"Better Ask for Forgiveness than Permission": Practices and Policies of AI Disclosure in Freelance Work

이 논문은 프리랜서와 클라이언트 간 AI 사용 및 공개에 대한 인식 차이와 명확한 정책 부재로 인한 기대 불일치를 규명하고, 이를 해결하기 위한 명확한 가이드라인의 필요성을 제시합니다.

핵심

이 논문은 **"프리랜서들이 AI(인공지능) 를 쓸 때, 고객에게 미리 말해야 할까, 아니면 나중에 용서를 빌어야 할까?"**라는 질문에서 시작합니다.

결론부터 말하면, 연구 결과 **대부분의 프리랜서는 "일단 해보고 나중에 용서를 빌자 (Better Ask for Forgiveness than Permission)"**는 전략을 취하고 있습니다. 하지만 고객들은 **"미리 허락을 구하고 말해줘 (Ask for Permission)"**라고 원하고 있어, 서로의 기대치 사이에 큰 오해가 생기고 있습니다.

이 복잡한 상황을 쉽게 이해할 수 있도록 **요리사 (프리랜서) 와 식당 주인 (고객)**의 비유를 들어 설명해 드릴게요.

---

1. 상황: 요리에 '자동 조리기'를 썼는데?

프리랜서 (요리사) 들은 고객 (식당 주인) 을 위해 요리를 해줍니다. 요즘은 요리 속도를 높이고 맛을 내기 위해 '자동 조리기 (AI)'를 많이 사용합니다.

• 요리사들의 생각: "손님이 요리가 얼마나 빨리 나왔는지, 맛이 좋은지 중요하지, 내가 손으로 했는지 기계로 했는지는 중요하지 않아. 게다가 손님이 기계 쓴 걸 눈치채기도 힘들 거야. 그러니 미리 말하지 말고, 손님이 물어보면 그때 말하자."
• 손님들의 생각: "내가 시킨 요리를 내가 직접 만든 것처럼 기대했는데, 기계가 만들었다면 그건 사기야. 무엇을 썼는지 미리 알려줘야 내가 선택할 수 있어."

2. 발견된 3 가지 큰 오해 (갈등 포인트)

이 논문은 이 두 그룹 사이의 오해를 세 가지로 정리했습니다.

① "눈치 챌 수 있어?"라는 착각

• 요리사들: "내가 요리를 할 때 기계 소리가 나거나 냄새가 나니까, 손님이 한눈에 알아챌 거야. 그러니 굳이 말하지 않아도 돼."라고 생각합니다.
• 손님들: "아니, 내가 요리를 먹어봤는데 기계 쓴 건 전혀 몰랐어. 오히려 내가 기계 쓴 걸 눈치채는 게 훨씬 어려워."라고 말합니다.
• 결과: 요리사들은 "손님이 알아챌 테니 말 안 해도 돼"라고 생각하며 침묵하지만, 손님은 "아직도 모르고 있었네? 그럼 내가 모르게 된 거야"라고 불쾌해합니다.

② "작은 일"과 "큰 일"의 기준 차이

고객들은 AI 사용 범위를 정할 때 "작은 일 (Minor tasks)"과 "큰 일 (Major tasks)"로 나눕니다. 하지만 이 기준이 둘 사이에서 완전히 다릅니다.

• 예시 (이메일 작성):
  • 요리사: "이메일 하나 쓰는 건 그냥 '작은 일'이야. AI 가 도와줘도 괜찮지."
  • 손님: "고객에게 보내는 이메일은 내 브랜드를 대표하는 '큰 일'이야. AI 가 쓰면 안 돼!"
• 예시 (아이디어 내기):
  • 요리사: "아이디어만 내는 건 '작은 일'이야. 다듬는 건 내가 하니까."
  • 손님: "아이디어 자체가 내 사업의 핵심이야. AI 가 내면 안 돼!"

이처럼 **"어디까지가 AI 의 도움이고, 어디부터가 내 작업인가"**에 대한 기준이 달라서, 요리사는 "그건 괜찮은 거야"라고 생각했는데 손님은 "그건 금지된 거야"라고 생각하는 경우가 많습니다.

③ 규칙이 너무 모호해서 생기는 혼란

손님들이 규칙을 정할 때, "AI 금지"나 "AI 허용"이라고만 막연하게 적어놓습니다.

• 규칙 예시: "AI 는 쓰되, 최종 결정은 사람이 해야 해."
• 요리사의 해석: "최종 결정만 사람이 하면 되니까, 요리 과정 전체를 AI 에게 맡겨도 되겠네?"
• 손님의 의도: "요리 과정은 손으로 하되, 마지막 맛보기는 사람이 해라."

규칙이 너무 추상적이어서, 요리사들은 규칙을 오해하고 실수를 저지르게 됩니다.

3. 왜 이런 일이 생길까? (핵심 원인)

이 모든 갈등의 핵심은 **"신뢰"**와 **"통제"**의 문제입니다.

• 프리랜서의 두려움: "AI 를 썼다고 말하면 손님이 '이 사람 실력이 없구나'라고 생각해서 일을 안 줄까 봐 무서워." 그래서 **수동적인 태도 (물어보기 전까지는 말 안 함)**를 취합니다.
• 고객의 불안: "내가 돈을 주고 산 게 진짜 내 손으로 만든 작품인지, 아니면 AI 가 만든 가짜인지 알고 싶어." 그래서 **적극적인 공개 (미리 말해줘야 함)**를 원합니다.

4. 해결책은 무엇일까?

논문은 플랫폼 (업워크 같은 사이트) 과 사람들이 다음과 같이 노력해야 한다고 제안합니다.

1. 규칙을 '요리 레시피'처럼 구체적으로 적기:
   • "AI 금지"라고만 쓰지 말고, "초안 작성은 AI 허용, 하지만 최종 문장은 사람이 직접 써야 함"처럼 구체적인 예시를 들어야 합니다.
2. 계단식 공개 시스템 도입:
   • 모든 AI 사용을 공개해야 하는 게 아니라, AI 가 얼마나 기여했는지에 따라 공개 수준을 다르게 해야 합니다. (예: 문법 검사만 했으면 말 안 해도 됨, 전체 글을 AI 가 썼으면 꼭 공개해야 함)
3. 서로 대화하는 문화 만들기:
   • "AI 썼냐?"라고 묻는 게 아니라, "어떤 부분에서 AI 도움을 받았니?"라고 자연스럽게 물어보는 문화가 필요합니다.

요약

이 논문은 **"AI 를 쓸 때, 미리 허락을 구하든가 나중에 용서를 빌든가"**라는 딜레마를 다뤘습니다.

현재는 프리랜서들이 **"일단 해보고 나중에 용서를 빌자"**는 전략을 쓰지만, 고객들은 **"미리 말해달라"**고 원해서 서로 불신하게 됩니다. 이 문제를 해결하려면, 모호한 규칙을 구체적인 예시로 바꾸고, 서로가 무엇을 기대하는지 명확하게 대화해야 합니다.

마치 요리사와 손님이 "이 요리에 어떤 재료를 썼는지"를 명확히 공유해야 맛있는 요리를 함께 즐길 수 있듯이, AI 시대의 일도 투명한 소통이 가장 중요합니다.

기술 요약

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 생성형 AI 의 급속한 확산으로 인해 프리랜서와 클라이언트 간의 신뢰 관계와 업무 프로세스가 재편되고 있습니다. 특히 Upwork 와 같은 플랫폼에서 AI 사용에 대한 명확한 가이드라인 부재로 인해 혼란이 가중되고 있습니다.
• 핵심 문제:
  • 신뢰의 취약성: 프리랜서 작업은 장기 계약이나 조직적 프로토콜이 부재하여, AI 사용이 적발될 경우 신뢰 관계가 쉽게 붕괴되고 계약이 종료될 수 있습니다.
  • 공개 (Disclosure) 의 딜레마: 많은 프리랜서가 AI 사용을 숨기거나 (Secret Use), 클라이언트가 이를 감지할 수 있다고 오해하여 수동적으로 대응합니다. 반면 클라이언트는 AI 사용에 대한 명확한 공개를 원하거나, 반대로 AI 사용 자체를 금지하는 모호한 정책을 펼칩니다.
  • 정책과 해석의 괴리: 클라이언트가 수립한 AI 정책이 프리랜서에 의해 어떻게 해석되는지에 대한 연구가 부족하며, 이로 인해 기대치 불일치가 발생합니다.

2. 연구 방법론 (Methodology)

이 연구는 프리랜서 (작업자) 와 클라이언트 양측의 관점을 비교 분석하기 위해 3 단계에 걸친 혼합 연구 (Mixed-method study) 를 수행했습니다.

• Study 1.1 (인터뷰, N=41): 프리랜서 41 명과 심층 인터뷰를 통해 AI 사용 관행, 공개 전략, 클라이언트 정책에 대한 인식을 탐색했습니다.
• Study 1.2 (프리랜서 설문, N=100): 인터뷰 결과를 바탕으로 개발된 설문을 통해 프리랜서의 AI 사용 빈도, 공개 유형 (수동적/능동적), 정책 경험 등을 정량화했습니다.
• Study 2 (클라이언트 설문, N=145): 프리랜서 설문과 동일한 항목을 클라이언트에게 적용하여 기대치와 선호하는 공개 방식을 비교했습니다. 또한 클라이언트가 실제로 적용 중인 'AI 정책' 문서를 수집했습니다.
• Study 3 (정책 해석 실험, N=100): Study 2 에서 수집된 다양한 클라이언트 AI 정책 (예: "AI 금지", "소규모 작업만 허용", "대규모 작업 허용" 등) 을 새로운 프리랜서에게 제시하고, 그들이 정책을 어떻게 해석하고 실제 행동에 어떻게 반영할지 평가했습니다.

3. 주요 연구 결과 (Key Findings)

3.1. 기대치 불일치 (Expectation Gap)

• 공개에 대한 인식 차이:
  • 프리랜서: 약 39% 가 '수동적 공개 (Passive Disclosure, 요청 시에만 공개)'를 가장 일반적인 관행으로 꼽았습니다. AI 사용이 보편화되었다고 믿거나, 클라이언트가 이미 감지할 수 있다고 가정하여 능동적 공개를 불필요하거나 어색하게 여깁니다.
  • 클라이언트: 프리랜서보다 능동적 공개를 더 많이 기대합니다. 하지만 명확한 AI 정책이 존재할 경우, 오히려 공개의 필요성을 낮게 평가하는 경향이 있습니다.
• AI 감지 능력의 오해: 약 63.5% 의 프리랜서는 클라이언트가 작업물을 통해 AI 사용을 쉽게 감지할 수 있다고 믿지만, 클라이언트는 자신들의 감지 능력에 대해 매우 낮은 자신감 (평균 3.11/5) 을 보였습니다.

3.2. AI 사용 범위 해석의 불일치

• 작업 유형별 인식 차이: '소규모 작업 (Minor tasks)'과 '대규모 작업 (Major tasks)'의 정의가 양측에서 다릅니다.
  • 예시: 이메일 초안 작성은 프리랜서는 '소규모'로 보지만, 클라이언트는 수신자에 따라 '대규모'로 간주할 수 있습니다. 아이디어 생성은 클라이언트는 '대규모'로 보지만, 프리랜서는 초기 브레인스토밍 단계에서는 '소규모'로 봅니다.
• 정책 해석 오류: 클라이언트의 정책이 AI 사용을 '촉진'할 때 (예: "대규모 작업 허용"), 프리랜서는 오히려 허용 범위를 과소평가하는 경향이 있었습니다. 반면, 정책이 AI 사용을 '제한'할 때 (예: "소규모 작업만 허용"), 프리랜서는 허용 범위를 과대평가하여 오해를 빚었습니다.

3.3. 다섯 가지 공개 관행 유형

연구는 프리랜서의 AI 공개 방식을 5 가지로 분류했습니다:

1. 비공개 (Non-Disclosure): AI 사용을 아예 밝히지 않음.
2. 수동적 공개 (Passive Disclosure): 가장 흔한 유형. 클라이언트가 명시적으로 물을 때만 공개.
3. 상황적 공개 (Situational Disclosure): 프로젝트의 민감도나 클라이언트의 AI 이해도에 따라 공개 여부 결정.
4. 조건부 공개 (Qualified Disclosure): "AI 는 보조 도구일 뿐, 최종 결정은 인간이 내렸다"는 식으로 프레임링하여 공개.
5. 능동적 공개 (Proactive Disclosure): 제안서나 납품물에 AI 사용 내역을 명시적으로 밝힘.

3.4. 클라이언트 AI 정책의 문제점

수집된 정책들을 분석한 결과 다음과 같은 문제점이 발견되었습니다:

• 모호한 책임 조항: "상식적으로 사용", "인간적 판단 유지" 등 실행 가능한 지침이 부재.
• 제한 중심의 서술: 데이터 보호 등 금지 사항만 강조하고, 어떤 사용 사례가 허용되는지에 대한 구체적인 예시가 부족함.
• 단계적 구분의 부재: "최종 결정 단계"에서만 AI 사용을 금지하는 식의 정책은 작업 흐름의 초기 단계 (아이디어, 초안 등) 에서의 AI 활용 중요성을 간과함.

4. 주요 기여 및 시사점 (Contributions & Significance)

4.1. 이론적 기여

• 분산된 노동 환경에서의 AI 거버넌스 연구: 조직 내의 상명하달식 정책 수립과 달리, 프리랜서 환경에서는 정책이 어떻게 생성, 해석, 협상되는지를 관찰할 수 있는 희귀한 사례를 제공합니다.
• 이진법 (Binary) 프레임의 한계 지적: "사용함/사용 안 함"의 이분법적 공개 방식은 AI 활용의 연속성 (Continuum) 을 반영하지 못해 오해를 초래함을 입증했습니다.

4.2. 실무적 및 정책적 시사점

• 정책 설계 개선 (Usability of Policies):
  • 구체적인 예시 제공: "소규모/대규모"와 같은 추상적 개념 대신, 구체적인 작업 유형 (예: "문법 검사 허용,但最终 초안 작성 금지") 을 명시해야 함.
  • 공개 사다리 (Disclosure Ladder) 모델 제안: AI 의 기여도에 따라 공개 수준을 차등화 (소규모는 불필요, 중규모는 간략한 노트, 대규모는 상세 보고) 하는 비이진적 접근이 필요함.
• 플랫폼의 역할 강화:
  • 플랫폼은 AI 정책 템플릿, 공개 스크립트, 사례 라이브러리 (Bad/Good examples) 를 제공하여 양측의 기대치를 조율해야 함.
  • 분쟁 발생 시 플랫폼이 클라이언트 편향적으로 해결하는 구조를 개선하고, 공정한 중재 메커니즘을 마련해야 함.
• 규제 리터러시 (Regulation Literacy): EU AI Act 등 새로운 규제 하에서, 프리랜서와 클라이언트 모두 AI 사용과 공개에 대한 규정을 올바르게 해석할 수 있도록 교육과 가이드가 필요함.

5. 결론

이 연구는 프리랜서 작업에서 AI 거버넌스가 단순히 규칙을 만드는 문제가 아니라, 해석 가능하고 실행 가능한 정책, 규범, 플랫폼 메커니즘을 설계하는 문제임을 강조합니다. 프리랜서와 클라이언트 간의 지속적인 기대치 불일치는 신뢰를 훼손하고, 이는 "허락보다 용서를 구하는 (Ask for Forgiveness)"와 같은 위험한 관행으로 이어집니다. 따라서 명확한 가이드라인, 상황 인식형 정책, 그리고 상호 신뢰를 기반으로 한 공개 문화 조성이 AI 시대의 노동 환경에서 필수적입니다.