Dell’Acqua et al. (2026) · 개인과 팀에 AI가 들어왔을 때
사전등록 현장 실험 · Organization Science 2026 출판본 · 2025 NBER판과 구분
1. 논문 소개
Fabrizio Dell’Acqua와 동료들은 AI가 팀의 어떤 기능을 도울 수 있는지 묻는다. 연구는 제품 혁신 성과, 서로 다른 전문성의 결합, 협업 중의 정서 경험을 함께 다룬다. 2026년 학술지 출판본은 P&G 전문가 791명의 자료를 분석한 사전등록 현장 실험이다. 연구진은 연구개발 부문과 상업 부문 사람으로 팀을 구성해, 서로 다른 전문성을 연결해야 하는 상황을 만들었다.[1]
지정 읽기는 2026년 Organization Science 출판본인 The Cybernetic Teammate: A Field Experiment on Generative AI and Teamwork다. 아래 해설은 출판사가 공개한 HTML 원문을 근거로 한다. 2025년 NBER Working Paper 33641은 부제가 Generative AI Reshaping Teamwork and Expertise이고, 표본이 776명으로 제시되어 있다. 이 표본은 출판본의 791명과 구분해야 한다. 본문에 나오는 그림 번호는 출판본 기준이다. 아래에 넣은 도판은 비교 자료인 2025년 NBER판의 그림 2다. 두 판본의 제목, 표본, 결과 설명을 섞지 않도록 한다.[1]
2. 논문의 주요 내용과 이론
그림 1은 개인과 2인 팀, AI 사용과 비사용을 교차한 네 조건을 보여 준다. 각 팀에는 연구개발 전문가와 상업 전문가가 한 명씩 들어간다. 이 설계로 사람 수와 AI 접근 여부가 과제 성과와 어떻게 관련되는지 비교할 수 있다. 평소 오래 함께 일해 온 팀의 경험이나 회사 전체의 분업 구조는 이 실험으로 알 수 없으며 따로 조사해야 한다.[1]
출판본에 따르면 AI를 사용한 개인의 제안 품질은 AI 없이 일한 팀과 비슷한 수준이었다. 그림 2는 네 조건의 평균 품질과 표준오차를 보여 준다. 아이디어 생성, 선택, 실행 단계로 나누어 추가 분석한 결과, AI의 이득은 주로 아이디어 생성의 질을 높이는 데서 나타났다. 아이디어를 평가하고 선택하는 사람의 판단은 여전히 가치가 있었다. 그림 8은 이 분석 결과를 보여 준다. 이 연구에서 비교한 단위는 제품 혁신 과제의 해법이다. 회사 전체의 업무 흐름과 장기 성과에 대한 효과는 추가로 검증해야 한다.[1]

Dell’Acqua et al. · 그림 2: 개인·팀과 AI의 과제 성과
개인과 팀, AI 사용과 미사용을 조합한 네 조건을 비교한다. 세로축은 해결안의 표준화 품질이고, 막대와 선은 각각 평균과 표준오차를 나타낸다. 이 과제에서 낸 성과와 장기적인 동료 관계는 따로 다룰 문제다. 이 그림은 읽기 자료에 연결한 2025년 NBER 워킹페이퍼에 실린 것이다.
원문 Figure 2 · PDF 30쪽. 학술 해설을 위한 부분 도판 인용. 원저작물의 권리는 권리자에게 있다.
원문 그림 영역 발췌 · 한국어 해설은 수업에서 작성.
연구는 전문성 공유의 결과도 보고한다. AI 없이 일한 연구개발 전문가는 기술 쪽에 치우친 제안을, 상업 전문가는 상업 쪽에 치우친 제안을 만드는 경향이 있었다. AI를 사용한 사람들의 제안은 소속 부문에 따른 차이가 줄었고, 두 관점을 더 균형 있게 담았다. 그림 5는 개인 조건에서 제안의 성격을 비교한다. 다만 제안서에 다른 분야의 내용이 들어갔다는 사실과 그 사람이 장기적으로 그 분야의 숙련을 익혔다는 주장은 서로 다른 자료로 확인해야 한다.[1]
연구는 협업의 사회적 측면을 참여자가 과제 전후에 스스로 보고한 정서로 측정한다. 그림 6과 7은 긍정 정서와 부정 정서의 변화를 보여 준다. AI 사용 조건에서 참여자들이 보고한 정서가 좋아졌다는 결과는 참여자들이 그 과제를 어떻게 경험했는지 알려 준다. 그러나 소속감이 계속 유지되는지, 동료끼리 서로 돌보는 관계나 갈등을 해결하는 관계가 어떻게 바뀌는지는 이 측정으로 알 수 없으며 따로 조사해야 한다.[1]
3. AI 에이전트 시대의 시사점
배송 회사에서 한 직원이 주문과 경로를 함께 검토하는 방식을 시험한다면, 그 직원이 맡은 기능 가운데 무엇이 넓어졌는지 적는다. 다른 분야의 정보를 제안에 넣는 일, 그 정보를 검증하는 일, 실행 책임을 지는 일을 나누어 적는다. 이 구분은 Dell’Acqua와 동료들의 실험을 업무 재설계에 적용한 수업의 해석이다. 초안 작성 범위가 넓어진 만큼 초안을 확인할 전문가와 자료도 정할 수 있다.
팀 구성을 제안할 때는 평균 품질과 함께 예외 상황 처리와 공동 책임도 검토해야 한다. 인원을 줄이는 방법, 사람이 맡을 일을 바꾸는 방법, 기존 팀에 새 도구를 주는 방법을 각각 비교한다. AI를 사용한 개인이 좋은 제안을 만들었다는 결과만으로는 어떤 방법이 조직에 맞는지 정할 수 없다. 비용, 오류, 노동 부담, 구성원 관계에 대한 자료를 더 모아야 한다.
지속적으로 행동하는 에이전트는 제안을 내는 데서 더 나아가 실제 변경을 실행할 수 있다. 이 실험에서 사용한 생성형 AI의 결과를 이런 에이전트 운영에 적용하려면 승인, 기록, 중단, 복구 절차를 새로 평가해야 한다. 제품 혁신 과제 하나에서 관찰한 성과와 정서 결과는 출발 근거로 쓸 수 있다. 장기적인 조직 운영에 미치는 효과는 앞으로 시험해 확인할 질문이다.
