AI 도구만 도입한다고 생산성은 안 오른다: 사람 교육이 먼저

여러 회사가 AI 도구를 한꺼번에 계약하고, 부서 전체에 계정을 풀고, 생산성이 오르기를 기다립니다. 몇 달 뒤 숫자는 거의 그대로입니다. 지금 AI 전환 흐름에서 가장 값비싼 오해 중 하나가 이것이고, 출발점에는 잘못된 전제가 있습니다. 도구 자체가 결과를 만든다는 전제입니다.

도구만 사면 생산성이 안 오르는 이유

생산성이 안 오르는 이유는 도구가 문제 전체에서 가장 쉬운 부분이기 때문입니다. 소프트웨어 라이선스는 몇 분이면 켜집니다. 그러나 그것을 쓸 줄 아는 역량, 그것을 둘러싼 프로세스, 사람들의 일하는 습관은 그렇게 켜지지 않습니다. 이 세 가지가 빠지면 도구는 가만히 있거나, 더 나쁘게는 일을 늘립니다.

AI 코딩 보조도구를 막 받은 팀을 떠올려 보십시오. 명령을 명확히 거는 법, 결과를 다시 검증하는 법, 언제 믿고 언제 의심할지 구분하는 법을 아무도 알려주지 않으면 벌어질 일은 뻔합니다. 몇 번 써본 사람은 들쭉날쭉한 결과를 보고 옛 방식으로 돌아갑니다. 어떤 사람은 검증 없이 그냥 쓰다가 오류를 흘려보냅니다. 도구는 그대로 있고 청구서도 그대로 나가지만 가치는 증발합니다.

잘 언급되지 않는 역설이 하나 있습니다. AI 도구는 처음에 팀을 빨라지게 하기 전에 오히려 느려지게 만드는 경우가 많습니다. 사용자는 의도를 표현하는 법을 익혀야 하고, 새로운 종류의 산출물에 대한 신뢰를 다시 쌓아야 하고, AI가 강한 지점과 그럴듯하게 틀리는 지점을 직접 찾아내야 합니다. 이 구간은 실재하고 건너뛸 수 없습니다. 첫날부터 우상향 곡선을 기대한 회사는 실망하고, AI는 효과가 없다는 결론을 내린 뒤, 정작 버텨야 할 때 포기합니다.

또 다른 원인은 경영진의 기대와 실무자의 현실 사이 어긋남입니다. 경영진은 매끈한 데모를 보고 업무 전체가 자동화되는 그림을 그립니다. 실무자는 실제 데이터, 실제 고객, 데모가 한 번도 건드리지 않은 예외 상황과 아직 맞물리지 않은 도구를 봅니다. 그 간극은 도구를 더 사들여 메워지지 않습니다. 교육과 일하는 방식의 재설계로만 메워집니다.

사람이 먼저, 도구는 나중: 세 겹의 토대

AI 생산성은 사람, 프로세스, 문화 순서의 세 겹 토대 위에 섭니다. 도구는 맨 위 한 겹일 뿐입니다. 아래 한 겹이라도 약하면 위에 들인 투자는 전부 흘러내립니다. 의사결정자는 위에서 사들이는 게 아니라 아래부터 다져야 합니다.

첫 번째 겹은 사람입니다. AI와 함께 일할 때 개인이 실제로 발휘하는 역량을 말합니다. 문제를 정의할 줄 알고, 산출물을 검증할 줄 알고, 언제 기계에 맡기고 언제 직접 손을 댈지 아는 능력입니다. 이 역량은 계정이 생긴다고 저절로 생기지 않습니다. 의도적인 교육, 실제 업무 위에서의 반복 실습, 앞서간 사람의 피드백으로 쌓입니다. 평범한 도구로 잘 훈련된 팀은 최고의 도구를 든 미숙련 팀을 멀찍이 앞섭니다.

두 번째 겹은 프로세스입니다. 회사의 업무 프로세스 상당수는 AI가 없던 시절에 맞춰 설계됐습니다. 각 단계를 사람이, 사람의 속도로, 사람의 순서로 처리한다고 가정합니다. 이런 프로세스에 AI를 끼워 넣으면 한 고리만 빨라지고 나머지 고리는 그대로입니다. 결과적으로 병목이 다른 곳으로 옮겨갈 뿐 전체 시간은 별로 줄지 않습니다. 일부 단계가 이제 몇 배 싸고 빨라졌다는 새 현실에 맞춰 프로세스를 다시 설계해야 합니다.

세 번째 겹은 문화입니다. 가장 안 보이지만 가장 결정적인 겹입니다. AI를 잘 쓰면 자기 자리가 대체될까 두려워하는 직원은 조용히 회피합니다. AI가 낸 실수가 사람의 실수보다 더 무겁게 벌받는 분위기라면 아무도 시도하지 않습니다. 경영진이 AI를 말하면서 한 번도 직접 쓰지 않으면, 이건 중요하지 않다는 메시지가 은연중에 전달됩니다. 배움에 열려 있고 안전하게 시행착오할 수 있는 문화가 아래 두 겹이 작동하는 전제입니다.

이 세 겹은 살 수 없습니다. 쌓아야 하고, 쌓는 데는 시간이 듭니다. 그래서 도구 구매 결정은 아무리 규모가 커도 AI 전환 전략이 될 수 없습니다.

실제로 사람을 교육한다는 것

사람을 교육한다는 건 소개 세미나 한 번 하고 방치하는 게 아닙니다. 실제 업무에 붙어 있고, 새 습관이 잡힐 만큼 충분히 길게 가는 구조화된 과정입니다. 목표는 도구에 무슨 버튼이 있는지 아는 게 아니라, 한 사람이 사고하고 일하는 방식을 바꾸는 것입니다.

대개 첫 단계는 공통의 사고 토대를 세우는 일입니다. AI가 무엇을 잘하고 어디서 왜 틀리는지를 모두가 이해해야 합니다. 산출물 품질은 질문의 품질에 직결되므로 의도를 명확히 표현하는 법을 배워야 합니다. AI 결과를 검토 없이 바깥으로 내보내지 않는 검증 습관을 단단히 들여야 합니다. 다들 건너뛰는 부분이자 가장 중요한 부분입니다.

다음은 가상 연습이 아니라 본인의 실제 업무 위에서 하는 실습입니다. 개발자는 지금 하는 바로 그 프로젝트에 AI를 적용하며 숙련자의 안내를 받을 때 가장 잘 배웁니다. 콘텐츠 담당자는 회사가 실제로 필요로 하는 문서를 직접 쓰면서, AI가 도와주는 지점과 직접 해야 하는 지점을 짚어줄 때 가장 잘 배웁니다. 실제 맥락에 붙은 학습은 추상적 이론보다 훨씬 오래 남습니다.

흔히 가벼이 보는 요소가 앞서간 사람의 역할입니다. 소수가 먼저 능숙해지고 나머지를 기꺼이 코칭하면, 각자 혼자 더듬는 것보다 확산 속도가 확연히 빠릅니다. 많은 조직이 자료만 뿌리고 각자 알아서 하게 두는 대신, 안내자가 있는 소규모 그룹 중심으로 교육을 짜는 이유입니다.

여우비에서 기술팀을 AI 중심 작업 방식으로 전환할 때, 어려운 지점은 도구 설치가 아니라 검증 습관과 문제 정의 사고를 다시 세우는 데 있었습니다. 한 번의 강의가 아니라 여러 달에 걸친 과정이었습니다. 조직마다 출발점이 다르므로 특정 성장 수치를 약속하려는 게 아니라, 실제 관찰로서 공유합니다.

옛 프로세스에 AI를 붙이지 말고, AI를 중심으로 프로세스를 다시 설계하라

가장 흔한 잘못된 도입은 옛 프로세스의 한 고리에 AI를 붙여 놓고 사슬 전체가 빨라지기를 바라는 것입니다. 올바른 방법은 한 발 물러나 업무 흐름 전체를 보고, 일부 단계가 이제 몇 배 빠르고 싸다는 새 현실을 중심으로 다시 설계하는 것입니다. 부분 자동화와 진짜 전환의 차이가 여기서 갈립니다.

전형적인 소프트웨어 납품 프로세스를 보겠습니다. 기획, 요구사항 작성, 개발, 테스트, 검수, 납품. AI로 개발 단계만 빨라지면 사람의 검수 단계가 즉시 새 병목이 됩니다. 같은 시간 안에 검토할 코드가 더 많아졌기 때문입니다. 전체 납품 시간은 거의 줄지 않습니다. 진짜 빨라지려면 검수 단계도 다시 생각해야 합니다. 자동 검사 층을 앞에 두어 사람은 기계가 못 하는 판단에 집중하게 하는 식입니다.

프로세스 재설계는 책임 경계를 분명히 하도록 강제하기도 합니다. AI가 한 단계에 참여할 때, 그 산출물의 최종 책임은 누가 지는가. 답은 거의 언제나 사람입니다. 그런데 그 역할이 명문화되지 않으면, 다들 기계가 이미 검사했겠거니 막연히 여기고 정작 아무도 검사하지 않는 일이 벌어집니다. AI 시대의 좋은 프로세스에는 모든 중요한 의사결정 지점마다 책임이 분명한 사람이 있습니다.

또 하나는 측정입니다. 각 단계의 시간과 품질을 관찰할 방법이 없으면 재설계가 효과가 있는지 알 수 없습니다. 처음부터 복잡한 측정 시스템이 필요하진 않습니다. 꾸준히 추적하는 단순 지표 몇 개면 병목이 어디로 옮겨갔고 다음 투자를 어디에 할지 보기에 충분합니다. 전환기에 감으로 관리하는 것은 큰 리스크입니다.

의사결정자의 도입 전 점검표

AI 도구를 계약하기 전에, 의사결정자는 사람·프로세스·문화에 관한 다섯 가지 질문에 답할 수 있어야 합니다. 답의 상당수가 비어 있다면 문제는 아직 도구에 있지 않습니다. 라이선스를 더 사는 것보다 토대에 먼저 투자하는 편이 수익률이 훨씬 높습니다.

첫 번째 질문, 사람에 관해. 구체적 교육 계획이 있는가, 아니면 계정만 풀고 기대만 하는가. 좋은 계획은 누가 교육받고, 무엇을 배우고, 어떤 업무 위에서 실습하고, 누가 코칭하는지를 분명히 합니다. 없다면 사기 전에 먼저 세우십시오.

두 번째 질문, 프로세스에 관해. 다시 설계할 한두 개 프로세스를 제대로 골랐는가, 아니면 도구를 동시에 사방에 뿌리려 하는가. 성공한 전환은 대개 명확한 한 업무 흐름에서 좁고 깊게 시작한 뒤, 얻은 교훈을 바탕으로 넓혀갑니다.

세 번째 질문, 문화에 관해. 직원들이 AI로 시도하고 때로 실패해도 안전하다고 느끼는가. 실수를 무겁게 벌하는 환경에서는 아무도 진짜로 배우지 않습니다. 경영진은 AI 사용법을 배우는 일이 권장되고 보호받는다는 신호를 분명히 보내야 합니다.

네 번째 질문, 책임에 관해. 사람이 어디서 책임을 지는지 명확히 했는가. 중요한 산출물마다 최종 서명하는 사람이 필요합니다. AI는 속도를 더하지만 사람의 책임을 대신 지지 않습니다.

다섯 번째 질문, 측정에 관해. 이 일이 효과가 있는지 무엇으로 알 것인가. 단순 지표 몇 개와 재평가 시점을 미리 정해, 초기 기대와 다른 결과가 나오더라도 정직하게 평가하십시오.

AI 도구는 강한 지렛대입니다. 그러나 지렛대는 단단한 받침점이 있을 때만 힘을 냅니다. 그 받침점이 교육받은 사람, 다시 설계된 프로세스, 배움에 열린 문화입니다. 지렛대보다 받침점에 먼저 투자한 회사는 진짜 차이를 봅니다. 반대로 한 회사는 값비싼 도구 한 벌과, 생산성이 왜 꼼짝도 안 하느냐는 질문만 손에 쥐게 됩니다.