요즘 회사에서 생성형 AI를 안 쓰는 사람을 찾기가 더 어려울 정도죠. 보고서 초안도, 회의록 요약도, 메일 답장도 몇 초 만에 뚝딱 만들어지니까요. 그런데 이상하게도 AI 덕분에 일이 줄었다는 사람만큼, 동료가 AI로 만든 결과물 때문에 오히려 일이 늘었다는 사람도 많아요. 겉보기엔 그럴듯한데 막상 읽어 보면 알맹이가 없는 문서, 다시 확인하고 고치느라 시간을 더 쓰게 만드는 결과물 말이에요. 이런 현상을 가리키는 말이 바로 워크슬롭이에요. 오늘은 워크슬롭이 무엇인지, 왜 생기는지, 그리고 AI를 잘 쓰면서도 일 잘한다는 소리를 듣는 사람들의 업무 습관 세 가지를 정리해 볼게요.
🤖 워크슬롭이란 무엇일까
워크슬롭은 일을 뜻하는 워크와, 질 낮은 AI 생성물을 가리키는 슬롭을 합친 말이에요. 2025년 미국 스탠퍼드대 연구진과 코칭 기업 베터업 연구소가 하버드 비즈니스 리뷰에 소개하면서 널리 알려졌어요. 이들이 정의한 워크슬롭은 좋은 결과물처럼 보이지만 실제로 업무를 진전시킬 만한 내용은 없는 AI 생성 콘텐츠예요. 문장은 매끄럽고 형식도 갖췄는데, 핵심 판단이나 맥락, 구체적인 근거가 빠져 있는 거죠.
문제는 이 비용을 만든 사람이 아니라 받는 사람이 떠안는다는 점이에요. 연구진이 미국 직장인 1천여 명을 조사한 결과, 응답자의 약 40%가 최근 한 달 사이 이런 결과물을 받은 적이 있다고 답했어요. 받은 사람은 무엇이 빠졌는지 파악하고, 다시 묻고, 결국 직접 고치느라 건당 평균 두 시간 가까이를 쓴다고 했고요. 더 큰 문제는 신뢰예요. 워크슬롭을 보낸 동료를 덜 창의적이고 덜 믿음직하게 보게 됐다는 응답도 상당히 많았어요. 결국 AI로 아낀 몇 분이 팀 전체의 몇 시간, 그리고 내 평판으로 돌아오는 셈이에요.
이 개념이 주목받은 이유는 많은 직장인이 이미 겪고 있던 불편함에 이름을 붙여 줬기 때문이에요. 회의 자료가 길어졌는데 결론은 더 흐려졌다거나, 보고서 문장은 세련돼졌는데 정작 숫자가 맞지 않는다거나 하는 경험 말이에요. 이름이 생기니 팀 안에서도 이건 워크슬롭 같다고 솔직하게 이야기할 수 있게 된 거죠.
🔍 왜 AI를 쓰면 워크슬롭이 생길까
AI 자체가 나빠서 생기는 문제는 아니에요. 대부분은 쓰는 방식에서 생겨요. 가장 흔한 건 생각을 건너뛰는 거예요. 무엇을 결정해야 하는 문서인지, 읽는 사람이 무엇을 궁금해하는지 정리하지 않은 채 주제만 던지면, AI는 어디서나 통할 법한 무난한 문장을 길게 만들어 줘요. 양은 많은데 정작 그 회사, 그 프로젝트, 그 독자에게 필요한 내용은 없는 거죠.
두 번째는 검토를 생략하는 거예요. AI는 그럴듯한 숫자나 사실을 자신 있게 적어 넣기도 하는데, 이를 확인하지 않고 그대로 넘기면 받는 사람이 검증 부담을 떠안게 돼요. 세 번째는 맥락을 주지 않는 거예요. 이전 회의에서 무엇이 결정됐는지, 어떤 제약이 있는지 알려 주지 않으면 AI는 일반론만 반복해요. 마지막으로 조직 문화도 영향을 줘요. AI를 쓰라는 압박만 있고 어떻게 잘 쓸지에 대한 기준이 없으면, 많이 빨리 만드는 것 자체가 목표가 되기 쉽거든요. 워크슬롭은 결국 생각의 공백을 AI의 문장으로 덮을 때 생겨요.
흥미로운 건 AI를 자주 쓰는 사람일수록 이 함정에 빠지기 쉽다는 점이에요. 익숙해질수록 결과물을 꼼꼼히 들여다보지 않게 되고, 빠르게 만들어지는 만큼 빠르게 넘기게 되거든요. 반대로 AI를 처음 쓰는 사람은 결과물을 의심하며 하나하나 확인하느라 오히려 실수가 적은 경우도 있어요. 결국 도구에 대한 익숙함보다 결과물에 대한 책임감이 품질을 가른다고 볼 수 있어요.
✍️ 일잘러 습관 첫째, 목적과 독자를 먼저 쓴다
AI를 잘 쓰는 사람들은 프롬프트를 쓰기 전에 메모장부터 열어요. 이 문서를 받는 사람은 누구인지, 그 사람이 이 문서를 읽고 무엇을 결정하거나 실행해야 하는지, 꼭 들어가야 할 사실과 숫자는 무엇인지 몇 줄로 먼저 적는 거예요. 이 몇 줄이 있으면 AI에게 맡길 부분과 내가 직접 판단해야 할 부분이 자연스럽게 나뉘어요.
예를 들어 신제품 판매 부진 보고서를 쓴다면, 판매가 왜 부진했는지에 대한 내 가설과 근거 데이터, 다음 달에 시도할 대안은 내가 정해요. AI에게는 그 내용을 바탕으로 경영진이 읽기 좋은 구조로 정리하고, 빠진 논리가 없는지 점검해 달라고 부탁하는 식이죠. 같은 AI를 써도 결과물의 밀도가 완전히 달라져요. 생각은 내가, 정리는 AI가. 이 역할 분담이 워크슬롭을 피하는 첫 번째 열쇠예요.
이 습관은 시간이 더 드는 것처럼 보이지만 실제로는 반대예요. 목적이 분명하면 AI에게 여러 번 다시 시킬 일이 줄고, 받는 사람이 되묻는 일도 줄어요. 처음 5분을 생각하는 데 쓰면 뒤에서 30분을 아낄 수 있는 셈이죠.
🔎 일잘러 습관 둘째, 보내기 전에 받는 사람처럼 읽는다
두 번째 습관은 검토예요. 일 잘하는 사람들은 AI가 만든 초안을 그대로 보내지 않고, 받는 사람의 입장이 돼서 한 번 더 읽어요. 이때 스스로에게 던지는 질문은 단순해요. 이 문서만 읽고 상대가 바로 다음 행동을 할 수 있을까, 숫자와 고유명사, 날짜는 모두 사실인가, 빼도 의미가 바뀌지 않는 문장은 없나. 이 세 가지만 확인해도 결과물의 질이 눈에 띄게 올라가요.
특히 분량을 줄이는 습관이 중요해요. AI는 친절하게 길게 쓰는 경향이 있어서, 핵심만 남기고 덜어내는 작업은 사람이 해야 해요. 세 페이지짜리 초안을 한 페이지로 줄이는 과정에서 무엇이 정말 중요한지 다시 생각하게 되고, 그게 곧 내 판단이 담긴 결과물이 돼요. 그리고 AI가 쓴 부분이 많다면 그 사실을 숨기기보다 어떤 부분을 AI로 정리했고 무엇을 직접 확인했는지 짧게 밝혀 두는 것도 신뢰를 지키는 방법이에요. 워크슬롭은 숨길 때 더 큰 문제가 되거든요.
🤝 일잘러 습관 셋째, 맥락을 주고 함께 다듬는다
세 번째 습관은 AI를 한 번에 답을 주는 자판기가 아니라 대화 상대로 쓰는 거예요. 일 잘하는 사람들은 이전 회의록, 프로젝트 배경, 피해야 할 표현 같은 맥락을 충분히 주고, 초안이 나오면 이 부분은 근거가 약하다, 이 표현은 우리 고객에게 맞지 않는다처럼 구체적으로 피드백하며 여러 번 다듬어요. AI에게 반대 의견이나 예상 질문을 뽑아 달라고 해서 내 논리의 빈틈을 미리 메우기도 하고요. 팀 차원에서 지키면 좋은 기준도 정리해 볼게요.
- AI로 만든 결과물도 최종 책임은 보내는 사람에게 있다는 원칙을 공유하기
- 숫자, 인용, 고유명사는 반드시 원자료로 확인한 뒤 공유하기
- 초안 공유 시 목적과 요청 사항을 첫 줄에 분명히 적기
- AI 활용 범위를 숨기지 말고 필요한 만큼 투명하게 알리기
- 잘 쓴 사례와 아쉬운 사례를 팀 안에서 주기적으로 나누기
정리하면 AI를 잘 쓰는 사람이 곧 일 잘하는 사람은 아니에요. AI를 생각의 도구로 쓰는 사람과 생각을 대신 맡기는 사람의 차이가 결과물에서 그대로 드러나거든요. 목적과 독자를 먼저 정하고, 받는 사람처럼 검토하고, 맥락을 주며 함께 다듬는 것. 이 세 가지 습관만 지켜도 워크슬롭과는 거리가 먼, 믿고 맡길 수 있는 동료가 될 수 있어요. 오늘 보낼 메일 한 통부터 이 기준으로 다시 읽어 보면 어떨까요.