AI 도입 후 찾아오는 정체기 — 진짜 벽은 입력과 출력의 마찰이다

비용을 들여 모두에게 AI 계정을 나눠 주고 교육까지 마쳤다. 그런데 한 달쯤 지나면 이상한 정적이 찾아온다. 처음엔 다들 신기해서 이것저것 물어보다가, 어느 순간부터 손이 안 간다. 나도 개인 작업 환경을 AI 중심으로 바꾸는 과정(개인 AX, AI Transformation — 일하는 방식을 AI 중심으로 재편하는 전환)에서 똑같은 정체기를 겪었다.

흔한 진단은 "사람들이 게을러서" 또는 "교육이 부족해서"다. 그래서 처방도 늘 독려다 — 우수 사례를 공유하고, 강의를 더 열고, 활용도를 측정한다. 그런데 숫자를 들여다보면 이게 의지의 문제가 아니라는 게 드러난다.

정체기는 의지가 아니라 구조의 문제다

디지털 도입 분석 도구 WalkMe가 임원과 직원 3,750명을 조사한 결과, 직원의 절반 이상이 지난 30일 동안 조직이 제공한 AI 도구를 건너뛰고 그냥 손으로 일을 처리했다. 아예 AI를 한 번도 안 쓴 사람도 37%였다. 합치면 열에 여덟은 갖춰 준 AI를 피하거나 거부한 셈이다.

맥킨지 조사에서도 같은 간극이 보인다. 기업의 약 88%가 최소 한 가지 업무에 AI를 쓴다고 답했지만, 실제로 손익에 의미 있는 영향을 봤다는 응답은 39%에 그쳤고 그마저도 대부분 5% 미만이었다. 도입률은 천장을 뚫었는데 효과는 얕은, 전형적인 정체 곡선이다.

진짜 벽 — 만능 도구를 쥐었지만 끼울 자리가 안 보인다

정체기의 실체는 이렇다. 사람들은 강력한 만능 도구를 손에 쥐었지만, 자기 업무의 어느 길목에 그걸 끼워 넣어야 할지 그림이 안 그려진다. 망치를 받았는데 내 앞의 못이 어디 있는지 모르는 상태다.

왜 길목이 안 보일까. 앞의 조사가 직원들이 AI를 버리는 가장 큰 이유로 꼽은 건 "애플리케이션 사이의 파편화"였다. 데이터를 이 앱 저 앱으로 손수 옮겨야 하고, 그 과정에서 AI가 맥락을 잃어버린다. 이 파편화를 두 방향의 마찰로 쪼개 보면 정체기의 정체가 또렷해진다.

다이어그램 설명. 직원 한 명이 AI로 일 하나를 처리할 때 거치는 왕복 경로와, 그 경로가 어디서 막히는지를 보여준다. 업무 맥락에서 출발해 맥락을 손으로 붙여넣는 단계를 지나 AI가 결과를 만들고, 그 결과를 다시 원래 도구로 복붙하는 단계를 거쳐 제자리로 돌아온다. 막히는 지점이 두 군데인 게 핵심이다 — 맥락을 매번 붙여넣는 입력 마찰과 결과를 옮겨 담는 출력 마찰이다. 일 하나마다 이 세금을 두 번 내니, 횟수가 쌓일수록 "그냥 손으로 하지" 쪽으로 기운다.

첫 번째는 입력 마찰이다. AI가 내 일을 제대로 도우려면 내 맥락 — 어떤 프로젝트인지, 코드가 어떻게 생겼는지, 지난주에 무엇을 정했는지 — 을 알아야 한다. 그런데 그 맥락은 내 머릿속과 여러 도구에 흩어져 있다. 채팅창에 매번 처음부터 설명을 타이핑하는 건 일을 줄이러 왔다가 일을 더 만드는 꼴이다.

두 번째는 출력 마찰이다. 어렵게 입력을 마치고 그럴듯한 답을 받아도, 그 결과는 채팅창 안에 갇혀 있다. 실제로 쓰려면 다시 원래 작업 도구로 복사해 붙여 넣고 형식을 맞춰야 한다. 같은 조사는 이렇게 우회로를 찾고 동료에게 묻고 프롬프트를 고쳐 쓰는 데 드는 시간이 직원 한 명당 주당 약 하루, 연간 51일에 이른다고 추산했다.

핵심은 AI의 성능이 아니라 연결의 부재다. 똑똑한 비서를 옆방에 앉혀 놓고, 매번 서류를 들고 가 설명하고 답을 받아 다시 들고 오는 셈이다.

돌파구는 독려가 아니라 연결이다

마찰이 입력과 출력에 있다면 처방도 거기에 있어야 한다. 강의를 한 번 더 여는 게 아니라, AI를 내가 이미 쓰는 시스템·도구와 직접 잇는 것이다. 그래야 AI가 맥락을 알아서 읽어 오고(입력 해결), 결과를 그 도구 안에 바로 돌려준다(출력 해결).

이 연결을 표준으로 만들려는 시도가 MCP(Model Context Protocol — AI를 외부 데이터·도구에 잇는 개방형 표준 규약)다. 2024년 11월 앤트로픽이 공개했고, 흔히 "AI를 위한 USB-C 포트"에 비유된다. 기기마다 다른 케이블을 꽂는 대신 하나의 규격으로 통일하듯, 데이터 소스마다 따로 짜던 연결을 하나의 규약으로 대체한다는 발상이다.

다이어그램 설명. AI를 하나의 표준 연결 통로에 꽂고, 그 통로가 시스템과 도구들로 닿는 구조를 보여준다. 도구마다 따로 연결을 짜는 대신 하나의 규약으로 통일한다는 게 이 패턴의 요점이다. 통로가 한 번 열리면 맥락은 알아서 흘러 들어오고 결과도 그 도구 안으로 되돌아가니, 앞서 본 입력 마찰과 출력 마찰이 한꺼번에 줄어든다. 다만 통로 자체를 누군가 깔아야 하므로, 연결은 개인의 의지가 아니라 환경을 갖추는 일이라는 점은 짚어 둘 만하다.

앤트로픽은 구글 드라이브, 슬랙, 깃허브, 깃, 포스트그레스 같은 시스템용 연결 서버를 미리 만들어 공개했고, 이후 오픈AI와 구글도 같은 규약을 받아들였다. 특정 회사의 기능이 아니라 업계 공통 규격으로 자리잡는 중이라는 뜻이다.

독려를 멈추고 길목을 잇자

내 경우 정체기를 깬 건 새 강의가 아니라 작은 연결 하나였다. 매번 프로젝트 설명을 복붙하던 걸 멈추고 AI가 내 코드 저장소와 작업 기록을 직접 읽도록 통로를 터 줬더니, 그제야 "어디에 끼울지"가 보이기 시작했다. 입력과 출력의 마찰이 사라지자 도구가 내 흐름 안으로 들어왔다.

그래서 정체기에 빠진 팀에 필요한 질문은 "어떻게 더 독려할까"가 아니다. "AI가 우리가 이미 쓰는 시스템 어디에 연결돼 있는가"다. 만능 도구를 쥐여 주는 것까지가 1단계라면, 그 도구를 일의 길목에 끼워 넣는 연결이 2단계다. 정체기는 대개 1단계에서 멈춰 선 상태이고, 빠져나오는 길은 독려가 아니라 연결이다.

---

참고한 공개 자료: 기업 AI 도구 외면 조사(WalkMe), Why AI Adoption Stalls (HBR), Where AI will create value (McKinsey), Introducing the Model Context Protocol (Anthropic), Model Context Protocol (Wikipedia).

---

이 글은 생성형 AI의 도움을 받아 작성되었습니다. 원본 자료를 기반으로 AI가 초안을 생성하고, 작성자가 검토·편집하였습니다.