신입이 AI 보조로 성장하면 5년 뒤 조직에서 비슷한 상황에 다른 판단이 나오기 시작합니다

에릭슨 등의 의도적 연습 연구(1993)에 따르면 전문성은 피드백이 있는 반복 실행 경험에서 쌓입니다. AI가 초급 업무를 처리하면 그 반복 경험이 줄어들고, 같은 연차에서 판단 기준이 쌓이는 속도가 달라집니다.
판단 기준의 세대 전수는 같은 업무를 함께 하면서 선배의 판단 방식을 관찰하는 경험에서 일어납니다. AI가 그 업무를 대신하면 관찰 경로가 바뀌고, 다음 세대가 흡수하는 기준의 내용도 달라집니다.
이 변화는 5년 뒤에 드러납니다. 비슷한 상황에서 팀마다 다른 판단이 나오고, 왜 기준이 달라졌는지 설명하기 어렵습니다. 판단 파이프라인이 끊긴 비용입니다.

판단 기준은 업무를 함께 하면서 전달됩니다

유통 중견기업의 10년 경력 팀장들에게 공통으로 묻자 비슷한 대답이 나왔습니다. '거래처 조건이 표준보다 조금 유리하게 바뀌었을 때 어디까지 수용하는가'라는 질문에 그들은 구체적인 숫자와 이유를 말했습니다. 3년차 직원들에게 같은 질문을 하자 'AI에게 시뮬레이션 돌려보겠습니다'라는 답이 먼저 나왔습니다. 판단 기준이 없는 것이 아니었습니다. 그 기준을 어떻게 만드는지가 달랐습니다.

10년 경력 팀장들이 그 판단 기준을 어디서 얻었는지를 거슬러 올라가면 같은 대답이 나옵니다. 신입 시절에 비슷한 케이스를 반복해서 보면서 선배가 어떻게 판단하는지를 관찰했다는 것입니다. 때로는 실수를 했고, 그 실수에서 왜 그 판단이 맞는지를 이해했습니다. 그 반복이 기준을 만들었습니다.

에릭슨, 크램프, 테쉬-뢰머는 1993년 연구에서 전문성은 단순 반복이 아닌 피드백이 있는 의도적 연습에서 쌓인다고 분석했습니다. 실수가 나고, 그 실수를 교정하는 경험이 반복될 때 판단 기준이 구체화됩니다. AI가 초급 업무를 처리하면 이 의도적 연습 기회가 줄어드는 것이 아니라 구조 자체가 달라집니다.

AI 환경에서 세대 전수 경로가 달라지는 방식

기존 세대 전수는 같은 업무를 함께 하면서 일어났습니다. 신입이 보고서 초안을 쓰면 선배가 수정합니다. 신입은 어느 부분이 왜 바뀌었는지를 봅니다. 그 반복이 선배의 판단 기준을 조금씩 흡수하는 경로였습니다. AI가 초안을 쓰면 신입은 AI 결과를 검토하는 역할을 합니다. 선배의 수정과 그 이유를 관찰하는 기회가 줄어듭니다. 전달되는 내용이 아니라 전달되는 방식이 달라집니다.

이 변화가 축적되면 5년 뒤에 드러납니다. 비슷한 상황에서 팀 A와 팀 B가 다른 판단을 내립니다. 경영자는 왜 기준이 달라졌는지를 설명하기 어렵습니다. 어느 시점부터 판단 기준이 각자 다른 경로로 형성되기 시작했기 때문입니다. 이것이 판단 파이프라인이 끊긴 비용입니다. 채용이 줄어서가 아니라 판단 전수 구조가 달라져서입니다.

Ahn Partners 판단: 이것은 AI 도입을 되돌리라는 것이 아닙니다. AI가 바꾼 업무 경로에서 판단 기준이 어떻게 전달되는지를 새로 설계해야 한다는 것입니다. AI 결과를 검토하는 자리에서 선배가 왜 그렇게 수정했는지를 설명하는 절차를 넣으면 전달 경로가 유지됩니다.

판단 전수 경로를 AI 환경에서 다시 설계하는 방법

첫 번째 조치는 AI 결과 검토를 선배와 신입이 함께 하는 구조입니다. AI 결과를 신입 혼자 확인하고 올리는 것이 아니라 선배와 함께 검토하면서 어느 부분을 왜 수정하는지를 설명하는 절차를 넣습니다. AI가 초안을 썼어도 수정 판단이 전달되면 전수 경로가 유지됩니다.

두 번째 조치는 판단 기록을 팀 자산으로 남기는 것입니다. AI 추천과 다른 판단을 내렸을 때 그 이유를 짧게 기록합니다. 이것이 쌓이면 팀의 판단 기준 문서가 됩니다. 새로 합류한 팀원이 이 기록을 보면 AI가 없던 시절처럼 업무 현장에서 오래 관찰하지 않아도 팀의 판단 기준을 흡수할 수 있습니다.

이번 분기에 확인할 것은 이것입니다. 3년차 직원이 비슷한 케이스에서 어떤 판단을 내리는지와 10년 경력 팀장이 내리는 판단을 비교했을 때, 기준의 언어가 비슷한가. 다르다면 그 차이가 언제부터 생겼는지를 추적하면 판단 전수가 끊긴 시점을 찾을 수 있습니다.

한 문장으로 정리하면

신입 채용을 유지해도 AI가 초급 업무를 처리하는 환경에서 판단 기준이 전달되는 구조를 설계하지 않으면, 5년 뒤 같은 회사 안에서 비슷한 상황에 다른 판단이 나오는 조직이 됩니다. 비용은 채용 파이프라인이 아니라 판단 파이프라인에서 납니다.

점검 목록

신입 직원이 AI 결과를 검토할 때 선배가 어떤 부분을 왜 수정하는지를 함께 보는 절차가 있는가
팀에서 AI 추천과 다른 판단을 내렸을 때 그 이유를 기록하는 장소가 있는가
3년차 직원의 판단 기준이 10년 경력 팀장의 기준과 어디서 다른지를 최근 1년 안에 확인한 적이 있는가