다음 분기 실적 발표에서 어떤 CEO가 이렇게 말한다고 해봐요. "AI 덕분에 우리는 더 작고 빠른 조직이 됐습니다. 그래서 인원을 40% 줄였습니다." 주가는 오르고, 기사 헤드라인엔 "AI 혁신"이 박혀요. 그런데 이게 진짜 AI 혁신일까요, 아니면 경영 실패를 AI라는 포장지로 덮은 걸까요?
이걸 구분하는 건 의외로 어렵지 않아요. 2026년 2월, Block(구 Square)의 Jack Dorsey가 4,000명을 한 번에 자르면서 정확히 위 대사를 쳤거든요. 그리고 이걸 분석하던 사람들이 "AI 포장(AI washing)"을 가려내는 신호들을 만들어냈어요. 이 글은 그 신호들을 당신 회사(혹은 당신이 투자한 회사, 당신이 다니는 회사)에 바로 대볼 수 있는 체크리스트로 정리한 거예요.
먼저, "AI 포장"을 가려내는 5개 신호
Om Malik은 Block 사례를 분석하며 이 패턴에 이름을 붙였어요. "Narrative Substitution(서사 대체)" — 운영상의 대형 실수를 'AI 변혁' 스토리로 리프레이밍하면, 투자자와 대중이 현실을 완전히 다른 프레임으로 보게 된다는 거예요. 심지어 OpenAI의 Sam Altman조차 이 패턴을 "AI washing"이라고 불렀어요.
그럼 어떻게 가려낼까요? 아래 5개 중 3개 이상이 켜지면, 그건 AI 혁신이 아니라 AI 핑계일 확률이 높아요. Block에 그대로 대보면서 읽어보세요.
- 신호 1 — "탄탄한데도" 자른다
경영진이 "사업은 탄탄하다, 매출총이익은 성장 중이다"라고 말하면서 동시에 대량 해고를 한다면 의심하세요. Dorsey는 LOVE 모자를 쓰고 "경영난이 아니라 AI 때문"이라고 했어요. 건강한 회사가 40%를 자르는 건 정상이 아니에요. 대보기: Block ✅ - 신호 2 — 1인당 효율이 업계 꼴찌다
해고 전 숫자를 보세요. Block의 직원 1인당 영업이익은 $167K로, 경쟁사 Adyen($281K)의 60% 수준, 핀테크 중 최하위였어요. 이건 "AI가 사람을 대체해서 생긴 효율"이 아니라 원래부터 비효율이었다는 증거예요. 대보기: Block ✅ - 신호 3 — 직전에 돈을 펑펑 썼다
해고 5개월 전, Block은 Jay-Z 공연까지 포함된 $68M짜리 사내 파티를 열었어요. 팬데믹 때는 인원을 3배(3,835명→12,000명)로 불렸고요. 진짜 AI 효율화라면 이런 과잉 지출 이력이 없어야 정상이에요. 대보기: Block ✅ - 신호 4 — 애널리스트가 동의하지 않는다
외부 전문가의 평가를 보세요. Mizuho의 Dan Dolev는 "이 해고의 대다수는 AI 때문이 아니다"라고 못 박았어요. 시장 안에서도 "AI 서사"를 안 사는 사람이 있다면, 그게 신호예요. 대보기: Block ✅ - 신호 5 — 정작 그 AI가 일을 못 한다
가장 결정적인 신호. The Guardian이 인터뷰한 Block 현직 직원은 이렇게 말했어요. "AI가 만든 코드의 95%는 회사 기준에 미달해서 사람이 손봐야 한다." 대체한다던 AI가 실제로는 사람 손을 더 부른다면, 해고의 진짜 이유는 따로 있는 거예요. 대보기: Block ✅
Block은 5개 중 5개가 다 켜졌어요. 진짜 질문은 "AI가 사람을 대체할 수 있는가"가 아니라, "경영진이 AI를 핑계로 쓰는가, 진짜로 활용하는가"예요.
이 신호가 왜 맞는지 — 1년 먼저 같은 길을 간 회사가 있다
이게 그냥 Block 한 곳의 얘기였다면 일반화하기 어렵겠죠. 그런데 1년 앞서 거의 똑같은 실험을 했다가 정반대 결과로 끝난 회사가 있어요. 바로 Klarna. 두 회사를 나란히 놓으면 패턴이 선명해져요.
| Block (Dorsey) | Klarna (Siemiatkowski) | |
|---|---|---|
| 감축 규모 | 4,000명 (40%) | ~1,500명 (30%) |
| 공식 이유 | "AI가 일하는 방식을 바꿨다" | "AI 챗봇이 700명 상담원을 대체" |
| 주가 반응 | +22% (해고 당일) | 초기 상승 후 기업가치 $40B 하락 |
| 1년 뒤 | 아직 진행 중 (2026.04) | 사람 다시 채용, CEO "실수" 인정 |
| CEO 발언 | "대부분의 회사가 1년 내 같은 결정을 할 것" | "비용이 지배적 기준이었다. 낮은 품질이 결과" |
| 직원 반응 | 내부 Slack에 엄지 아래, 토마토, 광대 이모지 수백 개 | 데이터 과학자 퇴사 + LinkedIn 폭로 |
| 숨은 맥락 | 팬데믹 과잉 채용 3배, $68M 파티 5개월 전 | BNPL 시장 위축, IPO 압박 |
Klarna는 700명을 한 번에 잘랐다가, 1년 뒤 품질 하락을 견디지 못하고 사람을 다시 뽑았어요. CEO Siemiatkowski는 공개적으로 인정했어요. "비용이 지배적 기준이었고, 낮은 품질이 그 결과였다." IBM 조사에 따르면 AI 프로젝트의 약 75%가 약속한 ROI를 달성하지 못해요. "대체" 프레임으로 밀어붙인 AI는 통계적으로도 실패하는 쪽에 가까워요.
전직 데이터 과학자 Naoko Takeda가 Block을 떠나며 LinkedIn에 쓴 말은 이 모든 걸 한 줄로 요약해요.
"지난 1년간 AI가 모든 사람의 목구멍에 쑤셔 넣어졌다. 자신의 생계가 달린 일자리를 없앨 도구를 억지로 사용하게 하는 건, 디스토피아 그 자체다."
Block 직원들은 자신을 대체할 AI를 직접 만들고 가르치는 상황에 놓였어요. 어떤 업무를 자동화할 수 있는지 매주 보고하게 했고, 그 데이터가 결국 해고의 근거가 됐죠. AI 사용은 "권장"에서 "의무"로 바뀌었고, 토큰 소비량까지 모니터링당했어요. 이게 "100명 + AI = 1,000명"이라는 Dorsey 공식의 실제 모습이었어요.
그럼 우리는 어떻게 해야 하나 — 망치지 않는 5단계
여기까지가 "가짜를 가려내는 법"이었다면, 이제 우리 조직이 같은 실수를 안 하는 법이에요. Block과 Klarna가 비싸게 배운 교훈을 그대로 가드레일로 바꿨어요. 핵심은 하나 — "대체(replacement)" 프레임으로 접근하는 순간 위험해진다.
- "대체"가 아닌 "증강" 프레임으로 시작하기
Block의 실수는 직원에게 "자신을 대체할 도구"를 만들게 한 거예요. 이건 사기를 파괴하고 신뢰를 무너뜨려요. 대신 "이 도구로 당신이 10배 더 잘할 수 있는 게 뭔가?"라고 물어야 해요. Klarna가 뒤늦게 전환한 하이브리드 모델이 이 방향이에요. - 해고를 발표하기 전에, 숫자가 진짜 AI 덕인지 검증하기
Block의 1인당 영업이익은 핀테크 최하위였어요. 이건 AI 문제가 아니라 운영 비효율이에요. AI로 생산성이 올랐다면 어떤 프로세스에서 얼마나 올랐는지 구체적으로 측정하세요. "100명+AI=1,000명"은 비즈니스 플랜이 아니라 범퍼 스티커예요. - AI 도입은 점진적으로, 되돌림 가능하게
Klarna는 700명을 한 번에 자르고 1년 뒤 다시 뽑았어요. Block은 4,000명을 하루에 잘랐고요. AI 프로젝트의 75%가 ROI를 못 낸다는 걸 기억하세요. 10~20% 단위로 AI 비중을 늘리면서 품질 메트릭을 확인하는 게 되돌릴 수 있는 유일한 방법이에요. - 직원의 AI 사용을 "감시"가 아닌 "지원"으로 관리하기
Block은 토큰 사용량까지 추적하며 AI를 강제했어요. 결과는? "사람들이 AI에 질렸다(People are fed up with AI)." Accenture도 AI 사용 모니터링으로 승진을 결정하겠다고 해 논란이 됐죠. 강제 대신, 실제로 일이 빨라지는 워크플로우를 찾아서 보여주세요. - AI 서사와 경영 책임을 분리하기
Dorsey는 X에서 과잉 채용을 인정했어요. "COVID 때 Square와 Cash App을 분리된 두 회사로 잘못 만들었다." 이건 AI 이야기가 아니라 경영 실패예요. 두 가지를 섞으면 조직은 혼란에 빠지고, 시장은 본질을 못 봐요.
Klarna 사례를 더 깊이 보고 싶다면
Klarna의 교훈 — AI로 700명 대체했다가 다시 사람을 뽑는 이유에서 하이브리드 CS 모델 전환의 구체적 과정과 실전 가이드를 다뤘어요.
