AI가 조직을 망치는 방식: 산출물은 늘고 결정은 막힐 때
AI가 개인의 속도는 올려도 조직의 성과로 이어지지 않는 이유. 문제는 도구가 아니라 검토 기준, 신뢰, 의사결정 구조에 있었다.
제목이 세다. “AI가 조직을 망친다.” 처음에는 또 하나의 자극적인 제목인가 싶었는데, 듣다 보니 말하고 싶은 지점은 꽤 현실적이었다. AI를 쓰면 개인의 산출 속도는 올라간다. 그런데 조직 전체의 생산성이 같이 오르느냐는 전혀 다른 문제다.
오히려 산출물이 많아지면서 검토할 것도 많아지고, 그럴듯하지만 알맹이 없는 결과물이 쌓이고, 의사결정자는 더 헷갈릴 수 있다. 이 영상은 그 병목을 “AI 활용 능력”이 아니라 “검토 규정과 리더십 구조”의 문제로 본다.
무슨 이야기였나
영상의 출발점은 한국 직장인의 AI 활용률이다. 많은 사람이 AI를 쓰고 있고, 개인 단위에서는 분명 더 빨라졌다고 느낀다. 그런데 조직 생산성은 그만큼 오르지 않는다. 이유는 단순하다. 회사에서 일은 산출물을 많이 만드는 것으로 끝나지 않는다. 결국 누군가가 읽고, 판단하고, 결정해야 일이 움직인다.
AI가 보고서, 조사, 기획안, 분석 초안을 쉽게 만들어주면 팀원의 생산량은 늘어난다. 하지만 그 다음 단계에 있는 팀장이나 리더는 더 많은 것을 검토해야 한다. 기준이 없으면 모두 읽어야 하고, 무엇이 중요한지 매번 다시 판단해야 한다. 그러면 속도가 빨라진 게 아니라 병목 위치만 바뀐다.
AI 활용률은 올라가는데, 조직의 생산성은 왜 그대로인가라는 질문에서 출발한다.
워크슬롭이라는 문제
영상에서 가장 인상적인 표현은 “워크슬롭”이었다. AI가 만든 산출물이 겉보기에는 그럴듯하지만, 실제로 적용하려고 보면 알맹이가 부족한 상태를 말한다. 문제는 이게 단순히 품질 낮은 문서 하나로 끝나지 않는다는 점이다.
그런 산출물을 받은 사람은 다시 확인하고, 사실관계를 검증하고, 빠진 맥락을 메워야 한다. 결국 만든 사람은 시간을 줄였다고 느끼지만, 받은 사람은 더 많은 시간을 쓴다. 팀 전체로 보면 생산성이 오른 게 아니라 일이 다른 사람에게 밀려간 것이다.
AI를 썼냐 안 썼냐가 중요한 게 아니라, 내용이 구려버리니까 신뢰 점수가 깎인다.
이 문장이 꽤 아프다. AI를 썼다는 사실 자체가 문제가 아니다. 문제는 AI를 써서 만든 결과물이 다음 사람의 시간을 잡아먹을 때다. 한두 번 그런 경험이 쌓이면 “저 사람 산출물은 일단 의심해야 한다”는 신뢰 비용이 생긴다. 조직에서는 이 비용이 꽤 크다.
필요한 것은 도구가 아니라 검토 규정
영상의 핵심은 여기서 나온다. 리더에게 필요한 건 새 AI 도구 목록이 아니라, 무엇을 보고 결정할지에 대한 규정이다.
우리가 필요한 건 사실 이제 AI의 이런 도구가 아니에요.
AI 시대에는 도구가 계속 바뀐다. 오늘의 추천 도구가 내일은 낡을 수 있다. 하지만 조직에서 계속 필요한 것은 “무엇을 중요하게 볼 것인가”, “어떤 기준으로 통과시킬 것인가”, “어떤 지표가 움직이면 행동을 바꿀 것인가”다.
검토 규정이 없으면 모든 산출물이 검토 대상이 된다. 양식이 매번 달라지고, 기준이 바뀌고, 팀원은 무엇을 맞춰야 하는지 모른다. 그러면 리더는 계속 말을 바꾸는 사람처럼 보이고, 팀원은 열심히 했는데도 인정받지 못한다고 느낀다.
산출물이 많아질수록 리더의 검토 기준이 더 중요해진다.
WBR을 예로 든 이유
영상은 해결책의 예시로 아마존의 WBR, Weekly Business Review를 든다. 핵심은 거창한 시스템이 아니다. 매주 같은 양식으로 중요한 지표와 변화를 보고, 그 변화가 행동으로 이어지는지 확인하는 리듬이다.
여기서 중요한 질문은 세 가지로 정리된다.
- 고객은 어떤 경험을 했는가
- 비즈니스는 지난주에 어떻게 변했는가
- 목표를 향해 제대로 가고 있는가
이 질문이 좋은 이유는 AI 산출물의 양이 아니라 행동과 결과를 보게 만들기 때문이다. “보고서 100장을 만들었다”는 행동이 아니다. “신규 데모 미팅을 100개 잡기로 했는데 60개밖에 못 했다. 왜 그랬고, 다음 주에는 무엇을 바꿀 것인가”가 행동에 가까운 질문이다.
AI를 써서 뭘 했냐가 중요한 게 아니라, 그래서 무슨 행동을 했냐는 거예요.
이 문장이 영상의 중심이라고 봤다. AI로 무엇을 만들었는지가 아니라, 그 결과로 무엇을 바꿨는가. 어떤 의사결정이 달라졌는가. 고객 경험이나 매출, 전환, 처리 시간 같은 실제 지표가 움직였는가. 결국 여기에 답하지 못하면 산출물은 많아져도 조직은 그대로다.
내 쪽으로 가져오면
Deciflow 관점에서 보면 이 영상은 꽤 직접적이다. 나도 AI를 이용해 글을 만들고, 회의 내용을 정리하고, 보고서 초안을 뽑는다. 하지만 그 결과물이 “많아지는 것” 자체를 성과로 착각하면 금방 같은 문제에 빠질 수 있다.
그래서 이 노트 시스템에도 검토 규정이 필요하다. 예를 들면 이런 식이다.
- 영상 하나를 글로 바꿀 때 반드시 남길 질문을 고정한다.
- 인용은 많게 뽑지 말고, 실제 업무 판단에 걸리는 문장만 남긴다.
- 캡처는 장식이 아니라 글의 흐름을 설명하는 장면만 쓴다.
- 글 마지막에는 “그래서 무엇을 바꿀 것인가”를 적는다.
이런 규칙이 없으면 AI는 계속 더 많은 글, 더 많은 요약, 더 많은 캡처를 만들어낼 수 있다. 하지만 그것이 다시 읽을 만한 노트가 되는지는 별개의 문제다.
좋은 AI 활용은 더 많이 만드는 일이 아니라, 무엇을 볼지 정하는 일에 가깝다.
오늘 남길 결론
AI는 산출물을 늘린다. 하지만 가치까지 자동으로 늘려주지는 않는다. 조직에서 중요한 것은 결국 검토할 가치가 있는 것을 미리 정하고, 같은 기준으로 반복해서 보고, 그 결과를 행동과 의사결정으로 연결하는 일이다.
새 도구를 하나 더 배우는 것보다 먼저 해야 할 질문은 이것일 수 있다.
우리 팀은 AI가 만든 결과물을 어떤 기준으로 통과시키고 있는가?
이 질문에 답이 없다면 AI는 조직을 빠르게 만들기보다 더 바쁘게 만들 가능성이 높다.
원본 영상
- 제목: AI가 조직을 망치는 이유
- 채널: 퇴사한 이형