사용률은 18%로 30~40대보다 낮지만, 배우고 싶다는 응답은 49%이고, 자기주도 학습에서 나이 든 학습자는 시간이 더 걸릴 뿐 결과는 젊은 학습자와 다르지 않다(ASA Generations). 격차는 능력이 아니라 시작 여부에 있다.

경험을 지휘권으로 바꾸는 세 단계

1편에서 IBM이 신입의 역할을 “코드를 쓰는 것”에서 “AI의 코드를 검사하는 것”으로 바꿨다고 했다(Managed Code). 같은 전환이 20년차에게 더 자연스럽다. 신입은 검사할 근거가 없지만 20년차는 있다. 문제는 그 근거를 손이 아니라 말과 판단으로 옮기는 것이다.

단계	무엇을	왜
1. 손을 내려놓는다	직접 만들던 초벌(문서, 코드, 분석)을 AI에게 맡기고, 자기는 검토만 한다	익숙함의 값이 0에 가까워졌다. 그것을 붙들면 AI와 경쟁하는 자리에 선다
2. 암묵지를 말로 꺼낸다	“이건 왜 안 되는지”, “이 경우엔 무엇을 봐야 하는지”를 AI에게 지시와 검토 기준으로 적는다	말로 꺼낸 암묵지는 AI의 지시문이 되고 후배의 교재가 된다. 꺼내지 못한 암묵지는 본인과 함께 사라진다
3. 책임의 자리로 옮긴다	무엇을 만들지 정하고, 만들어진 것이 맞는지 판단하고, 틀렸을 때 책임지는 역할을 맡는다	2편의 세 조건 중 “책임”은 경험이 많을수록 유리한 유일한 자리다

METR의 2026년 초 설문에서 기술직 349명은 AI로 자기 일의 가치가 중앙값 1.4~2배 늘었다고 답했다(METR). 이 배수는 누구에게나 같지 않다. AI에게 무엇을 시킬지 아는 사람과 모르는 사람의 차이다. 20년의 암묵지는 “무엇을 시킬지”를 아는 자산이다. 다만 그것을 손이 아니라 지시로 쓸 때만 그렇다.

인간에게 무엇이 달라지는가

경력의 후반전이 “만드는 사람”에서 “정하는 사람”으로 바뀐다. 예전에는 승진해야 정하는 자리에 갔다. 이제는 승진과 무관하게, AI에게 초벌을 맡기는 순간 모든 사람이 정하는 자리에 선다. 그 자리에서 20년차는 신입보다 압도적으로 유리하다. 단, 손을 내려놓은 20년차만 그렇다.

기술의 유통기한이 짧아진다. 세계경제포럼은 현재 기술의 39%가 5년 안에 진부해진다고 봤다(WEF). 마흔에 배운 도구가 쉰까지 가지 않는다. 그러나 도구가 아니라 판단이라면 유통기한은 길다. “이 고객은 왜 망설이는가”는 도구가 바뀌어도 남는다.

은퇴 시점의 계산이 바뀐다. 은퇴연구센터의 경고는 정책의 방향과 어긋난다. 정부는 더 오래 일하라고 하는데 AI는 55세 이상을 먼저 밀어낸다. 밀려난 뒤 재취업이 어려운 나이라면, 밀려나기 전에 자리를 옮겨야 한다. 마흔이 늦지 않고 쉰이 마지막 기회다.

후배가 없는 시대의 선배. 1편에서 본 신입 공백은 20년차에게 두 얼굴이다. 경쟁자가 줄어 자리가 안전해지는 한편, 자기 암묵지를 물려줄 사람이 없어진다. 말로 꺼낸 암묵지가 AI의 지시문이 되면 그것이 후배를 대신하는 교재가 된다. 인지적 항복 글에서 다룬 배움의 문제가 여기서 세대의 문제가 된다.

반론과 불확실성

첫째, “손을 내려놓으라”는 처방은 위험할 수 있다. 직접 만드는 능력을 잃으면 AI의 결과물을 검증할 근거도 약해진다. 균형은 손을 완전히 놓는 것이 아니라 초벌은 맡기되 핵심은 직접 하는 것이다.

둘째, 은퇴연구센터 데이터는 55세 이상이고 프로그래머가 대표 사례다. 모든 직종에서 같은 이탈이 나는지는 확인되지 않았다. 스탠퍼드의 30세 이상 증가는 전체 평균이며 그 안의 분포는 다를 수 있다.

셋째, 지휘권으로 옮기는 자리는 무한하지 않다. 모두가 정하는 사람이 될 수는 없다. 이 처방은 개인에게는 맞지만 사회 전체의 해법은 아니다.

넷째, AI 에이지즘은 개인의 노력으로 넘기 어렵다. 배울 의지가 49%여도 조직이 기회를 주지 않으면 사용률 18%는 오르지 않는다.

PRISM AGENDA의 시각

세 편을 쓰고 나서 나에게 남은 한 문장은 이것이다. AI는 나이를 보지 않고 경험의 종류를 본다. 20년을 익숙함으로 채운 사람은 신입과 같은 자리에서 AI와 경쟁하게 되고, 20년을 암묵지로 채운 사람은 AI를 지휘하는 자리에 선다. 잔인한 것은 본인이 그 둘을 구별하기 어렵다는 것이고, 희망은 지금부터라도 구별할 수 있다는 것이다.

구별하는 방법은 간단하다. 내가 하는 일을 AI에게 시켜 보는 것이다. AI가 나만큼 하면 그것은 익숙함이었다. AI가 못 하거나, AI의 결과를 보고 내가 “이건 아닌데”라고 말할 수 있으면 그것이 암묵지다. 그 “이건 아닌데”를 말로 적어 AI에게 돌려주는 순간, 경험은 지휘권이 된다.

나는 이 시리즈를 청년보다 마흔 이후의 독자를 생각하며 썼다. 신입은 아직 쌓을 시간이 있다. 마흔 이후는 쌓은 것을 바꿔야 한다. 바꾸는 것이 쌓는 것보다 어렵지만, 바꿀 재료가 있다는 점에서 유리하다. 1편에서 회사가 미래를 팔아 현재를 산다고 썼다. 개인은 그 반대를 할 수 있다. 익숙함이라는 현재를 내려놓고, 암묵지라는 미래를 사는 것. 마흔은 그것을 하기에 늦은 나이가 아니라, 그것을 할 재료가 처음으로 충분해지는 나이다.

자주 묻는 질문

AI 시대에 40대, 50대는 안전한가? 반반이다. 스탠퍼드 데이터에서 AI 노출 직종의 30세 이상 고용은 6~12% 늘었지만, 보스턴칼리지 은퇴연구센터 분석에서 55세 이상 프로그래머의 일자리 이탈은 챗GPT 이후 25% 넘게 늘었고 대부분 은퇴가 아니라 실업이었다. 갈림은 나이가 아니라 경험의 종류다. 댈러스 연준 분석에서 경험 프리미엄이 높은 직종은 AI 노출이 높을수록 임금이 올랐다.

중년에 AI를 배우는 것이 늦지 않았나? 데이터는 늦지 않았다고 말한다. 50세 이상의 생성형 AI 사용률은 18%로 낮지만 배우고 싶다는 비율은 49%이고, 자기주도 학습에서 나이 든 학습자는 시간이 더 걸릴 뿐 결과는 다르지 않다. 격차는 능력이 아니라 시작 여부에 있다. 다만 조직의 “AI 에이지즘”이 기회를 막는 경우가 있어 개인의 의지만으로는 부족할 수 있다.

경험을 AI 시대의 자산으로 바꾸려면? 이 글은 세 단계를 제안한다. 직접 만들던 초벌을 AI에게 맡기고 검토로 옮기기, 문서에 없던 판단 기준(“이건 왜 안 되는지”)을 말로 꺼내 AI의 지시문으로 만들기, 무엇을 만들지 정하고 결과를 책임지는 자리로 옮기기. 자기 일을 AI에게 시켜 보면 익숙함과 암묵지가 구별된다. AI가 나만큼 하면 익숙함, “이건 아닌데”라고 말할 수 있으면 암묵지다.

시리즈를 마치며

• 1편 「사다리의 첫 칸이 사라진다」
• 2편 「AI가 못 가져가는 일의 세 가지 공통점」
• 인간과 사고 카테고리의 다른 글 보기