AI 시대 필요한 역량, 국내 팀 기록으로 읽기
국내 팀 기록을 Double Take 4분 테스트의 네 틀로 묶어 읽었다
더블테이크 노아 - 4분 분량 - 처음 쓴 날
AI 시대에 필요한 역량
국내 앞선 팀의 공개 기록을 모으면 AI 시대에 사람에게 남는 일은 한쪽으로 모인다. 만드는 일은 AI에 넘기고, 무엇을 맡길지와 무엇으로 확인할지는 사람이 정한다. Double Take는 이 일을 발견력, 지시력, 검증력, 임팩트 넷으로 나눠 4분 테스트의 틀로 쓴다. 업계가 합의한 표준 분류는 아니다. 이 글은 그 틀을 왜 이렇게 잡았는지 근거를 보여 준다.
서로 다른 팀의 기록은 무엇을 같이 말하나?
다섯 팀이 다른 말로 같은 분업을 적었다.
- 토스 QA 팀은 테스트 코드 작성을 도구에 넘기고 사람은 "무엇을 검증할지" 만 적는다[1]
- LINE Plus 인프라 팀은 알림 분석을 자동화했지만 롤백과 재시작은 사람이 승인한다[2]
- LINE Plus 광고 데이터 팀은 계산을 코드에, 해석을 LLM에 맡겼다[3]
- 토스 어드민 플랫폼에서 화면 코드는 AI가 쓰고 개발자는 보안 요건과 공통 정책을 표준으로 만든다[4]
- 우아한형제들 장진솔 님은 코드를 쓰는 세션과 검증하는 세션을 나눴다[5]
해외 숫자도 같은 쪽을 가리킨다. Stack Overflow 2025 설문에서 AI 정확도를 "매우 신뢰" 한다는 답은 3.1%였고 가장 큰 불만은 "거의 맞지만 완벽하지 않은 답" (66%)이었다[6]. 거의 맞는 결과에서 틀린 곳을 가려내는 일이 사람 몫으로 남았다.
네 능력은 각각 무엇인가?
아래 정의는 우리 테스트의 정의다.
발견력
- 우리 정의
- AI에게 맡길 일을 찾고 맡기지 않을 경계를 긋는다
- 참고한 현장 기록
- 계산은 코드, 해석은 LLM [3]
지시력
- 우리 정의
- 필요한 맥락만 골라 AI에게 시킨다
- 참고한 현장 기록
- 넘기는 데이터를 41,944바이트에서 1,763바이트로 [7]
검증력
- 우리 정의
- 결과를 의심하고 확인한 흔적을 남긴다
- 참고한 현장 기록
- 기준이 "그렇게 볼 수 있는 근거가 남았는가" 로 바뀐다 [8]
임팩트
- 우리 정의
- AI를 쓴 효과를 무엇으로 볼지 정한다
- 참고한 현장 기록
- 코드량 2배와 버그 2건에서 4건을 함께 공개 [9]
- 더 읽기
- AI 활용 역량 키우는 법
| 능력 | 우리 정의 | 참고한 현장 기록 | 더 읽기 |
|---|---|---|---|
| 발견력 | AI에게 맡길 일을 찾고 맡기지 않을 경계를 긋는다 | 계산은 코드, 해석은 LLM [3] | 국내 회사가 공개한 직무별 AI 업무 활용 사례 AI 활용 역량 키우는 법 |
| 지시력 | 필요한 맥락만 골라 AI에게 시킨다 | 넘기는 데이터를 41,944바이트에서 1,763바이트로 [7] | 프롬프트를 잘 쓰는 법보다 맥락을 덜어내는 법 |
| 검증력 | 결과를 의심하고 확인한 흔적을 남긴다 | 기준이 "그렇게 볼 수 있는 근거가 남았는가" 로 바뀐다 [8] | AI 답변 검증 방법 규칙은 프롬프트가 아니라 장치로 |
| 임팩트 | AI를 쓴 효과를 무엇으로 볼지 정한다 | 코드량 2배와 버그 2건에서 4건을 함께 공개 [9] | AI 활용 역량 키우는 법 |
왜 발견력에 "맡기지 않을 일" 이 들어가나?
현장 기록에서 잘 된 사례는 거의 다 "나눴다" 로 설명된다. 계산과 해석, 화면과 정책, 코드 세션과 검증 세션이다. 맡길 일만 찾는 능력으로 정의하면 반쪽이라고 봤다. 그래서 경계를 긋는 일을 같은 무게로 넣었다.
검증력도 마찬가지다. 기록 속 상급 검증은 결과를 다시 읽는 데서 끝나지 않는다. 같은 실수가 다시 안 나게 장치를 만든다 (규칙은 프롬프트가 아니라 장치로).
사업 직무에도 같은 틀이 맞나?
근거는 개발 직군 쪽에 몰려 있다. 사업 직무의 실명 기록은 드물다. 우아한형제들의 비개발 직군 코칭 기록은 다른 출발점을 보여 준다. 92명이 반복 업무 고충을 냈고, 코치는 "첫 5분은 뭘 할 거예요?" 라고 물어 큰 목표를 쪼갰다[10]. 작은 문제 하나를 고르는 일이 발견력의 첫 장면이라는 점은 같다.
회사는 이 역량을 얼마나 보나?
아직 중심 항목은 아니다. 원티드랩이 인사담당자 153곳에 물었을 때 인재상 평가 항목에서 AI, 데이터 활용 역량은 24.2%로 4위였다[11]. 같은 회사 다른 조사에서는 전사 AX 도입이 5.3%였다[12]. 원티드랩은 채용과 AX 교육을 파는 회사라는 점은 감안한다. 평가 쪽 움직임은 AI 활용 역량은 어떻게 평가하나 면접관용 AI 활용 능력 질문과 좋은 답의 신호 AI 면접은 두 가지다 에 따로 정리했다.
네 능력 중 어디가 강하고 약한지, 4분 테스트로 먼저 확인해 보자
4분 테스트 하기자주 묻는 질문
- 네 능력은 공인된 분류인가?
- 아니다. Double Take가 국내 팀 기록을 읽고 4분 테스트를 만들려고 잡은 틀이다. 다른 분류도 얼마든지 가능하다.
- 넷 중 무엇부터 키워야 하나?
- 정해진 순서는 없다. 다만 이 글의 기록에서 가장 자주 나온 것은 확인하는 일이다. 키우는 방법은 [[build-ai-skills]] 에 따로 썼다.
- 이 기록이 국내 직장 평균의 모습인가?
- 아니다. AI 도입이 앞선 회사가 직접 쓴 글이고 잘된 사례가 주로 올라온다. 지금 다니는 회사는 아직 이렇게 나뉘지 않았을 수 있다.
출처
- 1쉼 없이 도는 테스트, 사람이 어디까지 돌봐야 할까요? - 토스닥터(Toss Doctor) 토스 기술블로그, 2026.09.22
- 2장애 Alert의 원인을 스스로 찾다: SRE Observer 개발기 LY Tech Blog
- 3LLM에게 어디까지 맡길 것인가: AI 에이전트 기반 광고 분석 리포트 자동화 LY Tech Blog
- 4AI가 만든 코드가 어드민이 되기까지 토스 기술블로그, 2026.09.04
- 5AI에게 만드는 법 대신 실패하는 법을 묻다 우아한형제들 기술블로그, 2026.08.28
- 6Stack Overflow Developer Survey 2025, AI Stack Overflow, 2025
- 7하네스 엔지니어링(harness engineering)으로 팀 맞춤형 AI 환경 구축하기 우아한형제들 기술블로그, 2026.04.17
- 8AI를 전제로 다시 설계하다, Tech-Verse 2026 참관기 LY Tech Blog
- 9배달의민족 전자계약서 화면 개편기: AI에게 맡긴 것과 사람이 챙긴 것 우아한형제들 기술블로그, 2026.09.18
- 10AI 전환, 우리가 도운 건 돕는 사람이었습니다 우아한형제들 기술블로그, 2026.09.14
- 11원티드랩 2026 채용 트렌드 보도 ZDNet Korea, 2025.12.08
- 12원티드랩 2026 AX 인사이트 리포트 보도 디아이투데이, 2026.04.08

