[특집] 직원은 왜 AI 앞에서 멈칫하는가 — 정체성·감시·불확실성·변화 속도, 네 가지 위협으로 읽는 2026년 AI 도입의 심리학

크게 보기

들어가며: 회사에는 좋은데, 나에게도 좋은가

2026년 10월 8일 런던에서 열린 가트너 HR 심포지엄의 보도자료 제목은 AI가 아니라 웰빙이었습니다. "직원의 35% 미만만이 전반적으로 좋은 웰빙 상태라고 답했다." 그런데 2026년 1분기 직원 11,838명을 조사한 그 보도자료 한가운데에 이런 문장이 들어 있었습니다.

"많은 직원이 AI가 조직에 좋다는 데는 동의하지만, AI가 자신에게 좋다고는 덜 확신한다. 업무에서 AI 사용을 기대받는 직원의 47%가 AI 도입에 저항한다고 답했다."

이 47%는 가트너가 6월 23일 발간한 연구 「AI 도입: 생산적인 AI 사용을 위해 직원 정서를 바로잡아라」의 요약에도 똑같이 나오는 숫자입니다. 그 연구는 AI의 가치를 가르는 진짜 차이가 긍정적인 AI 정서라고 결론 내렸습니다. 기술이 아니라 마음이라는 뜻입니다.

이 숫자를 처음 보면 '절반이 거부한다'로 읽기 쉽습니다. 하지만 같은 해의 다른 숫자들을 옆에 놓으면 그림이 복잡해집니다.

네 숫자는 서로 다른 사람들에게 서로 다른 질문을 던져 얻은 값이라 직접 비교할 수 없습니다. 그래도 한 가지는 분명히 보여 줍니다. 저항은 사용의 반대말이 아닙니다. 매일 AI를 쓰면서도 회사의 AI 도입에는 저항할 수 있고, 몰래 쓰면서 공식 도구는 거부할 수 있고, 순위표에 오르려고 쓰는 척하면서 정작 중요한 노하우는 내놓지 않을 수 있습니다. 경영진이 대시보드에서 보는 '사용률'과 현장에서 벌어지는 일 사이에는 넓은 틈이 있습니다.

이 글은 그 틈을 네 가지 위협으로 나눠 읽습니다.

먼저 일러둘 것: 이 네 갈래는 누구의 분류인가

인터넷에는 이 네 가지를 '가트너가 밝힌 AI 도입의 4대 위협'처럼 소개하는 이미지가 돌고 있습니다. 코어닷투데이가 가트너의 2026년 공개 자료를 하나씩 확인해 본 결과, 이 네 갈래를 하나의 공식 분류로 발표한 가트너 문서는 찾을 수 없었습니다. 가트너가 5월에 낸 「AI 도입은 왜 확산되지 않는가: CIO가 다뤄야 할 4가지 행동 과제」라는 연구가 있지만, 그 네 가지가 무엇인지는 유료 전문에만 있고, 공개된 요약은 "편향, 정체성, 인지적 부담"을 언급할 뿐입니다.

대신 네 갈래 각각에 대응하는 가트너의 공개 문장들은 분명히 있습니다.

그래서 이 글은 네 갈래를 "가트너의 2026년 연구와 조직심리학 문헌을 참고해 정리한 AI 도입의 네 가지 심리적 위협"이라고 부르겠습니다. 강의나 사내 발표에서 이 틀을 쓴다면 이렇게 표현하는 편이 정확합니다. 출처를 정확히 쓰는 일은 사소해 보이지만, 이 글의 주제와도 닿아 있습니다. 직원의 신뢰는 회사가 하는 말이 사실인지에서 시작하기 때문입니다.

한 가지 숫자를 더 짚어 둡니다. 가트너가 3월 16일 발표한 변화관리 트렌드에서 최고인사책임자(CHRO) 110명 가운데 78%는 "AI 투자에서 최대 효과를 얻으려면 업무 흐름과 역할이 바뀌어야 한다"고 답했습니다. 그런데 AI 때문에 역할을 실제로 재설계했거나 다시 정의한 조직은 "절반을 조금 넘는" 수준이었습니다. 47%(직원 11,838명)와 78%(CHRO 110명)는 표본이 전혀 다른 조사지만, 나란히 놓으면 하나의 장면이 됩니다. 위에서는 일이 바뀌어야 한다고 확신하고, 아래에서는 그 변화가 나에게 좋은지 확신하지 못합니다.

이제 '저항'이라는 말이 어디서 왔는지부터 보겠습니다.

1. '저항'이라는 말의 짧은 역사 — 러다이트에서 하우드 공장까지

직원이 새 기술을 거부한다는 이야기는 생성형 AI보다 훨씬 오래됐습니다. 이 오래된 이야기를 먼저 짚는 이유가 있습니다. '저항'이라는 단어에는 처음부터 한쪽의 시선이 묻어 있었고, 그 시선을 걷어 내야 2026년의 숫자도 제대로 읽힙니다.

1811년, 기계가 아니라 쓰임새에 맞선 사람들

크게 보기

'러다이트(Luddite)'는 오늘날 기술을 무작정 싫어하는 사람을 가리키는 말이 됐습니다. 하지만 1811년부터 1816년까지 영국 중부의 편직공들이 부순 것은 기계 일반이 아니었습니다. 역사학자 에릭 홉스봄은 1952년 논문 「기계 파괴자들(The Machine Breakers)」에서 이 운동을 "폭동을 통한 단체 교섭(collective bargaining by riot)"이라고 불렀습니다. 노동조합이 불법이던 시절, 기계 파괴는 임금과 품질을 두고 고용주와 협상하는 수단이었다는 뜻입니다.

그들이 문제 삼은 것은 숙련공을 대신해 값싼 미숙련 노동으로 질 낮은 제품을 찍어 내고, 그 결과 임금을 깎는 기계의 쓰임새였습니다. 2023년 『Blood in the Machine』을 쓴 브라이언 머천트의 표현을 빌리면, 그들은 기술이 아니라 "자신의 생계를 지우는 데 쓰이는 기계"에 맞섰습니다. 영국 의회의 답은 협상이 아니었습니다. 1812년 3월 20일 편직기 파괴를 사형에 처할 수 있는 중죄로 만드는 법이 통과됐습니다.

이 장면을 기억해 둘 만합니다. 200년 뒤의 AI 도입 논쟁에서도 질문은 같은 모양으로 반복되기 때문입니다. 직원이 싫어하는 것은 AI라는 기술 자체일까요, 아니면 그 기술이 어떻게, 누구를 위해 쓰이는가일까요.

1948년 하우드 공장: '참여'라는 처방의 탄생

'변화에 대한 저항(resistance to change)'이라는 말을 경영학의 용어로 만든 것은 1948년 미국 버지니아주 매리언의 하우드(Harwood) 잠옷 공장에서 진행된 실험입니다. 레스터 코치와 존 프렌치가 학술지 『Human Relations』 창간호 무렵에 발표한 「변화에 대한 저항 극복하기(Overcoming Resistance to Change)」입니다.

크게 보기

공장은 작업 방식을 자주 바꿔야 했고, 그때마다 생산량이 떨어지고 사람들이 그만뒀습니다. 연구진은 작업 방식을 바꾸면서 집단마다 다르게 접근했습니다.

결정적인 장면은 그다음입니다. 두 달 반 뒤, 통보 집단에서 남은 13명을 모아 비슷한 난이도의 새 작업을 이번에는 전원 참여 방식으로 바꿨더니 이들도 빠르게 목표 효율에 도달했습니다. 사람이 문제가 아니라 방식이 문제였다는 뜻입니다. 이 실험 이후 '참여가 저항을 줄인다'는 처방은 변화관리 교과서의 첫 장이 됐습니다.

다만 이 고전에도 그림자가 있습니다. 2019년 『Human Relations』에 실린 재검토 논문은 당시 공장에 노동조합(국제여성의류노조)이 막 들어와 단가를 두고 다투던 시기였는데, 원 논문은 노조를 단 한 번만 언급한다고 지적했습니다. '저항'으로 기록된 행동 가운데 일부는 정당한 단가 협상이었을 수 있다는 것입니다. 실제로 원 논문 스스로도 통보 집단이 불만을 제기한 단가를 다시 확인해 보니 "약간 느슨했다"고 적었습니다.

'저항'은 누구의 말인가

이후 학계는 '저항'이라는 단어 자체를 의심하기 시작했습니다. 흐름을 세 줄로 요약하면 이렇습니다.

이 흐름이 2026년에 주는 교훈은 분명합니다. 경영진이 '직원의 저항'이라고 부르는 현상 안에는 적어도 세 가지가 섞여 있습니다. 변화가 두려운 마음, 변화의 방식에 대한 정당한 반대, 그리고 도구가 실제로 쓸모없다는 현장의 정보입니다. 이 셋을 구분하지 않고 '저항 극복'만 외치면, 두 번째와 세 번째를 짓밟게 됩니다.

기술 수용 이론이 말하는 것: 쓸모가 먼저다

경영정보학에도 같은 결론에 이르는 계보가 있습니다. 1989년 프레드 데이비스의 기술 수용 모델(TAM)은 사람이 새 기술을 받아들일지를 두 가지로 설명했습니다. '이게 내 일에 쓸모 있나(지각된 유용성)'와 '쓰기 쉬운가(지각된 사용 용이성)'입니다. 데이비스의 두 연구에서 실제 사용과의 상관은 유용성 쪽이 0.63과 0.85로, 용이성(0.45와 0.59)보다 뚜렷이 컸습니다. 2003년 벤카테시 등이 여덟 가지 선행 모형을 통합한 UTAUT는 사용 의도의 약 70%를 설명했고, 여기에 '주변 사람들의 기대(사회적 영향)'와 '조직의 지원 여건(촉진 조건)'이 더해졌습니다.

이 이론들에는 '두려움'이라는 변수가 거의 없습니다. 사람들은 대체로 쓸모 있고, 쓰기 쉽고, 주변이 지지하고, 조직이 여건을 마련해 주면 씁니다. 2026년의 AI 도입이 이론과 다르게 흘러가는 지점이 바로 여기입니다. AI는 쓸모 있을수록 더 위협적일 수 있는 드문 기술입니다. 내 일을 잘 해낼수록 '그럼 나는 뭐지?'라는 질문이 커지기 때문입니다. 기존 수용 이론에 '위협'이라는 축을 따로 세워야 하는 이유입니다.

한 가지 더 있습니다. 2015년 디트보스트·시먼스·매시는 사람들이 알고리즘이 한 번 틀리는 것을 보면, 그 알고리즘이 사람보다 정확하더라도 이후 피하는 경향을 보인다는 알고리즘 회피(algorithm aversion)를 실험으로 보였습니다. 반대로 2019년 로그·민슨·무어는 일반인은 오히려 알고리즘의 조언을 사람의 조언보다 선호한다는 알고리즘 선호를 보고했습니다. 흥미로운 것은 예외였습니다. 알고리즘의 조언을 자기 판단과 비교할 때, 그리고 전문가일 때 선호가 사라졌고, 그 탓에 전문가들의 정확도는 오히려 떨어졌습니다. AI 앞에서 가장 멈칫하는 사람이 왜 숙련자인지, 다음 절의 정체성 위협이 그 이유를 설명합니다.

2. 위협 ① 정체성 — "AI가 내 일을 더 잘하면, 나는 무엇인가"

크게 보기

네 위협 가운데 가장 먼저, 그리고 가장 깊게 봐야 할 것이 정체성입니다. 가트너가 2026년 8월 20일 발표한 연구 「직원은 AI와 경쟁하고 있지 않다(Your Employees Are Not Competing With AI)」의 요약은 이렇게 시작합니다. "AI는 사람과 일의 관계를 바꾸고 있다. 이 변화 때문에 기존 변화관리 방식은 충분하지 않다. AI가 만들어 내는 갑작스러운 정체성 위협을 다루지 못하기 때문이다."

정체성 위협이란 무엇인가

조직심리학자 지안피에로 페트리리에리는 2011년 『Academy of Management Review』 논문에서 정체성 위협을 이렇게 정의했습니다. 어떤 경험이 내 정체성의 가치(이 일을 하는 내가 귀한가), 의미(이 일을 한다는 게 무슨 뜻인가), 실행(이 일을 계속 할 수 있는가) 가운데 하나 이상을 해칠 수 있다고 느끼는 상태입니다.

AI는 세 가지를 한꺼번에 건드립니다. 15년 동안 쌓은 번역 감각이 몇 초짜리 결과물과 비교되면 가치가 흔들립니다. '좋은 기획서를 쓰는 사람'이 'AI 초안을 고치는 사람'이 되면 의미가 바뀝니다. 내가 하던 일 자체가 업무 목록에서 빠지면 실행이 끊깁니다. 앞 절에서 본 '알고리즘 선호가 전문가에게서 사라지는 현상'도 여기서 설명됩니다. 잃을 정체성이 많은 사람일수록 위협도 큽니다.

페트리리에리는 사람이 위협에 대응하는 방식을 두 갈래로 나눴습니다. 이 분류를 AI에 대어 보면, 현장에서 보이는 낯익은 행동들이 하나씩 제자리를 찾습니다.

가트너가 직원과 AI의 관계를 "경쟁이 아니다"라고 다시 정의하라고 권하는 것은, 결국 표 아래쪽의 재구성 반응을 조직이 도와야 한다는 말입니다. 사람에게는 목적을 정하고, 맥락을 판단하고, 결과에 책임지는 일을 남기고, AI는 실행을 돕는 자리에 두는 식으로 역할을 구체적으로 다시 그려 주라는 것입니다. 위쪽의 '지키기' 반응만 남겨 두면 조직은 그 비용을 조용히 치르게 됩니다. 그 비용이 얼마나 구체적인지 보여 주는 한국 연구가 있습니다.

조용한 저항: 국내 IT 기업 397명이 보여 준 것

2026년 5월 『Journal of Innovation & Knowledge』에 실린 「조용한 저항: AI 도입에 대한 방어로서의 지식 은폐(Silent resistance)」는 정체성 위협이 행동으로 이어지는 경로를 한국 데이터로 추적했습니다. 정지윤(일본 NUCB 경영대학원), 최용훈(도시샤대), 정인식(고려대 경영대) 세 연구자가 최근 2년 안에 AI를 도입한 국내 IT 기업 직원을 3주 간격으로 세 번 조사했고, 끝까지 응답한 397명을 분석했습니다. 원인과 결과를 같은 날 묻지 않으려고 시점을 나눈 설계입니다.

측정 문항은 이랬습니다. 첫 번째 조사에서 "우리 회사는 일상 업무에 AI 시스템을 폭넓게 활용한다"(AI 도입 인식), 두 번째 조사에서 "내 분야에서 전문성을 유지할 수 있을지 걱정된다"(직업 정체성 위협), 세 번째 조사에서 "나는 업무 지식의 일부를 동료에게 말하지 않는다"(지식 은폐)에 얼마나 동의하는지 물었습니다.

결과는 가설대로였습니다. 회사가 AI를 많이 쓴다고 느낄수록 정체성 위협이 커졌고(표준화 계수 0.38), 정체성 위협이 클수록 지식을 숨겼습니다(0.42). AI 도입 인식이 지식 은폐에 미치는 전체 효과 0.31 가운데 0.13이 정체성 위협을 거쳐 간 몫이었습니다. 그리고 이 경로는 팀의 학습 분위기에 따라 크게 달라졌습니다. 아래 위젯에서 학습 분위기를 바꿔 보세요.

학습 분위기는 "회사가 직무 역량 개발 기회를 충분히 준다", "우리는 계속 기술과 역량을 높이도록 장려받는다" 같은 문항으로 쟀습니다. 이 분위기가 낮은 팀에서는 AI 도입이 정체성 위협을 0.42만큼 끌어올렸지만, 높은 팀에서는 0.08에 그쳤습니다. 같은 AI를 도입해도, 배울 기회가 실제로 주어지고 성장이 장려되는 곳에서는 AI가 '나를 대체할 것'이 아니라 '내가 배울 것'으로 읽힌다는 뜻입니다.

집단별로는 관리자가 아닌 직원(간접 효과 0.15)이 관리자(0.10)보다, AI에 덜 익숙한 사람(0.16)이 익숙한 사람(0.11)보다 이 경로가 강했습니다. 저자들은 실무 처방으로 학습 기반 마련, AI를 '대체'가 아닌 '보강'으로 설명하기, 모르는 것을 인정해도 안전한 분위기, 지식 은폐의 초기 신호 살피기, 그리고 직원의 준비 속도에 맞춘 AI 도입 속도 조절을 꼽았습니다. 마지막 처방은 네 번째 위협인 '변화 속도'와 곧바로 이어집니다.

한계도 분명히 적어 둡니다. 설문 연구라 인과를 확정할 수는 없고, 저자들도 일자리 불안(직무 불안정)을 통제 변수로 넣지 않았다고 밝혔습니다. 정체성 위협이 일자리 걱정과 다른 개념이라는 논증을 길게 덧붙였지만, 두 걱정이 현실에서 함께 움직인다는 점은 다음 절들에서 거듭 확인됩니다. 한국이라는 단일 문화, 그리고 위계가 뚜렷한 조직 문화라는 맥락도 감안해야 합니다.

웹툰으로 보는 지식 은폐

크게 보기

이 장면은 2026년 많은 회사에서 실제로 벌어지고 있는 일입니다. 사내 AI 에이전트와 검색 증강 생성(RAG) 시스템이 쓸모 있으려면, 문서로 남지 않은 현장의 노하우가 들어가야 합니다. 그런데 노하우를 내놓으라는 요청이 '당신을 대체할 준비'로 들리면, 사람들은 위의 직원처럼 행동합니다. 지식 은폐 연구의 고전인 코널리 외(2012)는 이 행동을 세 가지로 나눴습니다. 주긴 주되 엉뚱한 것을 주는 회피적 은폐, 모르는 척하는 모르쇠, 그리고 "그건 기밀이라서요"처럼 이유를 대는 합리화된 은폐입니다. 셋 모두 가장 강하게 예측한 변수는 '불신'이었습니다.

그러니 AI 지식베이스 프로젝트는 기술 프로젝트이기 이전에 신뢰 프로젝트입니다. 기여한 사람의 이름이 남는가, 많이 쓰인 기여가 평가에 반영되는가, 노하우를 내놓은 사람에게 더 어려운 일이 돌아가는가 아니면 자리가 사라지는가. 이 질문에 대한 답이 지식베이스의 품질을 결정합니다.

AI를 쓰는 사람에게 붙는 꼬리표

정체성 위협은 AI를 '안 쓰는' 쪽에만 있지 않습니다. 쓰는 사람도 다른 형태의 위협을 겪습니다. 듀크대 연구진이 2025년 5월 『PNAS』에 발표한 「AI 사용에 대한 사회적 평가 벌점의 증거」는 4,439명이 참여한 사전 등록 실험 네 개로 이를 보였습니다.

첫 실험에서 생성형 AI로 일을 했다고 상상한 사람들은, 같은 일을 일반 대시보드 도구로 했다고 상상한 사람들보다 자신이 더 게으르게(7점 척도 3.25 대 2.72), 덜 유능하게(4.72 대 5.45), 더 대체 가능하게(3.39 대 2.83) 보일 것이라고 예상했고, 관리자에게 그 사실을 알리려는 의향도 낮았습니다. 두 번째 실험은 이 걱정이 기우가 아님을 보였습니다. 관찰자들은 실제로 AI 도움을 받은 사람을 더 게으르고, 덜 유능하고, 덜 독립적이라고 평가했습니다. 대상의 나이·성별·직종과 상관없었습니다.

관리자 1,667명이 참여한 세 번째 실험에서는 더 미묘한 결과가 나왔습니다. AI를 쓴 지원자를 뽑을지는 평가하는 관리자 본인이 AI를 쓰는지에 달려 있었습니다. AI를 쓰지 않는 관리자는 AI를 쓰지 않는 지원자를 선호했습니다. 네 번째 실험은 출구를 보여 줍니다. AI가 그 과제에 잘 맞는다는 것이 분명할 때는 벌점이 사라졌습니다.

이것이 정체성 위협의 이중 구조입니다. AI를 안 쓰면 '뒤처진 사람'이 될까 두렵고, 쓰면 '실력 없는 사람'으로 보일까 두렵습니다. 2025년 KPMG·멜버른대가 47개국 48,340명을 조사했을 때 직원의 57%가 AI 사용을 숨기거나 AI 결과물을 자기 것처럼 냈다고 답한 것도 이 이중 구조 위에 있습니다. 코어닷투데이는 이 숨겨 쓰기 현상을 「그림자 속의 동료 — 섀도 AI」에서 자세히 다뤘습니다.

3. 위협 ② 감시 — "내가 AI를 어떻게 쓰는지, 회사가 재고 있나"

두 번째 위협은 2025년부터 2026년 사이에 가장 빠르게 커졌습니다. 이유는 단순합니다. 회사들이 AI 사용을 재기 시작했기 때문입니다.

'AI 의무화' 메모의 2년

출발점은 2025년 4월 7일 쇼피파이 CEO 토비 뤼트케가 X에 공개한 사내 메모였습니다. 제목은 "반사적인 AI 사용은 이제 쇼피파이의 기본 기대치다". 메모에는 "AI 사용에 관한 질문을 성과 평가와 동료 평가 설문에 넣겠다", "인력과 자원을 더 요청하기 전에, 팀은 왜 AI로는 원하는 일을 해낼 수 없는지 증명해야 한다", "모두란 정말 모두를 뜻한다"는 문장이 들어 있었습니다. 뤼트케는 메모가 "유출되어 악의적으로 공개될 참이었기 때문에" 먼저 공개한다고 덧붙였습니다.

이후 비슷한 메모가 줄을 이었습니다.

메모의 의도는 대부분 이해할 만합니다. 비싼 도구를 샀는데 쓰지 않으면 투자가 헛됩니다. 문제는 '쓰는지'를 확인하는 가장 쉬운 방법이 사용량을 세는 것이라는 데 있습니다. 그리고 사용량을 세는 순간 무슨 일이 생기는지, 2026년 상반기에 두 번의 대형 사례가 보여 줬습니다.

토큰 순위표가 생기면 벌어지는 일

크게 보기

2026년 4월, 메타 직원 하나가 사내 AI 토큰 사용량 순위표를 만들었습니다. 사내에서 '클로드노믹스(Claudeonomics)'라 불린 이 대시보드는 8만 5천 명이 넘는 직원 가운데 상위 250명을 보여 줬고, 상위권에는 '토큰 레전드', '캐시 마법사' 같은 칭호가 붙었습니다. 30일 동안 사용량은 60조 토큰, 1위 사용자의 평균은 2,810억 토큰이었습니다. 이 사실이 외부에 보도되자 대시보드는 이틀 만에 닫혔습니다. 같은 해 3월 『뉴욕타임스』는 오픈AI에도 직원 순위표가 있다며 '토큰맥싱(tokenmaxxing)', 즉 토큰을 최대한 많이 쓰는 것이 일종의 과시가 된 풍경을 보도했습니다.

아마존의 사례는 더 노골적입니다. 사내 AI 코딩 도구 '키로(Kiro)' 사용 활동을 점수로 매긴 비공식 대시보드 '키로랭크(KiroRank)'가 생기자, 직원들은 순위를 올리려고 AI 에이전트에게 의미 없는 작업을 시켰습니다. 결국 대시보드는 내려갔고, 담당 수석부사장 데이브 트레드웰은 직원들에게 이렇게 썼습니다. "AI를 쓰기 위해 AI를 쓰지는 말아 주세요." 아마존은 지표를 사용량에서 '정규화된 배포 건수'로 바꿨습니다.

경제학에는 이 현상을 가리키는 오래된 이름이 있습니다. 굿하트의 법칙, "측정이 목표가 되면 더는 좋은 측정이 아니다." 사용량은 AI가 일에 보탬이 되는지를 보여 주는 대리 지표였는데, 그것을 평가하는 순간 사람들은 일이 아니라 지표를 최적화합니다. 라이터(Writer)가 2026년 4월 발표한 2,400명 조사에서 'AI 전략을 방해한 적이 있다'는 직원(29%)이 꼽은 방법에 성과 지표 조작과 일부러 품질 낮은 결과물 내기가 들어 있었던 것도 같은 맥락입니다. 같은 조사에서 경영진의 75%는 자기 회사의 AI 전략이 "보여 주기용에 가깝다"고 답했습니다.

가장 극적인 반전은 듀오링고였습니다. 2026년 4월 『포천』 보도에 따르면 듀오링고는 성과 평가에서 AI 사용 항목을 뺐습니다. 직원들이 "AI를 위해 AI를 써야 하느냐"고 묻기 시작했기 때문입니다. 폰 안 CEO는 이렇게 말했습니다. "실제 결과에 책임지게 하기보다는, 어떤 경우에는 맞지도 않는 무언가를 밀어붙이고 있다는 느낌이었다." 1년 전 의무화를 가장 크게 외쳤던 회사 가운데 하나가 그 의무화를 되돌린 것입니다.

아래 위젯은 이런 정책들이 네 가지 위협과 직원의 행동을 어느 쪽으로 움직이는지 보여 주는 개념 모델입니다. 처음 상태는 '사용량을 평가에 반영하고, 기록 정책은 불명확하고, 인력 계획은 말하지 않는' 의무화형입니다. 공식 사용량 지표가 높게 나오는데도 실제 활용은 바닥인 상태를 확인해 보세요.

같은 도구가 코칭이 되거나 감시가 된다

크게 보기

감시 위협에는 또 하나의 층이 있습니다. AI 사용을 재는 것을 넘어, AI가 사람의 일을 재는 경우입니다.

2026년 10월 영국 『가디언』은 영국 협동조합 그룹 소속 로펌인 코옵 리걸 서비스(Co-op Legal Services)가 유언·상속 상담 전화를 오픈AI 기반 시스템으로 녹음·분석해 통화 한 건마다 50개가 넘는 항목을 채점하고, 합격·불합격 점수를 관리자에게 넘겨 직원 성과 분석에 쓴다고 보도했습니다. 상속 상담이라 전화 상대는 대개 가족을 잃은 사람들이고, 보도에 따르면 이 분석은 판매 실적을 끌어올릴 방법을 찾는 데도 쓰였습니다. 내부 고발자는 이 시스템을 "억압적이고 디스토피아적"이라고 불렀고, 익명의 직원은 이렇게 말했습니다. "가끔 규정 준수 차원에서 통화를 듣는 것과는 다릅니다. 말 한마디 한마디가 전부 감시당하는 겁니다." 회사의 답은 정반대였습니다. 모든 통화를 검토할 수 있게 되어 서비스 품질을 고르게 유지하고 "동료들에게 더 정보에 근거한 지원·코칭·성장 기회"를 줄 수 있다는 것입니다. AI는 "지원 도구일 뿐 결정권자가 아니다"라는 설명도 덧붙였고, 이후 업계지 『리걸 퓨처스』에는 공식 고충 제기가 없었고 최근 직원 설문에서도 부정적 언급이 없었다고 밝혔습니다. 영국 통신노조(CWU)의 존 채드필드는 "책임지지 않는 컴퓨터 시스템이 사람의 관리자가 되어서는 안 된다"고 했고, 영국 인사관리협회(CIPD)의 하이파 모드자이니는 "사무실이 점점 공장처럼 변하고 있다"고 했습니다.

양쪽 다 거짓말을 하고 있지 않을 가능성이 큽니다. 같은 도구가 어떤 사람에게는 코칭으로, 어떤 사람에게는 감시로 경험됩니다. 갈림길은 도구의 정확도가 아니라 쓰임새의 규칙입니다. 점수를 누가 먼저 보는가, 자동 점수만으로 징계하는가, 점수에 이의를 제기할 수 있는가, 채점 항목을 정할 때 당사자가 참여했는가.

메타는 이 갈림길에서 잘못된 쪽으로 간 사례로 기록될 듯합니다. 2026년 4월 메타는 AI 학습용으로 업무용 노트북의 키 입력·마우스 움직임·화면을 기록하는 프로그램을 시작했고, 앤드루 보즈워스 CTO는 "회사가 지급한 노트북에서는 빠져나갈 선택지가 없다"고 말했습니다. 1,600명 넘는 직원이 반대 청원에 서명했고, 프로그램은 6월 내부 데이터 노출 사고 뒤 중단됐습니다. 7월에는 5월 감원(약 10%) 대상자 26명이 소송을 냈습니다. 토큰 사용량과 AI 도입 정도를 추적하는 대시보드 등 "사내 AI 시스템들의 성좌"가 육아휴직 같은 법적 보호 휴가 중인 사람들을 불리하게 만들었다는 주장입니다. 메타는 인력 결정은 "AI가 아니라 사람이 내렸고 지금도 그렇다"며 주장이 근거 없다고 반박했습니다.

감시는 성과를 높이는가 — 메타분석의 답

감시를 옹호하는 논리는 '재면 좋아진다'입니다. 정말 그럴까요. 전자적 모니터링 연구를 모은 메타분석 두 편이 같은 방향의 답을 줍니다.

시겔·쾨니히·라자르(2022)가 70개 표본, 233개 효과 크기를 모아 분석한 결과입니다(막대 길이는 상관계수 0.25를 만점으로 그린 것). 모니터링은 스트레스와 반생산적 행동을 조금 늘리고 직무 만족을 조금 떨어뜨렸지만, 성과는 올리지 못했습니다. 효과 크기 자체는 작지만, 조건에 따라 달라지는 모습이 중요합니다. 모니터링에 성과 목표가 붙으면 직무 만족의 하락 폭이 커졌고(−0.25, 목표가 없으면 −0.08), 모니터링의 목적을 밝히지 않았을 때도 하락 폭이 커졌습니다(−0.17). 스트레스는 실험실보다 실제 직장에서 뚜렷했습니다(0.16 대 0.00). 2023년 라비드 등이 94개 연구, 23,461명을 모은 메타분석도 모니터링이 성과를 높인다는 증거를 찾지 못했고, 모니터링의 방식과 상관없이 스트레스가 높아진다고 보고했습니다.

미국심리학회(APA)가 2023년 직장인 2,515명을 조사한 결과도 같은 그림입니다. 응답자의 51%가 회사가 기술로 자신을 모니터링한다고 알고 있었고, 34%는 회사가 기술로 자신을 몰래 지켜볼까 걱정했습니다. 모니터링받는 사람들은 그렇지 않은 사람들보다 근무 중 긴장·스트레스를 느낀다는 비율이 높았고(56%, 그렇지 않은 쪽은 40% 안팎), 감정적 소진(39% 대 22%), 세세하게 통제당한다는 느낌(51% 대 33%), 이직 계획(42% 대 23%)도 높았습니다. 상관관계 조사라 모니터링이 원인이라고 단정할 수는 없지만, 방향은 메타분석과 일치합니다.

정리하면, 감시 위협을 키우는 것은 '재는 행위' 그 자체만이 아닙니다. 무엇을 왜 재는지 모르는 상태, 그리고 그 숫자가 목표와 평가에 묶이는 구조가 위협을 키웁니다. KPMG·멜버른대 조사에서도 직원의 42%가 AI 도입 이후 직원에 대한 모니터링과 감시가 늘었다고 답했습니다.

규칙이 생기고 있다

제도도 움직이고 있습니다. 유럽연합 AI법은 2025년 2월 2일부터 직장과 교육 현장에서의 감정 인식 AI를 금지했습니다. 유럽위원회가 든 예시에는 콜센터에서 웹캠과 음성으로 직원의 감정을 추적하는 경우가 들어 있습니다(의료·안전 목적은 예외). 영국 정부는 2026년 7~9월 직장 모니터링 규율을 두고 법정 지침, 노동조합·노동자 대표와의 협의 의무 같은 선택지를 놓고 의견을 받았습니다.

한국에서는 근로자참여법 제20조가 이미 '사업장 내 근로자 감시 설비의 설치'를 노사협의회 협의 사항으로 정해 두고 있습니다. 2026년 1월 22일 시행된 AI 기본법의 고영향 AI 지침은 '채용'을 탐색부터 선발까지로 좁게 읽어, 채용 뒤의 평가나 해고에 쓰이는 AI는 범위 밖일 수 있다는 지적이 나옵니다. 고용노동부는 2026년 9월 지침에서 AI 도입 결정 자체는 의무적 교섭 대상이 아니지만, 그에 따른 구체적인 직무·근무 형태 변화는 교섭 대상이 될 수 있다고 정리했습니다. 노사 현장에서는 이미 문구가 생기고 있습니다. SBS는 2026년 5월 AI 관련 조항(영향받는 직원의 재교육·재배치, AI 생성 목소리·초상에 대한 동의와 퇴사 뒤 사용 금지)이 들어간 언론계 첫 단체협약을 맺었고, 한국GM 노조는 사무직 AI 에이전트 도입 범위를 노조와 합의하자며 "노동자 평가, 생산성 분석, 정보 수집"에 쓰일 가능성을 경계했습니다. 직장갑질119가 2026년 6월 직장인 1,000명을 조사했을 때는 42.8%가 전자 감시에 압박을 느낀다고 답했습니다.

4. 위협 ③ 불확실성 — "AI 다음에 내 자리는 어떻게 되나"

크게 보기

세 번째 위협은 가장 직접적입니다. 일자리입니다. 그리고 2026년은 이 걱정이 더는 막연한 상상이 아니게 된 해입니다.

숫자가 걱정을 따라잡았다

미국 재취업 컨설팅 회사 챌린저, 그레이 앤드 크리스마스는 매달 미국 기업의 감원 발표를 집계하면서 회사가 밝힌 이유를 분류합니다. 2025년 한 해 동안 'AI'를 이유로 든 감원은 54,836명이었습니다. 2026년에는 9월까지만 120,136명, 같은 기간 전체 감원 발표 573,195명의 약 21%였습니다. 챌린저는 9월 보고서에서 AI가 올해 누적 기준 가장 많이 꼽힌 감원 사유가 됐다고 적었습니다.

직원들의 걱정도 같은 방향으로 움직였습니다. 미국심리학회(APA)가 매년 하는 직장인 조사에서 "AI가 내 업무의 일부나 전부를 쓸모없게 만들까 걱정된다"는 응답은 2025년 38%에서 2026년 48%로 뛰었습니다. "기술 변화가 노동자보다 고용주에게 더 이롭다"는 응답도 52%에서 64%가 됐습니다. 퓨리서치센터가 2024년 10월 미국 직장인 5,273명에게 물었을 때 이미 52%가 직장에서의 AI 사용의 미래를 걱정했고(희망적이라는 응답은 36%), 32%는 장기적으로 자기 일자리 기회가 줄어들 것으로 봤습니다. 한국도 다르지 않습니다. 직장갑질119의 2025년 10월 조사에서 직장인의 48.2%(20대는 58.1%)가 AI가 자기 일자리를 대체할 것 같다고 답했습니다.

연구도 걱정이 근거 없지 않다는 쪽입니다. 스탠퍼드 디지털경제연구소의 에릭 브리뇰프슨 연구팀이 미국 최대 급여 처리 회사 ADP의 데이터로 쓴 「탄광 속 카나리아」는 2025년 8월 처음 공개될 때 AI 노출도가 가장 높은 직종에서 22~25세 고용이 상대적으로 13% 줄었다고 보고했습니다. 2026년 8월 개정판에서는 그 격차가 19%로 커졌습니다. 다만 연구진은 이 감소가 해고보다 신규 채용 축소를 통해 일어났고, AI가 사람의 일을 대신하는(보완하지 않는) 직종에 몰려 있으며, "경제 전반의 광범위한 일자리 대체 증거는 없다"고 함께 적었습니다. 위협은 실재하지만 고르게 퍼져 있지 않다는 뜻입니다. 코어닷투데이는 이 문제를 「부러진 사다리」와 「Fable이 내 일자리를 가져갔다」에서 따로 다뤘습니다.

불확실성은 나쁜 소식보다 나쁘다

불확실성 위협의 핵심은 '잘릴 것이다'가 아니라 '모른다'입니다. 2016년 『네이처 커뮤니케이션스』에 실린 런던대 연구는 사람들에게 전기 자극을 받을 확률을 바꿔 가며 들려줬는데, 스트레스 반응(땀, 동공 확장, 스트레스 자가 평가)이 가장 컸던 것은 자극을 받을 것이 확실할 때가 아니라 받을지 안 받을지 가장 불확실할 때였습니다. 고용 불안정 연구에서도 비슷한 결론이 나왔습니다. 미국 미시간대 버가드 등(2009)은 일자리를 잃을지 모른다는 불안을 오래 안고 사는 것이 실제 실직 경험보다 건강 악화와 더 강하게 연결된다고 보고했습니다.

그래서 '아무 말도 하지 않기'는 중립이 아닙니다. 정보의 빈자리는 상상 속 최악의 시나리오로 채워집니다. 2025~2026년 아마존이 이를 보여 준 사례가 됐습니다. 2025년 6월 앤디 재시 CEO는 전 직원 메모에서 AI를 폭넓게 쓰면서 얻는 효율 덕분에 "앞으로 몇 년 동안 전체 사무직 인력이 줄어들 것으로 예상한다"고 썼습니다. 10월 말 약 14,000개 사무직 일자리 감축이 발표됐고, 인사 담당 임원은 "이번 세대의 AI는 인터넷 이후 가장 혁신적인 기술"이라고 설명했습니다. 그런데 바로 이틀 뒤 실적 발표에서 재시 CEO는 감원이 "재무적 이유도 아니고, 적어도 지금은 AI 때문도 아니다. 문화의 문제다"라고 말했습니다. 직원 입장에서 이 세 문장을 이어 붙이면 남는 메시지는 하나입니다. '이유는 바뀔 수 있고, 다음은 누구일지 모른다.'

라이터의 2026년 조사는 직원들이 왜 그렇게 읽는지를 경영진 쪽 답변으로 보여 줍니다. 경영진의 60%는 AI를 받아들이지 않는 직원을 감원할 계획이 있다고 했고, 77%는 AI에 능숙하지 않은 직원은 승진시키지 않겠다고 했습니다. 이 회사들의 직원에게 'AI를 익혀라'라는 말은 학습 권유가 아니라 생존 조건으로 들립니다.

걱정이 생산성을 갉아먹는 경로

가트너가 2026년 5월 40개국 직원·관리자 12,004명을 조사해 발표한 결과는 이 위협의 비용을 숫자로 보여 줍니다. AI를 긍정적으로 보는 직원은 생산성이 높을 가능성이 3.4배 높았습니다. 가트너의 스와가탐 바수는 가장 효과적인 동력으로 두 가지를 꼽았습니다. 현재와 미래의 역할에 대한 직원의 자신감, 그리고 AI가 어떻게 쓰이고 일자리에 어떤 영향을 줄지에 대한 투명하고 지속적인 소통입니다. 보도자료에는 "AI로 인한 일자리 상실에 대한 광범위한 불안이 생산성을 떨어뜨리고 도입을 늦추고 있다"는 문장도 들어 있었습니다. 같은 조사에서 응답자의 88%는 회사 도구와 함께 개인 AI를 쓰고 있었습니다.

BCG의 2025년 조사에는 역설적인 숫자가 하나 있습니다. 업무 흐름을 AI 중심으로 재설계하는 데 가장 앞선 회사의 직원들 가운데 46%가 일자리를 걱정했는데, 덜 앞선 회사에서는 34%였습니다. AI를 깊이 도입할수록 불확실성 위협이 커진다는 뜻입니다. 도입이 진전될수록 소통의 필요도 커지지, 작아지지 않습니다.

아래 위젯은 경영진이 흔히 내는 AI 공지가 직원의 귀에 어떤 위협으로 들리는지 풀어 본 것입니다. '생산성 30%'를 골라 보세요. 경영진에게는 성장의 언어가 직원에게는 인원 계산식으로 들립니다.

고쳐 쓴 공지들에는 공통점이 있습니다. 확정되지 않은 것을 확정된 것처럼 말하지 않습니다. 오히려 "아직 정하지 못한 것은 정하지 못했다고 말하겠다"고 약속합니다. 불확실성을 없앨 수는 없지만, 불확실성이 어디까지인지를 알려 주는 것만으로도 상상 속 최악의 시나리오가 들어설 자리는 줄어듭니다.

5. 위협 ④ 변화 속도 — "겨우 익혔는데, 또?"

크게 보기

네 번째 위협은 AI라는 기술의 성격에서 나옵니다. 2026년의 AI는 석 달마다 새 모델이 나오고, 반년이면 '최고의 도구'가 바뀝니다. 회사가 그 속도를 그대로 직원에게 전달하면, 직원은 러닝머신 위에 서게 됩니다.

변화 피로는 AI 이전부터 쌓여 있었다

가트너의 오모레인과 에이켄스는 2023년 『하버드 비즈니스 리뷰』에 경고를 실었습니다. 직원 한 명이 한 해에 겪는 계획된 조직 변화(구조 개편, 시스템 교체, 문화 혁신 등)가 2016년 평균 2건에서 2022년 10건으로 늘었고, 같은 기간 조직 변화를 지지하겠다는 직원은 74%에서 43%로 줄었다는 것입니다(가트너 비즈니스 쿼털리에 실린 같은 저자의 글은 38%로 적었습니다). AI는 이미 지쳐 있는 사람들 앞에 도착했습니다.

가트너는 2026년 3월 CHRO 대상 변화관리 트렌드의 첫 번째로 "AI는 연쇄적인 변화를 만든다"를 꼽고, "잦은 방향 전환이 직원의 좌절과 몰입 저하를 키운다"고 썼습니다. 두 번째 트렌드는 "일은 빠르게, 그러나 고르지 않게 바뀐다"였습니다. 같은 회사 안에서도 어떤 팀은 에이전트와 일하고 어떤 팀은 아직 메신저로 파일을 주고받습니다. 9월 가트너의 캐럴라인 휴잉스는 이 상황을 이렇게 요약했습니다. "조직이 바뀌는 속도가 일이 바뀌는 속도와 점점 어긋나고 있다."

가트너가 경고한 함정이 하나 더 있습니다. 변화관리가 '직원에게 기회를 주는' 쪽으로 옮겨 가면서, 직원들이 변화를 실제로 받아들이는 대신 받아들이는 척하는(perform) 위험입니다. 워크숍에 참석하고, 설문에 긍정적으로 답하고, 대시보드에 숫자를 남기지만 일하는 방식은 그대로인 상태입니다. 앞에서 본 토큰 순위표의 '쓰는 척'과 같은 뿌리입니다.

교육을 더 하면 해결될까

변화 속도 위협에 대한 회사의 흔한 처방은 교육입니다. 그런데 BCG 조사가 보여 주는 문제는 교육의 양보다 구조입니다.

BCG가 2026년 6월 14개 시장 11,749명을 조사한 「AI at Work 2026」의 숫자입니다(아낀 시간·즐거움·부담은 AI를 정기적으로 쓰는 일선 직원 기준). 일선 직원의 정기 사용률은 1년 만에 51%에서 74%로 뛰었지만, '제대로 교육받았다'는 비율은 36%로 그대로였습니다. 일이 즐거워졌다는 사람과 정신적 부담이 늘었다는 사람이 동시에 많습니다. AI가 일을 덜어 주는 동시에, 검토하고 판단하고 새 도구를 따라가는 인지적 부담을 새로 얹기 때문입니다. 2025년 판에서 BCG는 5시간 이상 교육을 받고 대면 코칭을 받은 직원의 정기 사용률이 뚜렷이 높았고, 리더의 강한 지원을 받으면 생성형 AI에 긍정적인 비율이 15%에서 55%로 올라간다고 보고했습니다. 하지만 그런 지원을 받는 일선 직원은 4명 중 1명 정도였습니다.

한국 연구도 같은 지점을 가리킵니다. 국내 전문직 416명을 조사한 김·이(2024)의 연구에서 AI 도입은 직무 스트레스를 높였고(β 0.286), 스트레스는 번아웃으로 강하게 이어졌습니다(β 0.568). 그리고 AI 학습에 대한 자기효능감, 즉 '나는 이걸 배울 수 있다'는 믿음이 높을수록 AI 도입이 스트레스로 번지는 연결이 약해졌습니다. 국내 직장인 381명을 세 번 조사한 김 외(2025)의 연구에서는 AI 도입이 심리적 안전감을 낮추고(β −0.324), 낮아진 심리적 안전감이 우울로 이어졌는데, 윤리적 리더십이 이 연결을 완충했습니다.

결국 변화 속도 위협을 낮추는 것은 교육 시간을 늘리는 것보다 세 가지입니다. 업무 시간 안에 배울 시간을 주는 것, 도구를 덜 자주 바꾸는 것, 그리고 AI로 아낀 시간을 어디에 쓸지 함께 정하는 것입니다. 아낀 시간이 그대로 새 업무로 채워지면, 직원은 AI를 '내 일을 덜어 주는 것'이 아니라 '더 많은 일을 시키는 근거'로 배웁니다.

AI가 만든 결과물을 검토하는 부담에도 이름이 생겼습니다. 스탠퍼드 소셜미디어랩과 베터업이 2025년 9월 『하버드 비즈니스 리뷰』에 발표한 '워크슬롭(workslop)', 그럴듯해 보이지만 내용이 부실해 받는 사람이 고쳐야 하는 AI 결과물입니다. 응답자의 40%가 지난 한 달 사이 이런 결과물을 받았고, 한 건을 처리하는 데 평균 2시간쯤 걸렸으며, 받은 사람의 절반가량은 보낸 사람을 덜 유능하고 덜 믿을 만하다고 봤습니다. AI 사용을 강요할수록 이런 결과물이 늘고, 그 뒤처리는 대개 가장 꼼꼼한 동료에게 돌아갑니다.

6. 네 위협은 서로를 키운다 — 나의 위협 지도 그려 보기

네 가지 위협은 따로 오지 않습니다. 몇 가지 연결만 짚어도 그물이 보입니다.

특히 위험한 조합은 '잘 쓸수록 불리해지는' 구조입니다. AI를 능숙하게 쓰는 직원은 자기 일이 얼마나 자동화될 수 있는지 가장 먼저 체감합니다. 그 성과가 평가에 쓰이면서 동시에 인력 감축의 근거로도 쓰일 수 있다면, 가장 잘 쓰는 사람이 가장 먼저 숨기 시작합니다. 회사는 가장 귀한 정보, 곧 '이 일에서 AI가 실제로 무엇을 할 수 있는가'를 가장 잘 아는 사람들에게서 그 정보를 듣지 못하게 됩니다.

아래 자가 점검은 네 위협과 함께 도구 적합성을 따로 잽니다. 멈칫하는 이유가 마음에 있는지, 도구에 있는지를 가르기 위해서입니다. 다음 장이 바로 그 이야기입니다.

7. 반론: 저항은 언제나 '극복'의 대상인가

여기까지 읽으면 '직원의 마음을 어떻게 달랠까'가 과제처럼 보입니다. 그런데 이 틀에는 위험한 전제가 숨어 있습니다. AI는 옳고, 멈칫하는 사람이 틀렸다는 전제입니다. 2025~2026년의 증거는 이 전제가 자주 틀린다는 것을 보여 줍니다.

가트너 스스로도 "그건 저항 탓이 아니다"라고 했다

흥미롭게도 이 반론을 가장 분명하게 한 곳은 가트너였습니다. 2025년 12월 보도자료에서 가트너는 이렇게 썼습니다. "경영진은 AI가 사업 가치를 더하지 못하는 이유를 흔히 직원들의 AI 도구 도입 저항 탓으로 돌리지만, 그렇지 않다." 2025년 7월 직원 2,986명 조사에서 65%는 AI를 쓰는 데 설렌다고 했고, AI를 쓸 수 있는데도 쓰지 않는 37%의 이유는 '동료들이 쓰지 않아서'였습니다. 가트너가 지목한 근본 원인은 경영진의 조급함이 만든 서두른 도입, 그리고 인력에 미칠 영향을 충분히 따지지 않은 결정이었습니다. "AI 배치 결정이 인사 부서의 참여 없이 이뤄지는 경우가 많다"는 지적도 덧붙였습니다.

도구가 정말 쓸모 있었나

현장의 멈칫함이 정확한 판단이었던 사례도 쌓였습니다.

MIT 난다(NANDA) 프로젝트의 2025년 보고서는 기업들이 생성형 AI에 300억~400억 달러를 쓰고도 "95%의 조직이 측정 가능한 수익을 얻지 못하고 있다"고 썼습니다(52개 조직 인터뷰가 바탕이고, '성공'을 손익에 뚜렷하고 지속적인 효과로 엄격하게 정의했다는 한계가 있습니다). BCG의 2025년 12월 보고서 「AI 도입의 수수께끼: 사용은 늘었는데 효과는 왜 없나」도 기업의 60%가 AI에서 의미 있는 가치를 얻지 못한다고 봤습니다. 코어닷투데이는 체감과 실측 사이의 이 간극을 「AI가 빨라졌다는 착각을 어떻게 재나」에서 다뤘습니다.

이런 환경에서 "이 도구는 내 일에 안 맞는다"는 직원의 말은 저항이 아니라 현장 정보입니다. 앞서 본 PNAS 연구의 네 번째 실험에서 AI 사용자에게 붙는 사회적 벌점이 사라진 조건도 'AI가 그 과제에 잘 맞을 때'였습니다. 도구가 일에 맞으면 사람들의 시선도 바뀝니다.

저항을 신호로 읽는 법

크게 보기

2008년 포드 등이 말한 '자원으로서의 저항'은 바로 이 장면입니다. 화재경보기는 시끄럽지만, 경보기를 떼어 내는 것이 화재 대책은 아닙니다. 그렇다고 모든 멈칫함이 정보인 것도 아닙니다. 페트리리에리의 분류에서 보듯 '폄하'는 정체성을 지키려는 방어일 수 있습니다. 둘을 가르는 간단한 질문이 있습니다.

"무엇이 바뀌면 이 도구를 쓰시겠어요?"

답이 구체적이면("우리 양식으로 출력되면", "고객 데이터를 안 넣어도 되면", "검증 시간이 줄면") 그 저항은 도구와 절차에 대한 정보입니다. 고치면 됩니다. 답이 "무엇이 바뀌어도 안 쓴다"이거나 질문 자체를 피한다면, 그 아래에는 네 가지 위협 가운데 하나가 있을 가능성이 큽니다. 그때는 도구가 아니라 역할 정의, 기록 정책, 인력 계획, 학습 시간을 먼저 이야기해야 합니다. 앞의 자가 점검 위젯이 '도구 적합성'을 따로 잰 이유입니다.

8. 한국의 2026년: 개인은 앞서가고, 제도는 뒤따라온다

한국의 그림은 서구 조사들과 조금 다릅니다. 개인의 AI 열기는 세계에서 가장 뜨거운 편인데, 조직의 제도가 그 속도를 따라가지 못합니다.

KPMG·멜버른대 조사에서 한국은 2022년부터 2024년 사이 AI에 대한 기대감이 오른 유일한 나라였습니다(57%에서 75%). 한국은행의 2025년 8월 조사에서 근로자의 63.5%가 생성형 AI를 써 봤고 51.8%는 업무에 썼습니다. 그런데 한국고용정보원이 2026년 8월 31일 「고용이슈」 여름호에 실은 21개 산업 2,297개 사업체 조사에서 AI를 도입해 활용하는 사업체는 28.6%(656곳)였고, 단순 자동화를 빼고 예측형·생성형 AI만 보면 23.7%였습니다. 도입 사업체의 75.6%가 생성형 AI를 쓰고 있었습니다. 같은 나라 안에서 '개인이 쓰는 AI'와 '회사가 도입한 AI'의 숫자가 이렇게 벌어지는 이유는 코어닷투데이의 「AI 도입률은 24%인가 89%인가」에서 자세히 풀었습니다.

고용정보원 보고서가 짚은 문제 가운데 이 글의 주제와 바로 닿는 것이 두 가지입니다.

• 직원의 자발적 AI 활용이 늘어나는 속도를 인사·보상 제도가 따라가지 못한다. 누군가는 AI로 일하는 방식을 바꿔 성과를 내는데, 평가 제도는 그것을 인정할 언어가 없습니다. 인정받지 못하는 혁신은 숨겨집니다. 섀도 AI와 지식 은폐가 동시에 자라는 토양입니다.
• '숙련 사다리'가 약해질 수 있다. 도입 기업들은 매출 증가는 기대하면서 채용 확대는 기대하지 않았고(보고서의 표현으로 '성장-고용 디커플링'), 신입이 단순 업무를 하며 숙련을 쌓던 아랫단이 먼저 사라질 수 있습니다. AI 노출도가 높은 직종의 30세 미만 고용지수(2022년=100)는 2025년 86.6으로 노출도가 낮은 직종(92.5)보다 낮았습니다. 다만 이 하락은 챗GPT 이전부터 시작돼 생성형 AI만의 효과로 볼 수는 없다고 보고서는 덧붙였습니다.

현장의 체감은 더 직접적입니다. 직장갑질119가 2026년 2월 직장인 1,000명에게 물었을 때 52.4%가 AI 도입 이후 채용이 줄었다고 느꼈고, AI를 도입한 직장에서는 23.8%가 인력 감축이 이뤄졌거나 계획돼 있다고 답했습니다. 업무량이 늘었다는 응답(26.7%)이 줄었다는 응답(19.1%)보다 많았습니다. 한편 KDI의 한요셉 연구위원은 2026년 7월 한 토론회에서 2030년까지 기술적으로 자동화 가능한 일자리는 90% 이상일 수 있지만, 지금 경제적으로 자동화할 가치가 있는 일자리는 1.4%에 그친다고 추산했습니다. '할 수 있다'와 '할 것이다' 사이의 거리, 바로 그 거리가 불확실성 위협이 자라는 공간입니다.

기업들의 대응은 서구의 2025년을 닮아 가고 있습니다. 앞에서 본 SK텔레콤의 '1인 1 AI 에이전트'와 KPI 반영, LG CNS의 승진 자격시험 개편, SK브로드밴드의 전 직급 AI 리더십 교육 의무화가 2026년 4월에 잇따라 나왔습니다. 이 회사들이 쇼피파이와 메타, 그리고 그것을 되돌린 듀오링고와 아마존의 경험을 어떻게 소화하는지가 한국 AI 도입의 다음 1~2년을 가를 것입니다.

국내 IT 기업 397명 연구의 저자들이 한국이라는 맥락을 따로 짚은 점도 기억할 만합니다. 위계가 뚜렷한 조직에서는 불안을 드러내 말하기보다 조용히 숨기기 쉽습니다. 그래서 연구 제목이 '조용한' 저항입니다. 한국 회사에서 AI 도입에 대한 공개적인 반대가 적다는 것은 위협이 작다는 뜻이 아닐 수 있습니다. 소리가 나지 않는 쪽으로 흘러가고 있을 뿐일 수 있습니다.

9. 그래서 회사는 무엇을 해야 하나

지금까지의 증거를 모으면 처방의 방향은 분명합니다. AI 활용 교육만으로는 부족하고, 업무 설계·조직 문화·거버넌스를 함께 바꿔야 합니다. 위협별로 정리하면 이렇습니다.

임원과 직원에게 같은 메시지를 보내지 말 것

이 글에서 가장 실무적인 교훈을 하나 꼽으라면 이것입니다. 경영진은 AI를 생산성과 경쟁력의 언어로 이야기합니다. 직원은 같은 말을 업무 부담, 자신의 성장 가능성, 전문성의 미래라는 언어로 듣습니다. 둘 다 틀리지 않았습니다. 다만 같은 메시지가 두 청중에게 다른 위협으로 도착합니다. 그래서 AI 도입 공지는 한 번 쓰고 끝낼 것이 아니라, 직원의 귀로 한 번 더 읽어 봐야 합니다. 앞의 공지 해독기를 그 연습에 쓸 수 있습니다.

1948년 하우드 공장의 처방, '전원 참여'도 2026년식으로 다시 쓸 수 있습니다. 가트너는 3월 변화관리 트렌드에서 직원 참여를 "아껴서" 쓰라고 권했는데, 참여가 형식이 되면 직원들이 변화를 연기하는 '보여 주기식 참여'가 되기 때문입니다. 참여의 핵심은 자리를 마련하는 것이 아니라, 그 자리에서 나온 의견이 실제로 무엇을 바꿨는지 돌려주는 것입니다. 같은 가트너 조사에서 직원 반응에 맞춰 변화 계획을 꾸준히 조정하는 조직은 변화에 성공할 가능성이 4배 높았습니다.

4주간의 AI 도입 실험

거창한 전사 프로그램보다, 한 팀에서 4주짜리 실험을 해 보는 편이 낫습니다. 작게 시작해 증거를 쌓고, 그 증거로 다음 팀을 설득하는 방식입니다.

크게 보기

아래 위젯으로 우리 팀의 시범 업무를 골라 보고, 주차별 체크리스트를 채워 보세요. 처음 실험에서 '계약서 검토'나 '상담 통화 채점'처럼 검증이 어렵고 틀렸을 때 피해가 크며 담당자의 핵심 전문성을 건드리는 업무를 고르면, 실험이 끝나기도 전에 네 가지 위협이 한꺼번에 켜집니다.

강의실에서 던질 질문 하나

코어닷투데이가 기업 AI 교육과 AI 전환 컨설팅에서 이 내용을 다룬다면, 기존 교육이 집중해 온 'AI로 무엇을 할 수 있는가'에 '직원들은 왜 AI를 쓰지 않거나 불안해하는가'라는 질문을 더할 것입니다. 시작은 이 질문 하나면 충분합니다.

"AI가 여러분 업무의 50%를 대신할 수 있게 된다면, 그것은 기회입니까, 위협입니까?"

손을 든 사람의 비율보다 그 뒤에 나오는 이유가 중요합니다. "남는 50%가 뭔지 모르겠다"는 정체성의 언어이고, "그럼 회사는 사람을 줄이겠죠"는 불확실성의 언어이며, "그걸 누가 재는데요?"는 감시의 언어이고, "그 50%를 배우는 데 얼마나 걸리죠?"는 변화 속도의 언어입니다. 참가자들의 답이 곧 네 가지 위협의 지도가 됩니다.

맺으며: 러다이트의 질문은 아직 유효하다

1811년의 편직공들이 물었던 것은 '기계가 좋은가 나쁜가'가 아니었습니다. '이 기계는 누구를 위해, 어떤 방식으로 쓰이는가'였습니다. 2026년의 47%가 묻는 것도 크게 다르지 않습니다. 가트너의 표현대로, 직원들은 AI가 회사에 좋다는 것에는 대체로 동의합니다. 확신하지 못하는 것은 AI가 자신에게도 좋은가입니다.

그 질문에 답하는 방법은 저항을 '극복'하는 것이 아니라 저항을 읽는 것입니다. 정체성의 언어로 들리면 역할을 다시 그려 주고, 감시의 언어로 들리면 재는 것과 재지 않는 것을 밝히고, 불확실성의 언어로 들리면 아는 것과 모르는 것을 나눠 말하고, 변화 속도의 언어로 들리면 숨 고를 시간을 주면 됩니다. 그리고 "이 도구는 내 일에 안 맞는다"는 말이 들리면, 그건 저항이 아니라 정보이니 도구를 고치면 됩니다.

AI 도입을 가로막는 것은 언제나 직원의 저항만은 아닙니다. 성능이 모자란 도구, 업무와 맞지 않는 설계, 불분명한 책임, 개인정보 위험도 실제 장애물입니다. 그래서 직원의 불안을 다루는 일과 AI를 실제로 쓸모 있고 안전하게 만드는 일은 함께 가야 합니다. 성공적인 AI 전환은 사용률 그래프가 올라가는 데서 끝나지 않습니다. 직원들이 자신의 가치를 지키거나 더 높이면서 AI와 일할 수 있는 환경을 만드는 데서 완성됩니다. 토큰 순위표를 닫은 회사들이 결국 배운 것도 그것이었습니다.

참고 자료

가트너 (2025~2026)

• Gartner, Gartner HR Research Reveals Fewer Than 35% of Employees Report Good Levels of Overall Wellness (2026-10-08, 직원 11,838명, 47% 수치)
• Gartner, AI Adoption: Fix Employee Sentiment to Drive Productive AI Use (2026-06-23, 요약 공개)
• Gartner, Your Employees Are Not Competing With AI: Reframing Human-AI Interactions for Adoption (2026-08-20, 요약 공개)
• Gartner, Why AI Adoption Isn't Scaling: 4 Behavioral Challenges CIOs Must Address (2026-05-20, 요약 공개)
• Gartner, Top HRBP Actions to Address the AI Fears of Employees (2026-02-27, 요약 공개)
• Gartner, Gartner Identifies the Top Change Management Trends for CHROs in the Age of AI (2026-03-16, CHRO 110명 중 78%)
• Gartner, Gartner Predicts by 2027, 50% of Enterprises Without a People-Centric AI Strategy Will Lose Their Top AI Talent (2026-05-13, 12,004명, 3.4배)
• Gartner, Gartner HR Survey Finds 65% of Employees are Excited to use AI at Work (2025-12-16)
• Gartner, Gartner HR Survey Finds AI is Boosting Productivity but Widening Workforce Divisions in Australia (2026-06-02)
• Cian O Morain & Peter Aykens, Employees Are Losing Patience with Change Initiatives (HBR, 2023-05-09)

논문

• Jeeyoon Jeong, Yonghoon Choi & Insik Jeong, Silent resistance: Knowledge hiding as a defense against AI adoption (Journal of Innovation & Knowledge 17, 101064, 2026)
• Liah Shonhe & Qingfei Min, Mitigating AI-induced professional identity threat and fostering adoption in the workplace (AI & Society 40, 2025)
• Gianpiero Petriglieri, Under threat: Responses to and the consequences of threats to individuals' identities (Academy of Management Review 36(4), 2011)
• Jessica Reif, Richard Larrick & Jack Soll, Evidence of a social evaluation penalty for using AI (PNAS 122(19), 2025)
• Catherine Connelly et al., Knowledge hiding in organizations (Journal of Organizational Behavior 33(1), 2012)
• Lester Coch & John French, Overcoming resistance to change (Human Relations 1(4), 1948) · Desmond & Wilson, Democracy and worker representation in the management of change (Human Relations, 2019)
• Eric Dent & Susan Goldberg, Challenging "resistance to change" (J. Applied Behavioral Science 35(1), 1999)
• Jeffrey Ford, Laurie Ford & Angelo D'Amelio, Resistance to change: The rest of the story (Academy of Management Review 33(2), 2008)
• Stephen Cummings, Todd Bridgman & Kenneth Brown, Unfreezing change as three steps: Rethinking Kurt Lewin's legacy (Human Relations 69(1), 2016)
• Fred Davis, Perceived usefulness, perceived ease of use, and user acceptance of information technology (MIS Quarterly 13(3), 1989) · Viswanath Venkatesh et al., User acceptance of information technology: Toward a unified view (MIS Quarterly 27(3), 2003)
• Berkeley Dietvorst, Joseph Simmons & Cade Massey, Algorithm aversion (JEP: General 144(1), 2015) · Jennifer Logg, Julia Minson & Don Moore, Algorithm appreciation (OBHDP 151, 2019)
• Laura Siegel, Cornelius König & Veronika Lazar, The impact of electronic monitoring on employees' job satisfaction, stress, performance, and counterproductive work behavior: A meta-analysis (Computers in Human Behavior Reports 8, 2022) · Daniel Ravid et al., A meta-analysis of the effects of electronic performance monitoring on work outcomes (Personnel Psychology 76(1), 2023)
• Byung-Jik Kim & Julak Lee, The mental health implications of artificial intelligence adoption (Humanities and Social Sciences Communications, 2024) · Kim, Kim & Lee (2025, 같은 학술지 12:704)
• Archy de Berker et al., Computations of uncertainty mediate acute stress responses in humans (Nature Communications 7, 2016) · Sarah Burgard, Jennie Brand & James House, Perceived job insecurity and worker health in the United States (Social Science & Medicine 69(5), 2009)
• Erik Brynjolfsson, Bharat Chandar & Ruyu Chen, Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence (Stanford Digital Economy Lab, 2025-08, 2026-08 개정)
• Fabrizio Dell'Acqua et al., Navigating the Jagged Technological Frontier (HBS Working Paper 24-013)
• METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity (2025-07-10)
• Eric Hobsbawm, The Machine Breakers (Past & Present 1, 1952) · Brian Merchant, 『Blood in the Machine』 (Little, Brown, 2023)

조사·보고서

• APA, Work in America 2026 · 2023 Work in America: AI, monitoring technology, and psychological well-being
• Pew Research Center, U.S. Workers Are More Worried Than Hopeful About Future AI Use in the Workplace (2025-02-25)
• BCG, AI at Work 2025: Momentum Builds, but Gaps Remain (2025-06) · AI at Work 2026 (2026-06) · The AI Adoption Puzzle: Why Usage Is Up But Impact Is Not (2025-12)
• KPMG·University of Melbourne, Trust, attitudes and use of AI: A global study 2025 (2025-04)
• Writer, Enterprise AI adoption 2026 (2026-04-07) · Workplace Intelligence, AI adoption study (2025-03)
• MIT NANDA, The GenAI Divide: State of AI in Business 2025 (2025-07)
• BetterUp·Stanford Social Media Lab, The hidden costs of workslop (HBR 게재 2025-09-22)
• Challenger, Gray & Christmas, Job Cuts Reports (2025년 12월·2026년 9월 보고서)
• 한국고용정보원, 계간 고용이슈 2026년 여름호 (2026-08-31) · 딜사이트, 기업 AI 도입 28.6%…인력 감축보다 '일하는 방식' 변화 (2026-08-31)
• KDI, 인공지능으로 인한 노동시장의 변화와 정책방향
• 직장갑질119·글로벌리서치, 직장인 1,000명 조사 (2025-10, 2026-02, 2026-06)

사건·보도

• Tobi Lütke, Reflexive AI usage is now a baseline expectation at Shopify (2025-04-07)
• Fortune, Duolingo CEO admits controversial AI memo did not give enough context (2025-08-18) · Duolingo drops AI usage from performance evaluations (2026-04-13)
• TechCrunch, Coinbase CEO explains why he fired engineers who didn't try AI immediately (2025-08-22)
• Fortune, Meta killed employee AI token dashboard (2026-04-09) · The Decoder, Amazon kills internal AI leaderboard after employees gamed it with pointless tasks (2026-05-29)
• CNBC, Meta lawsuit over layoffs and AI (2026-07-14)
• The Guardian, 'Dystopian': Co-op becomes latest firm to put staff under AI surveillance (2026-10-08) · Legal Futures, Co-op Legal Services defends use of AI to monitor client calls (2026-10-12)
• Amazon, Message from CEO Andy Jassy: Some thoughts on Generative AI (2025-06-17)
• 비즈워치, SKT·LG CNS·SK브로드밴드의 AI 활용 평가·교육 확대 보도 (2026-04-07)

코어닷투데이의 관련 글

• 그림자 속의 동료 — 섀도 AI는 어떻게 가장 흔한 보안 사고가 되었나
• AI 도입률은 24%인가 89%인가
• AI가 빨라졌다는 착각을 어떻게 재나
• 부러진 사다리 — 오늘 주니어를 안 뽑으면, 2031년엔 시니어가 없다
• 「Fable이 내 일자리를 가져갔다」 — 2026년 AI 감원의 구조