# AI 업무 경계 재편 - 논의 이해 메모

- 작성일: 2026-05-30
- 대상 대화: https://chatgpt.com/c/6a16cba6-a838-83a4-840b-f3059716c8a4
- 중심 주제: 보안 민감 조직에서 생성형 AI가 일의 경계, 책임, 승인체계, 번아웃을 어떻게 재편하는가

## 한 문장 이해

이 논의의 핵심은 AI 도입 실패를 "직원이 몰래 외부 도구를 쓴다"는 규정 위반 문제가 아니라, 외부 AI 역량의 변화 속도를 조직의 승인, 보안, 예산, 근태, 책임 체계가 흡수하지 못해 그 비용이 실무자의 숨은 노동과 번아웃으로 내려오는 구조로 다시 정의하는 데 있습니다.

## 논의의 중심 질문

이 리뷰가 답해야 할 질문은 네 가지입니다.

1. 왜 보안 민감 대기업에서는 AI 활용 의지가 있는데도 Shadow AI가 발생하는가.
2. 왜 AI는 생산성을 높이면서 동시에 업무량, 검증 부담, 야간 노동, 심리적 피로를 늘릴 수 있는가.
3. 경영진, 팀장, 승인권자, 실무자는 같은 현상을 왜 서로 다르게 체감하는가.
4. 금지와 개인 책임이 아니라, 어떤 승인 경로, 인프라, 측정 방식, 팀 운영 원칙이 필요한다.

## 발생 메커니즘

이 사안은 다음 순서로 설명하는 편이 가장 자연스럽습니다.

1. 외부 AI 생태계가 빠르게 좋아집니다.
   ChatGPT, Claude, Codex, Cursor, 영상 생성, Deep Research, Agentic coding 도구가 개인에게 먼저 도착합니다. 실무자는 집이나 개인 계정에서 "이제 이런 방식으로 일할 수 있다"는 체감을 얻습니다.

2. 조직의 공식 환경은 같은 속도로 바뀌지 않습니다.
   보안 민감 조직은 국가핵심기술, 개인정보, 소스코드, 공정정보, 고객정보, 내부망 분리, 국외 이전 문제를 갖고 있습니다. 따라서 외부 AI를 바로 허용하기 어렵습니다. 이 제약은 단순 보수성이 아니라 실제 법, 보안, 책임 구조와 연결됩니다.

3. 기대치는 AI 시대인데, 제공 환경은 pre-AI 상태로 남습니다.
   경영진과 외부 환경은 더 빠른 보고서, 더 좋은 영상, 더 정교한 분석, 더 빠른 코드와 자동화를 기대합니다. 그러나 실무자가 쓸 수 있는 사내 도구는 성능, 접근성, 승인 속도, 데이터 연결성이 부족합니다.

4. 팀장은 중간에서 모순된 요청을 전달하게 됩니다.
   "보안 위반하지 말라", "정식 프로세스를 따르라", "근태를 기록하라", "그런데 결과물은 빨리 달라"는 요구가 동시에 내려옵니다. 각각은 합리적이지만, 합쳐지면 실무자에게 풀기 어려운 모순이 됩니다.

5. 실무자는 우회로를 만듭니다.
   개인 구독, 퇴근 후 실험, 외부 환경에서 구조를 만든 뒤 사내에서 재현하기, 공개 자료만 사용한 프로토타입 작성, 비공식 학습과 검증이 생깁니다. 이것이 Shadow AI이자 hidden work입니다.

6. 숨은 노동은 조직 지표에 잡히지 않습니다.
   프롬프트 설계, 결과 검증, 보안 검토 대응, 승인 문서화, 외부 실험의 내부 재현, 실패한 시도, 야간 학습은 성과로 잘 보이지 않습니다. 공식 보고에는 최종 산출물만 남고, 이를 가능하게 한 노동은 사라집니다.

7. 조직은 실제 병목을 학습하지 못합니다.
   사용자가 숨기면 보안팀은 위험을 모릅니다. 팀장은 실제 소요시간을 모릅니다. 경영진은 인프라 gap을 과소평가합니다. 승인권자는 사고 책임만 보이고 허용의 학습 효과를 보기 어렵습니다.

8. 결국 번아웃과 냉소가 생깁니다.
   AI를 잘 쓰는 사람이 더 편해지는 것이 아니라, 조직이 흡수하지 못한 전환 비용을 가장 먼저 떠안는 사람이 됩니다. 이 지점이 리뷰의 가장 중요한 정서적, 조직적 결론입니다.

## 좋은 리뷰의 중심 프레임

이번 리뷰는 `Shadow AI`라는 표면 현상에서 시작하되, 결론은 `AI 역량 흡수 격차`로 가져가는 것이 좋습니다.

- 표면 현상: 승인되지 않은 외부 AI 사용, 개인 계정, 민감정보 입력 위험, 외부 프로토타입
- 중간 원인: 공식 도구 부족, 승인 지연성, 보안 마찰, 팀 간 silo, 사용 기준의 모호함
- 구조 원인: 경영진 FOMO, 팀장 권한 한계, 승인권자의 downside-only position, 실무자의 기술 FOMO
- 최종 결과: hidden work, 무형 초과근무, 번아웃, 이직 의향, 조직학습 실패
- 해법 방향: 금지 강화가 아니라 안전한 허용 경로, 데이터 등급 기반 정책, 사내 AI 게이트웨이, 격리형 샌드박스, 실제 AI 업무시간 측정

## 반드시 살려야 할 개념

| 개념 | 리뷰에서의 역할 |
|---|---|
| AI FOMO Cascade | 경영진, 팀장, 실무자가 모두 다른 FOMO를 느끼고, 공식 체계가 없으면 비용이 아래로 전가된다는 설명 |
| Governance Latency | AI 도구와 업무방식의 변화 속도보다 승인, 보안, 계약, 교육, 감사 체계가 느려 발생하는 시간차 |
| Approval Debt | 빠르게 실험해야 할 일이 승인 대기와 증빙 요구에 막혀 조직 안에 누적되는 지연 비용 |
| Governance Workload | AI를 안전하게 쓰기 위한 문서화, 설명, 로그 관리, 보안 협의 자체가 새 업무가 된다는 관점 |
| FOMO-driven Hidden Work | 뒤처질 불안 때문에 개인이 업무시간 밖에서 학습, 실험, 검증을 수행하는 비공식 노동 |
| AI Absorption Gap | 개인이 체감한 AI 역량과 조직이 허용 가능한 방식으로 흡수한 AI 역량 사이의 격차 |

## 최신 Deep Research 결과의 강점

저장한 최신 Deep Research export는 외부 근거의 폭이 넓습니다. Microsoft Work Trend Index, McKinsey State of AI, KPMG와 University of Melbourne의 AI at Work 연구, Netskope Threat Labs, Upwork 번아웃 조사, OECD/KLI 한국 노동시장 보고서, NIST AI RMF, 한국의 딥시크 대응과 인공지능기본법, 산업기술보호법, 국가핵심기술 고시를 하나의 보고서 안에 엮었습니다.

특히 좋은 부분은 다음입니다.

- 보안 민감 한국 조직의 제약을 "문화적 보수성"으로만 보지 않고 법과 기술보호 체계로 설명합니다.
- 금지가 오히려 비가시적 사용을 키울 수 있다는 KPMG/Netskope 계열 근거를 배치합니다.
- AI가 일을 줄이는 동시에 검증, 재작성, 승인 대응, 로그 관리 같은 새 업무를 만든다는 역설을 설명합니다.
- 경영진, 팀장, 팀원 관점을 나누어 서로 다른 언어와 압박을 비교합니다.
- 데이터 등급과 모델 등급을 결합한 승인 흐름, 사내 AI 게이트웨이, 격리형 RAG/LLM, KPI까지 제안합니다.

## 보강해야 할 부분

최종 리뷰로 발전시킬 때는 현재 Deep Research 결과를 그대로 다듬기보다, 독자의 이해 순서를 다시 짜는 편이 좋습니다.

1. 첫 장면은 통계가 아니라 현장의 모순에서 시작합니다.
   "AI로 빨리 해보라"는 요구와 "외부 도구는 쓰지 말라"는 규정이 동시에 존재하는 장면이 독자를 바로 붙잡습니다.

2. Shadow AI를 개인 일탈처럼 소개하지 않습니다.
   "공식 경로가 느리고 불명확할 때 생기는 비공식 흡수 경로"로 설명해야 합니다.

3. 보안의 정당성과 운영 실패를 분리합니다.
   보안이 강한 것은 타당합니다. 문제는 보안을 만족하는 빠른 사용 경로가 없다는 점입니다.

4. 실무자의 hidden work를 구체적 업무 단위로 보여줍니다.
   예를 들어 외부 도구 탐색, 프롬프트 실험, 비식별화, 결과 검증, 내부 문서로 재작성, 승인용 설명 자료 만들기, 보안 질의 대응, 팀 공유 자료 작성입니다.

5. 해결책은 "플랫폼 구축"만으로 끝내지 않습니다.
   팀장이 실제 AI 업무시간을 태깅하고, 승인 SLA를 운영하고, 야간 AI 작업을 제한하고, 검증 책임을 분담하는 운영 원칙까지 가야 합니다.

## 추천 보고서 구조

1. 문제의 장면: AI로 더 빠르게 하라는 요구와 쓸 수 없는 도구
2. Shadow AI의 실제 발생 과정: 금지된 도구가 아니라 막힌 경로의 증상
3. 한국 보안민감 조직의 특수성: 국가핵심기술, 개인정보, 내부망, 외산 모델 리스크
4. AI FOMO Cascade: 경영진, 팀장, 승인권자, 실무자의 서로 다른 불안
5. 숨은 노동의 목록: 학습, 실험, 검증, 승인 대응, 내부 재현
6. 번아웃과 조직학습 실패: AI 고활용자가 비용을 떠안는 구조
7. 전환 방향: 금지에서 안전한 허용 경로로
8. 실행 모델: 데이터 등급 x 모델 등급, 사내 게이트웨이, 격리형 샌드박스, 승인 SLA
9. 팀 운영 원칙: 실제 AI 업무시간, 야간 경계, 검증 책임, 심리안전성
10. 결론: AI 도입은 기술 구매가 아니라 일의 경계와 책임체계를 다시 설계하는 일

## 다음 작업 메모

- ChatGPT export의 내부 citation marker를 실제 URL로 복원해야 합니다.
- 핵심 통계는 원문 출처에서 재검증해야 합니다.
- 최종 리뷰에서는 mermaid 도식보다 독자가 바로 이해할 수 있는 HTML figure 또는 SVG 도식으로 바꾸는 편이 좋습니다.
- 보고서 제목은 `생성형 AI 시대의 일 방식 전환과 보안민감 조직의 AI 흡수 격차` 정도가 적합합니다.
- 이 주제는 Skywork 슬라이드로 만들 경우, 12-15장 구성의 조직 진단/해법형 deck이 잘 맞습니다.