이 글은 AI 리터러시 전문 미디어 [에이릿]에서 발행되었습니다.

AI 시대, 리터러시 감각을 키울 수 있는 콘텐츠가
매일 발행됩니다. 지금 확인해 보세요!

[읽어보러 가기]

AI 활용 가이드는 넘쳐난다. AI 프롬프트 작성법, AI 활용 팁, AI로 업무 효율 높이는 법. 대부분 팀원의 실무를 위한 것들이다. 하지만 그런 팀원을 관리하는 팀장을 위한 가이드는 찾기 힘들다.

팀원이 AI로 만들어 온 결과물을 어떻게 봐야 하는지, 어떻게 피드백해야 하는지, 팀 전체가 AI를 쓰기 시작했을 때 팀장으로서 무엇을 해야 하는지… 이런 질문에 답해주는 곳은 찾기 어렵다. 그래서 ‘AI 시대의 팀장’ 시리즈를 시작한다. 누구나 AI를 쓰는 시대, 팀장이 가장 먼저 마주치는 상황부터 살펴보자.

팀원이 AI로 만들어 온 작업, 팀장은 어떻게 봐야 할까?

팀원의 보고서가 올라왔다. 양이 방대하다. 내용도 깔끔하다. 그런데 뭔가 이상하다.

문장이 너무 매끄럽다. 단어 선택이 그 팀원답지 않다. AI가 쓴 거 같은데, 어떻게 물어봐야 할지 모르겠다. 그냥 받아야 하나, 아니면 다시 하라고 해야 하나.

많은 팀장이 이 상황을 조용히 넘긴다. 마땅한 기준이 없으니 그냥 감으로 대응하거나, 아니면 아무 말도 안 하거나.

팀장 입장에서 AI 작업물은 불편한 게 당연하다

AI 작업물 앞에서 느끼는 불편함이 꼭 AI에 대한 거부감 때문만은 아니다. 사실 팀장 입장에서는 꽤 현실적인 어려움이 생겼다.

AI가 단순 작업을 빠르게 처리해 주는 동시에, 그 작업물을 제대로 검토하는 일은 온전히 팀장 몫이 됐다. 예전에는 팀원이 자료 조사하고 초안 쓰는 과정에서 팀장도 어느 정도 같이 흘러갔다면, 이제는 완성된 작업물이 훨씬 빠르게 올라오고 팀장은 그걸 처음부터 꼼꼼히 봐야 한다. 일이 줄어든 게 아니라 다른 종류의 일이 생겼다.

그렇다고 AI로 만든 작업물을 AI에게 검토하라고 하면, 일은 빠르게 진행되겠지만 팀장 스스로가 놓치는 게 생긴다. 팀원에게 하는 피드백도 결국 AI가 제공한 검토 내용이 될 수밖에 없다. 팀장이 팀원을 관리하는 게 아니라, 두 개의 AI가 서로 결과물을 주고받는 구조가 돼버린다. 그런 모순 속에서 불편함이 드는 건 당연하다.

‘누가 만들었냐’보다 나은 질문이 있다

하버드 비즈니스 스쿨이 P&G 직원 791명을 대상으로 진행한 실험이 있다. AI를 활용한 팀은 그렇지 않은 개인보다 상위 10% 수준의 아이디어를 3배 더 많이 냈다. 흥미로운 건 그것만이 아니었다. AI를 쓴 개인 한 명이, AI 없이 일하는 팀 전체와 비슷한 성과를 냈다. 연구진은 AI를 두고 “사이버네틱 팀원(cybernetic teammate)“이라고 표현했다.

엑셀을 쓰고 PPT를 쓰는 것처럼, AI는 이미 업무의 기본 도구가 된 지 오래다. 사이버네틱 팀원에게 “AI 썼냐, 안 썼냐”는 이제 그다지 유효한 질문이 아니다. 그럼에도 팀을 관리하는 팀장으로서 AI 작업물에 반드시 물어야 하는 것은 따로 있다.

이 작업물이 문제를 제대로 다루고 있는가?

AI 작업물, 무엇을 보면 될까

AI로 만든 작업물을 팀장이 받았을 때 참고할 수 있는 기준 세 가지를 정리했다. 절대적인 기준이 아니라, 팀 상황에 맞게 조정해 쓰는 출발점이다.

첫째, 문제를 제대로 잡았는가

AI는 질문을 잘 받으면 좋은 답을 낸다. 반대로, 문제 설정이 애매하면 그럴싸하지만 쓸모없는 답을 낸다. 어떤 문제를 어떻게 정의했느냐가 작업물의 실질적인 수준을 많이 결정한다.

팀장이 꺼내볼 만한 질문이 있다. “AI한테 어떻게 물어봤어요?” 혹은 “이 작업을 왜 지금 하는 건지 설명해줄 수 있어요?” 이 두 가지만 물어봐도 팀원이 문제를 제대로 이해하고 있는지, 아니면 막연하게 AI를 돌린 건지가 꽤 빠르게 드러난다. 문제를 제대로 잡은 팀원은 자기 말로 설명한다.

둘째, 작업물을 직접 검토했는가

AI는 그럴듯한 오류를 꽤 자신 있게 내놓는다. 틀린 수치, 없는 출처, 맥락에 안 맞는 결론. 그대로 가져온 것과, 틀린 부분을 찾아서 고친 것은 근본적으로 다르다.

이때는 결과물보다 과정을 묻는 방향이 낫다. “어떤 부분을 직접 고쳤어요?” 혹은 “이 중에 확신이 없는 부분이 있어요?” 이 질문에 막힌다면, 팀원이 결과물을 충분히 들여다보지 않았을 가능성이 있다. 구체적인 답이 나온다면, 그게 팀원이 실제로 기여한 지점이다.

셋째, 맥락과 책임이 담겨 있는가

우리 팀 상황, 고객이 원하는 것, 조직의 흐름. 이런 건 AI가 알기 어렵다. AI는 일반적으로 좋은 답을 내지만, 지금 이 팀에서, 이 프로젝트에서, 이 타이밍에 맞는 답은 팀원이 채워야 한다.

맥락이 담겼는지 확인하는 가장 빠른 방법은 이 질문이다. “이 내용을 지금 우리 상황에 맞게 설명해줄 수 있어요?” 그리고 맥락과 함께 반드시 따라와야 하는 게 책임이다. 팀원이 자기 이름을 걸 수 있는 내용인지. 이 두 가지가 AI 사용 여부보다 더 핵심적인 기준이다.

상황별로 어떻게 반응할 수 있을까

같은 AI 작업물이라도 상황에 따라 대응이 달라진다. 팀마다, 업무 유형마다, 결과물이 외부로 나가는 건지 내부용인지에 따라 판단도 달라진다.

팀장에게 남는 것

AI 작업물을 보는 기준이 명확한 팀장은 아직 많지 않다. 그건 팀장 개인의 문제라기보다, 변화가 너무 빠르게 왔기 때문이기도 하다.

당장 하나만 바꿔본다면, “AI를 썼냐”고 묻기 전에 “AI를 어떻게 썼냐”를 묻는 습관이다. 작은 차이처럼 보이지만, 이 질문 하나가 팀원의 기여를 보는 방식을 바꾸고, 팀 안에서 AI를 어떻게 쓸지 자연스럽게 이야기하게 만든다.

기준은 처음부터 완벽할 필요가 없다. 팀이 함께 부딪히고 조율하면서 만들어지는 기준이 오래 간다. 이제 앞으로 ‘AI 시대의 팀장’ 시리즈를 통해 그 기준을 만들어보자.

FAQ

팀원이 AI를 사용했는지 꼭 확인해야 하나요?

반드시 그럴 필요는 없다. 더 실용적인 방향은 AI 사용 여부를 추적하는 것보다, 어떻게 활용했는지를 팀 안에서 자연스럽게 공유하는 문화를 만드는 것이다. 숨기지 않아도 되는 분위기가 먼저다.

AI 결과물을 검토 없이 그대로 제출하는 건 문제가 있나요?

검토 없이 그대로 냈다면, AI 사용 여부와 무관하게 결과물에 대한 책임 문제로 볼 수 있다. 팀에서 어떤 결과물을 어떻게 다루는지에 대한 기준이 있으면 이런 상황 자체가 줄어든다.

AI를 전혀 쓰지 않는 팀원은 어떻게 해야 하나요?

강요보다는 성공 경험을 보여주는 쪽이 대체로 더 효과적이다. 작은 업무에서 먼저 써볼 수 있도록 환경을 만드는 것이 출발점이 될 수 있다.

AI 결과물 품질을 어떻게 판단하나요?

문장의 완성도나 매끄러움보다는, 문제를 제대로 잡았는지·맥락이 담겨 있는지·팀원이 결과에 책임을 지는지 이 세 가지를 보는 것이 실용적이다.

팀 차원의 AI 사용 기준이 아직 없는데 어떻게 하나요?

회사 차원의 지침을 기다리기보다 팀 단위로 먼저 간단한 기준을 만드는 팀장들이 늘고 있다. 이 시리즈 6편에서 구체적인 방법을 다룬다