AI가 만든 성과, 보상은 누구에게 돌아가야 하나 — 성과급 체계의 세 가지 균열

AI가 만든 성과, 보상은 누구에게 돌아가야 하나 — 성과급 체계의 세 가지 균열

성과급이라는 단어가 뉴스에 등장할 때마다 분위기가 달라졌다. 삼성전자 반도체 부문이 성과급 상한선을 폐지하겠다는 잠정 합의안을 내놓자, 업계 전체가 술렁였다. 동시에 300인 미만 중소기업의 성과급 도입률은 6.4%에 불과하다. 이 숫자 사이에 낀 실무자라면, 한 가지 질문이 계속 맴돈다. AI가 업무의 상당 부분을 대신 처리하는 시대에, 성과의 주인은 누구인가.

한 줄 요약: AI가 업무 성과를 직접 생산하는 비중이 커지면서, ‘누구의 성과인가’라는 질문이 기존 성과급 체계의 근간을 흔들고 있다.

성과급 체계의 전제가 무너지고 있다

전통적 성과급은 단순한 공식 위에 서 있다. 개인이 노력 → 결과가 나옴 → 결과에 비례해 보상. 이 공식이 작동하려면 세 가지 조건이 필요하다. 명확한 보상 철학, 공정한 평가, 그리고 의미 있는 차등화. Gartner가 2025년 12월 1,622명을 대상으로 조사한 결과, 성과와 급여 사이에 강한 연결고리가 있다고 믿는 직원은 그렇지 않은 직원보다 생산성이 17% 높았다. 이 연결고리가 무너지면, 보상은 동기부여가 아니라 불만의 원천이 된다.

문제는 AI가 이 세 가지 조건 모두를 흔들고 있다는 점이다.

먼저, 보상 철학의 혼란. 개인이 프롬프트 한 줄로 보고서를 완성하고, AI 에이전트가 데이터 분석을 끝내는 환경에서 ‘개인의 노력’과 ‘도구의 출력’을 어떻게 구분할 것인가. 솔직히, 이 질문에 깔끔한 답을 가진 기업은 아직 본 적이 없다.

다음으로, 평가의 편향. AI로 성과 평가를 보조하면 관리자당 평균 4시간을 절약할 수 있다는 조사 결과가 있지만, 동시에 AI가 과거 데이터의 편향을 그대로 재생산할 위험도 함께 올라온다. 연세대 신현한 교수의 지적처럼, 한국 기업은 미국과 달리 정성적 평가자 판단에 크게 의존하는 구조여서 AI가 끼어들 때 정보 비대칭이 오히려 심화될 수 있다.

마지막으로, 차등화의 극단화. AI를 능숙하게 활용하는 소수에게 보상이 쏠리면서, 같은 팀 안에서도 성과급 격차가 벌어진다. 이건 좀 아이러니한 상황이다 — 도구를 잘 다루는 사람에게 보상이 집중되는 건, 결국 엑셀을 잘 쓰는 사람에게 인센티브를 몰아주는 것과 구조적으로 다르지 않다.

‘누구의 성과인가’ — 한국 기업이 직면한 보상 양극화

숫자로 보면 양극화는 이미 진행 중이다. 1,000인 이상 대기업의 성과급 도입률은 46.2%이고, 2025년 상반기 특별급여(성과급 포함)는 전년 대비 8.1% 증가했다. 반면 300인 미만 사업장은 여전히 6.4%에 그친다. AI 인프라를 갖춘 대기업은 성과급 파이를 키우고, 중소기업은 성과급 자체가 존재하지 않는 이중 구조다.

삼성전자의 사례를 들여다보면 방향이 보인다. DS(반도체) 부문은 성과급 재원을 사업성과의 10.5%로 고정하면서 상한선을 폐지했다. 메모리 사업부 직원이 수억 원대 자사주 성과급을 받을 수 있는 구조다. 개인적으로는, 이 모델의 핵심은 상한 폐지 자체가 아니라 ‘사업성과 대비 비율’을 명문화했다는 점에 있다고 본다. 기준이 눈에 보이니 갈등의 여지가 줄어든다.

성균관대 최재필 교수는 이를 이렇게 정리한다. “AI 시대에는 ‘누가 대체 불가능한가’가 보상의 기준이 될 것.” 맞는 말이다. 하지만 실무 현장에서 ‘대체 불가능성’을 측정하는 건, 말처럼 쉬운 일이 아니다.

성과급 재설계 — 개인 기여에서 ‘기여 생태계’로

그렇다면 대안은 무엇인가. Gartner는 성과급 체계를 AI 시대에 맞게 진화시키기 위해 세 가지 기반을 다시 세워야 한다고 진단한다. AI 시대에 맞는 성과 철학 재정의, AI를 판단의 ‘입력값’으로만 활용하는 평가 체계, 그리고 협업 중심의 보상 구조 전환이 그것이다.

구체적으로, 선도 기업들은 이미 보상 구조를 바꾸고 있다.

• 팀 기반 인센티브: 순수 개인 KPI 대신 팀 KPI(예: 고객 유지율, 제품 도입률)를 공유 보너스에 연동한다. AI가 팀 전체의 생산성을 올릴 때, 그 성과를 개인에게 쪼개는 대신 팀 단위로 환원하는 방식이다.
• 스킬 기반 보상: AI 활용 역량 자체를 보상 항목으로 인정한다. 단순히 AI를 ‘쓰는’ 것이 아니라, AI를 조직에 내재화하고 동료에게 전파하는 행위를 평가한다.
• 총보상 패키지: 기본 연봉 경쟁 대신 성과급 산식, 주식 보상, 프로젝트 인센티브를 총망라한 패키지로 승부한다. 이미 채용 시장은 ‘연봉이 얼마냐’가 아니라 ‘총보상 구조가 어떻게 되냐’로 질문이 바뀌고 있다.

flowchart TD
    A[기존 성과급 체계] -->|AI 도입| B{성과 귀속 문제}
    B -->|개인 성과 모호| C[팀 기반 인센티브]
    B -->|도구 활용 격차| D[스킬 기반 보상]
    B -->|보상 양극화| E[총보상 패키지]
    C --> F[기여 생태계 모델]
    D --> F
    E --> F

핵심이다 — 개인 성과급이라는 프레임 자체를 버리자는 게 아니다. AI 시대에 ‘성과’의 정의가 달라졌으니, 보상의 단위도 개인에서 기여 생태계로 확장해야 한다는 것이다. 혼자 만든 보고서와 AI+인간 협업으로 만든 보고서의 가치가 같을 수 없듯이, 평가 기준도 달라져야 한다.

💡 AI·도구로 측정/자동화 가능한 부분

• AI 기여도 추적: 업무 도구에서 AI 호출 빈도·품질을 로그로 남기면, ‘누가 AI를 전략적으로 활용하는가’를 정량화할 수 있다. Lattice의 2026 Spring Release는 1:1 미팅, 과거 리뷰, 피드백을 종합해 증거 기반 성과 초안을 자동 생성한다.
• 편향 탐지 대시보드: 성과 평가 결과를 성별·직급·부서별로 자동 교차 분석해, 구조적 편향 패턴을 시각화한다. NYC Local Law 144는 이미 이런 감사를 법적 의무로 요구하고 있다.
• 팀 기여도 매핑: 프로젝트 관리 도구(Jira, Asana 등)에서 기여 그래프를 자동 생성해, 개인 기여와 협업 기여를 분리 추적한다.
• 보상 시뮬레이터: 성과급 산식을 변경했을 때 부서별·직급별 영향을 미리 시뮬레이션하는 AI 도구. 보상 위원회의 의사결정 시간을 단축한다.
• 실시간 피드백 루프: 연 1회 평가 대신, AI가 주간·월간 단위로 성과 데이터를 수집하고 피드백 초안을 생성한다. 관리자는 검토·승인만 하면 된다.

💡 실무 시사점: AI가 업무 결과물을 직접 생산하는 비율이 높아질수록, 기존 ‘개인 성과 = 개인 보상’ 공식은 균열이 깊어진다. 성과급 체계를 손대기 전에, 먼저 ‘성과의 정의’부터 재설정하는 게 순서다. 보상 철학이 AI 시대에 맞게 업데이트되지 않으면, 아무리 정교한 KPI 대시보드를 깔아도 직원들의 체감 공정성은 올라가지 않는다.

#AI성과급 #보상체계재설계 #성과급양극화 #팀기반보상 #HR테크 #총보상패키지

참고 링크

• Gartner, “HR Leaders Must Evolve Pay for Performance in the Age of AI” (2026)
• 아주경제, “AI 돈잔치 속 성과급 갈등도 활활···한국 기업 ‘보상 체계’ 시험대” (2026)
• Mercer, “AI is the Future of Total Rewards” (2026)
• Lattice, “Spring/Summer 2026 Product Release” (2026)
• HR Executive, “New research reveals AI’s ROI problem” (2026)

작성: 서재홍 | NODE