편한 게 능사는 아니다: AI 시대, 리더가 '도전적 마찰'을 지켜야 하는 이유

1. AI 도입의 이중성과 경영의 새로운 패러다임

1.1 기술적 낙관주의와 현실적 거품의 교차점

2026년 현재, 인공지능(AI) 기술, 특히 생성형 AI(Generative AI)의 도입은 전 세계 기업들에게 선택이 아닌 생존을 위한 필수 과제로 자리 잡았습니다. 하버드 비즈니스 리뷰(HBR)의 분석에 따르면, 현대의 경영진과 디지털 리더들은 여전히 AI에 대해 "강세적 낙관주의(Bullish Optimism)"를 유지하고 있습니다. AI는 조직의 최우선 순위(High Priority)로 간주되고 있으며, 관련 예산 집행은 지속적으로 증가하는 추세입니다. 그러나 이러한 투자 열기의 이면에는 기술적 거품(Bubble)에 대한 우려 또한 공존하고 있습니다. 데이터 센터 건설의 붐과 AI 벤더들의 높은 기업 가치 평가에도 불구하고, 많은 기업이 실제 투자 대비 명확한 수익(ROI)을 증명하는 데 어려움을 겪고 있기 때문입니다.

 

이러한 "전략적 투자 대 가치 입증의 어려움"이라는 거시적 긴장 속에서, 레베카 힌즈(Rebecca Hinds)와 로버트 I. 서튼(Robert I. Sutton)의 연구는 조직 내부의 미시적이고 심리적인 변화에 주목합니다. 그들은 AI가 단순히 업무 효율성을 높이는 도구를 넘어, 인간 노동의 본질적인 의미와 역량 개발의 메커니즘을 근본적으로 뒤흔들고 있음을 지적합니다.

1.2 '도전적 마찰(Challenging Friction)'의 개념과 위기

전통적인 경영학적 관점, 특히 린(Lean) 경영이나 애자일(Agile) 방법론에서 '마찰(Friction)'은 제거되어야 할 비효율의 상징이었습니다. 프로세스는 매끄러워야 하고, 장애물은 사라져야 하며, 모든 업무는 최소한의 저항으로 수행되어야 한다는 것이 혁신의 불문율이었습니다. 그러나 힌즈와 서튼은 이 지점에서 도발적인 화두를 던집니다.

 

"과연 모든 마찰을 제거하는 것이 옳은가?"

 

그들의 연구에 따르면, AI가 지루하고 반복적인 업무(Drudgery)를 제거해 주는 것은 분명한 혜택이지만, 그 과정에서 인간의 성장에 필수적인 '도전적 마찰'까지 함께 제거할 위험이 큽니다.2 도전적 마찰이란, 업무 수행 과정에서 부딪히는 적절한 난이도의 저항감을 의미합니다. 인간은 문제를 해결하기 위해 고민하고, 실패하고, 다시 시도하는 이 '마찰'의 과정 속에서 기술을 연마하고(Build crucial skills), 깊은 몰입을 경험하며, 결과물에 대한 진정한 성취감(Satisfaction)을 느낍니다.

 

본 보고서는 HBR Korea의 아티클 "AI 시대, 리더가 조율해야 할 5가지 긴장"을 중심으로, AI 도입이 가져오는 조직 내의 심리적, 구조적 변화를 심층적으로 분석합니다. 특히 AI가 초래하는 '역량의 역설'과 이를 해결하기 위해 리더가 관리해야 할 5가지의 핵심 긴장 관계를 상세히 풀어나갈 것입니다. 이는 단순한 기술 도입 가이드가 아니라, 기술과 인간이 공존하기 위한 조직 설계의 청사진을 제시하는 것을 목표로 합니다.

2. '마찰의 상실'이 초래하는 조직적 위기: 심층 분석

AI가 업무의 프로세스를 매끄럽게 만들수록, 인간의 인지 능력과 심리적 안녕감에는 의도치 않은 부작용이 발생할 수 있습니다. 연구진이 제시한 사례들은 이러한 현상이 의료, 교육, 일반 사무직 등 전방위적으로 나타나고 있음을 보여줍니다.

2.1 기술적 역량의 퇴화: 폴란드 내시경 전문의 사례 연구

AI 도입의 가장 즉각적이고 가시적인 위험은 인간 고유 역량의 저하(Skill Degradation)입니다. 이를 가장 극명하게 보여주는 사례가 폴란드의 내시경 전문의(Endoscopists)를 대상으로 한 연구 결과입니다.

연구 대상	실험 조건	결과 (Performance)	시사점
폴란드 내시경 전문의	AI 진단 보조 도구 사용 시	진단 정확도 상승	AI의 보조는 인간의 판단력을 증강시킴
	AI 도구 제거 후	기존 대비 성과 하락	'인지적 의존성'으로 인한 고유 역량 퇴화 확인

이 연구 결과는 '인지적 오프로딩(Cognitive Offloading)'의 위험성을 경고합니다. 의사들이 AI의 판단에 지속적으로 의존하게 되면서, 미세한 병변을 스스로 식별하고 판단하는 뇌의 시냅스 연결이 약화된 것입니다. AI가 있을 때는 '슈퍼 닥터'가 되지만, AI가 사라지는 순간 평범한 의사, 혹은 그보다 못한 수준으로 전락할 수 있다는 사실은 리더들에게 심각한 질문을 던집니다.

 

시스템 오류, 네트워크 장애, 혹은 예기치 못한 엣지 케이스(Edge Case)가 발생했을 때, AI 없이 문제를 해결할 수 있는 '휴먼 인 더 루프(Human-in-the-loop)'가 존재하지 않는다면 조직의 리스크 관리 능력은 붕괴될 수 있습니다. 이는 단순히 효율성의 문제가 아니라, 조직의 회복 탄력성(Resilience)과 직결된 생존의 문제입니다.

2.2 창의성의 역설: 수렴(Convergence)과 알파파의 실종

창의성 영역에서의 AI 도입 효과 또한 복합적입니다. 생성형 AI는 초기 아이디어 발상 단계에서 막대한 도움을 줍니다. 연구에 따르면, AI를 사용하여 에세이를 작성한 학생들은 초기 단계에서 창의성 지표가 급격히 상승하는 모습을 보였습니다. 빈 화면(Blank Page)의 공포를 없애주고, 다양한 어휘와 문장 구조를 제안해 줌으로써 진입 장벽을 낮춘 것입니다.

그러나 장기적인 관점에서, 그리고 깊이 있는 창의성의 관점에서는 우려스러운 징후가 포착되었습니다.

1. 아이디어의 수렴(Convergence): 시간이 지날수록 학생들의 결과물은 AI가 학습한 확률적 평균, 즉 가장 보편적이고 일반적인 단어와 아이디어로 수렴하는 경향을 보였습니다. 이는 AI가 '평균적인 훌륭함'을 대량 생산할 수는 있어도, 기존의 틀을 깨는 파괴적 혁신(Disruptive Innovation)을 만들어내는 데는 한계가 있음을 시사합니다.
2. 알파파(Alpha Wave) 활동의 감소: 더욱 심각한 것은 생리학적 변화입니다. 창의적 몰입 상태나 깊은 사색에 잠겨 있을 때 인간의 뇌에서 관찰되는 '알파파' 활동이, AI를 과도하게 사용하는 학생들에게서 현저히 감소했습니다. 이는 학생들이 문제와 씨름하며 뇌를 '쥐어짜는' 고통스러운 과정을 AI에게 외주화(Outsourcing)했음을 의미합니다.

도전적 마찰이 없는 창의성은 껍데기에 불과할 수 있습니다. 힌즈와 서튼은 이러한 현상이 지속될 경우, 조직 내에서 진정한 의미의 '독창성'이 사라지고, 모두가 AI가 뱉어내는 비슷비슷한 수준의 결과물에 만족하는 '평범함의 함정'에 빠질 수 있음을 경고합니다.

2.3 의미의 상실과 심리적 웰빙: 유럽 20개국 노동자 연구

2025년 유럽 20개국을 대상으로 수행된 대규모 연구는 AI 자동화가 노동자의 심리에 미치는 영향을 통계적으로 입증했습니다. 고도로 자동화된 환경에서 근무하는 노동자들은 기술적으로 업무가 훨씬 쉬워졌음(Easier)에도 불구하고, 심리적 웰빙 지수는 오히려 하락했습니다.

• 목적 의식(Sense of Purpose)의 저하: 자신이 기계의 부속품처럼 느껴지며, 결과물에 대한 자신의 기여도를 체감하기 어려워졌습니다.
• 통제감(Sense of Control)의 상실: 알고리즘이 업무의 속도와 방식을 결정하게 되면서, 자율성이 훼손되었습니다.
• 스트레스(Stress)의 증가: 역설적으로 업무 강도가 낮아졌음에도, 대체 가능성에 대한 불안감과 기계적 속도에 맞춰야 한다는 압박감이 스트레스를 가중시켰습니다.

이는 '일을 쉽게 만드는 것'이 능사가 아님을 보여줍니다. 인간은 자신의 노력과 기술이 결과물에 반영되었다고 느낄 때 직무 만족을 얻습니다. AI가 모든 어려운 일을 처리해 버린다면, 인간은 '소외(Alienation)'를 경험하게 됩니다.

2.4 메타인지(Metacognition) 격차: 새로운 불평등의 기원

HBR의 연구 자료에서 발견된 중요한 시사점 중 하나는 AI가 모든 사람에게 동일한 영향을 미치지 않는다는 점입니다. 특히 창의성 측면에서 AI는 '메타인지(Metacognition) 능력이 높은 직원'에게는 강력한 무기가 되지만, 그렇지 않은 직원에게는 단순한 목발에 불과합니다.

• 메타인지가 높은 그룹: 자신의 사고 과정을 모니터링하고 계획할 수 있는 능력을 가진 이들은, AI가 내놓은 결과물을 비판적으로 검토하고, 질문을 재설계하며, 전략적으로 반복(Iterate)하여 더 나은 결과물을 도출합니다. 이들에게 AI는 지적 능력을 확장하는 도구입니다.
• 메타인지가 낮은 그룹: AI의 결과물을 맹목적으로 수용하거나, 스스로 사고하는 과정을 생략해 버립니다. 이들은 AI 의존도가 높아질수록 독자적인 문제 해결 능력을 상실하게 됩니다.

따라서 조직은 AI 도입 시 단순한 툴 사용법 교육(Functional Training)을 넘어, 사고하는 법을 가르치는 메타인지 훈련(Metacognitive Training)에 집중해야 합니다. 그렇지 않으면 조직 내의 역량 격차는 돌이킬 수 없을 만큼 벌어질 것입니다.

3. 리더십의 핵심 과제: 5가지 긴장(The 5 Tensions)의 전략적 조율

힌즈와 서튼은 100명 이상의 전문가 및 경영진(35명의 직접 인터뷰 포함)과의 연구를 통해, AI 도입 과정에서 필연적으로 발생하는 5가지의 구조적 긴장을 도출했습니다. 이 긴장들은 어느 한쪽을 선택하고 다른 쪽을 버려야 하는 문제(Problem)가 아니라, 상황에 따라 끊임없이 균형을 맞춰야 하는 딜레마(Dilemma)이자 디자인 과제(Design Challenge)입니다.

긴장 1: 전문가 대 초심자 (Experts vs. Novices)

"누구를 위해 시스템을 설계할 것인가?"

AI는 지식 근로의 진입 장벽을 낮추어 초심자(Novices)에게 막대한 이득을 줍니다. 코딩을 모르는 신입 사원이 앱을 개발하고, 주니어 마케터가 시니어급의 카피라이팅을 할 수 있게 됩니다. 이는 조직 전체의 생산성 하한선을 높이는 '상향 평준화' 효과를 가져옵니다. 그러나 전문가(Experts)에게는 상황이 다릅니다. 연구에 따르면, 전문가들은 자신의 직관과 경험을 통해 문제를 해결하는 과정에서 깊은 통찰을 얻는데, AI는 이 과정을 단축시킴으로써 전문가의 '직관 근육'을 약화시킬 수 있습니다. 또한, 전문가와 초심자의 사고 패턴 차이는 AI 활용 방식에서도 드러납니다.

 

디자인 콘셉트 개발 실험에서 전문가들은 AI가 생성한 '2차적 의미 설명(Semantic Descriptions)'을 검토하고 발전시키는 데 평균 9.06분을 사용한 반면, 초심자들은 5.44분만을 사용하고 다음 단계로 넘어갔습니다.

구분	AI 활용 시간 (평균)	행동 패턴 분석
전문가	9.06분	AI의 제안을 자신의 지식과 대조하며 비판적으로 검토. 아이디어를 버리는 것을 주저하며 깊이 파고듬.
초심자	5.44분	AI의 제안을 빠르게 수용하고 다음 단계로 이동. 속도는 빠르나 깊이가 얕음.

 

[리더십 전략]

리더는 초심자에게는 '가드레일'을, 전문가에게는 '자유도'를 부여해야 합니다.

1. 초심자: AI를 통해 빠른 성과를 내게 하되, 반드시 그 결과물이 나온 원리를 역설계(Reverse Engineering)하여 학습하도록 강제해야 합니다. "AI가 했어요"는 변명이 될 수 없음을 명확히 해야 합니다.
2. 전문가: AI를 자신의 전문성을 검증하거나 엣지 케이스를 탐색하는 '레드팀(Red Team)'으로 활용하도록 유도해야 합니다. 전문가들이 AI의 속도에 매몰되어 자신의 가장 큰 자산인 '깊은 사고(Deep Thinking)'를 포기하지 않도록 보호해야 합니다.

긴장 2: 중앙집권화 대 분권화 (Centralization vs. Decentralization)

"통제할 것인가, 해방시킬 것인가?"

AI 도입 초기, 많은 기업은 리스크 관리와 데이터 보안을 이유로 강력한 중앙집권적 통제(Centralization)를 선호합니다. 특히 '지능형 프로토콜(Intelligent Protocol)'을 통해 전사적인 표준을 수립하고, 중복 투자를 방지하며, 데이터 사일로를 타파하려는 시도는 타당성을 가집니다. 하지만 AI의 혁신은 현장(Edge)에서 발생합니다. 각 부서와 팀이 자신들의 구체적인 페인 포인트(Pain Point)를 해결하기 위해 자유롭게 툴을 실험하고 적용하는 분권화(Decentralization)된 환경 없이는, AI는 그저 비싼 장난감에 머물 수 있습니다.

 

[리더십 전략]

현명한 리더는 이분법을 넘어선 '연방제 모델(Federal Model)'을 채택해야 합니다.

• Tight (중앙 통제): 데이터 프라이버시, 보안 규정, 윤리적 가이드라인, 핵심 인프라 플랫폼.
• Loose (현장 자율): 프롬프트 엔지니어링 방식, 구체적인 애플리케이션 개발, 업무 워크플로우 재설계.
• Pernod Ricard의 사례처럼, 기술적 준비(Technology Readiness)뿐만 아니라 조직적 준비(Organizational Readiness)와 직원들의 수용성(Buy-in)을 높이기 위해서는 현장에 주도권을 이양하는 것이 필수적입니다.

긴장 3: 가파른 위계 대 평평한 위계 (Steep vs. Flat Hierarchies)

"AI는 조직을 수평적으로 만드는가, 아니면 감시를 강화하는가?"

기술적 관점에서 AI는 조직을 평평하게(Flat) 만듭니다. 정보의 접근성이 민주화되면서, 중간 관리자를 거치지 않고도 말단 직원이 고급 데이터에 접근할 수 있고, CEO가 현장의 목소리를 직접 들을 수 있게 되기 때문입니다. 이는 의사결정 단계를 축소하고 조직을 민첩하게 만듭니다. 그러나 정치적 관점에서 AI는 위계를 더욱 가파르게(Steep) 만들 수도 있습니다. 경영진은 AI 기반의 대시보드를 통해 직원들의 활동을 실시간으로 감시하고, 탑다운(Top-down)으로 마이크로 매니지먼트를 할 수 있는 강력한 권한을 갖게 됩니다. 이는 '디지털 파놉티콘(Digital Panopticon)'을 형성하여 조직 내 신뢰를 저해할 수 있습니다.

 

[리더십 전략]

리더는 AI를 '감시의 도구'가 아닌 '임파워먼트(Empowerment)의 도구'로 정의해야 합니다. 조직 구조가 평평해질 때 발생할 수 있는 '책임 소재의 불분명함'을 방지하기 위해, 역할과 책임(R&R)을 명확히 재설계해야 합니다. 중간 관리자의 역할은 '정보 전달자'에서 'AI 코치' 및 '인간적 연결자'로 변화해야 합니다.

긴장 4: 속도 대 숙고 (Fast vs. Slow)

"얼마나 빨라야 하는가? 그리고 언제 멈춰야 하는가?"

생성형 AI의 가장 큰 매력은 압도적인 속도(Velocity)입니다. 몇 주가 걸리던 시장 조사 보고서가 몇 분 만에 완성됩니다. 비즈니스 속도전에서 AI는 강력한 무기입니다. 하지만 힌즈와 서튼은 '속도'가 항상 미덕은 아니라고 경고합니다. 중요한 전략적 의사결정, 윤리적 판단, 복잡한 이해관계 조정이 필요한 순간에는 의도적으로 속도를 늦추고(Slow) 숙고(Deliberation)하는 과정이 필수적입니다. AI가 생성한 '그럴듯한 헛소리(Hallucination)'나 편향된 정보를 검증하지 않고 속도전으로 밀어붙일 경우, 조직은 치명적인 오류를 범할 수 있습니다.

 

[리더십 전략]

리더는 조직 내에 '의도적 감속 구간(Speed Bumps)'을 설치해야 합니다.

• Fast Track: 단순 반복 업무, 초안 작성, 데이터 요약 등은 AI를 통해 최대한 빠르게 처리.
• Slow Track: 최종 의사결정, 인사 평가, 위기 관리 등은 반드시 인간 위원회의 교차 검증을 거치도록 강제.
• "빨리 가는 것이 목적이 아니라, 제대로 가는 것이 목적"임을 상기시키며, AI의 속도에 취해 비판적 사고를 놓치지 않도록 경계해야 합니다.

긴장 5: 하향식 변화 대 동료 주도 변화 (Top-Down vs. Peer-Driven Change)

"변화를 지시할 것인가, 전파되게 할 것인가?"

AI 트랜스포메이션은 막대한 인프라 투자가 필요하므로 CEO의 강력한 비전 제시와 하향식(Top-Down) 추진력이 필수적입니다. 리더십의 명확한 시그널 없이는 조직 전체가 움직이지 않습니다. 그러나 실제 현장에서의 변화는 동료 주도(Peer-Driven)로 일어날 때 가장 강력합니다. "경영진이 시켜서" 하는 AI 활용은 저항을 부르지만, "옆 동료가 AI를 써서 칼퇴하더라"는 소문은 자발적인 학습 열풍을 불러옵니다.

 

[리더십 전략]

가장 효과적인 접근은 '샌드위치 전략'입니다.

• Top-Down: 인프라 구축, 예산 지원, "실패해도 좋다"는 심리적 안전감 제공.
• Peer-Driven: 사내 'AI 챔피언' 발굴, 베스트 프랙티스 공유회, 해커톤 등을 통해 동료 간의 수평적 전파 유도.
• 리더는 변화의 설계자가 되되, 변화의 확산은 구성원들에게 맡기는 지혜가 필요합니다.

4. 실행을 위한 제언: 인간 중심의 AI 가드레일 구축

이상의 논의를 종합할 때, 리더에게 요구되는 것은 AI를 무조건적으로 도입하는 '속도'가 아니라, AI와 인간의 강점을 조화시키는 '균형 감각'입니다. 이를 위해 조직이 구축해야 할 구체적인 가드레일(Guardrails)을 다음과 같이 제안합니다.

4.1 '마찰 총량 보존'을 위한 업무 재설계

업무에서 불필요한 마찰(단순 반복)은 AI로 제거하되, 성장에 필요한 마찰(창의적 고민, 복잡한 문제 해결)은 의도적으로 남겨두거나 새롭게 설계해야 합니다.

• 제안: AI가 초안을 작성하더라도, 최종 결과물에 대한 '인간의 고유한 통찰(Original Insight)'이 포함되지 않으면 승인하지 않는 평가 기준 도입.

4.2 메타인지 강화 프로그램 도입

단순한 프롬프트 엔지니어링 교육을 넘어, AI의 결과물을 의심하고 검증하며 더 나은 질문을 던지는 능력을 키워야 합니다.

• 제안: 'AI와의 토론(Debate with AI)' 워크숍 정례화. AI의 논리적 허점을 찾아내거나, AI와 대립각을 세워 더 나은 결론을 도출하는 훈련 실시.

4.3 심리적 안전감과 고용 안정성 보장

유럽 연구에서 나타난 스트레스 증가는 '대체 공포'에서 기인합니다. 직원들이 AI를 경쟁자가 아닌 파트너로 인식하게 해야 합니다.

• 제안: "AI로 절감된 시간은 인원 감축이 아닌, 새로운 가치 창출 업무(R&D, 고객 관계 심화 등)에 재투자된다"는 명확한 메시지와 로드맵 제시.

5. 결론: 긴장 위에서 춤추는 리더십

"AI 시대, 리더가 조율해야 할 5가지 긴장" 보고서의 핵심은 명확합니다. 기술은 발전할수록 인간의 삶을 편하게 만들지만, 때로는 그 편안함이 인간의 성장을 저해하는 독이 될 수 있습니다. 리더는 이 역설을 직시해야 합니다. 현명한 리더는 전문가와 초심자, 중앙과 분권, 위계와 평등, 속도와 숙고, 탑다운과 바텀업 사이에서 흔들리는 추(Pendulum)와 같습니다. 그들은 어느 한쪽 극단에 머물지 않고, 조직의 상황에 맞춰 끊임없이 중심을 잡으려 노력합니다. 이 '조율'의 과정 자체가 바로 AI 시대 리더십의 본질입니다.

 

우리는 AI에게 지루한 일을 넘겨주되, '의미 있는 고통'**과 '성장을 위한 마찰'은 꽉 붙들고 있어야 합니다. 그것이 바로 우리가 기계가 아닌 인간으로 남을 수 있는, 그리고 기계를 지배하는 주인으로 남을 수 있는 유일한 길이기 때문입니다.