AI 생성 저품질 결과물(Workslop)의 53%는 직원이 스스로 품질이 낮다고 인지하면서도 발송한 것입니다.
Workslop의 근본 원인은 개인의 게으름이 아니라, 불명확한 AI 사용 지침과 과부하된 조직 환경입니다.
팀 내 신뢰 수준이 높은 조직에서 Workslop 발생률이 61% 감소합니다.
AI 쓰라고 시켜놓고, 쓰레기가 나오면 직원 탓?
거울 먼저 보십시오.
AI로 만든 결과물의 절반 이상이 보내는 사람도 저품질이라고 알면서 발송됩니다(출처: BetterUp & Stanford Social Media Lab, 2025). 문제는 AI가 아닙니다. AI를 쓰게 만든 조직의 구조가 문제입니다.
BetterUp과 스탠퍼드 소셜 미디어 연구소가 미국 정규직 데스크 워커 1,150명을 대상으로 실시한 설문 결과가 공개되었습니다(출처: BetterUp & Stanford Social Media Lab, 2025). 응답자의 53%가 동료에게 보내는 AI 생성 업무물 중 일부가 저품질임을 인정했습니다. 41%는 구체적인 Workslop 수신 경험을 기억했습니다.
동시에 41%의 직원이 리더십으로부터 AI 사용을 권장받았지만, 구체적 활용 지침은 받지 못했다고 답했습니다. 포괄적 AI 명령이 Workslop의 온상입니다.
첫째, Workslop은 생산성 비용이 아니라 관계 비용입니다. 한 기업에서는 바이브 코딩으로 생긴 치명적 버그 때문에 엔지니어가 이틀 만에 퇴사했습니다. 다른 기업에서는 관리자가 연구 결과를 무단으로 ChatGPT에 넣어 재가공한 일이 연구원에게 "가스라이팅"으로 느껴졌습니다. 성과 리뷰에서 AI 톤이 감지된 직원은 승진 희망을 포기했습니다. Workslop이 파괴하는 것은 시간이 아니라 신뢰입니다.
둘째, Workslop은 위에서 내려온 압력과 아래의 과부하가 만나는 지점에서 발생합니다. 이사회는 AI로 ROI를 증명하라고 압박합니다. 경영진은 "매일 모든 곳에서 AI를 쓰라"는 포괄적 지시를 내립니다. 일선 직원은 역할 통합, 예산 축소, 번아웃 속에서 AI를 형식적으로 사용합니다. 준수를 증명하기 위한 형식적 사용이 곧 Workslop입니다.
셋째, AI 역량감과 팀 신뢰가 방어막입니다. AI 도구에 대한 통제감과 역량감이 있는 직원은 Workslop 발생률이 절반으로 줄어듭니다. 팀 내 심리적 안전감이 높은 환경에서는 61% 감소했습니다. AI 사용 사실을 인정하고, 품질 우려를 제기할 수 있는 문화가 핵심입니다.
Workslop의 숨겨진 비용은 이직과 신뢰 붕괴입니다. BetterUp의 40만 명 직원 데이터에 따르면, 2020년 이후 집중력, 민첩성, 전략적 계획 수립 등 핵심 리더십 역량이 2~6% 하락했습니다(출처: BetterUp, 2025). Edelman의 2025 글로벌 신뢰 지표에서는 직원의 고용주 신뢰가 3포인트 하락했습니다(출처: Edelman, 2025).
Workslop은 이 추세의 증상이자 가속기입니다. 한 건의 저품질 AI 산출물이 팀원의 감정적 이탈을 유발하고, 이직으로 이어진 사례가 이 연구에서 직접 보고되었습니다. 응답자의 10%는 동료에게 보내는 AI 결과물의 50% 이상이 저품질이라고 답했습니다.
"우리 팀에서 AI로 만든 결과물 중 품질에 자신 없었던 것이 있었나요?"라는 질문을 주간 미팅에 넣습니다. (10분)
"AI를 사용하라"가 아니라, 어떤 업무에, 어떤 품질 기준으로, 어떤 검수 절차를 거쳐 사용할지 명시합니다. 아래 프롬프트를 참고하세요. (1시간)
우리 팀의 주요 업무 5가지를 나열하고, 각 업무별로 AI 활용 적합도를 '높음/중간/낮음'으로 분류해 줘. 분류 기준은 (1) 입출력 명확성, (2) 오류 허용 범위, (3) 검수 가능성이야.
"AI가 초안을 작성하고, 사람이 검수한다"는 원칙을 팀 규칙으로 선언합니다. (30분)
"AI 사용 결과가 기대 이하일 때 솔직하게 말할 수 있는 분위기인가?"를 팀 리더가 자문합니다. 솔직한 피드백이 가능한 환경에서 Workslop이 61% 줄어듭니다. (미팅 안건 추가)
Workslop 문제를 개인 책임으로 돌리면 역효과가 납니다. 이 연구가 지적하는 핵심은 근본귀인오류(fundamental attribution error)입니다. 개인의 게으름을 탓하면서 구조적 원인을 외면하면, 직원은 AI 사용을 더 숨기게 됩니다.
설문 데이터의 한계가 있습니다. 1,150명의 미국 데스크 워커 대상이므로, 한국 기업 환경에 직접 적용할 때는 문화적 차이를 고려해야 합니다. 특히 상사에게 AI 사용 사실을 공개하기 어려운 조직 문화에서는 실제 Workslop 비율이 더 높을 수 있습니다.
AI 품질 관리 체계가 또 다른 관료주의가 될 수 있습니다. 검수 프로세스가 과도하면 AI 도입의 생산성 이점 자체가 사라집니다. 균형이 중요합니다.
Workslop은 AI의 문제가 아니라 조직 설계의 문제입니다. 신뢰와 명확한 가이드라인이 있는 팀에서는 발생하지 않습니다.
- Niederhoffer, K., Robichaux, A., & Hancock, J. T. "Why People Create AI 'Workslop'—and How to Stop It." Harvard Business Review, January 16, 2026. (원문 보기 ↗)
- BetterUp, & Stanford Social Media Lab. (2025). Online survey of 1,150 full-time U.S. desk workers [Survey].
- Edelman. (2025). 2025 Edelman Trust Barometer [Report].