[AI MEMO] AI 활용 늘수록 커지는 판단력 공백

AI 활용 확산, 검증 체계는 미흡 
인지적 외주화가 전문성 잠식 
검증 체계가 새로운 경쟁력

본 연구 기사는 유럽 경제 연구소 The Economy의 연구위원(Fellow)들이 작성한 The Economy Review 시리즈 기고문을 한국 시장 상황에 맞춰 재구성한 글입니다. 본 시리즈는 최신 기술-경제-정책 이슈에 대해 연구자의 시각을 담아, 일반 독자들에게도 이해하기 쉽게 전달하는 것을 목표로 합니다. 기사에 담긴 견해는 집필자의 개인적인 의견이며, The Economy 또는 집필자의 소속 기관의 견해와 일치하지 않을 수 있습니다.

기업 현장에서 인공지능(AI)은 생산성을 높이는 핵심 도구로 자리 잡았다. 그러나 생산성 향상과 함께 조직의 핵심 역량인 판단과 검증 기능을 AI에 맡기는 ‘인지적 외주화(Cognitive Outsourcing)’도 확산하는 모습이다. 이러한 변화는 기업의 관리 체계보다 빠르게 진행되는 추세다. 소프트웨어 분야 리더의 94%는 AI가 의미 있는 생산성 향상에 기여했다고 평가했다. 그러나 AI 활용에 대해 공식적인 관리·감독 체계를 갖췄다고 답한 비율은 37%에 그쳤다. AI 도입으로 업무 속도는 빨라졌지만, 조직의 판단력과 책임성은 오히려 약화할 수 있다는 우려가 제기된다.

생산성 향상과 검증의 간극

이 같은 우려는 단순한 추측에 머물지 않는다. 앤트로픽(Anthropic)이 약 10만 건의 실제 클로드(Claude) 대화를 분석한 결과, 사람이 평균 90분 걸리던 작업을 AI에 맡기면 완료 시간은 약 80% 단축됐다. 이러한 효과가 경제 전반으로 확산되면 향후 10년간 미국의 노동생산성 증가율을 연평균 약 2%포인트 끌어올릴 수 있다는 분석도 나왔다. AI가 업무 생산성을 높이는 효과는 여러 연구에서 확인되고 있다.

문제는 작업 속도가 빨라질수록 사람이 결과를 직접 검토하고 판단하는 과정은 줄어들 수 있다는 점이다. 실제 소프트웨어 개발 현장에서는 AI가 생성한 코드에 사람이 작성한 코드보다 더 엄격한 검증이 필요하다는 평가가 많았다. 보안과 품질 관리, 구성원의 기초 역량 부족도 주요 과제로 꼽혔다. AI가 제시하는 답변의 정확도와 완성도가 높아질수록 사용자는 결과를 다시 검증하기보다 그대로 받아들이기 쉽다. 이처럼 사고 과정을 더 빠른 시스템으로 넘기려는 압력을 ‘AI 중력(AI Gravity)’이라고 부른다. 이와 같이 AI에 대한 신뢰가 커질수록 정보 검색뿐 아니라 해석과 판단까지 AI에 의존하는 경향도 강해질 수 있다.

축적되지 않는 전문성

최근 발표된 주요 연구들은 AI가 단기적인 생산성을 높이더라도 장기적인 전문성 축적에는 한계를 드러낼 수 있다고 지적한다. 국제노동기구(ILO)는 개별 업무 단위에서는 생산성이 개선되고 있지만 이러한 효과가 경제 전체의 생산성 향상으로 이어졌다고 보기는 어렵다고 평가했다.

고용시장에서도 비슷한 변화가 감지된다. 스탠퍼드대 연구에 따르면 AI의 영향을 많이 받는 직종에서 22~25세 청년층 고용은 약 16% 감소한 반면, 고령층 고용은 상대적으로 안정적인 흐름을 보였다. 브루킹스연구소는 현재 나타나는 생산성 향상이 AI 등장 이전에 전문성을 쌓은 기존 인력에 크게 의존한다고 분석했다. 반면 AI를 활용해 업무를 시작하는 세대는 독자적인 판단력과 전문성을 충분히 축적하지 못할 수 있다고 우려했다.

AI 의존도가 높아질수록 스스로 검토하고 판단하는 기회가 줄어들 가능성이 크다. 매사추세츠공대(MIT) 미디어랩의 예비 연구에서는 챗봇의 도움을 받아 에세이를 작성한 참가자의 83%가 제출 직후 자신이 쓴 글을 한 문장도 정확하게 인용하지 못했다. 마이크로소프트와 카네기멜론대의 공동 연구에서도 AI를 신뢰할수록 비판적인 검토가 감소하는 경향이 확인됐다. 특히 답변의 정확성을 최종 판단하는 단계에서 이러한 현상이 가장 뚜렷했다. 이와 같이 AI가 대신 수행하는 작업이 늘어날수록 사람이 직접 판단하고 검증할 기회는 감소한다. 전문성을 충분히 쌓지 못한 상태에서 AI 의존도가 높아지고 그 결과 검증 능력이 다시 약해지는 악순환으로 이어질 수 있다.

AI가 대신하는 사고

AI는 계산기나 검색엔진, 위키백과와 같은 생산성 도구에 자주 비유된다. 그러나 언어모델은 기존 도구와 역할이 다르다. 계산기는 사람이 정한 규칙에 따라 연산을 수행하고 검색엔진은 이미 존재하는 정보를 찾아준다. 반면 언어모델은 정보를 정리하는 수준을 넘어 문제를 해석하고 답변을 구성하며 때로는 결론까지 제시한다. 더욱이 언어모델은 오류가 포함된 답변도 그럴듯하게 제시할 수 있다. 이를 걸러낼 수 있는 기준은 결국 사용자가 갖춘 전문성과 검증 능력이다.

물론 AI는 숙련도 부족을 보완하는 데 유용하다. 전미경제연구소(NBER)가 고객센터 상담원 5,000여 명을 분석한 결과 AI의 도움을 받은 초급 상담원의 생산성은 약 33% 높아졌다. 문제는 AI가 보조 도구를 넘어 사고 과정까지 대신하기 시작할 때다. 보스턴컨설팅그룹(BCG)의 연구에서는 AI의 능력 범위를 벗어난 과제를 수행한 컨설턴트들의 성과가 AI를 사용하지 않은 집단보다 약 19%포인트 낮게 나타났다. AI는 자신의 한계를 명확하게 알리지 않기 때문에 사용자가 결과를 비판적으로 검토하지 않으면 오히려 판단 오류가 확대될 수 있다.

조직과 노동시장에 번지는 위험

이러한 변화는 개인을 넘어 조직 전체의 역량에도 영향을 미친다. AI의 도움을 받아 작성한 보고서는 사람이 직접 분석해 작성한 결과물과 겉으로 큰 차이가 없을 수 있다. 조직이 최종 결과물만 평가할 뿐 결론에 이르는 사고 과정까지 확인하기는 어렵기 때문이다. 그러나 데이터를 해석하고 이상 징후를 포착하거나 계약 조항의 위험을 발견하는 능력은 업무를 직접 수행하고 검토하는 과정에서 축적된다. 이러한 단계가 반복적으로 생략되면 개인의 전문성뿐 아니라 조직의 판단 역량도 함께 약해진다.

경영진도 예외는 아니다. AI가 요약한 보고서와 분석 결과에 의존할수록 모델이 제시한 해석을 자신의 판단처럼 받아들이기 쉽다. 일상적인 의사결정에서는 문제가 드러나지 않을 수 있다. 반면 복잡한 이해관계와 불확실성을 함께 고려해야 하는 전략적 결정에서는 한계가 두드러질 가능성이 크다. 처리하는 정보량은 늘어나지만 이를 종합하고 책임지는 능력은 오히려 약해질 수밖에 없다.

이러한 흐름은 노동시장으로도 빠르게 확산하는 양상이다. 약 6,500만 건의 이력서와 28만 개 기업의 채용 공고를 분석한 연구에 따르면 기업들은 반복 업무를 AI로 대체하면서 신입 채용을 줄이고 즉시 업무에 투입할 수 있는 경력직을 선호하는 경향을 보였다. 개별 기업에는 단기적으로 효율적인 선택처럼 보일 수 있다. 그러나 산업 전반에서 같은 흐름이 이어지면 미래의 숙련 인력을 육성할 기반도 흔들린다.

생산성 다음 단계는 검증 체계

이 같은 문제의 핵심은 조직과 제도의 준비 부족에 있다. ILO는 이러한 현상을 ‘집계의 역설(Aggregation Paradox)’로 부른다. 이는 개별 업무에서는 생산성이 크게 높아졌지만 이러한 효과가 기업이나 국가 전체의 생산성 향상으로 연결되지 않는 현상을 의미한다. 전력과 정보기술(IT) 역시 기술 도입만으로 생산성을 높이지는 못했다. 조직 구조와 업무 방식, 인력 운용 체계가 함께 바뀐 뒤에야 효과가 경제 전반으로 확산됐다. 경제협력개발기구(OECD)도 AI 활용이 여전히 대기업과 디지털 선도기업에 집중돼 있으며 인력과 기술 부족이 확산을 가로막는 주요 요인이라고 분석했다.

AI의 성과를 조직 전체의 경쟁력으로 연결하려면 개인의 활용 능력보다 검증과 책임을 뒷받침하는 체계를 먼저 구축하는 일이 우선이다. 기업은 AI가 작성한 결과물을 최종 승인하기 전에 사람이 직접 검증하는 절차와 책임 주체를 명확히 정할 필요가 있다. 모든 업무를 같은 기준으로 관리하는 방식도 바람직하지 않다. 인사와 금융, 법률, 안전 등 위험도가 높은 업무는 전문 인력이 직접 검토하고 책임지도록 해야 한다. 반면 형식 정리나 반복적인 행정 업무에는 상대적으로 높은 자율성을 부여하는 등 업무 위험도에 따라 관리 수준을 차등화하는 방식이 필요하다.

정부도 장기적인 전문성 축적을 지원하는 정책에 무게를 둬야 한다. 공공조달과 자격제도 등을 활용해 기업이 신입 인력을 지속적으로 채용하고 육성하도록 유도할 수 있다. 기업의 AI 관리 체계와 검증 수준을 공개하는 제도도 검토할 만하다. 투자자와 시장이 AI 도입 규모보다 이를 얼마나 책임 있게 관리하는지를 기업 경쟁력과 운영 위험의 기준으로 평가하도록 만들기 위해서다. 재교육 체계도 달라져야 한다. 세계경제포럼(WEF)은 2030년까지 전 세계 근로자의 59%가 재교육을 필요로 하지만, 이 가운데 11%는 적절한 교육 기회를 얻지 못할 것으로 전망했다. 앞으로의 재교육은 AI가 제시한 결과를 비판적으로 검토하고 독자적으로 판단할 수 있는 역량까지 함께 키우는 방향으로 재편이 요구된다.

AI가 가져오는 생산성 향상을 부정하기는 어렵다. 그러나 AI 의존도가 높아질수록 현장에서 쌓아야 할 경험과 검증 능력은 약해지고, 이는 장기적으로 조직 경쟁력 저하로 이어진다. 이를 막으려면 AI 활용 확대와 함께 검증 체계도 구축해야 한다. 실무자부터 경영진까지 사람이 최종 판단과 책임을 맡는 원칙을 분명히 하고 교육기관과 정부 역시 판단력과 검증 역량을 강화하는 방향으로 교육과 제도를 재설계할 시점이다. AI 시대의 경쟁력은 AI의 결과를 얼마나 정확하게 검증하고 책임질 수 있느냐에 달렸다.

본 연구 기사의 원문은 Cognitive Outsourcing at Work: Why AI Productivity Gains Are Outrunning Workplace Governance을 참고해 주시기 바랍니다. 본 기사의 저작권은 The Economy에 있습니다.