직원에게 매주 일정량의 AI를 쓰게 하면 사용량은 올릴 수 있습니다. 그러나 토큰 수, 로그인 횟수와 접속시간은 업무 가치가 아닙니다. 직원은 평가받는 숫자를 채우고, 검수와 재작업 비용은 다른 사람의 업무로 넘어갈 수 있습니다.
직장 내 AI 사용 의무화는 사용량을 성과로 착각할 때 역효과를 냅니다. 팀이 자동화할 과업을 직접 고르고, 절감된 시간의 사용처와 새 평가지표를 먼저 정하며, 실험 시간과 관리자 지원을 제공해야 실제 업무 가치로 이어집니다.
Stanford HAI가 2026년 10월 공개한 연구 소개는 법무법인, 광고대행사와 IT 서비스 기업의 AI 도입을 조사했습니다. 연구진은 184명을 인터뷰했고, 같은 법무법인의 비슷한 두 부서를 약 2년 동안 관찰했습니다. 도구는 같았지만 관리자가 설명한 목적과 지원 방식이 달랐습니다.
같은 도구를 다르게 소개한 결과
두 부서 모두 계약서와 비밀유지계약 초안을 돕는 ‘LawBot’ 사용권을 받았습니다. 한 부서는 더 빨리 작성하고 납기를 줄이기 위한 생산성 도구로 소개했습니다. 다른 부서는 반복 업무를 줄여 법률 조사와 사건 분석처럼 더 의미 있는 일을 할 시간을 만드는 도구로 설명했습니다.
직무 확장으로 소개한 부서의 패러리걸은 다른 부서보다 LawBot을 58% 더 많이 사용했고, 70% 더 많이 실험했습니다. 이 수치는 모든 회사에 적용되는 평균 효과가 아닙니다. 비슷한 조건을 가진 한 법무법인 두 부서에서 관찰된 차이입니다.
두 번째 부서에는 말뿐 아니라 지원이 있었습니다. 정식 교육, 주간 지식공유, 벤더 질의응답, 복잡한 과업에 대한 멘토링과 도구를 탐색할 보호 시간이 제공됐습니다. ‘AI가 더 좋은 일을 하게 해준다’는 약속에 조직이 시간과 예산을 쓴 것입니다.
| 도입 방식 | 직원이 받는 신호 | 예상되는 행동 |
|---|---|---|
| 사용량 할당 | 도구를 썼다는 기록이 중요함 | 쉬운 요청을 반복해 목표를 채움 |
| 속도만 강조 | 절감된 시간에 같은 일이 더 들어올 수 있음 | 최소한의 기존 업무에만 사용 |
| 직무 확장과 실험 시간 | 새 과업과 역량도 평가받을 수 있음 | 업무 범위를 탐색하고 방법을 공유 |
| 팀이 과업을 선택 | 현장 지식이 도입 범위에 반영됨 | 불필요한 자동화와 우회 사용이 줄어듦 |
기존 평가지표가 새 행동을 처벌한다
패러리걸을 처리 건수로 평가하면 깊은 법률 조사와 사건 분석은 불리합니다. 가치가 높아도 시간이 더 걸려 완료 건수가 줄기 때문입니다. 조직이 AI로 고부가 업무를 하라고 말하면서 처리량만 보상하면 직원은 처리량을 선택합니다.
AI 사용량을 KPI로 두는 방식도 같습니다. 토큰을 많이 썼다는 사실은 어려운 문제를 해결했다는 증거가 아닙니다. 목표를 달성하는 가장 짧은 방법이 불필요한 요청을 늘리는 것이라면 지표가 그 행동을 만듭니다.
평가지표는 다음 질문을 반영해야 합니다.
- 이전에 하지 못했던 어떤 일을 새로 했는가
- 고객이나 다음 공정의 재작업이 줄었는가
- 결과의 품질과 근거 추적성이 좋아졌는가
- 절감된 시간이 학습·분석·고객 대응에 실제로 이동했는가
발언권이 없는 도입은 감시로 읽힌다
AI 사용 기록을 개인별로 집계하면 직원은 이를 지원 도구보다 근무 감시로 받아들일 수 있습니다. Gallup의 American Job Quality Study 분석에 따르면 미국 근로자의 55%는 새 기술 도입에 원하는 만큼의 영향력을 갖지 못한다고 답했습니다. 기술 선택에 영향력이 많다고 답한 집단의 높은 직무 만족도는 58%, 영향력이 없다는 집단은 24%였습니다.
이 조사는 영향력이 만족도를 직접 높였다고 증명하는 실험이 아닙니다. 다만 도입 과정의 발언권과 직무 경험이 강하게 연결돼 있음을 보여줍니다. 특히 기술로 강하게 감시받는다고 느낀 근로자의 61%는 더 많은 발언권을 원했습니다. 감시받지 않는 집단은 45%였습니다.
팀에 선택권을 주는 방법은 거창할 필요가 없습니다. 반복적으로 시간을 빼앗는 과업을 각자가 제안하고, 2주 동안 작은 범위로 시험하며, 계속할지 중단할지 팀이 함께 결정하면 됩니다. 필수 사용량 대신 해결할 문제를 정하는 방식입니다.
자주 쓰면 불안이 사라진다는 가정
AI를 많이 써서 익숙해지면 대체 불안도 줄어들 것이라는 예상은 Gallup의 2026년 종단 분석과 맞지 않았습니다. 2026년 1분기 기준 매일 또는 주 수회 AI를 쓰는 미국 근로자 중 6.3%가 5년 안에 자기 일자리가 사라질 가능성이 매우 높다고 봤습니다. 저빈도 사용자는 3.1%였습니다.
같은 사람을 시간에 따라 추적했을 때 대체 우려가 있는 시기에는 몰입과 직무 만족이 낮고 번아웃과 구직 활동이 높았습니다. 이는 무작위 실험이 아니므로 AI 사용이 불안을 직접 만들었다고 단정할 수는 없습니다.
중요한 차이는 관리자 지원에서 나타났습니다. 조직이 자신의 웰빙을 중요하게 여긴다고 강하게 느끼는 근로자에게서는 잦은 AI 사용과 대체 불안의 연결이 11.1%포인트 작았습니다. 도구 사용 교육만으로는 설명되지 않는 차이입니다.
AI 도입에 대한 직원 반발은 반대 의견을 변화 저항으로만 볼 때 생기는 문제를 다룹니다. AI로 아낀 시간이 성과가 되지 않는 이유는 절감된 시간의 행선지를 먼저 정해야 하는 이유를 설명합니다.
의무화 전에 바꿀 순서
AI 도입을 실제 업무 가치로 연결하려면 사용 규칙보다 다음 순서가 먼저입니다.
- 팀이 반복적이고 검증 가능한 과업을 직접 고릅니다.
- 도입 전 처리시간과 재작업률을 기록합니다.
- 절감된 시간을 어디에 쓸지 합의합니다.
- 처리량만 보던 평가 기준에 품질·학습·새 과업을 추가합니다.
- 실험 시간과 관리자 지원을 예산에 반영합니다.
- 개인별 토큰량 대신 업무 결과와 재작업을 측정합니다.
의무화가 필요한 영역도 있습니다. 보안이 승인한 도구만 사용하게 하거나 고객정보 입력을 금지하는 규칙은 조직 전체에 적용해야 합니다. 하지만 ‘안전하게 사용하는 방법’과 ‘얼마나 많이 사용할지’는 다른 문제입니다. 전자는 공통 기준이 필요하고, 후자는 업무의 적합성과 성과로 판단해야 합니다.
AI 사용률을 빠르게 올리는 가장 쉬운 방법은 할당량입니다. 실제 가치를 만드는 방법은 더 느립니다. 팀이 과업을 고르고, 지표와 보상을 바꾸고, 절감된 시간을 약속한 일에 쓰는지 확인해야 합니다. 그 과정을 건너뛰면 사용량 그래프만 올라가고 업무는 그대로 남습니다.
