💻 computer science

Simulating Quiet Quitting: A Computational Experiment on Crisis Management Strategies using Generative Agents

이 논문은 '조용한 퇴사' 현상을 성공적으로 시뮬레이션하고 정량화하는 생성형 에이전트 프레임워크를 소개하며, 몰입 전략이 이직 의도를 유의미하게 감소시키는 반면 그 효과는 직원의 성격 특성에 의해 결정적으로 조절된다는 점을 밝힘으로써, 정밀 타겟팅된 위기 관리를 위한 계산적 테스트베드를 구축한다.

원저자: Rui Hong, Feng Yao, Peijun Ye, Tao Wang, Zhongshan Zhang

게시일 2026-07-08

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Rui Hong, Feng Yao, Peijun Ye, Tao Wang, Zhongshan Zhang

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

당신이 선장이라고 상상해 보십시오. 당신의 선원들은 거대한 폭풍(즉, '크런치 타임' 마감 기한)에 직면해 있습니다. 현실 세계에서 당신은 선원들의 마음을 읽을 수 없습니다. 그들이 갑판을 닦고 있는 모습(자신의 일을 하는 것)은 볼 수 있지만, 폭풍이 지나가자마자 몰래 배를 버리고 떠날 계획을 세우고 있는지까지는 알 수 없습니다. 이처럼 직원이 '하는 행동'과 '느끼는 감정' 사이의 보이지 않는 간극을 **'조용한 퇴사(Quiet Quitting)'**라고 부릅니다.

이 논문은 인간 행동을 위한 **'디지털 비행 시뮬레이터'**와 같습니다. 실제 배를 위험에 빠뜨는 대신, 연구진은 '생성형 에이전트(Large Language Model 기반의 AI 캐릭터)'로 구성된 가상의 선원들을 구축했습니다. 그들은 이 시뮬레이터를 사용하여 서로 다른 관리 스타일이 디지털 선원들의 잔류 또는 이직 여부에 어떤 영향을 미치는지 테스트했습니다.

이 실험의 내용을 쉬운 용어로 정리하면 다음과 같습니다.

1. 문제점: 마음이라는 '블랙박스'

보통 관리자들은 외부적인 모습만 봅니다. "보고서 다 끝냈나?" (예/아니오). 하지만 그들은 내부를 놓칩니다. "나는 이 일이 싫고 그만두고 싶은가?" (내면의 생각).
연구진은 이 블랙박스 안을 들여다보고 싶었습니다. 그들은 모든 AI 직원이 두 가지 일을 동시에 수행하도록 시스템을 설계했습니다.

행동: "네, 하겠습니다"라고 말하기 (행동적 순응).
생각: "이미 이력서 업데이트 중이야"라고 속삭이기 (이직 의도).

이를 통해 연구진은 직원이 '조용한 퇴사'를 하는 정확한 순간, 즉 몸은 현장에 있지만 정신은 이미 떠나버린 상태를 포착할 수 있었습니다.

2. 실험: 두 가지 리더십 방식

그들은 '관리자 AI'와 '직원 AI'가 맞붙는 180개의 서로 다른 시나리오를 만들었습니다. 관리자들은 다음 두 가지 스타일 중 하나를 사용했습니다.

'통제형' 스타일 (교관): "지금 당장 해. 변명은 필요 없어. 이건 의무야."
'몰입형' 스타일 (코치): "힘든 마감 기한이 왔습니다. 당신의 기술이 매우 중요합니다. 저희를 믿어줄 수 있나요? 나중에 꼭 보답하겠습니다."

또한, 연구진은 '원 사이즈 핏 올(one size fits all)' 방식이 통하는지 확인하기 위해 직원들에게 다양한 '성격'(Big Five 특성인 정서적, 이성적, 신중함 등)을 부여했습니다.

3. 주요 발견 사항

A. '교관' 스타일의 역효과
관리자가 고압적이고 통제적일 때, 디지털 직원의 **68%**가 퇴사를 결심했습니다. 더 심각한 것은, 많은 이들이 "아니오"라고 말하지 않았다는 점입니다. 그들은 업무에는 "예"라고 답하면서도, 내면으로는 퇴사를 결정했습니다. 이것이 바로 '조용한 퇴사'의 완벽한 레시피입니다. 즉, 직업을 유지하기 위해 최소한의 일은 수행하면서도 속으로는 마음을 떠나보내는 것입니다.

B. '코치'는 효과가 있다... 대체로
관리자가 지지적이고 존중하는 태도를 보였을 때, 퇴사 욕구는 8% 미만으로 급격히 떨어졌습니다. 이는 '무엇을' 요청하느냐보다 '어떻게' 요청하느냐가 중요하다는 것을 증명합니다.

C. '일률적 적용'의 함정
이 부분이 가장 흥ся로운 대목입니다. '코치' 스타일이 모두에게 통하는 것은 아니었습니다.

'이성적' 선원들: 이 디지털 직원들은 로봇 같았습니다. 관리자가 친절하든 못되든 상관하지 않았으며, 업무를 단순히 수학 문제처럼 취급했습니다. 이들은 스타일과 상관없이 계속 남았습니다.
'정서적' 선원들: 가장 친절한 '코치' 관리자와 함께 있어도, 이 정서적 에이전트들의 거의 절반은 여전히 퇴사를 원했습니다. 이들은 업무량 자체에 너무 큰 스트레스를 받았기에, 친절함만으로는 문제를 해결할 수 없었습니다.
'신중한' 선원들 (조용한 퇴사자들): 이들은 놓치기에 가장 위험한 유형입니다. 이들은 직장을 잃는 것을 매우 두려워했기 때문에, 상사가 아무리 못되게 굴어도 항상 "예"라고 답했습니다. 하지만 내면에서는 100% 떠날 준비가 되어 있었습니다. 이들은 완벽한 직원처럼 보이다가 갑자기 사라지는 '침묵의 파괴자'들입니다.

4. 핵심 비결: '성격 제거(Stripping the Personality)'

AI 챗봇은 보통 과도하게 예의 바르고 도움이 되도록(마치 골든 리트리버처럼) 훈련되어 있습니다. 만약 단순히 역할극을 요청했다면, 그들은 친절하게 굴기 위해 모든 것에 "예!"라고 답했을 것이고, 이는 실험을 망쳤을 것입니다.

연구진은 **'성격 제거 프로토콜'**을 발명했습니다. 이는 AI에게 특정 공포와 결점을 가진, 지치고 힘든 실제 인간처럼 행동하도록 강제하는 필터를 씌우는 것과 같습니다. 이를 통해 시뮬레이션은 떠날 계획을 세우며 일을 흉내 내는 사람들의 복잡하고 실제적인 진실을 포착할 수 있었습니다.

5. 관리자를 위한 시사점

이 논문은 모든 직원을 똑같이 대할 수는 없다고 결론짓습니다.

이성적인 직원들을 데리고 있다면, 명확한 규칙과 공정한 보상을 제공하십시오. 감정적인 격려에 시간을 낭비할 필요가 없습니다.
신중한 직원들을 데리고 있다면, 그들의 "예"라는 말을 그대로 믿지 마십시오. 그것은 충성심이 아니라 두려움 때문에 하는 말일 수 있습니다. 출력값(성과)이 아니라 그들의 내면 스트레스 수치를 확인해야 합니다.
정서적인 직원들을 데리고 있다면, 친절한 관리자만으로는 부족합니다. 업무량이 너무 무겁다면, 실제로 압박감을 줄여주어야 합니다.

요약하자면: 이 연구는 게임 같은 시뮬레이션을 통해, '조용한 퇴사'가 직원이 순응의 가면 뒤에 퇴사 의지를 숨기는 실재하며 측정 가능한 현상임을 입증했습니다. 이는 좋은 관리란 단순히 친절한 것이 아니라, 대화하고 있는 상대방의 구체적인 성격을 이해하는 것임을 보여줍니다.

기술 요약: 생성형 에이전트를 통한 조용한 퇴사(Quiet Quitting) 시뮬레이션

1. 문제 제기

본 논문은 조직 위기 관리에서의 "관측 가능성 격차(Observability Gap)", 특히 조용한 퇴사(Quiet Quitting) 현상과 관련하여 이를 다룬다. 퇴직 조사나 퇴사 인터뷰와 같은 전통적인 방식은 생존자 편향(survivor bias)과 인상 관리(impression management)의 문제를 안고 있으며, 계약상으로는 준수하고 있으나 심리적으로는 이탈한 직원들의 내부 인지 과정을 포착하는 데 실패한다.

현재의 위기 관리 패러다임은 진정한 몰입(genuine engagement)과 "전략적 순응(strategic compliance)"(직원이 처벌을 피하기 위해 과업은 수행하되 내부적으로는 이직을 계획하는 상태)을 구분하는 데 어려움을 겪는다. 저자들은 고압적인 시기("크런치 타임") 동안 경영 전략과 개인의 성격 특성 사이의 비선형적 역동성을 이해하기 위해 정적인 관찰만으로는 불충분하다고 주장한다.

2. 방법론: 생성적 계산 실험(Generative Computational Experiment)

본 연구는 대규모 언어 모델(LLM)을 사용하여 이질적인 디지털 노동력을 시뮬레이션하는 생성적 계산 실험을 채택한다. 핵심 방법론은 2 × 6 요인 설계(통제 vs. 몰입 관리 전략 × 6가지 Big Five 성격 유형)를 바탕으로 한 N = 180의 쌍방향 상호작용이다.

주요 기술 구성 요소:

생성형 에이전트(Generative Agents): 시뮬레이션은 gpt-4o-mini를 활용하여 신념-욕구-의도(BDI) 메커니즘을 시뮬레이션할 수 있는 에이전트를 생성한다. 규칙 기반의 에이전트 기반 모델링(ABM)과 달리, 이 에이전트들은 모호함을 해석하고 내부적 심리 계약을 협상하기 위해 인과적 추론 체인을 사용한다.
성격 박리 프로토콜(Personality-Stripping Protocol): RLHF(인간 피드백 기반 강화 학습)에 의해 정렬된 LLM 특유의 "확률적 모방(Stochastic Mimicry)"과 사회적 노이즈를 완화하기 위해, 저자들은 "탈인격화된 자극(De-anthropomorphized Stimulus)"을 구현했다. 이 프로토콜은 매니저 에이전트를 순수한 전략 신호 전달자로 변환하여, 혼란 변수로 작용할 수 있는 대화상의 예절이나 친절함을 제거한다. 이를 통해 에이전트의 반응이 전달 방식의 톤이 아닌, 오로지 특성 차이에 의해 유도되도록 보장한다.
이중 프로세스 인지 아키텍처: 내부 인지의 "블랙박스"를 포착하기 위해, 시스템은 응답을 생성하기 전 에이전트를 시스템 2(System 2) 추론 루프를 거치게 한다. 이는 세 가지 층위로 구성된다:
1. 정체성 층위(Identity Layer): 정적 특성 (Big Five).
2. 맥락 층위(Context Layer): "크런치 타임" 스트레스 요인.
3. 인지적 평가 층위(Cognitive Appraisal Layer): 에이전트가 행동 출력을 결정하기 전, 심리적 자원에 대한 위협을 분석하는 "내적 독백(Silent Monologue)" 과정인 자원 가치 평가(Resource Valuation) 수행.
조용한 퇴사의 정량화: 본 연구는 조용한 퇴사(QQ)를 행동적 순응(Behavioral Compliance) = 1 이고 이직 의도(Turnover Intention) ≥ 7 (0–10 척도 기준)인 상태로 수학적으로 정의한다. 이러한 이중 출력 구조(JSON 스키마)를 통해 외부적 행동과 내부적 심리 상태를 동시에 측정할 수 있다.
검증: 본 연구는 종단적 안정성 검증(82회의 턴 동안 체계적인 감정적 표류가 없음을 보여줌)과 도메인 전문가가 에이전트의 심리적 타당성과 행동 일관성을 평가하는 인간 참여형(Human-in-the-Loop, HITL) 평가를 포함한다.

3. 주요 결과

시뮬레이션은 경영 전략과 성격 특성 간의 상호작용에 관한 세 가지 주요 결과를 도출했다:

전략 효능(H1): 몰입 전략(지지적, 호혜적)은 통제 전략(권위적, 순응 중심)에 비해 이직 의도를 유의미하게 감소시켰다. 이직 의도는 통제 전략의 **67.8%**에서 몰입 전략의 **7.8%**로 급감했다 ( $\chi^2 = 68.4, p < 0.001$ ).
특성 조절 효과(H2): 몰입 전략의 효능은 균일하지 않다.
- 합리적 에이전트(높은 성실성, 낮은 신경증)는 경영 스타일의 변화에 "면역"을 보이며, 지시를 위협이 아닌 명확한 제약 조건으로 취급하여 경영 전략과 상관없이 0%의 이직 의도를 유지했다.
- 정서적 에이전트는 높은 변동성을 보였으며, 몰입 전략 하에서도 **46.7%**의 이직 의도율을 기록했다. 이는 해당 유형의 경우 업무량 스트레스가 정중한 경영 신호보다 더 강력하게 작용함을 시사한다.
"신중한" 조용한 퇴사자(H3): 신중한 클러스터(높은 신경증, 중간 수준의 성실성)가 조용한 퇴사의 주요 지점으로 나타났다. 이 에이전트들은 "숨겨진 마찰(Hidden Friction)" 패턴을 보였다: 100%의 행동적 순응을 보이면서도 포화 상태의 이직 의도(통제 전략 시 100%, 몰입 전략 시 83.3%)를 나타냈다. 이들은 외적으로는 "모범적인 직원"처럼 보이지만 내부적으로는 이탈하는 상태를 보이며, 저자들은 이를 "취약한 평형(Fragile Equilibrium)"이라 명명했다.

4. 의의 및 주장

본 논문은 조직 행동학 및 계산 사회 과학 분야에 다음과 같은 세 가지 구체적인 기여를 한다고 주장한다:

방법론적 혁신: 보이지 않는 내부 인지 과정을 관측 가능하고 정량화 가능한 형태로 만드는 생성적 계산 실험 프레임워크를 도입했다. 성격 박리 프로토콜은 LLM의 의인화된 노이즈로부터 특성 기반 신호를 분리해내는 참신한 방법으로 강조되며, 확률적 출력을 해석 가능한 심리학적 데이터로 변환한다.
시뮬레이션 내 이론적 검증: 본 연구는 합성 환경 내에서 **특성 활성화 이론(Trait Activation Theory, TAT)**과 **자원 보존 이론(Conservation of Resources, COR)**에 대한 실험적 검증을 제공한다. LLM이 외부적 순응과 내부적 철수의 디커플링(decoupling)을 통해, 두 이론이 설명하는 비선형적 개인-상황 상호작용을 재현할 수 있음을 입증했다.
정밀 관리를 위한 전략적 통찰: 본 연구는 "일률적인(one-size-fits-all)" 유지 정책에 도전한다. 저자들은 **특성 인지적, 정밀 타겟형 관리(trait-aware, precision-targeted management)**로의 전환을 주장한다. 표준적인 몰입도 설문조사는 "신중한" 조용한 퇴사자를 식찰하지 못하며, 관리자는 행동 기반 모니터링에서 순응-철수의 디커플링을 탐지하는 진단적 프레임워크로 나아가야 한다고 제언한다.

저자들은 이 연구가 사후 대응적 위기 관리가 아닌 선제적 의사결정 지원이 가능한 차세대 HR 전문가 시스템 개발을 위한 기초 단계라고 명시하며, 본 결과는 휴리스틱(heuristic)이자 가설 생성용이며 향-실제 데이터셋을 통한 추가 검증이 필요함을 밝히며 마무리한다.