작년에 한 고객사가 창고에 AI 피킹 시스템을 설치했습니다. 장비가 들어오고 시스템이 가동됐는데, 세 달 뒤 검토 결과 사용률이 절반에도 미치지 못했습니다. 베테랑 피커들은 여전히 옛날 방식을 쓰고 있었고, 새 시스템은 가구처럼 그 자리에 놓여 있었습니다. 사장은 이해할 수 없었습니다. 돈은 썼고, 기술은 좋은데, 왜 팀이 사용을 거부하는 걸까요?
저는 이 이야기를 잘 압니다. 3PL 영업에서 수년을 보내며 AI 프로젝트가 기술이 아니라 사람 때문에 죽는 경우를 너무 많이 봤습니다. 창고 작업자가 AI에 저항할 때, 그건 그들이 느리거나 게으르기 때문이 결코 아닙니다. 아무도 세 가지 질문에 답해주지 않았기 때문입니다. 내 일자리는 아직 있는가, 문제가 생겼을 때 누가 책임을 지는가, 그리고 내가 배우지 못하면 어떻게 되는가. 이 질문들에 답하지 않으면 저항은 보장된 것이나 다름없습니다.
창고 작업자가 AI에 저항하는 세 가지 진짜 이유
첫째, 일자리를 잃을 것이라는 두려움입니다. 가장 직접적인 이유이자 가장 입 밖으로 나오지 않는 이유입니다. 2025년 초, 한 고객사의 창고에 자동 분류 라인이 설치되자 베테랑 직원들 사이에 "내년에 우리 절반이 잘릴 것"이라는 소문이 돌았습니다. 경영진은 해고 계획이 전혀 없었지만 아무도 그렇게 말하지 않았고, 소문은 저절로 커졌습니다. 가동 후 첫 달에 퇴사가 눈에 띄게 늘었고 경험 많은 직원 여러 명이 떠났습니다. 직관에 반하는 교훈은 해고 소문이 AI 자체보다 팀에 더 큰 상처를 입힌다는 것, 그리고 소문을 일찍 부인하는 것이 나중에 다시 채용하는 것보다 훨씬 싸다는 것입니다.
둘째, 책임을 뒤집어쓸 것이라는 두려움입니다. AI가 권고하고, 작업자가 그걸 따르고, 뭔가 잘못됩니다. 누구의 잘못일까요? 이것이 시프트 리드들을 밤잠 못 이루게 하는 것입니다. 현장에서 십 년 넘게 일한 한 리드는 예전에 이렇게 말했습니다. "경험으로 판단할 때는 실수를 제가 책임졌어요. 이제 시스템이 뭘 하라고 알려주는데, 틀리면 시스템 잘못인가요, 제 잘못인가요?" 책임의 경계가 불분명하면 작업자에게 합리적인 선택은 시스템을 사용하지 않거나, 사용하는 척하는 것입니다.
셋째, 배우지 못할 것이라는 두려움입니다. 베테랑 창고 작업자 중에는 나이가 많은 분이 많고, 화면과 스캐너만으로도 이미 벅찼습니다. 거기에 AI 시스템까지 더해지면 압박은 실재합니다. 배우지 못할까 봐 두려워하는 사람은 그렇게 말하지 않습니다. "이건 안 돼"라거나 "옛날 방식이 더 나아"라고 말하며, 시스템에 대한 비판으로 자신의 불안을 가립니다.
AI에 저항하는 작업자의 세 가지 장면: 베테랑, 신입, 시프트 리드
베테랑부터 시작하겠습니다. 2024년 하반기, 한 고객사 창고에서 Chen이라는 피커는 십팔 년 동안 피킹을 해 왔고 눈을 감고도 모든 물건이 어디 있는지 알았습니다. AI가 가동된 뒤 시스템은 제안된 경로를 따르라고 그에게 요구했습니다. 이틀 만에 그는 포기했습니다. "내 경로가 그 경로보다 짧은데, 왜 그 말을 들어야 하지?" 우리는 접근법을 바꿨습니다. Chen은 두 주 동안 자신의 경로대로 걸었고 시스템은 기록만 하고 절대 개입하지 않았습니다. 그러고 나서 데이터를 보여줬습니다. 시스템 경로는 주문당 평균 약 십 퍼센트 걷는 양이 적었습니다. Chen은 아무 말도 하지 않았고, 다음 날부터 시스템을 따르기 시작했습니다. 베테랑은 AI에 반대하는 것이 아닙니다. 기계가 자신의 일을 가르치는 데 반대하는 것입니다. 한 번 이기게 해주고 나서 변화에 대해 이야기하세요.
신입은 다른 이야기입니다. 2025년에 새 창고가 문을 열었을 때, 이십 대 작업자 그룹은 한 번의 교육으로 AI 교육을 익혔습니다. 문제는 그들이 너무 의존했다는 것입니다. 시스템이 다운되면 현장 전체가 얼어붙었습니다. 교육은 카드 한 장을 남겨둬야 합니다. 시스템 뒤에 있는 논리를 가르치고, 정기적으로 "시스템 없는 훈련"을 실시해 사람들이 물건이 어디에 있고 왜 거기 있는지 알게 하는 것입니다. AI는 목발이지 휠체어가 아닙니다.
시프트 리드는 모든 장면 중 가장 중요합니다. 시프트 리드는 AI 도입의 진짜 관문지기입니다. 그들이 사용하지 않으면 그 아래 누구도 사용하지 않습니다. 제 경험으로는 가동 전에 리드를 내부 사람으로 만드는 것입니다. 프로세스 설계에 참여시키고, 가장 먼저 배우게 하고, 가장 먼저 데이터를 보게 하고, 가장 먼저 팀에 발표하게 하는 것입니다. 2025년 프로젝트에서 정확히 그렇게 했고, 리드는 가장 큰 회의론자에서 챔피언으로 바뀌었습니다. 가동 후 두 주 안에 사용률은 팔십 퍼센트를 넘었습니다. 시프트 리드를 얻으면 도입의 절반은 얻은 것입니다.
AI에 대한 저항을 뒤집는 교육과 인센티브
교육 설계에는 세 가지 엄격한 규칙이 있습니다. 첫째, 실습 먼저, 채점 없음. 가동 후 첫 달은 실습만, 시험 없음, 실수에 대한 벌칙 없음. 한 번의 벌칙이 저항을 열 배로 키웁니다. 둘째, 베테랑이 신입을 가르칩니다. 먼저 배운 사람이 나중에 배우는 사람을 가르칩니다. 가르치는 사람은 보상을 받고, 배우는 사람은 동료를 얻습니다. 셋째, 단계별로 가르칩니다. 모든 기능을 한 번에 작업자에게 쏟아붓지 마세요. 가장 많이 쓰는 기능 하나를 가르치고, 익히게 한 뒤 다음 것을 더합니다.
인센티브는 더 세심한 주의가 필요합니다. 가장 중요한 규칙: 효율 보너스를 인원 감축과 결코 연결해서는 안 됩니다. 작업자가 "우리가 더 효율적이 될수록 더 빨리 잘린다"고 믿는 순간, 아무리 좋은 보너스 공식도 역효과가 됩니다. 올바른 접근법은 보너스를 팀 효율과 오류율에 연결하고, 여유가 생긴 인력을 사람을 줄이는 대신 더 많은 물량을 맡는 데 쓰는 것입니다. 한 고객사가 2025년에 이렇게 했습니다. AI가 가동된 뒤 개인당 효율이 올랐고, 보너스도 함께 올랐으며, 팀은 적극적으로 더 많은 주문을 요청했습니다. 아무도 해고를 언급하지 않았습니다.
경영진은 세 가지 실수를 반복해서 저지릅니다. 솔직히 이름을 밝히겠습니다. 첫째, 가동 전에 아무 말도 하지 않고 사람들에게 갑자기 들이대는 것. 둘째, 운영만 교육하고 "왜"를 절대 설명하지 않아, 작업자는 방법은 알지만 목적은 모르는 것. 셋째, AI를 사람들이 일하는 것을 돕는 도구가 아니라 인원을 줄이는 도구로 제시하는 것. 표현을 바꾸면 저항의 절반이 사라집니다.
놓치기 쉬운 단계가 하나 더 있습니다. 출시 후 검토입니다. 많은 프로젝트가 가동을 결승선으로 여기고, 세 달 뒤에는 아무도 사용률을 보지 않습니다. 작업자들이 조용히 옛날 방식으로 돌아가고 있다는 것을 누군가 알아차렸을 때는 이미 늦었습니다. 제 방식은 가동 후 월간 데이터 검토를 고객사와 합의하는 것입니다. 사용률, 오류율, 작업자 피드백, 이 세 가지를 함께 봅니다. 사용률이 떨어지면 먼저 시프트 리드에게 묻고, 그다음 현장 작업자에게 묻습니다. 이유는 대개 구체적입니다. 한 기능이 너무 복잡하다, 한 지시가 불분명하다, 한 번의 시스템 장애가 방치됐다. 이런 작은 문제들을 하나씩 고치면 사용률이 유지됩니다. AI 도입은 일회성 프로젝트가 아닙니다. 지속적인 운영입니다.
2025년에 또 다른 고객사는 한 걸음 더 나아갔습니다. AI 사용을 일선 작업자의 평가가 아니라 시프트 리드의 월간 검토에 넣은 것입니다. 매달 리드는 누가 아직 어려움을 겪고 있는지, 어디에서 막히는지, 다음 달 팀이 어떻게 도울지를 보고했습니다. 현명한 결정이었습니다. 압박은 경영진이 떠안았고, 작업자는 지원만 느꼈지 평가받는다고 느끼지 않았습니다. 여섯 달 뒤 그 창고는 사용률을 구십 퍼센트 안팎으로 유지했고, 퇴사는 AI가 오기 전보다 오히려 약간 적었습니다. 작업자는 AI에 저항하는 것이 아닙니다. AI에게 평가받는다는 느낌에 저항하는 것입니다.
다음에 계약을 협상할 때는 세 가지 질문을 하는 것을 잊지 마세요. 작업자 교육 예산은 얼마인가, 가동 후 첫 달에 채점을 하는가, 그리고 효율 보너스는 정확히 무엇과 연결되는가. 이 세 가지 질문에 대한 답이 그 AI 프로젝트가 진짜 도입인지, 아니면 그저 쇼인지를 알려줄 것입니다.
Susan, 3PL 영업 이사 지음 영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.








