AI 교육을 마친 영업 담당자가 제안서 초안을 빠르게 작성합니다. 이전보다 많은 고객에게 제안을 보낼 수 있을 것 같습니다. 그런데 가격 조건은 영업 관리자가, 기술 설명은 제품 담당자가, 계약 문구는 법무 담당자가 확인해야 합니다. 초안이 늘어난 만큼 확인할 문서도 늘어납니다. 작성자의 업무 기록에는 절감 시간이 쌓이지만, 고객에게 제안서가 도착하는 날은 그대로입니다. 교육의 성과를 어디까지 측정했느냐에 따라 같은 변화가 성공과 지연으로 다르게 보이는 장면입니다.
이 사례는 특정 기업의 실적을 옮긴 것이 아니라 교육 설계를 위한 가정입니다. 다만 기업교육 담당자가 확인해야 할 문제는 분명합니다. 개인 과업을 빨리 끝내는 역량과 팀이 일을 끝내는 역량은 같지 않습니다. AI 업무개선 교육은 도구 사용자를 중심으로 편성하더라도, 성과를 판단할 때는 그 결과를 받아 검토하고 승인하는 사람까지 살펴야 합니다. 작성 단계의 시간만 줄이고 다음 단계의 일을 늘린다면 교육 목표 자체를 다시 정해야 합니다.
여기서 검토 대기시간은 산출물이 검토 가능한 상태로 접수된 뒤 실제 검토가 시작될 때까지 걸리는 시간입니다. 검토자가 문서를 읽고 판단하는 시간과 구분합니다. 작성 시간을 줄이는 교육, 인계 품질을 높이는 교육, 검토 판단을 연습하는 교육은 서로 다른 문제를 다룹니다. 모두를 ‘AI를 더 잘 쓰는 교육’으로 묶으면 어느 단계에 무엇을 투자해야 하는지 놓치기 쉽습니다.
작성자는 완료했지만 다음 사람은 시작하지 못한다
업무 인계에서 가장 먼저 맞춰야 할 것은 완료의 뜻입니다. 작성자는 파일을 공유하면 끝났다고 생각할 수 있습니다. 검토자는 핵심 주장에 근거가 붙고, 변경된 부분이 표시되어야 비로소 일을 시작할 수 있다고 생각합니다. 이 차이가 남아 있는 상태에서 초안 작성 속도만 올리면, 누락을 묻고 답하는 왕복도 함께 늘어납니다. 작성 단계의 개선이 팀 전체에서 실현되려면 산출물의 인수 조건을 교육 과제에 포함해야 합니다.
제안서 교육이라면 문장이 자연스러운지에 더해 가격의 기준일, 제품 기능의 확인 경로, 고객별 가정, 아직 확인하지 못한 조건을 드러내도록 요구합니다. 모든 문장에 긴 설명을 붙이라는 뜻은 아닙니다. 다음 사람이 업무상 중요한 판단을 시작하는 데 필요한 최소한의 근거를 남기라는 뜻입니다. 작성자는 이를 준비하면서 자신이 실제로 확인한 내용과 AI의 제안을 구분하게 됩니다. 검토자는 전체 문서를 처음부터 재작성하는 대신 판단이 필요한 부분에 집중할 여지를 얻습니다.
교육 담당자는 과제를 만드는 단계에서 검토자를 만나야 합니다. 어떤 파일을 받으면 바로 검토할 수 있는지, 무엇이 빠지면 되돌려 보내는지, 어떤 오류가 가장 많은 재작업을 만드는지 물어봅니다. 현업이 늘 쓰는 ‘완성도가 낮다’는 표현은 교육 목표로 충분하지 않습니다. 근거가 없는 숫자인지, 적용할 고객 조건이 빠졌는지, 변경 사항을 찾기 어려운지 구체적인 실패로 풀어야 연습 과제로 옮길 수 있습니다.
인수 조건은 발송자의 책임을 무한히 늘리는 방식으로 만들면 안 됩니다. 작성자가 접근할 수 없는 정보까지 모두 확인하라고 요구하면 대기열이 앞단으로 이동할 뿐입니다. 작성자가 확인할 항목, 전문 검토자가 판단할 항목, 권한자가 결정할 항목을 나누고 미확인 사항의 전달 방식을 정합니다. 일을 다시 나누는 결정에는 현업 관리자의 참여가 필요하며, 교육 담당자 혼자 승인 권한이나 책임 범위를 바꾸어서는 안 됩니다.
AI 생산성이 높아져도 검증 부담은 남는다
최근 연구에서 참고할 대목은 AI 사용량 자체보다 다음 단계의 부담입니다. 2026년 9월 공개된 AI in Science: Early Insights의 미국·영국 연구자 637명 설문에서 약 41%는 미검증 가설의 적체가 늘었다고 응답했습니다. 시간 절약을 경험한 응답자 중 약 46%는 절약한 시간의 25%보다 많은 시간을 AI 산출물 검증에 쓴다고 답했습니다. 자기보고 조사이므로 이 비율을 한국 기업의 업무나 교육 효과로 그대로 옮길 수는 없습니다. 다만 아이디어나 산출물의 증가와 검증을 끝낸 결과의 증가를 구분해야 한다는 문제를 보여줍니다. 원문 연구
Codreanu 외, AI in Science: Early Insights, PDF 26쪽 Figure 13. 미국·영국 연구자의 자기보고 결과이며, 패널별 질문과 분모를 구분해야 합니다. 교육 효과를 측정한 도표가 아닙니다.
기업교육에 적용할 때는 ‘검증을 줄이면 생산성이 높아진다’는 결론을 경계해야 합니다. 검증은 불필요한 낭비일 수도 있지만, 고객에게 잘못된 약속을 보내지 않기 위한 필수 작업일 수도 있습니다. 문제는 필요한 검증을 없애는 것이 아니라 검증자가 판단에 필요한 정보를 찾느라 쓰는 시간을 줄이고, 위험이 다른 산출물을 같은 방식으로 다루지 않는 데 있습니다. 이 구분을 하지 않으면 교육이 속도 목표를 맞추기 위해 통제를 생략하는 방법으로 변질될 수 있습니다.
다른 현장에서도 작성과 검토의 속도 차이를 확인할 수 있습니다. 2026년 7월 공개된 He 외의 단일 소프트웨어 기업 연구는 개발자 802명과 코드 변경 요청 196,212건을 분석했습니다. AI 확산과 함께 검토자당 부담이 늘고 자동 검토가 확대되었습니다. 무작위 실험이 아니며 AI 친화적 기업 한 곳의 결과입니다. 따라서 전사 AI 교육의 보편적 성과 배수로 읽어서는 안 됩니다. 원문 연구
He 외, AI Writes Faster Than Humans Can Review, PDF 8쪽. 왼쪽 Figure 7은 의견을 남기는 검토와 승인만 하는 검토의 변화를 구분합니다. 같은 페이지의 Figure 6·8은 자동 검토와 제한된 품질 대리 지표를 다룹니다.
이 두 자료가 국내 제안서 교육의 효과를 직접 입증하는 것은 아닙니다. 다만 교육 담당자가 도구 사용과 업무 완료 사이를 따로 관찰해야 한다는 설계상의 시사점을 얻을 수 있습니다. 아래의 인계 기준과 실습 방식은 그 문제의식에서 도출한 운영 제안입니다. 회사의 승인 체계와 고객 위험에 맞춰 시험하고, 결과가 나쁘면 바꾸어야 합니다. 연구의 수치를 자사 목표로 정하거나 검토자 인원을 계산하는 공식으로 쓰지 않습니다.
업무 인계 기준을 공동 실습의 채점표로 바꾼다
기존 AI 교육은 학습자가 입력을 만들고, 결과를 고치고, 완성본을 제출하는 구조로 끝나기 쉽습니다. 이 과정에 검토자의 입장에서 다시 보는 단계를 넣으면 교육 목표가 달라집니다. 작성자는 보기 좋은 결과물뿐 아니라 타인이 검증할 수 있는 결과물을 만들어야 합니다. 검토자는 직접 전부 고치는 대신 무엇을 승인하고 무엇을 돌려보낼지 근거를 설명해야 합니다. 팀 학습의 대상은 프롬프트 한 문장이 아니라 두 사람 사이의 일하는 방식입니다.
실습은 실제 업무와 비슷하지만 민감한 정보를 제거한 과제로 설계합니다. 참가자는 작성자, 검토자, 업무 책임자의 역할을 나누어 수행합니다. 처음에는 현재 방식대로 과업을 마치게 하고, 어디에서 질문이 되돌아왔는지 기록합니다. 다음에는 인수 조건을 합의한 뒤 난도가 비슷한 다른 과제를 수행합니다. 같은 과제를 되풀이하면 내용을 기억해서 빨라진 효과가 섞이므로, 비교 결과를 해석할 때 과제의 차이와 반복 효과를 함께 적습니다.
| 교육에서 확인할 행동 | 작성자의 과제 | 검토자의 과제 | 관찰할 증거 |
|---|---|---|---|
| 근거를 넘긴다 | 핵심 주장과 확인 경로를 연결한다 | 원문이 주장을 뒷받침하는지 판단한다 | 근거를 다시 찾은 항목과 추가 질문 |
| 미확인 내용을 구분한다 | 가정·미확인 사항·확인 완료를 표시한다 | 보완 후 판단할 항목을 특정한다 | 모호한 반려 대신 구체적인 요청 |
| 변경 범위를 알린다 | 이전 버전에서 바뀐 판단을 설명한다 | 변경된 부분과 영향 범위를 확인한다 | 전체 재검토를 요구한 이유 |
| 예외를 멈춰 세운다 | 정해진 권한 밖의 결정을 넘긴다 | 승인 또는 상위 검토 경로를 선택한다 | 멈춘 근거와 책임자에게 전달한 정보 |
이 표는 권한을 자동으로 부여하는 기준이 아닙니다. 훈련에서 관찰할 행동의 예시입니다. 위험 수준, 규정, 직무별 전문성에 따라 채점 항목을 달리해야 합니다. 교육 담당자가 결과를 점수로만 합산하면 중요한 오류가 높은 평균에 가려질 수 있습니다. 잘못된 가격 조건이나 확인하지 않은 계약 문구처럼 진행을 멈춰야 할 오류는 별도 항목으로 두고, 다른 항목의 점수로 상쇄하지 않도록 합니다.
역할을 바꾸는 실습도 유용합니다. 작성자가 검토자로서 다른 사람의 초안을 받아보면, 자신에게는 분명했던 설명이 상대에게는 불충분하다는 사실을 구체적으로 발견할 수 있습니다. 다만 전문 자격이나 승인 권한이 필요한 업무를 역할 교환만으로 수행하게 해서는 안 됩니다. 실습에서는 필요한 판단의 종류를 경험하되, 실제 업무의 권한과 자격은 유지합니다. 교육 중의 이해와 현업에서의 책임을 구분해야 전이가 안전하게 이루어집니다.
대기열이 길어진 원인에 따라 교육 처방도 달라진다
검토가 늦다는 사실만으로 검토자의 역량 부족을 단정할 수 없습니다. 요청이 특정 시간에 몰릴 수도 있고, 검토자에게 정해진 검토 시간이 없을 수도 있습니다. 작성자가 초안을 여러 버전으로 따로 보내 동일한 일을 중복 검토하게 만들 수도 있습니다. 각 문제에는 다른 조치가 필요합니다. 교육은 행동과 판단의 문제를 다루고, 업무량과 권한의 문제는 현업 운영 결정으로 연결해야 합니다.
먼저 접수 조건을 충족하지 못한 건과 충족했지만 기다리는 건을 분리합니다. 앞의 경우라면 인수 조건을 가르치고 연습할 이유가 있습니다. 뒤의 경우라면 요청의 양과 시점, 검토 가능 시간, 담당자 지정 방식부터 확인해야 합니다. 모두를 같은 대기시간으로 합치면 작성자 교육이 필요한지 검토 자원을 조정해야 하는지 알 수 없습니다. 업무 기록의 상태값부터 명확하게 정의하는 일이 교육 설계의 일부가 됩니다.
다음으로 검토자의 실제 검토시간이 긴 이유를 확인합니다. 자료를 찾아다니는 시간이 긴지, 상충하는 기준을 해석하는 시간이 긴지, 전문적인 판단 자체가 어려운지에 따라 학습 과제가 달라집니다. 자료 탐색이 문제라면 근거 전달 형식과 접근 권한을 먼저 손봅니다. 판단 기준의 차이가 문제라면 사례를 두고 의견을 비교하는 조정 실습이 필요합니다. 어려운 전문 판단이라면 더 많은 자동화만으로 해결하려 하지 말고 지도자와 검토 체계를 보강해야 합니다.
이미 처리한 쉬운 건만 살펴보면 병목을 과소평가하기 쉽습니다. 아직 끝나지 않은 건이 얼마나 오래 기다렸는지, 어떤 이유로 계속 남아 있는지도 확인해야 합니다. 완료된 건의 평균은 좋아지는데 오래된 예외가 누적된다면 팀의 상태가 나아졌다고 보기 어렵습니다. 교육 담당자는 현업과 함께 미완료 사례를 검토하고, 필요한 판단이 교육 과제에서 빠져 있었는지 확인할 수 있습니다. 다만 운영 장애나 의사결정 지연을 학습자의 점수에 전가하지 않아야 합니다.
또 하나의 함정은 검토 담당자를 교육에 초대하는 것만으로 협업이 해결되었다고 보는 것입니다. 같은 강의실에 앉았다는 사실보다 서로 어떤 정보를 요구하고 어떤 기준으로 반려하는지 합의했는지가 중요합니다. 실습 후 남길 결과물은 출석 명단이 아니라 실제 인계에 쓸 수 있는 기준입니다. 기준에는 관리자가 승인한 책임 범위와 예외 경로를 포함하고, 현업에서 써 본 뒤 수정할 담당자를 정합니다.
교육 성과표에는 작성 시간과 고객 도달 시간을 함께 둔다
평가를 설계할 때는 교육 전후에 같은 의미의 사건을 기록해야 합니다. 작성 시작, 검토 가능 상태의 접수, 검토 시작, 보완 요청, 승인, 최종 전달을 구분하면 시간이 어디에서 줄고 늘었는지 볼 수 있습니다. 모든 업무에 정밀한 시간 추적을 붙일 필요는 없습니다. 학습 목적에 필요한 표본과 기간을 정하고, 기존 업무 시스템에서 확인할 수 있는 정보를 우선 사용합니다. 개인을 상시 감시하는 장치로 확대하면 기록 행동이 왜곡될 수 있습니다.
작성자가 보고한 절감 시간은 유용한 출발점이지만 팀 성과를 온전히 입증하는 근거는 아닙니다. 그 시간 동안 검토자의 질문이 늘었는지, 동일 업무가 더 많이 돌아왔는지, 최종 전달은 빨라졌는지를 함께 확인해야 합니다. AI 초안 작성이 빨라진 뒤 절감한 시간을 추가 생산에 썼다면, 총 업무량 증가와 건당 시간 감소를 구분해서 설명합니다. 생산량이 늘었다고 해서 반드시 교육이 실패한 것도, 작성 속도가 빨라졌다고 해서 반드시 성공한 것도 아닙니다.
품질 확인도 완료율과 분리합니다. 승인된 산출물 일부를 정해진 기준으로 다시 살펴보고, 중요한 누락이나 잘못된 근거가 늘지 않았는지 확인합니다. 다시 보는 사람에게 교육 전후 구분을 알려주면 기대가 평가에 영향을 줄 수 있으므로 가능한 범위에서 정보를 가립니다. 실제 고객 피해나 오류 신고는 늦게 나타날 수 있어 짧은 실습 결과와 구분해 추적합니다. 어떤 품질을 언제까지 관찰했는지 밝히는 것이 높은 성공률을 제시하는 것보다 유용합니다.
개선 여부를 판단할 때는 업무 난도와 구성도 확인해야 합니다. 교육 후 쉬운 과업이 많아졌거나 승인 권한이 바뀌었다면 교육만의 효과로 설명할 수 없습니다. 검토자가 추가 배치되었다면 그 기여를 함께 적어야 합니다. 엄밀한 인과 효과를 추정할 수 없는 상황이라도, 동시에 일어난 변화를 숨기지 않고 기록하면 다음 교육 투자 판단에 쓸 수 있는 근거가 됩니다. 평가의 목적은 교육 효과를 무조건 입증하는 것이 아니라 어느 조치가 필요한지 결정하는 데 있습니다.
현업과 합의할 보고 문장은 구체적이어야 합니다. ‘AI 교육으로 생산성이 향상됐다’보다 ‘정의한 업무에서 작성 시간은 줄었지만 검토 대기는 줄지 않았다’고 말할 수 있어야 합니다. 이런 결과는 불리한 숫자를 숨겨야 할 이유가 아니라 다음 투자의 위치를 알려주는 정보입니다. 인계 품질은 좋아졌는데 검토 시간이 부족하다면 과정 확대보다 업무 배치 조정이 먼저일 수 있습니다. 반대로 검토 여력은 있는데 근거 누락이 반복된다면 실습과 피드백을 보강할 근거가 됩니다.
생성량을 늘리기 전에 다음 사람이 받을 수 있는지를 묻는다
AI 업무개선 교육을 시작하는 회의에서는 사용할 도구와 학습 인원뿐 아니라 결과물을 받을 사람까지 고려해야 합니다. 무엇을 만들어 어느 상태로 넘길지, 검토자는 어떤 판단을 맡을지, 업무 완료를 어디에서 볼지 합의합니다. 이 질문에 답하지 못한 채 교육 규모부터 늘리면 팀의 처리 능력보다 초안의 공급이 먼저 커질 수 있습니다. 교육의 단위를 개인으로 정하더라도 설계 범위까지 개인으로 한정할 이유는 없습니다.
교육 종료 후에는 인수 조건을 현업에서 시험하고, 반려 사유를 실제 사례로 모읍니다. 과제에서 잘했던 행동이 현장에서 사라졌다면 실무 제약부터 살펴야 합니다. 필요한 원문에 접근할 수 없는지, 검토 요청 형식이 달라졌는지, 현업에서는 여전히 작성 건수만 평가하는지 확인합니다. 수강자에게 더 노력하라고 말하기 전에 교육에서 가르친 방식이 업무에서 실행될 조건을 갖추었는지 점검해야 합니다.
대기열이 줄었다는 이유만으로 검토를 더 줄여도 된다고 판단해서는 안 됩니다. 일이 실제로 빨라진 것인지, 검토를 건너뛴 것인지, 처리하기 어려운 건을 접수하지 않은 것인지 구분해야 합니다. 따라서 팀이 정할 성공 조건에는 시간과 처리량뿐 아니라 검토 범위와 중요한 오류의 기준이 함께 들어가야 합니다. 무엇을 보존하면서 빨라졌는지가 설명될 때 개선을 다른 업무로 확장할 근거가 생깁니다.
기업교육의 역할은 모든 검토를 교육으로 해결하는 데 있지 않습니다. 작성과 인계, 판단과 승인 사이에서 학습으로 바꿀 수 있는 행동을 찾아 연습하게 하고, 학습만으로 풀 수 없는 운영 제약을 드러내는 데 있습니다. AI를 잘 쓰는 개인을 늘리는 일은 그 출발점입니다. 팀이 더 많은 일을 책임 있게 끝낼 수 있도록 만드는 것이 업무개선 교육이 도달해야 할 성과입니다.
함께 읽을 글
출처
- Codreanu, M. 외. AI in Science: Early Insights. Google·Google DeepMind·MIT FutureTech 등 공동 연구, 2026년 9월. 원문 PDF.
- He, H., Agarwal, S., Denisov-Blanch, Y., Azaletskiy, P., Koyejo, S., Vasilescu, B. AI Writes Faster Than Humans Can Review: A Longitudinal Study of an Enterprise 2x Mandate. arXiv:2607.01904v1, 2026년 7월 2일. 원문.