---
title: "AI 도입이 실패하는 이유 — 권한 없는 책임, 안 보이는 노동"
url: https://blog.tyrano.dev/ai-%EB%8F%84%EC%9E%85%EC%9D%B4-%EC%8B%A4%ED%8C%A8%ED%95%98%EB%8A%94-%EC%9D%B4%EC%9C%A0-%EA%B6%8C%ED%95%9C-%EC%97%86%EB%8A%94-%EC%B1%85%EC%9E%84-%EC%95%88-%EB%B3%B4%EC%9D%B4%EB%8A%94-%EB%85%B8%EB%8F%99
lang: ko
site: Tech AI News - 테카이
category: "AI 도입 사례"
tags: ["AI","AI 도입","변화관리","리더십","조직설계","숨은 노동","인적 요인"]
published: 2026-10-09T07:27:06.799Z
updated: 2026-10-09T07:27:06.799Z
sources:
  - https://sloanreview.mit.edu/article/the-human-side-of-ai-adoption-lessons-from-the-field/
  - https://www.prosci.com/blog/enterprise-ai-adoption-best-practices
  - https://www.glean.com/blog/work-ai-index-hidden-work
  - https://www.bcg.com/publications/2026/ai-at-work-why-strategy-matters-more-than-tools
  - https://store.hbr.org/product/research-why-you-shouldn-t-treat-ai-agents-like-employees/H096FN
  - https://www.uschamber.com/technology/artificial-intelligence/ai-is-here-frontline-workers-are-ready-is-business
---

# AI 도입이 실패하는 이유 — 권한 없는 책임, 안 보이는 노동

> 2026년 들어 나온 여러 조사는 결론이 비슷합니다. AI 도입이 멈추는 지점은 기술이 아니라 조직입니다. 특히 "책임은 맡겼는데 권한은 주지 않았다"와 "AI를 쓸 수 있게 만드는 노동은 아무도 인정하지 않는다"는 두 가지 실패 메커니즘이 반복해서 보입니다.

---

## 한눈에 보기

| 조사·보고서 | 표본 / 시기 | 초점 | 핵심 발견 |
|---|---|---|---|
| MIT Sloan Management Review 칼럼 | 현장 사례 분석 (2026.4 공개) | 현장의 심리적 장벽 | 두려움·추가 업무 인식·체감 가치 부족이 저항의 핵심 |
| Prosci *State of AI Adoption 2026* | 기업 AI 도입 담당자 조사 | 변화관리 성숙도 | 관리자 중 변화관리자 역할에 충분히 준비된 비율 35%, 인적 요인이 도입 과제의 56~64% 차지 |
| Glean Work AI Institute, *Work AI Index 2026* | 미·영·호 디지털 근로자 6,000명 (2025.12~2026.1 조사) | 보이지 않는 노동 | 주당 6.4시간을 '봇시팅'에 쓰고, 87%가 AI를 쓰지만 13%만 조직 성과 개선을 체감 |
| BCG *AI at Work 2026* | 14개국 11,749명 (2026.6 공개) | 전략·교육·리더십 | 전략 명확성이 성과를 25%p 끌어올리는 반면 도구 개선 효과는 5%p에 불과, 교육이 충분하다는 응답은 36% |
| HBR 게재 대규모 무작위 실험 | 기업 실험군 비교 | 책임 설계 | AI 에이전트를 '직원'처럼 프레이밍하면 개인의 책임감이 약해지고 불필요한 에스컬레이션이 늘어남 |

## 배경 — 왜 똑같은 실패가 반복되는가

생성형 AI 파일럿의 성과 측정은 이미 여러 번 비관적인 숫자를 내놓았습니다. MIT 미디어랩 NANDA 프로젝트의 조사를 보도한 [Fortune](https://fortune.com)(2025년 8월)에 따르면, 기업 생성형 AI 파일럿의 약 95%가 측정 가능한 매출·비용 성과를 내지 못했습니다. 가트너 전망을 보도한 로이터(2025년 6월)는 2027년 말까지 에이전틱 AI 프로젝트의 40% 이상이 취소될 것으로 내다봤습니다.

그런데 같은 시기 사용률은 오히려 치솟았습니다. [Glean](https://www.glean.com/blog/work-ai-index-hidden-work)의 *Work AI Index 2026*에 따르면 조사 대상 디지털 근로자의 87%가 업무에 AI를 쓰고 있지만, 조직 성과가 눈에 띄게 좋아졌다고 답한 비율은 13%에 그쳤습니다. 도입은 끝났는데 성과는 따라오지 않는 이 간극을 설명하는 것이 바로 인적 요인입니다.

## 실패 메커니즘 1 — 권한 없이 책임만 맡긴다

[US Chamber of Commerce](https://www.uschamber.com/technology/artificial-intelligence/ai-is-here-frontline-workers-are-ready-is-business)는 역할의 가치가 "누가 실행 권한을 갖는가, 누가 결과를 책임지는가, 누가 이익을 나누는가" 세 가지로 결정된다고 짚습니다. AI 도구만 쥐여주고 승인 체계와 책임 범위를 그대로 두면, 직원은 "더 많이 아는" 상태가 될 뿐 "더 많이 할 수 있는" 상태가 되지 않는다는 것입니다.

HBR에 소개된 대규모 무작위 실험은 이 문제를 수치로 보여줍니다. AI 에이전트에 직함과 조직 내 위치를 부여해 '직원'처럼 대하도록 설계하면 개인의 책임감이 오히려 약해지고, 불필요한 상급자 에스컬레이션이 늘고, 검토 품질이 떨어졌습니다. 반면 도입 의향 자체는 높아지지 않았습니다. 연구팀의 결론은 AI를 사람처럼 포지셔닝하는 것이 아니라, 워크플로와 역할·거버넌스를 다시 설계해 인간의 책임 소재를 분명히 하는 쪽이 맞는다는 것입니다.

[BCG](https://www.bcg.com/publications/2026/ai-at-work-why-strategy-matters-more-than-tools)의 2026년 조사(14개국 11,749명)에서도 비슷한 흐름이 보입니다. 조사 대상 기업의 절반 이상에서 리더십은 방향만 제시하고 결과에 대한 소유권은 개인·팀 단위로 넘어가 있었고, 리더의 약 3분의 2는 절차적 승인·검토 단계를 상당 부분 줄였다고 답했습니다. 권한 이전이 뒤따르지 않는 책임 이전은 번아웃과 책임 회피 중 하나로 귀결되기 쉽습니다.

## 실패 메커니즘 2 — 숨은 노동을 아무도 인정하지 않는다

Glean의 *Work AI Index 2026*은 '봇시팅(botsitting)'이라는 용어를 제안합니다. AI가 빠뜨린 맥락을 채워 넣고, 출력을 검증·수정하고, 오류를 디버깅하고, 서로 연결되지 않은 여러 AI 도구 사이를 오가는 작업입니다. 조사 대상자는 AI로 주당 약 11시간을 절약한다고 답했지만, 그 시간 중 6.4시간을 봇시팅에 다시 썼습니다. 응답자의 69%는 결과를 충분히 검증하지 않고 AI 산출물을 그대로 내보낸 적이 있다고도 답했는데, 이는 봇시팅을 생략한 결과로 해석됩니다.

BCG 조사에서도 정규 AI 사용자의 47%가 "일 자체보다 AI를 관리·지시하는 데 더 많은 시간을 쓴다"고 답했고, 41%는 인지 부하가 늘었다고 답했습니다. 이 작업은 공식 업무 기술서나 평가 지표 어디에도 없습니다. 조직 입장에서는 생산성이 늘어난 것처럼 보이지만, 실제로는 눈에 보이지 않는 노동이 그 차이를 메우고 있는 셈입니다.

> 분석: 두 메커니즘은 같은 뿌리에서 나옵니다. 조직이 AI 도입을 "도구를 나눠주는 일"로 취급하면, 권한 재설계와 노동 재인정이라는 두 가지 숙제를 둘 다 건너뛰게 됩니다. 결과를 책임지되 과정을 바꿀 권한이 없는 사람과, 성과를 떠받치되 평가받지 못하는 노동이 동시에 쌓이는 구조입니다.

## 다르게 하는 조직은 무엇을 바꾸는가

[Prosci](https://www.prosci.com/blog/enterprise-ai-adoption-best-practices)의 *State of AI Adoption 2026* 조사에 따르면 AI 도입 과제에서 기술이 아닌 인적 요인이 차지하는 비중이 56~64%에 달하지만, 관리자를 변화관리자 역할에 충분히 준비시킨다고 답한 조직은 35%뿐이었습니다. 교육 부족이 도입 과제의 38%를 차지한다는 결과도 같은 조사에서 나왔습니다.

BCG는 전략의 명확성이 도구 개선보다 훨씬 큰 차이를 만든다고 봅니다. 명확한 전략이 있는 조직은 성과가 25%포인트 높아졌지만, 도구만 개선한 경우는 5%포인트에 그쳤습니다. 다만 교육이 충분하다고 느끼는 응답자는 36%에 불과했고, 리더십의 AI 관련 커뮤니케이션이 명확하다고 느끼는 현장 응답자는 3분의 1 수준이었습니다. 말과 실행이 연결돼 있다고 느끼는 비율은 28%에 그쳤습니다.

MIT Sloan Management Review 칼럼([원문](https://sloanreview.mit.edu/article/the-human-side-of-ai-adoption-lessons-from-the-field/), 2026.4)은 건설·광업처럼 도입이 늦은 산업의 사례를 들어, 현장의 회의론을 저항이 아니라 합리적 반응으로 보라고 제안합니다. 새 지표를 만들기보다 수주율·고객 불만 감소처럼 이미 쓰는 지표로 성과를 보여주고, 전혀 새로운 시스템 대신 이미 쓰는 업무 도구에 AI를 얹는 쪽이 받아들여지기 쉬웠다는 것입니다.

## 핵심 성공 요인

1. **결정권의 재배치** — 책임을 넘길 때는 그 결과에 영향을 미칠 수 있는 승인·수정 권한도 함께 넘깁니다. 권한 없는 책임은 실행 의지를 떨어뜨립니다.
2. **숨은 노동의 공식화** — 검증·수정·맥락 보완 같은 작업을 업무 기술서와 평가 지표에 반영합니다. 인정받지 못하는 노동은 지속되지 않습니다.
3. **전략과 실행의 연결** — 리더가 전략을 말하는 것과 현장이 그 말을 실행으로 느끼는 것 사이의 간극을 관리자 단위에서 좁힙니다.

## 한계 & 과제

위 조사들은 표본 구성(국가·업종·직급)과 '인적 요인'·'숨은 노동'의 정의가 조사마다 다릅니다. 상관관계를 보여줄 뿐 특정 조치가 성과를 끌어올린다는 인과관계까지 입증한 것은 아니므로, 수치는 방향성으로 참고하는 편이 안전합니다.

## 우리 조직에 적용한다면

대기업은 관리자 계층의 변화관리 역량(승인 권한 재설계, 평가 지표 반영)에, 중소기업은 적은 인원으로 숨은 노동이 특정 소수에게 몰리지 않도록 업무 분배를 점검하는 데 우선순위를 둘 만합니다. 스타트업은 애초에 승인 단계가 적어 권한 문제는 덜하지만, 역할이 모호해 숨은 노동이 "그냥 누군가의 일"로 묻히기 쉬운 구조를 경계할 필요가 있습니다.

## 코멘트