🥕AI 도입 이후, 성과관리는 왜 더 어려워졌을까

AI 도입 이후, 성과관리는 왜 더 어려워졌을까

- 결과가 아니라 피드백을 다시 생각해야 하는 이유

요즘 조직에서 비슷한 이야기를 자주 듣습니다. AI를 도입하고 나서 일은 분명히 빨라져서 편리하다는 이야기가 대부분입니다. 결과물도 예전보다 훨씬 깔끔해졌고요. 그런데 막상 성과 이야기를 꺼내면 조금 다른 반응이 나옵니다. “다들 잘하고는 있는데… 여기서 어떻게 더 좋아지게 해야 할지 모르겠습니다.” 이 말이 처음에는 조금 낯설었습니다. 성과가 안 나온다는 이야기가 아니라 성과를 더 끌어올리는 기준이 흐려졌다는 뜻이었기 때문입니다.

결과물은 좋아졌는데, 판단은 더 어려워진 AI 시대

많은 조직에서 AI를 쓰기 시작하면서 업무 결과물의 기본 수준은 확실히 올라갔습니다. 자료 정리도 빠르고, 보고서 구조도 안정적이고, 문장도 크게 손볼 곳이 없습니다. 그래서인지 요즘은 비슷한 수준의 결과물이 여러 개 나오는 경우가 많습니다. 문제는 그다음입니다. 예전에는 부족한 부분이 보였기 때문에 무엇을 보완해야 할지가 비교적 분명했습니다. 그런데 지금은 다른 양상입니다. 대부분이 괜찮은 수준이기 때문에 그 안에서 무엇이 더 나은지, 어디를 더 끌어올려야 하는지 콕 집어서 말하기가 쉽지 않습니다.

현장에서 자주 보게 되는 장면

많은 조직에서 AI를 활용하면서, 하나의 과제를 두고 여러 방향의 안을 검토할 수 있게 되었습니다. 검토를 하려고 보면, 각각의 안에 대한 자료도 충분하고, 논리도 크게 어색하지 않습니다. 각 안마다 나름의 근거도 갖추고 있습니다. 그래서 처음에는 “어느 쪽으로 가도 크게 문제는 없겠다”라는 반응이 나옵니다. 그런데 막상 하나를 선택하려고 하면 대화가 길어지기 시작합니다. 이 방향이 더 나은 이유가 무엇인지, 왜 이 선택을 해야 하는지, 이 결과가 실제로 무엇을 바꿀 수 있는지에 대한 이야기가 쉽게 정리되지 않기 때문입니다. 그래서, 여러 과정을 거쳐 결국 선택은 이루어지지만, 그 선택의 이유가 분명하게 설명되지 않는 경우가 많습니다. 여기에서 문제는 결과물이 아니라, 그 결과를 판단하는 기준이 충분히 드러나지 않는다는 점입니다. 그리고 이 지점에서 기존의 피드백 방식이 한계를 드러내기 시작합니다.

기존 방식이 잘 통하지 않는 이유

이쯤에서 자연스럽게 질문이 생깁니다. 왜 예전처럼 피드백해도 성과가 더 좋아지는 느낌이 들지 않을까요? 단순히 AI 때문이라고 보기는 어렵습니다. 조금 더 들여다보면, 일이 만들어지는 방식 자체가 달라진 영향이 큽니다. 지금까지 우리는 주로 결과물을 보고 피드백해 왔습니다.

“이 부분을 보완해 주세요”, “여기는 조금 더 정리해 보면 좋겠습니다” 이 방식은 나쁘지 않습니다. 실제로 결과를 일정 수준까지 끌어올리는 데는 효과가 있으니까요. 하지만 그 이상으로는 차이를 만들어 내기가 쉽지 않습니다. 결국 이 피드백은 더 잘하게 만드는 것이라기보다 덜 부족하게 만드는 데 가까운 방식이기 때문입니다. 그리고 지금은 이 영역을 AI가 꽤 많이 메워주고 있습니다. 그래서 어떤 문제를 보고 있는지, 그 문제를 어떻게 정의했는지, 여러 선택지 중 무엇을 선택했는지, 이 과정에서 성과의 수준이 거의 결정됩니다. 그런데 우리는 여전히 결과를 보고 피드백을 합니다. 실제 AI를 통해 결과물을 만드는 과정은 앞에서 만들어지는데 피드백은 그 결과가 모두 도출된 이후, 즉 뒤에서 이루어지고 있다는 것이지요. 피드백 시점도 생각해 볼 필요가 있습니다. 결과물이 나온 이후에 아무리 꼼꼼하게 리뷰해도, 이미 방향이 잡힌 상태에서는 성과 자체를 바꾸기는 쉽지 않습니다. 그래서 요즘은 “잘 고쳤다”라는 피드백은 가능하지만 “더 나아졌다”라는 느낌은 덜해집니다. 그렇다면 AI 시대에 피드백을 하는 방식과 타이밍은 어떻게 변화해야 할까요? 

문제를 어떻게 보고 있는가?

같은 일을 맡아도 누군가는 요청받은 일을 그대로 수행하고, 누군가는 그 일을 다시 정의합니다. 이 차이가 생각보다 큽니다. 그래서 이 단계에서는 답을 주기보다 질문을 던지는 것이 도움이 됩니다. 지금 이 일을 왜 하고 있는지, 우리가 풀고 있는 문제가 무엇인지, 이 문제 정의가 지금 상황에 맞는지 이 정도만 짚어줘도 업무의 방향이 달라지기 시작합니다. 생각보다 우리는 주어진 문제에 익숙했을 뿐, 문제가 가진 본질에 대한 깊은 고민 없이 일단 답을 찾는 일에 뛰어드는 경우가 많습니다. 궁극적으로 해결하고자 하는 문제와 그 문제의 방향성을 잘 찾아갈 수 있도록 피드백한다면, 문제의 방향성을 찾아서 해결안을 도출하는 데 도움이 될 수 있습니다.

리더가 문제 정의를 위해 피드백할 때 고려해야 하는 질문들

✅ 지금 이 일을 왜 하고 있는 건가요?
✅ 우리가 풀고 있는 문제가 정확히 무엇인가요?
✅ 이 문제는 누구에게 영향을 주고 있나요?
✅ 지금 정의한 문제가 실제 상황을 잘 반영하고 있나요?
✅ 혹시 다른 방식으로 볼 수는 없을까요?

무엇을 해답으로 선택하고 있는가?

정의된 문제에 따라, AI를 활용하면 선택지는 충분히 나옵니다. 그래서 중요한 건 문제를 푸는 방법을 얼마나 많이 만들었느냐가 아니라 여러 선택지 중에 왜 이 선택지를 채택했느냐입니다. 다른 선택지는 왜 제외했는지, 이 방향이 지금 상황에서 맞는 이유는 무엇인지, 이 질문이 들어가기 시작하면 업무가 조금 달라집니다. 단순히 정리된 결과가 아니라 설명 가능한 판단이 되고, 무엇을 선택하는 것이 최선인지에 대한 기준점을 마련할 수 있기 때문입니다.

리더가 ‘해답’을 선택하는 것에 대해 피드백할 때 고려해야 하는 질문들

✅ 여러 방향 중에서 왜 이걸 선택했나요?
✅ 고민했던 다른 옵션은 무엇이었나요?
✅ 그건 왜 제외했나요?
✅ 이 선택이 지금 상황에서 맞다고 판단한 이유는 무엇인가요?
✅ 이 방향이 틀렸다면, 어떤 신호가 먼저 나타날까요?

무엇을 바꾸고, 무엇이 달라지는가?

요즘은 보고서가 잘 만들어지는 것보다 그 결과로 무엇이 달라지는지가 더 중요해졌습니다. 대부분 우리는 반복적으로 문제를 해결하기 위해 노력하는 경우가 많기 때문에, 실질적인 변화를 통해 좋은 결과를 얻어내는 본질적인 변화에 좀 더 집중하게 됩니다. 그래서, 이걸 보고 누가 움직여야 하는지, 어떤 행동이 바뀌게 되는지, 실행까지 이어질 수 있는지에 대한 질문을 통해 무엇이 바뀌기를 기대하고, 실제로 무엇이 달라질 것인지에 대한 구체적인 질문이 필요합니다. 이론이 아닌 현실 세계의 실행 가능한 변화를 만들어내는 수준으로 구체화된 고민과 내용이 포함되었는지에 대한 피드백이 이루어져야 한다는 것이지요. 이에 대한 피드백이 빠지면 결과는 남는데 성과는 남지 않습니다.

결과물을 통해 무엇을 바꾸고/무엇이 달라지는지 피드백할 때 고려해야 하는 질문들이 결과로 무엇이 달라지나요?

✅ 누가 어떤 행동을 바꾸게 되나요?
✅ 실제 의사결정에 어떻게 영향을 줄 수 있나요?
✅ 실행하려면 무엇이 더 필요할까요?
✅ 기대한 변화가 나오지 않는다면, 어디를 먼저 의심해 봐야 할까요?

AI는 일을 빠르게 해주고, 결과물의 완성도를 일정 수준까지 끌어올려 주고 있습니다. 하지만 성과까지 대신 만들어주지는 않습니다. 그래서 지금 필요한 것은 AI에게 무엇을 더 시킬 것인가 보다 우리가 문제를 어떻게 정의하고 어떤 질문을 던지고 있는가에 더 가까운 것 같습니다. 성과는 여전히 사람의 영역에 있습니다. 다만 그 성과가 만들어지는 지점이 결과보다 결과를 만들기 위한 과정, 즉 조금 더 앞쪽으로 이동했을 뿐입니다.

AI 시대의 성과는 결과를 고치는 데서가 아니라 생각이 만들어지는 과정에서 갈립니다.