AI가 글을 쓰고 사람이 다시 고친다…기업은 왜 직원의 수정 습관까지 자동화하려 하는가
보고서·이메일·보도자료의 AI 초안 작성은 일상화됐지만 검수와 수정은 여전히 사람의 몫…숙련자의 문장 수정 기준이 기업의 새로운 지식자산으로 바뀌고 있다
생성형 인공지능이 기업의 문서 작성 방식을 바꾸고 있다. 보고서 초안을 작성하고, 고객에게 보낼 이메일을 만들며, 보도자료와 사업제안서까지 생성한다. 불과 몇 년 전만 해도 담당자가 직접 작성해야 했던 업무를 이제 AI가 몇 분 안에 처리할 수 있게 됐다.
그런데 새로운 문제가 생겼다. AI가 작성한 문서를 사람이 다시 고쳐야 한다는 것이다. 문법적으로 틀리지 않은 문장도 기업의 업무 환경에서는 그대로 사용하기 어려울 때가 많다. 표현이 지나치게 장황하거나, 조직에서 사용하지 않는 용어가 등장하고, 근거 없는 성과 표현이 포함되기도 한다.
직원들은 AI가 작성한 초안을 읽고 불필요한 문장을 삭제한다. 보고서에 적합한 문체로 바꾸고, 고객에게 전달하기 어려운 표현을 수정한다. 이런 과정이 반복되면서 AI가 줄여준 작성시간의 일부가 새로운 검수 노동으로 전환되고 있다.
최근에는 이러한 수정 작업까지 자동화하려는 시도가 나타나고 있다. 개인의 문체와 기업의 작성 기준을 AI 스킬이나 프롬프트에 반영해 처음부터 원하는 결과물을 생산하는 방식이다.
여기서 중요한 변화가 발생한다. 과거에는 숙련된 직원의 머릿속에 존재하던 작성 노하우가 이제 기업이 반복적으로 사용할 수 있는 실행 규칙으로 바뀌고 있다.
문제는 단순한 문장 교정에 그치지 않는다. 직원의 경험이 소프트웨어에 반영되는 과정에서 기업의 생산성과 노동자의 전문성, 지식의 소유와 보상 방식까지 달라질 수 있기 때문이다.
AI가 작성시간을 줄였는데도 사람의 검수가 사라지지 않는 이유
생성형 AI의 문서 작성 생산성은 실험을 통해 확인되고 있다. 미국 매사추세츠공과대학교(MIT)의 샤케드 노이와 휘트니 장 연구진은 대학 교육을 받은 전문직 종사자 453명을 대상으로 업무 문서 작성 실험을 진행했다.
연구 결과 챗GPT를 활용한 집단은 평균 작업시간이 40% 감소했고, 평가된 결과물의 품질은 18% 향상됐다. 실험에는 직무와 관련된 문서 작성 과제가 사용됐으며, AI가 특히 상대적으로 숙련도가 낮은 참가자의 생산성을 높이는 효과가 관찰됐다(노이·장, Science, 2023).
이 결과는 AI가 실제로 문서 작성의 효율을 개선할 수 있음을 보여준다. 그러나 제한된 실험 환경에서 확인된 생산성 향상이 기업의 전체 문서 업무에 그대로 적용된다고 해석해서는 안 된다.
기업 문서는 단순히 문장이 자연스러운지만으로 평가되지 않는다. 보고서에 포함된 수치가 정확한지, 계약 조건과 일치하는지, 내부 의사결정에 필요한 정보가 충분한지 확인해야 한다. 고객에게 전달하는 문서라면 상대방과의 관계, 기존 거래 내용, 기업의 공식 입장까지 고려해야 한다.
AI가 작성한 문장이 문법적으로 완벽하더라도 실제 업무에서는 잘못된 결과물이 될 수 있는 이유다.
특히 법률·금융·언론·의료처럼 정보의 정확성과 표현의 책임이 중요한 분야에서는 문서 생성과 최종 승인 사이에 별도의 검증 절차가 필요하다. 따라서 AI 도입의 성과를 초안 작성에 걸린 시간만으로 평가하면 실제 업무 부담을 과소평가할 수 있다.
작성시간은 줄어들었지만 검수와 승인에 필요한 판단은 여전히 사람에게 남아 있다.
사람이 매번 고치던 문장, 이제 AI가 수정 이유까지 배우도록 만든다
최근 AI 활용 방식에서 나타나는 변화는 단순히 더 좋은 문장을 생성하도록 요청하는 수준을 넘어선다.
예를 들어 한 기업의 보고서 담당자가 AI 초안을 검토하면서 반복적으로 수정하는 항목이 있다고 가정해보자. 추상적인 성과 표현을 구체적인 수치로 바꾸고, 불필요한 인사말을 삭제하며, 사업부서에서 사용하는 전문용어를 유지하는 방식이다.
기존에는 담당자가 보고서를 작성할 때마다 이러한 작업을 직접 수행해야 했다. 그러나 수정 기준을 명확한 규칙으로 정리하면 AI가 초안을 생성하거나 검토할 때 같은 기준을 적용하도록 설정할 수 있다.
최근 공유되는 AI 문체 교정 스킬도 이러한 흐름을 보여준다. 단순히 기계적인 표현을 자연스럽게 바꾸는 기능에서 벗어나 보고서와 이메일, 메신저 등 문서의 용도에 따라 표현 기준을 구분한다. 성과를 주장할 때 근거를 요구하고, 내용 없는 마무리 문장을 제거하는 규칙도 포함한다.
여기서 자동화되는 것은 단순한 문장이 아니다. 무엇을 삭제하고 무엇을 남겨야 하는지에 관한 판단 기준의 일부다.
물론 AI가 이러한 규칙을 적용한다고 해서 사람의 판단 전체를 학습한 것은 아니다. 명시적인 규칙으로 표현할 수 있는 수정 기준을 반복적으로 적용하는 것과 새로운 상황에서 적절한 판단을 내리는 것은 다른 능력이다.
그럼에도 조직 차원에서는 의미 있는 변화다. 숙련자가 수년 동안 문서를 작성하고 검토하면서 형성한 업무 관행 가운데 일부를 다른 직원도 사용할 수 있는 체계로 전환할 수 있기 때문이다.
숙련 직원의 경험이 기업의 자산으로 바뀐다…생산성 향상의 또 다른 경로
AI가 숙련자의 업무방식을 다른 직원에게 전달하는 효과는 문서 작성에만 국한되지 않는다.
미국 스탠퍼드대학교의 에릭 브린욜프슨과 공동연구진은 고객지원 상담원 5,179명의 업무자료를 분석했다. 생성형 AI 기반 상담 지원도구를 도입한 결과 시간당 문제 해결 건수로 측정한 생산성이 평균 14% 증가했다.
특히 신규 직원과 상대적으로 숙련도가 낮은 직원의 생산성은 34% 개선됐다. 반면 이미 높은 숙련도를 보유한 직원에게서는 상대적으로 작은 효과가 관찰됐다(브린욜프슨·리·레이먼드, NBER, 2023; Quarterly Journal of Economics, 2025).
연구진은 AI가 숙련된 직원들의 우수한 업무방식을 다른 직원에게 전달하는 역할을 했을 가능성을 제시했다.
이는 기업이 AI를 활용하는 방식에 중요한 시사점을 제공한다.
과거에는 신입 직원이 숙련자의 업무방식을 익히려면 상당한 시간이 필요했다. 직접 보고서를 수정받거나 상담 사례를 검토하고, 반복적인 피드백을 통해 조직의 기준을 이해해야 했다.
AI는 이 가운데 일부를 표준화할 수 있다. 이미 검증된 업무 사례와 작성 규칙을 활용하면 경험이 적은 직원도 일정 수준의 결과물을 생산할 수 있다.
기업 입장에서는 교육비용과 업무 편차를 줄일 수 있는 기회다. 특히 여러 부서에서 비슷한 문서를 반복적으로 작성하는 조직이라면 표준화의 효과가 클 수 있다.
하지만 경험의 전부를 규칙으로 전환할 수 있는 것은 아니다. 고객의 미묘한 반응을 이해하거나 예외적인 상황에서 판단을 조정하는 능력은 문서화하기 어렵다. AI가 숙련자의 경험 일부를 전달할 수 있다는 사실과 숙련자를 완전히 대체할 수 있다는 주장은 구분해야 한다.
문장 수정과 사실 검증은 다르다…AI 문체 교정이 넘어서는 안 될 경계
AI 문체 교정 도구가 확산될수록 주의해야 할 문제도 있다. 자연스럽게 읽히는 글이 반드시 정확한 글은 아니라는 사실이다.
예를 들어 기업의 보도자료에 ‘고객 만족도가 크게 향상됐다’는 문장이 있다고 가정해보자. AI는 이를 ‘고객의 긍정적인 반응이 확대됐다’는 표현으로 바꿀 수 있다. 그러나 두 문장 모두 실제 조사 결과나 측정 자료가 없다면 근거가 부족하다는 점에서는 차이가 없다.
문체 교정이 사실 검증을 대신할 수 없는 이유다.
같은 문제는 사업제안서와 경영보고서에서도 발생한다. AI가 ‘매출 확대에 기여할 것으로 기대된다’는 문장을 간결하게 고치더라도 그 사업이 실제로 매출을 증가시킬지는 별도의 분석이 필요하다.
따라서 기업이 구축하는 AI 작성 규칙에는 표현뿐 아니라 검증 절차가 포함돼야 한다. 수치의 출처를 확인하고, 확인되지 않은 성과를 단정하지 않으며, 내부 자료와 외부 공개자료를 구분하는 기준이 필요하다.
특히 언론에서는 이 구분이 더욱 중요하다. AI가 기사 초안을 작성하고 문체를 개선할 수 있지만 사실관계의 교차검증과 보도 여부의 결정은 별도로 이뤄져야 한다.
잘못된 정보를 자연스러운 문장으로 바꾸는 것은 품질 개선이 아니다. 오히려 오류를 발견하기 어렵게 만들 수도 있다.
결국 AI 문서 자동화의 성과는 사람이 작성한 글처럼 보이게 만드는 데 있지 않다. 사실에 근거한 정보를 업무 목적에 맞게 정확히 전달하고, 사람이 직접 수정해야 할 부분을 줄이는 데 있다.
직원의 수정 습관은 누구의 자산인가…업무 노하우의 소유와 보상 문제
기업이 직원의 수정 기준을 AI에 반영하기 시작하면 새로운 질문이 등장한다.
직원이 오랜 경험을 통해 형성한 작성 방식은 누구의 자산인가.
기업은 업무 수행 과정에서 축적된 지식을 조직의 자산으로 관리할 필요가 있다. 특정 직원이 퇴사하더라도 필수적인 업무가 중단되지 않도록 절차를 문서화하고 교육체계를 구축하는 것은 일반적인 경영활동이다.
반면 직원의 전문성은 단순한 업무 절차와 동일하지 않다. 개인이 축적한 경험과 판단능력, 직업적 숙련도까지 기업이 무제한으로 소유할 수 있다고 볼 수는 없다.
AI 스킬은 이러한 경계를 다시 생각하게 만든다.
과거에는 숙련자의 노하우가 사람에게 체화된 형태로 존재했다. 해당 직원이 조직을 떠나면 업무의 일부 지식도 함께 이동했다. 그러나 수정 기준과 검토 절차가 디지털 시스템에 반영되면 조직은 개인의 부재와 관계없이 해당 규칙을 활용할 수 있게 된다.
이 과정은 조직의 안정성을 높일 수 있지만 직원이 보유한 숙련의 희소성을 낮추는 방향으로도 작용할 수 있다.
특히 직원이 자신의 경험을 적극적으로 공유해 AI 시스템을 개선했는데, 그 결과 기업이 해당 직원의 업무를 대체하거나 전문성에 대한 보상을 줄인다면 이해관계의 충돌이 발생할 수 있다.
그렇다고 업무 노하우를 시스템화하는 행위 자체를 부정적으로 볼 필요는 없다. 중요한 것은 그 과정에서 직원의 기여를 어떻게 인정하고 새로운 역할로 전환할 기회를 제공하는가다.
조직의 생산성 향상이 숙련자의 경험에서 비롯됐다면, 그 경험을 규칙으로 정리하고 검증한 노동도 가치 창출의 일부로 평가해야 한다.
AI가 업무 노하우를 복제할 수 있게 됐다는 이유만으로 노하우를 만든 사람의 기여가 사라지는 것은 아니다.
AI가 글을 고치기 시작하면 숙련자의 역할도 달라진다
생성형 AI의 발전이 모든 전문직 종사자에게 같은 영향을 미치는 것은 아니다.
반복적인 문서 수정 업무의 비중이 높은 직무에서는 자동화 효과가 크게 나타날 수 있다. 반면 새로운 문제를 정의하고 불완전한 자료에서 중요한 사실을 찾아내는 업무에서는 인간의 판단이 계속 중요할 수 있다.
예를 들어 편집자가 매번 반복되는 표현을 삭제하는 일은 AI에 맡길 수 있다. 그러나 어떤 정보가 기사 가치가 있는지 판단하고, 여러 출처의 주장이 충돌할 때 추가 취재의 필요성을 결정하는 일은 단순한 문장 수정과 다르다.
기업의 보고서 작성도 마찬가지다. 형식과 표현을 표준화하면 문서 생산에 필요한 시간은 줄일 수 있다. 대신 직원은 수치의 의미를 해석하고 사업의 위험을 평가하며 경영진이 실제로 결정해야 할 문제를 구체화하는 데 더 많은 시간을 사용할 수 있다.
이러한 변화는 숙련자의 가치를 없앤다기보다 전문성이 발휘되는 영역을 바꿀 가능성이 있다.
물론 모든 직원이 자동으로 더 높은 수준의 업무로 이동하는 것은 아니다. 기업이 단순히 인건비 절감만을 목표로 자동화를 추진한다면 일부 업무와 직무는 축소될 수 있다.
따라서 기술 도입과 함께 교육 및 직무 재설계가 이뤄져야 한다.
마이크로소프트는 2025년 업무동향지표에서 조사에 참여한 기업 리더의 41%가 향후 5년 동안 직원들이 AI 에이전트를 훈련하게 될 것으로 예상했고, 36%는 에이전트를 관리하는 역할을 수행할 것으로 전망했다고 밝혔다(마이크로소프트, 2025).
이는 AI를 사용하는 능력뿐 아니라 AI가 따를 기준을 설계하고 결과를 평가하는 능력이 새로운 업무 영역으로 등장하고 있음을 보여준다.
문서를 직접 수정하던 직원이 앞으로는 문서 작성 기준을 설계하고 AI가 생산한 결과물의 품질을 관리하는 역할을 맡을 수 있다는 의미다.
AI 문서 자동화의 최종 목표는 인간을 흉내 내는 것이 아니라 불필요한 수정을 없애는 것이다
많은 AI 문체 교정 도구는 인공지능이 작성한 문장을 인간다운 표현으로 바꾸는 것을 목표로 삼는다. 그러나 기업의 관점에서 보면 이보다 중요한 문제가 있다.
처음부터 업무 목적에 맞는 문서를 생산할 수 있다면 별도의 문체 교정 작업 자체가 줄어들기 때문이다.
AI가 초안을 작성하고 사람이 수정한 뒤 다시 AI로 문체를 다듬는 과정은 하나의 과도기적 업무 방식일 수 있다. 조직의 작성 기준과 검증 원칙을 충분히 정리하면 이러한 반복 단계를 단축할 수 있다.
다만 수정 횟수가 줄었다는 사실만으로 품질이 개선됐다고 판단해서는 안 된다. 직원이 검토를 생략했기 때문에 수정 횟수가 감소했을 가능성도 있기 때문이다.
따라서 AI 문서 시스템의 성과는 초안 생성시간, 검수시간, 사실 오류, 재작업률, 최종 승인까지 걸린 시간을 함께 비교해 평가해야 한다.
특히 기업이 축적해야 할 것은 특정 직원의 말투를 모방하는 규칙만이 아니다. 왜 그 표현을 수정했는지, 어떤 상황에서 예외를 인정했는지, 어떤 근거가 부족해 문장을 삭제했는지에 관한 판단 기준이다.
그러한 기준이 축적되면 AI 스킬은 단순한 문체 교정 도구를 넘어 조직의 품질관리 체계로 발전할 수 있다.
하지만 여기서도 인간의 역할이 사라지는 것은 아니다. 새로운 업무가 등장하고 규정이 바뀌며 예상하지 못한 문제가 발생하면 기존 규칙을 다시 평가해야 한다. AI가 규칙을 반복적으로 적용하는 동안 사람은 그 규칙이 여전히 적절한지 판단해야 한다.
결국 기업이 직원의 수정 습관까지 자동화하려는 이유는 단순히 더 자연스러운 글을 얻기 위해서가 아니다. 반복적인 수정에 들어가는 비용을 줄이고, 개인에게 의존하던 업무 노하우를 조직 차원에서 활용하기 위해서다.
이 변화는 기업에는 생산성 향상의 기회이며 직원에게는 전문성의 가치를 다시 정의해야 하는 과제다.
앞으로 문서를 잘 쓰는 사람의 경쟁력은 정해진 형식의 글을 빠르게 완성하는 능력만으로 설명되기 어려울 것이다. 무엇이 정확한 정보인지 구분하고, 어떤 표현이 문제를 일으킬 수 있는지 판단하며, 조직 전체가 사용할 수 있는 품질 기준을 만드는 능력이 중요해질 수 있다.
기업 역시 직원의 경험을 AI에 입력하는 것만으로 혁신을 완성할 수는 없다. 그 경험이 어떤 가치를 창출했는지 평가하고, 지식을 제공한 직원의 역할과 보상을 함께 설계해야 한다.
AI가 글을 쓰고 AI가 다시 문장을 고치는 시대가 오고 있다.
그러나 자동화의 수준을 결정하는 것은 단순히 얼마나 자연스러운 문장을 생성할 수 있느냐가 아니다. 무엇이 잘못된 문장인지, 왜 고쳐야 하는지, 어떤 결과물을 조직의 이름으로 승인할 수 있는지에 관한 기준을 얼마나 정교하게 구축했느냐에 달려 있다.
AI 시대의 새로운 경쟁은 문장 생산 능력만이 아니라 수정할 필요가 없는 결과물을 만들어내는 조직의 역량에서 시작될 것이다.
그리고 그 역량의 출발점에는 여전히 사람의 경험과 판단이 있다.
자료: Shakked Noy·Whitney Zhang, Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence, Science(2023); Erik Brynjolfsson·Danielle Li·Lindsey R. Raymond, Generative AI at Work, NBER Working Paper 31161(2023), Quarterly Journal of Economics(2025); Microsoft, 2025 Annual Work Trend Index(2025).