AI 도입률 62%의 그림자 — 결과물 절반이 ‘AI 슬롭’일 때, HR은 무엇을 설계해야 하는가

한 기업의 HR 디렉터가 팀원들의 AI 사용 현황을 처음 집계했을 때, 숫자는 꽤 희망적이었다. 주 3회 이상 AI를 쓰는 비율이 절반을 넘었다. 그런데 두 번째 질문을 던지자 분위기가 달라졌다. “AI가 만든 결과물을 그대로 쓴 적이 있나요?” 대부분이 고개를 저었다. 쓰고는 있지만, 쓸만한 건 아닌 거다.

SHRM의 2026년 보고서가 이 현상에 숫자를 붙였다. AI를 업무에 활용하는 미국 근로자 41%. 하지만 그중 44%가 자신의 AI 결과물을 ‘AI 슬롭(AI slop)’이라고 분류했다. 저품질의, 파생적인, 그래서 결국 다시 손봐야 하는 콘텐츠. 주당 평균 6시간을 절약하지만 4시간을 수정에 쏟는다. 순 절감 2시간. 솔직히 이건 좀 민망한 숫자다.

한 줄 요약: AI 도입의 진짜 병목은 도구가 아니라 ‘쓸 줄 아는 조직’의 부재다. HR이 설계해야 할 것은 AI 배포가 아니라 AI를 실무 성과로 전환하는 역량 인프라다.

도입률의 착시 — 62%가 감추는 것

수치만 보면 AI 도입은 이미 대세다. SHRM에 따르면 조직의 62%가 어딘가에서 AI를 사용하고 있다. HR 부서만 떼어봐도 39%가 이미 도입했다. 채용(27%), HR 테크(21%), L&D(17%) 순으로 활용도가 높다.

문제는 그 다음이다.

AI 역량의 주요 장벽으로 67%가 ‘AI가 뭘 할 수 있는지 모른다’를 꼽았다. 도구는 깔렸는데 쓰임새를 모른다. 49%는 투명성, 정확성, 데이터 품질 같은 기술적 불안을 호소한다. 그리고 56%는 AI 투자의 성과를 공식적으로 측정조차 하지 않는다.

개인적으로는 여기가 핵심이다. 도입률은 KPI가 아니다. ‘도입 후 성과 전환율’이 KPI여야 한다. 그런데 대부분의 조직이 그 전환율을 측정할 프레임조차 갖추지 못했다.

‘AI 슬롭’ 현상의 구조적 원인

AI 슬롭은 개인의 문제가 아니다. 조직 설계의 문제다.

직급별 AI 활용 시간 비중을 보면 구조가 드러난다. 디렉터급 이상은 업무의 63%에 AI를 활용한다. 매니저는 49%. 실무 담당자는 34%. 위로 갈수록 많이 쓴다. 하지만 시간 절감 효율은 정반대 패턴을 보인다. 디렉터는 주당 9시간 절약에 6시간 수정, 실무자는 4시간 절약에 3시간 수정. 시니어는 AI를 ‘검증하며’ 쓰고, 주니어는 AI를 ‘받아쓰기’한다.

왜 그럴까. 시니어에겐 도메인 지식이라는 필터가 있다. AI가 뱉은 결과물의 맥락적 오류를 잡아낼 수 있다. 반면 입사 2~3년차에겐 그 필터가 없다. AI 결과물이 그럴듯하면 그대로 쓴다. 그렇게 ‘AI 슬롭’이 조직의 공식 문서가 된다.

한경비즈니스의 IGM 경영전략 칼럼이 지적한 것도 같은 맥락이다. AI 도입 성공의 열쇠는 기술이 아니라 업무 재설계와 리더십에 달려 있다. 리더는 조직의 업무 흐름, 인적 역량, 거버넌스를 통합적으로 변화시켜야 한다. 도구만 도입하고 워크플로우를 그대로 두면, AI는 기존의 비효율을 더 빠르게 복제할 뿐이다.

에이전틱 AI의 부상, 그리고 HR의 준비 부족

상황은 더 복잡해지고 있다. 에이전틱 AI — 프롬프트 없이 자율적으로 다단계 워크플로우를 실행하는 AI — 의 시대가 열리고 있다. 대기업의 48%가 이미 에이전틱 기술을 도입했고, CHRO들은 2027년까지 에이전트 도입이 327% 성장할 것으로 전망한다.

에이전틱 AI가 다른 점은 명확하다. 기존 AI는 ‘시키면 한다’. 에이전틱 AI는 ‘알아서 한다’. 온보딩 챗봇이 질문에 답하는 수준을 넘어, 신입사원의 입사 서류 검증부터 교육 일정 배정, 팀 매칭까지 한 번에 처리한다. 급여 오류 감지, 이상 패턴 모니터링, 이직 리스크 플래깅까지 자동으로 돌아간다.

그런데 여기서 아이러니가 생긴다. AI가 자율적으로 움직일수록, 그걸 감독할 사람의 역량이 더 중요해진다. Stanford HAI의 글로벌 AI 경쟁 분석이 지적하듯, 미중 AI 패권 경쟁의 핵심은 기술 그 자체가 아니라 AI를 실무에 내재화할 인적 자본이다. 모델을 만드는 건 엔지니어의 일이지만, 모델이 조직에서 제대로 작동하게 만드는 건 HR의 일이다.

72%의 실무자가 ‘비기술적 장벽이 완전 자동화를 막을 것’이라고 답한 것도 이 맥락이다. 기술은 준비됐는데 조직은 준비되지 않았다.

AI 역량 인프라 — HR이 실제로 설계해야 할 것

그럼 뭘 해야 하나. 세 가지 레이어로 나눠 보자.

레이어 1: AI 리터러시의 재정의. ‘AI를 쓸 줄 아는가’가 아니라 ‘AI 결과물을 판별할 줄 아는가’로 기준을 옮겨야 한다. SHRM 보고서에서 규제 대상 주(州)의 HR 실무자 57%가 AI 관련 법률조차 인지하지 못하고 있다는 사실은, 리터러시의 범위가 기술 스킬을 넘어 거버넌스 이해까지 확장되어야 함을 보여준다. 프롬프트 작성법 교육은 시작이지, 전부가 아니다.

레이어 2: 워크플로우 재설계. Brookings의 미국 인력개발 정책 분석은 섹터별 훈련 모델 확장과 도제제도 강화를 권고한다. 이걸 기업 단위로 번역하면, 직무별 AI 활용 표준 워크플로우를 만들라는 뜻이다. ‘채용 담당자는 이 단계에서 AI를 이렇게 쓴다’는 구체적 프로토콜. 개인의 숙련도에 의존하지 않는, 조직 차원의 AI 활용 프레임워크가 필요하다.

레이어 3: 성과 측정 체계. 56%가 AI 투자 성과를 측정하지 않는다는 건, HR이 AI에 대해 ‘일단 도입하고 보자’는 태도에 머물러 있다는 증거다. 최소한 다음은 측정해야 한다: AI 활용 시간 대비 수정 시간 비율, AI 결과물의 최종 채택률, AI 도입 전후 프로세스 리드타임 변화.

# AI 활용 효율 측정 — 팀 단위 대시보드 예시 (Python + Workday API)
def calculate_ai_efficiency(team_logs):
    total_ai_hours = sum(log['ai_time'] for log in team_logs)
    total_correction = sum(log['correction_time'] for log in team_logs)
    adoption_rate = sum(1 for log in team_logs if log['ai_used']) / len(team_logs)
    net_saving_ratio = (total_ai_hours - total_correction) / total_ai_hours
    # net_saving_ratio < 0.3 이면 AI 리터러시 재교육 트리거
    return {
        'net_saving_ratio': round(net_saving_ratio, 2),
        'adoption_rate': round(adoption_rate, 2),
        'correction_overhead': round(total_correction / total_ai_hours, 2)
    }

한국 조직에 던지는 질문

미국 기업의 AI 도입률 62%를 한국에 그대로 대입하긴 어렵다. 하지만 구조적 패턴은 동일하다. 대기업은 ‘도입했다’고 발표하고, 현장은 ‘AI가 일을 더 만든다’고 투덜댄다. 그 간극이 AI 슬롭이다.

한국의 맥락에서 특히 주목할 점이 있다. 연공서열 기반의 조직에서 AI 리터러시 격차는 세대 격차와 겹친다. 시니어는 도메인 지식은 있지만 AI 사용에 소극적이고, 주니어는 AI를 적극 활용하지만 도메인 필터가 약하다. 이 두 집단을 연결하는 ‘짝(pair) 워크플로우’ — 시니어의 판단력과 주니어의 AI 활용력을 결합하는 구조 — 가 한국 조직에 특히 유효할 수 있다.

45%의 주니어가 AI 도입 압박을 느낀다는 SHRM 데이터도 한국에서 더 강하게 작동할 가능성이 크다. ‘빨리빨리’ 문화에서 AI는 또 하나의 성과 압박 도구가 되기 쉽다. HR이 이걸 방치하면, AI는 생산성 도구가 아니라 번아웃 가속기가 된다.

결국 질문은 하나로 수렴한다. 우리 조직은 AI를 ‘도입’했는가, 아니면 AI를 ‘내재화’했는가. 도입은 구매팀이 한다. 내재화는 HR이 한다. 그 차이를 인식하지 못하는 조직에서 AI 슬롭은 계속 쌓일 것이다. 답은 이미 나와 있다. 다만 실행이 안 되고 있을 뿐이다.

💡 실무 시사점: AI 도입률이 아니라 ‘AI 결과물 채택률’을 측정하라. 직무별 AI 활용 표준 워크플로우를 설계하고, 시니어의 도메인 판단력과 주니어의 AI 활용력을 결합하는 짝 워크플로우를 시도하라. AI 리터러시 교육의 범위를 프롬프트 작성에서 거버넌스 이해까지 확장하라.

#AI #AI업스킬링 #조직설계 #HRTech #인재관리

참고 링크

• SHRM, “The State of AI in HR 2026 Report” (2026)
• SHRM, “Navigating AI in the Workplace: 2026” (2026)
• 한경비즈니스, “기술을 넘어서 변화를 설계하는 리더” (2026)
• Stanford HAI, “Who Is Winning the Artificial Intelligence Race?” (2026)
• Brookings, “Workforce development policy in the US” (2026)

작성: 서재홍 | NODE