Want Employees to Embrace AI? Stop Selling It as a Productivity Tool

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

직원의 AI 수용을 높이려면 생산성 향상만 강조하기보다 직무의 의미와 성장 기회를 제시하고, 이를 뒷받침할 학습 시간·자원과 기여 가치에 맞는 평가 기준을 마련해야 한다.

📌 핵심 요약

• 전 세계 조직의 AI 사용 보고 비율은 2023년 55%에서 2년 뒤 88%로 증가했지만 직원 반응은 엇갈렸다. 연구진은 법률회사·광고대행사·IT 서비스 기업의 직원 184명을 인터뷰했으며, AI 사용을 요구받은 직원들은 업무의 의미 상실과 새로운 기술 학습 의욕 저하를 설명했다.
• 법률회사의 유사한 두 부서를 거의 2년간 관찰한 연구에서, LawBot을 직무를 풍부하게 만드는 수단으로 소개하고 탐색 시간을 제공한 부서의 법률보조원들은 생산성 도구로 소개받은 부서보다 사용이 58%, 실험이 70% 더 많았다.
• 직무를 풍부하게 만들겠다는 약속의 신뢰성에는 실제 지원이 중요했다. 해당 부서는 LawBot 공식 교육, 주간 지식 공유 점심 모임, 공급업체 질의응답, 비공식 멘토링과 매주 자율 학습 시간을 제공했다.
• AI로 심층 법률 조사와 사건 분석을 수행하면 높은 가치를 창출하면서도 처리 사건 수는 줄어들 수 있어 평가 기준을 조정해야 한다. AI 토큰 소비량을 가치와 동일시하면 실제 사업 목적보다 사용량 자체를 늘리는 행동을 유도할 수 있다.
• 영업처럼 과업 간 결합이 강한 직무는 일부 과업에 AI를 도입해도 담당자의 지속적인 관여가 필요하다. 법률보조원 업무·의료 전사처럼 결합이 약한 직무는 자동화에 더 취약할 수 있지만 도입은 더 쉽고, 전반적인 성공에는 직원의 학습·새로운 책임·기여 가치에 대한 인정과 보상이 중요하다.

🧩 주요 포인트

1. 도입 목적과 지원의 일치 → 직무의 의미와 성장 기회를 강조하고 학습 시간·자원을 제공해야 직원의 탐색과 활용을 뒷받침할 수 있다.
2. 업무 변화와 평가 기준의 정합성 → 처리 사건 수나 AI 토큰 소비량보다 심층 법률 조사·사건 분석 등 달라진 업무의 기여 가치를 반영해야 한다.
3. 과업 결합도와 인력 개발 → 영업과 법률보조원 업무의 구조 차이를 고려하고, 절약된 시간을 학습과 새로운 책임으로 연결하는 지원이 필요하다.

🧠 상세 정리

1. 빠른 AI 확산과 엇갈린 직원 반응

전 세계 조직 가운데 AI를 사용한다고 보고한 비율은 2023년 55%에서 2년 뒤 88%로 높아졌지만, 빠른 확산과 상당한 투자에도 직원 반응은 엇갈렸다. Stanford 공과대학 조교수이자 Stanford Institute for Human-Centered AI(HAI) 참여 교수인 Arvind Karunakaran은 도구를 어떻게 소개하는지와 관리자가 약속을 실제로 이행하는지가 중요하다고 설명했다. 그는 University of Virginia의 Roshni Raveendhran, Dartmouth College의 Tami Kim과 법률회사·광고대행사·IT 서비스 기업의 AI 도입을 연구했다. 첫 연구에서는 생성형 AI를 도입한 세 기업의 직원 184명을 인터뷰했다. 행정·창의·기술 직무에 걸쳐 AI 사용을 요구받은 직원들은 업무의 의미가 사라졌다고 느꼈고, 이러한 상실감이 새로운 기술을 배우려는 의욕을 약화했다고 설명했다. 한 직원은 지금 배우는 기술도 다음 달이면 쓸모없어질 것 같아 학습을 망설인다고 말했다.

2. LawBot을 소개하는 방식에 따른 활용 차이

두 번째 연구에서 연구진은 업무 분야·규모·급여 및 승진 구조가 거의 동일한 법률회사의 두 부서를 거의 2년간 관찰했다. 두 부서는 계약서와 비밀유지계약서 초안 작성을 돕는 동일한 전사 AI 라이선스를 제공받았으며, 연구진은 이 도구를 LawBot이라고 불렀다. 첫 부서의 관리자는 문서 작성과 처리 시간을 줄이는 생산성 도구로 소개했고, 법률보조원들은 자신을 기계의 톱니바퀴처럼 느끼며 새로운 활용법보다 기존 업무에만 사용했다. 두 번째 부서의 관리자는 지루한 업무와 시간이 없어 시도하지 못했던 일을 묻고, LawBot이 반복 업무를 맡아 더 흥미로운 일을 할 시간을 줄 수 있는지 탐색하도록 했다. 탐색 시간을 받은 법률보조원들은 법률 조사와 사건 분석에 도구를 활용하고 팁을 교환했으며, 변호사들의 법률 전략 회의에 참여할 수 있도록 요청했다. 이 부서의 LawBot 사용은 다른 부서보다 58%, 실험은 70% 더 많았지만, 두 부서는 소개 방식뿐 아니라 학습 지원에서도 차이가 있었다.

3. 직무 개선의 약속을 뒷받침하는 지원

Karunakaran은 관리자가 생산성 향상에 몰두하면서 직원의 직무가 어떻게 나아지거나 풍부해질지 설명하지 않으면 AI 도입이 역효과를 낼 가능성이 높다고 말했다. 그러나 도입 목적을 설명하는 방식만으로 성공을 이해할 수는 없으며, 두 번째 부서는 직원이 실제로 배우고 실험할 수 있도록 여러 지원을 제공했다. 여기에는 LawBot 공식 교육, 매주 열리는 지식 공유 점심 모임, 공급업체와의 질의응답, 법률 조사처럼 복잡한 업무에 대한 비공식 멘토링이 포함됐다. 법률보조원들이 도구를 스스로 탐색하고 학습할 수 있는 시간도 매주 별도로 확보했다. 이러한 시간과 자원이 있어야 직무를 풍부하게 만들겠다는 약속이 신뢰를 얻을 수 있으며, 지원이 없다면 직원은 이를 실질적 내용이 없는 말로 받아들인다는 것이 연구자의 설명이다.

4. 사용량과 처리량보다 기여 가치를 평가

AI가 직무의 책임과 업무 구성을 바꾸면 직원 평가 방식도 함께 달라져야 한다. 법률보조원은 전통적으로 연간 또는 분기별 처리 사건 수로 평가됐지만, Karunakaran은 이 기준이 AI를 활용한 새로운 업무에 적합하지 않았다고 지적했다. 심층 법률 조사와 사건 분석은 높은 가치를 지니는 동시에 시간이 더 많이 필요해, 담당 직원이 맡는 사건 수는 줄어들 수 있기 때문이다. 따라서 평가 지표는 새로운 직무와 과업 구성에 맞춰 조정돼야 한다. 일부 기업이 텍스트 처리·생성량인 AI 토큰 소비량을 추적하고 많은 사용을 가치와 동일시하는 방식에도 문제가 있다. 연구자는 이런 기준이 실제 사업 목적을 달성하기보다 할당량을 채우려고 고양이 밈을 생성하는 식의 불필요한 사용을 유도할 수 있다고 설명했다.

5. 과업의 결합도가 AI 도입에 미치는 영향

AI 도입의 성공을 좌우하는 또 다른 요소는 직무를 이루는 과업들이 얼마나 강하게 연결돼 있는지다. 영업은 고객 조사, 관계 형성, 협상, 계약 성사처럼 결합이 강한 과업으로 구성되므로, 이들을 임의로 분리하고 다시 묶기 어렵다고 Karunakaran은 설명했다. 고객 조사에 AI를 활용하더라도 영업 담당자는 고객을 이해하고 계약을 성사시켜야 하므로 전체 과정에 계속 관여한다. 반면 법률보조원 업무나 의료 전사처럼 문서 관리와 관련된 서로 다른 과업을 포함하는 직무는 과업 간 결합이 약하다. 이러한 직무는 모듈식 구조 때문에 AI 자동화에 더 취약할 수 있지만, 같은 특성이 AI 도입을 훨씬 쉽게 만들기도 한다. 따라서 도입의 용이성과 자동화에 대한 취약성은 함께 나타날 수 있으며, 직무마다 과업 구조를 고려해야 한다.

6. 절약된 시간을 직원의 성장으로 연결

원문은 AI 도입의 범위나 속도와 관계없이 성공이 기술 자체보다 도입 이유, 실제 가치를 반영하는 평가 기준, 직원에게 주어지는 탐색 시간과 자원에 더 크게 달려 있다고 정리한다. AI의 약속은 반복 업무를 처리해 사람이 더 높은 수준의 일을 할 여유를 만드는 것이지만, 실제로 관리자는 절약된 시간을 보고 같은 업무를 더 많이 수행하도록 기대치를 높이기도 한다. 이 경우 시간 절약이 직원에게 새로운 일을 배우거나 직무를 풍부하게 만들 기회로 이어지지 않을 수 있다. Karunakaran은 조직 가치를 창출하려면 직원이 학습하고 새로운 책임을 맡을 공간을 마련해야 한다고 강조했다. 또한 그 과정에서 나온 기여의 가치를 인정하고 보상해야 하며, 기술을 조정하려는 노력과 함께 사람을 개발하려는 지속적인 의지가 필요하다고 설명했다.

🧾 핵심 주장 / 시사점

• LawBot 사례에서 도입 설명과 학습 지원이 함께 달랐으므로, 58%의 사용 증가와 70%의 실험 증가를 소개 문구만의 효과로 해석하기는 어렵다.
• 처리 사건 수가 줄어도 심층 법률 조사와 사건 분석의 가치는 높아질 수 있어, 기존 처리량 기준만으로는 AI 활용의 성과를 충분히 반영하기 어렵다.
• 과업 간 결합이 약하면 AI 도입이 쉬워지는 동시에 자동화에 더 취약할 수 있으므로, 도입 용이성만으로 직원에게 유리한 변화를 판단할 수는 없다.

✅ 액션 아이템

• AI 도입 목적을 직무의 의미와 성장 기회에 연결하고, 이를 뒷받침할 학습 시간·자원 확보를 검토.
• 처리 사건 수와 AI 토큰 소비량 중심의 평가 기준을 검토하고, 심층 법률 조사·사건 분석의 기여 가치 반영을 추진.
• 영업과 법률보조원 업무의 과업 결합도 차이를 고려해 AI 활용 범위와 직원의 학습·새로운 책임 기회를 검토.

❓ 열린 질문

• LawBot 사례의 사용 58%·실험 70% 증가에서 도입 목적의 설명과 학습 시간·자원은 각각 어떤 역할을 했는가?
• 처리 사건 수와 AI 토큰 소비량을 넘어 심층 법률 조사·사건 분석의 기여 가치를 어떻게 평가할 수 있는가?
• 영업과 법률보조원 업무의 과업 결합도 차이를 고려할 때, AI로 절약된 시간을 직원의 학습과 새로운 책임에 어떻게 연결할 수 있는가?