AI 도입 후 관리자가 더 힘들어진다는 게 사실인가

AI가 나온 뒤로 관리자 일이 줄어들 거라는 얘기를 자주 들었다. 반복 업무가 자동화되면 관리자는 더 전략적인 일에 집중할 수 있다는 논리였다. 보고서 초안이나 일정 정리 같은 실무를 AI가 맡으면 관리자는 팀의 방향을 잡고 사람을 보는 일에만 에너지를 쓸 수 있다는 그림이었다. 알고 나니 조사 결과는 그 반대를 가리키는 경우가 더 많았다. 올해 여러 곳에서 나온 데이터를 따라가 보니 생각이 달라졌다.

AI 산출물 검토 부담

AI가 코드나 문서를 만들어도 그 자체로 쓸 수 있는 완성품이 되는 경우는 많지 않다. 포맷은 깔끔하고 분량도 충분한데, 맥락이 빠져 있거나 요구사항을 잘못 읽었거나 그럴듯하지만 틀린 내용이 섞여 있다. 예를 들어 AI가 작성한 기술 명세서가 현재 시스템이 아닌 이전 버전 기준으로 쓰여 있거나, 고객사별로 달라야 할 조건을 범용적인 내용으로 뭉뚱그리는 경우가 실제로 자주 보고된다. 겉모습이 완성처럼 보이는 결과물일수록 오류를 찾아내기 위해 더 꼼꼼히 들여다봐야 한다. 그걸 걸러내는 일이 누군가에게 가야 한다.

그 누군가가 관리자가 되는 경로가 있다. 팀원 입장에서는 AI가 낸 초안이 일단 완성처럼 보이기 때문에 검토 없이 넘기기 쉽다. 문장이 자연스럽고 형식도 갖춰져 있으면 내용의 정확성까지 검증받은 것처럼 느껴지는 착시가 생기기 때문이다. 관리자는 그 결과물이 실제로 맞는지 판단하는 위치에 있다. 속도는 올랐는데 최종 판단 책임은 그대로 남아 있는 구조다.

하버드 비즈니스 리뷰가 올해 6월에 발표한 조사에서 관리자의 57퍼센트가 AI에 지나치게 의존한 팀원 결과물을 수정하거나 다시 작업한 적이 있다고 답했다. 같은 항목에서 개인 기여자는 38퍼센트였다. VP 이상 임원 계층에서는 수치가 63퍼센트까지 올라갔는데, 이는 직급이 높을수록 더 많은 팀의 산출물을 아우르는 위치에 있기 때문으로 풀이된다. 직급이 올라갈수록 검토 책임이 집중된다는 뜻이다.

이 숫자가 의미하는 것은 단순하다. AI가 팀의 생산 속도를 올렸지만, 그 결과물을 걸러내는 일은 아직 사람이 해야 한다. 팀원이 하루에 내놓는 초안 수가 두 배로 늘었다면 관리자가 검토해야 할 분량도 비슷한 비율로 늘어나는 셈이다. 그 사람이 관리자가 되고 있다. 생산성 향상의 수혜자는 팀원이고, 비용은 관리자가 치르는 모양새다.

검토 부담이 조용히 쌓이는 이유가 하나 더 있다. 품질 기준을 갖고 있는 사람이 관리자이기 때문이다. 팀원이 AI로 초안을 만들고 관리자가 맥락을 넣어 완성하는 패턴이 정착되면, 관리자의 실질 업무량은 AI 도입 전과 크게 다르지 않게 된다. 도입 초기에는 팀 전체 효율이 오른 것처럼 보이다가, 몇 달 뒤에는 관리자만 더 피곤해져 있는 경우가 여기서 나온다.

팀 조율 비용 증가

AI로 개인이 빨라지면 팀 전체가 빨라질 것 같지만 실제로는 그렇지 않은 경우가 있다. 팀원마다 AI 활용 수준이 다르면 작업 속도 차이가 커지고, 그 격차를 맞추는 역할이 새로 생긴다. 한 팀원은 AI를 이용해 하루 만에 기획 문서를 마무리하는 반면 다른 팀원이 같은 분량에 사흘이 걸린다면, 두 결과물을 하나의 일정 안에 맞추는 조율 작업이 반복적으로 발생한다. 그 역할이 자연스럽게 관리자에게 간다.

AI 사용자가 조율에 더 많은 시간을 쓴다는 연구에서 나온 숫자가 인상적이었다. AI를 매일 쓰는 관리자는 주당 20.3시간을 상태 확인, 재설명, 정보 탐색에 쓴다. AI를 쓰지 않는 관리자는 같은 항목에 9.1시간을 쓴다. 도구가 일을 빠르게 만들었는데 오히려 회의와 확인 작업이 두 배 이상 늘었다는 뜻이다.

이 현상에 이름이 붙었다. 조율 세금이다. 조율 세금이란 개인 작업 속도가 올라갈수록 결과물들을 서로 맞추고 연결하는 데 드는 추가 시간이다. 팀원 A가 AI 덕분에 하루 만에 초안을 냈고 팀원 B는 검토에 사흘이 필요할 때, 관리자는 그 사이에서 일정을 다시 짜야 한다. 이런 재조정이 하루에 여러 번 반복된다.

같은 조사에서 흥미로운 숫자가 하나 더 있었다. 관리자들이 조율에 쓰는 시간이 주당 21퍼센트라고 스스로 추정했는데, 항목별로 합산하면 실제로는 41퍼센트가 나왔다. 스스로 인식하는 것의 두 배 가까운 시간을 조율에 쏟고 있다는 의미인데, 짧은 확인 메시지나 즉흥적인 재조정처럼 시간으로 잡히지 않는 행동들이 쌓이기 때문이다. 이 인식 차이가 조율 부담을 방치하게 만드는 요인 중 하나다.

도구 파편화도 한 요인이다. AI 도입 이후 팀 안에서 쓰는 도구 수가 늘어난 경우가 많다. UNLEASH의 분석에서 관리자의 57퍼센트가 AI 도입 이후 팀 내 도구 수가 늘었다고 답했고, 51퍼센트는 도구 간 의존성이 더 복잡해졌다고 했다. 도구가 늘면 결과물 형식이 제각각이 되고, 그것을 맞추는 일도 관리자 몫이 된다.

관리자 역할의 재편

AI가 맡은 업무와 그렇지 않은 업무가 갈리면서 관리자 일의 구성이 바뀌었다. 정기 보고서 초안, 회의 요약, 작업 목록 정리 같은 것은 AI가 처리할 수 있게 됐다. 그런데 그 자리를 채운 것이 더 가벼운 일이 아니라 더 판단이 필요한 일들이었다. 팀원 간 의견 충돌을 중재하거나 프로젝트 범위가 흐릿해질 때 선을 다시 긋는 것처럼, 절차가 정해지지 않은 채 맥락을 읽고 즉각 결정을 내려야 하는 상황이 늘어난 것이다.

자동화된 것은 반복적이고 절차가 명확한 일이었다. 남아 있는 것은 맥락이 복잡하고 정답이 없는 경우가 많다. 성과 기준이 불분명한 팀원에게 피드백을 주거나, 외부 이해관계자와 기대 수준이 어긋났을 때 이를 조율하는 일처럼 AI가 대신해줄 수 없는 판단들이 남아 있다. 줄어든 일의 자리에 더 어려운 일들이 채워졌다는 느낌이 드는 이유가 여기 있다.

여기에 이전엔 없던 역할이 하나 더 생겼다. AI 사용 코칭이다. 팀원이 AI를 어떻게 쓰고 있는지 파악하고, 잘못된 방향이면 바로잡고, 잘 쓰는 사례를 팀 안에서 공유하는 일이다. 하버드 비즈니스 리뷰 조사에서 중간 관리자들이 과부하를 느끼는 주요 원인 중 하나로 이 AI 스킬 코칭이 꼽혔다. 이 일에 드는 시간을 사전에 예상한 관리자는 많지 않았다고 한다.

TechCrunch가 이번 달 보도한 조사에 따르면 시니어 리더의 절반 이상이 AI 도입 이후 직원 업무를 평가하기 더 어려워졌다고 답했다. 산출물이 AI의 것인지 사람의 것인지 구분이 어렵기 때문이다. 팀원이 제출한 분석 보고서가 AI가 생성한 구조를 그대로 쓴 것인지, 아니면 본인이 직접 판단하고 구성한 것인지를 가리는 일이 성과 평가의 전제 조건이 됐다. 성과 평가 기준 자체를 손봐야 하는 상황이 생겼다는 뜻이다.

역할이 재편된 것은 사실이지만, 그 재편이 관리자에게 유리한 방향이었는지는 아직 불분명하다. 행정에서 판단으로, 실행에서 검증으로 무게중심이 옮겨갔다. 이 전환이 잘 맞는 관리자도 있지만, 준비 없이 맞이한 경우가 더 많다는 것이 여러 조사의 공통된 내용이다.

부담이 줄어든 조건

물론 반대 방향의 사례도 있다. AI 도입 이후 관리 부담이 실제로 줄었다고 보고한 조직들을 보면 공통된 패턴이 있다. 도구를 넣는 것만으로는 부족했고, 구조를 함께 바꾼 곳에서 차이가 났다. 도구 도입과 역할 재정의를 동시에 진행한 팀은 도구만 들여온 팀에 비해 반년 후 관리자 번아웃 비율이 낮았다는 보고가 여러 조직에서 나왔다.

강한 투자 수익률을 보고한 부서의 64퍼센트는 AI 도입과 함께 관리 구조를 바꿨다. 투자 수익률이란 도입에 들인 비용 대비 실제로 얻은 효율 또는 성과를 뜻하는 지표다. 구조를 바꾸지 않은 부서는 같은 지표에서 47퍼센트였다. 어떤 회사가 AI로 효율을 얻었다는 말을 들을 때, 그 배경에 구조 개편이 있었는지 확인해볼 필요가 있다.

부담이 줄었다고 보고한 팀들에서 공통으로 보이는 것들이 있다. AI 산출물 검토를 관리자 한 명이 도맡지 않고 팀 안에서 역할을 나눈 곳이 있었다. AI 사용 기준을 팀 단위로 명시해둔 곳도 있었는데, 어떤 산출물에 AI를 써도 되는지 어디서부터는 사람이 직접 작성해야 하는지를 미리 문서화해둔 것이다. 성과 평가 방식을 AI 도입 이전 기준으로 그대로 쓰지 않고 수정한 곳도 있었다.

이 조건이 갖춰진 팀에서는 관리자가 검토와 조율 대신 방향 설정과 외부 소통에 더 많은 시간을 쓸 수 있었다고 한다. 구체적으로는 팀의 분기 목표를 세우거나 타 부서와 우선순위를 맞추는 일처럼, 관리자가 원래 해야 한다고 여겨졌던 일들이다. 들으면 당연한 말 같지만, 실제로 이 조건을 갖춘 조직은 아직 많지 않다는 것이 데이터가 말하는 내용이다.

AI가 관리를 쉽게 만들 수 있다는 가능성은 틀리지 않는다. 다만 그것이 자동으로 일어나지는 않는다는 걸, 올해 나온 조사들을 보면서 알게 됐다. 도구가 먼저 들어오고 구조는 나중에 따라오는 순서가 부담을 만드는 경우가 많다. AI를 팀에 들이면서 기존 역할 분담과 평가 방식을 그대로 유지하면, 새 도구가 낡은 구조 위에 얹히는 형태가 된다. 그 순서를 뒤집은 곳에서 다른 결과가 나왔다.