[진단 시뮬레이션] 관리자와 구성원의 AI 인식 차이가 큰 서비스기업

“우리는 꽤 잘 쓰고 있다”는 말이 서로 다른 뜻일 때

한 서비스기업의 본부장이 이렇게 말한다고 가정해 보겠습니다

 
“우리 직원들은 AI를 꽤 잘 쓰고 있습니다. 고객 응대 문안도 만들고, 제안서 초안도 정리하며, 회의록도 자동으로 요약합니다. 이제 활용 수준을 조금 더 높이면 될 것 같습니다”

 
그런데 같은 조직의 실무자에게 물어보면 조금 다른 대답이 돌아옵니다

“쓰기는 씁니다. 그런데 어디까지 써도 되는지는 아직 애매합니다”

“관리자는 잘 활용하라고 하는데, 결과물을 내면 결국 기존 방식으로 다시 고치라고 할 때가 많습니다”

“개인적으로는 쓰고 있지만, 팀에서 인정하는 공식적인 방식인지는 모르겠습니다”

 
관리자와 구성원 중 어느 한쪽이 상황을 잘못 보고 있는 것은 아닙니다

관리자가 보기에는 조직의 AI 활용이 분명히 늘었습니다. 몇몇 팀은 고객 응대 문구를 다듬고, 회의 내용을 정리하며, 영업 제안서의 구조를 잡는 데 AI를 사용합니다. 이전에는 없던 활용 사례가 나타났으니 일정 수준의 변화가 시작됐다고 판단할 수 있습니다

구성원이 느끼는 현실도 사실입니다. AI를 사용해도 된다는 분위기는 있지만, 어떤 업무에서 어디까지 활용할 수 있는지는 분명하지 않습니다. 결과물이 잘 나와도 관리자가 인정할 수준인지 알기 어렵고, 같은 결과를 두고도 피드백이 달라질 때가 있습니다

이 조직에는 AI 활용 경험이 없는 것이 아닙니다. 관리자와 구성원이 그 경험을 서로 다른 기준으로 해석하고 있다는 것이 문제입니다

서비스기업에서는 AI 결과물이 고객 경험과 바로 연결됩니다

서비스기업에서 AI가 만드는 결과물은 고객과 맞닿아 있는 경우가 많습니다

상담 답변, 제안서, 안내 문구, 불만 대응, 캠페인 메시지와 서비스 장애 공지까지 다양한 산출물이 고객에게 전달됩니다. 문장이 자연스럽고 작성 시간이 줄었다고 해서 곧바로 사용할 수 있는 것은 아닙니다

고객에게 지나치게 단정적으로 안내하지는 않았는지, 회사의 실제 정책과 맞는지, 브랜드의 표현 방식을 벗어나지는 않았는지 확인해야 합니다. 민감한 고객 상황을 지나치게 기계적으로 다루거나, 실행할 수 없는 약속이 포함되지 않았는지도 살펴봐야 합니다

실무자는 이 지점을 직접 경험합니다

AI가 만든 고객 답변이 상황과 맞지 않아 다시 작성하기도 하고, 그럴듯하게 정리된 제안서에 실제 서비스 범위와 다른 표현이 포함되어 수정하기도 합니다. 회의록은 빠르게 만들어졌지만 중요한 이견이나 책임자가 누락돼 원문을 다시 확인하는 경우도 있습니다

관리자도 이러한 위험을 모르는 것은 아닙니다. 다만 관리자는 AI 활용으로 업무 속도를 높일 수 있는 가능성을 먼저 보고, 구성원은 그 속도 안에서 품질과 책임을 어떻게 지킬 것인지를 먼저 봅니다

관리자는 활용이 늘어난 장면을 보고, 구성원은 수정과 책임이 발생한 순간을 기억합니다

그래서 관리자는 “이미 어느 정도 사용하고 있으니 이제 확산하면 된다”라고 판단하지만, 구성원은 “아직 안정적으로 사용하기에는 기준이 부족하다”라고 느낄 수 있습니다. 활용률을 바라보는 시선과 실제 결과물을 책임지는 시선 사이에서 인식 차이가 생기는 것입니다

“활용해 보세요”와 “이렇게 활용하면 됩니다” 사이에 빈칸이 있습니다

 
서비스기업에서 AI 활용이 확산되지 않는 이유 중 하나는 활용에 대한 안내가 지나치게 넓기 때문입니다

“AI를 적극적으로 활용해 보세요”
“반복 업무에 적용해 보세요”
“고객 응대나 제안서 작성에 사용해 보세요”

 
방향은 틀리지 않습니다. 그러나 구성원 입장에서는 여전히 중요한 질문이 남습니다

고객 응대에 AI를 사용할 수 있다면 단순 이용 안내와 불만 대응을 같은 기준으로 다뤄도 되는지 판단해야 합니다. 제안서에 활용한다면 목차 구성까지만 가능한지, 본문 초안이나 고객사 맞춤 문구까지 만들어도 되는지 정해야 합니다. 회의록을 요약한다면 단순 내용 정리뿐 아니라 결정 사항과 담당자, 일정까지 AI 결과를 신뢰해도 되는지도 확인해야 합니다

구성원이 원하는 것은 모든 상황을 규정한 복잡한 매뉴얼이 아닙니다. 실제 업무에서 판단할 수 있는 작고 구체적인 기준입니다

단순 문의 답변은 AI로 초안을 만들 수 있지만 정책과 약속 표현은 담당자가 다시 확인한다. 불만 응대는 AI가 쟁점을 정리하는 데 활용하되 고객에게 전달할 문장은 사람이 최종 작성한다. 제안서의 구조는 AI로 잡을 수 있지만 가격과 일정, 제공 범위는 담당자가 검증한다

이 정도의 기준만 있어도 구성원은 훨씬 편하게 시도할 수 있습니다

반대로 기준이 없으면 “활용해 보라”는 말이 권한이 아니라 부담으로 받아들여질 수 있습니다. 잘된 결과는 개인의 역량으로 평가되지만, 문제가 생기면 그 책임도 개인에게 돌아올 수 있다고 느끼기 때문입니다

구성원은 AI를 거부하는 것이 아니라 인정받을 방식을 찾고 있습니다

AI 활용에 조심스러운 구성원을 변화에 저항하는 사람으로 해석하기 쉽습니다. 물론 새로운 도구 자체를 부담스러워하는 사람도 있을 수 있습니다

그러나 이 서비스기업의 구성원은 이미 AI를 사용하고 있습니다. 개인적으로 문장을 다듬고, 자료를 정리하며, 초안을 만드는 경험도 가지고 있습니다. 다만 그 결과물이 공식적인 업무 산출물로 인정될 수 있는지 확신하지 못합니다

AI로 만든 초안을 제출하면 성의가 부족해 보이지 않을지, 매끄럽게 정리된 문장이 오히려 회사의 표현 방식과 다르지는 않을지 걱정합니다. 관리자가 결과물을 보고 “우리 방식과 맞지 않는다”라고 하면 결국 처음부터 다시 작성해야 할 수도 있습니다

따라서 구성원에게 필요한 것은 더 적극적으로 사용하라는 독려만이 아닙니다

어떤 업무에서는 AI 활용이 인정되는지, 사람이 반드시 다시 확인해야 하는 지점은 무엇인지, 관리자가 기대하는 결과물은 어느 수준인지를 알고 싶어 합니다

이때 관리자의 역할도 달라져야 합니다. 관리자는 단순히 AI 활용을 권장하는 사람이 아니라, AI를 활용한 결과물이 어떤 기준으로 업무 안에서 통과되는지를 정하는 사람이 되어야 합니다

고객 응대 문구라면 표현이 친절한지만 볼 것이 아니라 회사 정책과 일치하는지, 과도한 약속은 없는지, 고객 감정을 충분히 고려했는지를 확인해야 합니다. 제안서라면 문장의 완성도보다 고객 요구와 실제 서비스 범위가 맞는지 검토해야 합니다. 회의록이라면 요약의 가독성보다 결정 사항과 담당자, 일정이 정확하게 남았는지를 봐야 합니다

이러한 검토 기준이 없으면 관리자는 매번 자신의 감각으로 판단하게 됩니다. 비슷한 결과물이 어떤 때는 통과되고, 다른 때는 다시 작성하라는 피드백을 받을 수 있습니다

구성원은 무엇이 다른지 알 수 없고, 결국 AI를 사용하기 전의 안전한 방식으로 돌아갑니다. AI 활용이 인정받는 경험보다 다시 해야 했던 경험이 더 많이 쌓이기 때문입니다

인식 차이를 확인하지 않으면 다음 교육의 방향도 흔들립니다

관리자와 구성원의 인식 차이가 큰 상태에서는 다음 교육의 수준을 정하기 어렵습니다

관리자는 조직이 이미 기본적인 활용 단계는 지났다고 생각하며 고급 기능이나 생산성 향상 과정을 기대할 수 있습니다. 반면 구성원은 업무 기준이 정리되지 않은 상태에서 새로운 기능을 배워도 실제로 활용하기 어렵다고 느낄 수 있습니다

이 상태에서 심화 교육을 운영하면 교육장의 반응은 나쁘지 않을 수 있습니다. 새로운 기능은 흥미롭고, 실습 결과도 빠르게 확인할 수 있기 때문입니다

하지만 현업으로 돌아오면 같은 문제가 남습니다. 어떤 고객 응대에 적용할지, 어떤 결과물을 관리자가 인정할지, 어디까지 사람이 수정해야 할지가 정리되지 않았기 때문입니다

그렇다고 기초 교육만 반복하는 것도 적절하지 않습니다. 이미 AI를 사용하고 있는 구성원에게는 익숙한 내용이 반복되고, 관리자는 조직의 활용 수준을 충분히 반영하지 못한 교육이라고 느낄 수 있습니다

교육의 난이도를 결정하기 전에 먼저 확인해야 할 것은 두 집단이 같은 업무 장면을 어떻게 보고 있는가입니다

관리자는 어떤 상태를 ‘AI를 잘 활용하고 있다’고 판단하는지, 구성원은 어떤 순간에 아직 불안정하다고 느끼는지 살펴봐야 합니다. 활용 횟수가 늘어난 것을 성과로 보는지, 검토와 재작업까지 포함해 안정적인 업무 방식이 만들어져야 성과라고 보는지도 확인할 필요가 있습니다

이 차이를 읽지 않고 교육을 설계하면 어느 한쪽의 기대만 반영될 가능성이 큽니다

다음 단계는 더 많이 쓰는 것이 아니라 같은 기준으로 보는 것입니다

이 서비스기업에 필요한 것은 AI를 더 적극적으로 사용하라는 선언이 아닙니다. 이미 활용은 시작됐습니다. 다만 관리자와 구성원이 서로 다른 기준으로 현재 상태를 판단하고 있습니다

이 간격을 줄이려면 실제 산출물 하나를 놓고 함께 기준을 정해야 합니다

고객 문의 답변 초안이나 내부 회의록, 제안서 목차처럼 자주 반복되면서도 고객 영향이 지나치게 크지 않은 업무부터 시작할 수 있습니다. 해당 업무에서 AI가 맡을 수 있는 부분과 사람이 반드시 확인해야 하는 부분을 나누고, 관리자가 어떤 수준의 결과물을 인정할 것인지 합의합니다

예를 들어 단순 고객 문의의 초안은 AI로 작성하되 정책 내용과 약속 표현은 사람이 확인할 수 있습니다. 회의록은 AI로 요약하되 결정 사항과 담당자, 일정은 참석자가 다시 검토하도록 정할 수 있습니다

일정 기간 적용한 뒤에는 작성 시간이 실제로 줄었는지, 수정이 반복되는 지점은 무엇인지, 구성원과 관리자가 결과물을 비슷한 기준으로 평가하고 있는지 확인해야 합니다

처음부터 모든 고객 접점 업무를 정리할 필요는 없습니다. 작은 업무 하나에서 공통 기준을 만들고, 그 기준이 작동하는지 확인한 뒤 다음 업무로 넓히는 편이 현실적입니다

이 조직의 다음 단계는 AI를 더 많이 사용하는 것이 아니라, AI를 활용한 결과물을 관리자와 구성원이 같은 기준으로 바라보게 만드는 일입니다

같은 기준이 만들어져야 활용이 팀의 방식이 됩니다

서비스기업에서는 평균적인 활용 수준보다 관리자와 구성원이 같은 결과물을 어떻게 다르게 해석하는지 확인하는 일이 중요합니다

AX Signal은 고객 접점 산출물이 회사 정책과 브랜드 표현에 맞는지, 결과물을 어떤 방식으로 검토하는지, 관리자의 피드백 기준이 구성원과 실제로 공유되고 있는지를 함께 살펴봅니다

그 기준이 생겨야 개인의 활용 경험이 팀에서 인정되는 업무 방식으로 넘어갈 수 있습니다