번아웃 징후, 관리자보다 AI가 먼저 알아챈다 — EAP 이용률 5%의 함정과 데이터가 바꿀 수 있는 것

어느 팀에서 갑자기 3명이 연달아 퇴사했다. 팀장은 “전혀 몰랐다”고 했다. HR팀도 마찬가지였다. 연차 사용 패턴이 달라졌고, 슬랙 응답 시간이 느려졌고, 1:1 미팅 취소율이 올랐다는 사실은 — 아무도 모아서 보지 않았을 뿐이다.

직장인 정신건강이 ‘복지’ 영역에서 ‘경영 리스크’로 넘어온 건 이미 2~3년 전이다. 그런데 대부분의 한국 기업은 여전히 EAP(근로자지원프로그램) 안내문 하나 보내고 끝이다. 이용률? 중앙값 5.5%. 개인적으로는 이 숫자가 가장 충격적이다. 돈을 쓰고도 쓰지 않은 것과 같은 결과를 얻고 있다는 뜻이니까.

한 줄 요약: 직원 정신건강은 설문 한 번으로 잡히지 않는다. 근태·협업·커뮤니케이션 데이터를 실시간으로 읽는 AI 분석이 EAP의 ‘마지막 1마일’을 메운다.

84%가 겪고 있는데, 80%는 말하지 않는다

Mind Share Partners 조사에서 응답자의 84%가 “직장 환경이 정신건강에 부정적 영향을 줬다”고 답했다. WHO는 어느 시점이든 근로자 6~7명 중 1명(14.7%)이 정신건강 이슈를 안고 일하고 있다고 본다. 미국 근로자 기준으로 66%가 지난 1년 안에 번아웃을 경험했다(Moodle, 2025). Z세대로 좁히면 74%까지 올라간다(Aflac).

한국은 어떤가. 청년 10명 중 3명(32.2%)이 번아웃을 경험했다는 2024년 조사가 있고, 리포테라 보도에 따르면 직장인 61%가 정신건강 위기를 겪고 있다. 수치만 놓으면 글로벌 평균과 크게 다르지 않다.

문제는 ‘말하지 않는다’는 것에 있다. 80%의 직원이 직장에서 정신건강 문제로 도움을 구하지 않는다. 46%는 “알리면 해고되거나 불이익을 받을까 봐” 두렵다고 답했다(Mind Share Partners). 한국에서는 이 수치가 더 높을 거라고 보는 게 합리적이다. “정신건강 상담 받았습니다”라고 팀장에게 말할 수 있는 조직이 몇이나 되겠는가.

EAP가 실패하는 구조적 이유

EAP는 좋은 제도다. 그런데 왜 안 쓰일까. 구조를 뜯어보면 답이 보인다.

프로그램 자체가 ‘신고형’이다. 직원이 스스로 “나 힘들다”고 인지하고, 회사가 제공하는 상담 서비스를 찾아서, 예약을 잡고, 시간을 내서 방문해야 한다. 이 다섯 단계 중 하나라도 걸리면 이탈한다. 실제로 직원의 36%는 정신건강 복지 자체에 접근조차 못 한다(Forrester/Spring Health). 53%만이 “회사 플랜을 통해 정신건강 케어에 접근하는 방법을 안다”고 답했다.

솔직히 이건 좀 아이러니하다. 300인 이상 대기업 상당수가 연간 수천만 원을 EAP에 쓰면서, 정작 직원 절반은 그 서비스가 있는지조차 모른다. 한국 300인 미만 기업에게는 근로복지공단 EAP가 있지만, 신청·이용 절차가 복잡해서 활용도가 낮다는 건 현장 실무자라면 다 아는 이야기다.

더 근본적인 문제가 있다. EAP는 ‘이미 힘든 사람’이 찾는 구조다. 번아웃이 깊어져서 업무 수행이 어려운 단계에 도달해야 비로소 상담을 고려한다. 예방이 아니라 치료 모델이다. 여기서 데이터의 역할이 시작된다.

AI가 번아웃을 ‘측정’하는 세 가지 방법

번아웃은 갑자기 오지 않는다. 서서히 온다. 그래서 오히려 데이터가 사람보다 먼저 잡아낼 수 있다.

커뮤니케이션 패턴 분석. 슬랙이나 Teams 메시지의 응답 지연 시간, 이모지 사용 빈도, 메시지 톤의 변화를 NLP(자연어 처리)로 추적한다. Microsoft Viva Insights가 이미 하고 있는 영역이다. ‘야근 메시지 빈도’와 ‘주말 활동 로그’를 조합하면 과로 리스크 점수를 산출할 수 있다. 물론 개인 메시지를 읽는 게 아니다. 메타데이터(시간, 빈도, 길이)만으로도 패턴은 보인다.

근태·휴가 데이터 모델링. 갑작스러운 반차 증가, 연차 소진 패턴 변화, 지각 빈도 상승 — 이런 신호를 개인별로 추적하면 번아웃 초기 징후를 포착할 수 있다. 한국 기업 대부분이 이미 이 데이터를 갖고 있다. 문제는 급여 정산에만 쓰고 있다는 것이다.

펄스 서베이 + 감정 분석. 분기별 긴 설문 대신, 주 1회 2~3문항짜리 펄스 서베이를 돌리고 AI가 추세를 분석한다. Lattice, Culture Amp, Peakon(Workday) 같은 도구들이 이 영역을 점령하고 있다. 응답 텍스트에서 감정 변화를 추적하고, 팀 단위 이상 징후를 자동 알림하는 구조다.

flowchart TD
    A[근태 데이터] -->|지각·반차 패턴| D[AI 분석 엔진]
    B[협업 메타데이터] -->|응답시간·빈도| D
    C[펄스 서베이] -->|감정 트렌드| D
    D -->|리스크 점수 산출| E{임계값 초과?}
    E -->|Yes| F[HR 개입 트리거]
    E -->|No| G[모니터링 유지]
    F --> H[1:1 면담 권고]
    F --> I[EAP 연결]
    F --> J[업무량 조정]

이 세 가지를 조합하면 ‘번아웃 리스크 스코어’를 팀 단위로 산출할 수 있다. 개인 식별이 아니라 팀 레벨 조기 경보 시스템이다. 개인정보 이슈를 피하면서도 HR이 선제 개입할 수 있는 지점이 여기다.

관리자 교육이 $1당 $3.70을 돌려준다

데이터만으로는 안 된다. 결국 마지막 접점은 사람이다.

MHFA England 연구에서 관리자에게 정신건강 교육을 실시한 후, 팀원의 퇴사 의향이 35%에서 18%로 떨어졌다. 거의 반토막이다. 그런데 NAMI 2025 조사에 따르면, 관리자 정신건강 교육을 의무화한 기업은 전체의 11%에 불과하다. 20%만이 “어떤 형태로든 정신건강 교육을 받았다”고 답했다.

WHO의 메타분석은 증거 기반 정신건강 프로그램에 1달러를 투자하면 3.70~4.00달러가 돌아온다고 본다. 이건 순수하게 결근율 감소, 프리젠티즘(출근해도 일 못 하는 상태) 개선, 이직률 하락으로 계산한 수치다.

한국 맥락으로 옮기면 이렇다. 산업안전보건법 제5조는 사업주에게 근로자의 신체적·정신적 건강을 유지·증진할 의무를 부여한다. 2024년부터 직장 내 괴롭힘 예방교육이 강화됐고, 보건복지부·고용노동부 등 6개 기관이 병원 내 괴롭힘 근절을 위한 업무협약을 체결한 것도 같은 맥락이다(2026.8). 보건·복지 분야 괴롭힘 비율이 25%로 가장 높다는 실태조사 결과가 이 협약의 배경이었다.

이건 핵심이다 — 법적 의무와 경제적 ROI, 두 축이 동시에 ‘정신건강 관리를 시스템화하라’고 말하고 있다. 감성적 복지가 아니라 경영 인프라의 문제다.

한국 기업이 지금 할 수 있는 세 가지

글로벌 HR 테크 업체들의 솔루션이 완벽한 건 아니다. 한국 노동법과 개인정보보호법(PIPA)은 직원 모니터링에 상당히 엄격한 제한을 둔다. 그래서 현실적으로 실행 가능한 수준을 따져야 한다.

근태 데이터 리프레이밍. 이미 갖고 있는 출퇴근·연차·반차 데이터를 ‘급여 정산용’에서 ‘웰빙 지표용’으로 관점을 바꾼다. 팀 단위 초과근무 추이, 연차 미사용률, 반차 집중 시기를 분기별로 시각화하는 것만으로도 상당한 인사이트가 나온다. 별도 시스템 도입 없이 기존 HRIS에서 가능하다.

익명 펄스 서베이 자동화. 분기 1회 장문 설문 대신, 주 1회 3문항 서베이를 자동 발송한다. Google Forms + Apps Script 조합이면 충분하다. 핵심은 ‘추세 변화’를 보는 것이다. 점수 자체보다 전주 대비 하락폭이 더 중요한 신호다. Notion이나 Slack 워크플로로도 구현할 수 있다.

관리자 1:1 면담 구조화. 성과 면담과 별개로, 월 1회 15분짜리 ‘컨디션 체크인’을 제도화한다. 질문 3개만 고정하면 된다: “요즘 에너지 수준은?”, “업무량은 감당 가능한 수준인가?”, “도움이 필요한 게 있는가?” 이 데이터를 HR이 팀 단위로 집계하면, 어느 팀이 위험 신호를 보내는지 매월 확인할 수 있다.

AI·도구로 측정/자동화 가능한 부분

• Microsoft Viva Insights / Google Workspace Analytics — 초과근무 시간, 미팅 과부하, 집중 시간 비율을 자동 대시보드로 제공. 팀 단위 과로 리스크를 실시간 모니터링.
• Lattice / Culture Amp / Peakon(Workday) — 펄스 서베이 자동 발송 + AI 감정 분석. 응답 텍스트에서 번아웃 키워드 추출, 팀별 추세 비교 리포트 자동 생성.
• HRIS 근태 분석 자동화 — 기존 SAP SuccessFactors, Workday, 더존 등에서 연차·반차·지각 데이터를 웰빙 대시보드로 리프레이밍. Python/BI 툴 연동으로 팀 단위 이상 징후 자동 알림.
• AI 기반 EAP 매칭 — Spring Health, Lyra Health 방식의 AI 매칭으로 상담사 연결 시간을 48시간 → 즉시로 단축. 한국에서는 달램(Dallem), 마인드카페 등이 유사 모델 제공.
• Slack/Teams 봇 기반 컨디션 체크인 — 주 1회 자동 질문(3문항), 응답을 팀 단위로 집계해 HR 대시보드에 연동. Notion AI나 n8n 워크플로로 자체 구축 가능.

💡 실무 시사점: EAP 예산을 늘리는 것보다, 이미 갖고 있는 근태·협업 데이터를 ‘웰빙 신호’로 읽는 관점 전환이 먼저다. AI가 번아웃을 예측하는 시대에, HR의 역할은 ‘상담 연결’이 아니라 ‘조기 경보 시스템 설계’로 이동하고 있다. 관리자 교육 하나로 퇴사 의향이 반토막 난다는 데이터는, 가장 비용 효율적인 정신건강 투자가 기술이 아니라 ‘대화의 구조화’일 수 있음을 보여준다.

#직원웰빙 #번아웃예방 #HRanalytics #EAP #정신건강 #AI인사관리

참고 링크

• WorkTime, “50+ Mental Health in the Workplace Statistics” (2026)
• WHO, “Mental Health at Work” (2024)
• 한국EAP협회, “근로자지원프로그램 기업 분석 보고서” (2025)
• 리포테라, “직장인 61%가 겪고 있는 정신건강 위기” (2026)
• 아시아경제, “韓 청년 10명 중 3명은 번아웃” (2025)
• 고용노동부, “의료종사자 보호 업무협약 체결” (2026)

작성: 서재홍 | NODE