"If You're Very Clever, No One Knows You've Used It": The Social Dynamics of Developing Generative AI Literacy in the Workplace

19 명의 지식 근로자에 대한 인터뷰를 바탕으로 본 논문은 직장 내 사회적 역동성이 GenAI 학습을 지원하지만, AI 사용 은폐가 전문성을 입증한다는 인식이 지식 공유와 투명성을 저하시킨다는 점을 드러내며, AI 리터러시를 진전시키기 위해 더 개방적인 대화와 협력적 학습을 촉구합니다.

핵심

"매우 똑똑하다면, 아무도 당신이 그것을 사용했다는 것을 모른다"라는 논문에 대한 설명을 일상적인 언어와 친숙한 비유를 사용하여 간단히 서술합니다.

큰 그림: 사무실의"비밀 소스"

모든 사무실에 새로운 마법 같은 주방 도구가 등장했다고 상상해 보세요. 이 도구는 몇 초 만에 이메일을 작성하고, 코드를 수정하며, 보고서를 초안화할 수 있습니다. 이것이 바로**생성형 AI(GenAI)**입니다.

연구자들은 사무실 근로자들이 실제로 이 도구를 어떻게 배우는지 궁금해했습니다. 수업에 참석할까요? 상사에게 물어볼까요? 아니면 스스로 알아낼까요?

그들은 변호사, 프로그래머, 마케터, 연구원 등 19 명의 지식 근로자를 인터뷰하여 그 답을 찾았습니다. 그들이 발견한 바는"스파이 게임"과"요리 교실"이 섞인 것과 비슷합니다.

근로자들이 중요하게 여기는 두 가지 주요 기술

이 연구는 근로자들이 동시에 두 가지 매우 다른 기술을 익히려 노력하고 있음을 발견했습니다.

1. "탐험가"기술 (이 도구가 무엇을 할 수 있는지 아는 것)
근로자들은 AI 가 할 수 있는 멋진 일들을 모두 알고 싶어 합니다. 업무가 더 쉬워지도록 이 도구를 사용할 새로운 방법을 찾고 싶어 합니다.

• 이것을 배우는 방법: 그들은 주로 서로 대화하며 배웁니다. 마치 모두가 새로운 레시피를 가져오는 포틀럭 파티와 같습니다. 한 사람이"hey, 나는 AI 로 시를 썼어"라고 말하면, 다른 한 사람은"오, 나는 스프레드시트를 수정하는 데 썼어!"라고 말합니다.
• 결과: 이러한 공유는 모든 사람이 이 도구의 능력에 대해 더 똑똑해지도록 돕습니다.

2. "보이지 않는 마법사"기술 (이 도구를 사용했다는 사실을 숨기는 것)
이 부분이 놀랍습니다. 근로자들은 AI 를 너무 잘 사용하여 아무도 그들이 사용했다는 것을 알아차리지 못하게 만드는 능력을 중요하게 여깁니다.

• 왜 이런 행동을 할까요?
  • 심판에 대한 두려움: 일부 사람들은 상사나 동료들이"아, 너는 직접 일을 한 게 아니야. 그냥 로봇에게 시켰잖아"라고 생각할까 봐 걱정합니다. 그들은 부끄럽게 느끼거나 게으르게 비칠까 봐 두려워합니다.
  • 전문성 입증: 다른 사람들은 자신의 지능을 과시하기 위해 그렇게 합니다. AI 를 사용하더라도 그 결과를 완벽하게 수정하여 100% 인간이 만든 것처럼 보이게 하면, 당신은"천재"라는 칭찬을 받습니다. 한 참여자는 이렇게 말했습니다: "매우 똑똑하다면, 아무도 당신이 그것을 사용했다는 것을 모른다."
• 비유: 고도의 기술을 갖춘 로봇 부주방장이 채소를 다지는 것을 상상해 보세요. 만약 요리사가 로봇을 숨기고 손으로 다진 것처럼 요리를 서빙한다면, 그는 칼질 실력을 인정받아 기립 박수를 받습니다. 하지만 로봇을 사용했다고 인정하면 사람들은"음, 그건 사실 너의 요리가 아니잖아"라고 말할 수 있습니다.

문제점: "침묵의 주방"

여기에 함정이 있습니다. 모두가"보이지 않는 마법사"가 되려고 노력할 때, 학습 과정에 나쁜 일이 발생합니다.

• 패러독스: 도구를 최적으로 사용하는 법을 배우려면 실수와 비법을 다른 사람들과 공유해야 합니다 (즉, "탐험가"기술). 하지만 똑똑해 보이고 심판을 피하려면 도구를 사용했다는 사실 자체를 숨겨야 합니다 (즉, "보이지 않는 마법사"기술).
• 결과: 주방은 침묵하게 됩니다. 아무도 이 도구를 사용한다고 인정하지 않습니다. 심판을 받을까 봐 두려워하거나"천재"지위를 유지하고 싶어 하기 때문에 아무도 자신의"비밀 레시피"를 공유하지 않습니다.
• 결과: 모두가 도구를 사용하고 있음에도 불구하고, 회사는 그것이 어떻게 사용되고 있는지, 어떤 실수가 발생하고 있는지, 또는 신입 사원에게 어떻게 가르쳐야 하는지 알지 못합니다. 이는 팀워크가 아닌 비밀주의 문화를 조성합니다.

"작업 쓰레기"vs"명작"

이 논문은 또한 때로는 원본 출력이 실제로 나쁘기 때문에 사람들이 AI 를 숨긴다고 지적합니다.

• "작업 쓰레기 (Workslop)": AI 가 생성한 내용을 그대로 복사 - 붙여넣기 하면, 종종 로봇처럼 들리고 ("탐구하다"나"태피스트리"와 같은) 이상한 단어를 사용하며, 진정한 인간의 통찰력이 부족합니다. 이는 냉동 식사를 고급 요리라고 부르는 것과 같습니다.
• 해결책: 숙련된 근로자들은 AI 를"비판"합니다. 그들은 이상한 단어를 수정하고 자신만의 인간적인 touch 를 더합니다. 그들은 멋져 보이기 위해 AI 를 숨기는 것이 아니라, 최종 산물이 실제로 좋도록 하기 위해 숨깁니다. 하지만 이 과정을 숨김으로써, 그들은 다른 사람들에게 어떻게 수정했는지 가르칠 기회를 놓치게 됩니다.

저자들이 제안하는 것

연구자들은"AI 사용을 중단하라"고 말하지 않습니다. 대신 사무실을 더 나은 학습 공간으로 만들기 위해 몇 가지 변화를 제안합니다.

1. 부끄러움을 멈추세요: 관리자들은 AI 사용 사실을 인정하는 것이 범죄가 아닌 안전한 공간을 만들어야 합니다."나는 이 초안을 작성할 때 로봇을 사용했고, 이렇게 개선했습니다"라고 말하는 것은 괜찮습니다.
2. "무엇"보다"어떻게"를 축하하세요: 최종 보고서만 보는 것이 아니라, 과정에 대해 이야기하세요. AI 에게 준"프롬프트(지시사항)"와 수정 사항을 공유하세요.
3. 공유를 보상하세요: 소셜 미디어에서"좋아요"를 받는 것처럼, 기업들은 사람들이 AI 팁과 비법을 공유하도록 보상해야 합니다. 비밀을 지키는 것이 cool 한 것이 아니라, 투명해지는 것이 cool 하도록 만들어야 합니다.

요약

이 논문은 사무실 근로자들이 AI 사용에 매우 능숙해지고 있지만, 동시에 그것을 숨기는 데도 매우 능숙해지고 있다고 주장합니다. 그들은 똑똑해 보이고 심판을 피하기 위해 그렇게 합니다. 하지만 이러한 비밀주의는 전체 팀이 함께 배우는 것을 막습니다. 이를 해결하기 위해 직장에서는 AI 사용을 비밀로 취급하는 것을 멈추고, 누구나 공개적으로 배울 수 있는 공유된 기술로 취급해야 합니다.

기술 요약

"매우 영리하다면, 누가 그것을 사용했는지 아무도 모른다": 직장에서 생성형 AI 리터러시를 개발하는 사회적 역학에 대한 이 논문의 상세한 기술적 요약입니다.

1. 문제 제기

생성형 AI(GenAI) 가 지식 근로를 급격히 변혁하고 있음에도 불구하고, AI 리터러시에 대한 기존 연구는 복잡한 직장 내 사회적 역학 속에서 지식 근로자가 어떻게 역량을 개발하는지에 대한 경험적 통찰이 부족합니다. 현재 프레임워크들은 종종 기술적 기술이나 공식 교육을 강조하며, 전문가들이 사용하는 비구조적이고 비공식적인 학습 과정을 간과합니다.

식별된 주요 격차는 다음과 같습니다:

• "은폐" 현상: 근로자들은 사회적 낙인이나 심판에 대한 두려움 때문에 GenAI 사용을 숨기는 경우가 많지만, 이러한 행동이 조직 학습과 투명성에 미치는 영향은 잘 이해되지 않습니다.
• 역량 정의: 실무에서 근로자가 가장 중요하게 여기는 구체적인 역량 (기술적 대 사회기술적) 이 무엇인지 명확하지 않습니다.
• 학습 전략: 동료로부터 학습하고 AI 지원을 은폐해야 할 수도 있는 전문적 정체성을 유지하는 것 사이의 긴장을 어떻게 헤쳐 나가는지에 대한 이해는 제한적입니다.

2. 방법론

이 연구는 GenAI 채택에 대한 신념, 전략, 사회적 역학을 조사하기 위해 질적 접근법을 사용했습니다.

• 참가자: 다양한 분야 (IT, 법률, 창의 산업, 학계, 인사, 금융 등) 의 지식 근로자 19 명.
• 모집: 참가자들은 Prolific 을 통해 모집되었으며, 다음과 같은 특정 기준에 따라 선별되었습니다:
  • GenAI 를 빠르게 도입하는 분야에 고용되어 있음.
  • 업무 관련 목적으로 주 1 회 이상 GenAI 를 사용함.
  • 현재 직무에서 1 년 이상의 경력을 보유함.
  • GenAI 에 대한 명시적 금지가 없거나 정책이 불분명한 환경에서 근무함.
• 데이터 수집: 2024 년 12 월부터 2025 년 1 월 사이에 Microsoft Teams 를 통해 온라인으로 수행된 반구조화 인터뷰 (50~60 분).
• 분석:
  • 입장성: 연구팀은 해석이 객관적 현실이 아닌 주관적 경험과 사회적 맥락을 반영한다는 점을 인정하는 비판적 실재론 입장을 채택했습니다.
  • 주제 분석: 학습 행동을 분석하기 위해 두 가지 기존 AI 리터러시 프레임워크 (Pinski & Benlian; Annapureddy 등) 와 COM-B 모델(역량, 기회, 동기) 을 사용하여 초기 코딩을 지원하는 템플릿 접근법을 사용했습니다.
  • 엄격성: 반성적 성찰과 비판적 성찰을 보장하기 위해 여러 저자가 코드와 주제를 검토했습니다.

3. 주요 기여

이 논문은 인간 - 컴퓨터 상호작용 (HCI) 과 AI 리터러시 분야에 세 가지 주요 기여를 합니다:

1. 경험적 토대: 19 명의 다양한 지식 근로자가 GenAI 리터러시를 어떻게 실천하고 협상하는지에 대한 상세한 설명을 제공하여, 이론적 프레임워크를 넘어 실제 적용으로 나아갑니다.
2. "AI 은폐" 재정의: AI 사용을 숨기는 것이 단순히 수치심에 기반한다는 지배적인 견해를 도전합니다. 이 연구는 GenAI 사용의 단서를 성공적으로 지우는 것이 종종 전문 분야 역량의 긍정적인 검증으로 간주된다는 것을 발견했습니다. 그러나 이러한 행동은 역설을 만듭니다: 동료들에게는 역량을 신호하지만, 동시에 지식 공유와 투명성의 기회를 감소시킵니다.
3. 프레임워크 확장: 사회기술적 역량의 결정적 역할을 강조함으로써 기존 AI 리터러시 프레임워크를 확장합니다. 이는 인간 이해관계자들이 학습을 위한 자원에 그치지 않고 사용 패턴을 형성하는 사회적 영향의 원천이기도 하므로, 개방적 대화와 공개를 위한 새로운 설계 고려사항이 필요하다고 주장합니다.

4. 주요 결과

이 연구는 두 가지 핵심 역량과 이에 상응하는 두 가지 학습 전략을 식별하여 개인 정체성과 집단 학습 사이의 중심적 긴장을 드러냈습니다.

A. 핵심 역량

1. 기술적 역량 (사용 사례 인식):
   • 근로자들은 경쟁 우위를 얻기 위해 GenAI 의 새로운 응용 사례를 식별하는 능력을 중요하게 여깁니다.
   • 이러한 인식은 종종 일자리 대체에 대한 두려움이나 산업 동향을 앞서고자 하는 욕구에 의해 주도됩니다.
2. 사회기술적 역량 (단서 제거):
   • 근로자들은 GenAI 사용을 나타내는 "신호"(예: "delve"와 같은 특정 문구, 코드 내 과도한 주석, 맥락 부재 등) 를 탐지하고 제거하는 능력을 개발합니다.
   • 제거 동기:
     • 비판/품질 관리: 작업이 전문적 기준을 충족하도록 보장하기 위해 일반적이거나 저품질의 산출물을 제거합니다.
     • 전문가 정체성 검증: AI 사용을 성공적으로 가리는 것은 근로자가 맹목적으로 AI 에 의존하는 사람들과 구별되는 깊은 분야 지식을 보유하고 있음을 신호합니다.
     • 은폐/낙인: 기성 세대나 보수적 경영진으로부터의 부정적 심판을 피합니다.

B. 학습 전략

1. 타인으로부터 학습:
   • 비공식적인 지식 공유 (동료, LinkedIn, 소셜 미디어) 는 새로운 사용 사례를 발견하고 지식 격차를 해소하는 데 필수적입니다.
   • 그러나 이는 종종 전략적입니다; 근로자들은 AI 사용을 정상화하거나 검증을 받기 위해 지식을 공유할 수 있지만, 경쟁 우위를 유지하기 위해 구체적인 세부 사항은 withhold 할 수 있습니다.
2. 실습 경험:
   • 역량은 대부분 암묵적이며 시행착오를 통해 개발됩니다.
   • 근로자들은 맥락별 적절성을 평가하고, 모델의 한계 (할루시네이션) 를 이해하며, 프롬프트를 효과적으로 구문하기 위한 메타인지 기술을 개발해야 합니다.

C. 중심적 긴장

이 연구는 역설을 드러냅니다: 타인으로부터 학습하는 것이 기술적 인식을 개발하는 데 필수적이지만, "단서 제거"를 통해 자신의 전문성을 검증하려는 노력은 투명성을 적극적으로 억압합니다.

• AI 사용을 성공적으로 숨기는 근로자는 전문가로서 칭찬받습니다.
• 이러한 행동은 AI 사용이 광범위하지만 인정받지 못하는 "조직적 침묵"을 만들어내어, 모범 사례 공유, 오류 감지, 집단적 의미 형성을 방해합니다.
• 동료들의 무관심 ("일만 잘하면 됨") 이나 사회적 낙인에 대한 두려움으로 인해 공개는 종종 회피됩니다.

5. 중요성과 함의

이 발견들은 HCI 설계, 조직 관리, AI 리터러시 프레임워크에 중요한 함의를 가집니다.

• 조직을 위해:

  • 개방 문화: 리더들은 AI 사용과 관련된 심판에 대한 두려움을 줄이기 위해 심리적 안전감을 조성해야 합니다. AI 에 대한 수동적 허용은 불충분하며, "조직적 침묵"을 깨기 위해서는 능동적 담론이 필요합니다.
  • 공유 인센티브: 조직은 GenAI 워크플로우, 프롬프트, 그리고 교훈을 공유하는 것을 보상해야 하며, 이를 비밀이 아닌 귀중한 지적 자산으로 취급해야 합니다.
  • 정책 명확성: 불확실성을 줄이고 책임 있는 사용을 장려하기 위해 공개에 대한 명확한 정책이 필요합니다.

• 설계자 (HCI) 를 위해:

  • 공개 지원: 사용자가 낙인에 노출되지 않고 "사용자 생성 지식"(예: 프롬프트, 워크플로우) 을 공유하기 쉽게 만드는 도구를 설계합니다.
  • 칭찬 시스템: 오픈 소스의 "칭찬"이나 "격려"와 유사한 메커니즘을 구현하여 GenAI 산물의 공유를 긍정적으로 강화합니다.
  • 메타인지 초점: 단순한 프롬프트 공유를 넘어 사용자가 성공적인 상호작용 뒤에 있는 전략을 이해하도록 돕고, 더 깊은 학습을 장려합니다.

• AI 리터러시 프레임워크를 위해:

  • 리터러시 모델은 사회기술적 역량을 포함하도록 진화해야 하며, 사회적 맥락 (평판, 정체성, 동료 심판) 이 AI 채택과 사용 방식을 결정하는 데 기술적 기술만큼이나 중요하다는 점을 인식해야 합니다.
  • "리터러시"의 정의는 개인적 정체성 작업과 집단 학습 사이의 긴장을 고려해야 합니다.

결론적으로, 이 논문은 직장에서의 진정한 GenAI 리터러시는 기술적 훈련만으로는 달성할 수 없다고 주장합니다. 이는 근로자들이 도구 사용을 숨기도록 이끄는 사회적 역학을 해결해야 하며, thereby 빠른 기술 변화에 대한 지속 가능한 적응에 필요한 투명성과 협력적 학습을 훼손하지 않도록 해야 합니다.