AI가 대체 못 하는 역량이 조직에서 가장 싼 이유

AI가 대체 못 하는 역량이 조직에서 가장 싼 이유

음성 에이전트가 HR 상담 시나리오 213개를 소화하고, 기업용 AI가 분산된 데이터를 의미 단위로 통합해 정형 업무를 집어삼키는 시대가 왔다. 그런데 이상한 일이 벌어지고 있다. AI가 대체할 수 없다고 모두가 입을 모으는 역량 — 공감, 감정적 판단, 경험에서 우러나는 직관 — 이 정작 조직의 보상 체계에서는 가장 낮은 가격표를 달고 있다. AI가 정형 업무를 흡수할수록 감정노동과 경험적 판단이 조직의 마지막 경쟁우위가 되는데, 한국 기업은 이 역량을 보상 체계에서 체계적으로 배제하고 있다 — 여성 관리자 번아웃과 고령 인력 이탈이라는 전혀 달라 보이는 두 현상이 사실은 같은 구조에서 나온다.

213개 시나리오를 소화하는 AI, 소화 못 하는 한 가지

기업이 AI 에이전트를 현장에 투입하려면 먼저 해결해야 할 문제가 있다. 스프레드시트, PDF, 사내 위키, 채팅 로그가 각기 다른 시스템에 흩어져 있어서, 에이전트가 조직 전체를 하나의 맥락으로 이해하지 못한다는 것이다. 최근 엔터프라이즈 AI 인프라 분석에 따르면 기업 AI 프로젝트가 좌초하는 핵심 원인은 모델 성능이 아니라 “데이터가 어디에나 있지만 에이전트가 쓸 수 없는” 의미적 분산이다. 문서 간 정의가 불일치하고, 지표가 시스템마다 다르게 계산되고, 정책 문서가 스캔 이미지에 묻혀 있다.

이 장벽이 무너지는 속도가 빨라지고 있다. 통합 시맨틱 데이터 레이어가 구축되면 에이전트는 구조화된 업무 — 서류 처리, 일정 조율, 1차 응대, 규정 조회 — 를 사람보다 안정적으로 수행한다. 실제로 음성 에이전트 벤치마크는 이미 항공 고객서비스, 의료 HR, IT 서비스 관리 등 3개 도메인, 121개 도구, 213개 시나리오를 커버하며, GPT-5.5 Pro·Gemini 3.1 Pro·Claude Opus 4.6 세 모델 모두 과제 해결 가능성을 검증받았다.

그렇다면 남는 건 뭔가. 에이전트가 아직 소화하지 못하는 영역 — 팀원의 감정 상태를 읽고 대응하는 것, 모호한 상황에서 원칙과 현실 사이 균형을 잡는 것, 20년 경력에서만 나오는 “이건 전에도 비슷한 패턴이었다”는 직관. 문제는 바로 이 역량들이 조직에서 어떻게 취급받고 있느냐다.

위기에서 가장 필요한 역량이 평시에 0원인 구조

하버드 비즈니스 스쿨이 비영리 조직 리더 300명을 조사하고 100명 이상을 온라인 교실에서 심층 인터뷰한 연구가 있다. 경제·정치·기술·사회적 압박이 겹치는 상황에서 성공적으로 조직을 이끈 리더들에게는 공통 패턴이 있었다. 감정적 유연성(emotional fluency) — 사람마다 정보를 소화하는 방식이 다르다는 것을 인지하고 소통 방식을 조율하는 능력. 가치 기반 의사결정 — “이 결정이 우리가 누구인지를 명확히 하는가, 비용은 누가 지는가, 우리가 책임져야 할 사람들과의 신뢰를 강화하는가”라는 3중 필터. 그리고 집단 회복탄력성 구축 — 개인의 멘탈 관리가 아니라 공동 휴식일, 감정 웰니스 공론화, 리더가 먼저 경계와 취약함을 보여주는 구조적 접근.

여기까지만 보면, 감정노동과 경험적 판단은 위기의 핵심 역량이다. 그런데 같은 역량이 평시에는 어떤 취급을 받는가. 여성 관리자를 대상으로 한 연구에서 81.6%가 업무 시간의 30% 이상을 감정 노동과 돌봄 업무에 쓴다고 응답했다. 팀원의 고충 상담, 부서 간 갈등 중재, 신입 멘토링, 회의에서의 분위기 관리. 이 업무들은 성과 평가서 어디에도 등장하지 않는다. KPI에 잡히지 않으니 승진 심사에서 가산점이 없고, 오히려 본업에 집중하지 못한다는 인상을 줄 수 있다.

개인적으로는, 이 충돌이 단순한 제도 미비가 아니라 구조적 설계 결함이라고 본다. 조직이 위기에서 살아남을 때 가장 의존하는 역량을 평시 보상 체계에서 공식적으로 인정하지 않는다는 건, 위기 대응 역량을 소비하면서 재생산하지 않겠다는 뜻이다. 수도관에서 물을 뽑아 쓰면서 정수장에는 투자하지 않는 것과 같다.

60세 이후의 경험이 할인되는 속도

감정노동의 저평가가 젠더 차원이라면, 경험적 판단의 저평가는 연령 차원에서 동일한 구조를 그린다. OECD 37개국 데이터가 이를 선명하게 보여준다. 55~64세 근로자의 평균 고용률은 50.4%다. 같은 연령대에서 대졸 이상은 76.7%, 고졸 미만은 49.2% — 학력에 따른 격차가 26%p를 넘는다. 60~64세 고용률은 아이슬란드 77.2%에서 룩셈부르크 25.4%까지, 국가 간 편차만 52%p다.

더 심각한 건 훈련 참여율이다. 60~65세 근로자 중 지난 1년간 훈련에 참여한 비율은 3분의 1에 불과하다. 25~44세의 절반 이상과 비교하면 확연한 차이다. 경력 상담을 받아본 비율도 55~64세는 27%, 40~54세는 38%에 그친다. 고령 근로자가 가진 강점 — 20~30년간 축적된 상황 판단 능력, 조직 내 비공식 네트워크, 위기 시 패턴 인식 — 은 디지털 전환 훈련에서 소외되면서 점점 시장 가치를 잃는다.

OECD는 이 문제의 해법으로 평생학습과 유연근무를 제시한다. 하지만 솔직히, 이건 해법의 반쪽이다. 고령 근로자에게 파이썬을 가르치는 것과, 그들의 경험적 판단을 조직의 공식 자산으로 인정하는 것은 전혀 다른 문제다. 전자는 개인의 적응이고, 후자는 조직의 설계다. AI 시대에 더 시급한 건 후자쪽이다.

실질소득 0.4%, 소비지출 5.3% — 투자 여력의 소멸

보이지 않는 역량에 투자하려면 여유가 있어야 한다. 2026년 1분기 한국 가계 데이터는 그 여유가 어디로 갔는지를 보여준다. 가구당 월평균 소득은 548만 1천 원으로 전년 대비 2.4% 늘었다. 하지만 물가를 반영한 실질소득 증가율은 0.4%에 불과하다. 사실상 제자리다. 반면 소비지출은 310만 5천 원으로 5.3% 급증했다. 교통·운송 12.1%, 오락·문화 12.0%, 보건 10.4%. 흑자액은 123만 9천 원으로 3.1% 줄었다.

더 들여다보면 구조가 보인다. 상위 20% 가구의 처분가능소득은 964만 5천 원, 하위 20%는 93만 8천 원. 분위배율은 6.59배로 6년 만에 최대다. 하위 20% 가구의 월 평균 적자는 51만 원으로 통계 집계 이래 최대 규모를 기록했다. 상위 20%에서 사적이전소득(성과급·명절상여금 등)이 56.4% 급증한 것과 대조적이다.

이 데이터가 감정노동·경험적 판단의 보상 문제와 연결되는 지점은 이렇다. 기업도 가계와 마찬가지로 실질 수익성이 정체되면 가장 먼저 줄이는 게 측정하기 어려운 투자다. 리더십 개발 프로그램, 시니어 멘토링 체계, 감정노동 보상 제도 — 이런 것들은 ROI를 엑셀 한 줄로 증명하기 어렵다. 흑자액이 줄어드는 경제에서, 보이지 않는 역량에 대한 투자는 가장 먼저 삭감 대상이 된다.

같은 구조, 다른 얼굴 — 번아웃과 조기퇴직의 공통 뿌리

여기서 두 갈래의 데이터를 겹쳐보면 패턴이 드러난다. 여성 관리자의 번아웃과 고령 근로자의 노동시장 이탈은 전혀 다른 인구집단의 전혀 다른 문제처럼 보인다. 하지만 핵심 메커니즘은 동일하다: 조직이 의존하지만 보상하지 않는 역량을 보유한 사람들이, 그 역량을 소진하고 떠나는 것이다.

여성 관리자는 팀의 감정적 안전망 역할을 하면서 본인의 성과 지표는 떨어진다. 연구에 따르면 여성은 승진에 도움이 되지 않는 비승진형 업무(non-promotable tasks)를 남성보다 훨씬 많이 떠안는다. 고충 상담, 환영 행사 기획, 신입 적응 지원 같은 것들. 이 업무들은 팀 유지에 필수적이지만 성과 평가에서 인정받지 못하고, 결과적으로 번아웃과 경력 정체로 이어진다.

고령 근로자는 다른 경로로 같은 결과에 도착한다. 30년간 축적한 판단력과 조직 기억은 디지털 스킬 부족이라는 한 가지 약점 때문에 통째로 할인된다. 훈련 기회는 젊은 층의 절반 수준이고, 경력 상담 접근성도 낮다. 결국 가장 대체하기 어려운 역량을 가진 사람이 가장 먼저 밀려나는 역설이 발생한다.

대체 불가능성이 높을수록 보상이 낮아지는 역설

AI가 정형 업무를 대체하면 무엇이 남는지는 이제 분명하다. 공감, 갈등 중재, 모호한 상황에서의 원칙 적용, 조직의 맥락을 통째로 이해하는 판단. 이 역량들의 공통점은 두 가지다. 하나, AI가 가장 마지막까지 대체하기 어렵다. 둘, 현재 보상 체계에서 가장 낮은 가치를 부여받는다.

왜 이런 역설이 생기는가. 첫째, 측정의 문제. 정형 업무는 처리 건수, 응답 시간, 오류율로 측정된다. 감정노동은 측정 지표 자체가 없다. 팀원이 퇴사하지 않은 것, 갈등이 폭발하지 않은 것, 신입이 3개월 안에 적응한 것 — 이런 건 일어나지 않은 일이라 성과로 잡히지 않는다. 둘째, 귀속의 문제. 경험적 판단의 가치는 의사결정 이후에야 드러나지만, 그 공로는 결정을 내린 최종 의사결정자에게 귀속된다. 판단의 재료를 제공한 시니어 전문가는 보이지 않는다.

AI 에이전트가 HR 1차 응대 83개 시나리오를 처리하고, 문서 분류와 규정 조회를 자동화하면, 조직에서 정형 업무 인력의 가치는 실제로 하락한다. 그러면 남은 비정형 역량의 가치는 올라야 정상이다. 수요-공급 논리대로라면 그래야 한다. 하지만 현실은 반대다. 비정형 역량은 측정 불가능하기 때문에, AI로 절감된 비용이 이 영역에 재투자되지 않고 그냥 비용 절감으로 끝난다.

한 줄 요약: AI가 정형 업무를 흡수할수록 감정노동과 경험적 판단의 조직 내 중요도는 올라가는데, 측정 불가능하다는 이유로 보상 체계는 오히려 이 역량을 밀어내고 있다 — 이것이 여성 관리자 번아웃과 고령 인력 이탈의 공통 원인이다.

그래서 HR은 무엇을 바꿔야 하는가

이건 좀 아쉽다 — 대부분의 조직이 AI 도입 효과를 “비용 절감”으로만 계산하고 있다는 점. AI가 정형 업무를 대체해서 절감된 자원이 어디로 가는지를 추적하는 기업은 거의 없다. 그 자원이 비정형 역량 — 감정노동, 경험적 판단, 조직 기억 — 의 보상과 재생산에 투입되지 않으면, 조직은 위기 대응 역량을 천천히 소진시키는 셈이다.

실무 시사점 — HR이 이번 분기에 점검할 3가지:

① 감정노동의 가시화. 팀 내 갈등 중재, 멘토링, 감정적 지원 업무를 성과 평가의 공식 항목으로 편입하라. “비승진형 업무”라는 범주 자체를 없애는 것이 시작이다. 누가 이 업무를 하고 있는지 분기별로 매핑하고, 해당 인력의 번아웃 지표를 함께 추적하라.

② 시니어 경험의 자산화. 고령 근로자에게 디지털 훈련을 시키는 것과 별개로, 그들의 경험적 판단을 조직 내 의사결정 프로세스에 공식 편입하라. 위기 대응 매뉴얼의 사전 검토, 신규 프로젝트의 리스크 평가, 주니어 인력과의 구조화된 멘토링 — 이런 역할에 명시적 보상을 부여하라.

③ AI 절감 비용의 재투자 추적. AI 도입으로 절감된 인건비와 시간이 어디에 재배치되었는지를 분기별로 리포트하라. 비정형 역량 강화에 재투자된 비율이 0%라면, 조직은 AI 도입의 장기 효과를 스스로 잠식하고 있는 것이다.

#감정노동보상 #시니어경험자산화 #AI비용재투자 #비정형역량 #HR전략

참고 링크

• MIT Sloan Management Review, “The Empathy Tax Female Leaders Pay” (2026)
• Harvard Business Review, “What Authentic Leadership Looks Like Under Pressure” (2026)
• OECD, “Navigating the Golden Years: Making the Labour Market Work for Older Workers” (2025)
• 통계청, “2026년 1/4분기 가계동향조사 결과” (2026)
• Scale AI, “AI-Native Data Layer: Making Enterprise Data Agent-Ready” (2026)
• Hugging Face — ServiceNow-AI, “EVA-Bench Data 2.0: 3 Domains, 121 Tools, 213 Scenarios” (2026)

작성: 서재홍 | NODE