당신은 "조종사"인가, "승객"인가?
AI를 활용하면서 업무 처리량이 평소 2~3배 늘었다는 분들이 많습니다. 하지만 들여다보면 위험한 징후들이 보입니다.
- 겉은 예쁘지만 사실과는 다른 보고서.
- 구조는 완벽하고 방대하지만 정작 돌아가지 않는 코드
AI가 만들어내는 그럴듯한 저품질 결과물 "워크슬롭(workslop)"은 조직의 생산성을 조용히 갉아먹는 비용 폭탄이자, 작성자의 정문성을 의심케 하는 부메랑입니다. 문장은 완벽한데 내용이 틀린 보고서가 쌓일수록,
동료들은 검증과 리뷰라는 늪에 질식하게 됩니다.
에지는 "빠르고 많이"에서 "믿고 쓸 수 있는 품질의 적정량"을 만드는 것이 AI시대의 진짜 실력입니다.
대표적인 기사
1) 하버드 비즈니스 리뷰(HBR): AI-Generated “Workslop” Is Destroying Productivity(2025년 9월)
2) 링크드인 : AI-Assisted Content Production Only Scales Until Validation Fails. Then Your Strategy Must Reset (2025년 10월)
를 참고했습니다.
열심히 AI를 썼는데, 왜 성과는 제자리일까?
최근 기업들의 생성형 AI 도입은 폭발적으로 늘어났습니다.
직장 내 AI 사용량은 2년 만에 두 배로 늘었지만, 모순적인 상황이 벌어지고 있습니다. MIT 미디어 랩의 최신 보고서에 따르면, 조직의 95%가 이러한 기술 투자에 대해 측정 가능한 수익(ROI)을 전혀 얻지 못하고 있다고 답했습니다.
그 원인은 바로 "워크슬롭(Workslop)"에 있었습니다. 1)
소셜 미디어에서 저품질의 AI 생성 콘텐츠를 AI 슬롭(Slop, 오물/찌꺼기)이라고 부르는 것에 착안하여, 연구진은 업무 환경에서 발생하는 이 현상을 워크슬롭(Workslop)이라 명명했습니다.
"워크슬롭(Workslop)"의 정의
내가 만든 결과물도 혹시 워클 슬롭일까요?
- 워크슬롭이란: 겉보기에는 세련되고 완벽해 보이지만(번듯한 슬라이드, 유창한 보고서, 구조화된 요약본 등), 실속과 정확성이 없는 AI 생성물을 의미합니다.
- 핵심 문제: 내가 쏟았어야 할 노력을 동료(수신자)에게 떠넘기는 행위입니다 (transfers the effort from creator to receiver). Workslop을 받은 동료는 작업을 해석하고 수정하고 다시 작업하게 만드는 민폐를 만들게 됩니다.
숨겨진 비용: 낭비되는 시간
워크슬롭은 조직에게 심각한 손실을 초래합니다.
1) 그대로 믿고 쓰다가 나중에 잘못된 의사결정의 대가를 치르고
2) 팩트 체크와 재분석을 하느라 검증 비용을 폭증시킵니다
직장인의 41%가 지난 한 달 워크슬롭을 경험했으며, 이를 수정하고 처음부터 다시 만드는데 평균 2시간을 허비했습니다. 특히, 전문 서비스업과 기술 산업이 가장 큰 영향을 받고 있었으며, 이 비용을 직원 1만 명 기준으로 산출하면 연간 900만 달러(약 120억 원) 이상의 생산성이 증발됩니다. 2)
인간관계의 비용: 깎여나가는 평판
워크슬롭은 또한 협업의 기초가 되는 '신뢰'를 파괴합니다. 연구에 따르면 워크슬롭을 보낸 사람에 대해 동료들은 다음과 같이 느낍니다.
정문성 의심: 응답자의 54%는 창의성이 부족하다고 느꼈고, 50%는 업무 역량이 떨어진다고 느꼈습니다. 심지어 37%는 상대방의 지능이 낮다고 평가했습니다.
부정적 반응: 수신자의 53%는 짜증을, 38%는 혼란을, 22%는 불쾌감을 느꼈습니다.
협업 기피: 해당 동료와 "다시 협업하고 싶지 않다"는 응답이 32%나 더 높았습니다. 2)
우리는 왜 워크슬롭에 빠지는가?
1) 속도와 양에 몰두: 품질보다 AI를 사용했다는 사실 자체나 양과 속도의 증가에 집중하게 되면 질 낮은 결과물을 양산하게 됩니다. 개인의 문제를 넘어, 검토하는 AI로 작업물을 양산할 수 있는 속도 훨씬 빠르기 때문에 조직 전체에 검토 병목(validation bottleneck) 현상이 발생됩니다.
2) 가이드라인 부재: AI 사용에 대한 명확한 기준이나 품질 검증 절차가 없어, 직원들은 AI의 초안을 검증 없이 그대로 제출하는 '인지적 게으름'에 빠지게 됩니다. 인지적 게으름이란 "AI가 알아서 잘 써줬겠지"라는 생각이 내 전문성을 포기하게 만듭니다.
3) 전문성 위장: 비전문가가 AI를 이용해 그럴듯한 용어를 사용하여 보고서를 포장했을 때 발생합니다. 실제 아는 것보다 더 많이 아는 것처럼 보이려 할 때 워크슬롭이 생산됩니다. 전문가의 검증 없는 업무 결과물은 '전략적 부채(Strategic Debt)'를 쌓게 됩니다.
해결책: 당신은 "조종사"인가, "승객"인가?
사실 기계에게 인지적 노력을 떠넘기는 "인지적 오프로딩(Cognitive offloading)"은 새로운 것이 아닙니다.
2006년 기술 저널리스트 니콜라스 카(Nicolas Carr)는 <애틀랜틱(The Atlantic)> 저서를 통해 "구글이 우리를 바보로 만들고 있는가?"라는 도발적인 질문을 던지며, 기술이 인간의 깊은 사고 능력을 가로챌 것이라 경고했습니다.
AI 시대의 워크슬롭은 바로 인지적 오프로딩이 극대화된 형태입니다. 여기서 우리는 두 가지 선택지에 직면합니다.
- 조종사(Pilot) 마인드: AI라는 자율주행 기능을 쓰지만, 조종간은 내가 잡고 목적지(결과물의 품질)를 끝까지 책임지는 사람입니다. 니콜라스 카가 우려한 '사고의 퇴화'를 거부하고 AI를 지능의 확장 도구로 씁니다.
- 승객(Passenger) 마인드: AI가 데려다주는 대로 목적지도 모른 채 앉아만 있는 사람입니다. AI가 잘못된 길로 가도(환각 현상) 알아채지 못하며, 사고가 나면 대처할 능력이 없습니다.
[1단계] 행동 강령: AI를 대하는 4가지 태도 (by HBR)
워크슬롭을 방지하기 위해 실무 현장에서 즉시 적용해야 할 규범입니다.
1) 무분별한 사용을 방지: AI를 내 업무를 통째로 대신해 주는 "대체제"가 아닙니다. 내 사고를 확장하는 "조력 도구"로 정의하세요. AI 결과물을 비판적으로 검토 및 재가공해야 하며, 문제 정의와 성과 기준을 사람이 명확히 설정해야 합니다.
2) 명확한 검증 규범 수립: 조직 내에 "AI 초안은 반드시 사람이 한 번 더 검토한다"는 표준을 세우세요. "중요한 의사결정 보고서에는 AI 사용 비중을 명시한다"와 같은 조직 내 품질 표준을 세워야 합니다. 또한 어떤 데이터와 정보를 기반으로 했는지 출처를 문서에 남깁니다.
3) 주도적인 마인드셋 고취(Pilot mindset): 주체성(Agency)을 파일럿형 직원들이 승객보다 업무에서 AI를 75% 더 사용하면서도 창의성을 잃지 않습니다. 즉, 중요한 점은 "어떻게" 사용하느냐입니다. 자동 조절 장치(Autopilot)에 업무를 방치하지 말고 자신의 목표를 달성하기 위해 조종간을 직접 잡으세요. 리더는 이런 문화를 만들어야 합니다.
4) 협업에 다시 전념하라: 프롬프트 다듬고 피드백을 주는 과정은 본질적으로 "협업"입니다. 오늘날의 업무는 인간뿐만 아니라 이제는 AI와의 협업도 요구하며, 업무의 복잡성은 더욱 깊어졌습니다. 인간과 AI가 한 팀으로서 동일한 탁월성을 유지할 수 있도록 워크플로우에 통합해야 합니다.
AI를 활용하면 업무를 더 빠르게 만들어 줄 수 있지만, 그 결과물이 가치가 없다면 속도는 의미가 없습니다. 워크슬롭은 생산성을 높이는 것이 아니라 타인에게 업무 부하를 전가하는 행위임을 명심해야 합니다.
AI를 지름길이 아닌 협업 도구로 인식해야 합니다
[2단계] 실행 전략: 전문가 게이트 전략 (by LinkedIn) 3)
1) 생산성의 재정의: 성공의 척도는 볼륨 전략인 "얼마나 많이 만들었나"가 아니라 "전문가가 검증하여 발행된 업무량"이어야 합니다. 제대로 검토할 수 있는 양만큼만을 생산합니다.
2) 무자비한 선별(Triage): 모든 업무에 동일한 힘을 쏟을 필요는 없습니다. 단순 작업이나 일상적인 업데이트는 체크리스트 기반으로 주니어가 확인하되, 고위험 업무에서는 숙련도의 "리치 타임(Rich Time)에 집중하세요.
3) AI를 '저자'가 아닌 '가속기'로 활용: AI가 조사를 돕게 하되, 최종 통찰과 의사결정은 반드시 실제 경험을 가진 인간이 내려야 합니다.
4) 20/80 원칙의 고수: 업무의 시작 10%(기획/방향 설정)와 마무리 10%(검토/정교화)는 사람의 '최소한의 필수 업무량'입니다. 이 과정을 작업자가 주도하지 않으면, 이는 생산성이 아니라 '워크슬롭'을 만드는 지름길입니다. 중간 과정 80%를 AI에게 맡겨 효율을 극대화하며, 생산성과 퀄리티 두 가지를 찾을 수 있는 적 잘한 비율을 조정하는 것도 중요합니다.
진정한 AI 활용 경쟁력은 얼마나 많은 업무를 처리하냐가 아니라,
AI를 활용해 얼마나 더 깊이 있는 판단과 통찰을 더하느냐입니다
다음 회차에서는 고객 지원·CS, 보고서 작성, 개발, 리서치 등 각 업무 현장에서 참고할 수 있는 워크슬롭(workslop)을 방지할 수 있는 가이드라인 자료들을 소개합니다.
관련 글
2) 그럴듯한 AI 결과물(Workslop)이 조직을 망친다
참고 문헌
1) https://hbr.org/2025/09/ai-generated-workslop-is-destroying-productivity
2) https://www.betterup.com/workslop
3) https://www.linkedin.com/pulse/ai-assisted-content-production-only-scales-until-fails-gruener-lts5e/
'쉽게 읽는 AI > AI의 명과 암' 카테고리의 다른 글
| 업무별 AI 활용 가이드라인 - 직장인 편 (0) | 2026.02.21 |
|---|---|
| 업무별 AI 활용 가이드라인 - 개발/코딩 편 (0) | 2026.02.14 |
| AI를 통제하는 자가 살아남는다 (0) | 2026.02.05 |