11주 · 광화문 밖의 주문 · 전국 배송이 가능해졌다

AI 에이전트 시대의 개인과 조직의 변화
2027년 1학기 · 유호현 · 읽기·토론 세미나

전국 배송으로 확장 · 회사의 변화와 조직 미션의 재정의

여러 운송 경로와 트럭, 현장 작업과 관제 화면이 연결된 광역 물류망의 강의 삽화
그림 5 · 현장, 운송, 계획, 관제가 연결된 광역 네트워크. 수업에서는 이 그림을 전국 배송을 하며 물류센터와 관제센터를 갖춘 회사로 바뀐 모습으로 쓴다. 기존 강의의 원본 이미지 (새 탭)

1교시 · 트럭 사례 강의

차량이 갈 수 있는 곳과 회사가 약속할 수 있는 범위

이 장의 배송 회사는 가상 사례다. 광화문 밖에서 주문 문의가 들어오자 회사는 사업 범위를 검토한다. 선택지는 전국 배송, 지역 집중, 협력 배송이다. 이 장에서는 차량이 갈 수 있는 거리와, 회사가 고객과의 약속을 지킬 수 있는 조건을 함께 다룬다.

1. 새 지역 주문을 받을 조건

가상의 배송 회사는 6주부터 정해진 구간에서 자율주행 차량을 시험했고, 사람이 운전하는 차량도 계속 운영한다. 다른 도시의 주문 문의가 들어오자 고객 담당자는 자율주행 차량의 시험 운행 범위부터 확인한다. 사람이 운전하면 갈 수 있는 지역도 자체 정비와 사고 대응 인력이 있는지 확인해야 한다. 자율주행 기능이 가능한 구간과 회사가 서비스를 책임질 수 있는 구간은 따로 표시한다.

관제 담당자는 주문을 협상하는 에이전트와 차량의 이동 기능을 구분해 설명한다. 에이전트가 고객에게 가격과 도착 시간을 제안하더라도 실제 계약과 배차를 실행하려면 정해진 권한과 승인이 필요하다. 직원들은 지역 집중, 전국 직접 배송, 협력 배송을 비교하기로 한다. 각 안의 물류 거점과 관제 인력, 교육과 교대, 중단과 복구 조건을 확인한 뒤 고객에게 약속할 범위를 정한다.

2. 차량의 운행 범위와 조직의 준비 속도

배송 차량은 더 멀리 갈 수 있다. 하지만 회사의 예산과 근무표는 익숙한 지역에 맞춰져 있다. 고객 문의를 받는 시간, 수령 확인을 마치는 시각, 담당자가 교대하는 시점이 서로 맞지 않는다. 새 주문을 맡은 직원은 하루 근무가 길어졌다고 느낀다. 운행 한 건에 드는 시간이 줄어도 맡을 지역과 연락할 곳이 늘면 여유 시간은 줄 수 있다. 직원에게 실제로 필요한 시간은 과업 하나를 처리하는 속도와 전체 과업 수를 함께 봐야 알 수 있다.

회사는 전국 배송을 하려면 안내 문구와 가격표를 바꾸어야 한다고 판단한다. 계약, 사고 대응, 지역 협력 업체 확인도 새로 해야 한다. 직원은 새 절차를 익히는 동안에도 기존 주문을 처리한다. 회사가 새 약속에 맞는 절차를 익히는 데 걸리는 시간과 기술 덕분에 새 주문이 들어오는 속도는 서로 다를 수 있다. 이 차이 때문에 생기는 부담을 누가 지는지 확인해야 한다. 일정이 늦어졌다고만 말하는 대신 무엇을 바꾸고 무엇을 배우는 중인지 구체적으로 설명할 필요가 있다.

위원회는 운행 범위와 지원 조건을 점검한다. 준비된 지역부터 시험 배송을 할 수 있다. 정비와 연락 지원이 부족한 지역은 협력 배송으로 연결할 수 있다. 이런 판단은 위험을 줄이고, 현장 직원이 업무 범위를 미리 알 수 있게 한다. 승인 기간이 길다면 위원회는 실제로 어떤 위험을 확인하는지, 어떤 자료가 필요한지 설명해야 한다. 막연한 준비 요구가 계속되는지, 정한 조건을 충족하면 시작할 수 있는지도 물어야 한다. 이런 보호 장치가 어떻게 작동하는지는 운영 기록으로 확인할 수 있다.

3. 회의에서 나온 다른 회사의 소식

회의에서 다른 회사가 전국 주문을 받기 시작했다는 소식이 나온다. 직원들은 뒤처질까 걱정하고, 그중 일부는 새 지역을 맡아 보고 싶다고 말한다. 다른 회사의 성공 사례는 회사가 고를 수 있는 선택지를 보여 준다. 다만 그 회사가 어떤 고객을 받았고 어떤 지원과 비용을 갖추었는지는 더 확인해야 한다. 공개된 도입 소식과 실제로 안정적으로 운영한 기록은 구분해야 한다. 다른 회사의 속도를 그대로 일정으로 삼으면, 비교할 때 빠뜨린 조건 때문에 현장 직원의 부담이 늘 수 있다.

관리자는 도구 사용률이 높은 부서를 준비된 부서로 본다. 현장 담당자는 같은 도구를 써도 사람마다 고객 자료를 확인하는 방식이 다르다고 말한다. 어떤 직원은 초안을 빨리 쓰는 데 도움을 받는다. 다른 직원은 원문을 볼 권한이 제한되어 있어서 다시 요청을 보낸다. 도구를 도입했는지, 얼마나 자주 쓰는지, 실제 업무를 책임질 수 있는지는 각각 따로 봐야 한다. 새 지역의 일을 맡길 때는 직원이 무엇을 사용했는지와 함께, 어떤 과업을 실제로 해냈고 어떤 지원이 아직 필요한지 확인해야 한다.

AI 에이전트로 더 많은 일을 할 수 있다고 보는 조직에도 같은 질문을 할 수 있다. 자료 검색과 초안 작성의 범위가 넓어졌다고 해서 고객의 모든 요청을 받아도 되는지는 따로 판단해야 한다. 조직은 실제로 제공할 서비스의 범위와 책임질 결과를 정해야 한다. 이를 위해 도구로 기술적으로 할 수 있는 일, 직원들이 지금 도구를 쓰는 방식, 조직이 감당할 수 있는 업무량을 함께 비교한다. 다른 조직의 사용률은 비교 자료가 될 수 있다. 하지만 자기 조직이 안전하게 일할 준비가 되었는지는 따로 자료를 모아 확인해야 한다.

4. 지역 집중과 사업 확장

현장 직원은 시청과 광화문 사이의 고객에게 더 나은 서비스를 제공하는 방안도 제안한다. 고객의 수령 시간에 맞춰 배송하고 예외 요청에 빨리 답하는 서비스다. 같은 차량으로 지역 배송을 더 정확하게 할 수 있다. 전국으로 사업을 넓히면 새 수요를 찾을 기회가 생기지만, 추가 시설과 연락망을 준비해야 한다. 두 선택을 고객, 비용, 안전, 직원의 근무 조건 면에서 함께 비교한다. 새로 생긴 운행 능력을 어디에 쓸지는 사업 목표와 자원 조건에 따라 달라진다.

협력 배송도 검토할 수 있다. 회사가 익숙한 지역에서 상자를 수거하고 확인하는 일을 맡고, 먼 구간은 다른 업체에 넘기는 방식이다. 회사가 직접 맡는 범위는 줄지만, 물건을 넘기는 과정과 고객 약속을 관리하는 일은 새로 생긴다. 회사는 협력 업체의 기준과 문제가 생겼을 때 누가 책임지는지 확인해야 한다. 사업을 넓힌다거나 좁힌다는 말만으로는 실제 업무를 알기 어렵다. 선택지마다 누가 어떤 결과를 보장하고 어디에서 결정하는지 적어 보면, 회사에 어떤 조직 구조가 필요한지 알 수 있다.

직원들이 원하는 앞날도 서로 다르다. 새 지역에서 배울 기회를 기대하는 직원이 있고, 익숙한 고객의 일을 더 잘하고 싶은 직원이 있다. 근무 장소와 시간이 바뀌면 가족을 돌보는 일정에도 영향이 갈 수 있다. 확장을 걱정하는 직원을 소극적인 사람으로만 보면 이런 조건을 놓치게 된다. 회사는 사업 방향을 논의할 때 근무지 이동, 교육, 보상, 선택권을 설명하고 직원의 의견을 들어야 한다. 직원에게 참여 기회와 전환 지원이 있어야 직원은 회사의 사업 선택을 자신의 경력과 연결해 생각할 수 있다.

3교시 논문 분석으로 · 널리 쓰인다는 사실과 준비되었다는 판단

이번 주 지정 논문은 Bick, Blandin, Deming, Schumacher의 2026년 NBER 워킹페이퍼 ‘What Work Does Generative AI Do?’다. 이 연구는 노동자가 실제로 수행하는 과업과 생성형 AI의 도움을 받은 과업을 설문으로 조사한다. 기술적 노출 예측과 실제 사용을 비교하며, 같은 종류의 과업을 수행하는 사람들 사이에서도 사용 차이가 크다는 점을 보여 준다. 설문의 분모와 자기보고의 범위를 확인하며 읽는다.

배송 회사에 적용할 때는 생성형 AI 사용과 자율주행 운행, 지속 행동형 에이전트의 실행을 구분한다. 논문은 전국 배송의 안전성이나 확장에 대한 직원의 스트레스를 직접 검증하지 않았다. 수업에서는 과업별로 측정하는 방식을 참고해 준비 조건을 묻고, 사업 선택에 필요한 추가 증거를 정한다.

2교시 · 실제 사용과 사업 준비를 구분하는 확장 비교표

이번 실습의 기록을 같은 누적 설계서에 저장한다. 3교시의 논문 분석과 동료의 반론을 검토한 뒤 수정하고, 수정한 이유와 근거를 남긴다.

1교시 사례에서 연구 질문으로

1교시에는 6주에 제한된 구간에서 시험을 시작한 자율주행 차량과 사람이 운전하는 차량을 함께 운영하는 배송 회사를 살펴본다. 새 지역 문의가 들어오자 경영자는 전국 배송을 검토한다. 차량이 이동할 수 있는 구간, 주문을 협상하는 에이전트의 권한, 가격을 정하고 배차를 실행하는 권한을 각각 확인한다. 운행 가능 구간이 넓어져도 계약, 정비, 관제 교대와 현장 복구 인력이 함께 확보되는지는 별도의 문제다.

2교시에는 1주부터 정리해 온 자기 사례의 질문과 중간 발표 자료를 펼쳐 놓고, ‘어떤 과업의 실제 사용과 지원 조건이 새 서비스의 수행 가능성을 설명하는가’라는 질문을 자기 현장에 맞게 고친다. 배송 회사에서는 운행, 고객 확인, 계약 검토, 예외 대응을 나누어 기술적 가능성, 실제 수행, 남은 사람의 업무를 기록한다. 상담대학원 수강생도 같은 사건에서 역할 모호성, 추가 업무, 학습 압박과 선택권을 구분한다. 확장을 기대하거나 걱정하는 반응을 설명하려면 각 반응이 생긴 근무 조건을 확인해야 한다.

최종 문서의 ‘대안 비교와 자원 조건’ 작성

지역 집중, 전국 직접 배송, 협력 배송의 비교표를 작성한다. 각 안에 고객 약속, 실제로 사용하는 기능, 물류·관제 인프라, 교대 인력, 교육 시간, 감독 범위와 중단·복구 책임을 적는다. 자료가 없는 칸에는 확인할 질문과 자료원을 쓴다. 이 표는 최종 ‘연구에 근거한 조직 운영 설계’의 ‘대안 비교와 자원 조건’ 절에 들어가며, 기존 ‘연구 질문과 핵심 개념’ 절의 분석 단위도 함께 수정한다.

3교시에는 Bick 등의 과업별 생성형 AI 사용 설문을 분석하고 비교표를 다시 읽는다. 수정 질문은 ‘내가 준비되었다고 쓴 칸 가운데 사용률만으로 판단한 곳은 어디이며, 실제 수행과 책임을 확인할 자료는 무엇인가’이다. 논문에서 보고한 사용 차이와 학생이 제안하는 준비 지표를 구분해 표시한다. 최종 선택은 세 사업 안의 조건을 비교해 제시하며, 전국 확장을 예정된 결말로 두지 않는다.

누적 설계서 양식 내려받기 · Markdown

3교시 · 논문 한 편 분석

주차별 읽기 자료 · 필수 논문은 아래 한 편이다. 개념과 연구 설계, 결과와 한계를 분석하고 2교시 설계를 수정한다.

  • Bick, Blandin, Deming & Schumacher (2026) · 대표성 있는 노동자 설문 · NBER Working Paper · 2026-08 공개

    최근 · What Work Does Generative AI Do? (새 탭에서 열림)

    2026-08 NBER 워킹페이퍼 · 원문 사이트에서 열람·저장 가능

    대표 저자 · Alexander Bick · h-index 22 · Alexander Bick 조회 출처 (새 탭)

    노동자의 AI 채택과 과업 변화를 분석하는 노동경제학자

    저자와 연구 맥락 · Alexander Bick, Adam Blandin, David J. Deming과 Tyler R. Schumacher는 노동자가 직업과 과업 단위에서 생성형 AI를 얼마나 쓰는지 조사한다. 예상되는 기술적 노출과 실제 채택을 구분해, AI로 가능한 일과 실제로 AI를 쓰는 사람을 함께 분석한다.[35]

    학술적 의의 · 이 연구에 따르면 같은 종류의 일을 하는 사람들 사이에서도 실제 AI 사용 정도가 다르다. 과업의 기술적 노출만으로는 도입 여부를 설명할 수 없다. 자신이 체감한 빠른 변화가 사회 전체에서도 같은 속도로 일어난다고 가정하지 않도록 하는 최근의 경험적 비교 자료다.[35]

    이 주차의 선정 이유 · 가능한 사업 범위와 실제 사용 사이의 차이를 분석하기 위해 읽는다. 기술적으로 할 수 있는 일과 실제로 준비된 업무를 구분한다. 설문이 확장 불안의 원인을 직접 밝히지는 않았다는 점도 확인한다.

    읽기의 한계 · 생성형 AI를 과업별로 얼마나 쓰는지 측정한 연구다. 지속 행동형 에이전트의 효과와, 사람마다 사용이 다른 심리적 원인을 인과적으로 확인하려면 추가 연구가 필요하다.

Bick et al. (2026) · 가능한 일과 실제 쓰는 일 사이

대표성 있는 미국 노동자 과업별 설문 · NBER Working Paper 35677

1. 논문 소개

Alexander Bick, Adam Blandin, David J. Deming, Tyler R. Schumacher는 사람들이 실제 업무의 어떤 과업에 생성형 AI를 쓰는지 조사했다. 이 연구는 기술이 할 수 있다고 예측되는 일과 노동자가 실제로 쓰고 있다고 보고한 일을 비교할 자료를 만든다. 논문은 2026년 8월에 공개된 NBER Working Paper 35677이다. 논문 첫머리에는 이 글이 토론을 위해 공개하는 워킹페이퍼라고 적혀 있다.[1]

연구자들은 Real-Time Population Survey에서 응답자의 직업과 세부 과업을 연결했다. 2025년 8월부터 2026년 5월까지 네 조사 차수에 걸쳐 직업별 주요 과업을 보여 주고, 응답자가 정기적으로 하는 과업과 그중 생성형 AI의 도움을 받은 과업을 물었다. 5주에는 도입 관행의 차이를 다루었다. 이번 주에는 현재 AI를 쓰는 범위와 사업 확장을 위한 준비를 어떻게 구분할지 다룬다.[1]

2. 논문의 주요 내용과 이론

연구자들은 O*NET 자료를 바탕으로 응답자 직업의 중요한 활동 열 개를 제시했다. 과업별 사용률은 그 활동을 실제로 하는 사람 가운데 생성형 AI를 쓰는 사람의 비율이다. 어떤 AI 서비스에 대화가 많이 기록되었는지와 노동자가 특정 직업 목적으로 AI를 쓰는지는 서로 다른 분모로 계산된다. 그래서 사용률을 읽을 때는 어떤 활동을 하는 사람을 기준으로 계산했는지 확인해야 한다.[1]

결과를 보면 생성형 AI 사용은 여러 직업과 과업에 넓게 퍼져 있다. 그러나 대부분의 과업에서 AI를 쓰는 사람은 그 과업 수행자의 절반 미만이다. 같은 종류의 일을 하는 노동자 사이에서도 사용 정도의 차이가 크다. 그림 6은 직업별, 과업별 사용률의 분포를 보여 준다. 이 분포를 보면 모든 직원이 같은 속도로 AI를 쓰기 시작하고 같은 범위에서 활용한다는 가정은 다시 검토해야 한다.[1]

원문 히스토그램. 직업별 생성형 AI 도입률 분포와 상세 과업별 도입률 분포를 나란히 보여 준다.

Bick et al. · 그림 6: 직업과 과업별 AI 사용의 차이

왼쪽은 직업별, 오른쪽은 상세 과업별 AI 사용률 분포다. 가로축은 사용률이고 세로축은 가중 분포다. 직업은 사람 수로, 과업은 관측 수로 가중했으며, 최소 관측 수 기준을 적용했다. 기술적으로 가능한 일을 평가한 점수와 실제 사용률은 서로 다른 자료이므로 각각 확인한다.

원문 Figure 6 · PDF 17쪽. 학술 해설을 위한 부분 도판 인용. 원저작물의 권리는 권리자에게 있다.

원문 그림 영역 발췌 · 한국어 해설은 수업에서 작성.

노출 점수는 어떤 직업이나 과업이 기술의 영향을 얼마나 받을지 예측한 값이다. 노출 점수는 사용 차이의 일부를 설명하지만 전부를 설명하지 못한다. 그림 7과 8은 직업 수준과 과업 수준에서 노출 예측과 실제 사용을 비교한다. 논문은 책임, 자료 보호, 자율성 같은 조건을 사용 차이에 대한 가능한 해석으로 논의한다. 이 조건들을 사용 차이의 원인으로 확정한 실험 결과처럼 읽어서는 안 된다.[1]

AI 플랫폼의 대화 기록을 바탕으로 과업을 분류한 결과와 설문으로 측정한 결과도 서로 다르다. 논문은 대화 문구만으로는 사용자의 직업 목적을 알기 어려워서, 대화 기록 방식이 사용을 일반적인 활동 범주로 몰아서 분류할 수 있다고 분석한다. 설문은 응답자가 스스로 알고 있는 사용만 잡아낸다. 또 직업별 주요 활동 열 개만 묻기 때문에 측정 범위가 제한된다. AI 도입 지표만으로 생산성, 안전, 조직의 준비 정도 전체를 직접 계산할 수는 없다.[1]

3. AI 에이전트 시대의 시사점

사업 확장을 검토할 때는 팀의 AI 사용률과 함께 어느 과업에서 어떻게 쓰는지도 물어야 한다. 초안을 많이 만드는 부서라도 근거 확인과 고객 대응에는 다른 지원이 필요할 수 있다. 이 제안은 과업별로 측정하는 연구의 방식을 조직의 준비 점검에 적용한 수업의 해석이다. 과업마다 실제로 무엇을 수행했고 어떤 책임이 남았는지 따로 기록할 수 있다.

다른 조직의 도입 소식으로 자기 조직의 준비 정도를 추론하려면 두 조직의 조건을 비교해야 한다. 자료 접근, 교육, 승인 절차, 고객이 지는 위험, 지원 인력이 같은지 확인한다. 현재 사용 정도의 차이는 어디에서 문제를 확인해야 하는지 알려 줄 수 있다. 하지만 이 설문은 직원의 확장 불안이나 시간 압박의 원인을 직접 검증하지 않았다. 그렇게 설명하려면 근거가 더 필요하다.

지속 행동형 에이전트, 곧 계속 스스로 작업을 이어 가는 AI로 서비스를 넓히면, 대화형 생성 도구를 쓸 때와는 다른 행동 기록을 확인해야 한다. 에이전트에게 맡긴 범위, 승인 과정, 오류와 복구를 확인하고, 실제로 고객 약속을 지켰는지 평가한다. AI가 널리 쓰인다는 사실, 기술적으로 가능하다는 예측, 조직이 결과를 책임질 준비가 되었는지를 각각 확인하면 확장과 지역 집중을 더 구체적인 조건에서 비교할 수 있다.

이 자료의 읽기 안내·원문으로 돌아가기

종합 · 실제 사용의 차이에서 책임질 서비스 범위까지

측정 단위가 달라지면 필요한 근거도 달라진다

Bick 등의 분석 단위와 학생의 사업 제안 단위를 비교한다. 과업 수행자가 보고한 AI 사용은 도입의 실제 모습을 이해하는 자료다. 서비스 범위의 판단에는 고객 수요, 지원 인력, 승인 지연, 사고 대응 자료가 추가로 필요하다. 논문에서 관찰한 차이를 회사 전체의 준비 점수로 바꾸려면 어떤 가정이 필요한지 밝힌다.

역할별 차이는 직원의 태도와 함께 업무 조건으로 설명해 본다. 같은 기능을 쓰더라도 고객 자료에 접근할 수 있는 사람과 확인을 요청해야 하는 사람의 수행 과정은 다르다. 업무량과 학습 압박이 늘 수 있고, 반복 업무가 줄면서 재량이 커질 수도 있다. 어느 설명이 사례에 맞는지 판단할 자료를 비교표에 연결한다.

확장을 지지하거나 보류할 조건

동료는 각 사업 안에서 감독과 복구 업무가 누구에게 몰리는지 질문한다. 지역 집중안에도 고객 집중과 경력 기회 제한의 위험을 묻고, 협력 배송안에는 인수인계와 계약상 책임을 묻는다. 전국 직접 배송안에는 지역별 관제와 현장 대응 자원을 확인한다. 같은 자원 조건에서 세 안을 비교해야 선택 이유가 드러난다.

작성자는 현재 지지하는 안, 필요한 추가 자료, 시작을 보류할 조건을 고쳐 쓴다. 상대의 반론을 받아들여도 자신의 최종 선택을 유지할 수 있다. 중요한 것은 유지한 이유와 바꾼 가정을 근거로 설명하는 일이다. 이 기록을 최종 발표의 중간 발표 대비 수정 근거로 보관한다.

해설의 원문 근거

아래는 이번 주 지정 논문 한 편의 원문과 근거 위치다. 사례에 적용한 해석과 연구에서 확인한 결과를 구분한다.

  1. [1] What Work Does Generative AI Do? · Alexander Bick, Adam Blandin, David J. Deming & Tyler R. Schumacher · August 2026 · 원문 출처 · 새 탭

    PDF 2–5쪽 요약·질문, §2 데이터·과업 측정, §3–4 도입·노출 비교; 그림 6 PDF 17쪽, 그림 7 PDF 22쪽, 그림 8 PDF 24쪽

상담심리학 대학원에서의 적용 · 상담대학원 적용 · 확장에 대한 반응을 근무 조건과 연결하기

같은 사건의 사례개념화와 조직적 지원

새 지역 업무를 맡은 관제 담당자의 가상 사례를 사용한다. 이 직원은 새 기술을 배우는 기회를 기대하면서 야간 문의와 평가 기준 변경을 걱정한다. 사례개념화에는 기대와 걱정이 나타나는 상황, 맡은 업무, 결정권, 지원 인력을 적는다. 역할 모호성 때문에 생기는 부담, 업무량 증가 때문에 생기는 부담, 새 기술을 익히는 부담을 나누어 가설을 세운다. 같은 변화가 업무 선택권을 넓힐 가능성도 검토한다.

지원안은 담당 범위 명료화, 유급 학습 시간, 교대 지원, 변경 결정에 참여할 통로로 구성할 수 있다. 각 지원이 어떤 조건을 바꾸고 무엇으로 변화를 평가할지 적는다. Bick 등의 설문은 직원의 불안 원인이나 상담 개입의 효과를 검증한 자료로 사용할 수 없다. 실제 내담자 자료를 가져오지 않고 가상 사례나 공개 자료를 사용하며, 조직 조건에 관한 가설과 개인에 대한 임상적 판단을 구분한다.

누적 과제 · 누적 문서 · 서비스 범위의 선택 근거 추가

기존 분석의 범위를 조직 수준으로 넓히기

중간 발표에서 특정 업무가 빨라졌다고 설명했다면, 이번에는 그 변화로 어떤 서비스를 약속할 수 있는지 검토한다. 최종 문서의 ‘대안 비교와 자원 조건’에 확장 비교표를 넣고, ‘근거와 대안 설명’에는 기술적 가능성, 실제 사용, 수행 기록의 차이를 기록한다. 사용이 적은 이유로 자료 접근 제한, 고객 위험, 교육 부족, 현재 업무와의 부적합을 함께 검토한다.

표에 적은 자원이 실제로 배정되었는지 확인할 자료와 담당자를 지정한다. ‘후속 연구 설계’에는 과업별 사용 기록, 예외 처리 기록, 역할별 면담을 어떻게 연결할지 쓴다. 담당자별 사용량을 개인 평가에 바로 연결할 때 생기는 위험도 검토한다. 이 작업은 이후 관계와 고립, 성과 분배, 사업 선택을 다룰 때 같은 역할과 자료를 다시 추적할 수 있게 한다.

남기는 것 · 1주부터 누적한 자기 사례 문서에 지역 집중·전국 직접 운영·협력 운영의 확장 비교표를 추가한다. 2교시 초안과 3교시 Bick 등 분석 후 수정본을 함께 남기고, 사용률과 수행 준비를 혼동한 판단 한 곳을 고쳐 ‘대안 비교와 자원 조건’ 절에 반영한다. 상담대학원 적용은 같은 사건의 사례개념화와 조직적 지원의 평가 질문을 연결한다.

출처와 서지 확인

h-index는 표시한 대표 저자 1명의 OpenAlex 조회값(2026-10-06)이며 숫자를 누르면 출처를 볼 수 있다. 미확인 값은 생략했다. 저자의 연구 영향력을 참고하는 지표다. 개별 논문의 품질은 연구 내용과 방법으로 판단한다.

저자 소개와 학술적 의의는 아래 공개 출처에 근거한다. 주차별 선정 이유는 수업을 위한 해석이며, 고전 이론을 에이전트에 대해 검증된 결론으로 취급하지 않는다. 원문의 판본과 접근·재배포 조건은 각 읽기 자료에 표시했다.

읽기와 토론의 원칙

트럭 그림으로 업무와 사업의 여러 선택을 살펴본다. AI의 오류와 불확실성은 실제 사례와 문헌으로 검토한다. 경험과 해석, 연구 결과와 가치 판단을 구분하며 강사의 전망에도 근거를 들어 반론을 제시할 수 있다.

원문을 확인하고 AI를 사용한 범위를 밝힌다. 개인 경험의 공개는 선택이며, 실제 내담자·고객·동료의 민감정보나 비공개 조직 자료를 AI·공유 공간에 입력하지 않는다. 평가와 운영 안내는 전체 강의계획에서 확인한다.