2025년 workslop 설문에 참여한 한 프로젝트 매니저는 상사에게서 받은 결과물이 그녀의 표현대로 "품질이 형편없었다"고 했습니다. "엄청난 시간 낭비이자 불편"이었지만, 상사가 보낸 것이라 "품질이 나쁘다고 말하고 다시 해달라고 요청하기가 불편했다"고 적었습니다. 결국 그녀가 직접 작업을 마무리했고, 그 대가로 다른 프로젝트들이 밀렸습니다(BetterUp Labs).
이 일화 하나에 문제의 핵심이 다 담겨 있습니다. 초안을 누가 만들었든 비용은 그녀가 치렀습니다. 자신의 프로젝트로 치렀고, 말을 꺼내도 안전한지 고민하는 부담으로도 치렀습니다. 이 가이드에서는 연구에서 드러난 내용, 아무도 탓하지 않고 문제를 제기하는 방법, 재발을 막는 팀 습관을 다룹니다.
설문이 집계한 내용
이 용어는 BetterUp Labs와 Stanford Social Media Lab의 연구진이 만들었으며, workslop을 "좋은 결과물인 척하지만 과업을 의미 있게 진전시킬 실질이 부족한, AI가 생성한 업무 콘텐츠"로 정의했습니다(Fortune). 연구 내용은 2025년 Harvard Business Review에 실렸고, 사람들이 왜 workslop을 만들어내는지를 다룬 후속 기사도 함께 나왔습니다. 설문 대상은 미국 내 풀타임 사무직 근로자 1,150명이었습니다.
응답자의 약 40%가 지난 한 달 사이 동료에게서 workslop을 받은 적이 있다고 답했습니다. 응답자들은 업무 중 받는 콘텐츠의 약 15%가 여기에 해당한다고 추정했습니다. 건당 처리에 약 1시간 56분이 걸렸고(BetterUp 자체 페이지에는 2시간으로 반올림되어 있습니다), 연구진은 이를 근로자 1인당 월 $186, 직원 1만 명 규모 기업 기준 연 약 $900만으로 환산했습니다(CNBC).
이 수치를 예산 회의에서 인용하기 전에 주의할 점이 두 가지 있습니다. 하나의 설문에서 나온 자기보고식 경험이라는 점, 그리고 금액은 응답자가 밝힌 연봉을 바탕으로 계산했다는 점입니다(Entrepreneur). 방향은 믿을 만하지만 소수점 단위의 정확도는 느슨하다고 봅니다. 문제를 해결한 팀의 전후 비교 연구는 아직 발표된 적이 없고, 저희는 그런 연구를 보고 싶습니다.
회의적인 매니저에게 가장 먼저 보여줄 숫자는 사회적 비용입니다. CNBC 보도에 따르면 수신자의 약 절반은 이후 발신자를 덜 창의적이고, 덜 유능하고, 덜 믿을 만한 사람으로 보게 됐다고 답했고, 약 3명 중 1명은 동료나 상사에게 이를 알렸습니다. BetterUp Labs의 Kate Niederhoffer는 자신이 받았을 때의 반응을 이렇게 설명했습니다. "스스로 일을 끝내지 못하나? 신뢰가 안 간다. 다시는 같이 일하고 싶지 않다."
추측하지 않고 알아보기
Stanford Social Media Lab을 설립한 Jeff Hancock은 CNBC에 AI가 사람이 만들어낼 수 있는 군더더기의 양을 제한하던 수고를 없애버렸다고 말했습니다. "쓸모없거나 생산적이지 않은 콘텐츠를 아주 쉽게 대량으로 만들 수 있습니다." 그가 꼽은 신호는 "화려한 미사여구(purple prose)"입니다. 글머리 기호 하나면 될 내용을 세 문단으로 늘려 쓰는 식입니다. CNBC가 든 사례는 엉터리 코드, 정보가 빠진 슬라이드, 표현이 어색한 이메일입니다.
이 목록에서 눈여겨볼 점이 있습니다. 어느 것도 모델이 썼다는 사실을 입증할 필요가 없습니다. 지어낸 수치가 담긴 보고서는 사람이 지어냈든 챗봇이 지어냈든 문제이고, 회의에서 짚을 수 있는 것도 바로 그 부분입니다. 직장 내 대화에서는 AI 탐지기 점수를 근거로 삼지 않기를 권합니다. 탐지기의 퍼센트는 누가 썼는지를 짐작할 뿐이지만, 빠진 출처, 틀린 숫자, 없는 결정은 누구나 확인할 수 있기 때문입니다(탐지기가 무엇을 측정한다고 주장하는지는 AI 콘텐츠 탐지기 보드와 정리 글을 참고하세요).
동료에게 단계별로 말 꺼내기
CNBC Make It에서 바로 이 주제로 다룬 플레이북이 있는데, 경영 코치이자 Managing Up의 저자인 Melody Wilding이 쓴 것입니다. 저희도 거의 그대로 따를 만한 그녀의 조언은 네 가지로 요약됩니다(CNBC).
- 공동의 목표로 시작하세요. Wilding이 제시한 예시 문장은 이렇습니다. "우리 둘 다 임원진이 이 결과물에 만족하길 바라잖아요." 또는 "우리 두 사람 이름이 다 들어가는 만큼, 고객사의 검토에도 버틸 수 있어야 한다는 데 동의하시리라 생각해요."
- 뭉뚱그린 평가는 접어두고 구체적인 문제를 짚으세요. 논의한 내용과 데이터가 맞지 않는 두 개 섹션, 중간에 바뀌는 서식, 출처 없는 수치 같은 것들입니다.
- 그 때문에 치른 비용을 말하세요. Wilding의 예시는 이렇습니다. "이걸 다시 작업하는 데 시간을 썼고, 그 바람에 제 상사의 프로젝트를 미뤄야 했어요." 구체적으로 말할 수 있는 비용은 반박하기 어렵습니다.
- 다음번에 바라는 변화를 한 가지만 요청하세요. 초안이 넘어오기 전에 AI 초안을 간단히 검토해 달라거나, AI를 썼다면 미리 알려달라는 식입니다. Wilding의 문장은 "AI를 썼는지 알려주시면 도움이 될 것 같아요"입니다.
Wilding은 "이거 전부 AI가 만든 것 같은데요" 같은 뭉뚱그린 말, 특히 증명할 수 없을 때 하는 말을 경계하라고 합니다. 상대를 방어적으로 만들고, 무엇을 바꿔야 하는지에서 초점이 벗어나기 때문입니다. AI를 언급해야 한다면 단정을 피하고 자신도 쓴다는 점을 밝히라고 제안합니다. "제가 틀렸을 수도 있지만, 일부는 AI가 관여한 것처럼 읽혀요. 저도 쓰니까 그게 문제는 아니고요." 그래도 저희는 결함을 먼저 말하고, AI는 꼭 필요할 때만 그다음에 언급하겠습니다.
발신자가 매니저일 때
위로 향하는 이야기는 더 어렵습니다. 앞의 프로젝트 매니저가 입을 다문 것도 초안이 상사에게서 왔기 때문이라는 점이 이를 보여줍니다. Wilding은 먼저 본인도 AI를 쓴다는 점을 인정하라고 조언합니다. 그러면 상사에게 도구 자체에 반대하는 게 아니라는 신호가 되고, 대화가 품질과 시간에 머뭅니다. 그다음 비용을 숫자로 말하고, 상사가 신경 쓰는 일, 예를 들어 미뤄야 했던 프로젝트와 연결하세요.
이 경우에는 불만보다 요청이 대화를 이끕니다. 매니저에게 AI 사용을 그만두라고 요구하지 마세요. 체면을 잃지 않고 받아들일 수 있는 작은 프로세스 변경을 요청하세요. 전달하기 전에 초안을 한 번 훑어보거나, 모델이 쓴 부분이 어디인지 한 줄 덧붙이는 정도입니다. 같은 불만을 세 사람에게서 듣게 되는 상황이라면 검토 단계를 마다할 매니저는 많지 않다고 생각합니다.
일이 사라진 게 아니라 옮겨갔을 뿐입니다
저희의 기본 입장은 AI가 일을 없애야지, 다른 사람에게 떠넘겨서는 안 된다는 것입니다. workslop은 후자의 가장 분명한 사례입니다. 발신자의 일은 프롬프트 입력과 붙여넣기로 줄어들고, 수신자는 검증, 재작성, 무슨 뜻이었는지 묻는 불편한 미팅까지 떠안습니다.

더 최근 수치도 같은 방향을 가리킵니다. 모두 AI를 적극 사용하는 전 세계 풀타임 직원 3,200명을 대상으로 한 Workday의 자체 조사에서, 85%가 AI 덕분에 주당 1~7시간을 절약한다고 답했지만 절약한 시간의 40% 가까이가 오류 수정, 콘텐츠 재작성, 결과물 검증 같은 재작업에 쓰였습니다(Workday, 2026년 발표, CNBC도 참고). 명확하고 긍정적인 순효과를 꾸준히 얻은 비율은 14%에 그쳤습니다. 형편없는 초안 하나를 받은 사람이 느끼는 바를 회사 전체 규모로 키운 모습입니다. 팀의 "절약한 시간"을 발신 쪽에서만 센다면, 수신 쪽이 치르는 비용만큼 부풀려진 숫자입니다.
이는 도구 논쟁에도 결론을 줍니다. ChatGPT, Claude, Microsoft 365 Copilot, Gemini는 모두 요청만 하면 번지르르한 빈 껍데기를 만들어낼 수 있고, 동시에 꼼꼼한 사람이 다듬을 만한 좋은 첫 초안도 만들어낼 수 있습니다. Grammarly는 선의 반대편에 있습니다. 이미 직접 쓴 글을 다루는 도구이기 때문입니다. workslop의 책임을 제품에 돌리지는 않겠습니다. 결과를 바꾸는 것은 습관입니다. 초안 작성 도구를 비교해 보고 싶다면 AI 글쓰기 어시스턴트 ToolRank 보드와 글쓰기 어시스턴트 정리 글부터 보시기 바랍니다.
효과가 지속되는 팀 규범
Fortune에 따르면 Hancock의 조언은 팀이 높은 기준을 유지하고 서로를 공개적으로 비평하라는 것입니다. 과업의 품질에 집중하는 팀은 "서로 비평하고, 비평을 받아들이며" workslop도 덜 겪습니다. 연구진은 두 동료 사이에 적용되는 기대치를 사람과 AI가 한 작업에도 똑같이 적용해야 한다고 제안합니다(Fortune). 여기에 CNBC 기사들을 더해 세 가지 규범이 나옵니다.
AI를 썼다면 밝히기
Hancock은 CNBC에 AI 사용을 공개하면 동료가 프롬프트와 목표를 이해하고 빈틈을 메울 수 있다고 말했습니다. 실제로는 한 줄이면 됩니다. "초안은 Claude로 작성, 수치는 재무 export와 대조 확인." 10초면 되고, 읽는 사람에게 얼마나 꼼꼼히 봐야 할지 알려주며, 불편한 대화를 불편하게 만드는 추측 게임을 없애줍니다. 상태 보고나 리포트 템플릿에 넣어두면 아무도 자발적으로 말하지 않아도 됩니다.
보내기 전에 검토하기
첫 번째로 읽을 책임은 발신자에게 있습니다. 모든 문장, 숫자, 인용, 링크를 이름이 걸린 사람이 직접 확인해야 한다는 뜻입니다. 규모가 커져도 쓸 수 있는 검증 워크플로는 AI 결과물 팩트체크 가이드에 정리해 두었고, 팀 차원에서 요약하면 독자가 그것을 근거로 행동할 수 있는 내용은 모두 확인하라는 것입니다.

완료의 정의 만들기
workslop이 걸러지지 않고 통과하는 이유는 대개 무엇이 끝난 상태인지 아무도 말한 적이 없기 때문입니다. 완료의 정의는 네 줄이면 됩니다. 독자가 누구인지, 문서가 어떤 결정을 뒷받침하는지, 각 수치가 어디서 나왔는지, 작성자 외에 누가 읽었는지입니다. 이 질문에 답하지 못하는 초안은 누가 썼든 끝난 것이 아닙니다. 팀에 이미 AI 정책이 있다면 이 항목들을 추가하세요. AI 사용 정책 템플릿에는 사람들이 잘 따르는 버전이 있습니다.
첫걸음으로는 공개를 추천합니다. 별도 도구도 승인도 필요 없기 때문입니다. 완료의 정의는 합의하려면 회의가 필요하니 그다음입니다. 아래 체크리스트로 팀에 이미 어떤 습관이 있는지 확인해 보세요.
잘못될 수 있는 경우
이런 대화는 예측 가능한 몇 가지 방식으로 역효과를 낼 수 있습니다. 어떤 사람은 자기 초안이 빈약하다는 사실을 단순히 몰랐습니다. 자신 있게 쓰인 문서처럼 보여서 그대로 전달한 것입니다. 어떤 사람은 방어적으로 나오는데, 피드백이 자신의 역량에 대한 판결처럼 들릴 때 주로 그렇고, 공동의 목표로 여는 방식이 바로 이들을 위한 것입니다. 그리고 몇몇은 무슨 말을 해도 계속 slop을 보낼 텐데, 그럴 때 매니저에게 가져갈 것은 기록해 둔 시간 비용입니다.
더 조용한 실패도 있습니다. 팀의 상시 해결사가 되는 것입니다. 모든 초안을 조용히 고쳐주면 발신자는 영영 배우지 못하고, 매번 2시간을 당신이 떠안습니다. 솔직한 대화 한 번이 1년치 뒤처리보다 비용이 적게 듭니다. 또한 발신자가 모델에게서는 얻을 수 없는 것, 곧 완성된 결과물에 대한 동료의 반응을 줄 수 있습니다. 대부분은 고객에게 공개적으로 듣기보다 당신에게서 비공개로 듣는 쪽을 택할 것입니다.
아직 아무도 결론을 내리지 못한 것은 이런 규범이 workslop의 양을 실제로 줄이는지입니다. 연구진은 가드레일과 "파일럿" 마인드셋을 권하고, Hancock의 발견도 높은 기준을 가진 팀에 관한 것이지만, 공개 규칙을 도입한 팀의 측정된 결과는 아직 보지 못했습니다. 시도해 본다면 도입 전후로 재작업에 쓰는 시간을 기록해 두세요. 그 숫자가 어떤 설문보다 매니저를 잘 설득할 것입니다.
자주 묻는 질문
AI workslop이란 무엇인가요?
겉보기에는 매끈하지만 과업을 앞으로 나아가게 할 실질이 부족한 AI 생성 업무 결과물을 말합니다. 이를 받은 동료가 생각하고 뒤처리까지 해야 합니다. 이 용어는 BetterUp Labs와 Stanford Social Media Lab의 2025년 연구에서 만들어졌고 Harvard Business Review에 실렸습니다.
workslop의 비용은 얼마인가요?
BetterUp과 Stanford가 미국 사무직 근로자 1,150명을 대상으로 한 설문에서 건당 처리에 약 1시간 56분이 걸렸고, 연구진은 근로자 1인당 월 $186으로 추산했습니다. 직원 1만 명 규모 기업은 연 약 $900만으로 추정했습니다. 이 수치는 하나의 설문에서 나온 자기보고식 추정치입니다.
AI를 썼다고 몰아붙이지 않고 동료에게 작업을 고쳐야 한다고 말하려면 어떻게 해야 하나요?
구체적인 문제(빠진 출처, 맞지 않는 데이터, 중간에 바뀌는 서식)를 짚고, 서로 공유하는 목표와 연결하세요. 작업이 어떻게 만들어졌는지에 대한 추측은 빼세요. Wilding의 조언은 보내기 전 검토나 AI를 썼을 때 알려달라는 메모처럼 프로세스의 변화를 요청하라는 것입니다.
동료의 작업물을 AI 탐지기에 돌려봐도 될까요?
권하지 않습니다. 탐지기 점수는 작성자에 대한 추측이어서 발신자가 반박할 수 있고, 대화를 실제 결함에서 멀어지게 합니다. 틀린 수치나 빠진 출처는 훨씬 쉽게 정리됩니다.
직장에서 ChatGPT, Claude, Copilot, Gemini를 써도 괜찮을까요?
네, 이미 많은 사람이 쓰고 있습니다. Gallup에 따르면 업무에서 1년에 몇 번 이상 AI를 쓰는 미국 직원의 비율은 2023년부터 2025년 사이 21%에서 40%로 거의 두 배가 됐습니다(Gallup). 기준은 다른 초안과 같습니다. 직접 읽었고, 확인했고, 내 이름을 걸 수 있어야 합니다. 문서가 모델에서 시작됐다면 동료에게 알리세요.