보스턴대 에마 와일스(Emma Wiles) 교수와 보스턴컨설팅그룹(BCG) 연구진이 인사·재무 관리자 1,261명을 조사했더니, 23%가 회사 조직도나 업무 흐름도에 AI 에이전트가 올라가 있다고 답했습니다. 연구진은 이 관리자들에게 오류를 일부러 심은 문서를 검토하게 했습니다. 조직도에 AI를 올린 회사의 관리자는 같은 문서라도 「AI 직원」이 썼다고 들으면, 자기가 쓴 「AI 도구」로 만들었다고 들을 때보다 오류를 17% 덜 찾았습니다.

제조 AI 운영체제 VEXPLOR를 만드는 웨이스가 이 연구에서 주목한 것은 AI의 실력이 아니라 책임이 어디로 가는가입니다. 문서는 같았습니다. 누가 썼다고 부르는지만 바뀌었는데도 관리자가 그 문서를 자기 일로 여기는 정도가 달라졌습니다.

관리자 4명 중 1명은 회사 조직도에 이미 AI 에이전트가 올라가 있다고 답했습니다

연구진은 먼저 전문가 네트워크로 모은 인사·재무 관리자 1,261명을 조사했습니다. 31%가 회사가 AI를 「동료나 직원」으로 소개한다고 답했고, 23%는 조직도에 AI 에이전트를 올려 두었다고 답했습니다. 논문 서론에는 한 물류 회사 임원의 인터뷰가 실려 있습니다. 그 회사는 AI 에이전트에게 이름을 붙이고 팀원처럼 대하며, 직무 설명과 성과 지표(KPI)까지 정해 두었다고 합니다.

연구진은 이 관행이 실험 대상에만 있는 일인지 보려고 미국 민간 기업 고위 관리자 1,500명을 따로 조사했습니다. 업종 분포에 맞춰 가중치를 준 결과는 다음과 같습니다.

· 회사 시스템에 연결 — 비율: 53% · 조사 대상: 고위 관리자 1,500명
· 이름을 붙임 — 비율: 17% · 조사 대상: 고위 관리자 1,500명
· 직함·직무 설명을 줌 — 비율: 14% · 조사 대상: 고위 관리자 1,500명
· 조직도에 올림 — 비율: 14% · 조사 대상: 고위 관리자 1,500명
· 사람 책임자를 지정 — 비율: 13% · 조사 대상: 고위 관리자 1,500명
· 「AI 직원」·「디지털 직원」으로 부름 — 비율: 11% · 조사 대상: 고위 관리자 1,500명

비율은 모두 응답자 전체를 기준으로 계산한 값입니다. AI에 이름을 붙인 회사(17%)보다 AI를 맡을 사람 책임자를 정한 회사(13%)가 적다는 점이 눈에 띕니다. 이름은 붙였지만 결과를 맡을 사람은 아직 정하지 않은 회사가 있다는 뜻입니다.

같은 문서라도 AI 직원이 썼다고 하면 관리자는 검토를 다른 사람에게 넘겼습니다

실험은 2026년 1월에 진행됐습니다. 인사 관리자는 직무 기술서를, 재무 관리자는 예산 문서를 받았고, 둘 다 오류를 일부러 심은 문서 5건을 받아 20분 동안 할 수 있는 만큼 검토했습니다. 연구진은 문서 내용은 그대로 두고, 누가 만들었는지만 다르게 알려 주었습니다.

· AI 도구 — 관리자 자신이 AI 도구로 만든 초안입니다.
· AI 직원 — 회사가 역할을 맡긴 AI 에이전트가 만든 초안입니다.
· 사람 직원 — 부하 직원이 만든 초안으로, 비교 기준입니다.

전체 관리자로 보면 차이는 작았습니다. 그런데 조직도에 이미 AI를 올린 회사의 관리자만 따로 보면 결과가 크게 달라졌습니다. 아래는 AI 도구로 만들었다고 들은 경우와 비교한 값입니다.

· 찾아낸 오류 비율 — AI 직원이라고 들었을 때: 17% 감소 · 뜻: 직접 확인이 줄었다
· 검토 성과 — AI 직원이라고 들었을 때: 13% 감소 · 뜻: 오류 표시가 덜 정확했다
· 추가 검토 요청 — AI 직원이라고 들었을 때: 22%p 증가(기준 대비 44%) · 뜻: 다른 사람에게 넘겼다
· 내 책임이라는 응답 — AI 직원이라고 들었을 때: 약 9%p 감소 · 뜻: 책임을 덜 느꼈다
· AI 책임이라는 응답 — AI 직원이라고 들었을 때: 8%p 증가 · 뜻: 책임이 AI로 갔다

연구진은 이 현상을 「뜨거운 감자(hot potato)」 효과라고 불렀습니다. 관리자가 AI가 만든 결과물을 자기 책임으로 받지 않고, 직접 확인하는 대신 다른 사람의 검토를 요청한다는 뜻입니다. 논문은 추가 검토를 요청하면 「혼자 승인하지 않았다」는 기록이 남아 오류가 났을 때 관리자가 질 부담이 줄어들 수 있다고 설명합니다.

관리자는 사람 직원이 쓴 문서를 가장 꼼꼼히 봤습니다

이 결과를 「일을 맡기면 원래 덜 보게 된다」로 읽으면 틀립니다. 같은 문서를 사람 직원이 썼다고 들은 관리자는 오류를 직접 더 많이 표시했고, 추가 검토를 요청하는 비율은 더 낮았습니다. 직접 감독도 이 그룹이 가장 많았습니다.

연구진의 해석은 이렇습니다. 부하 직원의 실수는 관리자가 자기 책임으로 받아들이고, 자기가 쓴 AI 도구의 결과물도 자기 책임으로 봅니다. 「AI 직원」은 그 사이에 있습니다. 일을 맡긴 상대로는 대하지만, 부하 직원만큼 살펴보지는 않습니다. 이름 하나로 AI는 도구도 아니고 사람도 아닌 것이 됐고, 관리자는 그 결과물을 덜 자기 일로 보았습니다.

연구진은 결과의 한계도 적었습니다. 관리자가 요청한 추가 검토가 실제로 이뤄졌는지, 그래서 최종 문서의 품질이 어떻게 됐는지는 관찰하지 않았습니다. 줄어든 직접 확인을 다른 사람의 검토가 메웠는지는 이 연구로 알 수 없습니다. 연구진은 이 결과를 「AI 에이전트를 쓰지 말라」는 근거로 읽어서는 안 된다고도 적었습니다.

사람이 적은 공장일수록 AI가 만든 문서의 승인 담당이 흐려질 수 있습니다

이 실험의 문서는 직무 기술서와 예산이었지만, 공장에도 AI가 초안을 쓰는 문서가 늘고 있습니다. 작업 표준서, 검사 성적서, 설비 점검 보고서, 견적서 같은 문서입니다. 이런 문서의 오류는 다음 공정이나 고객에게 넘어간 뒤에야 드러나는 경우가 많습니다.

중소 제조 현장은 한 사람이 생산관리와 품질, 구매를 함께 맡는 경우가 흔합니다. 여기에 「품질 AI」나 「구매 담당 AI」 같은 이름을 붙인 에이전트가 들어오면, 담당자는 그 AI가 만든 문서를 자기가 직접 쓴 것처럼 보지 않게 될 수 있습니다. 연구 결과대로라면 검토를 다른 사람에게 넘기고 싶어지는데, 사람이 적은 회사에서는 넘겨받을 사람도 마땅치 않습니다.

연구진이 권고한 3가지는 AI마다 책임자 한 명을 정하는 데서 시작합니다

논문은 AI를 직원처럼 부르는 것을 꾸밈이 아니라 관리 체계를 설계하는 결정으로 다루라고 권합니다. 구체적으로는 3가지입니다.

· AI 에이전트마다 책임자 한 명 — 그 에이전트가 만든 결과에 책임을 지는 사람을 이름으로 정합니다.
· 중요한 결정의 최소 검토 기준 — 무엇을 반드시 직접 확인해야 하는지 미리 적습니다.
· 일이 넘어갈 때의 책임 — 검토를 다른 사람에게 넘겨도 책임이 누구에게 남는지 분명히 합니다.

웨이스가 업무 AI 에이전트를 설계하는 방식도 같은 방향입니다. 업무 흐름마다 책임자 한 명을 두고, 사람이 판단하고 승인하는 지점을 적고, AI가 한 일을 회사 기록으로 남깁니다. 웨이스는 AI에 이름을 붙이기보다 그 결과에 서명할 사람을 먼저 정해야 한다고 봅니다.

우리 회사 AI에 이름을 붙이기 전에 확인할 4가지

아래 질문에는 AI 에이전트 하나를 골라 답합니다. 하나라도 「아니다」면 이름보다 그 일을 먼저 정합니다.

· 결과에 서명할 사람이 있나 — 그렇다면: 책임이 분명함 · 아니라면 먼저: 책임자 한 명 정하기
· 직접 볼 항목이 적혀 있나 — 그렇다면: 검토 기준 있음 · 아니라면 먼저: 확인 항목 적기
· 검토를 넘길 기준이 있나 — 그렇다면: 넘겨도 책임 남음 · 아니라면 먼저: 넘기는 조건 적기
· 오류 책임이 문서에 있나 — 그렇다면: 사후 판단 가능 · 아니라면 먼저: 책임 문구 넣기

질문마다 확인할 내용은 이렇습니다.

· 결과에 서명할 사람이 있나 — 「품질 AI가 확인했다」가 아니라 「품질팀 누가 승인했다」로 기록이 남아야 합니다.
· 직접 볼 항목이 적혀 있나 — 수치, 규격, 고객명처럼 틀리면 되돌리기 어려운 항목은 사람이 직접 봅니다.
· 검토를 넘길 기준이 있나 — 넘기는 것 자체는 나쁘지 않습니다. 언제 넘기는지와 넘긴 뒤 누가 책임지는지가 정해져 있으면 됩니다.
· 오류 책임이 문서에 있나 — 연구에서 조직도에 AI를 올린 회사의 관리자는 AI 직원이 만든 결과물의 책임을 AI 쪽으로 옮겨 생각했습니다. 문서에 책임자가 적혀 있으면 오류가 났을 때 누구에게 물을지가 흐려지지 않습니다.

출처: Emma Wiles·Megan Hsu·Julie Bedard·Matthew Kropp, 「Putting AI on the Org Chart: Evidence on Delegation and Accountability」(2026년 9월 19일 판), 하버드비즈니스리뷰 「Research: Why You Shouldn't Treat AI Agents Like Employees」(2026년 5월).

AI에 이름과 직함을 붙이는 것은 관리자가 그 결과물을 얼마나 꼼꼼히 보는지를 바꾸는 결정입니다. 웨이스는 이름보다 책임자를 먼저 정해야 AI가 만든 문서의 오류를 사람이 직접 볼 수 있다고 봅니다.

WACE(웨이스)는 공장이 스스로 판단하고 멈추지 않게 하는 제조 AI 운영체제 VEXPLOR를 만드는 회사다.

(이 글은 웨이스 기술블로그에 먼저 실린 글입니다. 원문: https://blog.vexplor.com/post/ai-on-org-chart-managers-catch-fewer-errors?utm_source=eo&utm_medium=social&utm_campaign=2026-10-11)