AI 번역기가 있는데 왜 지나가는 직원에게 통역을 부탁할까…기술은 도입했지만 업무는 바뀌지 않은 조직들
외국인 방문객의 통역 요청을 피한 엔지니어의 경험이 던진 질문…AI를 사용할 수 있다는 사실과 실제 현장에서 문제가 해결된다는 사실은 다르다
인공지능 번역 기술이 일상화된 시대에도 외국인과의 의사소통은 여전히 누군가의 도움을 필요로 한다. 스마트폰으로 상대방의 말을 번역하고 음성으로 답변할 수 있지만, 막상 현장에서는 영어를 할 줄 아는 사람부터 찾는 상황이 발생한다. 기술이 부족해서가 아니라 이미 존재하는 기술이 실제 업무에 연결되지 않았기 때문이다.
최근 한 소프트웨어 엔지니어가 공개한 경험담은 이러한 문제를 생각하게 만든다. 연구기관 건물로 출근하던 그는 경비원으로부터 외국인 방문객 두 명의 통역을 도와달라는 부탁을 받았다. 영어를 잘하지 못한다고 답한 그는 번역기를 사용하면 되지 않겠느냐고 말한 뒤 계단으로 향했다.
출근시간이 임박했던 그는 지각하지 않았지만 자신의 행동이 마음에 걸렸다고 했다. 영어를 몰라도 번역기를 직접 실행해 방문객과 경비원 사이의 의사소통을 도울 수 있었기 때문이다. 평소 기술을 활용해 문제를 해결하는 엔지니어라고 생각했지만, 정작 눈앞의 문제에는 개입하지 않았다는 자책이었다.
이 이야기를 개인의 친절함이나 책임감에 관한 문제로만 해석할 수도 있다. 그러나 조직경영의 관점에서는 더 중요한 질문이 등장한다.
AI 번역기가 이미 존재하는데도 방문객을 응대하는 사람이 지나가는 직원에게 통역을 부탁해야 했다면, 문제는 영어 능력뿐 아니라 기술을 실제 업무에 연결하는 방식에도 있는 것 아닐까.
물론 해당 연구기관에 공식적인 외국어 응대체계가 없는지는 확인되지 않았다. 경비원이 가까이 있던 직원에게 일시적으로 도움을 요청했을 수도 있다. 다만 이 경험은 기업과 공공기관이 AI를 도입할 때 놓치기 쉬운 구조적 문제를 보여주는 사례로 읽을 수 있다.
번역기를 알고 있다는 사실과 번역기를 실제로 사용하는 것은 다르다
생성형 AI의 확산으로 전문적인 지식에 접근하는 비용이 낮아지고 있다. 과거에는 외국어를 할 줄 아는 직원이나 전문 통역사의 도움이 필요했던 일부 상황에서도 이제는 번역 서비스를 활용할 수 있다.
하지만 기술이 존재한다고 업무 문제가 자동으로 해결되는 것은 아니다.
외국인 방문객이 건물에 들어와 특정 연구실을 찾는 상황을 가정해보자. 경비원이 방문 목적을 확인하고 담당 부서에 연결하려면 상대방의 말을 이해해야 한다. 번역기를 이용하면 이러한 의사소통을 지원받을 수 있지만, 누군가는 기기를 실행하고 대화를 시작해야 한다.
이때 문제를 해결하는 능력은 영어 실력만으로 결정되지 않는다. 번역 도구의 존재를 아는지, 사용할 수 있는 기기가 있는지, 실제 상황에서 이를 활용할 권한과 절차가 마련돼 있는지가 함께 작용한다.
같은 번역 기술을 가지고도 조직마다 결과가 달라질 수 있는 이유다.
이 차이는 번역 업무에만 나타나지 않는다. 기업이 AI 문서 작성 도구를 도입하더라도 직원들이 기존의 문서 승인 절차를 그대로 유지한다면 업무시간 절감 효과는 제한적일 수 있다. 고객 상담에 AI를 적용하더라도 상담원에게 필요한 정보를 제때 제공하지 못하면 고객의 문제는 해결되지 않는다.
결국 AI의 기술적 능력과 조직의 문제 해결 능력은 구분해야 한다.
기업이 도입한 AI가 무엇을 할 수 있는지보다, 그 기능이 실제 업무의 어느 단계에서 누구에 의해 사용되는지가 중요하다.
AI 도입 효과는 프로그램 설치가 아니라 업무 방식의 변화에서 나타난다
인공지능의 생산성 효과는 이미 여러 실증연구에서 확인되고 있다.
미국 스탠퍼드대학교의 에릭 브린욜프슨과 공동연구진은 소프트웨어 기업의 고객지원 상담원 5,179명을 대상으로 생성형 AI 도입 효과를 분석했다. AI 기반 상담 지원도구를 활용한 상담원들의 시간당 문제 해결 건수는 평균 14% 증가했다. 특히 신규 직원과 상대적으로 숙련도가 낮은 직원의 생산성은 34% 개선됐다(브린욜프슨·리·레이먼드, NBER, 2023).
이 연구가 중요한 이유는 단순히 AI가 상담 문장을 생성했기 때문이 아니다. AI가 실제 상담 과정에 결합돼 직원들이 고객과 대화하면서 적절한 답변을 참고할 수 있도록 했다는 점에 있다.
상담원은 AI가 제안한 문장을 그대로 사용할 수도 있고, 수정하거나 거부할 수도 있었다. 시스템은 기존의 상담 업무와 분리된 별도의 서비스가 아니라 문제 해결 과정에 직접 연결됐다.
연구진은 AI가 숙련된 직원의 우수한 상담 방식을 다른 직원에게 전달하는 효과가 있을 가능성도 제시했다.
이는 조직의 AI 도입이 어떤 방식으로 설계돼야 하는지 보여준다.
직원에게 AI 계정을 제공한 뒤 필요할 때 사용하라고 권장하는 방식과 실제 업무 절차에 AI를 연결하는 방식은 다르다. 전자는 기술에 접근할 기회를 제공하는 것이고, 후자는 업무 수행방식을 바꾸는 것이다.
다만 연구 결과를 모든 업종과 조직에 동일하게 적용할 수는 없다. 상담 업무처럼 반복적인 질문과 답변이 많은 환경에서는 AI의 효과가 크게 나타날 수 있지만, 예외적인 판단이나 물리적인 현장 대응이 많은 업무에서는 다른 결과가 나올 수 있다.
중요한 것은 도입률보다 실제 문제 해결률이다. AI를 사용하는 직원이 몇 명인지보다 AI를 통해 어떤 업무가 얼마나 개선됐는지 확인해야 한다.
문제를 해결하지 못한 직원을 탓하기 전에 조직의 절차부터 살펴봐야 한다
외국인 방문객의 통역 요청을 받은 엔지니어는 자신이 번역기를 직접 사용하지 않은 일을 부끄러워했다. 기술을 활용하면 문제를 해결할 수 있었지만 실제 행동으로 옮기지 않았다는 것이다.
이러한 자기 성찰은 개인의 행동을 돌아보는 계기가 될 수 있다. 그러나 기업이나 기관이 같은 상황을 평가한다면 접근 방식은 달라져야 한다.
출근하던 직원에게 통역 의무가 부여돼 있었던 것은 아니다. 근무시간이 임박한 상황에서 얼마나 오래 걸릴지 알 수 없는 업무를 맡지 않았다는 이유만으로 전문성이나 책임감이 부족하다고 판단할 수도 없다.
오히려 조직이 방문객 응대를 반복적으로 수행해야 하는 업무라면 그 업무를 안정적으로 처리할 체계가 마련돼 있는지 확인하는 것이 우선이다.
예를 들어 외국인 방문객이 자주 출입하는 기관이라면 안내데스크에서 이용할 수 있는 번역 도구를 마련할 수 있다. 직원에게 필요한 외국어 응대 문장을 제공하고, 복잡한 상황에서는 담당 부서로 연결하는 절차를 정할 수도 있다.
중요한 것은 고가의 AI 시스템을 구축하는 일이 아니다. 기존 스마트폰과 번역 서비스를 활용하더라도 업무 절차가 명확하면 상당수의 기본적인 의사소통을 지원할 수 있다.
물론 보안과 개인정보보호 문제도 고려해야 한다. 방문객의 신원정보나 출입 목적 등 민감한 정보를 외부 번역 서비스에 입력하는 것이 적절한지 검토해야 하며, 중요한 안내사항은 번역 오류가 발생하지 않도록 확인 절차를 마련해야 한다.
이처럼 조직 차원에서 기술을 활용하는 일에는 사용자의 선의만으로 해결하기 어려운 문제가 포함된다.
직원이 친절하면 해결되는 업무와 직원이 친절하지 않아도 해결돼야 하는 업무는 구분해야 한다. 후자에 해당한다면 개인의 적극성보다 조직의 운영체계가 중요하다.
AI 시대의 소프트스킬은 기술을 설명하는 능력보다 문제를 연결하는 능력이다
이 경험담의 작성자는 자신을 소프트스킬을 중요하게 생각하는 소프트웨어 엔지니어라고 설명했다. 기술적인 해결책뿐 아니라 사람 사이의 대화를 통해 문제의 원인을 찾으려 노력해 왔다고 했다.
여기서 소프트스킬의 의미를 다시 생각해볼 필요가 있다.
소프트스킬은 흔히 친절함이나 의사소통 능력, 협업 태도 등으로 설명된다. 그러나 기술을 활용하는 조직에서는 문제를 이해하고 적절한 해결 수단을 연결하는 능력까지 포함해 평가할 필요가 있다.
예를 들어 고객이 복잡한 소프트웨어 오류를 신고했다고 가정해보자. 개발자는 오류의 원인을 기술적으로 설명할 수 있다. 하지만 고객이 실제로 필요로 하는 것은 기술적인 설명만이 아니라 서비스를 정상적으로 사용할 수 있게 만드는 해결책일 수 있다.
이 과정에서는 고객의 문제를 정확히 이해하고, 필요한 기술과 인력을 연결하며, 해결 여부를 확인하는 능력이 요구된다.
최근 AI 업계에서 주목받는 현장 배치형 엔지니어(FDE·Forward Deployed Engineer)의 업무도 이러한 특성과 연결된다. FDE는 일반적으로 고객의 현장에 밀접하게 참여해 실제 업무 문제를 파악하고 기술을 적용하는 역할을 수행한다.
다만 FDE가 모든 현장 요청을 직접 처리해야 한다는 의미는 아니다. 중요한 것은 문제를 발견했을 때 자신이 해결할 수 있는 영역과 다른 담당자에게 연결해야 할 영역을 구분하는 능력이다.
AI가 프로그램 코드를 생성하고 데이터 분석을 지원할수록 엔지니어가 직접 수행하는 기술적 작업의 일부는 줄어들 수 있다. 반면 고객이 무엇을 필요로 하는지 파악하고, 현장의 제약을 고려해 기술을 적용하는 업무는 다른 형태의 전문성을 요구한다.
따라서 AI 시대의 엔지니어를 평가할 때 단순한 기술 숙련도뿐 아니라 기술을 실제 문제 해결로 연결하는 능력을 함께 살펴봐야 한다.
기술은 누구나 이용할 수 있지만 타인의 문제에 시간을 쓰는 결정은 남는다
AI의 확산은 전문적인 기능의 접근성을 높이고 있지만 모든 사람에게 동일한 결과를 제공하는 것은 아니다.
번역기는 누구나 이용할 수 있어도 스마트폰 조작에 익숙하지 않은 사람은 사용에 어려움을 겪을 수 있다. 어떤 사람은 기술의 존재 자체를 모르고, 다른 사람은 사용할 수 있지만 실제 상황에서 어떻게 활용해야 하는지 판단하지 못할 수 있다.
이러한 차이는 기술적 접근성과 실질적 활용 능력을 구분해야 한다는 사실을 보여준다.
그러나 이 문제를 모두 개인의 역량 부족으로 설명할 수는 없다.
사람들은 각자 다른 업무와 책임을 가지고 있으며, 새로운 문제에 개입하기 위해서는 시간과 주의를 사용해야 한다. 아무리 좋은 AI 도구가 있더라도 다른 사람의 문제를 해결하기 위해 자신의 시간을 사용할 것인지는 별도의 판단이다.
기술은 의사소통에 필요한 비용을 줄일 수 있지만 타인의 상황에 관심을 기울이도록 강제하지는 않는다.
그렇다고 모든 구성원에게 언제나 남을 도와야 한다는 도덕적 의무를 요구하는 것도 바람직하지 않다. 조직이 해결해야 할 업무를 개인의 자발적인 친절에 의존하게 되면 책임이 불명확해지고 상황에 따라 서비스의 품질이 달라질 수 있기 때문이다.
오히려 AI가 발전할수록 사람의 관심과 시간을 효율적으로 활용하는 조직 설계가 중요해진다.
단순한 안내는 자동화하고, 반복적인 질문은 시스템이 처리하며, 예외적인 상황과 중요한 판단에 사람이 개입하도록 업무를 구분할 수 있다. 이를 통해 사람은 기술이 처리하기 어려운 문제에 더 많은 시간을 사용할 수 있다.
AI의 가치는 인간의 관심을 불필요하게 소모하는 것이 아니라 그 관심이 필요한 상황을 더 명확하게 구분하도록 돕는 데 있다.
기업은 AI 사용률보다 실제 문제가 해결되는 비율을 평가해야 한다
기업이 AI를 도입할 때 흔히 관심을 갖는 지표는 이용자 수와 도구 사용량이다. 직원들이 얼마나 자주 AI를 사용하는지, 몇 개의 업무에 적용했는지, 생성된 문서가 얼마나 많은지 확인한다.
이러한 지표는 기술의 확산 정도를 파악하는 데 도움이 된다. 그러나 조직의 생산성이 실제로 개선됐는지를 판단하기에는 충분하지 않다.
AI를 자주 사용하더라도 업무 결과물을 다시 수정하는 시간이 길어지면 생산성 향상은 제한적일 수 있다. 자동으로 생성된 답변이 고객의 문제를 해결하지 못한다면 상담 처리량이 증가해도 서비스 품질은 개선되지 않을 수 있다.
따라서 기업은 AI가 업무 전반에 어떤 영향을 미쳤는지 측정해야 한다.
외국인 방문객 응대라면 통역 서비스를 몇 번 사용했는지보다 방문 목적을 정확하게 확인하고 담당 부서에 연결하는 데 얼마나 시간이 걸렸는지가 중요하다. 고객 상담에서는 AI가 생성한 답변의 수보다 고객의 문제가 실제로 해결됐는지 살펴봐야 한다.
이러한 접근은 국제적인 AI 관리 지침과도 연결된다.
미국 국립표준기술연구소(NIST)는 2023년 발표한 ‘AI 위험관리 프레임워크(AI RMF 1.0)’에서 AI 시스템의 관리와 위험 파악, 측정, 대응을 주요 기능으로 제시했다. 특히 조직 내 역할과 책임을 명확히 하고 AI가 실제 사용 목적을 달성하는지 검토할 것을 권고한다(NIST, 2023).
이 지침은 AI 도입을 단순한 기술 구매로 보지 않는다. 업무 목적과 위험을 정의하고, 운영 과정에서 지속적으로 평가해야 하는 관리 과제로 접근한다.
기업의 관점에서도 이러한 차이는 중요하다. AI 도입 예산을 얼마나 확보했는지보다 어떤 업무 문제가 해결됐으며, 기존보다 비용과 시간이 얼마나 절감됐는지 확인해야 투자 효과를 판단할 수 있다.
AI를 도입한 조직과 AI로 일하는 조직은 다르다
인공지능이 빠르게 발전하면서 기업과 공공기관은 새로운 기술을 도입하는 데 많은 관심을 기울이고 있다. 문서 작성과 데이터 분석, 고객 응대, 프로그램 개발 등 다양한 업무에서 AI 활용이 확대되고 있다.
그러나 새로운 도구를 도입했다고 기존의 업무 문제가 자동으로 해결되는 것은 아니다.
업무 과정에서 누가 문제를 발견하고, 어떤 도구를 사용하며, 해결 결과를 누가 확인할 것인지 정하지 않으면 기술은 기존 절차의 주변에 머물 수 있다. 직원들은 AI를 사용할 수 있지만 실제 업무는 이전과 크게 달라지지 않을 수도 있다.
따라서 기업의 AI 전환은 기술 도입과 업무 재설계를 함께 추진해야 한다.
먼저 반복적으로 발생하는 문제를 확인하고, 기존 업무의 어느 단계에서 시간이 낭비되는지 분석할 필요가 있다. 이어 AI가 지원할 수 있는 업무와 사람이 직접 판단해야 할 업무를 구분하고, 예외 상황에 대응할 책임자를 정해야 한다.
이 과정에서 모든 업무를 자동화하는 것이 반드시 좋은 결과를 의미하지는 않는다. 고객의 감정이나 복잡한 이해관계가 개입되는 상황에서는 사람이 직접 응대하는 편이 효과적일 수 있다. 반대로 정형화된 안내와 반복적인 정보 확인을 매번 사람에게 맡기는 것은 불필요한 비용을 발생시킬 수 있다.
조직의 역량은 어느 한쪽을 무조건 선택하는 데 있지 않다. 기술과 사람의 역할을 업무의 성격에 맞게 배분하는 데 있다.
출근길에 통역을 요청받았던 엔지니어는 자신이 번역기를 직접 사용하지 않았다는 사실을 후회했다. 다음에 같은 상황이 발생하면 다른 선택을 할 수도 있을 것이다.
하지만 조직이 이 경험에서 배워야 할 교훈은 개인의 행동을 반성하는 데서 끝나지 않는다.
외국인 방문객이 들어왔을 때 누군가 지나가기를 기다리지 않고도 필요한 안내를 받을 수 있는가. 스마트폰에 번역기가 설치돼 있다는 사실을 넘어 실제 업무에서 그 도구를 사용할 준비가 돼 있는가.
이 질문은 단순한 통역 문제를 넘어 AI를 도입하는 모든 조직에 적용할 수 있다.
기술의 성능이 높아졌다는 사실과 조직의 문제 해결 능력이 높아졌다는 사실은 같지 않다. 두 가지 사이에는 업무 절차와 책임, 교육, 협업이라는 별도의 과정이 존재한다.
AI 시대의 조직 경쟁력은 가장 많은 도구를 보유하는 데서 결정되지 않을 것이다. 이미 존재하는 기술을 실제 업무에 연결하고, 사람의 불필요한 수고를 줄이며, 문제가 발생했을 때 안정적으로 해결할 수 있는 체계를 구축하는 능력이 중요해질 것이다.
번역기가 있어도 통역할 사람을 찾아야 하는 조직과, 번역기를 통해 방문객의 문제를 해결할 수 있는 조직의 차이는 기술의 수준에 있지 않다.
기술을 활용하도록 설계된 업무의 수준에 있다.
자료: Erik Brynjolfsson·Danielle Li·Lindsey R. Raymond, Generative AI at Work, NBER Working Paper 31161(2023), Quarterly Journal of Economics(2025); 미국 국립표준기술연구소(NIST), Artificial Intelligence Risk Management Framework 1.0(2023); NIST, AI RMF Core 및 Playbook.