직원 59%는 AI 사용을 숨긴다: 섀도 AI는 보안 문제이기 전에 보상 문제다

직원들이 AI 사용을 숨기는 근본 원인은 보안 규정이 없어서가 아닙니다. 보상 구조 때문입니다. 밝혔을 때 돌아오는 것이 낙인과 늘어난 할당량뿐이라면, 숨기는 쪽이 손익 계산상 남는 선택이 됩니다. 그래서 섀도 AI는 차단 솔루션이나 금지 공문으로 잡히지 않습니다. 드러내는 쪽이 숨기는 쪽보다 이득이 되게 만들어야 잡힙니다. 평가와 보상, 기준선 조정 절차를 다시 설계하는 일입니다.

숫자부터: 은폐는 예외가 아니라 다수다

2026년 조사들이 그리는 그림은 일관됩니다. PagerDuty의 조사에서 사무직의 66%가 회사가 승인하지 않은 AI 도구를 업무에 썼고, 39%는 “쓰지 말라는 말을 들을까 봐 아예 말하지 않겠다”고 답했습니다(PagerDuty). 다른 조사에서는 직원 59%가 상사에게 AI 사용을 숨긴다고 답했습니다(Cybernews).

한 국가의 유행이 아닙니다. KPMG와 멜버른대가 47개국 직장인 32,352명을 조사한 결과, 57%가 AI 사용 사실을 밝히지 않거나 AI가 만든 결과를 자기 것으로 제시하는 등의 ‘비투명한 사용’을 한 적이 있다고 답했습니다. 같은 조사에서 생성형 AI 정책이 있다는 응답은 40%, 관련 교육을 받았다는 응답은 47%에 그쳤습니다(KPMG Global AI Study).

보안으로 보면 실제 위험입니다. 비승인 도구 사용자의 71%가 고객 정보나 내부 문서 같은 민감 데이터를 입력한 경험이 있다고 답했으니까요. 그런데 여기서 “그러니 더 강하게 막자”로 가면 문제를 거꾸로 읽은 것입니다. (유지). 왜 절반이 넘는 직원이, 많은 경우 규정을 어기지도 않았는데, 숨기는 쪽을 택할까요.

AI를 쓰면 무능해 보인다는 낙인, 실험으로 확인됐다

가장 불편한 근거는 통제된 실험에서 나왔습니다. 듀크대 연구진이 PNAS에 발표한 사전등록 실험 4건(참가자 4,439명)에서, 회사가 허용한 범위에서 AI의 도움을 받은 사람은 같은 일을 다른 도구로 처리한 사람보다 게으르고 능력이 떨어진다는 평가를 받았습니다. 규정 위반이 전혀 없는데도 그랬습니다. 관리자 1,718명이 참여한 채용 시나리오에서는 AI를 잘 쓰지 않는 평가자일수록 AI를 매일 쓰는 지원자를 뽑을 의향이 낮았습니다(PNAS).

낙인만이 아닙니다. 직원 입장에서 공개의 비용은 네 겹으로 쌓입니다.

공개의 비용	직원의 계산
낙인	”AI로 했다고 하면 내 실력을 깎아 보겠지”
규범 불확실성	”어디까지 허용인지 아무도 명확히 말해주지 않는다”
기준선 인상	”2시간 만에 끝냈다고 하면 다음부터 그게 기본이 된다”
정책 소급 위험	”오늘 괜찮다던 것이 내일 감사 대상이 될 수 있다”

이 네 비용의 합이 공개했을 때의 기대 이익 — 인정, 보상, 더 나은 역할 — 을 넘는 순간, 침묵이 시작됩니다. 조직이 혁신을 외치는데 직원이 조용한 것은 반항이 아니라 그 조직의 보상 구조에 대한 정확한 적응입니다.

래칫: 은폐가 조직의 습관이 되는 경로

이 구조에는 오래된 전례가 있습니다. 1950년대 시카고의 성과급 공장에서 사회학자 도널드 로이는 노동자들이 생산량을 일부러 상한 아래로 묶어두는 것을 관찰했습니다. 더 잘할 수 있다는 사실이 알려지면 단가가 깎였기 때문입니다(Roy, 1952). 오늘의 AI 비공개와 그 시절의 생산 제한은 윤리적 성격이 다르지만, 구조는 닮았습니다. 성과 향상을 공개한 대가가 기준선 인상뿐이라면, 다음 개선부터는 숨겨진다.

경로는 이렇습니다. 한 사람이 개선을 공개한다 → 보상 없이 할당량만 오른다 → 지켜본 동료들이 공개의 손익을 다시 계산한다 → 다음 개선은 개인의 요령으로 숨는다 → 그 사람의 프롬프트, 검증 방법, 실패 데이터가 조직에 남지 않는다. 조직이 잃는 것은 오늘의 절약 시간이 아니라, 한 사람의 방법이 다음 사람의 출발점이 되는 축적 전체입니다.

금지 대신 작동하는 4가지 설계

처방의 방향은 감시 강화가 아니라 손익 구조의 역전입니다. 드러내는 편이 이득이 되게 만드는 네 가지입니다.

1. 공개의 안전을 보장한다 — 반드시 보고해야 할 사용(고객 산출물, 민감 데이터)과 개인 재량에 맡길 사용을 구분하고, 허용된 사용을 공개했다는 이유로 불이익이나 자동 할당량 인상이 따라오지 않는다는 것을 명문화합니다.
2. 기준선 조정에 절차를 만든다 — 개선이 확인되면 기준선은 달라질 수 있습니다. 다만 언제, 어떤 근거로, 어떤 합의를 거쳐 조정하는지 절차를 먼저 정합니다. 절차 없는 인상은 은폐 유인의 재생산입니다.
3. 절약된 가치를 배분한다 — 확보된 시간과 성과를 개인·팀·회사가 나누는 규칙을 만듭니다. 공유한 프롬프트가 팀 표준이 되면 만든 사람에게 보상이 돌아가는 구조가 대표적입니다.
4. 책임선을 명확히 한다 — 품질 검증, 저작권, 민감정보 보호, 고객 고지를 누가 책임지는지 정합니다. 책임선이 명확해야 직원도 안심하고 공개할 수 있습니다.

데이터 등급과 기술적 가드레일 설계는 회사 데이터를 AI에 넣어도 되나에서 다뤘습니다 — 이 글의 보상 설계와 그 글의 보안 설계는 한 몸으로 가야 작동합니다. 우리 조직의 은폐 비용이 넷 중 어디서 가장 큰지 진단하고 싶다면 무료 AX 진단에서 시작하고, 평가·보상까지 포함한 도입 설계는 상담으로 논의할 수 있습니다.

자주 묻는 질문

섀도 AI가 정확히 무엇인가요?

회사가 승인하지 않은 AI 도구를 직원이 업무에 쓰는 것, 그리고 승인 여부와 무관하게 AI 사용 사실을 조직에 밝히지 않는 것을 통칭합니다. 2026년 조사 기준 사무직의 66%가 비승인 도구를 써봤고(PagerDuty), 47개국 직장인의 57%가 비투명한 사용 경험이 있습니다(KPMG).

차단 솔루션을 도입하면 해결되지 않나요?

차단은 목록에 있는 도구를 막을 뿐, 숨길 유인은 그대로 둡니다. 유인이 남아 있는 한 사용은 개인 기기와 새 도구로 옮겨갈 뿐입니다. 민감 데이터 보호를 위한 기술적 통제는 필요하지만, 그것만으로는 66%라는 규모를 설명하지도 줄이지도 못합니다. 근본 대책은 공개의 손익을 역전시키는 평가·보상 설계입니다.

직원이 AI 사용을 숨기는 게 왜 회사 손해인가요?

첫째는 보안입니다 — 비승인 사용자의 71%가 민감 데이터를 입력한 경험이 있습니다. 둘째가 더 큽니다. 숨겨진 사용에서 나온 프롬프트, 검증 방법, 업무 노하우가 개인에게만 묶여 조직 자산으로 쌓이지 않습니다. 그 직원이 떠나면 생산성 향상분도 함께 떠납니다.

그래도 허위 보고까지 봐줘야 하나요?

아닙니다. 구분이 필요합니다. 허용된 사용을 굳이 밝히지 않는 것은 보상 구조의 문제이고, AI가 만든 것을 자기 성과로 속이는 것은 정직성의 문제이며, 금지 도구에 민감정보를 넣고 숨기는 것은 보안·법무의 문제입니다. 뒤의 둘은 명확히 책임을 물어야 합니다. 다만 앞의 것까지 싸잡아 단속하면 조직은 침묵으로 답합니다.