AI는 분명 우리 일을 더 빠르게 만들었습니다.
기획문서 초안부터 요약, 브레인스토밍, 리서치 등 예전이라면 몇 시간 걸렸을 작업도 이제는 몇 초 만에 만들어집니다.

하지만 최근 실무자들 사이에서는 이런 질문이 늘고 있습니다.

“AI 덕분에 속도는 빨라졌는데… 왜 일은 더 복잡해졌을까?”
“AI를 많이 쓰면 스킬이 떨어지는 건 아닐까?”

이 질문은 단순한 우려가 아니라, 세계 곳곳의 연구와 사례를 통해 실제로 확인되고 있는 변화입니다.

플로우는 이 변화가 우리 협업 방식에 어떤 의미를 갖는지, 그리고 앞으로 무엇을 기준으로 일해야 하는지 함께 살펴보고자 합니다.

겉보기 완성도와 실제 내용의 간극, AI Workslop 현상

Harvard Business Review는 최근 AI가 만든 문서의 ‘그럴듯함’이 오히려 업무 효율을 떨어뜨리고 있다는 연구를 발표했습니다.
표면적으로는 멀쩡해 보이지만, 막상 뜯어보면 논리가 빈약하거나, 실제 맥락과 맞지 않는 경우가 많다는 것이죠.

이런 산출물을 팀원들이 다시 다듬는 동안 발생하는 시간 낭비를 HBR은 “Workslop(워크슬롭)”이라고 표현했습니다.

미국 사무직 1,150명 중 40%는 최근 한 달 동안 “AI가 만든 저품질 산출물”을 바로잡느라 시간을 썼다고 답했습니다.

이 현상은 단순히 ‘AI가 아직 부족해서’ 생기는 문제가 아닙니다. AI의 능력이 아무리 좋아져도, 맥락을 이해하고 팀의 목표와 기준을 반영하는 일은 여전히 사람의 역할이기 때문입니다.

그리고 이 역할은, 생각보다 훨씬 조직적이고 협업적으로 다뤄져야 합니다.

출처

• HBR — https://hbr.org/2025/09/ai-generated-workslop-is-destroying-productivity

• Axios — https://www.axios.com/2025/09/24/ai-workslop-workplace-efficiency-study

AI는 도움일까? 방해일까 ? 스킬 약화 Deskilling 논쟁

AI를 많이 사용할수록 사람의 핵심 스킬이 약해질 수 있다는 지적도 늘고 있습니다.

ResearchGate의 2025년 연구에 따르면, AI에게 “생각 과정”을 반복적으로 맡길 때 문제 해결 능력과 비판적 사고가 서서히 줄어드는 경향이 나타났습니다. 특히 경력이 짧거나 아직 스킬을 쌓는 단계에 있는 실무자에게는 더 큰 영향이 나타난다고 합니다.

왜일까요?
“정답을 만들어오는 과정” 대신 “결과만 받아보고 수정하는 과정”이 반복되면 핵심 원리를 몸으로 익힐 기회가 사라지기 때문입니다.

출처

• ResearchGate — https://www.researchgate.net/publication/393781247

• Business Insider — https://www.businessinsider.com/ai-tools-are-deskilling-workers-philosophy-professor-2025-11

성과는 같아도 평가가 달라지는 이유, AI 사용에 대한 편향

arXiv의 한 연구에서는 동일한 수준의 결과물이라도 AI를 사용했다고 하면 평가가 더 낮아지는 경향이 있다는 사실을 밝혔습니다. 이는 개인뿐 아니라 팀 차원에서도 중요한 문제입니다.

AI를 활용한 업무는 “노력이 적게 들어갔다”거나 “진정성, 숙련도가 떨어진다”는 인식이 생기기 쉽습니다.
따라서, AI 사용이 흔해질수록 누가 어떤 판단을 했는지, 어떤 기여를 했는지를 명확히 남기는 협업 문화가 더 중요해지고 있습니다.

출처

• arXiv — https://arxiv.org/abs/2501.13228

자동화에 익숙해질수록 새로 생기는 부담, 기술 스트레스 증가

AI가 업무를 줄여줄 것 같지만 현실에서는 AI 사용이 늘수록 오히려 업무 스트레스가 증가하는 경우도 많습니다.
그 이유는 AI가 일의 “어려운 부분”까지 대신해주는 것이 아니라, 초안만 만들어주기 때문입니다.

검증, 해석, 보정, 책임과 판단… 이런 과정은 대부분 사람이 맡아야 하죠.

일하는 방식이 바뀌면서 생긴 이 새로운 부담을 몇몇 연구는 “Technostress(기술 스트레스)”라고 부르고 있습니다.

출처

• Campus Technology — https://campustechnology.com/articles/2025/06/10/researchers-ais-productivity-gains-come-at-a-cost.aspx

그렇다면, AI를 잘 쓰면서 스킬도 지키는 방법은 무엇일까?

연구 결과와 최근 기업 사례들을 바탕으로 정리해보면, AI 시대의 실무자는 ‘속도’보다 ‘기준’이 중요합니다.
다음 원칙들은 협업 환경에서 바로 적용할 수 있는 실질적인 기준입니다.

1. AI에게 초안은 맡기되, 최종 판단은 사람이 한다,
AI의 목적은 “정답”을 만드는 것이 아니라 생각을 시작할 지점을 빠르게 제공하는 것입니다.

2. AI가 만든 문서를 “내 언어로 다시 설명”할 수 있어야 한다,
이 과정에서 사고력이 유지됩니다. 이 과정을 건너뛰면 스킬 약화 속도가 빨라집니다.

3. 핵심 스킬은 반드시 사람이 직접 다룬다,
디자인의 방향성, 기획의 메시지, 프로젝트의 우선순위 같은 핵심은 아무리 AI가 발전해도 사람의 책임입니다.

4. AI 사용을 투명하게 기록하고 공유한다,
평가 편향을 줄이고, 팀이 서로의 기여를 더 공정하게 이해할 수 있게 합니다.

AI 시대, 왜 협업 방식이 더 중요해졌을까?

빠른 시대일수록 ‘일의 기준’과 ‘정보의 공유’가 더욱 중요해졌습니다.
AI가 자동으로 만들어내는 결과물이 많아질수록 아래 기준을 남기는 구조가 필요해집니다.

• 누가 어떤 결정을 했는지

• 어떤 맥락에서 판단했는지

• 어떤 자료가 참고되었는지

플로우는 이런 변화 속에서 팀이 더 쉽게 맥락을 공유하고, 프로젝트별로 판단 과정을 명확히 남기고, 각자의 역할을 헷갈리지 않도록 정리할 수 있는 환경을 제공합니다. AI 시대에 더욱 강조되는 “협업의 질”을 지키는 구조적 기반을 마련해주는 셈이죠.

AI가 우리의 속도를 높여주고 있다면, 플로우 같은 협업 기반 툴은 그 속도를 팀의 ‘방향성’으로 변환해주는 역할을 합니다.

참고 출처

1. Harvard Business Review — AI-Generated Workslop Is Destroying Productivity

2. Axios — AI Workslop Survey

3. ResearchGate — Understanding The Effects Of AI Tasks And Social Deskilling

4. Business Insider — AI Tools Are Deskilling Workers

5. arXiv — Compensation Bias Against AI Users

6. Business Insider — KPMG AI Trust Study

7. Campus Technology — AI Productivity Gains Come at a Cost

8. Korea Policy Briefing — AI 저작권·윤리 이슈

9. McKinsey — Superagency in the Workplace

Writer & Editor & Graphic 이나영

🏷️ 관련 키워드
AI 업무 효율, AI 도입 부작용, AI 스킬 약화, 데스킬링(Deskilling), 워크슬롭(Workslop), AI 업무 스트레스, 직장인 번아웃, 기술 스트레스(Technostress), AI와 협업, AI 시대 협업 방식, 협업툴 플로우, 업무용 협업툴 추천, 프로젝트 협업 도구, 정보 공유 시스템, 역할과 책임 정리, AI 업무 자동화 도구, AI 활용 방법, AI와 업무 생산성, AI 시대 직장인의 일하는 법, 디지털 전환과 협업 문화