2026년 7월 10일

AI를 '동료'라고 부르면 안 되는 이유 — 실수를 18% 놓치게 만드는 호칭의 함정 (보스턴대 연구)

SEO 키워드: AI 검수 / AI 에이전트 업무 활용 / AI 실수 / AI 직원

AI에게 일을 맡기기 시작하면, 어느 시점부터 이상한 일이 생깁니다. 처음엔 산출물을 한 줄 한 줄 확인하다가, 결과물이 그럴듯해질수록 검수하는 손이 느슨해져요. "얘가 알아서 잘했겠지" — 혹시 이 마음, 혼자만 느끼는 게 아닙니다. 그리고 최근 연구 하나가 그 마음의 정체를 정확히 짚어냈습니다.

AI를 '직원'이라 부르면 무슨 일이 생길까?

2026년 5월 하버드비즈니스리뷰(HBR)에 실린 보스턴대·BCG 연구진의 실험입니다(연구: 보스턴대 경영대 에마 와일스 교수 외). 미국·캐나다·EU의 HR·재무 매니저 1,261명에게 오류가 심어진 같은 업무 문서를 검토하게 했는데, 딱 하나만 다르게 했어요. 작성자를 사람 직원 "Alex", 'AI 도구', 'AI 직원 "ALEX-3"' 세 가지로 나눠 소개한 겁니다.

결과가 갈렸습니다.

구분	'AI 도구'로 소개받은 그룹	'AI 직원'으로 소개받은 그룹
오류 발견	기준	18% 덜 발견
문제 발생 시	스스로 판단	위로 떠넘긴 비율 44% 증가

같은 AI, 같은 산출물인데 호칭 하나로 검수 성과가 달라진 겁니다. 책임 소재도 흐려졌어요 — '직원' 프레이밍에서는 검토자 본인의 책임이 9%p 내려가고, AI에게 돌린 책임이 8%p 올라갔습니다. MIT 테크놀로지 리뷰는 이 연구를 다루며 기사 제목을 이렇게 달았습니다 — "AI 에이전트는 당신의 '동료'가 아니다"(2026.6.29).

두 가지 뉘앙스가 더 중요합니다. 첫째, 이 효과는 AI에 낯선 사람이 아니라 이미 AI 에이전트를 조직도에 올린 조직의 매니저들에게서 뚜렷했습니다(조사 대상 기업의 23%가 조직도 등재, 31%는 리더십이 AI를 팀메이트로 규정). 익숙해질수록 검수하던 손이 풀린다는 뜻이라, 도입 초기보다 정착기가 더 위험합니다. 둘째, 그렇게 '직원'이라 불러도 AI 도입 의향은 오르지 않았습니다. 친숙하게 만들면 더 쓸 거라는 명분이 무너진 거죠. 실제 도입을 끌어올린 건 매니저가 직접 쓰는 모습을 보여주는 것이었습니다.

왜 호칭 하나가 검수를 무너뜨릴까?

호칭은 기대치를 세팅합니다. '동료'나 '직원'은 완성된 사람에게 쓰는 말이에요. 그 말을 쓰는 순간 우리 뇌는 동료 수준의 신뢰를 미리 지급하고, 검수하던 손이 풀립니다. 사람 동료의 보고서를 단어 단위로 검사하지 않는 것처럼요.

문제는 AI가 사람 동료와 결정적으로 다르다는 점입니다. 사람은 모르면 모른다고 하지만, AI는 모르는 것도 확신에 찬 문장으로 씁니다. 그래서 '동료' 프레이밍 + AI의 그럴듯함이 만나면, 오류가 걸러지지 않은 채 그대로 나갑니다. 마케팅 실무라면 — 잘못된 수치가 담긴 보고서, 존재하지 않는 출처가 달린 블로그 글이 그대로 발행되는 거죠.

빅테크는 왜 AI를 '직원'으로 팔까?

이 호칭, 우연이 아닙니다. MIT 테크놀로지 리뷰에 따르면 엔비디아·마이크로소프트·오픈AI 같은 실리콘밸리 기업들이 AI 에이전트를 '디지털 동료', '디지털 직원'으로 앞다퉈 포장하고 있어요. 이름과 직함을 붙이고, 조직도에 올리는 것까지요.

'직원'이라는 말은 마케팅으로는 훌륭합니다. 소프트웨어 구독료가 아니라 인건비 예산에서 결제되니까요. 하지만 사용하는 입장에서는 두 가지 비용이 생깁니다.

기대치가 부풀려집니다. '직원'이라는 말은 사람 수준의 유연성과 판단력을 암시하지만, 실제 AI는 거기에 못 미쳐요. 부풀려진 기대만큼 검수가 줄어듭니다.
책임의 회피처가 생깁니다. AI를 직원처럼 대하는 순간 결과물에 대한 주인의식이 옅어져요. 기사는 의료·교육·정부처럼 실수의 대가가 큰 영역에서, 사람의 잘못된 결정이나 감독 부실을 "AI가 한 일"로 떠넘기기 쉬워진다는 점을 가장 큰 위험으로 꼽습니다.

노벨경제학상을 받은 MIT의 다론 아세모글루 교수의 처방도 같은 방향입니다 — AI는 인간을 대체하는 '직원'이 아니라, 인간이 원하는 일을 돕고 능력을 키워주는 '도구'로 설계되고 쓰여야 한다는 것. 한 줄로 줄이면, '직원'이라는 타이틀은 도구의 성능을 올려주지 않고 사람의 성능만 떨어뜨립니다.

그럼 'AI 인턴'이라는 말도 위험할까?

저는 AI를 '인턴'처럼 쓰라고 가르치는 사람입니다. 그래서 이 연구를 강연장 스크린에서 처음 봤을 때 솔직히 뜨끔했어요. 의인화 자체가 문제라면 '인턴'도 같은 함정 아닌가?

곱씹어 보니 반대였습니다. 문제는 의인화가 아니라 승격이에요.

'동료·직원' — 완성된 사람의 말. 검수를 놓게 만듭니다.
'인턴' — 검수가 디폴트인 말. 인턴이 한 일을 상사 확인 없이 그대로 내보내는 회사는 없죠.

의인화는 일을 맡기는 데는 유용한 사다리입니다. 업무를 쪼개서 지시하고, 맥락을 문서로 넘기고, 결과를 받아보는 구조가 자연스러워지니까요. 위험해지는 건 그 프레임이 '검수 생략'까지 번질 때입니다.

전문가들의 처방("도구로 인식하라")과 제 절충안을 한 문장에 담으면 이렇게 됩니다 — 위임할 때는 인턴처럼, 검수할 때는 도구처럼. 호칭을 버리는 게 아니라, 직급을 낮추는 것입니다.

18%를 지키는 3가지 실무 수칙

1. 호칭의 직급을 낮추세요. '동료·직원·파트너' 대신 결재권 없는 이름 — 인턴이면 충분합니다. 팀에서 AI를 부르는 말을 통일하는 것만으로 검수 기대치가 달라집니다.

2. 검수는 기계처럼 하세요. 믿음이 아니라 루틴입니다. 내보내기 전 네 가지는 무조건 원문과 대조합니다 — 숫자·통계 / 링크·출처(직접 열어보기) / 고유명사(이름·날짜·직함) / 브랜드 톤·금지어. 이 글의 '18%'도 쓰면서 세 번 대조했습니다. AI가 확신에 차 있을수록 더 의심하는 게 요령이에요.

3. 책임은 넘기지 마세요. 연구에서 '직원' 프레이밍 그룹은 문제를 위로 떠넘기는 비율도 44% 높았습니다. 일은 넘겨도 책임은 넘겨지지 않아요. 산출물 끝에 "검수: 내 이름" 한 줄을 남겨보세요. 서명이 검수를 만듭니다.

자주 묻는 질문 (FAQ)

Q. AI 산출물 검수는 어느 정도까지 해야 하나요? A. 전부 다시 쓰는 게 아니라 게이트를 통과시키는 겁니다. 사실관계(숫자·출처·고유명사)는 기계적으로 대조하고, 판단이 필요한 부분(톤·전략 적합성)만 사람이 봅니다. 위 4종 게이트 기준으로 산출물 하나에 5~10분이면 충분해요.

Q. 그래도 AI를 의인화해서 쓰는 게 좋은가요? A. 일을 맡기는 단계에서는 유용합니다. 지시·맥락 전달·피드백 구조가 자연스러워지거든요. 단, 직급은 낮게(인턴), 결재권은 주지 않기 — 이 두 가지가 조건입니다.

호칭은 인턴처럼, 검수는 기계처럼. AI에게 일을 넘기는 만큼, 마지막 확인은 사람의 몫으로 남겨두세요.

참고 원문:

Harvard Business Review, "Research: Why You Shouldn't Treat AI Agents Like Employees" (2026.5)
MIT Technology Review, "AI agents are not your coworkers" (2026.6.29)
Times of India, "Calling AI agents 'coworkers' made managers catch 18% fewer errors…" (2026.7.2)