AI가 돈은 벌어왔는데, 누구 덕인지 모른다 — 기여 측정이 무너진 시대의 보상 위기

올해 2분기, 대만 타이중의 반도체 공장 앞에서 노조가 피켓을 들었다. 메모리 반도체 시장이 AI 수요에 힘입어 사상 최대 이익을 냈는데, 돌아온 건 기존과 비슷한 수준의 성과급이었다. 직원 1만 2천 명의 질문은 단순했다. “이 이익은 누구 덕인가.” 이 질문이 불편한 이유는, 대답할 수 있는 조직이 거의 없기 때문이다. AI가 만든 이익은 늘어나는데, ‘누구의 기여인지’ 측정하는 구조는 멈춰 있다. 배분 규칙을 갱신하지 않는 기업은 노사 갈등이나 핵심 인재 이탈로 정산당한다.

한 줄 요약: AI가 이익을 키우는 속도보다 조직이 ‘기여 측정’을 갱신하는 속도가 느리다. 그 격차가 보상 위기를 만든다.

반도체 공장에서 터진 배분 전쟁 — 이익은 사상 최대, 몫은 전과 같다

마이크론 대만 법인의 상황을 좀 더 들여다보면, 이건 단순한 노사 분쟁이 아니다. AI 반도체 수요가 폭발하면서 HBM(고대역폭 메모리) 매출이 전년 대비 수배 뛰었다. 회사 실적은 역대급이었다. 그런데 직원들이 받은 성과급은 이전 호황기와 크게 다르지 않았다. 노조는 “AI가 만든 초과 이익의 배분 기준이 없다”고 정면으로 문제를 제기했다.

이건 마이크론만의 이야기가 아니다. 한국에서도 반도체 성과급 논쟁은 매년 반복된다. 그런데 여기서 주목할 건 논쟁의 성격이 바뀌고 있다는 점이다. 과거에는 “얼마를 줘야 하나”가 핵심이었다. 지금은 “이 이익이 대체 누구의 기여로 만들어진 건가”라는 더 근본적인 질문이 앞에 선다. AI 설계 자동화 도구를 도입한 팀이 생산성을 두 배로 올렸다면, 그 성과는 도구를 선택한 관리자의 것인가, 도구를 활용한 엔지니어의 것인가, 아니면 도구에 학습 데이터를 만들어준 이전 세대의 것인가.

솔직히, 대부분의 기업은 이 질문에 답할 준비가 안 돼 있다. 성과 평가 체계가 ‘개인이 한 일’을 측정하도록 설계됐는데, AI가 끼어들면서 ‘개인이 한 일’의 경계가 흐릿해졌기 때문이다.

같은 직업 안에서 3배 차이 — 인지 스킬이 만든 보이지 않는 칸막이

배분 문제가 왜 지금 터지는지 이해하려면, 임금 격차가 어디서 벌어지고 있는지를 봐야 한다. 최근 발표된 다중 스킬 모형 연구는 흥미로운 패턴을 보여준다. 직업 간 임금 격차도 크지만, 정작 격차가 가장 빠르게 벌어지는 곳은 같은 직업 안이다. 특히 인지집약 직종 — 분석, 전략, 설계처럼 머리를 쓰는 일 — 에서 내부 격차가 뚜렷하다. 반면 육체노동 중심 직종에서는 내부 격차가 오히려 줄어드는 추세다.

이 패턴에 AI를 얹으면 무슨 일이 벌어지는지는 한국은행의 분석이 힌트를 준다. 한국은행이 생성AI·에이전틱AI·피지컬AI 세 유형별로 직종·지역 노출도를 국내 최초로 산출했는데, 결과가 의미심장하다. 생성AI 노출도는 서울·세종·경기 순으로 높고, 피지컬AI는 경북·전남 등 비수도권이 높다. AI 유형에 따라 격차가 벌어지는 방향이 다르다는 뜻이다. 수도권의 인지집약 직종은 생성AI로 내부 격차가 더 벌어지고, 비수도권의 제조·물류 직종은 피지컬AI로 다른 종류의 변환을 맞는다.

결국 ‘같은 직업을 하는데 왜 저 사람이 나보다 3배를 받느냐’는 질문이 조직 안에서 점점 커질 수밖에 없다. 그리고 이 질문에 대한 기존 답 — 경력 연수, 직급, 근속 — 은 AI 시대에 설득력을 잃어가고 있다.

AI는 시니어를 더 잘하게 만들고 주니어를 불안하게 만든다

기여 측정이 왜 이렇게 어려워졌는지를 가장 선명하게 보여주는 연구가 있다. 133명의 특허 변호사를 대상으로 3개월간 진행된 무작위 대조 실험(RCT)이다. AI 보조 도구를 제공한 그룹과 그렇지 않은 그룹을 비교했더니, 도구를 쓰는 동안에는 전반적으로 업무 품질이 올랐다. 여기까지는 예상대로다.

문제는 그 다음이다. 실험 마지막에 AI 도구 없이 과제를 수행하게 했더니, 시니어 변호사는 0.32 표준편차만큼 성과가 더 좋아져 있었다. AI를 쓰면서 오히려 자기 전문성이 강화된 것이다. 반면 주니어 변호사는 양극화됐다. 일부는 AI를 통해 빠르게 성장했지만, 다른 일부는 AI에 의존하면서 기초 역량 자체가 약해졌다. 연구진의 결론은 이랬다. “기초 전문성이 AI 활용의 선행 조건이다.”

이 실험이 보상 문제와 어떻게 연결되는지 생각해보자. 시니어가 AI를 써서 생산성을 3배로 올렸다고 하자. 기존 평가 체계로는 시니어의 ‘산출물’이 늘어난 것으로 측정된다. 하지만 그 산출물의 상당 부분은 AI가 초안을 잡고, 데이터를 정리하고, 패턴을 찾아준 결과다. 시니어의 진짜 기여는 AI가 내놓은 결과물을 판단하고 편집한 것인데, 이 ‘판단과 편집’의 가치를 기존 KPI로는 포착하기 어렵다.

주니어 입장에서는 더 답답하다. AI가 기초 업무를 가져가면서 ‘할 수 있는 일’의 범위가 줄어드는데, 줄어든 범위 안에서의 성과로 평가받아야 한다. 반면 시니어는 AI를 지렛대 삼아 더 큰 판단, 더 큰 프로젝트에 손을 뻗는다. 기여의 격차가 실제로 벌어지는 건지, 측정 방식이 격차를 만드는 건지 — 이 구분 자체가 흐려진다.

‘기여를 보여주면 이탈을 막는다’는 공식이 깨지는 순간

기여 가시화에 대한 가장 설득력 있는 연구는 하버드경영대학원에서 나왔다. 직원 주식보유(employee equity) 프로그램에 하나를 더 결합했더니 이직률이 13%포인트 떨어졌다. 그 하나가 뭐냐면, “당신의 일상 업무가 회사 가치에 어떻게 기여하는지” 구체적으로 보여주는 커뮤니케이션이었다. 주식만 줘서는 소용없고, ‘네가 하는 일이 이 숫자를 만든다’는 연결고리를 보여줘야 효과가 있다는 것이다.

이건 좀 아쉽지만, AI 시대에 이 공식이 그대로 작동할 것이라고 보기 어렵다. 왜냐하면 AI가 끼어들면 ‘네가 하는 일이 이 숫자를 만든다’는 인과관계 자체가 불투명해지기 때문이다. 당신이 AI를 써서 보고서를 세 배 빠르게 만들었다면, 그 성과는 당신의 분석 역량 덕분인가, AI 도구의 역량 덕분인가, 아니면 그 도구를 도입하기로 결정한 IT 부서의 기여인가.

아이러니하게도, HBS 연구가 말하는 ‘기여 가시화’의 전제 조건 — 기여와 결과 사이의 명확한 인과 — 이 바로 AI에 의해 흔들리고 있다. 앞서 본 NBER 실험을 대입하면, 시니어의 기여는 ‘AI 결과물을 판단하는 능력’이라는 보이지 않는 역량에 있고, 주니어의 기여는 AI가 대체한 기초 작업에 있었으니 측정 자체가 곤란해진다. ‘기여를 보여주면 된다’가 아니라 ‘기여를 어떻게 정의할 것인가’가 선행 문제인 셈이다.

이 지점에서 두 연구는 정면으로 충돌한다. HBS는 기여의 인과가 명확하다는 전제 위에서 작동하고, NBER AI 실험은 그 전제 자체가 무너지고 있다고 보여준다. 두 연구 모두 맞다. 다만 적용 가능한 시점이 다르다. AI 도입 전 조직에서는 HBS 처방이 강력하지만, AI가 업무 흐름에 깊이 들어온 조직에서는 기여의 재정의가 선행돼야 한다.

‘나중에 정하자’는 한국식 타협, AI 앞에서 무너진다

한국 기업에 이 문제가 특히 위험한 이유가 있다. ‘후불제 자본주의’라고 불리는 구조적 습관 때문이다. 성장을 먼저 하고 분배 규칙은 나중에 정하자는 암묵적 합의. 반도체 성과급 논쟁이 매년 반복되는 것도, 상법 개정 논의가 수십 년째 제자리인 것도 이 패턴의 산물이다. ‘학습의 후불제’ — 경제가 먼저 커지고 부의 분배 규칙은 뒤늦게 정하는 관행 — 가 그동안은 어찌저찌 작동했다. 성장이 빨라서 파이 자체가 커지니, 분배가 좀 불공평해도 절대적 몫은 늘었기 때문이다.

AI 시대에는 이 타협이 통하지 않는다. 이유는 두 가지다. 첫째, AI가 만드는 가치 증분의 속도가 과거 기술 혁신보다 빠르다. ‘나중에 정하자’고 미루는 동안 이익의 크기가 달라져 버린다. 둘째, AI 시대의 핵심 인재 — 시니어급 판단력을 가진 사람 — 는 유동성이 높다. 마이크론 사례가 보여주듯, 배분이 불만족스러우면 경쟁사로 이동하는 데 걸리는 시간이 짧아졌다.

한국은행 분석이 보여주는 지역별 AI 노출도 격차도 이 맥락에서 읽어야 한다. 서울·경기 수도권의 인지집약 직종은 생성AI 노출도가 높아서, 기여 측정 문제가 빠르게 현실화된다. 비수도권 제조업은 피지컬AI 중심이라 다른 종류의 재편을 맞지만, ‘누구의 기여인가’라는 질문은 결국 똑같이 도달한다. 로봇이 조립 라인의 생산성을 올렸을 때, 그 성과를 로봇 운용 엔지니어에게 귀속할 것인지, 공정 설계자에게 귀속할 것인지, 현장 작업자의 피드백 데이터에 귀속할 것인지.

배분 규칙을 먼저 갱신한 조직이 인재를 지킨다

개인적으로는, 이 문제의 해법이 ‘더 정교한 성과 측정 시스템’에 있다고 생각하지 않는다. AI가 업무 흐름에 깊이 들어올수록 개인의 기여를 분리해서 측정하려는 시도 자체가 비현실적이 된다. 오히려 필요한 건 배분의 원칙을 먼저 세우는 것이다.

HBS 연구가 말하는 기여 가시화는 여전히 유효하지만, 적용 방식이 달라져야 한다. ‘AI가 만든 초과 이익의 N%는 도구를 활용한 팀에 귀속한다’처럼, AI 기여분을 별도로 식별하려 들지 말고 팀 단위 배분 원칙을 선제적으로 합의하는 방식이다. 마이크론 대만 노조가 요구한 것도 결국 이것이었다 — 개인별 기여 측정이 아니라, AI 초과 이익에 대한 집단적 배분 원칙.

NBER의 다중 스킬 연구가 보여주는 인지집약 직종 내 격차 확대, AI RCT가 보여주는 시니어-주니어 양극화, 한국은행이 경고하는 지역별 격차 — 이 세 가지가 합류하는 지점에서 기업이 해야 할 일은 명확하다. 기여를 더 정밀하게 재는 게 아니라, 재기 어려워진 현실을 인정하고 배분의 룰을 먼저 정하는 것이다.

💡 실무 시사점 — HR이 이번 분기에 점검할 3가지:

① AI 초과 이익의 배분 원칙을 합의했는가. 개인 기여 측정에 매달리지 말고, AI가 만든 추가 가치에 대한 팀·부서 단위 배분 기준을 먼저 정한다. 마이크론 사례처럼 노조가 먼저 물으면 이미 늦다.

② 시니어-주니어 성과 격차를 AI 탓으로 방치하고 있지 않은가. AI가 시니어의 판단력을 증폭하고 주니어의 기초 역량을 대체하는 구조를 인식하고, 주니어의 학습 경로를 재설계한다. 3개월 RCT가 보여주듯, AI 없이도 성장할 수 있는 기초 전문성 구간을 보장해야 한다.

③ ‘나중에 정하자’는 관행이 보상 정책에 남아 있지 않은가. AI가 만드는 가치 변화의 속도가 과거 기술 혁신보다 빠르다. 연 1회 성과급 체계로는 분기 단위로 바뀌는 AI 기여 구조를 반영할 수 없다. 배분 주기를 짧게 가져가거나, 최소한 AI 관련 성과 배분 기준을 별도로 운용한다.

#AI보상전략 #기여측정 #성과급배분 #인재리텐션 #후불제자본주의

참고 링크

• NBER, “Unbundling Labor” (2026)
• NBER, “Does AI Assistance Enhance or Erode Expertise? Evidence from a Three-Month Field Experiment” (2026)
• HBS Working Knowledge, “Employees Disengaged? Show Them How They Add Value” (2026)
• People Matters, “Micron employees question AI profit distribution, demand greater share of earnings” (2026)
• 다음뉴스(DBR), “후불제 자본주의, 책임 주체는? — 성과급 분배와 세대 간 부담의 공정성” (2026)
• 한국은행, “AI와 지역 노동시장: 지역간 격차 확대 위험과 새로운 기회” (2026)

작성: 서재홍 | NODE