AI가 일을 줄여준다더니, 왜 더 바빠졌을까 — '워크슬롭'의 정체

AI를 쓰기 시작하면 일이 줄어들 거라 기대했을 겁니다. 그런데 막상 현실은 조금 다릅니다. 동료가 AI로 뚝딱 만들어 보낸 보고서를 받아 들고, “이거 그대로는 못 쓰겠는데” 싶어 처음부터 다시 손본 적 없으신가요. 분명 누군가는 시간을 아꼈는데, 정작 받은 사람은 더 바빠집니다. 이 현상에 이름이 붙었습니다. ‘워크슬롭(workslop)‘입니다. 이 글은 워크슬롭이 정확히 무엇인지, 왜 AI를 쓰는데 오히려 일이 늘어나는지, 그리고 개인과 조직이 이걸 어떻게 줄일 수 있는지 데이터와 함께 정리합니다.

핵심 요약

• ‘워크슬롭’은 겉보기엔 완성도 있어 보이지만 핵심이 빠져, 받는 사람이 다시 손봐야 하는 AI 생성 업무 결과물입니다 — 하버드비즈니스리뷰.
• 직원 40%가 지난 한 달간 워크슬롭을 받았고, 한 건을 고치는 데 평균 1시간 56분이 걸렸습니다 — 하버드비즈니스리뷰.
• 직원당 월 186달러(약 26만 원)의 ‘보이지 않는 세금’이 발생하며, 1만 명 기업 기준 연 900만 달러(약 130억 원) 이상 손실로 추정됩니다 — 하버드비즈니스리뷰.
• 문제는 AI가 아니라, 검증·편집 없이 결과물을 떠넘기는 방식입니다. 사람의 개입이 들어가면 AI는 다시 생산성 도구가 됩니다.

워크슬롭이란 무엇인가?

워크슬롭은 ‘work(일)‘와 ‘slop(저질 양산물)‘을 합친 말입니다. 겉보기엔 그럴듯하게 정리돼 있지만, 막상 들여다보면 과제의 핵심을 해결하지 못해 받는 사람이 다시 손봐야 하는 AI 생성 결과물을 뜻합니다 — 하버드비즈니스리뷰. 보고서, 이메일, 기획서, 발표 자료 등 형태는 다양합니다.

이 개념은 새로운 흐름과 닿아 있습니다. 인터넷을 뒤덮은 저질 AI 콘텐츠를 ‘AI 슬롭’이라 부르는데, 워크슬롭은 그 직장판인 셈입니다. 소비자에게 던져지던 양산 콘텐츠가 이제 동료의 책상 위로 올라온 것이죠. 둘의 공통점은 분명합니다. ‘사람의 검증과 판단이 빠진 채 AI 출력을 그대로 내보낸다’는 점입니다.

핵심은 워크슬롭이 ‘AI를 썼다’는 사실 자체를 가리키지 않는다는 데 있습니다. AI로 초안을 잡되 사람이 사실을 확인하고 결론을 다듬어 완성한 보고서는 워크슬롭이 아닙니다. 워크슬롭의 본질은 ‘미완성을 완성처럼 포장해 떠넘기는 것’입니다. 보내는 사람은 일을 끝냈다고 생각하지만, 실제로는 마무리 작업을 받는 사람에게 넘긴 것에 가깝습니다.

META TOUR의 관점: 워크슬롭이 까다로운 이유는 ‘겉이 멀쩡하다’는 데 있습니다. 예전의 부실한 보고서는 한눈에 티가 났습니다. 그런데 AI 결과물은 문장이 매끄럽고 형식이 깔끔해서, 열어보기 전까지는 완성도를 가늠하기 어렵습니다. 그래서 받는 사람이 시간을 들여 읽고 나서야 “알맹이가 없다”는 걸 깨닫게 됩니다. 그 시간이 곧 비용입니다.

실제로 워크슬롭에는 몇 가지 징후가 있습니다. 매끄럽지만 상투적인 표현이 반복되고(영어권에선 ‘underscore’·‘commendable’ 같은 단어와 잦은 줄표가 신호로 꼽힙니다), 다 읽고 나면 “그래서 뭘 하라는 거지”가 남습니다. 워크슬롭을 받은 팀이 내용을 이해하려고 회의를 한 번 더 잡는 경우도 흔합니다. 심지어 의료 현장에선 환자가 스마트워치 데이터를 AI에 넣어 만든 장문의 ‘자가진단 리포트’를 의사에게 들이미는 일까지 보고됐습니다 — 포춘. 형식은 그럴듯한데 알맹이가 비어 있다는 공통점이 있습니다.

AI를 쓰는데 왜 일이 더 늘어날까?

가장 핵심적인 질문입니다. 답은 ‘비용이 보내는 사람에서 받는 사람에게로 옮겨가기 때문’입니다. 2025년 9월 하버드비즈니스리뷰에 실린 연구가 이를 데이터로 보여줍니다. BetterUp Labs와 스탠퍼드 소셜미디어랩이 미국 정규직 직장인 1,150명을 설문한 결과입니다 — 하버드비즈니스리뷰.

이 연구에서 직원의 40%가 지난 한 달간 동료에게서 워크슬롭을 받은 적이 있다고 답했습니다 — 하버드비즈니스리뷰. 받는 업무 콘텐츠 가운데 약 15.4%가 워크슬롭으로 추정됐습니다. 적지 않은 비중입니다. 그리고 워크슬롭 한 건을 처리하는 데 평균 1시간 56분, 즉 두 시간 가까이 걸렸습니다 — 하버드비즈니스리뷰. 내용을 이해하고, 빠진 부분을 메우고, 사실을 다시 확인하고, 결국 다시 쓰는 시간입니다.

여기서 역설이 발생합니다. AI 덕분에 보내는 사람은 분명 시간을 아꼈습니다. 그런데 그 절약은 공짜가 아니었습니다. 검증과 마무리라는 부담이 사라진 게 아니라, 받는 사람에게 그대로 넘어갔을 뿐입니다. 조직 전체로 보면 일이 줄어든 게 아니라, 위치만 옮겨가며 오히려 늘어난 셈입니다. 이것이 ‘AI 생산성의 역설’의 한 단면입니다.

감정의 비용도 만만치 않습니다. 워크슬롭을 받았을 때 직원들은 짜증(53%), 혼란(38%), 불쾌함(22%)을 느낀다고 답했습니다 — 하버드비즈니스리뷰. 단순히 일이 늘어나는 것을 넘어, 함께 일하는 경험 자체가 나빠지는 것입니다.

워크슬롭은 회사에 얼마나 손해일까?

개인의 짜증을 넘어, 워크슬롭은 측정 가능한 금전적 손실로 이어집니다. 같은 연구는 워크슬롭이 직원 한 명당 월 186달러, 우리 돈으로 약 26만 원의 ‘보이지 않는 세금’을 발생시킨다고 추산했습니다 — 하버드비즈니스리뷰. 한 건당 두 시간 가까운 재작업 시간을, 응답자들이 보고한 급여로 환산한 값입니다.

이를 조직 규모로 키우면 숫자가 커집니다. 직원 1만 명 규모의 기업이라면, 워크슬롭으로 인한 생산성 손실이 연간 900만 달러, 약 130억 원이 넘는 것으로 추정됐습니다 — 하버드비즈니스리뷰. 누구도 청구서를 받지 않지만, 분명히 빠져나가는 비용입니다.

이 비용이 ‘보이지 않는’ 이유는 분명합니다. 재작업은 별도의 업무로 기록되지 않습니다. 받는 사람이 조용히 자기 시간을 들여 메우기 때문입니다. 그래서 경영진의 대시보드에는 ‘AI 도입으로 효율 상승’만 보이고, 그 아래에서 새어 나가는 재작업 비용은 잡히지 않습니다.

신뢰의 손상은 더 길게 남습니다. 워크슬롭을 받은 사람의 약 절반은 보낸 동료를 덜 창의적·덜 유능하다고 느꼈고, 42%는 덜 신뢰할 만하다고, 37%는 덜 똑똑하다고 평가했습니다 — 하버드비즈니스리뷰. 한 번의 부실한 결과물이 협업 관계 전체에 그림자를 드리우는 것입니다.

워크슬롭은 빙산의 일각 — 같은 곳을 가리키는 다른 연구들

워크슬롭 한 연구만 그런 게 아닙니다. AI가 ‘도입한 만큼 생산성을 못 낸다’는 신호는 2025년 들어 곳곳에서 잡혔습니다.

가장 눈에 띄는 건 MIT 측 보고서입니다. MIT의 프로젝트 NANDA가 2025년 8월 내놓은 분석에 따르면, 기업이 돌린 생성형 AI 파일럿의 약 95%가 손익에 잡히는 성과를 내지 못했습니다 — 포춘(MIT NANDA 보고서 인용). 수백억 달러를 쏟았는데 측정되는 효과는 5%에서만 나왔다는 뜻입니다.

직원들의 체감도 비슷합니다. 업워크가 2024년 직장인·경영진 2,500명을 조사했더니, AI를 쓰는 직원의 77%가 “AI 때문에 업무가 오히려 늘었다”고 답했고, 47%는 “회사가 기대하는 생산성 향상을 어떻게 달성해야 할지 모르겠다”고 했습니다 — Upwork. 경영진의 96%가 ‘AI가 생산성을 올릴 것’이라 기대한 것과 정반대 방향입니다.

기업 단위 숫자도 같은 그림입니다. BCG가 2025년 9월 경영진 1,250여 명을 조사한 결과 60%는 AI에서 별다른 가치를 얻지 못했고, 가치를 규모 있게 내는 곳은 5%뿐이었습니다 — BCG. 맥킨지 조사에서도 기업의 88%가 AI를 쓰지만 실제 영업이익에 영향이 있었다고 답한 곳은 39%에 그쳤습니다 — McKinsey. 도입은 넓은데, 성과는 얇습니다.

워크슬롭은 이 거대한 격차의 ‘현장 버전’인 셈입니다. 위에서는 “AI 도입률 OO%“가 자랑스럽게 집계되지만, 아래에서는 동료가 보낸 워크슬롭을 메우느라 두 시간씩 사라집니다. 마이크로소프트는 이런 풍경을 ‘무한 노동일(infinite workday)‘이라 불렀습니다 — 마이크로소프트. 숫자가 좋아 보이는데 일은 안 줄어드는 이유가 여기 있습니다.

워크슬롭 보고서 vs 제대로 만든 보고서

추상적으로는 와닿지 않으니, 직접 비교해 보겠습니다. 흔한 업무 상황을 가정합니다. 팀장이 “2분기 마케팅 성과 정리해서 보내달라”고 요청했습니다. 참고로 아래 예시는 차이를 보여주기 위한 것으로, AI의 실제 출력은 같은 요청이라도 매번 조금씩 달라집니다.

두 결과의 차이는 분명합니다. 같은 AI를 썼더라도, 받는 사람이 곧바로 의사결정에 쓸 수 있느냐가 완전히 갈립니다. 무엇이 이 차이를 만들었을까요. 네 가지입니다.

• 검증 — 워크슬롭형은 수치 없이 두루뭉술합니다. 제대로형은 실제 데이터를 확인해 구체적 숫자를 담았습니다.
• 결론 — 워크슬롭형은 “개선이 필요하다”로 끝납니다. 제대로형은 “무엇이 문제이고 무엇을 할지”를 명시합니다.
• 맥락 — 제대로형은 받는 사람(팀장)이 결정해야 할 것을 중심으로 재구성했습니다.
• 사람의 편집 — 모르는 부분은 ‘(확인 필요)‘로 솔직히 표시했습니다. AI는 모를 때도 그럴듯하게 지어내지만, 사람은 한계를 드러낼 수 있습니다.

META TOUR의 관점: 제대로형도 AI의 도움을 받았다는 점이 중요합니다. 차이를 만든 건 ‘AI를 썼느냐’가 아니라 ‘AI가 뱉은 걸 그대로 넘겼느냐, 사람이 검증하고 결론을 더했느냐’입니다.

한국 직장에서 워크슬롭이 자라는 조건

워크슬롭은 특정 업종에서 더 자주 나타납니다. 연구를 소개한 국내 보도에 따르면, 전문 서비스와 기술 산업군처럼 문서 작업이 많은 지식노동 분야에서 특히 빈번합니다 — 뉴스스페이스. 한국의 IT, 금융, 제조 대기업 사무직이 정확히 여기에 해당합니다.

여기에 한국 특유의 환경이 워크슬롭을 더 키우기 쉽습니다. 첫째, ‘AI를 빨리 도입하라’는 위로부터의 압박입니다. 도구만 던져주고 “이제 AI로 빠르게 처리하라”고 하면, 검증 과정은 생략되기 쉽습니다. 둘째, 보고와 결재 중심의 문화입니다. 산출물의 ‘양’이 곧 ‘일한 증거’로 여겨지는 분위기에서는, 알맹이보다 분량과 형식을 채우는 데 AI가 동원됩니다. 셋째, ‘바빠 보이기’의 관행입니다. 빠르게 무언가를 만들어 보내면 일을 열심히 한 것처럼 보이지만, 그 결과물이 워크슬롭이라면 보이지 않는 곳에서 동료의 시간을 갉아먹습니다.

숫자도 이 그림과 맞닿아 있습니다. 대한상공회의소 조사(2025년)에서 국내 기업의 AI 활용률은 약 30%였는데, 대기업(48.8%)과 중소기업(28.7%)의 격차가 컸습니다 — 대한상의. AI를 도입한 곳이 꼽은 가장 큰 효과도 ‘업무 시간 단축’(45.8%)이었습니다. 그런데 시간을 아낀 그 자리에 검증이 빠지면, 절약은 곧장 워크슬롭으로 새어 나갑니다. 한국은행은 AI를 제대로 활용하면 국내 생산성을 1.1~3.2% 끌어올릴 잠재력이 있다고 봤지만 — 한국은행, ‘제대로’라는 단서가 핵심입니다. 검증 없는 양산은 그 잠재력을 거꾸로 갉아먹습니다.

META TOUR의 관점: 워크슬롭은 게으른 개인의 문제로만 볼 수 없습니다. ‘검증 없이 빨리’를 보상하는 구조가 있으면, 성실한 사람도 워크슬롭을 만들게 됩니다. 그래서 해법도 개인의 양심이 아니라 운영 방식에서 찾아야 합니다.

워크슬롭을 줄이는 법 — 개인과 조직

해법의 출발점은 분명합니다. ‘AI 사용 금지’가 아니라, ‘내보내기 전 사람의 검증과 편집을 의무로 만드는 것’입니다. AI를 막는 순간 생산성의 이점까지 버리게 됩니다. 관건은 마지막 한 단계, 즉 사람의 마무리를 복원하는 데 있습니다.

개인 차원에서는 보내기 전 30초 자가 점검이 효과적입니다. 세 가지만 확인하면 됩니다. 결론이 들어 있는가. 핵심 수치를 직접 확인했는가. 내 판단이나 관점이 한 줄이라도 담겼는가. 이 셋 중 하나라도 비어 있다면, 그건 아직 완성된 결과물이 아니라 초안입니다.

조직 차원에서는 AI 도입을 ‘도구 지급’이 아니라 ‘프로세스와 기준’으로 접근해야 합니다. 어떤 결과물은 사람이 검토한 뒤 공유한다는 규칙, AI 사용 사실과 검증 여부를 함께 적는 관행, 양보다 질을 평가하는 기준 같은 것들입니다. 연구진과 국내 전문가 모두 기술 도입만으로는 기대한 생산성 혁신이 보장되지 않으며, 조직문화·교육·프로세스 혁신이 함께 가야 한다고 강조합니다 — 뉴스스페이스.

워크슬롭을 처음 명명한 연구진은 후속 글에서, 같은 AI를 줘도 결과가 갈리는 건 사용자 유형 차이라고 봤습니다. 결과물을 직접 검증·편집해 완성하는 ‘파일럿(조종사)형’과, AI가 뱉은 걸 그대로 흘려보내는 ‘패신저(승객)형’으로 나뉜다는 것입니다 — 하버드비즈니스리뷰. 조직이 보상해야 할 건 빨리 많이 보내는 사람이 아니라, 끝까지 책임지고 마무리하는 파일럿형입니다.

META TOUR의 관점: 워크슬롭을 줄이는 일은 결국 ‘책임의 위치’를 바로잡는 일입니다. 마무리의 책임을 받는 사람에게 떠넘기지 않고, 보내는 사람이 지도록 하는 것. 이 단순한 원칙이 자리 잡으면, 같은 AI를 써도 결과물의 질이 달라집니다.

워크슬롭이 말해주는 것 — AI 시대의 진짜 생산성

워크슬롭 현상은 우리에게 생산성에 대한 오래된 착각을 일깨웁니다. 빠르게 많이 만드는 것이 곧 생산성이라는 생각입니다. AI는 ‘빠르게 많이’를 극단까지 밀어붙였습니다. 그 결과, 양이 넘쳐날수록 정작 희소해진 건 ‘검증된 판단’이라는 사실이 드러났습니다.

이는 인터넷을 뒤덮은 AI 슬롭이 가르쳐준 교훈과 정확히 같습니다. 소비 콘텐츠든 업무 결과물이든, 사람의 개입이 빠진 양산은 결국 누군가에게 비용을 떠넘긴다는 것입니다. 기준선은 동일합니다. AI를 썼느냐가 아니라, 사람의 검증과 책임이 들어갔느냐입니다.

그러니 다음에 AI로 무언가를 만들어 보내기 전에, 30초만 멈춰보세요. 결론이 있는지, 수치를 확인했는지, 내 판단이 담겼는지. 그 짧은 점검이 동료의 두 시간을 아끼고, 나에 대한 신뢰를 지킵니다. AI가 일을 늘린 게 아닙니다. 검증 없는 떠넘기기가 일을 늘렸을 뿐입니다.

자주 묻는 질문

워크슬롭이 정확히 무슨 뜻인가요?

겉보기엔 완성도 있어 보이지만 핵심이 빠져, 받는 사람이 다시 손봐야 하는 AI 생성 업무 결과물을 뜻합니다 — 하버드비즈니스리뷰. ‘AI 슬롭’의 직장판으로, 보고서·이메일·기획서 등에서 나타납니다.

AI를 쓰는데 왜 더 바빠지나요?

보내는 사람이 아낀 검증·마무리 부담이 받는 사람에게 전가되기 때문입니다. 워크슬롭 한 건을 처리하는 데 평균 1시간 56분이 걸립니다 — 하버드비즈니스리뷰. 조직 전체로 보면 일이 줄지 않고 위치만 옮겨갑니다.

회사 손실이 얼마나 되나요?

직원당 월 186달러(약 26만 원)의 보이지 않는 비용이 발생하고, 1만 명 기업 기준 연 900만 달러(약 130억 원) 이상 손실로 추정됩니다 — 하버드비즈니스리뷰. 재작업이 별도 업무로 기록되지 않아 잘 드러나지 않습니다.

동료의 워크슬롭, 어떻게 대응하나요?

개인을 비난하기보다 ‘내보내기 전 검증’ 기준을 팀 차원에서 합의하는 것이 효과적입니다. 어떤 결과물은 검토 후 공유한다는 규칙을 두면, 개인의 양심에 기대지 않고도 워크슬롭을 줄일 수 있습니다.

AI를 안 쓰는 게 답인가요?

아닙니다. AI를 막으면 생산성의 이점까지 버리게 됩니다. 사람의 검증과 편집을 더하면 AI는 다시 강력한 도구가 됩니다. 문제는 도구가 아니라, 마무리를 생략한 채 떠넘기는 방식입니다.

결론

워크슬롭은 ‘AI가 일을 빼앗는다’는 흔한 공포와는 다른 이야기를 들려줍니다. AI는 일자리를 통째로 가져가기보다, 검증 없이 쓰일 때 조용히 일을 늘립니다. 직원 40%가 이미 겪고 있고, 한 건마다 두 시간 가까운 시간이 사라지며, 신뢰까지 깎입니다. 그러나 원인이 분명한 만큼 해법도 분명합니다.

기억할 것은 하나입니다. AI가 문제가 아니라, 사람의 마무리가 빠진 것이 문제라는 점입니다. 보내기 전 30초의 점검, 검증을 보상하는 조직의 기준. 이 작은 변화가 모이면, AI는 다시 우리의 시간을 아껴주는 도구로 돌아옵니다. 양이 넘쳐나는 시대에 진짜 생산성은 ‘얼마나 빨리 만드느냐’가 아니라 ‘얼마나 믿고 쓸 수 있느냐’에 있습니다.

인터넷 전반에서 같은 양산이 벌어지는 현상은 AI 슬롭에서, AI가 실제 직무에 미치는 영향은 AI가 가장 빨리 침투한 직무 TOP 10에서 이어집니다.

참고 자료

• Harvard Business Review. AI-Generated “Workslop” Is Destroying Productivity (BetterUp Labs·스탠퍼드 소셜미디어랩, 정규직 1,150명 설문). 2025-09. 2026-05-29 확인. 자료 보기
• BetterUp Labs. Workslop: The Hidden Cost of AI-Generated Busywork. 2025. 2026-05-29 확인. 자료 보기
• Harvard Business Review. Why People Create AI “Workslop”—and How to Stop It (파일럿형 vs 승객형 후속 분석). 2026-01-16. 2026-06-11 확인. 자료 보기
• Fortune. MIT report: 95% of generative AI pilots at companies are failing (MIT 프로젝트 NANDA 인용). 2025-08-18. 2026-06-11 확인. 자료 보기
• Upwork Research Institute. Employee Workloads Rising Despite Increased C-Suite Investment in AI (직장인 등 2,500명, AI 사용자 77% ‘업무 늘었다’). 2024-07-23. 2026-06-11 확인. 자료 보기
• BCG. The Widening AI Value Gap (경영진 1,250여 명, 60% 가치 미실현·5%만 규모화). 2025-09-30. 2026-06-11 확인. 자료 보기
• McKinsey. The State of AI 2025 (도입 88%·EBIT 영향 39%). 2025. 2026-06-11 확인. 자료 보기
• Microsoft WorkLab. Breaking Down the Infinite Workday. 2025-06. 2026-06-11 확인. 자료 보기
• 대한상공회의소 SGI. AI의 확산과 산업·기업 성과의 관계(국내 AI 활용률 약 30%·대기업 48.8%). 2025-10. 2026-06-11 확인. 자료 보기
• 한국은행. BOK 이슈노트 제2025-2호 「AI와 한국경제」(생산성 1.1~3.2%↑ 잠재력). 2025-02-10. 2026-06-11 확인. 자료 보기