CEO들은 AI의 결과물만 보고 실제 운영의 복잡성을 간과한다

AI가 내놓은 결과물이 곧바로 완성된 제품이라고 믿는 경영진이 많다. 하지만 이는 보안이나 법규 준수, 접근성 같은 세부 사항이 해결된 해피 패스(Happy Path)만을 확인한 상태다. 실제 운영 환경에 배포하기 위해서는 숙련된 인력이 투입되어 이 마지막 단계(last mile)를 정교하게 채우는 과정이 필수적이다. 프로토타입 수준의 매끄러운 결과물만 보고 실무 인력이 더 이상 불필요하다고 판단하는 오판이 여기서 발생한다.

Box(기업용 콘텐츠 관리 플랫폼)의 CEO 에런 레비(Aaron Levie)는 이러한 상태를 AI 사이코시스(AI psychosis, 정신증)라고 진단했다. AI가 생성한 결과물 뒤에는 실제 서비스로 작동시키기 위해 처리해야 할 후속 작업이 보통 10~20가지 정도 따라붙는다. 경영진이 실무의 마지막 단계와 동떨어져 이 과정을 고려하지 않을 때, AI가 대부분의 가치를 이미 만들어냈다고 믿는 단절 현상이 나타난다.

단순한 작동과 프로덕션 수준의 품질 사이에는 큰 격차가 있다

CEO가 Claude Code(클로드 코드, 앤스로픽의 AI 코딩 에이전트)를 직접 사용해 무언가 작동하는 것을 확인한 뒤, 이를 직원들이 수행하는 전체 작업 과정과 동일하다고 판단하는 사례가 있다. 그러나 단순히 작동하는 것과 특정 환경에서 규모 있게 잘 작동하는 것 사이에는 엄연한 품질 격차가 존재한다. 실무자가 결과물을 실제 운영 환경에 맞추기 위해 처리하는 보이지 않는 모든 단계가 여전히 필요함에도, 도구의 일차적 출력물만 보고 공정이 끝났다고 믿는 것이다. 이는 실질적인 작동 원리를 무시한 채 외형만 흉내 내는 카고 컬트(cargo cult)적 사고와 유사하다.

LLM(거대언어모델) 도구를 전 직원에게 즉시 강제하고, 사용하지 않는 인원을 해고 대상으로 분류하는 경영진의 과열 반응이 빈번하게 일어난다. 특히 사용량을 단순히 많이 쓰는 것 자체를 성과로 집계하여 리더보드로 운영하는 방식은 비합리적이다. 강압적인 환경에 놓인 사용자는 도구를 제대로 다루는 법을 배우지 못한 채 수치상의 기록을 남기는 데만 집중하게 된다. 결국 실제 업무 효율이나 품질 개선과는 무관하게 토큰을 낭비하게 만들어 비용만 증가시키는 결과로 이어진다.

AI는 인력 대체 수단이 아닌 생산성 향상의 도구여야 한다

LLM의 진정한 힘은 직원이 도구를 자발적으로 선택해 업무 보조로 활용함으로써 기존보다 더 많은 양의 일을 처리하도록 돕는 지점에서 발생한다. 단순히 업무 시간을 줄이는 것이 아니라, 도구를 활용해 더 높은 수준의 결과물을 더 많이 만들어내는 것이 핵심이다. AI 도구가 강력한 성능을 가졌다고 해서 그것이 직원의 존재 자체를 대체한다고 믿는 것은 경영상의 오판이다.

기업이 AI 효율화를 명분으로 대규모 인력 감축을 단행하는 경우, 그 이면에는 과거의 과잉 채용으로 인한 인력 관리 실패를 감추려는 의도가 숨어 있는 경우가 많다. 경영진은 자신의 판단 착오를 드러내는 대신 AI라는 기술적 명분을 앞세워 인원 감축을 정당화한다. 월스트리트의 투자자들에게는 인력 과잉보다 AI를 통한 효율화라는 서사가 훨씬 더 긍정적인 논리로 작동하기 때문이다.

결국 AI 도입의 성과를 단순한 인원 감축 수치로만 계산하는 것은 기술의 본질을 오해한 결과다. 도구가 주는 생산성 향상은 숙련된 인력이 이를 자발적으로 수용하고 실제 업무 프로세스에 녹여낼 때 비로소 실현된다.

이제 AI 도입의 성과는 토큰 사용량 같은 단순 수치가 아니라 실제 프로덕션 수준의 품질 검증 단계로 측정되어야 한다. AI 시대의 실질적인 생산성은 도구의 보급률이 아니라 결과물을 제품으로 완성시키는 숙련도의 차이에서 결정된다.