AI 잘 다루는 김 대리, 왜 AI 사용을 꼭꼭 숨겨야 했을까?

※ 이 글의 ‘김형식 대리’는 YTN 보도와 최근 직장 내 AI 연구·기업 사례를 바탕으로 재구성한 가상 인물입니다.(1)

이 글이 다루는 것은 단순한 AI 활용 팁을 다루지 않는다.
오히려 회사에서 생산성을 높인 직원이 자신의 AI 노하우를 공개하지 않게 되는 일명 ‘AI 사용 숨기기’ 현상을 들여다본다.

월요일 아침, 김형식 대리는 출근하자마자 지난주 회의록부터 열었다.

예전 같으면 내용을 다시 읽고 핵심을 추려 보고서로 정리하는 데 꽤 시간이 걸렸다. 지금은 챗지피티 에이전트에게 회의록을 넘겨 주요 쟁점과 후속 업무를 뽑아낸 뒤, 틀린 부분만 확인해 회사 양식에 맞게 고친다.

메일과 엑셀 작업도 마찬가지다. 머릿속에 있는 내용을 대략 적어 초안을 뽑아낸 뒤 직접 다듬고, 매달 반복하는 엑셀 작업에서는 모르는 수식이나 데이터를 빨리 정리하는 방법을 바로 물어본다.

처음 AI를 사용할 때는 대단한 목적이 없었다. 귀찮고 반복적인 일을 조금 빨리 끝내고 싶었을 뿐이다.

퇴근과 보고가 빨라지자 동료들이 하나둘 물어보기 시작했다.

“김 대리, 이거 어떻게 이렇게 빨리 했어요?”

처음에는 별생각 없이 다 알려줬다. 자신이 쓰던 프롬프트도 보여주고 엑셀 작업법도 설명해줬다.

어느 순간 회사에서도 김 대리를 이렇게 부르기 시작했다.

“김 대리가 AI를 좀 잘하잖아.”

처음에는 분명 칭찬이었다.

“AI 잘하니까 이것도 한번 해봐”

시간이 지나면서 달라진 것은 업무 속도만이 아니었다. 맡는 일의 범위 자체가 넓어졌다.

다른 부서의 엑셀 파일을 합치는 일부터 경쟁사 동향을 조사해 보고서로 정리해 달라는 요청까지 들어왔다. 김 대리가 원래 하던 업무가 아니어도 “AI로 한번 해볼 수 있지 않느냐”는 말이 꼬리표처럼 따라붙었다.

AI의 성능이 좋아질수록 이런 요청은 더 늘어났다. 이제는 질문에 답하는 수준을 넘어 문서와 엑셀 파일을 직접 만들고, 복잡한 자료 조사까지 그럴듯하게 처리해 주기 때문이다.(2)

AI 도구가 처리할 수 있는 영역이 넓어질수록 김 대리에게도 묘한 일이 벌어졌다.

AI가 할 수 있는 일과 김 대리가 해야 하는 일의 경계가 조금씩 겹치기 시작한 것이다.

그러던 어느 날 상사가 계약 관련 서류를 내밀었다.

“이거 외부 법률 컨설팅 받으려니까 비용이 꽤 나가네.”

김 대리는 서류를 잠깐 훑어봤다. 무슨 내용인지는 대략 알겠지만, 세부 조항을 따져볼 법 지식은 없었다.

“제가 법률 쪽은 전혀 모르는데요.”

상사는 대수롭지 않다는 듯 말했다.

“김 대리, AI 잘하잖아. 한번 해봐.”

“그래도 이건 내용이 맞는지 틀린지 제가 판단하기 어려울 것 같습니다.”

“해보지도 않고 어떻게 알아?”

그리고 마지막 한마디가 붙었다.

“AI가 있잖아.”

AI가 답할 수 있다는 것과 직원이 책임질 수 있다는 것은 다르다

결국 김 대리는 일을 맡았다.

처음에는 생각보다 쉽게 풀리는 듯했다. AI에게 계약서를 넣고 내용을 요약하게 한 뒤, 회사에 불리할 수 있는 독소 조항을 찾아달라고 했다. 어려운 법률 용어는 쉽게 풀어서 설명해 달라고 시켰다. 몇 초 만에 그럴듯한 검토 보고서 초안이 나왔다.

진짜 문제는 AI가 내놓은 답변이 정말 맞는지 검증하는 단계에서 터졌다.

법률을 전혀 모르는 김 대리가 AI의 말을 그대로 믿고 보고서를 올릴 수는 없었기 때문이다.

AI가 근거로 인용한 법 조항부터 검색창에 하나씩 쳐봤다. 실제로 존재하는 조항인지, 지금도 유효한 규정인지 확인해야 했다. 막상 찾아보니 AI가 말한 내용과 실제 법문이 미묘하게 다른 부분도 있었다.

계약서 문구 하나를 두고도 씨름이 이어졌다. 모르는 법률 용어를 검색하면 또 다른 생소한 용어가 꼬리를 물고 나왔다. 더 난감한 것은 질문을 어떻게 던지느냐에 따라 AI의 태도가 달라진다는 점이었다.

“이 조항이 우리에게 위험한가?”라고 물으면 위험하다고 답하고, “실무에서 흔히 쓰는 조항인가?”라고 다시 물으면 큰 문제가 없다고 답하는 식이었다.

1분 만에 나온 AI 초안 한 장을 확인하느라 김 대리는 법령 사이트와 판례, 유사 계약서를 뒤지며 몇 시간씩 모니터 앞을 떠나지 못했다.

밤늦게까지 사무실에 남아 낯선 법률 문장을 대조하던 김 대리는 묘한 괴리감을 느꼈다. 분명히 시간을 아끼려고 AI를 썼는데, 정작 본인은 한 번도 배운 적 없는 법률 서류를 붙잡고 야근을 하고 있었기 때문이다.

머릿속에는 불편한 질문 하나가 떠올랐다. 만약 이 계약서에 치명적인 위험 조항이 숨어 있는데 자신과 AI가 둘 다 놓쳤다면, 나중에 그 책임은 누구에게 돌아갈까?

“AI가 있잖아”라며 일을 넘긴 상사일까, 그럴듯한 답변을 만들어낸 AI일까, 아니면 마지막 보고서에 자기 이름을 적어 제출한 김 대리일까.

AI 덕분에 김 대리는 원래 하지 못하던 일을 시도해 볼 수 있었다. 하지만 그 결과를 판단할 전문성과 최종 책임까지 함께 얻은 것은 아니었다.

김 대리가 법률 전문가가 된 것이 아니다. AI가 그럴듯한 법률 문장을 만들어낼 수 있게 됐을 뿐이다.

AI 업무 생산성이 높아졌는데 왜 보상은 그대로일까?

다행히 결과는 괜찮았다. 상사는 만족했고 외부에 바로 맡겼을 때보다 비용도 줄었다. 김 대리도 조금은 뿌듯했다. 다만 그 성과가 별도의 보상이나 평가로 이어지지는 않았다.

몇 달 뒤 비슷한 문제가 생겼을 때 상사의 말은 오히려 짧아졌다.

“지난번에도 했잖아.”

첫 번째에는 어려운 일을 해낸 ‘성과’였다. 두 번째부터는 ‘할 수 있는 일’이 됐고, 얼마 지나지 않아 김 대리가 원래 해야 하는 업무처럼 굳어졌다.

경제학과 조직 연구에서는 이와 비슷한 현상을 톱니 효과(Ratchet Effect)로 설명한다.

한쪽으로만 조여지고 뒤로는 풀리지 않는 톱니바퀴처럼, 한 번 올라간 성과 기준이 다시는 원래대로 내려오지 않는 현상이다.

예를 들어 평소 10개를 해내던 직원이 어느 날 힘을 내 15개를 해내면, 회사는 보상을 주는 대신 다음 달 기본 목표를 아예 15개로 올려 잡는다.

오늘 열심히 일한 기록이 내일 내 목을 죄는 새로운 기준선이 되는 셈이다. 직원이 이 구조를 눈치채면 자신의 최대 실력을 다 보여주는 것이 오히려 손해가 된다.

2018년 진행된 한 경제학 실험도 이를 잘 보여준다. 참가자들에게 실제 업무를 맡겼더니, ‘지금 일을 많이 하면 다음번 기준치만 높아진다’는 점을 눈치챈 사람들은 일부러 속도를 늦추며 결과물을 적당히 조절했다.(3)

물론 이 실험이 생성형 AI를 다룬 것은 아니지만, 김 대리가 겪은 상황과 구조는 놀라울 만큼 닮아 있다.

AI로 업무 시간을 크게 줄였다고 공개하면 다음부터는 그 단축된 시간이 새로운 기준이 된다. 여기에 다른 업무가 하나 더 붙고, 그것까지 해내면 앞으로 맡아야 할 일의 범위만 다시 넓어진다.

결국 일을 빨리 끝낸 대가로 보상을 받기는커녕, 회사가 요구하는 ‘기본 눈높이’만 올라가는 셈이다.

결국 김 대리는 회사를 옮겼다

얼마 뒤 김 대리는 이직을 택했다.

물론 AI 문제 하나 때문에 사표를 낸 것은 아니다. 연봉과 업무 강도, 조직 분위기가 복합적으로 작용했다. 눈여겨볼 대목은 새 직장으로 옮긴 뒤 달라진 김 대리의 태도다.

새 직장에서도 김 대리는 AI를 계속 쓴다. 오히려 예전보다 훨씬 능숙해졌다. 긴 자료를 요약하고, 반복되는 엑셀 작업을 줄이고, 보고서 초안을 빠르게 뽑아낸다. 지난번 계약서 사건을 겪은 덕분에 어떤 업무에 AI를 쓰면 안 되는지도 분명하게 알게 됐다.

대신 한 가지가 달라졌다. 이번에는 자신이 AI를 얼마나 잘 다루는지 회사에 굳이 드러내지 않는다.

보고서를 예상보다 일찍 끝내도 구체적인 방법을 먼저 말하지 않는다. 동료가 물어보면 딱 필요한 만큼만 알려주고, 시행착오 끝에 다듬어 온 프롬프트와 자기만의 업무 흐름을 전부 공유하지도 않는다.

이전 직장에서 뼈아픈 교훈을 하나 얻었기 때문이다. AI로 시간을 얼마나 아꼈는지 회사가 알게 되는 순간, 그 시간은 내 여유가 아니라 새로운 업무를 채워 넣는 빈칸이 된다는 사실이다.

겉으로 보면 조금 야박하거나 이기적인 행동처럼 보일 수도 있다. 하지만 최근 발표된 연구들을 보면 이건 김 대리 혼자만의 이야기가 아니다.

왜 직원은 AI 사용을 숨길까? HBR 연구의 세 가지 이유

2026년 하버드 비즈니스 리뷰(HBR)에 소개된 미국 서던캘리포니아대(USC) 연구진의 조사 결과를 보자.(4)

연구진은 업무에 AI를 매일 또는 하루에도 여러 번 쓰는 미국 직장인 604명을 조사했다.

응답자의 약 80%는 자신이 아는 AI 활용법을 동료와 나누면 팀에 도움이 될 것이라고 생각했다. 하지만 실제 행동은 달랐다. 거의 세 명 중 한 명은 자신이 쓰는 프롬프트나 업무 방식, AI 노하우를 동료나 회사에 일부러 숨긴 적이 있었다.(5)

직원들이 입을 닫은 이유는 크게 세 가지였다.

• 평판 걱정: AI를 썼다고 밝히면 자신의 실력이나 노력이 그만큼 깎여 보일 수 있다.
• 업무량 증가: 일 빨리 끝내는 법을 알려주면 더 많은 일이 몰리거나 부서의 ‘AI 담당자’로 찍힐 수 있다.
• 대체 가능성: 나만 알던 업무 방식이 조직 전체에 퍼지면 회사에서 내 희소성과 입지가 줄어들 수 있다.

연구진이 확인한 핵심은 회사에 ‘AI 사용 지침’이 있느냐 없느냐가 아니었다. 정작 직원들의 태도를 가른 것은 조직에 대한 신뢰와 심리적 안전감이었다.(5)

내가 가진 노하우를 솔직하게 공개했을 때, 회사가 그것을 나에게 불리하게 쓰지 않을 것이라는 믿음이 먼저 있어야 한다는 뜻이다.

김 대리가 새 직장에서 AI 실력을 굳이 드러내지 않는 이유도 마찬가지다. 거창한 비밀주의가 아니라, 이전 직장에서 몸으로 배운 현실적인 방어 전략에 가깝다.

AI를 쓰면 정말 무능해 보일까?

직원들이 평판을 걱정하는 데는 그만한 이유가 있다. 기분 탓이 아니라 실제 실험에서도 확인된 현상이기 때문이다.

미국 듀크대(Duke University) 연구진이 2025년 국제학술지(PNAS)에 발표한 네 차례의 실험(참가자 총 4,439명)을 보자.

업무에 AI를 쓴 사람은 그렇지 않은 사람보다 실력이 부족하거나 일을 대충 하려는 사람으로 낮게 평가받는 경향이 나타났다.

AI 사용자 스스로도 ‘내가 안 좋게 보이지 않을까’ 걱정했는데, 실제로도 주변 사람들의 시선이 그만큼 차가웠다. 일부 실험에서는 채용 지원자를 평가할 때 불이익으로 이어지기도 했다.(6)

직장인 입장에서는 진퇴양난이다. AI를 안 쓰면 일 처리가 늦어져 뒤처질 수 있는데, 썼다고 솔직히 밝히면 이번에는 내 실력과 노력이 깎여 보일 수 있다.

이런 모습은 대규모 글로벌 조사에서도 그대로 나타난다.

KPMG와 호주 멜버른대학교가 2025년 47개국 4만 8천 명 이상을 조사한 결과, 응답 직원의 58%가 업무에 AI를 적극적으로 쓰고 있었다. 하지만 절반이 넘는 57%는 AI 사용 사실을 숨기거나, AI가 만든 결과물을 마치 자신이 직접 한 작업처럼 제출한 적이 있다고 답했다.(7)

물론 앞서 본 HBR 연구의 ‘노하우 감추기’와 KPMG 조사의 ‘AI 사용 숨기기’가 완전히 똑같은 행동을 측정한 것은 아니다. 하지만 두 조사가 가리키는 현실은 하나다.

AI는 이미 업무의 기본 도구가 됐지만, 사용 사실을 당당히 밝힐 수 있는 직장 문화는 아직 따라오지 못했다.

AI 인사평가, 회사도 답을 찾기 어렵다

그렇다고 회사만 탓할 수도 없다. 관리자 입장에서도 전에 없던 고민이 생겼기 때문이다.

예전에는 잘 쓴 보고서가 올라오면 작성자의 자료 조사 능력이나 문장력, 기획력을 어느 정도 가늠할 수 있었다. 지금은 다르다. 직원이 자기 생각을 AI로 빠르게 다듬어낸 것인지, 아니면 AI가 써준 문장을 제대로 읽지도 않고 그대로 복사해 낸 것인지 결과물만 보고는 구별하기 어렵다.

앞서 본 KPMG 조사 결과는 회사의 이런 걱정이 지나친 것만은 아님을 보여준다. 업무에 AI를 쓰는 직원의 66%는 결과가 정확한지 제대로 확인하지 않고 그대로 쓴 적이 있었고, 56%는 AI 때문에 실제 업무에서 실수를 저질렀다고 답했다.(7)

따라서 회사가 직원들의 AI 활용 현황을 파악하려는 것 자체를 탓할 수는 없다. 진짜 난감한 지점은 ‘무엇을 잘했다고 평가할 것인가’에 대한 적절한 기준이 아직 없다는 데 있다.

AI를 자주 쓰는 사람이 곧 일 잘하는 사람일까? 프롬프트를 많이 입력할수록 AI 역량이 뛰어난 것일까? AI 없이 더 훌륭한 결과물을 낸 직원보다, AI를 많이 썼다는 이유만으로 더 높은 점수를 줘야 할까?

어학 앱으로 유명한 듀오링고(Duolingo)도 똑같은 시행착오를 겪었다.

회사가 직원 인사평가에 ‘AI 활용 여부’를 반영하려 하자, 사내에서는 곧바로 “평가 점수를 받으려고 억지로 AI를 쓰라는 것이냐”는 반발이 터져 나왔다. 결국 루이스 폰 안(Luis von Ahn) 최고경영자(CEO)는 이 방침을 철회하면서, 가장 중요한 평가 기준은 ‘직원이 자기 본업에서 얼마나 좋은 성과를 냈는가’라고 선을 그었다.(8)

AI를 잘 쓰는 것과 AI를 많이 쓰는 것은 전혀 같은 능력이 아니다.

AI 조직문화의 문화 지체: 기술은 바뀌었는데 평가 기준은 그대로다

지금 회사에서 벌어지는 이 어색한 풍경은 사회학에서 말하는 ‘문화 지체(Cultural Lag)’ 개념으로 보면 한눈에 이해된다.

사회학자 윌리엄 오그번(William F. Ogburn)이 제시한 이 개념은, 기술은 눈부시게 발전하는데 그것을 다루는 법·제도·사람들의 인식은 과거에 머물러 있으면서 생기는 엇박자를 뜻한다.(9)

학계가 지금의 직장 AI 문제를 공식적으로 문화 지체라 부르는 것은 아니지만, 오늘날 사무실의 혼란을 설명하는 데 이만큼 잘 들어맞는 틀도 없다.

최근 한국 노동시장 조사에서도 똑같은 엇박자가 확인된다.

고용노동부와 한국고용정보원이 2026년 8월 발표한 분석을 보면, 현장에서는 직원 개개인이 앞다퉈 생성형 AI를 업무에 쓰고 있지만 정작 회사의 인사·보상 제도는 그 속도를 따라가지 못하고 있다고 지적했다.

재직자 조사에서도 ‘개인 업무 효율과 생산성이 올랐다’는 체감은 높았지만, ‘팀이나 조직의 협업이 좋아졌다’는 응답은 상대적으로 낮았다.(10)

개인 생산성은 올랐는데 팀 협업은 제자리라는 이 결과는, 이전 글 「AI 시대 왜 당신은 불안한가?」에서 살펴본 직장인의 심리적 불안과도 맞닿아 있다.

새 기술에 뒤처질까 봐 겪는 ‘테크노 스트레스(Technostress)’에 더해, AI가 내 업무를 대신할수록 회사에서 내 역할과 가치를 어떻게 증명하고 보호받을지 모른다는 불안이 직원들을 각자도생으로 내모는 것이다.

결국 일하는 방식은 이미 ‘AI와 함께 일하는 단계’로 넘어갔는데, 회사는 여전히 ‘사람 혼자 무엇을 했는가’라는 오래된 잣대로만 직원을 평가하려 한다.

도구와 제도의 이 시간차야말로 지금 직장에서 벌어지는 AI 문화 지체의 진짜 모습이다.

김 대리가 회사에서 배운 가장 중요한 AI 활용법

김 대리는 지금도 AI를 사용한다. 예전보다 훨씬 능숙하다.

어떤 질문을 던져야 하는지 알고, AI가 언제 그럴듯한 오답을 내놓는지도 안다. 무엇을 직접 검증해야 하고 어떤 업무에는 애초에 AI만 믿어서는 안 되는지도 몸으로 배웠다.

하지만 첫 번째 직장에서 배운 가장 결정적인 교훈은 프롬프트 작성법이 아니었다

일을 빨리 끝낼수록 보상 대신 기본 할당량만 올라가는 회사의 ‘톱니 효과’, 그리고 도구는 최첨단인데 평가는 옛날 방식에 머물러 있는 조직의 ‘문화 지체’를 직접 겪었기 때문이다.

그 과정에서 김 대리가 얻은 가장 결정적인 교훈은 프롬프트 작성법이 아니라, 자신의 AI 실력을 회사에 전부 보여주는 것이 결코 유리하지 않다는 사실이었다.

결국 회사가 던져야 할 질문도 단순히 “우리 직원들은 AI를 얼마나 많이 쓰고 있는가?”가 아니다.

AI로 시간을 아끼고 성과를 낸 직원에게 어떤 보상을 돌려줄 것인지, 그리고 달라진 업무 방식에 맞춰 인사평가 기준을 어떻게 현실화할 것인가가 먼저다.

아낀 시간을 새 업무로만 채워 넣는 관행과 낡은 평가 기준을 그대로 둔 채 도구만 빠르게 도입한다면, 회사에서 AI를 가장 잘 다루는 직원이 마지막에 터득하는 생존법은 꽤 씁쓸한 것일 수밖에 없다.

AI를 더 잘 쓰는 법이 아니라, 내가 AI를 잘 쓴다는 사실을 회사에 꼭꼭 숨기는 법 말이다.

출처

1. YTN, 「“무능력하게 보일까봐 AI 사용 숨겨”…인사 평가에 기업도 골머리」, 2026년 9월 14일.
2. OpenAI, GPT-6 Astra: A new generation of intelligence, 2026.
3. Cardella, Eric & Briggs Depew, Output restriction and the ratchet effect: Evidence from a real-effort work task, Games and Economic Behavior, 2018.
4. Eric Anicich & Jeslyn Brouwers, Why Employees Aren’t Transparent About Their AI Usage, Harvard Business Review, 2026.
5. Alexander Bernard, Why Are Employees Reluctant To Disclose AI Use to Their Bosses?, USC Marshall School of Business, 2026.
6. Jessica A. Reif, Richard P. Larrick & Jack B. Soll, Evidence of a social evaluation penalty for using AI, Proceedings of the National Academy of Sciences, 2025.
7. Nicole Gillespie et al., Trust, attitudes and use of artificial intelligence: A global study 2025, University of Melbourne & KPMG International, 2025.
8. Ella Chakarian, Duolingo was evaluating its workers’ AI use. Workers pushed back., Fast Company, 2026.
9. OpenStax, Introduction to Sociology 3e — Cultural Change.
10. 고용노동부·한국고용정보원, 「인공지능(AI)는 일자리 파괴자 아닌 직무 재구성의 파트너…」, 2026년 8월 31일.