사내 구성원, 프로젝트 단위로 합류한 외부 전문가, 그리고 생성형 AI. 요즘은 이 셋이 한 프로젝트 안에서 함께 일하는 모습이 전혀 특별하지 않습니다. 몇 달짜리 과제를 위해 외부 전문가가 들어오고, 조사와 분석, 초안 작성은 AI가 거들고, 프로젝트가 끝나면 팀은 다시 새로 꾸려집니다.

이렇게 팀이 자주 바뀌는 환경에서는 연말 평가 때까지 피드백을 미뤄둘 수 없습니다. 일이 진행되는 동안 짧고 구체적인 피드백을 수시로 주고받아야 하고, 결과물을 누가 판단하고 누가 책임지는지도 처음부터 분명히 해야 합니다.

먼저 짚어볼 세 가지

• AI는 피드백 초안을 정리해줄 수 있지만, 피드백을 전하고 책임지는 사람을 대신할 수는 없습니다.
• 사내 구성원, 외부 전문가, AI가 섞여 일할수록 판단 기준과 피드백 담당자는 프로젝트 시작 시점에 정해두어야 합니다.
• 좋은 피드백은 평가 시즌에 한 번 치르는 행사가 아니라, 일하는 도중에 반복되는 짧은 대화에 가깝습니다.

왜 AI를 많이 쓸수록 피드백이 더 중요해질까

Microsoft가 2026년 10개국에서 AI를 쓰는 지식근로자 2만 명을 조사한 Work Trend Index를 보면, 응답자의 86%가 "AI가 내놓은 결과는 최종 답이 아니라 출발점"이라고 답했습니다.

개인들은 이미 최종 판단과 책임이 자신에게 있다고 받아들이고 있다는 뜻입니다. 오히려 발목을 잡는 쪽은 조직입니다. 같은 조사에서 45%는 AI로 일하는 방식을 새로 짜기보다 지금 목표에만 집중하는 게 더 안전하다고 느낀다고 답했습니다. 새로운 시도를 했다가 실패하면 어떤 평가를 받을지 알 수 없기 때문입니다.

반면 관리자가 실험해도 괜찮다는 심리적 안전감을 만들어준 팀은, 구성원들이 느끼는 AI 활용 준비도와 가치가 최대 20포인트까지 높았습니다. AI를 잘 활용하는 조직과 그렇지 못한 조직을 가르는 건 결국 도구가 아니라 피드백과 신뢰라는 이야기입니다.

방법 1. AI로 시도한 과정 자체를 배움의 재료로 삼으세요

같은 AI 도구라도 질문을 어떻게 설계하는지, 결과를 어떻게 검증하는지, 업무에 맞게 어떻게 손보는지에 따라 품질 차이가 크게 납니다. 그래서 결과물뿐 아니라 거기까지 가는 과정도 피드백할 거리가 됩니다.

외부 전문가가 AI를 활용해 시장조사 보고서를 만들어왔다면, 결론만 보지 말고 어떤 자료를 근거로 삼았는지, AI의 오류는 어떻게 잡아냈는지, 전문가로서 무엇을 고쳤는지까지 같이 짚어보세요. 이런 질문으로 대화를 열 수 있습니다.

• 이번 작업에서 AI에게 맡긴 부분과 직접 판단한 부분은 어디였나요?
• AI 결과를 검증하거나 수정했던 구체적인 사례가 있나요?
• 예상과 다르게 흘러간 부분이 있었다면, 거기서 무엇을 배웠나요?

원하는 답이 나오지 않았던 프롬프트나 검토 중에 찾아낸 오류도 팀에 공유할 만한 자산입니다. 실패담을 편하게 꺼낼 수 없는 조직에서는 사람들이 결국 익숙한 방식으로만 일하게 됩니다.

방법 2. 누가 어떤 피드백을 책임질지 미리 나눠두세요

일하는 형태가 다양한 사람들이 모이면 피드백에 구멍이 생기기 쉽습니다. 내부 관리자는 외부 전문가가 어떻게 일하는지 속속들이 알기 어렵고, 외부 전문가는 조직 안에서 당연하게 통하는 기준을 전달받지 못합니다. AI 결과물에서 오류가 발견됐을 때 누가 걸러냈어야 했는지도 애매해집니다.

프로젝트를 시작할 때 아래 역할을 누가 맡을지 먼저 합의해두세요.

• 결과물의 최종 품질을 승인하는 사람
• 외부 전문가에게 필요한 맥락과 자료를 챙겨주는 사람
• AI가 만든 결과의 사실관계와 출처를 확인하는 사람
• 의견이 부딪힐 때 최종 결정을 내리는 사람

피드백이 외부 전문가 쪽으로만 흐르지 않도록 주의하는 것도 중요합니다. 일이 매끄럽지 않았던 이유가 모호한 요청, 늦어진 의사결정, 부족한 자료 제공처럼 조직 쪽에 있을 수도 있기 때문입니다. 프로젝트를 마무리할 때는 "우리가 충분히 전달하지 못한 정보가 있었나요?", "다음 프로젝트에서도 가져가고 싶은 방식은 무엇인가요?"처럼 양쪽 모두를 돌아보는 질문을 던져보세요.

방법 3. AI 쓰는 법과 피드백하는 법을 같이 익히게 하세요

"주도성이 좀 부족한 것 같아요" 같은 말은 AI가 아무리 정중하게 바꿔줘도, 상대가 무엇을 달리해야 하는지 알려주지 못합니다. 문장을 매끄럽게 다듬는 능력과 도움이 되는 피드백을 주는 능력은 서로 다른 역량입니다.

실무에서 바로 써볼 수 있는 틀로는, SBI 모델의 상황, 행동, 영향에 다음 행동을 하나 더한 구조가 있습니다.

이 구조로 말하면 이런 식이 됩니다.

지난번 고객 제안 회의 때 최종 자료가 회의 시작 직전에 공유됐어요. 그러다 보니 팀원들이 내용을 미리 살펴볼 시간이 없었고, 회의 도중에 몇몇 수치를 다시 확인해야 했습니다. 다음 회의부터는 초안을 하루 전에 올려두고, 핵심 수치는 담당자가 한 번 더 확인하는 방식으로 맞춰보면 좋겠습니다.

흩어진 메모를 이런 틀로 정리하거나 날카로운 표현을 누그러뜨리는 데는 AI가 꽤 쓸모 있습니다. 하지만 AI가 없던 내용을 끼워 넣지 않았는지 확인하고, 결국 자기 목소리로 직접 전하는 일은 피드백을 주는 사람이 해야 합니다.

방법 4. 평가 시즌을 기다리지 말고, 프로젝트 중간중간 짧게 나누세요

몇 달짜리 계약으로 합류한 외부 전문가에게 연말 평가는 사실상 의미가 없습니다. 피드백이 늦어지면 지금 진행 중인 프로젝트에 반영할 기회를 놓치고, 같은 문제가 다음 단계에서 다시 반복됩니다. 대신 이런 리듬을 만들어보세요.

• 주요 산출물이 초안 단계일 때 15분짜리 피드백
• 주간 미팅마다 잘한 점 하나, 개선할 점 하나 나누기
• 프로젝트가 끝나자마자 '계속할 것, 바꿀 것, 다음에 시도해볼 것' 회고

매번 긴 면담을 잡을 필요는 없습니다. 상황과 행동, 영향을 짚고 다음 행동 하나만 합의해도 충분한 경우가 대부분입니다. AI 덕분에 회의록 요약이나 지난 합의 사항을 찾는 시간이 줄었다면, 그 시간은 해결책을 함께 고민하는 데 쓰세요.

방법 5. 어떤 데이터를 어떻게 쓰는지 투명하게 밝히세요

피드백에 AI가 쓰이기 시작하면 구성원들은 자연스럽게 묻게 됩니다. "내 업무 기록 중 어디까지 분석되는 걸까?", "그 결과가 평가에 들어가나?", "잘못 분석됐다면 바로잡을 수 있을까?" 이런 질문에 답하지 못하면, 업무 기록은 성장을 돕는 자료가 아니라 감시의 근거로 받아들여집니다.

적어도 아래 내용만큼은 조직 차원에서 문서로 정해두는 것이 좋습니다.

• 분석하는 데이터의 범위와 쓰임새
• AI 분석 결과가 평가에 반영되는 방식과 최종 판단을 내리는 사람
• 오류를 고치고 이의를 제기하는 절차
• 개인정보와 고객 기밀정보를 AI에 입력하지 않는다는 원칙

AI를 썼다는 사실을 어디까지 알릴지도 영향의 크기에 따라 다르게 정할 수 있습니다. 문장을 다듬는 데 AI를 쓴 것과, 업무 기록을 분석해 평가 의견을 만든 것은 무게가 완전히 다릅니다. 뒤의 경우라면 어떤 데이터가 쓰였고 최종 판단은 누가 했는지 당사자가 알 수 있어야 합니다.

채용, 계약 연장, 보상처럼 한 사람에게 큰 영향을 주는 결정에 AI를 쓴다면, 인공지능기본법상 고영향 인공지능에 관한 의무에 해당하지 않는지 미리 따져보는 것이 안전합니다.

복사해서 바로 쓰는 AI 피드백 정리 프롬프트

아래 프롬프트는 AI에게 피드백을 대신 써달라고 맡기기 위한 것이 아닙니다. 관리자가 직접 적어둔 사실 메모를 보기 좋게 구조화하는 용도로 써보세요.

당신은 업무 피드백을 정리하는 보조자입니다.

아래 메모를 바탕으로 피드백 초안을 작성해주세요.

작성 구조:

1. 상황: 언제, 어떤 업무에서 발생한 일인지

2. 행동: 직접 관찰하거나 기록으로 확인된 행동

3. 영향: 해당 행동이 결과, 일정 또는 협업에 미친 영향

4. 다음 행동: 유지하거나 개선할 수 있는 구체적인 행동 제안

5. 확인 질문: 당사자의 관점과 빠진 맥락을 확인하기 위한 질문 2개

작성 원칙:

- 메모에 없는 사실은 추가하지 마세요.

- 사람의 성격, 의도, 태도를 추측하지 마세요.

- '무책임하다', '소극적이다', '프로답지 않다'와 같은 성격 평가 표현은 사용하지 마세요.

- 모호한 칭찬이나 비판 대신 관찰된 행동을 사용하세요.

- 메모에 긍정적인 기여가 있다면 개선점과 함께 포함하세요. 없다면 '강점 추가 확인 필요'라고 표시하세요.

- 존중하는 어조로 작성하되 문제의 영향을 축소하지 마세요.

- 최종 평가나 보상에 관한 판단은 하지 마세요.

- 정보가 부족한 부분은 임의로 채우지 말고 '추가 확인 필요'라고 표시하세요.

업무 배경:

[프로젝트의 목적과 담당 역할]

관찰 메모:

[사실을 중심으로 작성한 메모]

합의가 필요한 사항:

[다음 일정, 품질 기준, 역할 등]

쓰기 전에는 고객 이름, 연락처, 계약 조건처럼 민감한 정보를 먼저 지우고, 회사가 사용을 승인한 AI 도구인지도 확인하세요. 결과물을 받으면 딱 세 가지만 점검하면 됩니다. 기록에 없던 내용이 끼어들지 않았는지, 상대가 실제로 바꿀 수 있는 행동을 말하고 있는지, 그리고 내가 직접 얼굴을 보고 책임 있게 전할 수 있는 내용인지.

신호를 읽는 건 AI, 의미를 만드는 건 사람

AI 덕분에 우리는 전보다 훨씬 많은 신호를 볼 수 있게 됐습니다. 하지만 그 신호가 무슨 뜻인지 해석하고, 그 위에 신뢰를 쌓는 일은 여전히 사람에게 남아 있습니다.

외부 전문가와의 협업도 킥오프에서 품질 기준과 역할을 정하는 것부터 시작됩니다. 플렉스웍은 프로젝트에 어떤 역량이 필요한지 정의하는 단계부터 함께하며, 지금 조직 상황에 맞는 전문가를 연결해드립니다. 어떤 전문가와 어떤 기준으로 일해야 할지 고민 중이라면 플렉스웍에 문의해보세요.

플렉스웍에 협업 문의하기

참고자료

• Microsoft, 2026 Work Trend Index (https://www.microsoft.com/en-us/worklab/work-trend-index/agents-human-agency-and-the-opportunity-for-every-organization)
• 국가법령정보센터, 인공지능기본법 (https://www.law.go.kr/LSW/lsInfoP.do?lsiSeq=268543)