AI 시대 일하는 방식의 핵심은 ‘잡담’, ‘가짜 노동 제거’, ‘청소부 리더십’입니다
이번 내용의 핵심은 단순히 “AI를 잘 쓰자”가 아닙니다.
기업이 AI 전환에 실패하는 진짜 이유는 기술 부족이 아니라, 여전히 과거 방식으로 일하고 평가하고 보고하기 때문입니다.
특히 2027년 AI 에이전트 시대가 본격화되면, 기업 경쟁력은 “누가 더 좋은 AI 툴을 쓰느냐”보다 “조직이 AI가 일할 수 있는 구조로 바뀌었느냐”에서 갈릴 가능성이 큽니다.
이번 글에서는 정도희 전 SKT 부사장이 말한 AI 시대의 일하는 방식, 가짜 노동, 데이터 공유, KPI, 리더십, HR 교육 변화까지 경제 관점에서 한 번에 정리해보겠습니다.
1. 직원은 AI를 쓰는데, 회사는 왜 그대로일까?
많은 기업에서 개인 직원들은 이미 챗GPT, 클로드, 퍼플렉시티, 제미나이 같은 생성형 AI를 업무에 적극적으로 쓰고 있습니다.
보고서 초안 작성, 회의록 정리, 자료 조사, 코딩 보조, 이메일 작성까지 개인 생산성 향상은 꽤 빠르게 일어나고 있습니다.
그런데 회사 전체의 속도는 생각보다 크게 빨라지지 않습니다.
이유는 간단합니다.
개인은 바뀌었지만, 보고 체계와 회의 구조와 평가 제도는 그대로이기 때문입니다.
- AI로 하루 만에 보고서를 만들었지만, 결재와 보고 라인은 여전히 한 달이 걸립니다.
- 리더는 “실패해도 괜찮다”고 말하지만, 연말 평가는 실패한 도전을 낮게 평가합니다.
- 회사는 AI 아이디어 공모전을 열지만, 실제 업무 프로세스는 바꾸지 않습니다.
- AI 교육은 늘었지만, 정작 현장에서 일하는 방식은 그대로입니다.
정도희 전 부사장은 이를 운영체제, 즉 OS 문제로 설명합니다.
최신 앱을 설치하려면 최신 운영체제가 필요합니다.
그런데 많은 기업은 윈도우 95 같은 낡은 조직 운영 방식 위에 최신 AI 앱만 얹으려 하고 있습니다.
이러면 AI 전환이 제대로 작동하기 어렵습니다.
2. AI 도입보다 먼저 해야 할 일은 ‘가짜 노동’ 제거입니다
AI를 도입할 때 가장 위험한 착각은 “지금 하는 모든 일을 AI로 더 빠르게 하면 된다”는 생각입니다.
하지만 쓸데없는 일을 AI로 자동화하면 생산성이 오르는 게 아니라, 쓸데없는 일이 더 많이 만들어집니다.
대표적인 예가 보고서입니다.
아무도 제대로 읽지 않는 100페이지짜리 보고서를 AI로 더 빨리 만들 수는 있습니다.
문제는 그렇게 되면 한 달에 하나 만들던 쓸데없는 보고서를 일주일에 열 개 만들 수도 있다는 점입니다.
AI는 가짜 노동을 줄일 수도 있지만, 반대로 가짜 노동의 규모를 폭발적으로 키울 수도 있습니다.
- 읽히지 않는 보고서 작성
- 형식적인 회의자료 제작
- 의사결정과 무관한 데이터 정리
- 성과를 보여주기 위한 보여주기식 문서 작업
- AI를 썼다는 사실 자체를 증명하기 위한 업무
따라서 순서가 중요합니다.
첫째, 우리가 하는 일 중 없애야 할 일을 먼저 찾아야 합니다.
둘째, 타성적으로 반복하던 가짜 노동을 제거해야 합니다.
셋째, 남은 진짜 업무에 AI를 적용해야 합니다.
이 순서가 바뀌면 디지털 전환은 성과가 아니라 비용이 될 수 있습니다.
3. AI 시대의 진짜 일은 ‘잡담’에서 시작됩니다
과거에는 잡담을 일과 무관한 시간 낭비로 봤습니다.
하지만 AI 시대에는 오히려 잡담이 중요한 업무 방식이 될 가능성이 큽니다.
자료 조사, 요약, 코딩, 문서 작성 같은 업무는 점점 AI가 맡게 됩니다.
그러면 사람에게 남는 중요한 일은 무엇일까요?
바로 새로운 관점, 문제 정의, 아이디어 연결, 맥락 해석입니다.
이런 일은 정해진 회의 안에서만 나오지 않습니다.
복도에서 우연히 나눈 대화, 커피를 마시며 나온 의문, 동료와의 작은 잡담에서 시작되는 경우가 많습니다.
“요즘 뭔가 이상하지 않아?”라는 한마디가 새로운 사업 아이디어의 출발점이 될 수 있습니다.
이후 그 아이디어를 AI에게 조사시키고, 시뮬레이션하고, 시장성을 검토하면서 실험으로 이어지는 구조가 만들어집니다.
이 관점에서 미래의 사무실도 달라질 가능성이 큽니다.
모니터 앞에 각자 앉아 문서만 만드는 공간보다, 오픈된 카페형 공간에서 대화하고 화이트보드에 그리며 아이디어를 발전시키는 공간이 중요해질 수 있습니다.
동시에 깊이 있는 사고를 위한 조용한 개인 공간도 필요합니다.
즉, 미래 사무실은 잡담과 몰입이 공존하는 구조가 되어야 합니다.
4. AI에게 맡길 일과 사람이 해야 할 일을 구분해야 합니다
AI 시대에 가장 중요한 능력 중 하나는 “무엇을 AI에게 맡기고, 무엇을 사람이 해야 하는지”를 구분하는 능력입니다.
정도희 전 부사장은 글쓰기를 예로 들어 설명합니다.
- 전달로서의 글쓰기: 회의록, 공지 메일, 요약문, 정리 자료처럼 정보를 정확히 전달하는 글은 AI가 잘할 수 있습니다.
- 생각의 확장으로서의 글쓰기: 글을 쓰면서 내 생각이 바뀌고, 관점이 확장되고, 새로운 논리가 만들어지는 글은 사람이 주도해야 합니다.
핵심은 주도권입니다.
내가 글을 쓰는 과정에서 생각이 발전하고 있다면, 그 일은 아직 사람이 해야 합니다.
반대로 생각의 확장이 끝났고 정리와 표현만 남았다면, AI에게 넘겨도 됩니다.
AI는 사실 정리와 패턴 분석에 강합니다.
하지만 “우리 회사에서는 지금 이걸 해야 하는가?”, “이 정보를 누구에게 어떻게 전달해야 하는가?”, “지금 이 타이밍에 보고하는 게 맞는가?” 같은 맥락 판단은 사람이 해야 합니다.
이 맥락 해석 능력이 앞으로 노동시장 내 개인 경쟁력과 조직 경쟁력을 동시에 가르는 기준이 될 수 있습니다.
5. AI하고만 일하면 생각이 한쪽으로 쏠릴 수 있습니다
AI와 일하면 속도는 확실히 빨라집니다.
자료의 품질도 좋아지고, 초안 작성 시간도 줄어듭니다.
하지만 부작용도 있습니다.
AI와만 대화하다 보면 내 생각이 한 방향으로 고정될 위험이 커집니다.
AI는 사용자의 질문과 대화 흐름을 바탕으로 답변을 이어갑니다.
그래서 한 번 특정 방향으로 논리가 잡히면, 그 방향 안에서 점점 더 그럴듯한 답을 만들어낼 수 있습니다.
겉으로는 매우 생산적인데, 실제로는 확증 편향이 강화될 수 있습니다.
이때 필요한 것이 사람 간의 대화입니다.
동료가 던지는 “그런데 상황이 바뀌면 어떻게 될까요?”라는 질문이 사고의 방향을 틀어줍니다.
리더가 “이 관점 말고 다른 고객 입장에서 보면 어떨까요?”라고 물어보면, 팀원의 사고가 다시 확장됩니다.
결국 AI 시대에도 사람과 사람 사이의 대화는 줄어드는 것이 아니라 더 중요해질 가능성이 큽니다.
6. 데이터 공유는 기술 문제가 아니라 평가와 문화의 문제입니다
AI 에이전트 시대에는 데이터가 곧 에이전트의 밥입니다.
AI가 제대로 일하려면 좋은 데이터에 접근할 수 있어야 합니다.
하지만 많은 기업에서 데이터는 부서별로 갇혀 있습니다.
마케팅팀 데이터, 영업팀 데이터, 고객센터 데이터, 제품팀 데이터가 서로 연결되지 않습니다.
이유는 단순히 시스템이 없어서가 아닙니다.
데이터를 공유할 유인이 없기 때문입니다.
- 데이터를 정제하고 공유하는 일은 손이 많이 갑니다.
- 하지만 그 일은 평가에서 잘 인정받지 못합니다.
- 내가 데이터를 줬는데 다른 부서가 성과를 내면, 그 부서만 좋은 평가를 받습니다.
- 상대평가 구조에서는 오히려 데이터를 제공한 팀이 불리해질 수도 있습니다.
이 구조에서는 데이터 공유가 잘될 수 없습니다.
앞으로 AI 에이전트가 부서 간 협업을 하려면, 에이전트끼리도 데이터를 주고받아야 합니다.
그런데 기존 조직 문화가 사일로라면, AI 에이전트도 사일로를 그대로 복제할 가능성이 큽니다.
또 하나 중요한 변화는 데이터 공유 방식입니다.
과거에는 데이터를 한곳에 모으는 데이터 레이크 방식이 주류였습니다.
앞으로는 모든 데이터를 중앙에 모으기 어려운 경우도 많아집니다.
보안이 중요한 반도체 설계 데이터나 민감한 고객 데이터는 중앙 집중형으로 모으기 어렵습니다.
이 경우 각 부서가 데이터를 보유하되, AI 에이전트가 필요한 순간 접근할 수 있는 인터페이스를 만드는 방식이 중요해질 수 있습니다.
MCP 서버와 같은 구조가 주목받는 이유도 여기에 있습니다.
7. 2027년 AI 에이전트 시대, 기업은 세 부류로 나뉠 수 있습니다
원문에서 제시된 2027년 관점은 꽤 중요합니다.
AI 에이전트가 본격적으로 업무에 들어오면 기업은 크게 세 부류로 나뉠 수 있습니다.
- 에이전트가 사람과 함께 일하는 조직
- 사람들이 챗봇이나 AI 도구와 부분적으로 일하는 조직
- 여전히 사람들끼리만 일하는 조직
여기서 진짜 차이는 AI 도구 사용 여부가 아닙니다.
AI가 실제 업무 주체로 들어와 프로세스를 움직이느냐가 핵심입니다.
단순히 직원들이 챗GPT를 잘 쓰는 수준은 개인 생산성 단계입니다.
기업 경쟁력으로 연결되려면, AI 에이전트가 업무 흐름 안에서 실제로 일하고, 부서 간 데이터를 연결하고, 의사결정 보조 역할을 해야 합니다.
하지만 이를 위해서는 조직 문화, 데이터 접근권, 보안 정책, 평가 제도, 리더십이 함께 바뀌어야 합니다.
기술만 도입하면 되는 문제가 아닙니다.
8. AI 시대 리더는 지휘자가 아니라 ‘청소부’가 되어야 합니다
정도희 전 부사장이 가장 강하게 말한 키워드 중 하나가 청소부 리더십입니다.
기존 리더십은 지휘자에 가까웠습니다.
리더가 더 많이 알고, 방향을 정하고, 팀원에게 지시하고, 보고를 받는 방식입니다.
하지만 AI 시대에는 이 구조가 점점 맞지 않을 수 있습니다.
젊은 실무자가 AI를 더 잘 다루고, 특정 영역에서는 리더보다 더 빠르게 정보를 습득할 수 있습니다.
이때 리더가 모든 것을 알아야 한다고 생각하면, 오히려 팀원의 역량을 자신의 이해 범위 안에 가둘 수 있습니다.
AI 시대 리더의 역할은 직접 가르치고 지시하는 사람이 아니라, 구성원이 더 잘 달릴 수 있도록 장애물을 치워주는 사람입니다.
- 불필요한 보고 절차를 줄여줍니다.
- 제도적 걸림돌을 미리 제거합니다.
- 필요한 부서와 연결해줍니다.
- 실험할 수 있는 시간을 확보해줍니다.
- 팀원이 한 방향으로 빠질 때 질문으로 시야를 넓혀줍니다.
그래서 청소부 리더십은 단순한 섬김형 리더십보다 더 구체적입니다.
팀원 앞뒤에서 길을 치우고, 막힌 부분을 뚫어주고, 실험할 수 있는 환경을 만드는 리더십입니다.
9. 앞으로의 리더십은 질문형·코칭형 리더십입니다
AI 시대에는 리더가 답을 주는 것보다 질문을 잘 던지는 것이 더 중요해집니다.
“이렇게 해”라고 지시하면 팀원은 생각을 멈출 수 있습니다.
반대로 “이런 상황이 생기면 어떻게 될까요?”라고 물으면 팀원의 사고가 작동합니다.
질문형 리더십은 구성원의 생각을 확장시키는 방식입니다.
AI가 답을 너무 빨리 주는 시대에는, 사람이 스스로 생각할 기회를 잃기 쉽습니다.
그래서 리더는 팀원이 사고를 외주화하지 않도록 질문을 통해 생각의 근육을 유지하게 해야 합니다.
이 부분은 매우 중요합니다.
AI가 글을 대신 써주고, 요약을 대신 해주고, 판단의 초안까지 만들어주면 사람은 점점 편해집니다.
하지만 생각 자체를 AI에게 넘기면, 인간의 역할은 급격히 줄어들 수 있습니다.
AI 시대의 리더는 팀원이 AI를 잘 쓰게 하는 동시에, 스스로 생각하는 힘을 잃지 않도록 도와야 합니다.
10. KPI는 없애는 것이 아니라 ‘분리’해야 합니다
AI 시대에 KPI는 꽤 민감한 문제입니다.
기업은 목표와 성과 측정이 필요합니다.
예산 배분, 인력 운영, 주주와의 약속, 성과 평가를 위해 KPI는 여전히 필요합니다.
하지만 모든 일에 KPI를 똑같이 적용하면 문제가 생깁니다.
특히 새로운 AI 실험에는 기존 KPI가 맞지 않을 수 있습니다.
아직 들어가 본 적 없는 동굴에 들어가면서 “금을 몇 kg 캘지 정확히 보고하라”고 요구하는 것과 비슷합니다.
따라서 KPI는 없애는 것이 아니라 분리해야 합니다.
- 정규화된 업무: 이미 검증된 사업, 반복 가능한 운영, 안정적인 프로세스에는 KPI가 필요합니다.
- 새로운 실험: AI 기반 신규 시도, 불확실성이 큰 프로젝트, 탐색 단계의 업무에는 KPI보다 학습 지표가 필요합니다.
초기 실험 단계에서는 정량 성과보다 학습 속도, 검증 횟수, 실패에서 얻은 인사이트, 다음 실험으로 연결되는 정도를 봐야 합니다.
이후 어느 정도 가능성이 확인되면 그때 정규 KPI를 붙이면 됩니다.
순서가 바뀌면 혁신은 시작도 하기 전에 평가 제도에 막힙니다.
11. AI 교육은 강의실이 아니라 현장에서 일어나야 합니다
현재 많은 기업의 AI 교육은 프롬프트 엔지니어링, 생성형 AI 활용법, 툴 사용법 중심입니다.
물론 이런 교육도 필요합니다.
하지만 이것만으로는 조직의 일하는 방식이 바뀌지 않습니다.
정도희 전 부사장은 성공적인 교육의 핵심이 콘텐츠보다 위치에 있다고 말합니다.
즉, 교육이 업무와 분리된 강의실에서 일어나는지, 실제 워크플로우 안에서 일어나는지가 더 중요하다는 의미입니다.
가장 이상적인 교육은 어디까지가 교육이고 어디까지가 업무인지 모호한 상태입니다.
일하면서 배우고, 배우면서 바로 업무에 적용되는 구조입니다.
이를 위해 HRD 조직은 현장으로 들어가야 합니다.
회의에 참석하고, 업무 흐름을 관찰하고, 어떤 역량이 부족한지 직접 봐야 합니다.
한 부서에서 실패한 시도를 다른 부서가 똑같이 반복하지 않도록 중앙에서 지식을 연결해줘야 합니다.
이런 역할을 정도희 전 부사장은 가치 인도 오피스, 즉 Value Delivery Office에 가깝게 설명합니다.
HRD는 단순히 교육 과정을 운영하는 부서가 아니라, 현장에서 필요한 역량을 즉시 공급하고 조직 전체로 확산시키는 부서가 되어야 합니다.
12. 다른 뉴스나 유튜브에서 놓치기 쉬운 가장 중요한 포인트
첫째, AI 전환의 병목은 기술이 아니라 조직의 인센티브 구조입니다.
데이터를 공유해도 평가받지 못하고, 실험에 실패하면 낮은 평가를 받는 구조에서는 아무리 좋은 AI를 도입해도 조직은 바뀌지 않습니다.
둘째, AI는 생산성을 높이기 전에 관료주의를 증폭시킬 수 있습니다.
가짜 노동을 제거하지 않고 AI를 붙이면 보고서, 회의자료, 문서 작업이 오히려 폭증할 수 있습니다.
셋째, AI 에이전트 시대에는 데이터 레이크보다 접근권 설계가 더 중요해질 수 있습니다.
모든 데이터를 중앙에 모으는 방식만으로는 보안과 실시간 업무 대응에 한계가 있습니다.
각 부서가 데이터를 보유하되, AI 에이전트가 필요한 순간 안전하게 접근할 수 있는 구조가 중요해집니다.
넷째, KPI는 혁신의 적이 아니라 적용 시점이 문제입니다.
검증된 사업에는 KPI가 필요하지만, 탐색 단계의 AI 실험에 KPI를 강하게 적용하면 시도가 위축됩니다.
다섯째, AI 시대의 핵심 리스크는 업무 자동화가 아니라 사고의 외주화입니다.
글쓰기, 읽기, 요약을 AI에게 맡기는 것은 효율적일 수 있습니다.
하지만 판단과 생각까지 모두 넘기면 인간의 경쟁력은 약해질 수 있습니다.
13. 경제 관점에서 보면, AI는 비용 절감 도구가 아니라 조직 재설계 압력입니다
기업들이 AI를 바라볼 때 가장 먼저 떠올리는 것은 비용 절감입니다.
10명이 하던 일을 2~3명이 할 수 있다면 인건비를 줄일 수 있다는 식의 접근입니다.
하지만 중장기적으로 보면 AI는 단순한 비용 절감 도구가 아닙니다.
오히려 조직 구조, 인재 배치, 업무 방식, 평가 제도를 다시 설계하게 만드는 압력에 가깝습니다.
AI 도입으로 일부 업무가 줄어들면 사람은 다른 역할을 해야 합니다.
현장으로 들어가 문제를 발견하고, 동료와 잡담을 통해 새로운 아이디어를 만들고, AI 에이전트에게 실험을 시키는 방향으로 역할이 이동할 수 있습니다.
이 변화에 성공하는 기업은 생산성 향상을 넘어 새로운 성장 동력을 만들 수 있습니다.
반대로 기존 업무를 자동화하는 데만 머무는 기업은 디지털 전환 비용만 늘고 실질적인 기업 경쟁력은 높이지 못할 수 있습니다.
14. 기업이 지금 바로 점검해야 할 체크리스트
- AI 도입 전에 없애야 할 가짜 노동 목록을 만들었는가?
- AI로 만든 결과물이 실제 의사결정에 쓰이고 있는가?
- 부서 간 데이터 공유를 평가에 반영하고 있는가?
- AI 실험과 정규 사업을 같은 KPI로 평가하고 있지는 않은가?
- 리더가 답을 주는 사람에서 질문을 던지는 사람으로 바뀌고 있는가?
- HR 교육이 강의실이 아니라 실제 업무 현장 안에서 일어나고 있는가?
- 직원들이 AI와만 일하면서 사고가 한쪽으로 치우치고 있지는 않은가?
- 사무실 공간이 잡담과 몰입을 모두 지원하는 구조인가?
- AI 에이전트가 부서 간 협업할 수 있는 데이터 접근 구조가 있는가?
- AI를 쓰는 것 자체가 목표가 아니라, 가치 있는 일을 만드는 것이 목표인가?
< Summary >
AI 시대의 핵심은 기술 활용보다 일하는 방식의 재설계입니다.
가짜 노동을 먼저 없애지 않으면 AI는 쓸데없는 보고서와 관료주의를 더 키울 수 있습니다.
사람은 AI가 하지 못하는 맥락 해석, 아이디어 연결, 잡담 속 창발에 집중해야 합니다.
리더는 지휘자가 아니라 구성원의 장애물을 치워주는 청소부 리더십을 가져야 합니다.
KPI는 없애는 것이 아니라 정규 업무와 새로운 실험을 분리해서 적용해야 합니다.
AI 교육은 강의실이 아니라 실제 업무 현장 안에서 일어나야 합니다.
2027년 AI 에이전트 시대에는 조직 문화, 데이터 공유, 평가 제도를 바꾼 기업만 진짜 생산성 향상을 만들 수 있습니다.
