2026년에 발표된 국내외 조사로 사람들이 AI를 얼마나, 무엇에, 어떤 수준으로 쓰는지 살펴봅니다. 잘 쓰는 사람과 그렇지 않은 사람을 가르는 지점이 '검증'이라는 것을 수치로 확인하고, 이번 주에 바꿀 습관 하나를 정하는 20분 강의입니다.
이 강의의 수치는 2026년 11월 12일에 확인한 것입니다. 일부는 조사 원문이 아니라 언론 보도로 확인했고, 그런 수치에는 '보도 기준'이라고 적었습니다.
과학기술정보통신부의 2025 인터넷이용실태조사(2026년 3월 발표, 보도 기준)에서 생성형 AI를 써 본 사람은 44.5%였습니다. 한 해 전 33.3%에서 11%포인트 늘었습니다. 돈을 내고 쓰는 사람은 7.9%입니다.
직장으로 좁히면 더 높습니다. 대한상공회의소 SGI 보고서(2026년 1월, 보도 기준)는 임금근로자의 약 56%가 업무에 생성형 AI를 쓴다고 했습니다. 대기업 66.5%, 중소기업 52.7%입니다.
그런데 같은 보고서에서 능숙하게 쓰는 '고도 활용자'는 13.6%였습니다. 절반 넘게 쓰지만 잘 쓰는 사람은 열에 한둘입니다. 오늘 강의는 이 간격이 어디서 생기는지를 봅니다.
TIP: 조사마다 대상과 질문이 달라 수치를 그대로 비교할 수 없습니다. 어느 기관이 누구에게 언제 물었는지를 함께 읽으세요.
어떤 서비스를 쓰는지부터 봅니다. 와이즈앱·리테일의 2026년 9월 집계(보도 기준)에서 국내 앱 월간 사용자는 챗GPT 2,470만 명, 제미나이 987만 명, 클로드 404만 명 순이었습니다. 챗GPT가 압도적이지만 2위와 3위도 수백만 명 규모입니다. 한 가지만 쓰던 때에서 용도에 따라 둘 이상을 쓰는 때로 넘어가고 있습니다.
무엇에 쓰는지는 Anthropic의 Economic Index(2026년 6월)가 보여 줍니다. Claude에 맡긴 일의 결과물을 나눠 보면 설명이 17%, 문서·보고서가 15%, 안내가 11%였습니다. 크게 묶으면 대화로 끝나는 일과 문서로 남는 일이 각각 3분의 1쯤이고, 코드·기술 작업이 6분의 1쯤입니다. AI 사용의 대부분은 코딩이 아니라 글과 설명입니다.
같은 보고서에 눈에 띄는 비교가 있습니다. 블로그 글 한 편을 쓸 때 채팅 화면에서는 사람과 AI가 13번쯤 주고받았는데, 에이전트형 도구에서는 요청 한 번으로 끝났습니다. 일을 '같이 고쳐 가는' 방식에서 '맡기고 결과를 받는' 방식으로 옮겨 가고 있습니다.
중소기업중앙회가 소상공인 500곳에 물은 조사(2026년 6월, 보도 기준)에서 디지털·AI 도구를 쓴다는 곳은 80.0%였습니다. 다만 여기에는 POS 같은 디지털 도구가 함께 들어 있어, 생성형 AI만의 수치가 아닙니다.
더 중요한 것은 수준입니다. 쓰고 있다는 곳 가운데 입문이 52.8%, 기초가 30.5%, 중급이 15.3%, 고급이 1.5%였습니다. 열에 여덟이 입문·기초입니다.
작은 사무실이라면 이 숫자를 위안으로 읽어도 됩니다. 남들도 대부분 초입에 있습니다. 동시에 기회로도 읽을 수 있습니다. 중급까지만 가도 상위 20% 안쪽입니다.
파수AI가 기업 담당자 151명에게 물은 조사(2026년 10월, 보도 기준)에서, 회사가 AI 사용을 막고 있다고 답한 곳의 응답자 77.3%가 직원들이 개인 계정으로 AI를 쓰고 있다고 답했습니다. 사용 현황을 파악하고 통제한다는 조직은 19.2%였습니다.
금지가 사용을 없애지 못하고, 보이지 않는 곳으로 옮길 뿐이라는 뜻입니다. 개인 계정으로 옮겨 가면 회사 자료가 어떤 조건으로 처리되는지 아무도 모르게 됩니다.
직원 입장에서 할 일은 분명합니다. 회사 정책을 확인하고, 허용된 계정을 쓰고, 고객 이름·주민등록번호·연락처·계좌·사건 내용은 넣지 않습니다. 관리자 입장에서는 금지 한 줄보다 '무엇을 어느 계정으로 써도 되는지'를 적은 한 장이 낫습니다.
TIP: 개인 계정에 회사 자료를 넣었다면 지금이라도 대화 기록을 정리하고, 앞으로 쓸 계정을 정하세요.
Anthropic은 2026년 2월 Claude 대화 9,830건을 분석해 AI Fluency Index를 냈습니다. 사람들이 대화에서 어떤 행동을 하는지 비율로 보여 줍니다.
고쳐 달라고 다시 요청하기 85.7%. 목표를 먼저 분명히 하기 51.1%. 좋은 예시를 보여 주기 41.1%. 형식을 정해 주기 30%. AI가 놓친 맥락을 짚기 20.3%. 앞뒤가 안 맞는 추론에 의문을 제기하기 15.8%. 중요한 사실을 확인하기 8.7%.
요청하는 행동은 흔하고, 따져 보는 행동은 드뭅니다. 사실을 확인하는 대화는 열 건 중 한 건이 안 됩니다.
더 놀라운 것은 다음입니다. AI가 문서나 화면 같은 완성된 결과물을 만들어 준 대화에서는 사실 확인이 5.5%로 더 떨어졌습니다. 지시는 더 꼼꼼해졌는데 검증은 줄었습니다. 결과물이 그럴듯해 보일수록 덜 따져 본다는 뜻입니다.
앞에서 본 '쓰는 사람 56%, 잘 쓰는 사람 13.6%'의 간격은 여기서 생깁니다. 더 좋은 프롬프트가 아니라 더 많은 검증이 수준을 가릅니다.
TIP: 보기 좋은 결과물일수록 숫자·날짜·이름·조문 번호를 원문과 대조하세요. 이 습관 하나로 상위 10% 행동을 하게 됩니다.
Fluency Index는 Rick Dakan과 Joseph Feller 두 교수가 만든 4D 틀을 씁니다. AI를 잘 쓴다는 것을 네 가지로 나눕니다.
위임(Delegation): 무엇을 AI에게 맡기고 무엇을 내가 할지 정합니다. 맡겨도 되는 일과 안 되는 일을 구분하는 능력입니다.
설명(Description): 목표, 맥락, 형식, 예시를 전달합니다. 우리가 프롬프트라고 부르는 부분입니다.
분별(Discernment): 받은 결과를 따져 봅니다. 사실인지, 빠진 것은 없는지, 추론이 맞는지 봅니다.
책임(Diligence): 결과를 내 이름으로 내보내기 전에 확인하고, AI를 썼다는 사실과 한계를 숨기지 않습니다.
대부분의 교육과 책은 두 번째인 설명에 몰려 있습니다. 통계가 보여 준 빈 곳은 첫 번째와 세 번째, 네 번째입니다. 이 사이트의 수준진단도 이번에 이 네 축을 반영해 문항을 바꿨습니다.
지난주에 AI와 나눈 업무 대화 세 개를 엽니다. 고객 정보가 든 대화는 화면을 남에게 보여 주지 않습니다. 각 대화마다 아래 표에 O/X를 적습니다.
세 개를 채운 뒤 X가 가장 많은 줄을 찾습니다. 그 줄이 이번 주에 바꿀 습관입니다. 한 번에 하나만 고릅니다.
대화 점검표 (대화 1 / 2 / 3)
[위임]
- 이 일을 AI에게 맡겨도 되는지 먼저 따져 봤다:
- 넣으면 안 되는 정보를 빼고 넣었다:
[설명]
- 누구에게, 무엇을 위해 쓰는지 먼저 말했다:
- 형식이나 예시를 줬다:
[분별]
- 숫자·날짜·이름을 원문과 대조했다:
- 빠진 내용이나 이상한 추론을 짚었다:
[책임]
- 내보내기 전에 내가 끝까지 읽었다:
- 확인하지 못한 부분을 표시해 뒀다:
이번 주에 바꿀 습관 한 가지:
TIP: X가 '분별'에 몰려 있다면 정상입니다. 통계에서도 가장 드문 행동이었습니다.
Q1. 직장인 절반 이상이 AI를 쓰므로 대부분이 능숙하게 쓴다고 볼 수 있다.
정답: X. 대한상의 SGI 보고서에서 고도 활용자는 13.6%였습니다.
Q2. AI가 완성된 문서를 만들어 준 대화에서는 사실 확인이 오히려 줄었다.
정답: O. Fluency Index에서 8.7%가 5.5%로 낮아졌습니다.
Q3. 회사가 AI 사용을 금지하면 직원들의 AI 사용이 사라진다.
정답: X. 금지한 조직의 응답자 다수가 개인 계정 사용이 있다고 답했습니다.
숫자가 말하는 것은 하나입니다. 쓰는 것은 이미 흔하고, 따져 보는 것이 드뭅니다. 수준진단을 다시 해 보고 네 축 가운데 어디가 낮은지 확인해 보세요.