실용적인 인간 중심 AI로 워크슬롭을 넘어서기

LLM과 다른 AI 콘텐츠 생성기의 사용이 급증하면서 최근 몇 년간 ‘AI 슬롭’ 문제가 문화적 화제와 언론의 관심을 불러일으켰다. 사람들은 저품질 이미지와 조악한 글이 소셜 피드를 채우면 이를 알아차린다.

AI 슬롭 때문에 우리는 AI가 만들었다고 의심되는 광고 콘텐츠를, 실제로는 그렇지 않더라도, 덜 신뢰하게 됐다. 독자들은 긴 대시의 과도한 사용처럼 LLM이 만든 콘텐츠의 특징도 알아보고 있다. 안타깝게도 이제는 ‘워크슬롭(workslop)’까지 등장했다.

워크슬롭이란 무엇이며 재무 책임자들이 관심을 가져야 하는 이유는?

모든 CFO는 예산 차이의 원인을 추적하거나 설명되지 않는 이상을 대조하는 데 몇 시간씩 쓰는 답답함을 안다. 오늘날 기업 환경에는 AI의 약속이 넘치지만, 새로운 생산성 저해 요인인 워크슬롭도 있다.

워크슬롭은 세련돼 보이지만 실질적인 내용, 맥락 또는 효용이 없는 자동화의 부산물이다. 긴 대시로 가득하지만 새로운 것을 알려주지 않는 글, 답보다 질문을 더 많이 낳는 일반적인 보고서, 명확성 대신 마찰을 만드는 승인 절차가 그 예다. 재무팀의 일을 줄이기는커녕 늘리는 AI 생성 콘텐츠다.

워크슬롭은 주로 낮은 콘텐츠 품질과 관련된다. 브랜드 가치를 떨어뜨리고 신뢰를 얻기 어려우며 사람들이 더는 주의를 기울이지 않는다는 메시지를 준다. 그런데 ERP 같은 업무 애플리케이션에까지 영향을 미치면 생산성과 신뢰를 더욱 소모시킨다.

워크슬롭은 AI 시스템이 충분한 사람의 입력, 맥락 또는 감독 없이 결과를 생성할 때 발생한다. 재무 책임자에게는 자동화됐어야 할 일을 명확히 하고 수정하거나 다시 하는 데 소중한 시간을 써야 한다는 뜻이다.

그 결과는 효율 저하, 자동화에 대한 신뢰 감소, 그리고 문제가 생길 때마다 대응하는 상태에 갇힌 재무 조직이다. 조직의 AI 투자가 워크슬롭의 영향을 받을 만큼 크지 않다고 생각할 수도 있지만, 문제는 이미 존재한다.

최근 허프포스트 기사는 근로자의 절반 이상이 업무 중 워크슬롭을 경험했다고 응답한 스탠퍼드대 연구를 인용했다. 워크슬롭은 당사자를 짜증 나게 할 뿐 아니라, 직장에 AI를 도입하는 핵심 명분인 탁월한 품질과 더 높은 생산성을 훼손할 위험이 있다.

좋은 소식은 실용적인 인간 중심 AI 접근법으로 워크슬롭을 줄이거나 없앨 수 있다는 것이다. 현재 문제의 상태, 직장에서 AI를 더 신중하게 활용하는 모습, 민첩하고 반복적인 AI 도입을 위한 몇 가지 방법을 살펴보자.

워크슬롭이 문제가 아니라 초안이라면?

솔직히 말해 이제 곧 2026년이고 AI는 흥미로운 제품이다. 시간을 절약하고 생산성을 높일 잠재력이 엄청나므로, 고용주가 도입을 장려하든 아니든 사람들은 이를 사용할 것이다. 관건은 최상의 결과에 필요한 적절한 교육과 노력을 바탕으로 활용하느냐는 것이다.

사용자가 AI에 충분하거나 잘 구성된 입력을 주지 않으면 워크슬롭이 발생한다. 최상의 결과를 얻으려면 대화를 이어가야 한다. 프롬프트를 다시 쓰거나 요구를 구체화해야 한다. 이러한 주고받기는 맥락과 피드백을 더해 더 나은 결과로 이끈다.

나는 답하지 않은 이메일을 요약하고 내가 한 약속을 표시해 할 일 목록을 갱신하는 AI 프롬프트를 만들며 이를 직접 경험했다. 하루를 마무리하는 습관으로 삼으려던 것이었다. 좋은 아이디어 같았지만 최초 버전은 너무 과도하고 무거워 실용성이 전혀 없었다.

예측 가능하고 실용적인 결과에 이르기까지 많은 다듬기, 피드백, LLM의 안내가 필요했다. 제대로 작동하는 결과를 얻으려면 내 요구, 정보 처리 방식, 집중할 수 있는 시간을 분명히 설명해야 했다.

첫 초안을 워크슬롭이라고 해도 무방했지만, 개선을 거쳐 유용한 AI 도구를 얻었다. 그러나 첫 번째 반복에서 멈추고 사용하기 불편한 초안을 계속 썼다면 어땠을까? 그랬다면 생산성을 방해하는 워크슬롭에 시달렸을 것이다.

이를 여러 당사자가 참여하는 더 복잡한 절차로 확대하면, 좋은 의도로 적용한 AI도 어떻게 워크슬롭이 되는지 쉽게 알 수 있다. 효과적으로 활용할 교육, 끈기, 탄탄한 기반이 없으면 그렇다.

AI가 실질적인 가치를 더할 수 있다는 점에는 의심의 여지가 없다. 다만 리더는 직원들이 성공할 지식, 지원, 조율을 갖추도록 해야 한다. 일선 직장의 보고를 보면 아직 할 일이 많다.

인간 중심 AI 접근법이란 무엇이며 어떻게 실현할까?

인간 중심 AI 접근법이란 무엇일까? AI를 업무 흐름에 통합할 때 실용적인 경로는 어떻게 더 나은 결과로 이어질 수 있을까?

직장에서 AI를 지지하는 사람에게 좋은 출발점은 사람을 대체하는 것이 목표가 아님을 인정하는 것이다. 사람의 요구, 일상의 불편, 판단, 목표를 이해해 마찰을 줄이고 우리의 지능을 확장하는 것이 목표다.

인간 중심의 양질의 AI를 직장에 도입하기 위한 교훈은 두 가지다. 첫째, 생성형 AI를 사용하는 팀이 풍부한 맥락과 개선을 통해 더 좋은 결과를 얻도록 교육과 시간을 제공해야 한다.

AI 기능을 제공하는 시스템을 선택할 때는 기술 파트너가 팀의 요구를 정말 이해하는지 확인해야 한다. 일상적인 운영 환경, 잘되는 부분, 아직 불편한 부분을 이해해야 한다는 뜻이다.

직장에서 인간 중심 AI는 어떤 모습일까?

AI는 독립적으로 적용해 일을 쉽게 하거나, 업무 흐름에 성가신 빈틈을 남기는 기존 기술을 보완할 수 있다. 예를 들어 광학 문자 인식(OCR)은 텍스트 이미지를 읽고 검색할 수 있는 텍스트로 바꾼다. 종이 영수증이나 청구서를 경비 보고 소프트웨어에 입력하는 일을 간소화하는 데 오랫동안 쓰였다.

그러나 OCR을 자주 쓰는 사람은 이것이 항상 광고대로 작동하지는 않는다는 것을 안다. 움직이는 기차에서 찍은 영수증이 접혀 정보가 가려졌을 수도 있다. 청구서가 알아보기 어려운 손글씨로 쓰였을 수도 있다. 날짜는 유럽식인데 시스템은 미국식만 인식할 수도 있다.

OCR이 데이터를 정확히 옮기지 못하는 이유는 무수히 많다. 한계가 있는 기술이기 때문이다. AI 같은 더 정교한 기술을 통합하면 빈틈을 메우고 수치를 직접 입력하는 불편을 마침내 없앨 수 있다.

이는 인간 중심 AI가 가능하게 할 일의 시작에 불과하다. AI의 역량을 활용한 새 애플리케이션은 업무 마찰을 훨씬 더 줄일 수 있다. 예를 들어 적절한 프롬프트와 과거 거래 데이터의 패턴에 대한 신중한 인식을 통해, AI는 사용자 중심의 맥락에서 비용 부서, 프로젝트 정보 등을 추론해 청구서의 기재 항목 너머의 맥락까지 더할 수 있을 것이다.

인간 중심 AI는 회사 ERP 같은 시스템 밖에서 사람에게 업무를 전달해 마찰을 줄일 수도 있다. 대부분의 사람은 주된 업무를 ERP 안에서 수행하지 않지만, 근무 시간표나 직원 요청을 승인하려면 ERP와 다른 시스템에 로그인해야 한다.

AI 에이전트가 의사결정에 필요한 맥락과 함께 그 일을 이미 사용 중인 프로그램으로 가져다준다면 어떨까? 절차를 계속 진행하고 직원의 집중을 유지할 수 있다. 이런 AI는 데이터 입력이나 여러 시스템 로그인처럼 부가가치가 없는 작업을 없앨 수 있다.

인간 중심 AI는 재무 기능을 어떻게 바꾸고 있을까?

민첩하고 반복적인 AI 접근법은 이미 재무 기능을 크게 바꾸고 있다. 재무 전문가가 스프레드시트와 분석에 몰두하면 숫자 뒤의 이야기를 설명하는 사고로 전환하기 어려울 수 있다. 그 맥락을 제공하도록 돕는 AI 에이전트를 만들면 어떨까?

예를 들어 일탈과 이상은 재무 전문가에게 만성적인 불편이다. AI는 기업 지출 급증을 설명할 맥락을 제공해 부담을 덜 수 있다. 잘 설계된 에이전트는 재무 분석가가 차이를 찾으려 모든 표를 살피기 전에 잠재적 문제를 표시할 수 있다.

마찬가지로 민첩하고 반복적인 AI는 인사 분야에서 이상이 드러나기 전에 이를 표시할 수 있다. 급여 처리 후 금액 차이가 나고 직원이 질문하면, 인사팀 누군가는 모든 일을 멈추고 원인을 상세히 분석해야 한다. 바쁜 팀에는 큰 부담이다.

신중하게 설계한 에이전트는 직원에게 영향이 가기 전에 이상을 드러내고 표시하며, 인사 의사결정자가 있는 곳에서 맥락을 제공할 수 있다. 그러면 팀은 불 끄기식 대응보다 생산성 극대화에 집중하고 운영도 원활해진다.

마찰과 워크슬롭 없애기: 직접 만든 에이전트인가, 공급업체의 AI인가?

워크슬롭을 피하고 AI의 실질적인 가치를 얻는 최선의 길은 가치 없는 작업을 맡겨 매일 마주하는 불편을 줄이는 방법을 찾는 것이다. 재무와 인사 분야의 여러 역할을 포함해 일부 직원에게 시스템 데이터 입력은 신중한 자동화로 흔히 없앨 수 있는 불편이다.

콘텐츠를 만드는 사람에게 타이핑은 일의 일부다. 그러나 AI를 효과적으로 쓰려면 의미 있는 콘텐츠를 만들고 후속 단계의 동료에게 추가 일을 떠넘기지 않는 프롬프트를 작성하도록 돕는 교육, 협업, 정책이 필요하다.

업무 자동화의 적절한 해법은 역할과 업종에 따라 다르다. 다만 직장에 AI를 통합하는 리더는 직접 에이전트를 만들지, 공급업체의 즉시 사용 가능한 AI 솔루션을 도입할지 결정해야 하는 경우가 많다.

AI 전문지식에 대한 제한 없는 접근이나 상시 서비스 계약을 맺은 시스템 통합업체 등 튼튼한 IT 자원이 있는 기업에는 가능성이 거의 무한하다. 이 경우 고객이 직접 AI 솔루션을 만들 수 있는 에이전트 구축 기술을 제공하는 공급업체가 적합할 수 있다.

하지만 많은 기업은 이런 자원을 이용할 수 없다. 자원이 있더라도 후속 단계의 함정을 피할 교육과 자원 없이 자체 에이전트를 만들려 하면 워크슬롭이 빠르게 문제가 될 수 있다.

보안도 중요한 고려사항이다. 사람들은 AI를 사용할 것이라는 사실을 기억하자. 이는 확실하다. 따라서 직원이 혼란을 초래하지 않고 안전하고 투명하게 사용하도록 하는 것이 리더의 일이다.

공급업체를 고를 때 무엇을 고려해야 할까?

많은 기업에서 공급업체의 AI 지원 시스템은 좋은 선택이다. 다만 모든 제품이 같지는 않다. 워크슬롭을 피하고 진짜 가치를 얻는 최선의 방법은 사용자를 최대한 깊이 이해하는 시스템을 찾는 것이다.

예를 들어 AI 지원 ERP로 운영을 개선하려면 후보 공급업체에 다음을 물어보자.

• 직원이 가장 자주 겪는 마찰을 없애는가?
• 직원이 마주하는 가장 어려운 문제를 해결하는가?
• 조직 안의 다양한 전문성 수준에 대응하는가?
• 사람을 계속 참여시키고 책임성과 투명성을 보장하는가?

콘텐츠 생성, 업무 흐름 자동화, 질문 답변 중 무엇에 사용하든 결과의 품질은 시스템이 사용자의 맥락을 얼마나 아느냐에 달려 있다. 기술 파트너에게 솔루션이 어떻게 사람을 중심에 놓고 실질적 가치를 전달하는지 물어보자.

워크슬롭은 피할 수 없을까?

공급업체가 누구든, 직접 에이전트를 만들든 즉시 사용 가능한 자동화로 마찰을 없애는 솔루션을 쓰든, AI가 안전하고 투명하며 가치를 더하도록 하는 책임은 리더에게 있다.

인간 중심 AI는 실제 문제를 풀고 사람의 일을 쉽게 하는지만으로 정의되지 않는다. 실용적인 인간 중심 AI는 사람을 계속 참여시키기도 한다. 결과에 대한 책임은 결국 우리 인간에게 있기 때문이다.

워크슬롭은 AI 진화에서 피할 수 없는 단계일지 모르지만 재무 조직의 영구적인 일부가 될 필요는 없다. 사람을 과정의 중심에 두고, 교육에 투자하고, 업무 맥락을 이해하는 공급업체를 선택하면 CFO는 ERP 시스템에서 새로운 생산성과 전략적 가치를 끌어낼 수 있다.

다음 ERP 혁신의 물결은 사용자의 사업을 사용자만큼 잘 이해하고, 통찰을 제공하고, 일상 업무를 자동화하며, 재무 책임자가 가장 중요한 일에 집중하도록 돕는 AI가 이끌 것이다.

재무의 미래는 맥락이 풍부하고 민첩하며 사람이 이끈다. 오늘 사용해 내일로 나아갈 수 있는 도구를 누릴 자격이 있다. 실용적인 인간 중심 AI로 워크슬롭을 넘어 그 목적지에 이를 수 있다.