AI 시대, 조직문화가 답이다: 심리적 저항을 극복하는 전략적 접근

필자는 최근 AI를 활용해 조직문화 진단 및 개선 도구를 직접 개발하며, 일하는 방식의 근본적인 변화를 체감하고 있다. 무료계정으로 서버와 연동한 나만의 진단 프로그램, 방대한 인터뷰 스크립트 분석을 몇 시간 안에 끝내고 내가 주로 다루는 조직문화 분석모델에 맞게 결과까지 시각화해주는 데스크톱 앱 등 예전에는 프로그래머에게 의뢰하지 않으면 구현할 수 없던 맞춤형 도구들을 손쉽게 구현해서 활용 중이다. 이러한 도구들은 내가 기존에 수행하던 일들의 소요 시간을 상당량 줄여주었을 뿐만 아니라, 더 나은 퀄리티의 업무수행을 가능하게 하는 중이다. 이러한 변화는 단순한 기술 도입을 넘어, 일하는 방식 자체가 근본적으로 재정의되고 있음을 보여준다.

이는 비단 필자만의 경험이 아니다. BCG의 "AI at Work 2025" 조사 결과를 보면, 전체 응답자의 72%가 일주일에 여러 번 이상 AI를 사용하는 '정기적 사용자(Regular Users)'인 것으로 나타났으며, 응답자 중 47%는 AI를 통해 하루 1시간 이상 기존 업무수행 시간을 절약하고 남는 시간을 통해 더 많은 과업 수행을 하거나, 더 나은 품질로 업무를 조기에 끝내거나, 전략적 과업에 집중하고 있음이 나타났다.

AI 도입은 이제 경쟁우위에서 생존필수조건으로 전환되었으며 그 속도는 역사상 전례 없이 빠르다. 국내 많은 직장인들 또한 필자와 마찬가지로 이러한 속도에 실제 맞춰 나가기 위해 노력하는 중이다. 2025년 5월 엘림넷 나우앤서베이 ‘직장인의 AI 활용 실태와 인식’ 설문조사에 따르면, 국내 직장인 10명 중 7명(71.3%)이 업무에 생성형 AI를 사용하고 있으며, 특히 IT 업계의 사용률은 92.5%에 달해 개인 단위의 AI 활용은 이미 일상화 단계에 접어들었다. 이는 2024년 33.3%였던 생성형 AI 서비스 사용률이 크게 증가한 것이다.

하지만 업종별로 살펴보면 온도 차가 뚜렷하게 나타난다. IT/정보통신 분야 직장인들과 달리 제조업 분야의 활용률은 63.2%에 그쳐, AI 도입을 주저하거나 어려움을 겪는 직장인 또한 상당수 존재함을 알 수 있다. 물론 이를 기업의 정보 유출 우려나 비용 부담으로 인한 전사/전략적 도입이 낮은 이유와 연결 지어 생각해볼 수는 있으나, 이러한 조직 수준의 장벽만으로는 AI 도구가 주어져도 사용을 꺼리거나 특정 분야에서 유독 도입을 주저하는 개인들의 근본적인 심리적 장벽까지 설명하기는 어렵다. 심지어 회사가 정책적으로 AI 도입을 금하더라도 몰래 사용하는 BYOAI(Bring your own AI), 혹은 Shadow AI와 같은 용어들이 범람하는 작금의 상황에서는 말이다.

그렇다면 AI 도입이 이처럼 부분적으로 정체되는 이유는 뭘까? Nature Human Behaviour에 발표된 De Freitas 등의 연구 등을 참고해 보자면, AI 저항은 (1) 불투명성(Opacity), (2) 비감정성(Emotionlessness), (3) 경직성(Rigidity), (4) 자율성(Autonomy), (5) 그룹 멤버십(Group membership)이라는 다섯 가지 심리적 메커니즘에서 비롯될 수 있다.

1. 불투명성 (Opacity): AI를 이해할 수 없는 '블랙박스'로 인식

AI 저항의 첫 번째 원인은 AI의 작동 방식을 이해하기 어렵다는, 즉 '블랙박스'와 같다는 인식에서 비롯된다. 인간은 자신의 환경을 예측하고 통제하려는 본능적인 동기를 가지고 있으며, 어떤 것의 작동 원리를 이해할 때 더 신뢰하는 경향이 있다. 반면, AI의 복잡한 알고리즘은 그 결정 과정을 파악하기 어렵게 만들어 불신과 저항감을 유발한다.

2. 비감정성 (Emotionlessness): AI를 '감정이 없는 존재'로 인식

사람들은 AI가 감정을 경험할 수 없다고 여기기 때문에, 감성적인 판단이 필요하다고 생각되는 업무에서는 AI를 불신하는 경향이 있다. 즉, AI는 데이터에 기반한 객관적 과업(financial advice)에는 적합하지만, 미묘한 감정적 교감이 필요한 주관적 과업(dating advice)에는 부적합하다고 여기는 것이다.

3. 경직성 (Rigidity): AI를 '융통성 없는 존재'로 인식

사람들은 AI가 인간과 달리 실수로부터 배우지 못하고, 정해진 규칙에 따라 기계적으로 작동하는 경직된 존재라고 인식한다. 인간의 실수는 학습 과정의 일부로 이해되는 반면, AI의 실수는 시스템의 영구적인 결함으로 간주되어 신뢰를 빠르게 잃게 만든다.

4. 자율성 (Autonomy): AI가 '통제권'을 위협한다는 인식

인간은 자신의 삶과 환경에 대한 통제권을 유지하려는 근본적인 욕구를 가지고 있다. AI의 자율성이 높아질수록, 사람들은 자신의 선택권과 통제력을 상실할 수 있다는 위협을 느낀다.

5. 그룹 멤버십 (Group Membership): AI를 '인간이 아닌 존재'로 인식

AI가 인간과 아무리 유사한 능력을 갖추더라도, 사람들은 단지 '인간이 아니라는 이유'만으로 AI를 불신하거나 차별하는 경향을 보인다. 이는 일종의 '종차별주의(Speciesism)'적 편향으로, 자신의 그룹(인간)에 더 높은 가치를 부여하고 외부자(AI)를 배척하는 심리에서 비롯된다.

행동경제학 연구는 추가적인 저항 메커니즘을 제시하는데, 현상유지편향(status quo bias), 손실회피(loss aversion), 보유효과(endowment effect)가 그것이다.

첫째, 우리는 현상유지편향(Status Quo Bias)의 지배를 받는다. 인간의 뇌는 불확실성을 피하고 에너지를 아끼기 위해 현재 상태를 '안전한 기본값'으로 설정한다. 아무리 비효율적일지라도, 수년간 손에 익은 업무 방식은 예측 가능하고 편안하다. 반면 AI 도입이라는 변화는 새로운 것을 배우고 적응해야 하는 불확실한 모험이다. 이 편향은 "지금도 그럭저럭 괜찮은데, 굳이 모험을 할 필요가 있을까?"라는 안일함으로 우리를 현상에 머무르게 만든다.

둘째, 이 관성은 보유효과(Endowment Effect)와 손실회피(Loss Aversion) 편향을 만나 더욱 강력해 진다. 우리는 이미 손에 쥔 것들에 비합리적인 애착을 느낀다. 자신이 시간과 노력을 들여 쌓아온 업무 방식과 노하우는 단순한 프로세스가 아닌, 가치가 부풀려진 '나의 자산'이 된다. 이때 '손실회피' 편향은 이 자산을 포기하는 고통을 AI 도입으로 얻을 이득보다 훨씬 크게 느끼게 만든다. AI가 가져다 줄 '미래의 막연한 이익'보다 당장 내가 가진 익숙한 기술과 전문성을 '잃을지 모른다'는 두려움이 의사결정을 압도하는 것이다.

결국 AI 도입에 대한 저항은 어찌 보면 이 세 가지 편향의 합작품이다. 현상유지편향이 변화의 스위치를 누르는 것을 막고, 보유효과가 현재의 방식을 과대평가하게 만들며, 손실회피가 변화에 따르는 잠재적 손실을 부풀려 마음의 빗장을 걸어 잠그게 한다.

이러한 심리적 장벽들은 모든 사람에게 동일하게 작용하는 것이 아니라, 각 개인이 속한 '업무 맥락'과 '조직문화'에 따라 그 강도가 달라진다. 가령 IT 업계 종사자에게 AI는 기존 업무를 보조하고 강화하는 '도구'로 인식되기에 심리적 저항이 덜하다. 반면, 제조업 종사자에게 AI 기반 자동화 로봇은 자신의 숙련된 기술과 역할을 직접적으로 '대체'할 수 있다는 위협으로 다가온다. 이는 '자율성' 상실에 대한 두려움과 '손실회피' 편향을 훨씬 강하게 자극하는 것이다. 또한, 눈에 보이는 물리적 과정이 중요한 제조업의 특성은 AI의 '불투명성'에 대한 저항감을 더욱 키울 수 있다.

즉, AI 도입이 업종마다 다른 이유는 단순히 기술 이해도의 차이를 넘어, 이처럼 기술이 개인의 역할과 통제권에 미치는 영향의 차이가 근본적인 심리적 저항을 다르게 유발하기 때문이다. 따라서 기술이나 지식이라는 유형적 요인 기저에 깔린 보이지 않는 조직문화적, 심리적 요인들이 AI 도입의 결정적 장벽이 될 수 있다는 점이다.

그러면 이제 해답은 명확하다. 어떻게 하면 보이지 않는 조직문화적, 심리적 요인들을 해소하여 업종과 관계없이 모두가 AI 시대에 빠르게 적응하게 만들 수 있을까?

여기서 '그렇다면 더 나은 기술 교육이 해답 아닌가?'라는 반문이 나올 수 있다. 물론, 기술 활용법을 익히는 것은 기본 전제다. 하지만 이는 AI 도입 저항의 표면적 현상에 대한 처방일 뿐, 근본 원인인 심리적 장벽을 해소하지 못한다. 두려움은 기술의 '무지'에서만 오는 것이 아니라, 기술이 가져올 '미래의 불확실성'에서 오기 때문이다. AI 사용법을 가르치는 것은 '어떻게'의 문제지만, 직원들의 마음속 저항은 '왜'와 '혹시나'의 문제다. AI가 나의 자율성을 침해하고(Autonomy), 나의 고유한 전문성을 무시하며(Rigidity), 종국에는 나를 대체할지도 모른다(Loss Aversion)는 깊은 불안감은 단순한 기능 교육만으로 절대 해결되지 않는다. 기술 교육은 필요조건이지만, 충분조건이 될 수 없는 이유다.

결국 핵심은 단편적인 기술 교육 중심 접근에서 벗어나, 보편적인 인간 행동 패턴을 다루는 조직문화적 접근으로 전환하는 데 있다. 문화적 접근은 특정 기술을 초월하는 '안전한 학습 공간'을 제공하며, 이는 직원들이 방어기제 없이 AI를 긍정적으로 경험하며 심리적 저항을 스스로 허물게 만드는 가장 효과적인 해법이다. 특히 공식적인 AI 도입이 막힌 상황에서, 이미 만연한 '섀도우 AI(Shadow AI)' 현상을 방치하지 않고 구성원의 심리적 저항을 안전하게 낮출 수 있는 방법이 바로 ‘당신 기업의 조직문화’를 활용한 AI접근이다.

조직문화적 접근이 가장 현실적이고 효과적인 해답이 되는 이유는 다음과 같다. 회사가 공식적으로 AI 교육을 제공하기 어려운 가장 큰 이유는 민감한 내부 데이터의 외부 유출 가능성 때문이다. 이런 상황에서 조직문화적 접근은 기술의 기능이 아닌, 기술을 대하는 인간의 마음에 집중함으로써 이 딜레마를 해결한다.

AI에 대한 저항을 극복하고 신뢰를 쌓으려면, 결국 구성원들이 AI의 실용성, 용이성, 작동원리를 직접 '체험'하고 '경험'하는 과정이 필수적이다. 조직문화적 접근은 바로 이 경험의 장을 가장 안전한 데이터 영역, 즉 '인간과 조직의 상호작용'에서 찾는다. 외부 유출 시 리스크가 큰 영업비밀이나 고객 데이터가 아닌, 감정을 교환하는 방식, 의사결정을 내리는 과정, 갈등이 일어날 때 해결하는 방식 등 자신들의 업무몰입이나 시너지에 영향을 미치는 보편적이고 비민감한 데이터를 활용해 "우리의 소통 방식은 어떤가?", "어떤 리더십이 효과적인가?"와 같은 조직문화적 질문에 대한 AI의 분석을 경험하게 하는 것이다.

역설적으로, AI 실험에 있어 가장 안전한 데이터는 가장 인간적인 데이터다. 이는 조직문화 담당자가 기술적 제약이나 보안 이슈에서 비교적 자유롭게 AI의 가치를 증명하고, 구성원들의 심리적 장벽을 해소하는 '안전한 학습 공간'을 주도적으로 열 수 있는 유일한 통로가 됨을 의미한다.