AI 팀워크의 병목은 사람 수가 아니라 인수인계다

제일 먼저 든 생각

AI 협업을 이야기할 때 자주 빠지는 질문이 있다. “누가 더 똑똑한가”가 아니라 “누가 무엇을 알고 있고, 그 판단이 언제 작업물로 넘어가는가”라는 질문이다. 이 논문은 그 지점을 꽤 직접적으로 건드린다. 공유 작업공간(shared workspace)에서 AI 에이전트와 사람 역할의 협업자가 함께 데이터 분석 문제를 풀 때, 협업자가 늘어난다고 성과가 자동으로 오르지 않았다.

오히려 구조 없는 협업에서는 전문성이 추가되어도 상호작용만 늘고, 책임과 근거가 마지막 답안으로 제대로 전달되지 않는 일이 생겼다. 논문은 이를 팀 연구에서 말하는 과정 손실(process loss)로 읽는다. 내 업무 언어로 바꾸면, AI를 붙인다고 일이 좋아지는 것이 아니라 “인수인계가 보이는 형태로 남아야” 일이 좋아진다는 말에 가깝다.

논문이 비교한 구조 없는 협업과 공유 기억·승인 게이트가 있는 협업을 작업 설계 관점으로 정리한 그림.

전문성이 많아도 팀이 느려지는 순간

저자들은 Collaborative Gym 환경의 DiscoveryBench 과제를 사용해 1,482개 세션을 분석한다. 과제는 단순 질의응답보다 데이터 해석, 변수 매핑, 증거 구성 같은 절차가 필요한 쪽에 가깝다. 그래서 한 명의 자동 에이전트가 끝까지 밀어붙이는 방식과, 데이터 전문가·연구자 같은 프로필을 가진 협업자가 함께 참여하는 방식을 비교하기 좋다.

논문의 문제의식은 다음 문장에 잘 들어 있다.

“관련 전문성을 가진 협업자를 추가해도, 팀이 기여를 조정할 구조가 없으면 성과가 낮아질 수 있다.”

“Adding relevant collaborators can lower performance when teams lack structure to coordinate their contributions.”

이 결과를 조직 AI 도입에 붙여보면 꽤 불편하다. 우리는 흔히 AI 워크플로에 “검토자”, “도메인 전문가”, “최종 승인자”를 더 넣으면 안전해진다고 생각한다. 그런데 논문이 보여주는 조건에서는 역할이 추가되는 것만으로 충분하지 않았다. 누가 어떤 증거를 확인했는지, 어떤 판단이 아직 미완인지, 마지막 산출물에 무엇이 반영되어야 하는지가 공유되지 않으면 협업자는 품질 장치가 아니라 지연과 누락의 원인이 될 수 있다.

공유 기억과 승인 게이트가 바꾼 것

저자들이 시험한 처방은 거창한 새 모델이 아니다. 두 가지 구조를 붙였다.

• 공유 그룹 메모리(shared group memory): 누가 무엇을 알고 있는지, 어떤 증거가 세워졌는지, 남은 확인 사항이 무엇인지 외부화한다.
• 인간-개입 게이트(human-in-the-loop gates): 특정 행동은 지정된 참여자의 승인을 거치게 한다.

중요한 점은 이 장치가 “사람이 항상 끼어들어야 한다”는 뜻이 아니라는 데 있다. 논문은 책임 신호와 전문성 라우팅이 더 분명해지는 조건에서, 특히 세 명으로 구성된 팀의 평균 성과가 좋아졌다고 보고한다. 즉, 사람이 많은 팀이 좋아진 것이 아니라 역할과 증거가 지나가는 길이 보이는 팀이 좋아진 것이다.

“공유 그룹 메모리는 누가 무엇을 알고 있는지, 어떤 증거가 확립되었는지, 어떤 점검이 남았는지를 외부화한다.”

“Shared group memory … externalizes who knows what, what evidence has been established, and what checks remain.”

이 문장은 Deciflow식 업무 설계에도 바로 붙는다. AI 에이전트에게 일을 맡길 때 필요한 것은 단순한 대화 로그가 아니다. 의사결정에 필요한 기억이어야 한다. 예를 들면 “검토 완료”, “근거 부족”, “사람 판단 필요”, “다음 행동 승인 대기” 같은 상태가 산출물 옆에 남아야 한다.

내 작업에 붙여본다면

이 논문을 읽고 오늘 바로 해볼 수 있는 작은 실험은 하나다. AI가 만든 초안, 분석, 자동화 결과물에 대해 “최종 답변”만 보지 말고 다음 네 칸을 강제로 남겨보는 것이다.

1. 이 작업에서 AI가 실제로 판단한 것
2. 사람이 확인한 근거
3. 아직 비어 있는 판단
4. 최종 산출 전에 승인해야 할 행동

특히 HRD, 평가, 보고서 작성, 데이터 분석 자동화처럼 여러 사람이 조금씩 확인하는 업무에서는 이 네 칸이 꽤 중요해질 수 있다. AI를 팀원처럼 쓰려면, 사람처럼 말하게 만드는 것보다 먼저 팀원이 남기는 인수인계의 형식을 정해야 한다.

조심해서 읽을 부분

이 연구는 실제 조직 현장의 사람들을 장기간 관찰한 결과라기보다, 시뮬레이션된 협업자와 벤치마크 과제를 사용한 실험이다. 따라서 “모든 AI 협업은 공유 메모리와 승인 게이트를 쓰면 좋아진다”라고 일반화하면 곤란하다. 다만 이 조건에서 보여준 것은 분명하다. 협업의 병목은 모델 성능만이 아니라, 전문성이 작업물로 이동하는 통로에도 있다.

다음 업무 질문

이번 주에 AI가 끼어드는 업무 하나를 고른다면, “AI가 낸 답이 맞는가”보다 먼저 “그 답으로 이어진 책임·근거·남은 확인이 어디에 기록되는가”를 점검해보고 싶다.

원문 정보

• 제목: Searching for Synergy in Shared Workspace Human-AI Collaboration
• 저자: Nachiket Kotalwar, Rohini Das, Carolyn Rose
• 연도/게시일: 2026
• 게재/출처: arXiv
• arXiv: 2606.18413v1
• PDF: https://arxiv.org/pdf/2606.18413

원문 논문: Searching for Synergy in Shared Workspace Human-AI Collaboration