14주 · 회사는 커졌는데, 기회와 부담은 누구에게 가는가
AI 에이전트 시대의 개인과 조직의 변화
2027년 1학기 · 유호현 · 읽기·토론 세미나
장면과 강의 · 이번 주의 질문
이야기 속 장면 · 전국 배송의 성과는 운전, 상하차, 정비, 관제의 기여가 합쳐진 결과다. 예전의 달리기 기록만으로 인정과 보상을 나누면 새로운 갈등이 생긴다.
이번 주 질문 · 더 큰 회사의 성과를 누가 만들었고, 누가 이익과 전환 비용을 가져가고 있는가?
사업과 조직의 변화 · 성과의 공로, 보상, 전환 비용과 지원을 이해관계자별로 구분한다.
살펴볼 변화 · 공정성 인식 · 공로와 인정 · 지위 변화 · 전환의 부담
강의 내용 · 현장의 실행, 관제의 판단, 정비의 예방처럼 눈에 보이는 기여와 보이지 않는 기여를 비교한다. AI 지원의 효과가 숙련과 경험에 따라 달랐던 연구를 읽고, 그 수치만으로 정당한 임금이나 공정성 인식을 계산할 수 없음을 확인한다. 보상과 학습 기회의 기준을 제안한다.
두 읽기 비교 질문 · 기여와 보상의 비교를 설명하는 공정성 이론과 고객지원의 생산성 연구는 서로 무엇을 보완하는가? 성과 효과가 다르다는 결과가 임금이나 공정성 갈등을 직접 입증하는가?
주차별 읽기 자료
Adams (1965) · 사회심리학 이론 · Advances in Experimental Social Psychology · 학술서 수록 장
고전 · Inequity in Social Exchange (새 탭에서 열림)1965 학술서 수록 장 · 인쇄267–299쪽 · 스캔 PDF · 원문 사이트에서 열람·저장 가능
대표 저자 · J. Stacy Adams · h-index 11 · J. Stacy Adams 조회 출처 (새 탭)
공정성 이론을 발전시킨 조직·사회심리학자
저자와 연구 맥락 · J. Stacy Adams는 사회적 교환에서 불공정함을 느끼는 조건을 설명하는 공정성 이론을 발전시켰다. 이 글은 자신의 기여와 보상을 다른 사람과 비교하는 과정에 주목하는 조직·사회심리학의 고전이다.[28]
학술적 의의 · 조직의 변화가 실제 성과뿐 아니라 기여가 인정되는 방식과 비교 기준을 통해 받아들여진다는 관점을 제공한다. AI가 생산성을 높여도 누가 공로와 보상을 얻는지에 따라 만족과 갈등이 달라질 수 있다는 질문의 이론적 출발점이다.[28]
이 주차의 선정 이유 · 전국 배송의 운전·관제·정비가 만든 성과를 누구에게 인정할지 논의하려고 읽는다. 생산성 숫자와 기여·보상의 공정성 인식을 구분하고 눈에 덜 보이는 역할과 전환 비용까지 함께 살핀다.
읽기의 한계 · 공정성 인식을 설명하는 이론이지 객관적으로 정당한 임금이나 분배 비율을 계산하는 공식이 아니다.
Brynjolfsson, Li & Raymond (2025 출판본) · 단계적 도입 현장 연구 · The Quarterly Journal of Economics · 2025 출판본
최근 · Generative AI at Work (새 탭에서 열림)2025 QJE 학술지 출판본 · 원문 사이트에서 열람·저장 가능
대표 저자 · Erik Brynjolfsson · h-index 95 · Erik Brynjolfsson 조회 출처 (새 탭)
디지털 기술·AI와 생산성을 연구하는 경제학자
저자와 연구 맥락 · Erik Brynjolfsson, Danielle Li와 Lindsey Raymond는 노동 현장에서 AI가 성과와 학습에 미치는 영향을 연구한다. 고객지원 업무에 AI 어시스턴트가 단계적으로 도입된 자료를 분석해, 평균 효과뿐 아니라 숙련과 경험에 따른 차이를 다룬다.[36]
학술적 의의 · 평균 생산성 변화와 근로자별 차이를 함께 살피는 현장 연구다. 초보자와 숙련자가 얻는 효과가 같지 않을 수 있어, AI 도입을 일괄적인 역량 향상이 아닌 숙련·학습·역할의 재배치 문제로 토론할 근거를 제공한다.[36]
이 주차의 선정 이유 · 숙련과 경험에 따라 AI 지원의 성과 효과가 달랐던 현장 연구를 보상 논의의 비교 자료로 읽는다. 연구가 임금이나 공정성 인식을 직접 측정하지 않았음을 확인하며, 역할별 전환 지원의 가설을 세운다.
읽기의 한계 · 고객지원 업무의 AI 어시스턴트 연구다. 모든 직업의 효과나 임금 분배, 직원의 공정성 인식을 직접 검증한 것은 아니다. 2023 working paper와 2025 출판본의 표본·수치를 섞지 않는다.
남기는 것 · 역할별 공로·이익·위험·학습 기회와 전환 지원 제안
출처와 서지 확인
h-index는 표시한 대표 저자 1명의 OpenAlex 조회값(2026-10-06)이며 숫자를 누르면 출처를 볼 수 있다. 미확인 값은 생략했다. 저자의 영향력을 참고하는 지표이지 논문의 품질 점수는 아니다.
저자 소개와 학술적 의의는 아래 공개 출처에 근거한다. 주차별 선정 이유는 수업을 위한 해석이며, 고전 이론을 에이전트에 대해 검증된 결론으로 취급하지 않는다. 원문의 판본과 접근·재배포 조건은 각 읽기 자료에 표시했다.
읽기와 토론의 원칙
트럭 그림은 설명용 비유이며 변화의 필연적 순서가 아니다. AI의 오류·불확실성처럼 비유로 설명할 수 없는 부분은 실제 사례와 문헌으로 검토한다. 경험·해석·실증·가치 판단을 구분하고 강사의 전망에도 반론을 제시할 수 있다.
원문을 확인하고 AI를 사용한 범위를 밝힌다. 개인 경험의 공개는 선택이며, 실제 내담자·고객·동료의 민감정보나 비공개 조직 자료를 AI·공유 공간에 입력하지 않는다. 평가와 운영 안내는 전체 강의계획에서 확인한다.