엑셀을 잘 쓰는 사람은 AI도 잘 쓸까?
엑셀 고수라서 AI를 잘 쓰는 것은 아닙니다
일을 잘하는 사람은 AI도 잘 쓴다는 말에는 절반만 동의합니다. AI는 오히려 초보자가 시작하는 장벽을 크게 낮추기도 합니다. 하지만 복잡한 일을 끝까지 제대로 해내는 능력은, 여전히 일을 구조화하고 결과를 검증하는 힘에서 갈립니다.
제 주변의 엑셀을 유난히 잘 쓰는 사람들은 함수만 많이 아는 사람이 아닙니다. 일이 들어오면 먼저 표의 구조를 잡습니다. 어떤 숫자가 원본인지, 누가 수정하는지, 어디에서 오류가 날지, 다음 달에도 같은 방식으로 돌릴 수 있는지를 생각합니다.
그래서 이 질문은 이렇게 바꾸는 편이 맞습니다. 엑셀을 잘하는 사람이 AI를 잘 쓰는가가 아니라, 업무를 데이터와 규칙, 예외와 검증으로 다뤄 본 사람이 AI를 더 안정적으로 활용하는가.
한 줄로 정리하면 이렇습니다.
AI는 초보자의 시작을 쉽게 만들지만, 복잡한 업무를 끝까지 책임지는 능력은 업무 설계와 검증에서 갈립니다.
AI는 숙련자를 무조건 더 강하게 만들지 않습니다
여기서 한 가지 반론이 중요합니다. ‘일 잘하는 사람만 AI를 잘 쓴다’고 말하면 실제 연구를 너무 단순하게 만듭니다.
고객지원과 글쓰기처럼 기준이 비교적 명확한 업무에서는 저숙련자·저성과자의 개선 폭이 더 크게 나타난 연구가 있습니다. AI가 좋은 문장, 표준 절차, 이전의 해결 방식을 빠르게 전달해 주기 때문입니다. 즉 AI는 숙련자의 일을 증폭하는 도구이면서, 동시에 초보자에게 숙련자의 일부 방식을 전달하는 도구이기도 합니다.
반대로 목표가 모호하거나 예외가 많고, 고객 맥락·최신 정책·승인·책임이 중요한 일에서는 AI가 답을 만들어 주는 속도보다 사람이 무엇을 맡기고 무엇을 확인할지 정하는 능력이 더 중요해집니다. 그럴듯한 답을 빨리 많이 만드는 것과, 업무가 실제로 잘 끝나는 것은 다른 문제입니다.
엑셀을 잘한다는 것은 작은 업무 시스템을 설계하는 일입니다
매출표를 만들 때도 그냥 숫자를 붙여 넣지 않습니다. 무엇을 입력값으로 둘지, 무엇을 계산값으로 둘지, 어느 값은 사람이 확인해야 하는지, 숫자가 바뀌면 어디까지 자동으로 따라 바뀌어야 하는지를 정합니다.
이 과정에는 이미 AI 활용에 필요한 감각이 들어 있습니다.
이 업무의 진짜 목표는 무엇인가.
반복되는 일과 예외 처리는 무엇인가.
AI나 함수에 맡겨도 되는 단계는 어디까지인가.
사람이 마지막으로 확인해야 하는 값은 무엇인가.
다음 사람이 이어받으려면 무엇을 남겨야 하는가.
예를 들어 “회의록 정리해줘”라고 말하는 것과, “결정사항·미결 쟁점·담당자·기한을 분리하고, 근거가 없는 확정 표현은 표시해줘”라고 말하는 것은 다릅니다. 두 번째 요청이 가능한 사람은 프롬프트를 많이 외운 사람이라기보다, 원래 회의록이 어떻게 써져야 일이 움직이는지 아는 사람입니다.
프롬프트는 업무 설계를 전달하는 인터페이스입니다
좋은 프롬프트는 중요합니다. 짧은 초안, 번역, 형식 변환처럼 한 번의 응답으로 끝나는 저위험 업무에서는 특히 그렇습니다.
하지만 반복적이고 지식집약적인 업무에서 프롬프트는 전체의 한 단계입니다. 어떤 자료를 넣을지, 최신 자료가 무엇인지, 결과가 맞는지 어떻게 확인할지, 예외가 생기면 누가 승인할지를 정하지 않으면 길고 그럴듯한 프롬프트도 업무를 완성하지 못합니다.
프롬프트는 좋은 업무 설계를 전달하는 인터페이스입니다.
프롬프트가 업무 설계를 대신하지는 못합니다.
AI에게 “정확하게 해줘”라고 말하는 것보다, “금액은 승인된 원가표와 다시 대조하고, 근거가 없으면 빈칸으로 남기고, 할인 한도를 넘으면 발송하지 말 것”이라고 설계하는 편이 낫습니다. 전자는 희망이고, 후자는 확인 가능한 업무 규칙입니다.
AI 활용은 결국 컴퓨터 활용 능력과 닿아 있습니다
AI는 혼자 일하지 않습니다. 파일을 찾아야 하고, 표를 읽어야 하고, 문서를 비교해야 하고, 메일이나 CRM의 맥락을 확인해야 합니다. 결과를 다시 스프레드시트나 보고서에 넣고, 필요하면 다음 작업 흐름으로 연결해야 합니다.
그래서 AI 활용력은 특정 서비스의 사용법보다 컴퓨터를 통해 일을 얼마나 자유롭게 다루는가에 가깝습니다. 파일과 폴더를 정리하는 습관, 데이터를 표로 보는 감각, 검색 결과를 비교하는 능력, 권한과 버전을 확인하는 습관, 결과를 다음 단계로 연결하는 힘이 모두 포함됩니다.
이것은 코딩을 배워야 한다는 말이 아닙니다. 모든 사람이 개발자가 될 필요는 없습니다. 다만 자신의 업무가 어떤 정보로 시작해 어떤 판단을 거쳐 어떤 결과로 끝나는지는 알 수 있어야 합니다. 때로는 엑셀이, 때로는 문서 도구가, 때로는 AI가 가장 좋은 답일 수 있습니다.
AI 교육은 프롬프트 교육을 넘어야 합니다
그래서 AI 교육이 ‘이 프롬프트를 입력하면 회의록이 만들어집니다’에서 끝나면 아쉽습니다. 그보다 먼저 물어야 할 질문이 있습니다. 이 회의에서 결정해야 할 것은 무엇인지, 무엇이 사실이고 무엇이 의견인지, 누가 확인해야 하는지, 다음 사람이 이어받으려면 무엇을 남겨야 하는지입니다.
AI 교육의 목표는 고수만 더 잘 쓰게 만드는 데 있지 않습니다. 초보자에게는 좋은 사례와 입력 양식, 단계별 힌트, 검증표를 제공해 진입장벽을 낮춰야 합니다. 동시에 모두가 실제 업무 하나를 골라 업무를 분해하고, AI가 맡을 단계와 사람이 책임질 단계를 나누고, 결과를 확인하는 습관을 만들게 해야 합니다.
저는 AI 활용력을 다음 네 가지의 곱에 가깝다고 봅니다. 이것은 연구의 정량 공식이 아니라, 이번 리서치를 바탕으로 한 업무 설계 프레임입니다.
업무 이해 × 디지털 도구 활용 × 작업 설계 × 검증 습관
네 요소 중 하나가 약하면 AI의 결과도 쉽게 흔들립니다.
엑셀을 잘 쓰는 사람이 AI도 잘 쓸 가능성이 있는 이유는, 엑셀 함수가 AI로 옮겨가기 때문이 아닙니다. 이미 업무를 구조화하고 오류를 찾는 훈련을 해왔기 때문입니다. AI는 생각을 대신하는 도구라기보다, 잘 정리된 생각의 손을 더 길게 만드는 도구에 가깝습니다.
출처 및 참고
• Brynjolfsson, Li & Raymond, Generative AI at Work — 고객지원 현장에서 AI 도입 후 저숙련·저경력 집단의 상대적으로 큰 개선을 분석한 연구
• Noy & Zhang, Experimental evidence on the productivity effects of generative artificial intelligence — 전문직 글쓰기 과제의 무작위 실험
• Dell’Acqua et al., Navigating the Jagged Technological Frontier — AI 역량 범위 안과 밖에서 결과가 달라짐을 보인 컨설턴트 실험
• Microsoft Research, The Impact of Generative AI on Critical Thinking — 실제 사용 사례를 바탕으로 한 자기보고 설문 연구. 인과관계로 일반화하지 않음
• 본문은 위 연구와 내부 리서치를 종합한 실무 칼럼입니다. ‘엑셀 숙련이 AI 성과를 직접 예측한다’는 인과 주장을 하지 않습니다.