지난 이야기 — 판단의 무게를 짊어진 사람들
지난 6화에서 우리는 AI가 정답을 내놓아도 최종 결정의 책임은 사람에게 남는다는 이야기를 했습니다. 판단이라는 행위가 왜 인간의 몫일 수밖에 없는지, 그 무게를 어떻게 감당해야 하는지를 다뤘죠. 오늘은 그 판단을 가능하게 만드는 토대, 바로 신뢰라는 자산에 대해 이야기하려 합니다.
판단은 진공 속에서 이루어지지 않습니다. 누군가의 말을 듣고, 누군가의 데이터를 참조하고, 누군가와 함께 결과를 책임지겠다는 약속 위에서 판단이 내려집니다. 그 ‘누군가’와의 관계, 그 관계 안에 축적된 신뢰가 없다면 아무리 뛰어난 판단력도 공중에 뜬 칼날에 불과합니다.
신뢰가 자산이 된 시대
정보가 넘치면 신뢰가 희소해진다
2026년 현재, 정보를 얻는 것은 어렵지 않습니다. AI에게 물어보면 몇 초 만에 보고서 수준의 답변이 돌아옵니다. 금융 시장 분석, 기술 트렌드, 법률 해석, 의학 소견까지. 정보의 양만 놓고 보면 우리는 인류 역사상 가장 풍요로운 시대를 살고 있습니다.
그런데 이상한 일이 벌어지고 있습니다. 정보가 넘칠수록 사람들은 오히려 더 불안해합니다. “이 정보가 맞는 건가?” “저 AI가 만들어낸 수치를 그대로 써도 되나?” “이 분석을 믿고 의사결정을 해도 괜찮은 건가?” 이런 질문이 끊이지 않습니다.
경제학에서 말하는 역설이 여기서도 작동합니다. 물이 넘치면 물의 가치는 떨어지지만, 깨끗한 물의 가치는 오히려 올라갑니다. 정보가 넘치면 정보 자체의 가치는 떨어지지만, 신뢰할 수 있는 정보의 가치는 치솟습니다. 그리고 그 신뢰는 결국 사람과 사람 사이의 관계에서 나옵니다.
20년을 관통하는 한 가지 패턴
금융IT에서 20년을 일하면서 기술 트렌드는 수없이 바뀌었습니다. 클라이언트-서버에서 웹으로, 웹에서 모바일로, 모바일에서 클라우드로, 그리고 이제 AI로. 매번 “이번에는 정말 다르다”는 말이 나왔고, 실제로 많은 것이 달라졌습니다.
그런데 바뀌지 않은 게 하나 있습니다. 중요한 일일수록 ‘아는 사람’에게 먼저 물어본다는 것입니다.
신규 시스템을 도입할 때 벤더 영업 자료를 보기 전에 그 시스템을 실제로 써본 동료에게 전화합니다. 장애가 터지면 매뉴얼을 뒤지기 전에 비슷한 장애를 겪어본 선배에게 연락합니다. 이직을 고민할 때 채용 공고의 화려한 문구보다 그 조직에서 일해본 지인의 한마디가 더 무겁게 다가옵니다.
AI 시대에도 이 패턴은 변하지 않았습니다. 아니, 오히려 강화되었습니다. AI가 쏟아내는 정보의 홍수 속에서 “이건 진짜야”라고 보증해줄 수 있는 사람의 가치가 더 올라간 겁니다.
신뢰의 구조 — 왜 AI는 신뢰를 ‘만들’ 수 없는가
신뢰의 세 가지 층위
신뢰라는 말을 자주 쓰지만, 그 안에는 서로 다른 층위가 있습니다. 업무 현장에서 제가 경험한 신뢰의 구조를 세 가지로 나눠보겠습니다.
첫 번째, 능력 신뢰(Competence Trust). “이 사람은 맡은 일을 해낼 수 있다”는 믿음입니다. 기술력, 전문성, 실행력에 대한 신뢰죠. 이것은 AI가 가장 빠르게 잠식하고 있는 영역이기도 합니다. 코드를 짜고, 보고서를 쓰고, 데이터를 분석하는 ‘능력’ 자체는 AI가 상당 부분 대체하고 있으니까요.
두 번째, 성실 신뢰(Integrity Trust). “이 사람은 약속을 지키고, 솔직하게 말하며, 이해관계가 충돌할 때 원칙을 따른다”는 믿음입니다. 이건 시간이 걸립니다. 한두 번의 프로젝트가 아니라 수년간의 교류를 통해서만 확인할 수 있는 것들이죠. 납기를 맞추기 위해 밤새워본 경험, 실수를 인정하고 바로잡는 모습, 불편한 진실을 회피하지 않는 태도 — 이런 것들이 쌓여서 성실 신뢰가 됩니다.
세 번째, 관계 신뢰(Relational Trust). “이 사람은 나를 이해하고, 내 상황을 고려하며, 필요할 때 곁에 있어줄 것이다”는 믿음입니다. 가장 높은 수준의 신뢰이자, 가장 만들기 어렵고, 가장 무너지기 쉬운 신뢰입니다.
AI는 첫 번째 층위에서는 놀라운 성과를 보여주고 있습니다. 두 번째와 세 번째 층위에서는요? 구조적으로 불가능합니다. AI에게는 지킬 약속도, 감수할 리스크도, 함께 나눌 맥락도 없으니까요.
금융 현장에서 만난 신뢰의 결정적 순간
챗봇을 8년간 운영하면서 수많은 고객 상담 데이터를 봐왔습니다. 그중에서 가장 인상적인 패턴이 있습니다.
고객이 챗봇에게 “내 펀드 수익률이 왜 이래?”라고 물으면 챗봇은 정확한 수치와 시장 상황을 설명합니다. 매우 정확하게요. 그런데 고객의 다음 반응은 대부분 이렇습니다.
“상담원 연결해주세요.”
왜일까요? 정보가 부족해서가 아닙니다. 챗봇이 제공한 정보는 상담원이 제공할 수 있는 것과 동일하거나 오히려 더 정확합니다. 고객이 원하는 건 정보가 아니라 공감과 확신입니다. “시장이 어렵지만 선생님의 포트폴리오는 이런 구조라서 이렇게 대응하시면 됩니다”라는 말을 사람의 목소리로 듣고 싶은 겁니다. 그리고 그 말에 무게를 실어주는 것은 그 상담원의 전문성이 아니라, 같은 회사의 직원으로서 함께 책임을 지겠다는 암묵적 약속입니다.
이 현상은 금융뿐 아니라 모든 분야에서 일어나고 있습니다. AI가 아무리 정교한 답변을 내놓아도, 사람들은 “그래서 당신은 어떻게 생각하세요?”라는 질문을 던집니다. 그 질문의 본질은 정보 요청이 아닙니다. 신뢰할 수 있는 관계 안에서 확인받고 싶은 것입니다.
AI 시대, 신뢰 자산의 가격이 오르는 다섯 가지 구조적 이유
인간관계가 더 비싸진다는 말이 단순한 감성적 주장이 아니라, 구조적이고 경제적인 현실이라는 것을 설명하겠습니다.
1. 정보 비대칭의 반전
과거에는 정보를 가진 사람이 권력을 가졌습니다. 전문가의 가치는 “내가 알고 있고 당신은 모르는 것”에서 나왔죠. 의사, 변호사, 회계사, 엔지니어 — 이들의 높은 보수는 정보 비대칭에 기반했습니다.
AI는 이 비대칭을 급격하게 줄이고 있습니다. 누구나 AI에게 물어보면 전문가 수준의 정보를 얻을 수 있게 되었으니까요. 그러면 전문가의 가치는 사라지는 걸까요?
아닙니다. 가치의 원천이 이동한 것입니다. 정보를 아는 것(knowing)에서 그 정보를 특정 상황에 맞게 적용하고 책임지는 것(owning)으로요. 그리고 누군가에게 “이 상황에서는 이렇게 하세요”라고 말하고 그 결과를 함께 감당하려면, 그 사이에 신뢰가 있어야 합니다.
정보가 무료가 되면, 정보에 대한 보증이 유료가 됩니다. 그 보증을 가능하게 하는 것이 바로 신뢰 관계입니다.
2. 검증 비용의 폭발
AI가 만들어내는 콘텐츠가 폭발적으로 늘어나면서, 무엇이 사실이고 무엇이 허구인지 구별하는 비용이 치솟고 있습니다. 이른바 ‘검증 비용(verification cost)’의 폭발입니다.
금융IT에서 이 문제는 이미 현실입니다. AI가 작성한 코드 리뷰를 할 때, 코드 자체의 논리적 오류뿐 아니라 “이 코드가 정말 AI가 주장하는 대로 동작하는가”를 별도로 검증해야 합니다. AI가 만든 테스트 케이스가 실제로 모든 엣지 케이스를 커버하는지, AI가 분석한 장애 원인이 진짜 근본 원인인지, 일일이 확인해야 합니다.
이 검증 비용을 줄여주는 가장 효율적인 메커니즘이 무엇일까요? 바로 신뢰할 수 있는 사람의 판단입니다. “이 부분은 제가 확인했습니다”라는 한마디가 수 시간의 검증 작업을 대체합니다. 물론 그 한마디에 무게가 실리려면, 그 사람이 과거에 충분히 신뢰할 만한 검증을 해왔다는 이력이 필요합니다.
신뢰는 검증 비용을 극적으로 낮추는 사회적 인프라입니다. 그래서 검증 비용이 올라갈수록 신뢰의 경제적 가치도 올라갑니다.
3. 맥락 전달의 병목
AI는 데이터를 처리하는 데 탁월하지만, 맥락(context)을 이해하는 데는 근본적인 한계가 있습니다. 여기서 말하는 맥락은 단순히 대화의 앞뒤 문맥이 아닙니다. 조직의 역사, 팀의 역학, 개인의 성향, 산업의 관행, 문화적 뉘앙스 — 이런 것들이 복합적으로 얽힌 ‘살아있는 맥락’입니다.
예를 들어보겠습니다. 어떤 시스템의 특정 모듈이 유독 복잡하게 설계되어 있다고 합시다. AI에게 “이 코드를 리팩토링해줘”라고 하면 깔끔하게 정리된 코드를 내놓을 겁니다. 하지만 그 모듈이 왜 그렇게 복잡해졌는지 — 5년 전 규제 변경 때 급하게 대응하면서 생긴 임시 로직이 굳어진 것이고, 지금도 연 2회 감사 때 그 로직의 흔적을 보여줘야 한다는 사실 — 이런 맥락은 AI가 알 수 없습니다.
이 맥락을 알고 있는 사람, 그리고 그 사람이 “이건 건드리면 안 됩니다”라고 말할 때 그 판단을 신뢰할 수 있는 관계. 이것이 없으면 AI의 “개선”이 오히려 재앙이 됩니다.
맥락은 문서화할 수 있는 것의 범위를 늘 초과합니다. 그래서 맥락의 전달은 결국 사람과 사람 사이의 관계, 특히 충분한 시간을 함께 보낸 관계에 의존합니다. AI가 아무리 발전해도 이 병목은 해소되지 않습니다. 오히려 AI가 맥락 없이 처리하는 일의 범위가 넓어질수록, 맥락이 필요한 나머지 일들의 난이도와 중요도는 더 높아집니다.
4. 책임의 귀속 문제
5화에서 “AI가 시킨 대로 했어요”라는 말이 왜 위험한지 다뤘습니다. 그때의 핵심 메시지를 한 줄로 요약하면 이렇습니다: AI에게는 책임을 물을 수 없다.
책임을 물을 수 없는 존재와의 관계에서는 신뢰가 성립하지 않습니다. 신뢰의 전제 조건 중 하나가 “상대방이 약속을 어겼을 때 그에 대한 대가를 치를 의사와 능력이 있는가”이기 때문입니다.
금융 현장에서 이건 아주 구체적인 문제입니다. 투자 자문을 해주는 AI가 잘못된 분석을 해서 고객이 손실을 봤다면, 누구에게 책임을 물어야 할까요? AI를 만든 회사? AI를 도입한 금융사? AI의 분석을 전달한 직원? 아직 이 질문에 대한 사회적 합의는 없습니다.
이 불확실성 속에서 사람들은 자연스럽게 책임을 질 수 있는 존재를 찾습니다. “만약 일이 잘못되면 이 사람이 책임진다”는 확신. 그것이 바로 신뢰 관계의 핵심이고, AI가 제공할 수 없는 것입니다.
역설적이게도, AI가 더 많은 의사결정에 관여할수록 책임의 귀속 문제는 더 복잡해지고, 그래서 명확하게 책임을 지는 사람의 가치는 더 올라갑니다.
5. 감정 노동의 재평가
오랫동안 감정 노동은 과소평가되어 왔습니다. “공감해주기”, “경청하기”, “분위기 읽기” 같은 것들은 ‘소프트 스킬’이라는 이름 아래 부차적인 것으로 취급받았습니다. 진짜 실력은 기술적 역량, 분석 능력, 실행력에 있다고 여겨졌죠.
그런데 AI가 기술적 역량, 분석 능력, 실행력의 상당 부분을 대체하기 시작하면서, 남는 것이 무엇인지가 선명해지고 있습니다. 바로 그 ‘소프트 스킬’, 정확히 말하면 관계를 만들고 유지하는 능력입니다.
팀원의 번아웃을 눈치채고 업무를 재분배하는 팀장. 고객의 불안 뒤에 숨은 진짜 니즈를 읽어내는 상담원. 부서 간 갈등에서 양측의 체면을 세워주면서 합의를 이끌어내는 조정자. 이런 역할은 AI가 대체하기 가장 어려운 영역이면서, 동시에 조직이 돌아가기 위해 가장 필수적인 영역입니다.
감정 노동의 가격이 올라가고 있습니다. 그리고 감정 노동이 작동하려면 그 기반에 신뢰가 있어야 합니다. 내 감정을 드러내도 안전하다는 믿음, 상대방이 진심으로 경청하고 있다는 확신, 이 대화가 불이익으로 돌아오지 않을 것이라는 기대 — 이 모든 것이 신뢰입니다.
신뢰 자산의 특성 — 예금이 아니라 근육이다
신뢰는 쌓이지 않는다, 단련된다
신뢰를 ‘신뢰 계좌(Trust Account)’에 비유하는 표현을 많이 씁니다. 좋은 행동을 하면 잔고가 늘고, 나쁜 행동을 하면 줄어든다는 식이죠. 직관적이지만 위험한 비유입니다.
신뢰는 예금보다 근육에 가깝습니다. 한 번 만들어놓으면 가만히 있어도 유지되는 게 아니라, 지속적으로 사용해야 유지됩니다. 쓰지 않으면 퇴화합니다. 그리고 과도하게 사용하면 손상됩니다.
20년간 일하면서 만난 가장 안타까운 케이스 중 하나가 “과거의 신뢰를 과신하는 사람”입니다. “우리 10년 알고 지냈잖아”라는 말로 부당한 요청을 하거나, 과거의 성과를 방패 삼아 현재의 부실함을 가리려는 경우. 신뢰가 예금이라면 이런 ‘인출’도 가능하겠지만, 신뢰가 근육이라면 이건 근육에 무리를 주는 행위입니다. 몇 번 반복하면 부상을 입습니다.
반대로, 꾸준히 작은 약속을 지키고, 실수를 빠르게 인정하며, 어려울 때 먼저 손을 내미는 사람의 신뢰는 점점 강해집니다. 매일 운동하는 사람의 근육처럼요.
신뢰의 복리 효과
근육 비유를 더 밀어보면, 신뢰에는 복리 효과가 있습니다.
제가 A라는 동료를 신뢰하고, A가 B를 신뢰하면, 저는 B를 만나본 적이 없어도 어느 정도의 신뢰를 가지고 시작할 수 있습니다. A의 판단을 신뢰하기 때문에 “A가 추천한 사람이면 믿을 만하다”고 생각하는 것이죠. 이것이 신뢰의 전이(transitive trust)입니다.
이 네트워크가 넓어질수록 한 사람의 신뢰 자산은 기하급수적으로 커집니다. 금융에서 말하는 복리와 같은 구조입니다. 원금(직접 관계)에 이자(간접 관계)가 붙고, 그 이자에 또 이자가 붙습니다.
흥미로운 점은, AI 시대에 이 복리 효과가 더 강해진다는 것입니다. 왜냐하면 직접 만나서 신뢰를 쌓을 시간과 기회는 줄어드는 반면(원격 근무, 프로젝트 단위 조직, 프리랜서 경제), 신뢰가 필요한 의사결정의 빈도와 중요도는 올라가기 때문입니다. 제한된 시간 안에 신뢰할 수 있는 사람을 찾아야 하는 상황에서, 기존 네트워크의 추천, 즉 전이된 신뢰의 가치가 폭등하는 겁니다.
신뢰의 비대칭성 — 쌓기는 어렵고 무너지기는 쉽다
신뢰 자산의 가장 잔인한 특성은 비대칭성입니다. 쌓는 데는 수년이 걸리고, 무너지는 데는 한순간이면 충분합니다.
이 비대칭성이 AI 시대에 더 극적으로 작용합니다. 과거에는 신뢰가 무너져도 정보의 제한으로 그 영향이 느리게 퍼졌습니다. 하지만 지금은 하나의 실수, 하나의 배신이 순식간에 네트워크 전체로 전파됩니다.
챗봇 운영에서 겪은 사례가 있습니다. 한 번의 오작동으로 잘못된 금리 정보가 나간 적이 있었습니다. 기술적으로는 사소한 버그였고 빠르게 수정했지만, 그 사건 이후 챗봇의 금리 안내를 신뢰하지 않고 매번 확인 전화를 거는 고객이 눈에 띄게 늘었습니다. 한 번 깨진 신뢰를 회복하는 데 몇 달이 걸렸습니다.
사람 사이의 관계도 마찬가지입니다. AI가 잘못된 분석을 했을 때 “AI가 잘못한 거지, 내 잘못이 아니야”라고 말하는 사람의 신뢰는 급락합니다. 반면 “AI 분석을 충분히 검증하지 못한 건 제 책임입니다”라고 말하는 사람의 신뢰는 오히려 올라갑니다. AI의 실수를 자기 책임으로 받아들이는 그 순간, 그 사람은 AI 이상의 가치를 증명하는 것입니다.
조직에서 신뢰 자산이 작동하는 방식
신뢰 네트워크가 조직의 실제 구조다
모든 조직에는 두 가지 구조가 있습니다. 조직도에 그려진 공식 구조와, 실제로 일이 돌아가는 비공식 구조입니다. 공식 구조는 직급과 부서로 나뉘지만, 비공식 구조는 신뢰 관계로 연결됩니다.
“진짜 필요하면 이 사람한테 가” — 모든 조직에 이런 사람이 있습니다. 직급이 높아서가 아니라, 오래 쌓아온 신뢰 때문에 그 사람의 말 한마디가 공식 결재보다 빠르게 일을 움직입니다.
AI 도입이 가속화되면서 이 비공식 구조의 중요성이 더 부각되고 있습니다. 공식 구조는 “AI로 대체 가능한 업무”를 기준으로 재편되고 있고, 그 과정에서 사람의 역할이 축소되거나 재정의되고 있습니다. 하지만 비공식 구조, 즉 신뢰 네트워크는 오히려 더 조밀해지고 있습니다. AI가 처리할 수 없는 일, 즉 판단·조정·책임·맥락 전달이 필요한 일이 신뢰 네트워크를 통해 해결되기 때문입니다.
“이 사람이 말하면 된다”의 경제학
조직에서 의사결정이 지연되는 가장 큰 이유 중 하나는 합의 비용입니다. 여러 부서, 여러 이해관계자의 동의를 얻는 데 드는 시간과 에너지. 회의, 이메일, 보고서, 재검토, 또 회의 — 이 순환이 끝없이 반복됩니다.
신뢰가 높은 사람은 이 합의 비용을 극적으로 줄여줍니다. “이 분야는 그 사람 판단을 믿으면 됩니다” — 이 한마디로 회의 세 번이 줄어듭니다. 검토 단계가 생략됩니다. 의사결정 속도가 빨라집니다.
이것을 경제적으로 환산하면 엄청난 금액입니다. 10명이 참여하는 1시간짜리 회의의 비용을 시급으로 환산해보세요. 거기에 회의 준비 시간, 회의 후 정리 시간, 기회비용까지 더하면요. 신뢰받는 한 사람이 “이렇게 가겠습니다”라고 말해서 그 회의가 없어진다면, 그 사람의 신뢰 자산이 만들어낸 경제적 가치는 구체적으로 측정 가능합니다.
AI 시대에 이 효과는 더 커집니다. AI가 쏟아내는 선택지와 분석 결과가 많아질수록, 합의에 필요한 검토 대상도 늘어나기 때문입니다. “AI가 세 가지 옵션을 제시했는데 어떤 걸로 하죠?”라는 질문이 매일 수십 번 오갑니다. 이때 신뢰받는 누군가가 “두 번째로 가죠”라고 말하면, 나머지 사람들은 그 판단을 수용합니다. 신뢰가 의사결정의 촉매 역할을 하는 겁니다.
신뢰의 이직 — 사람이 옮기면 신뢰도 옮긴다
이직이 활발한 시대에 흥미로운 현상이 있습니다. 어떤 사람이 조직을 떠나면, 그 사람이 가지고 있던 신뢰 네트워크의 일부가 함께 이동합니다.
기술 자산은 조직에 남습니다. 코드, 시스템, 문서, 데이터 — 이런 것들은 개인의 소유가 아닙니다. 하지만 신뢰 자산은 개인에게 귀속됩니다. “그 사람이 있어서 저쪽 팀과 협업이 잘 됐는데…”라는 한탄이 그 사람이 떠난 뒤에 나옵니다.
이것은 AI 시대에 개인의 커리어 전략에도 시사점을 줍니다. 기술 역량은 AI에 의해 빠르게 평준화되고 있습니다. 5년 전에 희소했던 기술이 지금은 AI가 몇 초 만에 구현해줍니다. 하지만 20년간 쌓아온 신뢰 네트워크는 AI가 복제할 수 없습니다. 당신의 가장 강력한 커리어 자산은 이력서에 적을 수 없는 것일 수 있습니다.
신뢰를 축적하는 실질적 방법 — AI 시대의 관계 투자
여기까지 읽으셨다면 “그래서 어떻게 하면 되는데?”라는 질문이 떠오를 겁니다. 거창한 방법론이 아니라, 제가 20년간 실제로 효과를 봤던 작은 습관들을 공유합니다.
1. 작은 약속을 지키는 것부터
“내일까지 보내드리겠습니다”라고 말했으면 내일까지 보냅니다. 이게 전부입니다.
놀랍도록 많은 사람들이 이 기본을 지키지 못합니다. “곧 보내드릴게요”가 며칠이 되고, “확인해보겠습니다”가 잊혀집니다. 각각은 사소하지만, 누적되면 “이 사람은 말을 해도 믿을 수가 없어”가 됩니다.
반대로, 작은 약속을 일관되게 지키는 사람은 큰 약속도 지킬 것이라는 기대를 줍니다. 신뢰의 기초 체력이 여기서 만들어집니다. AI 시대에도 이건 변하지 않습니다. AI가 아무리 뛰어나도, AI를 쓰는 사람이 약속을 안 지키면 아무 소용없습니다.
2. 모르는 것을 모른다고 말하기
AI가 모든 것에 대해 그럴듯한 답을 내놓는 시대에, “잘 모르겠습니다”라고 말하는 것은 오히려 차별화된 신뢰 신호가 됩니다.
챗봇을 운영하면서 배운 교훈 중 하나가 이것입니다. 챗봇이 모든 질문에 답을 내놓으니까 사용자들은 그 답을 신뢰합니다. 하지만 그 답이 틀렸을 때의 충격은 “답을 못 준 것”보다 훨씬 큽니다. 확신에 찬 오답은 겸손한 무응답보다 해롭습니다.
사람도 마찬가지입니다. “그 부분은 제 전문 분야가 아니라 정확히 말씀드리기 어렵습니다. 대신 잘 아는 분을 연결해드리겠습니다.” 이 한마디가 무리해서 내놓은 불확실한 답변보다 훨씬 더 큰 신뢰를 쌓아줍니다.
3. 나쁜 소식을 먼저 전하기
프로젝트가 지연되고 있을 때, 버그가 발견되었을 때, 예상과 다른 결과가 나왔을 때 — 이 소식을 전하는 타이밍이 신뢰를 결정합니다.
AI는 나쁜 소식을 전하는 걸 두려워하지 않습니다. 감정이 없으니까요. 하지만 사람은 다릅니다. 나쁜 소식을 전하면 상대방이 실망하거나 화를 낼 수 있다는 걸 알기 때문에 두렵습니다. 그래서 늦추거나, 포장하거나, 숨기게 됩니다.
하지만 나쁜 소식을 빨리, 솔직하게, 대안과 함께 전하는 사람에 대한 신뢰는 매우 빠르게 쌓입니다. “이 사람은 불편하더라도 사실을 말한다”는 확신은 모든 종류의 협업에서 가장 귀한 것입니다.
20년간 일하면서 가장 깊이 신뢰한 동료들을 떠올려보면, 그들의 공통점은 기술력이 뛰어나거나 성격이 좋거나 하는 게 아니었습니다. 불편한 진실을 회피하지 않았다는 것이었습니다.
4. 상대방의 공로를 밝히기
누군가의 기여를 인정하고 밝히는 것은 신뢰를 쌓는 가장 빠른 방법 중 하나입니다. 그런데 많은 사람들이 이걸 간과합니다.
“이건 사실 ○○ 님 아이디어였는데 제가 정리한 겁니다.” “이 부분은 ○○ 님이 핵심 로직을 잡아주셔서 가능했습니다.” 이런 한마디가 상대방에게 전해지면, 그 관계의 신뢰는 한 단계 올라갑니다.
AI 시대에 이건 더 중요해집니다. AI가 상당 부분의 작업을 대신 해주면서, “이게 내 성과인가, AI의 성과인가”라는 모호함이 커지고 있습니다. 이런 상황에서 사람의 기여를 명확히 인정하고 밝히는 행위는 더 큰 의미를 가집니다.
5. 일관성을 유지하기
윗사람 앞에서와 아랫사람 앞에서 다른 말을 하는 사람. 이해관계에 따라 입장이 바뀌는 사람. 기분에 따라 반응이 달라지는 사람. 이런 사람에 대한 신뢰는 절대 쌓이지 않습니다.
신뢰의 핵심은 예측 가능성입니다. “이 사람은 이런 상황에서 이렇게 행동할 것이다”라는 예측이 반복적으로 맞을 때 신뢰가 형성됩니다. 일관성은 신뢰의 가장 기본적인 재료입니다.
이것은 AI와 대조됩니다. AI는 같은 질문에 매번 다른 답을 할 수 있습니다. 프롬프트의 미세한 차이, 모델 업데이트, 확률적 샘플링 — 여러 요인으로 인해 AI의 응답은 본질적으로 비결정적입니다. 사람이 AI보다 신뢰받을 수 있는 가장 쉬운 방법은, 의외로, 일관되게 행동하는 것입니다.
AI와 신뢰의 공존 — 배타적이 아닌 상호보완적 관계
AI가 신뢰를 ‘증폭’할 수 있는 영역
지금까지 AI가 신뢰를 만들 수 없다는 이야기를 많이 했지만, 공정하게 말하면 AI가 기존의 신뢰를 증폭하는 역할은 할 수 있습니다.
예를 들어, 신뢰하는 동료가 AI를 활용해서 더 빠르고 정확한 분석을 내놓는다면, 그 동료에 대한 신뢰는 오히려 강화됩니다. “이 사람은 새로운 도구도 잘 활용해서 더 나은 결과를 만들어내는구나”라는 인식이 생기니까요.
반대로, 신뢰받지 못하는 사람이 AI를 사용하면 상황이 악화됩니다. “이 사람이 직접 한 건지, AI가 한 건지도 모르겠고, 검증은 했을까?”라는 의심이 더해지니까요.
AI는 신뢰를 만들지는 못하지만, 기존 신뢰의 방향을 증폭합니다. 신뢰가 있는 곳에서는 더 큰 신뢰를, 불신이 있는 곳에서는 더 큰 불신을 만들어냅니다. 이것은 마치 소셜 미디어가 기존의 사회적 경향을 증폭하는 것과 비슷한 메커니즘입니다.
AI 리터러시가 새로운 신뢰 지표가 되다
흥미로운 변화가 하나 더 있습니다. AI를 어떻게 사용하는지가 그 사람의 신뢰도를 판단하는 새로운 기준이 되고 있다는 것입니다.
AI 결과를 무비판적으로 수용하는 사람은 신뢰도가 떨어집니다. “AI가 이렇게 말했으니까 이게 맞겠지”라는 태도는 전문성의 부재를 드러냅니다. 반면 AI 결과를 비판적으로 검토하고, 한계를 인식하며, 적절히 보완해서 사용하는 사람은 신뢰도가 올라갑니다.
3화에서 다뤘던 “AI 잘 쓰는 팀”의 특성이 개인 수준에서도 적용되는 것입니다. AI 리터러시는 이제 단순한 기술 역량이 아니라, 그 사람의 판단력과 책임감을 보여주는 신뢰 신호입니다.
챗봇 8년이 가르쳐준 역설 — 자동화할수록 사람이 그리워진다
챗봇을 처음 도입했을 때 가장 기대했던 것은 ‘사람 비용의 절감’이었습니다. 단순 반복 문의를 챗봇이 처리하면 상담원 인력을 줄일 수 있을 거라고요.
8년이 지난 지금, 현실은 기대와 많이 다릅니다.
단순 문의는 확실히 줄었습니다. 챗봇이 처리하니까요. 하지만 상담원에게 넘어오는 문의의 난이도와 감정 강도는 극적으로 올라갔습니다. 챗봇으로 해결 안 되는 문제, 즉 복잡하고, 감정적이고, 예외적인 문제만 사람에게 옵니다. 쉬운 건 기계가 다 했으니, 남은 건 어려운 것뿐인 거죠.
그 결과, 상담원에게 요구되는 역량이 완전히 달라졌습니다. 매뉴얼대로 답변하는 능력이 아니라, 격앙된 고객의 감정을 읽고, 복잡한 상황을 이해하며, 고객이 신뢰할 수 있는 해결책을 제시하는 능력. 이건 챗봇 도입 전보다 훨씬 고난도의 일입니다.
그리고 이 역량의 바탕에 있는 것이 바로 신뢰입니다. 고객이 “이 상담원은 내 편이다”라고 느낄 수 있는 관계적 신뢰. 그 신뢰가 없으면 아무리 정확한 정보를 줘도 고객은 수용하지 않습니다.
자동화할수록 사람이 그리워지는 이 역설은 앞으로 더 심화될 것입니다. AI가 더 많은 것을 자동화할수록, 자동화할 수 없는 영역 — 즉 사람과 사람 사이의 신뢰가 필요한 영역 — 의 가치는 더 올라갑니다.
신뢰 자산의 미래 — 우리는 무엇을 준비해야 하는가
커리어 관점: 기술 포트폴리오 + 신뢰 포트폴리오
많은 사람들이 커리어 개발을 ‘기술 포트폴리오 구축’으로만 생각합니다. 새로운 프로그래밍 언어, 새로운 프레임워크, 새로운 자격증. 물론 중요합니다. 하지만 AI 시대에는 신뢰 포트폴리오를 함께 관리해야 합니다.
신뢰 포트폴리오란, 당신이 신뢰 관계를 맺고 있는 사람들의 네트워크입니다. 당신이 도움을 요청할 수 있는 사람, 당신의 판단을 기꺼이 수용하는 사람, 당신을 다른 사람에게 추천해줄 수 있는 사람. 이 네트워크의 크기와 깊이가 AI 시대의 커리어 경쟁력을 결정합니다.
특히 주목할 점은 다양성입니다. 같은 분야, 같은 직급, 같은 연령대의 사람들만으로 이루어진 신뢰 네트워크는 한계가 있습니다. 다른 분야, 다른 경험, 다른 관점을 가진 사람들과의 신뢰 관계가 있어야 복잡한 문제에 대한 다각적 판단이 가능합니다.
조직 관점: 신뢰 인프라에 투자하기
조직은 AI 도구에 투자하면서 동시에 신뢰 인프라에도 투자해야 합니다. 여기서 말하는 신뢰 인프라란 물리적 설비가 아니라, 조직 구성원 간의 신뢰를 촉진하는 구조와 문화입니다.
구체적으로는:
- 실패를 인정할 수 있는 문화 — 실수를 숨기지 않아도 되는 환경이 있어야 솔직한 커뮤니케이션이 가능하고, 솔직한 커뮤니케이션이 있어야 신뢰가 쌓입니다.
- 비공식 교류의 기회 — 업무 미팅만으로는 관계적 신뢰가 형성되기 어렵습니다. 점심, 커피, 티타임, 워크숍 같은 비공식 시간이 사실은 조직의 신뢰 자본을 축적하는 시간입니다.
- 지식 공유의 인센티브 — “내가 아는 것을 다른 사람에게 가르쳐주면 내 가치가 떨어진다”는 사고방식을 바꿔야 합니다. AI 시대에 개인의 지식은 빠르게 감가상각됩니다. 오히려 지식을 나누면서 쌓이는 신뢰가 더 오래 가는 자산입니다.
- 장기적 관계의 보호 — 프로젝트 단위의 빠른 인력 순환은 효율적으로 보이지만, 신뢰 축적의 기회를 앗아갑니다. 핵심 팀의 안정성을 유지하는 것이 장기적으로 더 큰 가치를 만들어냅니다.
사회 관점: 신뢰 양극화에 대비하기
한 가지 우려스러운 시나리오가 있습니다. AI 시대에 신뢰의 양극화가 심화될 수 있다는 것입니다.
이미 넓은 신뢰 네트워크를 가진 사람은 AI를 활용해 그 네트워크의 가치를 더 키울 수 있습니다. 하지만 신뢰 네트워크가 빈약한 사람, 특히 경력이 짧거나, 사회적 자본이 적거나, 비대면 환경에서 일을 시작한 사람은 신뢰를 쌓을 기회 자체가 줄어들 수 있습니다.
AI가 “능력의 평등화”를 이끌고 있다는 낙관론이 있습니다. 누구나 AI를 통해 전문가 수준의 결과물을 만들 수 있게 되었다는 거죠. 맞는 말입니다. 하지만 능력이 평등해진 세상에서 차별화 요소는 신뢰로 이동합니다. 그리고 신뢰는 능력보다 훨씬 불평등하게 분포되어 있습니다.
이 문제에 대한 쉬운 답은 없습니다. 다만, 인식하는 것이 첫걸음입니다. 조직의 리더라면, 신규 입사자나 경력이 짧은 구성원이 신뢰를 쌓을 수 있는 구조적 기회를 만들어주는 것이 중요합니다. 개인이라면, 기술 역량만큼이나 관계 역량에 의식적으로 투자하는 것이 필요합니다.
당신의 신뢰 자산은 얼마입니까
이 질문에 숫자로 답할 수는 없습니다. 하지만 다음 질문에 답해보면 대략적인 감을 잡을 수 있습니다.
- 지금 당장 어려운 문제가 생기면, 주저 없이 전화할 수 있는 사람이 몇 명이나 됩니까?
- 그중에서 당신의 전화를 반갑게 받아줄 사람은 몇 명입니까?
- 당신이 추천한 사람을 상대방이 신뢰할 만큼, 당신의 판단에 대한 신뢰가 쌓여 있습니까?
- 당신이 “이건 제가 확인했습니다”라고 말했을 때, 그 한마디로 검증이 끝나는 관계가 몇 개나 됩니까?
- 당신이 실수를 했을 때, “그래도 이 사람이니까”라고 말해줄 사람이 있습니까?
이 질문들에 대한 답이 당신의 신뢰 자산입니다. 그리고 이 자산은 AI가 아무리 발전해도 대체할 수 없는, 당신만의 것입니다.
20년간 금융IT에서 일하면서, 정말 중요한 순간에 기술이 결정적이었던 적은 의외로 드물었습니다. 기술은 필요조건이었지, 충분조건이 아니었습니다. 정말 결정적이었던 것은 “이 사람을 믿을 수 있는가”, “이 사람이 내 편인가”, “이 사람이 끝까지 함께 갈 것인가”에 대한 확신이었습니다.
AI 시대에 이 확신의 가치는 더 올라갑니다. 기술은 AI가 제공하니까, 남는 것은 사람과 사람 사이의 신뢰뿐입니다.
이번 주 한 줄 노트
“AI는 답을 주고, 사람은 보증을 준다. 보증이 더 비싸지는 시대가 왔다.”
이번 글에서 다룬 내용은 개인의 경험과 견해이며, 특정 기업이나 조직의 입장을 대변하지 않습니다.
다음 화 예고
8화에서는 조직 문화로 시선을 넓혀보려 합니다. AI가 생산성의 상당 부분을 담당하게 된 조직에서, 사람들은 무엇을 기준으로 모이고, 무엇을 기준으로 헤어질까요? “AI 시대의 팀빌딩”이라고도 부를 수 있을 이 주제에서, 사람이 모여야만 만들어지는 가치에 대해 이야기하겠습니다.
이미지는 Leonardo AI 로 생성되었습니다.
이미지는 Claude AI 로 생성되었습니다.
◀ 이전 6화 (다음 차수는 아직 게시되지 않았습니다)
[…] 인 더 루프(Human-in-the-Loop): AI 시대, 사람만 할 수 있는 일 (총 12화 중 8화)◀ 이전 7화 (다음 차수는 아직 게시되지 않았습니다) 카테고리: IT기술 […]