AI를 믿는 CEO와 현장의 간극, 해고보다 먼저 봐야 할 것

AI를 믿는 CEO와 현장의 간극, 해고보다 먼저 봐야 할 것

AI 뉴스 썸네일

AI 에이전트가 빠르게 좋아지면서 경영진의 기대도 커지고 있어요. 다만 프로토타입을 잘 만드는 경험과 실제 업무를 끝까지 맡기는 일은 꽤 달라요. TechCrunch는 Box CEO Aaron Levie의 발언을 빌려, 일부 기술 CEO가 AI의 능력과 조직 적용 범위를 너무 빨리 넓혀 보고 있다고 짚었어요. 1

핵심 요약

구분	핵심	왜 볼 만한가요
경영	일부 CEO는 AI 데모를 보고 실제 업무 대체까지 빠르게 상상해요	현장 업무의 마지막 20%가 자동화 판단을 어렵게 만들어요
고용	2026년 첫 5개월 기술 업계 해고 규모가 2025년 전체에 가까워졌어요	AI가 해고 명분으로 쓰이는지, 실제 생산성 향상인지 구분할 필요가 있어요
사례	ClickUp은 약 3,000개 AI 에이전트를 도입한 뒤 직원 22%를 줄였다고 밝혔어요	에이전트 운영 조직이 어떤 모습으로 바뀌는지 보여줘요
연구	AI 생산성 효과를 두고 연구 결과는 아직 조심스러운 편이에요	도입 속도보다 측정, 검증, 책임 경계가 더 중요해져요

1. CEO가 보는 AI와 현장이 겪는 AI는 달라요

TechCrunch 기사에서 Aaron Levie는 CEO들이 AI에 취약한 이유를 꽤 직설적으로 설명해요. 계약서 초안을 만들고, 앱 프로토타입을 만들고, 문서를 요약하는 경험은 강한 인상을 남겨요. 문제는 그 경험이 곧바로 “업무 전체를 대체할 수 있다”는 판단으로 이어질 때예요. 2

현장에서는 마지막 구간이 자주 더 어려워요. 코드가 돌아가는 듯 보여도 배포 전 검토가 필요해요. 계약서 초안이 그럴듯해도 회사별 예외 조항과 위험한 문구를 찾아야 해요. 고객 지원 답변이 자연스러워도 실제 환불 정책, 법무 기준, 오래된 내부 예외까지 맞춰야 해요. 이 구간은 데모 화면에서 잘 보이지 않아요.

Levie가 AI에 회의적인 인물이라는 뜻은 아니에요. 그는 AI 에이전트와 새 소프트웨어 구조에 꽤 낙관적인 쪽에 가까워요. 그래서 이 발언은 “AI를 쓰지 말자”보다 “직접 많이 써 보되, 실제 업무가 끝나는 지점까지 이해하자”에 가까워요. 3

2. 해고 숫자는 커졌지만, AI 효과만으로 읽기 어려워요

기사에서 인용한 Layoffs.fyi 기준으로 2026년 첫 5개월 기술 업계 해고는 152개 기업, 115,430명 규모예요. 2025년 전체 124,636명에 가까운 숫자예요. 이 수치만 보면 AI가 이미 큰 폭의 인력 대체를 만든 것처럼 보일 수 있어요. 4

하지만 해고의 원인을 모두 AI 생산성으로 묶기는 어려워요. 수요 둔화, 비용 구조, 투자 환경, 사업부 정리 같은 이유가 함께 섞여요. TechCrunch도 이전 보도에서 기업이 다른 경영 결정을 AI 생산성 향상처럼 포장하는 “AI 워싱” 문제를 따로 짚었어요. 5

독자가 봐야 할 지점은 숫자 자체보다 설명 방식이에요. “AI 덕분에 더 적은 인력으로 같은 일을 해요”라는 말이 나오면, 어떤 업무가 줄었고 어떤 검토 업무가 새로 생겼는지 같이 봐야 해요. AI가 작업량을 줄이기도 하지만, 리뷰와 승인 부담을 다른 곳으로 옮길 수도 있어요.

3. ClickUp 사례는 에이전트 조직의 현실을 보여줘요

ClickUp CEO Zeb Evans는 약 3,000개 AI 에이전트를 도입한 뒤 직원 22%를 줄였다고 공개했어요. 그는 단순한 비용 절감보다 빠르게 결과물을 검토하고 운영하는 사람들로 조직을 바꾸고 싶다고 설명했어요. 기사에서는 이런 방향을 “100x org”라는 표현과 함께 소개해요. 2

이 사례는 AI 에이전트가 사람을 완전히 없앤다기보다 역할을 바꾼다는 점을 보여줘요. 직접 작성하는 사람은 줄 수 있어요. 대신 에이전트가 만든 결과를 빠르게 읽고, 틀린 부분을 고치고, 조직 기준에 맞게 승인하는 사람이 더 중요해져요.

그래서 생산성 질문도 바뀌어요. “AI가 몇 개의 문서를 만들었나요”보다 “그 문서가 실제로 쓸 수 있는 상태인가요”가 중요해요. 결과물 개수가 늘어도 검토 병목이 커지면 조직 전체 속도는 기대만큼 빨라지지 않을 수 있어요.

4. 연구 결과는 기대보다 차분해요

AI 생산성 효과를 둘러싼 연구는 아직 한 방향으로만 정리되지 않았어요. UC Berkeley California Management Review에 실린 메타분석은 AI 도입과 총생산성 증가 사이에 단단한 관계를 찾기 어렵다고 봤어요. 6

NBER 연구는 AI 도입이 생산성을 높였다고 보면서도, 사용자가 느끼는 생산성 향상과 실제 측정된 향상 사이의 간극을 지적해요. 즉 “빨라진 느낌”과 “조직 지표가 좋아진 결과”를 분리해서 봐야 해요. 7

MIT 연구진의 작업도 비슷한 질문을 던져요. 수천 개의 업무 평가를 통해 AI 자동화 가능성을 살펴봤지만, 많은 작업에서 인간 수준 품질까지는 아직 거리가 있다고 봤어요. 텍스트 업무 일부는 빠르게 좋아지고 있지만, 충분한 품질과 책임 있는 운영은 별개의 문제예요. 8

5. 병목은 작업자에서 승인자로 옮겨갈 수 있어요

AI가 더 많은 초안을 만들면 관리자와 승인자의 일이 줄어들까요. 꼭 그렇지는 않아요. Harvard Business Review는 AI가 산출물을 늘릴수록 병목이 관리층으로 옮겨갈 수 있다고 봐요. 누군가는 더 많은 결과물을 읽고, 비교하고, 승인하고, 책임져야 하기 때문이에요. 9

이 말은 개발팀에도 그대로 들어맞아요. 에이전트가 PR을 여러 개 만들면 리뷰어의 시간이 필요해요. 문서 초안이 늘면 편집과 사실 확인이 필요해요. 영업 제안서가 늘면 법무와 재무 검토가 필요해요. 자동화가 늘수록 “누가 마지막에 책임지나요”라는 질문이 더 중요해져요.

CEO가 AI를 깊게 써 보는 일은 필요해요. 다만 현장 업무의 지저분한 끝부분까지 보지 못하면 판단이 흔들려요. AI 도입은 믿음의 문제가 아니라 운영 설계의 문제예요. 어떤 업무를 맡길지, 어떤 기준으로 품질을 볼지, 누가 멈출 수 있는지부터 정해야 해요.

왜 중요한가요

이번 논쟁은 AI 도입이 기술 선택만이 아니라 조직 설계 문제라는 점을 보여줘요. 모델이 좋아질수록 초안 작성과 반복 작업은 더 빨라질 거예요. 그렇다고 곧바로 책임, 품질, 승인, 고객 영향까지 자동으로 해결되지는 않아요. 2

기업은 AI로 줄어든 작업과 새로 생긴 검토 작업을 함께 측정해야 해요. 해고 숫자나 에이전트 개수만 보면 실제 변화가 흐려져요. 중요한 건 도입 전보다 고객 문제를 더 빨리 풀었는지, 오류가 줄었는지, 직원이 더 나은 판단에 시간을 쓰게 됐는지예요.

개발자와 기획자에게도 이 뉴스는 꽤 현실적인 경고예요. AI 도구를 잘 쓰는 사람은 늘겠지만, 결과를 검증하고 업무 맥락에 맞게 고치는 능력은 더 비싸질 수 있어요. 에이전트 시대의 핵심 역량은 버튼을 누르는 일이 아니라 마지막 20%를 책임지는 일이에요.

참고 자료

1. 기술 CEO들은 AI 정신증을 겪고 있는 듯하다 — GeekNews
2. Tech CEOs are apparently suffering from AI psychosis — TechCrunch
3. Headless software is the future — X
4. Tech Layoffs Tracker and Startup Layoff Lists — Layoffs.fyi
5. AI layoffs or AI washing? — TechCrunch
6. Seven Myths About AI and Productivity — California Management Review
7. AI and Productivity — NBER
8. Crashing Waves vs. Rising Tides — MIT FutureTech
9. Managers Are Struggling to Keep Up With the AI Productivity Boom — Harvard Business Review