AI가 일을 줄여준다더니, 왜 더 바빠졌을까? 워크슬롭의 정체

그럴듯한 AI 결과물이 동료의 재작업으로 바뀌는 순간

AI를 쓰기 시작하면 일이 줄어들 것이라고 기대합니다. 그런데 현실에서는 반대 상황도 자주 생깁니다. 동료가 AI로 만든 보고서를 보내왔는데, 문장은 매끄럽지만 결론과 근거가 비어 있어 받는 사람이 다시 읽고, 확인하고, 고쳐야 하는 경우입니다.

이 현상에 이름이 붙었습니다. 워크슬롭(workslop)입니다. 이 글은 워크슬롭이 무엇인지, 왜 AI 도입 이후에도 일이 줄지 않는지, 그리고 개인과 조직이 어떻게 줄일 수 있는지를 2025년 HBR·BetterUp Labs 연구를 바탕으로 정리합니다.

AI가 만든 산출물은 완성처럼 보일 수 있지만, 검증이 빠지면 재작업은 다른 사람의 몫이 됩니다. (이미지: AI 생성)

워크슬롭이란 무엇인가

워크슬롭은 work와 slop을 합친 말입니다. HBR에 실린 BetterUp Labs·Stanford Social Media Lab 연구진은 이를 “좋은 일처럼 보이지만 실제 과제를 의미 있게 진전시킬 실질이 부족한 AI 생성 업무 콘텐츠”로 설명했습니다.

형태는 보고서, 이메일, 발표자료, 요약문, 코드 리뷰 요청처럼 다양합니다. 공통점은 하나입니다. 보내는 사람은 일을 끝냈다고 느끼지만, 받는 사람은 맥락을 다시 추론하고 사실을 확인하고 결론을 보강해야 합니다.

중요한 점은 워크슬롭이 “AI를 썼다”는 사실 자체가 아니라는 것입니다. AI로 초안을 잡고 사람이 검증·편집·판단을 더했다면 업무 품질은 오히려 좋아질 수 있습니다. 워크슬롭은 그 마지막 사람의 마무리가 빠진 상태를 말합니다.

이 개념은 인터넷에서 말하는 AI 슬롭과 맞닿아 있습니다. 소비자에게 던져지던 저품질 AI 콘텐츠가 이제 업무 협업 안으로 들어온 것입니다. 차이가 있다면 피해자가 불특정 시청자가 아니라 동료, 팀장, 고객 담당자라는 점입니다. 그래서 워크슬롭은 콘텐츠 품질 문제가 아니라 협업 비용 문제입니다.

워크슬롭이 까다로운 이유는 겉이 멀쩡하다는 데 있습니다. 과거의 부실한 보고서는 한눈에 티가 났습니다. 문장이 어색하거나 구조가 무너져 있었기 때문입니다. 그런데 AI 결과물은 제목, 소제목, 글머리표, 요약까지 갖춘 경우가 많습니다. 열어보기 전까지는 완성도를 가늠하기 어렵고, 읽기 시작한 뒤에야 “알맹이가 없다”는 사실을 알게 됩니다.

AI를 쓰는데 왜 일이 더 늘어날까

핵심은 비용 이동입니다. AI로 문서를 빠르게 만든 사람은 시간을 아낍니다. 그러나 그 문서가 불완전하면, 절약된 시간은 사라진 것이 아니라 받는 사람에게 넘어갑니다. HBR 연구진은 이를 “creator에서 receiver로 effort가 이동하는 현상”으로 설명했습니다.

연구에 따르면 미국 정규직 1,150명 중 40%가 지난 한 달간 워크슬롭을 받은 적이 있다고 답했습니다. 워크슬롭을 경험한 응답자는 자신이 받는 업무 콘텐츠의 평균 15.4%가 워크슬롭에 해당한다고 봤습니다.

감정 비용도 큽니다. 워크슬롭을 받은 사람들은 짜증, 혼란, 불쾌감을 보고했습니다. 업무가 하나 더 늘어나는 것뿐 아니라 “이 사람을 믿고 맡겨도 되는가”라는 협업 신뢰가 흔들립니다.

여기서 생산성의 역설이 생깁니다. 보내는 사람 기준으로는 AI가 분명 시간을 줄였습니다. 그러나 조직 전체 기준에서는 일이 줄지 않았을 수 있습니다. 검증, 판단, 맥락 보강이라는 일이 사라진 것이 아니라 다른 사람에게 옮겨갔기 때문입니다. 개인의 시간 절약이 팀의 비용 증가로 바뀌는 순간입니다.

이런 일이 반복되면 팀 안에서 이상한 신호가 만들어집니다. 빨리 보낸 사람은 일을 빠르게 처리한 것처럼 보이고, 받은 사람은 조용히 시간을 들여 고칩니다. 대시보드에는 “AI 활용 증가”가 남지만, 실제 업무 현장에는 재확인 메시지, 추가 회의, 다시 쓰기 작업이 쌓입니다. 그래서 워크슬롭은 측정되기 전까지 잘 보이지 않습니다.

워크슬롭의 실제 비용

HBR·BetterUp Labs 연구에서 워크슬롭 한 건을 처리하는 데 걸린 평균 시간은 1시간 56분이었습니다. 내용을 읽고, 빠진 맥락을 추론하고, 사실을 다시 확인하고, 결국 다시 쓰는 데 들어간 시간입니다.

연구진은 응답자의 자기보고식 처리 시간과 급여를 바탕으로 직원당 월 186달러의 보이지 않는 비용을 추정했습니다. 환율에 따라 달라지지만, 대략 25만 원 안팎의 월간 재작업 비용으로 볼 수 있습니다. 1만 명 규모 조직으로 환산하면 연간 900만 달러 이상 손실이라는 추산이 나옵니다.

이 비용이 위험한 이유는 대부분 회계 장부에 잡히지 않는다는 데 있습니다. 재작업은 별도 프로젝트로 기록되지 않습니다. 누군가의 오후 두 시간이 조용히 사라질 뿐입니다.

더 큰 문제는 신뢰 손상입니다. 같은 HBR 연구에서 워크슬롭을 받은 사람들은 보낸 동료를 덜 창의적이고, 덜 유능하고, 덜 신뢰할 만하다고 평가하는 경향을 보였습니다. 한 번의 부실한 AI 결과물이 단순한 문서 품질 문제를 넘어 협업 관계 전체에 영향을 줄 수 있다는 뜻입니다.

특히 위계가 있는 조직에서는 비용이 더 복잡해집니다. 상사가 보낸 워크슬롭을 부하 직원이 고쳐야 할 때, 혹은 부하 직원이 보낸 워크슬롭을 상사가 다시 써야 할 때, 사람들은 쉽게 “이건 쓸 수 없다”고 말하지 못합니다. 그래서 실제 손실은 조용한 야근, 추가 확인, 애매한 회의로 흩어집니다.

워크슬롭 보고서와 제대로 만든 보고서

차이는 문장의 유려함이 아니라 의사결정 가능성에서 갈립니다. 예를 들어 “2분기 마케팅 성과를 정리해 달라”는 요청에 아래처럼 답했다면 워크슬롭에 가깝습니다.

“2분기에는 다양한 캠페인이 진행되었고 전반적으로 일정 성과가 있었습니다. 일부 채널은 개선이 필요하며, 하반기에는 전략 보완이 권장됩니다.”

문장은 자연스럽지만 어떤 캠페인이 얼마만큼 성과를 냈는지, 무엇을 줄이고 무엇을 늘릴지 알 수 없습니다. 반대로 제대로 만든 보고서는 “검색광고 클릭 단가 상승으로 효율이 하락했고, 인스타그램 광고는 목표 전환당 비용을 밑돌았으므로 예산 배분을 조정한다”처럼 판단에 필요한 정보를 담습니다.

AI가 만든 초안이라도 사람이 실제 수치를 확인하고, 모르는 부분을 표시하고, 결론을 앞에 세우면 워크슬롭이 아닙니다. 결국 차이를 만드는 것은 도구가 아니라 책임의 위치입니다.

좀 더 현실적인 비교로 보면 차이는 네 가지에서 갈립니다. 첫째는 검증입니다. 워크슬롭형 결과물은 “성과가 있었다”처럼 두루뭉술하게 말하지만, 제대로 만든 결과물은 어떤 채널에서 어떤 지표가 움직였는지 확인합니다. 둘째는 결론입니다. “개선이 필요하다”가 아니라 “검색광고 키워드를 줄이고 리텐션 캠페인을 새로 만든다”처럼 다음 행동을 제시해야 합니다.

셋째는 맥락입니다. 같은 데이터라도 팀장에게 필요한 정보와 실무자에게 필요한 정보는 다릅니다. 받는 사람이 의사결정을 해야 한다면 요약, 리스크, 선택지를 앞에 둬야 합니다. 넷째는 한계 표시입니다. AI는 모르는 부분도 그럴듯하게 채울 수 있지만, 사람은 “이 수치는 확인 필요”라고 표시할 수 있습니다. 이 솔직함이 오히려 업무 신뢰를 만듭니다.

한국 직장에서 커지는 이유

한국 직장에서도 워크슬롭이 자라기 쉬운 조건은 있습니다. 문서와 보고가 많은 조직, 빠른 산출을 성과로 보는 문화, “AI를 빨리 써야 한다”는 압박이 결합하면 검증 단계가 생략되기 쉽습니다.

특히 IT, 금융, 제조 대기업의 사무직처럼 문서 기반 협업이 많은 직무는 영향을 받을 가능성이 큽니다. 다만 한국 기업 전체의 손실 규모를 직접 측정한 공개 연구는 아직 제한적입니다. 따라서 해외 설문 수치를 그대로 한국 손실액으로 환산하기보다, 조직 내 재작업 시간을 점검하는 출발점으로 보는 편이 정확합니다.

한국 조직에서는 “보고서가 있어야 일이 보인다”는 문화가 여전히 강합니다. 이 문화 자체가 나쁘다는 뜻은 아닙니다. 문제는 산출물의 양과 형식이 일한 증거로 여겨질 때입니다. AI는 그 형식을 빠르게 채우는 데 매우 능숙합니다. 그래서 실제 판단보다 문서의 모양이 먼저 완성되는 일이 생깁니다.

또 다른 조건은 속도 압박입니다. “AI를 쓰면 빨라져야 한다”는 기대가 강해지면, 사람들은 검토 시간을 낭비처럼 느낄 수 있습니다. 그러나 복잡한 업무에서 검토는 낭비가 아니라 품질을 만드는 과정입니다. 이 과정을 생략하면 개인은 빨라지고 팀은 느려집니다.

워크슬롭을 개인의 게으름으로만 보면 해법도 약해집니다. 성실한 사람도 잘못된 보상 구조 안에서는 워크슬롭을 만들 수 있습니다. 빠른 제출만 칭찬하고, 검증과 맥락 정리는 보이지 않는 노동으로 취급하면 누구나 “일단 AI로 만들어 보내자”는 유혹을 받습니다.

줄이는 법: 개인과 조직

개인 차원에서는 보내기 전 30초 점검이 효과적입니다. 첫째, 결론이 있는가. 둘째, 핵심 수치를 직접 확인했는가. 셋째, 내 판단이나 다음 행동이 들어 있는가. 이 셋 중 하나라도 비어 있다면 아직 완성본이 아니라 초안입니다.

조직 차원에서는 AI 사용 여부보다 검증 기준을 명확히 해야 합니다. 중요한 보고서에는 AI 사용 사실과 검증 여부를 남기고, 수치·인용·고객 정보가 포함된 문서는 사람 검토를 거치게 해야 합니다. “빠르게 많이”보다 “믿고 쓸 수 있게”를 평가해야 워크슬롭이 줄어듭니다.

AI는 여전히 강력한 생산성 도구입니다. 다만 생산성은 산출 속도가 아니라, 받는 사람이 바로 쓸 수 있는 품질까지 포함합니다. 그 기준이 빠지는 순간, AI는 일을 줄이는 도구가 아니라 일을 옮기는 도구가 됩니다.

개인이 바로 적용할 수 있는 기준은 간단합니다. 보낼 문서 맨 앞에 세 줄을 추가해 보세요. “결론은 무엇인가”, “근거 수치는 무엇인가”, “받는 사람이 결정해야 할 것은 무엇인가”입니다. 이 세 줄을 채우지 못하면 아직 공유할 단계가 아닐 가능성이 큽니다.

팀 차원에서는 AI 산출물을 두 종류로 나눌 수 있습니다. 하나는 아이디어 탐색, 초안, 브레인스토밍처럼 불완전함이 허용되는 작업입니다. 이때는 AI 결과물을 빠르게 공유해도 됩니다. 다른 하나는 고객에게 나가거나 의사결정에 쓰이는 작업입니다. 이 경우에는 출처, 수치, 책임자를 명확히 남겨야 합니다.

조직이 특히 조심해야 할 문장은 “AI로 다 처리하세요”입니다. 이 말은 편해 보이지만 기준이 없습니다. 더 나은 지시는 “AI로 초안을 만들되, 최종 공유 전에는 수치 출처와 결론, 확인 필요 항목을 표시하세요”입니다. 이 차이가 워크슬롭과 생산성 도구를 가릅니다.

AI 시대의 진짜 생산성

워크슬롭 현상은 생산성에 대한 오래된 착각을 드러냅니다. 빠르게 많이 만드는 것이 곧 생산성이라는 생각입니다. AI는 이 능력을 극단까지 밀어붙였습니다. 하지만 업무에서 중요한 것은 만들어진 양이 아니라, 그 결과물을 누가 얼마나 믿고 쓸 수 있는가입니다.

인터넷의 AI 슬롭과 직장의 워크슬롭은 같은 구조를 공유합니다. 사람의 검증과 책임이 빠진 양산물은 결국 누군가에게 비용을 떠넘깁니다. 소비 콘텐츠에서는 독자의 시간이 낭비되고, 업무에서는 동료의 시간이 낭비됩니다. 기준선은 같습니다. AI를 썼느냐가 아니라, 사람이 책임졌느냐입니다.

따라서 다음에 AI로 문서를 만들 때 목표를 “빨리 끝내기”로만 두면 안 됩니다. 목표는 “받는 사람이 바로 판단할 수 있게 만들기”여야 합니다. 결론이 있는지, 수치를 확인했는지, 모르는 부분을 표시했는지. 이 작은 점검이 동료의 두 시간을 아끼고, 나에 대한 신뢰를 지킵니다.