강의 자료 · AI TALK
AI 사용을 숨기는 분위기와 AI 역량을 평가하려는 회사 사이의 간극을 살펴봅니다. 사용량과 성과를 구분하고, 검증과 판단을 업무 기록으로 남기는 방법을 정리했습니다.
2026년 9월 14일 강의를 바탕으로, 9월 16일 공식 출처를 대조해 통계의 의미와 과도한 단정을 보정했습니다. 기업 사례는 당시 언론 보도이며 내부 평가 규정 전체를 확인한 것은 아닙니다. 사용을 숨기라는 권유가 아니라, 사용량보다 결과와 검증을 보자는 문제 제기입니다.
- AI 활용을 숨기게 되는 분위기와 AI 역량을 평가하려는 회사 사이의 간극을 살펴봅니다.
- 도구를 얼마나 썼는지와 실제로 어떤 성과를 냈는지를 구분하는 강의입니다.
- 사용 범위와 검증 과정을 설명할 수 있도록 업무 기록을 남기는 방법을 정리합니다.
- 보고서 초안에 AI를 썼지만 보고할 때는 이를 언급하지 않는 상황을 예로 듭니다.
- 회사 도구 대신 개인 계정을 쓰거나 AI 사용 여부를 묻는 질문을 부담스러워할 수 있습니다.
- 개인의 선택뿐 아니라 회사가 마련한 도구·지침·평가 분위기를 함께 살펴봅니다.
- KPMG·멜버른대의 2025년 보고서는 AI 사용을 숨기거나 AI 결과물을 자기 것처럼 제시한 비투명 사용을 57%로 보고했습니다.
- 직원 응답자의 AI 교육 경험은 47%, 회사의 생성형 AI 정책이 있다는 응답은 40%였습니다. 정책에는 사용 금지도 포함됩니다.
- 47개국 전체 표본 48,340명의 조사이며 수집 기간은 2024년 11월부터 2025년 1월입니다. 현재 전 세계 직장인의 실태와 동일시하지 않습니다.
- 듀크대 연구진은 4,439명이 참여한 네 차례 실험에서 AI 사용자의 능력과 성실성을 낮게 보는 평가를 관찰했습니다.
- 평가자의 AI 사용 경험과 해당 업무에서 AI가 얼마나 유용한지에 따라 결과가 달라졌습니다.
- AI 사용을 밝히면 언제나 손해라고 단정할 수 없습니다. 도구의 역할과 본인이 검토한 부분을 함께 설명합니다.
- 삼성SDS 조사에서 승인 없이 개인 비용으로 쓰는 방식은 38%, 회사의 엔터프라이즈 계약 방식은 24%였습니다. 이는 1,750명이 보고한 브랜드별 사용 사례 8,744건의 비율입니다.
- 마이크로소프트의 2026년 한국 추가 시장 데이터에서 빠르게 적응하지 못하면 뒤처진다는 위기의식은 78%였습니다.
- 경영진과 AI 전략 방향이 명확하게 맞춰져 있다는 한국 응답은 16%였습니다. 이 수치만으로 국가별 최고·최하 순위를 매기지는 않습니다.
- 강의는 AI 활용을 승진·평가 논의에 연결하는 해외 기업의 보도 사례를 소개합니다.
- AI 교육 확대, 도구 사용 장려, 실제 인사평가 반영은 서로 다른 조치입니다.
- 내 회사에 적용되는 기준은 공식 공지에서 대상 직급·시행일·평가 항목을 확인합니다.
- 삼성전자·한컴·LG CNS·삼성SDS·SK하이닉스의 인사·채용 변화가 사례로 제시됩니다.
- 교육 이수, 역량 인증, 업무 개선 성과, 승진 가점은 같은 지표가 아닙니다.
- 보도된 배점과 시행 계획을 모든 직원에게 이미 적용된 기준으로 받아들이지 않습니다.
- AI 사용 횟수나 토큰 소비량은 실제 업무 성과와 다를 수 있습니다.
- 순위를 올리려고 불필요한 AI 작업을 늘리는 행위를 토큰맥싱이라고 부릅니다.
- 평가에 쓰는 숫자가 무엇을 보여 주고 무엇을 놓치는지 먼저 확인합니다.
- 파이낸셜타임스는 일부 아마존 직원이 불필요한 AI 작업으로 사용 점수를 높이는 사례를 보도했습니다.
- 사용량 목표를 세웠다면 결과물의 품질과 업무에 실제로 필요했는지도 함께 살펴야 합니다.
- 통계의 공개 범위를 바꾸는 조치와 AI 활용·평가 정책 자체를 폐지하는 조치는 구분합니다.
- 맥킨지 2026년 조사에서 AI 고성과 집단은 응답자의 약 6%였습니다.
- 이 집단은 AI의 EBIT 기여가 5% 이상이고 상당한 가치를 얻었다고 답한 경우입니다. 전체 응답자의 37%는 어느 정도의 기업 전체 EBIT 영향을 보고했습니다.
- 고성과 집단에 속하지 않은 94%를 모두 수익 개선에 실패한 기업으로 해석할 수 없습니다.
- 업무 재설계가 당장 성과로 이어지지 않아도 시도 자체가 보상될 것으로 본 응답은 한국 7%, 글로벌 13%였습니다. 일반적인 AI 보상 기대 전체를 뜻하지 않습니다.
- ZipRecruiter의 2026년 미국 조사에서는 고용주 57%가 AI 때문에 직원에게 더 높은 생산성을 기대한다고 답했습니다. 앞의 KPMG 57%와 다른 조사입니다.
- 미국 시간사용 자료를 분석한 연구는 챗GPT 등장 뒤 AI 노출도가 높은 직군이 낮은 직군보다 주당 약 3.15시간 더 일한 차이를 추정했습니다. 한국 직장인 전체의 변화량은 아닙니다.
- 강의는 지원 부족, 사용 은폐, 사용량 경쟁, 성과와 보상 사이의 간극이 맞물릴 위험을 흐름도로 설명합니다.
- 서로 다른 나라와 시점의 조사 수치를 모은 설명이므로 이 흐름 전체가 하나의 실험으로 입증됐다는 뜻은 아닙니다.
- 도구를 제공하고 사용 지침과 교육을 마련한 뒤 업무 결과를 평가하는 순서를 점검합니다.
- 강의는 AI 사용량 중심의 평가나 순위 공개 방식을 재검토한 기업 사례를 다룹니다.
- 평가 항목 철회, 대시보드 공개 축소, 도구 사용 중단은 서로 다른 변화입니다.
- 특정 기업 사례를 모든 AI 도입의 실패로 일반화하지 말고 실제로 바뀐 조치와 이유를 확인합니다.
- 많이 사용했다는 기록만으로 질문의 질이나 판단력이 좋아졌다고 평가하기 어렵습니다.
- 어떤 질문을 했고 결과물의 오류를 어떻게 찾아 고쳤는지 살펴봅니다.
- 평가 기준을 미리 알리고 사람이 최종 판단하며 이의를 설명할 수 있는 절차를 마련합니다.
- AI가 맡은 부분과 내가 검증·판단한 부분을 구분하고 회사가 승인한 도구와 정보 처리 지침을 따릅니다.
- AI 사용 전후의 결과물과 개선 내용을 남겨 평가 시점에 설명할 근거로 활용합니다.
- AI가 만든 숫자와 인용은 원본에서 확인하고 관리자도 사용량과 함께 품질·검증 과정을 평가합니다.
- 1인 기업과 프리랜서도 고객에게 어떤 결과와 가치를 제공했는지 설명할 필요가 있습니다.
- AI 평가가 없는 회사라면 업무 개선과 검증 기록부터 작게 쌓아 볼 수 있습니다.
- 사용량을 무리하게 늘리기보다 내 일에 도움이 되는지와 결과를 확인할 수 있는지를 기준으로 고릅니다.
- 강의의 중심 제안은 AI 사용량만으로 사람의 실력을 판단하지 말자는 것입니다.
- 도구 활용과 함께 결과물의 정확성, 판단의 근거, 업무 개선을 살펴봅니다.
- 사용을 공개하고 검증 과정을 설명할 수 있는 조직 환경을 만드는 일도 함께 필요합니다.
- 우리 회사가 AI 사용 횟수를 세는지 실제 업무 결과를 보는지 돌아봅니다.
- 성과와 보상을 연결하려면 어떤 결과와 검증 기록이 필요한지 생각해 봅니다.
- 일상 업무 한 가지에서 AI의 역할과 본인의 판단을 나누어 기록하는 것으로 시작할 수 있습니다.
출처와 읽을 때의 범위
정보 확인일: 2026년 9월 16일. 조사마다 대상과 질문이 달라 수치를 합산하거나 원인과 결과로 단정할 수 없습니다. 기업 사례는 당시 보도와 확인된 공식 설명을 구분해서 읽어 주세요.
- KPMG·멜버른대 2025 글로벌 연구 — 2024.11~2025.1 조사. 47개국 전체 48,340명, 직원 관련 질문은 하위 표본.
- 듀크대 연구·PNAS 논문 해설 — 2025년, 4개 실험·4,439명. 평가자 경험·업무 효용에 따라 결과가 달라짐.
- 삼성SDS 생성형 AI 사용 행태 조사 — 2026.5 사용 기준. 38%·24%는 1,750명이 보고한 브랜드별 사용 사례 8,744건의 비율.
- 마이크로소프트 2026 업무동향지표 한국 — 한국 추가 시장 데이터. 7%는 당장 성과가 없어도 업무 재설계 시도가 보상될 것이라는 응답.
- 맥킨지 The state of AI in 2026 — 고성과6%와 EBIT 영향 보고37%는 다른 지표. 94%를 실패율로 해석하지 않음.
- ZipRecruiter 2026 AI Employer Report — 2026.6 미국 고용주 조사. 57%는 더 높은 생산성에 대한 기대.
- CEPR: AI와 노동시간 연구 — 미국 ATUS2004~2023. 고노출·저노출 직군 비교 추정이며 임금 증가도 다룸.
- Accenture 360 Value Report 2025 — 2025.8 말 기준 55만 명 이상 기초 교육. 2026년 승진 내규 전문과 구분.
- LG CNS AI 인재 육성 공식 설명 — AX 직무·사내 자격·기술평가 설명. 강의의 2026년 개편 세부 규정 전체 확인과는 다름.
- FT 아마존 사용량 경쟁 보도 — 제목 확인. 구독 제한으로 본문 세부 정책은 이번에 직접 재검증하지 못함.