어느 쪽 숫자가 거짓말을 하고 있는 걸까. 2024년 OECD 조사에서 AI를 활용하는 근로자의 80%가 “업무 성과가 좋아졌다”고 답했다. 60%는 직무 만족도까지 올라갔다고 했다. 그런데 같은 시기, 갤럽은 정반대를 보여준다. 2026년 기준 미국 직원 몰입도는 31%로 10년 내 최저치다. 글로벌 수치는 더 나쁘다. 2022년 23%로 정점을 찍은 뒤 2025년 20%까지 미끄러졌다. AI가 일을 더 잘 되게 만든다면, 왜 사람들은 점점 더 일에서 마음이 떠나는가. 이 역설의 열쇠는 AI 도구 자체가 아니라, AI를 관리 시스템으로 전용하는 ‘알고리즘 관리(Algorithmic Management)’에 있다.
한 줄 요약: AI가 업무 성과를 끌어올리면서 동시에 몰입도를 바닥으로 끌어내리는 역설은, AI 도구가 아니라 ‘알고리즘 관리’라는 도입 방식이 자율성을 박탈하기 때문이다.
80%
AI 활용 근로자 중 업무 성과 향상 체감 비율
OECD — 7개국 근로자·기업 조사 (2024)
31%
미국 직원 몰입도 — 10년 내 최저
Gallup — State of the Global Workplace (2026)
6,000개사
채용·평가·배치에 알고리즘 관리 도입 기업
OECD — 6개국 알고리즘 관리 보고서 (2025)
-3%p
글로벌 몰입도 3년 연속 하락 (23% → 20%)
Gallup — 2022~2025 추이 (2025)
같은 시대, 정반대 데이터 — 80%와 31%의 수수께끼
OECD가 7개국 5,300여 명의 근로자와 2,000개 기업을 대상으로 실시한 대규모 조사의 결론은 명확했다. AI를 업무에 도입한 직원 대다수가 성과 향상을 체감했고, 과반이 직무 만족도까지 높아졌다고 답했다. 이 수치만 보면 AI 도입은 의심의 여지 없는 성공이다.
갤럽은 전혀 다른 그림을 보여준다. 팬데믹 이후 반등하며 23%까지 올랐던 글로벌 직원 몰입도가, 이후 3년 연속 하락해 20%까지 떨어졌다. 미국에서는 31%로, 2014년 이래 최저다. 주목할 점은 타이밍이다. 직장 내 AI 도입이 폭발적으로 가속화된 2023~2025년과 몰입도 하락 시기가 정확히 겹친다.
솔직히, 이 두 데이터를 나란히 놓고도 “우연의 일치”라고 치부하기는 어렵다. 하지만 “AI가 몰입도를 떨어뜨린다”는 단순한 인과도 틀렸다. 핵심은 두 조사가 측정하는 층위가 다르다는 점이다. OECD는 AI 도구를 쓰는 개인의 업무 체감을 물었고, 갤럽은 조직 안에서 느끼는 소속감과 헌신도를 측정했다. AI가 내 엑셀 작업을 빠르게 해주는 것과, AI가 내 업무량과 성과를 실시간으로 쪼개어 평가하는 것은 전혀 다른 경험이다. 전자가 확산되는 동안 후자도 함께 확산됐다는 게 이 역설의 핵심이다.
알고리즘이 ‘관리’를 시작하면 달라지는 것들
OECD가 6개국 6,000개 기업을 대상으로 조사한 알고리즘 관리(Algorithmic Management) 보고서는 AI 확산의 또 다른 얼굴을 포착한다. 기업들은 AI를 단순 업무 보조에만 쓰지 않는다. 이력서 스크리닝, 성과 지표 자동 집계, 근무 일정 자동 배정, 승진 후보 추천까지 — 사람이 하던 관리 의사결정을 알고리즘에 넘기고 있다.
이건 도구로서의 AI와 질적으로 다르다. 챗봇으로 보고서 초안을 뽑는 건 내 업무를 돕는 것이다. 알고리즘이 내 콜 처리 속도를 실시간 측정하고, 그 점수로 다음 달 인센티브가 결정되는 건 나를 관리하는 것이다. 전자는 내 자율성을 건드리지 않지만, 후자는 자율성의 핵심 — “내가 어떻게 일하고, 어떻게 평가받는지에 대한 통제감”을 박탈한다.
사례 — 아마존 물류센터 알고리즘이 작업자의 피킹 속도를 초 단위로 추적하고, 기준 미달 시 자동 경고를 발송한다. 2024년 기준 일부 시설의 연간 이직률은 150%를 넘었다. 생산성 지표는 세계 최고 수준이지만, 몰입도와 고용 안정성은 바닥이다. AI 도구의 성능과 조직 건강이 정반대로 달릴 수 있다는 것을 보여주는 극단적 사례다.
알고리즘 관리의 문제는 효율 자체에 있지 않다. 문제는 그 효율이 직원을 의사결정의 주체에서 데이터 포인트로 전환시킨다는 데 있다. 성과 평가가 알고리즘으로 넘어가면, 직원은 “왜 이 점수를 받았는가”를 상사에게 물을 수 없다. 근무 일정이 알고리즘으로 배정되면, “이번 주에는 이렇게 일하고 싶다”는 요청이 사라진다. 갤럽이 말하는 몰입도의 붕괴는, 이 통제감 상실의 누적이다.
자율성이라는 빠진 퍼즐 — 원격근무가 증명한 것
역설의 실마리는 의외의 곳에서 나온다. SHRM이 조사한 원격근무 데이터에 따르면, 일정 자율성(schedule autonomy)을 부여받은 원격 근로자는 이직률이 현저히 낮았다. 단순히 “재택근무를 했다”가 아니라 “언제 어떻게 일할지 스스로 결정할 수 있었다”가 핵심 변수였다.
동시에 같은 연구는 AI 기반 펄스 서베이(pulse survey)가 실시간 피드백 루프를 형성해 몰입도를 높일 수 있다고 보고했다. 여기서 AI는 관리자가 아니라 소통 도구로 기능한다. 직원의 목소리를 수집하고, 조직이 그 목소리에 반응하는 채널로 쓰인다는 점이 알고리즘 관리와 정반대다.
이 두 발견을 합치면 분명한 패턴이 보인다. AI가 직원의 목소리를 증폭시키는 방향으로 쓰이면 몰입도가 올라간다. AI가 직원의 행동을 감시·평가하는 방향으로 쓰이면 자율성이 사라지고 몰입도가 무너진다. 갤럽이 제시하는 AI 전환기 신뢰 구축의 세 요소 — 투명성, 심리적 안전감, 일관된 소통 — 도 결국 같은 방향을 가리킨다. 셋 다 자율성과 통제감의 하위 범주다.
패턴 AI 도입이 성과와 몰입도를 동시에 올리는 유일한 조건은, AI가 의사결정권을 직원에게서 빼앗지 않는 방식으로 설계될 때다. 펄스 서베이, 업무 자동화, 지식 검색 — 도구형 AI는 자율성을 건드리지 않는다. 성과 모니터링, 자동 평가, 일정 배정 — 관리형 AI는 자율성을 체계적으로 해체한다.
한국 공공부문 AX 전략이 반복하는 실수
NIA가 2026년 발간한 AX ISSUE BLENDER는 Transformer 모델 혁신 동향과 공공부문 AI 전환(AX) 전략을 다룬다. 기술 인프라 구축, 대규모 모델 도입, AI 풀스택 역량 확보가 전략의 중심이다. 기술 자체로 보면 빈틈없는 로드맵이다.
개인적으로는, 이 보고서에서 ‘직원 몰입도’나 ‘자율성’이라는 단어를 찾기 어렵다는 점이 이 글의 논지를 정확히 예증한다고 본다. 한국 공공기관의 AI 전환 논의는 “어떤 모델을 도입할 것인가”에 집중되어 있다. OECD가 경고하는 알고리즘 관리의 부작용 — 채용·평가·배치에서의 알고리즘 의사결정이 직원 신뢰와 자율성을 훼손하는 문제 — 은 의제에 거의 없다.
OECD ‘Skills in the AI Age’ 보고서가 한국에 주는 경고도 여기에 맞닿는다. 이 보고서는 AI 시대의 스킬 격차를 경고하며 재교육·전환교육·평생학습을 처방한다. 한국 정부도 이 방향에 맞춰 대규모 디지털 역량 교육 예산을 편성해왔다. 문제는, 아무리 AI 활용 스킬을 익혀도 그 직원이 알고리즘 관리 아래 놓이면 자율성은 사라진다는 점이다. 스킬 재교육은 “AI 시대에 무엇을 할 것인가”에 대한 답이지, “AI 시대에 어떻게 관리될 것인가”에 대한 답이 아니다.
주의 한국의 공공부문 AX 전략과 민간 디지털 전환 모두, AI 도입률을 KPI로 삼는 경향이 있다. 그러나 OECD 6개국 데이터가 보여주듯, 도입률이 올라가면서 알고리즘 관리도 함께 확산되면 몰입도 하락은 구조적으로 뒤따른다. 측정해야 할 KPI는 “AI를 몇 개 도입했나”가 아니라 “AI 도입 후 직원 자율성 인식이 어떻게 변했나”다.
재교육 예산이 빗나가는 지점
이건 좀 아쉬운 대목이다. 각국 정부와 국제기구가 수십억 달러를 쏟는 AI 시대 재교육 프로그램이, 정작 몰입도 하락의 근본 원인은 건드리지 않는다. OECD가 강조하는 리스킬링(reskilling)과 업스킬링(upskilling)은 필요하다. AI와 협업하는 역량을 갖추지 못하면 도태될 수 있다. 하지만 그 역량을 갖춘 직원이라 해도 알고리즘이 자신의 생산성을 초 단위로 모니터링하고, 자동 평가하고, 일정까지 배정하는 환경에 놓이면 — 결과는 아마존 물류센터와 다르지 않다.
OECD AI 직장활용 보고서의 80% 성과 향상이라는 수치를 다시 보자. 이 80%의 긍정 응답은 AI를 내가 선택해서 쓰는 환경에서 나왔다. 보고서를 더 빨리 쓰고, 데이터를 더 쉽게 분석하고, 반복 업무를 줄이는 경험이다. 이 경험은 자율성을 해치지 않는다. 오히려 강화한다. “AI 덕에 더 중요한 일에 집중할 수 있다”는 응답이 그 증거다.
그러나 같은 조직에서 그 AI가 관리 시스템으로 전용되는 순간, 긍정적 체감은 증발한다. 직원이 도구로 쓰던 AI가 어느새 자기를 평가하는 AI로 바뀌는 경험. 이 전환이 조직 전체에서 동시에 일어나면, 개인의 “성과 향상” 체감과 조직의 “몰입도 하락”이 공존하는 역설이 완성된다.
도구와 관리 사이, 경계선을 어디에 그을 것인가
이 글에서 다룬 여섯 건의 보고서와 조사가 교차하며 드러내는 결론은 하나다. AI 도입의 성패는 기술 수준이 아니라 도입 방향에 달려 있다. AI를 업무 도구로 쓰면 성과와 만족도가 함께 오른다. AI를 관리 시스템으로 쓰면 성과 지표는 올라가되 몰입도와 신뢰가 무너진다. 둘 다 “AI를 도입했다”로 분류되지만, 조직에 미치는 영향은 정반대다.
한국 기업과 공공기관이 AI 전환을 가속하는 지금, 놓치지 말아야 할 질문은 “어떤 AI를 도입할 것인가”가 아니다. “이 AI가 직원의 자율성을 늘리는가, 줄이는가”다. 채용 알고리즘, 성과 자동 평가, 근무 일정 자동 배정을 도입하기 전에, 그것이 직원의 통제감을 얼마나 빼앗는지 먼저 측정해야 한다. 갤럽의 31%는 경고등이다. 그 숫자가 더 떨어지기 전에, AI 도입의 방향을 점검할 시간이다.
💡 실무 시사점 — HR이 이번 분기에 점검할 3가지:
① AI 도입 감사(audit)를 “도구형 vs 관리형”으로 분류하라. 현재 도입된 AI 시스템 목록을 만들고, 각각이 직원의 업무를 돕는 것인지(도구형) 직원의 행동·성과를 평가·배정하는 것인지(관리형) 분류한다. 관리형 비중이 높다면, 몰입도 하락 리스크가 이미 구조적으로 내장된 상태다.
② 알고리즘 관리에 “설명 의무”를 부과하라. 성과 평가나 일정 배정에 알고리즘이 개입한다면, 그 결과에 대해 직원이 질문하고 이의를 제기할 수 있는 채널을 열어야 한다. OECD가 강조하는 투명성의 핵심이다. “왜 이 점수인지 알 수 없다”는 경험이 반복되면 신뢰는 회복 불가능하게 무너진다.
③ AI 전환 KPI에 “자율성 인식 변화”를 추가하라. 분기별 펄스 서베이에 “AI 도입 이후 업무 방식에 대한 통제감이 어떻게 변했는가”를 묻는 항목을 넣어라. AI 도입률만 추적하면, 아마존 물류센터형 결과 — 생산성은 최고, 이직률도 최고 — 를 향해 달리게 된다.
#알고리즘관리#AI도입전략#직원몰입도#자율성#HR테크
참고 링크
- OECD, “Using AI in the Workplace: Opportunities, Risks and Policy Responses” (2024)
- OECD, “Algorithmic Management in the Workplace” (2025)
- OECD, “Skills in the AI Age” (2026)
- Inc.com, “The AI Era Is Creating a New Trust Crisis at Work” (2026)
- Fast Company, “This could be the solution to the workforce’s morale problem” (2026)
- NIA, “AX ISSUE BLENDER 2026-01: Transformer 모델 혁신과 AI Full Stack 중심의 공공 AX 전략” (2026)
작성: 서재홍 | NODE