AI 시대 리더십 변화: 리더는 무엇이 달라져야 하는가

​

​

AI는 이제 단순한 도구가 아닙니다. 기업의 생존을 좌우하는 전략적 핵심이자, 비즈니스 판 자체를 뒤흔드는 파괴적 혁신의 엔진이 도었습니다. 가트너에 따르면 2028년까지 전 세계 B2B 거래의 90%를 AI 에이전트가 매개하고, 그 규모가 15조 달러에 달할 거라고 예측합니다. 업무 방식도 키보드 타이핑에서 자연어 프롬프팅으로 빠르게 이동하고 있습니다.

문제는 이렇게 AI가 편리해질수록 사람이 스스로 생각하는 힘이 약해진다는 점입니다. AI가 그럴듯한 답을 척척 내놓으니까, "과연 이게 맞나?" 하고 의심하거나 직접 고민하는 습관 자체가 사라지기 시작하는 거죠. 리더라면 이 흐름을 경계해야 합니다.

​

​

가장 큰 차이는 '어떻게 판단하느냐'입니다.

예를 들어볼게요. 과거에는 20년 경험의 영업 임원이 "이 고객은 내가 봤을 때 이렇게 접근해야 해"라고 하면 그게 곧 전략이었습니다. 지금은 다릅니다. 넷플릭스는 어떤 콘텐츠를 만들지 결정할 때 수억 명의 시청 데이터를 분석합니다. 편성 담당자의 감이 아니라, 숫자가 먼저 말하는 거예요. 리더의 역할은 그 숫자를 읽고 사람이 놓친 맥락을 덧붙이는 것으로 바뀌었습니다.

​

쉽게 말하면 '기술도 알고, 사람도 아는 리더' 가 되어야 해요. 두 가지를 동시에 갖추는 능력이 핵심입니다.

여기서 '기술을 안다'는 게 코딩을 배우라는 뜻이 아닙니다.

"AI가 이 판단을 왜 이렇게 내렸지?", "이 결과를 우리 사업에 어떻게 써야 하지?", "어디까지 믿고 어디서부터는 사람이 개입해야 하지?"를 판단할 줄 아는 안목입니다.

​

구체적으로는 15가지 역량이 필요합니다.

​

실제로 마이크로소프트 CEO 사티아 나델라는 AI 도입 초기, 기술 이해도가 높은 엔지니어보다 "이 기술이 고객에게 어떤 의미인가"를 질문하는 리더들을 더 중용했다고 알려져 있습니다. 기술을 아는 것보다 기술의 의미를 읽는 능력이 더 중요하다는 거죠.

​

​

리더는 혼자 결정을 내리는 사람에서, 데이터와 현장의 목소리를 조율하는 사람 으로 역할이 바뀌어야 합니다.

AI는 "지난달 매출이 15% 떨어졌다"는 건 잘 보여주지만, "왜 떨어졌고 어떻게 돌려놔야 하는가"는 여전히 사람의 판단이 필요합니다. 실제로 스타벅스는 AI로 매장별 음료 수요를 예측하지만, 새 메뉴 출시 타이밍이나 지역 문화에 맞는 마케팅은 경험 많은 매니저의 감각에 의존합니다.

​

​

이런 조율을 잘하기 위한 다섯 단계가 있습니다.

​

열린 자세 갖기 — 데이터와 현장 감각은 서로 경쟁하는 게 아니라 보완하는 관계임을 받아들이기

양쪽 위험 모두 인식하기 — 숫자만 믿어도, 감만 믿어도 위험하다는 걸 항상 염두에 두기

실용적으로 접근하기 — 데이터를 분석한 뒤, 현장 경험으로 예상치 못한 부작용 점검하기

대화 채널 만들기 — 데이터 분석팀과 현장 팀이 정기적으로 대화하는 자리 만들기

결과로 검증하기 — 결정을 실행하고 결과를 수치로 기록해서 다음 판단에 활용하기

​

하버드 비즈니스 스쿨 연구에서 흥미로운 실험 결과가 나왔습니다.

AI를 잘 활용한 그룹은 그렇지 않은 그룹에 비해 업무 완수율 12% 향상, 처리 속도 25% 단축, 결과물 품질 40% 개선이 확인되었습니다. 특히 평소 성과가 낮던 직원들이 43%나 능력이 올라갔는데, AI가 일종의 '실력 평준화 도구'가 된 것이죠.

​

협업 방식은 크게 두 가지입니다.

​

역할 분담형 — AI와 사람이 각자 잘하는 영역을 명확히 나누는 방식입니다.

예를 들어 맥킨지 컨설턴트들이 보고서를 쓸 때, 데이터 수집과 초안 작성은 AI에게 맡기고 고객 맞춤 전략 수립과 스토리텔링은 컨설턴트가 맡는 식이죠.

​

실시간 협력형 — 업무 전 과정에서 AI와 끊임없이 주고받으며 함께 만들어가는 방식입니다. 깃허브(GitHub)의 AI 코딩 보조 도구 '코파일럿(Copilot)'을 쓰는 개발자들이 대표적입니다. 코드를 한 줄 쓸 때마다 AI가 다음 줄을 제안하고, 개발자는 그걸 수정하며 완성도를 높입니다. 주의할 점은 모든 걸 AI에 맡기는 함정이에요. 한 글로벌 컨설팅사에서 실제로 있었던 일인데, AI가 작성한 보고서를 검토 없이 고객에게 제출했다가 데이터 오류가 발견돼 신뢰를 크게 잃은 사례가 있습니다. 편리함에 취해 사람의 검토와 판단을 생략하면 결국 조직의 경쟁력이 무너집니다.

​

실질적인 경영 리스크가 발생할 수도 있습니다.

2026년까지 AI 관련 소송이 전 세계적으로 2,000건을 넘을 거라는 전망도 있습니다.

실제 사례를 보면 피부로 느껴집니다. 아마존은 AI 채용 시스템을 운영하다가 여성 지원자를 구조적으로 불이익을 주는 편향이 발견돼 결국 시스템을 폐기했고, 애플카드는 AI 신용 평가 알고리즘이 여성에게 낮은 한도를 주는 차별 문제로 금융당국의 조사를 받았습니다.

​

​

의사결정 전에 이 여섯 가지 항목을 체크해 보세요.

설명 가능한가? — 이 결정을 구성원이나 고객에게 납득 있게 설명할 수 있나?

과정이 투명한가? — 어떤 데이터를 써서 어떻게 결론을 냈는지 밝힐 수 있나?

사람이 중심인가? — 잘못된 결정이 내려졌을 때 사람이 개입해서 바로잡을 수 있나?

차별은 없는가? — 특정 성별, 나이, 인종에게 불리하게 작동하지는 않나?

사회에 해롭지 않은가? — 혐오나 갈등을 부추기는 방식으로 활용되지 않나?

환경을 고려했는가? — AI 운영에 드는 전력 소모와 탄소 배출까지 생각했나?

​

특히 해고, 인사 평가, 대출 심사처럼 개인에게 큰 영향을 미치는 결정에는 반드시 최종 단계에서 사람이 직접 검토하는 과정을 넣어야 합니다.

​

​

그러나, 아이러니하게도 기계가 더 똑똑해질수록, 사람다운 능력이 더 희귀하고 더 가치 있어집니다.

AI가 데이터 분석, 보고서 작성, 일정 관리를 척척 해낼수록, 정작 사람이 해야 하는 건 더 선명해져요. 구성원의 마음을 얻는 것, 옳고 그름을 판단하는 것, 조직이 어디로 가야 하는지 방향을 제시하는 것. 이런 능력은 아무리 뛰어난 AI도 대신할 수 없습니다.

IBM의 한 임원은 이런 말을 남겼습니다. "AI는 우리에게 더 많은 시간을 돌려줬는데, 그 시간을 뭘 하는 데 쓰느냐가 리더의 진짜 실력을 보여준다." AI를 도구로 잘 쓰면서도 사람에 대한 감각을 잃지 않는 것, 그게 지금 시대가 리더에게 요구하는 가장 본질적인 자질입니다.

​

​