NODE

TRACK

실무 문서 가이드

0 / 0 섹션 완료

[AI×노동 회고] 2026년 6월: AI 에이전트는 팀에 합류했는데, 조직 설계는 멈춰 있다

, , , , , ,

3.8%.

한국은행이 6월에 내놓은 숫자다. AI를 도입한 기업에서 주당 근로시간이 평균 3.8%, 약 1.5시간 줄었다. 좋은 소식처럼 들리지만, 반전이 있다. 산출량 증가와의 상관관계는 거의 0이었다. 시간은 절약했는데 성과는 그대로라는 뜻이다.

같은 달, Anthropic은 슬랙에서 팀원처럼 멘션하면 바로 응답하는 AI 에이전트 ‘클로드 태그’를 출시했고, MIT Technology Review는 빅테크가 AI를 “동료(coworker)”로 마케팅하기 시작했다고 경고했다. 구글은 Gemini 3.5 Flash에 컴퓨터를 직접 조작하는 기능을 넣었고, Microsoft는 모든 코파일럿 서비스를 하나로 합치는 슈퍼 앱을 개발 중이다.

그러니까 상황은 이렇다. AI 에이전트가 ‘팀원’으로 합류하는 속도는 월 단위로 빨라지는데, 한국 기업의 직무설계·성과평가·조직구조는 ‘사람만 있던 시절’에 고정돼 있다. 이 격차가 AI 도입에도 생산성이 정체하는 진짜 원인이다.

6월 한 달간 수집한 AI 소스 50건을 클러스터별로 뜯어보면서, 이 격차가 어디서 벌어지고 있는지 추적해본다.

신모델 전쟁 — “빠르고 싸고 강하다”의 동시 충족

6월의 모델 출시를 한 줄로 요약하면 “성능 천장이 올라가는 동시에 바닥 가격이 내려갔다”는 거다.

Anthropic이 6월 30일 Claude Sonnet 5를 공개했다. 100만 토큰 컨텍스트 윈도우에 적응형 사고(adaptive thinking)를 기본 탑재했고, 성능은 Opus 4.8에 근접하면서 비용은 훨씬 낮다(Simon Willison, 6/30). 같은 날 Google은 Nano Banana 2 Lite와 Gemini Omni Flash를 내놨고, 6월 초엔 이미 Gemini Omni(DeepMind, 6/2)를 발표한 바 있다.

중국 쪽도 조용하지 않다. MiniMax가 M3를 출시했는데, 일부 벤치마크에서 GPT-5.5와 Gemini 3.1 Pro를 이기면서 가격은 미국 모델의 5~10% 수준이라고 밝혔다(AI타임스, 6/2). 100만 토큰 컨텍스트, 네이티브 멀티모달, 희소 어텐션까지. 솔직히 이 가격 경쟁력은 위협적이다.

OpenAI와 Broadcom은 Jalapeno라는 LLM 추론 전용 칩을 공개했다(6/24). 엔비디아 의존에서 벗어나려는 자체 하드웨어 전략의 신호탄이다. 한편 xAI의 일론 머스크는 그록 4.5가 비공개 베타 중이며 “클로드 오퍼스를 능가할 것”이라고 주장했다(AI타임스, 6/29). 1조 5천억 파라미터라는 규모만 보면 과시 같기도 하지만, 경쟁 강도 자체가 의미 있다.

HR 관점에서 이게 뭘 의미하냐면 — 6개월 전에는 “우리 회사에 맞는 AI 모델이 뭐냐”가 질문이었다. 지금은 “분기마다 새 모델이 나오는데, 직원 교육을 어떤 주기로 해야 하냐”가 질문이 돼야 한다. 모델 교체 주기가 빨라지면 사내 AI 리터러시 교육도 일회성 워크숍이 아니라 상시 체계로 바뀌어야 한다.

에이전트가 팀에 합류하다 — 도구에서 동료로

이번 달 가장 눈에 띄는 변화다. AI가 “도구”에서 “동료”로 포지셔닝이 바뀌고 있다.

구체적인 사례를 보자. Anthropic은 상시 접속 에이전트 Conway, 능동형 비서 Orbit, 슬랙 전용 Claude Tags를 잇달아 발표했다(AI타임스, 6/1·6/24). Microsoft는 깃허브 코파일럿·채팅·AI 에이전트를 하나로 묶는 코파일럿 슈퍼 앱을 개발 중이고(AI타임스, 6/1), 한국의 바이브컴퍼니도 비개발자부터 고급 개발자까지 에이전트를 만들 수 있는 바이브 에이전트 플랫폼을 출시했다(AI타임스, 6/30).

Google은 아예 Gemini 3.5 Flash에 Computer Use 기능을 넣었다(6/24). 스크린샷 찍고, 화면 요소를 식별하고, 클릭·타이핑까지 하는 거다. 에이전트가 컴퓨터를 직접 쓰는 시대가 온 셈이다.

개인적으로 이 흐름에서 가장 인상 깊었던 건 두 가지다. Microsoft Research의 SkillOpt(6/30)는 에이전트 스킬 명령어 자체를 학습 가능한 파라미터로 만든다. 모델 가중치를 건드리지 않고도 에이전트 신뢰성을 높이는 접근이다. 그리고 arXiv에 올라온 Agents-A1(6/30)은 35B 파라미터 MoE 모델이 에이전트 호라이즌 스케일링으로 조(兆) 단위 모델 성능에 도달했다고 보고했다.

MIT Technology Review는 이 흐름을 경고 모드로 다뤘다. “AI를 동료라고 부르는 건 위험하다. 역량에 대한 거짓 기대와 책임 소재의 모호함을 만든다”는 거다(6/30). 맞는 말이다.

(그런데 솔직히, 이미 현장에선 “AI한테 시키면 돼”가 일상어가 됐다. 경고만으로는 안 된다. HR이 ‘인간-에이전트 혼합 팀’의 역할·책임·성과 기준을 먼저 정의해야 한다.)

추론 정확도 도약 — 환각은 줄고, 보상 해킹은 늘고

모델이 똑똑해지는 건 좋은데, “어떻게 똑똑해지느냐”에서 새로운 문제가 터지고 있다.

긍정적인 쪽부터 보자. arXiv에 올라온 Grad Detect(6/24)는 외부 지식 베이스 없이 그래디언트 신호만으로 LLM 환각을 탐지하는 방법을 제안했다. ICML 2026 워크숍에서 TruthfulQA 벤치마크에서 강한 결과를 냈다. 불확실성 인지 의사결정 연구(6/30)는 베이지안 의사결정 이론과 컨포멀 예측을 결합해 튜터링·논문 리뷰 같은 실제 과업에서 LLM의 불확실성을 관리하는 알고리즘을 제시했다.

그런데 부정적인 쪽이 더 무섭다. Pessimism’s Paradox(arXiv, 6/30)는 보수적 오프라인 훈련이 오히려 온라인 적응 단계에서 보상 해킹(reward hacking)을 증폭시킨다는 걸 발견했다. 안전하게 훈련했다고 안심하면 안 된다는 뜻이다. 엔트로피 압축 → 다양성 감소 → 불확실성 착취라는 인과 체인이 밝혀졌다.

여기가 핵심이다. HR이 AI를 도입할 때 “이 모델은 안전합니다”라는 벤더 설명만 믿으면 곤란하다. 추론 정확도가 올라가는 만큼 새로운 유형의 실패 모드도 함께 생기고 있다. 성과 평가에 AI 추론 결과를 반영하려는 기업이라면, 이 리스크를 이해해야 한다.

멀티모달과 로봇 — 화면 밖으로 나오는 AI

6월에 눈에 띄는 건 AI가 텍스트·코드 세계를 벗어나 물리적 공간으로 확장되고 있다는 점이다.

엔비디아가 Cosmos 3를 오픈소스로 공개했다(AI타임스, 6/2). 텍스트·이미지·비디오·오디오·행동 데이터를 동시에 처리하는 옴니모델로, 로봇·자율주행 개발 주기를 수개월에서 수일로 단축한다고 한다. 중국에서는 휴머노이드 로봇이 마라톤을 완주했고(IEEE Spectrum, 6/24), MIT Technology Review는 초음파 이미징으로 로봇 손이 인간 손동작을 정밀 모방하는 기술을 보도했다(6/23). 한국의 아이벡스는 2차전지 소재 공정에서 불규칙한 노끈·랩 해체를 AI 로보틱스로 완전 무인화했다(AI타임스, 6/1).

메타는 $299짜리 보급형 AI 안경을 공개하면서 웨어러블 시장 대중화에 나섰다(AI타임스, 6/24). 자체 멀티모달 모델 ‘뮤즈 스파크’를 탑재해 음성·시각 인식 기반 실시간 어시스턴트를 제공한다.

이건 좀 먼 이야기처럼 들릴 수 있다. 하지만 물류·제조·현장 서비스 분야의 HR 담당자라면 이미 현실이다. “컴퓨터 앞에 앉아서 하는 일”만 AI가 대체하는 게 아니라, 현장 작업까지 범위가 넓어지고 있다.

정책과 자본 — 돈은 쏟아지고, 규칙은 뒤따르고

6월의 자본 흐름은 한마디로 “폭주”다.

Google이 AI 인프라에 최대 $800억(약 120조 원) 규모 증자를 추진하고, 워런 버핏의 버크셔 해서웨이가 $100억(약 15조 원)을 직접 투자한다(AI타임스, 6/2). SK텔레콤은 15GW 규모 AI 데이터센터 로드맵을 공개했다(AI타임스, 6/30). 삼성·SK하이닉스·마이크론은 HBM 생산 확대를 명분으로 범용 DRAM 가격을 약 700% 올렸다는 혐의로 미국에서 집단소송을 당했다(AI타임스, 6/30). 한국은행은 금융안정보고서에서 AI 하드웨어의 급격한 감가상각과 데이터센터 투자가 새로운 금융 리스크라고 경고했다(6/29).

정책 쪽은 느리지만 방향은 잡혀가고 있다. OECD는 GenAI 챗봇 이용률이 2025년 1월 18%에서 2026년 1월 28%로 급증했고, 35세 이상 비중이 48%로 주류화됐다고 분석했다(6/30). 흥미로운 건 ChatGPT/Gemini 이용자는 유튜브·인스타 같은 여가 사이트를, Claude/Copilot 이용자는 링크드인·깃허브 같은 업무 사이트를 주로 방문한다는 점이다.

ILO는 유럽의회에서 “AI 도입 전 단계에 사회적 대화가 필수”라고 강조했고(6/29), 245개 글로벌 AI 윤리 프레임워크를 분석한 결과 노동·고용 이슈를 제대로 다루는 프레임워크가 거의 없다는 점을 지적했다(6/23). 비악의성(non-maleficence)은 80%에 등장하지만, 알고리즘 관리나 근로자 감시 같은 노동 현안은 주변부에 머물러 있다.

솔직히 이건 좀 아쉽다. AI 윤리라고 하면서 정작 일하는 사람 이야기가 빠져 있다니.

한국 HR의 현주소 — 숫자가 말해주는 것

이제 핵심이다. 위의 글로벌 흐름이 한국 HR에 어떤 압력을 가하고 있는가.

데이터부터 놓고 보자.

한국은행 이슈노트 2026-12호(6/23)에 따르면, AI 도입 기업에서 주당 근로시간이 약 3.8%(1.5시간) 줄었지만 시간 절감과 산출량 증가 사이 상관관계는 거의 없다. 보고서는 “생산성 향상을 위해서는 조직 구조조정·직무 재배치·성과 기반 인센티브 체계가 필요하다”고 결론지었다.

같은 한국은행의 BOK 이슈노트 2025-2호는 AI가 한국 경제 생산성을 1.1~3.2%, GDP를 4.2~12.6% 끌어올릴 잠재력이 있다고 분석하면서도, AI 전문인력 5.7만 명을 확보했음에도 기업이 여전히 인재 부족을 호소하는 미스매치 현상을 진단했다.

한국은행의 또 다른 연구(6/30)는 신기술 도입이 장기적으로 산출·소비·투자를 모두 늘리지만 고용은 감소하며, 숙련 그룹 간 내생적 일자리 양극화가 발생한다고 밝혔다.

NIA는 2026 스탠포드 AI Index를 기반으로 한국의 AI 역량을 국제 비교 분석했다(6/30). 연구·산업·정책 각 축에서의 강약점이 정리돼 있는데, 솔직히 논문 발표 수나 특허 건수보다 중요한 건 “실제로 현장에서 쓰이고 있느냐”다.

잠깐, 여기서 한 가지 짚고 가자. NBER이 6월 초에 발표한 연구(6/1)는 미국 300개 직종, 91% 노동력 대상으로 AI 전환 적응력 지수를 개발했다. 결과가 재미있다. AI 노출과 적응력은 양의 상관관계이지만, 약 330만 명(2.5%)은 고노출·저적응력 위험군이다. 행정·사무직에 집중돼 있다. 한국도 이 패턴에서 자유롭지 않다.

개발자 커뮤니티에서도 변화의 신호가 포착된다. GeekNews에서는 “AI 시대 개발자 역할이 코드 구현에서 설계·검증·비결정성 통제로 전환된다”(6/24), “소프트웨어 장인정신이 사라지는 게 아니라 취향과 판단이 희소 자원이 된다”(6/1)는 글이 활발히 공유됐다. 카르파시의 CLAUDE.md 문서가 퍼지면서 “프롬프트 시대에서 자율 검증 에이전트 설계 시대로 진화하고 있다”는 분석도 나왔다(AI타임스, 6/29).

이 모든 데이터가 가리키는 곳은 하나다. AI를 ‘도입’하는 건 이미 끝났다. 문제는 도입 후 조직을 어떻게 재설계하느냐다.

7월, HR이 즉시 점검할 3가지

회고를 마무리하면서, 6월의 흐름에서 꺼낸 행동지침 3개를 남긴다.

하나, ‘AI 동료’ 가이드라인을 지금 만들어라. 에이전트가 슬랙에 들어오고, 이메일을 쓰고, 보고서를 정리하는 시대다. 누가 최종 승인하고, AI 실수의 책임은 누구에게 있고, 성과 기여는 어떻게 배분하는가? 이 세 가지 질문에 답이 없으면 혼란만 커진다. ILO가 경고한 “사회적 대화 부재”가 기업 안에서 재현될 수 있다.

다른 하나, AI 리터러시 교육을 분기 1회 이상으로 올려라. 6월 한 달에 Claude Sonnet 5, Gemini Omni, MiniMax M3, Grok 4.5 베타가 나왔다. 작년에 교육한 프롬프트 팁은 이미 쓸모없을 수 있다. 모델별 특성·한계를 이해하는 상시 교육 체계가 필요하다. OECD 데이터처럼 35세 이상 이용자가 48%까지 올라온 만큼, MZ세대만 타깃하는 교육도 재고해야 한다.

마지막으로, ‘시간 절감 ≠ 생산성 향상’ 함정에서 벗어나라. 한국은행 데이터가 명확하다. AI로 1.5시간 아꼈다고 해서 그 시간이 자동으로 부가가치 창출로 이어지지 않는다. 절약한 시간을 어디에 재투자할지—신규 프로젝트, 역량 개발, 고객 접점 강화—를 직무설계 차원에서 명시해야 한다. 그래야 “AI 도입했는데 달라진 게 없다”는 피로감을 막을 수 있다.

결국 이건 기술의 문제가 아니라 설계의 문제다. 6월은 그걸 숫자로 확인시켜 준 달이었다.

참고 소스

문의하기

ON THIS PAGE

문의하기