AI 주도의 인력 감축 이후 다시 채용을 진행하는 현상은, 업무를 자동화하는 것이 지식, 맥락, 그리고 책임감을 대체하는 것과는 다르다는 점을 보여줍니다.

불과 몇 달 전 인공지능 (AI)으로 인한 인력 감축을 자랑스럽게 발표했던 기업들 내부에서 조용한 움직임이 일어나고 있습니다. 그들은 사람들을 다시 채용하고 있습니다. 바로 삭제했던 것과 동일한 직무를 위해서 말입니다.

Fast Company는 이 현상에 "AI 부메랑 (AI boomerang)"이라는 이름을 붙였습니다. 해당 기사에서 인용한 Robert Half의 설문 조사에 따르면, 관리자의 32%가 AI 또는 자동화를 통한 생산성 향상을 기대하며 직무를 없앴으나, 나중에 동일한 직책으로 다시 채용했다고 답했습니다. Gartner 또한 더욱 놀라운 예측과 함께 같은 방향을 가리켰습니다. 2027년까지 인력 감축의 원인을 AI로 돌렸던 기업의 절반은, 비록 직함이 다르더라도 유사한 역할을 수행할 인력을 다시 채용해야 할 것이라는 예측입니다.

가장 쉬운 해석은 인공지능이 약속했던 것을 제공하는 데 실패했다는 것입니다. 하지만 그러한 해석은 이 현상의 규모를 설명하기에는 너무 피상적입니다. 대부분의 경우 실패하고 있는 것처럼 보이는 것은 기술이 아닙니다. 그것은 감축을 결정하기 전에 내려졌던 진단입니다.

현대화가 그저 더 보기 좋은 이름일 뿐일 때

이 수치들 뒤에는 불편한 가설이 숨어 있으며, 다른 어떤 분석을 하기 전에 이를 테이블 위에 올려놓을 가치가 있습니다. 즉, 어떤 경우에는 AI가 감축의 실제 원인이 아니라, 이를 정당화하기 위해 사용된 가장 편리한 설명이었을 수도 있다는 점입니다.

기업이 "AI를 통해 효율성을 얻고 있기 때문에 인력을 줄였다"라고 말하는 것과, "인력 수요를 잘못 계산했다", "마진 압박을 받고 있다" 또는 "시장을 따르고 있다"라고 말하는 것 사이에는 엄청난 차이가 있습니다. 첫 번째 진술은 현대화와 미래 지향적인 비전을 전달합니다. 나머지 진술들은 조정, 압박, 또는 계획의 실패를 전달하며, 어떤 기업도 이러한 버전들을 공개적으로 지지하고 싶어 하지 않습니다.

이것이 인공지능 (AI) 때문이라고 주장되는 모든 인력 감축이 순전히 보여주기식 쇼라는 의미는 아닙니다. 어떤 업무들은 진정으로 자동화가 가능하며, 일부 역할은 실제로 변화할 것이고, 일부 운영은 실제로 더 효율적으로 변할 수 있습니다. 하지만 이러한 감축의 일부에서 AI가 다른 이유로 이미 내려진 결정들을 위한 서사적 방어막 (narrative cover) 역할을 했다고 의심하는 것은 합리적입니다. 문제는 잘 꾸며진 명분이 잘못 계산된 감축으로 인한 대가를 치러주지는 않는다는 점입니다. 어쩌면 "AI 부메랑 (AI boomerang)"은 기술에 대한 과도한 확신의 증상일 뿐만 아니라, 기업 담론 (corporate discourse)의 과도한 편의주의가 나타내는 증상일지도 모릅니다.

업무 (Task)가 갖지 못한 역할 (Role)의 가치

많은 기업이 전체 역할 (role)을 마치 실행 가능한 활동들의 목록인 것처럼 취급했습니다. 보고서 작성, 메시지 응답, 요청 분류, 고객 지원, 데이터 분석, 코드 생성: 서둘러 내린 결론은 언제나 "AI가 그것을 할 수 있다"였습니다. 그리고 부분적으로는, 실제로 가능합니다.

이러한 결론이 간과하는 점은 기업 내에서의 역할이 명시적인 업무 (task)에만 국한되는 경우가 거의 없다는 사실입니다. 역할에는 수년간 축적된 맥락 (context), 예외 상황에 대한 미묘한 이해, 문서화되지 않은 암묵지 (tacit knowledge), 타 부서와 구축한 관계, 리스크 인식, 그리고 최종 결과에 대한 책임 (accountability)이 포함됩니다. 인공지능 (AI)은 업무의 가시적인 부분을 자동화할 수 있습니다. 하지만 실제 운영 체계 내에서 그 업무가 기능하게 만드는 보이지 않는 계층들을 항상 대체할 수 있는 것은 아닙니다. 바로 그 지점에서 계산 수치가 맞지 않게 됩니다.

그렇기 때문에 많은 기업이 인력을 감축하기 전에 던졌던 질문인 "이것을 자동화할 수 있는가?"는 불완전했습니다. 그들은 또한 정확히 무엇이 자동화되고 있는지, 결정의 어느 부분이 맥락 (context)에 의존하는지, 결과가 올바르게 보이지만 실제로는 틀렸을 때 누가 이를 알아챌 것인지, 그리고 그 사람이 떠날 때 어떤 지식이 손실될 것인지를 반드시 물어야 했습니다. 모든 생산성 향상이 조직적 이득으로 이어지는 것은 아닙니다. 자동화는 한 단계에서의 노력을 줄이는 동시에, 다른 단계에서의 재작업 (rework), 의존성 (dependency), 또는 리스크 (risk)를 동시에 증가시킬 수 있습니다. 이것은 AI에 반대하는 논거가 아닙니다. 그것은 AI의 단순한 채택 (simplistic adoption)에 반대하는 논거입니다.

실행만을 담당하는 이들에게 닥칠 안정성의 종말

그렇다고 해서 전문가들에게 아무것도 변하지 않을 것이라고 주장하는 것은 순진한 생각일 것입니다. 변화는 일어날 것이며, 상당히 크게 일어날 것입니다. 주로 반복 (repetition), 제한적인 해석 (interpretation), 그리고 결정에 대한 책임이 거의 없는 직무들은 가치를 빠르게 잃는 경향이 있습니다. 인공지능 (Artificial intelligence)이 노동 시장을 변화시키기 위해 직업 전체를 대체할 필요는 없습니다. 팀 규모, 기대치, 그리고 해당 역할의 인지된 가치가 다른 수준으로 이동할 만큼 루틴 (routine)의 의미 있는 부분을 자동화하기만 하면 됩니다.

따라서 불편한 질문은 "AI가 내 일자리를 뺏을 것인가?"가 아닙니다. 거울을 보며 답하기 더 어려운 또 다른 질문입니다. "내가 내놓는 결과물의 얼마만큼이 판단 (judgment), 맥락 (context), 그리고 명확한 답이 없는 문제를 해결하는 능력에 의존하는가?" 만약 그 답이 매우 적다면, 리스크는 실재하며 시장이 청구서를 내밀기 전에 적응이 이루어져야 합니다.

이미 생각하는 법을 아는 이들의 레버리지

반면에, 맥락을 이해하고, 빠르게 학습하며, 좋은 결정을 내리고, 자신의 역량을 확장하기 위해 기술을 어떻게 사용해야 하는지 아는 전문가들은 AI를 단지 위협으로만 보아서는 안 됩니다. 그들은 AI를 레버리지 (leverage)로 보아야 합니다.

인공지능 (Artificial intelligence)은 이미 좋은 질문을 던지는 법, 답변을 검증하는 법, 대안을 비교하는 법, 그리고 정보를 행동으로 전환하는 법을 알고 있는 사람들의 역량을 확장합니다. AI는 운영 업무 (operational tasks)에 소비되는 시간을 줄여주며, 분석, 창작, 그리고 실행을 위한 더 많은 여유를 만들어 줍니다. 하지만 이는 누군가가 건전한 판단력 (sound judgment)으로 기술을 가이드할 수 있을 때에만 일어나는 일입니다. AI는 답변을 생성할 수 있지만, 그것이 말이 되는지 판단할 사람은 필요합니다. AI는 프로토타입 (prototype)을 제작할 수 있지만, 그것이 실제 문제를 해결하는지 평가할 사람은 필요합니다. AI는 경로를 제안할 수 있지만, 어떤 경로가 위험을 감수할 가치가 있는지 결정할 사람은 필요합니다. 전문가의 경쟁 우위는 단순히 인간이라는 사실에 있지 않을 것입니다. 그것은 자동화가 여전히 제대로 포착하지 못하는 것들, 즉 판단력 (judgment), 맥락 (context), 책임 (accountability), 커뮤니케이션 (communication), 그리고 시스템 사고 (systems thinking)를 정교하게 발전시키는 데 있을 것입니다.

아이디어를 생성하는 것은 쉽다. 혁신은 여전히 희귀하다

최근 몇 년간 기업 담론에서 서로 뒤섞여 버린 두 가지 개념, 즉 새로움을 생성하는 것 (generating novelty)과 혁신하는 것 (innovating)을 구분할 가치가 있습니다. 인공지능은 이미 놀라운 속도로 조합, 가설, 텍스트, 프로토타입, 그리고 분석을 만들어내고 있습니다. 하지만 혁신이 결코 새로움과 동의어였던 적은 없습니다. 혁신이란 채택 (adoption)을 달성하고, 관련 문제를 해결하며, 실제 맥락 내에서 가치를 창출하는 변화를 의미하며, 이 중 그 어느 것도 단순히 대안을 생성하는 것만으로는 달성되지 않습니다.

혁신은 어떤 문제가 주목받을 가치가 있는지 선택하고, 정치적·기술적·재무적 제약 조건을 이해하며, 사람들을 설득하고, 저항에 대처하며, 틀릴 위험을 수용하는 것을 요구합니다. AI는 이 과정의 중요한 부분에 참여합니다. 즉, 연구를 가속화하고, 정보를 정리하며, 패턴을 드러내고, 가설 검증 비용을 줄여줍니다. 하지만 가능성을 실제로 채택되는 가치로 전환하는 데에는 여전히 의도 (intention), 맥락 (context), 판단력 (judgment), 그리고 문제에 대한 깊은 이해가 필요합니다. 그것은 여전히 지극히 인간적인 영역의 작업으로 남아 있습니다.

급격한 인력 감축이 발생할 때 무엇을 잃게 되는가

인공지능 (AI)의 성숙한 도입은 "얼마나 많은 인원을 감축할 수 있는가?"라는 질문에서 시작되어서는 안 됩니다. 그 질문이 프로세스의 어느 시점에서 발생할 수는 있겠지만, 결코 시작점이 되어서는 안 됩니다. 진정으로 중요한 질문은 운영 지능 (operational intelligence)을 잃지 않으면서 생산성을 확보하기 위해 운영 방식을 어떻게 재설계할 것인가입니다.

모든 기업은 한 번도 완전히 문서화되지 않은 지식의 층을 보유하고 있습니다. 그 지식은 특정 고객이 왜 특정한 접근 방식에 부정적으로 반응하는지 아는 사람, 프로세스 내의 암묵적인 예외 사항을 이해하는 사람, 기술적으로는 정확한 수치가 실제로는 아무런 의미가 없음을 인지하는 사람, 그리고 이전 시도들의 역사와 상흔을 간직한 사람들에게 살아 숨 쉬고 있습니다. 기업이 이들이 진정으로 무엇을 유지하고 있는지 이해하기도 전에 이들을 감축한다면, 단기적으로는 비용을 줄일 수 있을지 모릅니다. 하지만 이는 거의 항상 재작업 (rework), 품질 저하, 그리고 의사결정 능력 약화라는 형태로 몇 달 후에나 가시화되는 숨겨진 비용을 창출합니다.

"AI 부메랑 (AI boomerang)"은 인공지능이 작동하지 않는다는 것을 보여주는 것이 아닙니다. 프로세스, 거버넌스 (governance), 그리고 책임 소재를 재설계하지 않은 채 사람을 대체하는 것은 비용이 많이 드는 경향이 있으며, 때로는 그 감축이 기술에 관한 것이 아니라 전략으로 위장된 성급함에 관한 것이었음을 보여줍니다.

승리하는 기업은 가장 빠르게 감축하는 기업이 아니다

AI와 업무에 관한 논의는 어느 한 방향으로든 낭만적으로 흘러가서는 안 됩니다. 일부 역할은 진정으로 변화할 것입니다. 일부 작업은 사라질 것입니다. 일부 팀은 규모가 작아질 것이며, 일부 직업은 진정으로 스스로를 재배치해야 할 것입니다. 하지만 가장 효율적인 기업이 항상 기술로 사람을 가장 빠르게 대체하는 기업일 것이라는 단순한 서사를 우리는 받아들여서는 안 됩니다.

이 경쟁에서 승리할 가능성이 가장 높은 기업은 과업 (tasks)과 역할 (roles), 자동화 (automation)와 의사결정 (decision making), 그리고 생산성 (productivity)과 가치 (value)를 구분할 수 있으며, 무엇을 자동화해야 하는지, 어떤 결정에 여전히 인간의 감독 (human oversight)이 필요한지, 그리고 그 과정에서 어떤 핵심 지식 (critical knowledge)이 유실되어서는 안 되는지에 대해 명확하게 답할 수 있는 기업입니다. 이는 대규모 인력 감축을 발표하는 것보다 훨씬 덜 주목을 끄는 논의일 수 있습니다. 하지만 중기적으로 성과를 지속하는 것에 관심이 있는 누구에게나 아마 훨씬 더 관련성이 높은 논의일 것입니다.

결국, 인공지능 (AI)은 가위와 같은 도구로 취급되어서는 안 됩니다. 그것은 운영 재설계 (operational redesign)를 위한 기술로 취급되어야 하며, 운영을 재설계하는 데에는 항상 도구 그 이상의 것이 필요합니다. 즉, 프로세스 (processes), 거버넌스 (governance), 데이터 (data), 리더십 (leadership), 그리고 무엇이 진정으로 걸려 있는지 이해할 수 있는 역량을 가진 사람들이 필요합니다. 앞서 나가는 기업은 반드시 가장 빠르게 인력을 감축하는 기업이 아닐 것입니다. 그들은 자신의 운영을 지탱하는 지식을 파괴하지 않으면서 기술, 프로세스, 그리고 인간의 재능을 결합하는 방법을 아는 기업이 될 것입니다. 그리고 가장 큰 기회를 얻게 될 전문가들은 AI를 무시하는 사람들도, 반복적인 과업에서 AI와 경쟁하려는 사람들도 아닐 것입니다. 그들은 AI를 사용하여 사고하고, 결정하고, 창조하고, 결과물을 전달하는 능력을 확장하는 법을 배우는 사람들이 될 것입니다.

References

Fast Company. “The ‘AI boomerang’: Why some companies are rehiring employees they laid off due to AI.” Published on June 5, 2026.

Gartner. “Gartner Predicts Half of Companies That Cut Customer Service Staff Due to AI Will Rehire by 2027.” Published on February 2, 2026.