4주 · AI 전환 모델을 위한 이론적 배경

AI 에이전트 시대의 개인과 조직의 변화
2027년 1학기 · 유호현 · 읽기·토론 세미나

이론과 세 전환기

이론과 세 전환기

심리·조직 이론의 전체 지도를 배운 뒤 AI 적용기, 워크플로우 전환기, 비즈니스 전환기의 개인과 조직 변화를 분석한다. 세 범주는 학습을 위한 구분이며 필수 성공 경로나 검증된 성숙도 단계가 아니다.

이번 주 질문 · 어떤 이론으로 무엇을 설명하며, 설명을 가를 자료는 무엇인가?

기존 도시의 짧은 배송 구간마다 사람과 트럭이 함께 배치된 강의 삽화
그림 2 · 트럭은 생겼지만 업무 단위는 그대로인 회사. 트럭으로 새로 할 수 있는 일과 기존 업무 단위가 맞지 않는 상황을 보여 준다. 이 삽화는 적용 사례이며 주차 구성이나 발전의 필수 순서를 나타내지 않는다. 기존 강의의 원본 이미지 (새 탭)

4주차 · AI 전환 모델을 위한 심리·조직 이론 지도

2·3주에 개념·기제·경계조건·경쟁 설명을 만드는 방법을 연습한 뒤, 4주에 이 강의에서 활용할 이론의 전체 지도를 익힌다. Bandura의 자기효능감을 실제 역량·참여 의향·AI 신뢰와 구분하고 이후 세 전환기와 실증 분석에 반복 적용한다. 모든 이론의 원문을 추가 필수 읽기로 배정하지 않는다.

개인의 평가·자신감·동기

  • Bandura의 자기효능감 · 할 수 있다는 믿음과 실제 역량·참여 의향을 구분한다.
  • 인지평가·대처 / CMUA · 기회·위협 평가와 통제 평가, 대처와 재평가를 구분한다.
  • 자기결정이론 · 자율성·유능감·관계성과 내재 동기를 살핀다.
  • 사회비교 이론 · 타인의 성과가 기대·FOMO·불안에 주는 의미를 묻는다.

정체성과 관계

  • 기능–정체성 관점 · 과업 변화와 일에서 얻는 의미·인정의 연결을 살핀다.
  • 정체성 위협·사회정체성 · 전문성의 가치와 팀 소속·지위가 흔들리는 경로를 구분한다.

일과 조직의 조건

  • 일 설계·직무특성 모형 · 자율성·숙련 활용·피드백·관계의 설계 선택을 본다.
  • 직무요구–자원 / 자원보존 · 업무 요구와 지원·회복 자원, 자원 손실·보존을 구분한다.
  • 사회기술시스템 · 기술과 역할·권한·규칙을 함께 설계하는 관점이다.

수용·판단·협업의 경계

  • 인지부하·제한된 합리성 · 정보 처리 부담과 의사결정의 제약을 살핀다.
  • 조직변화 준비도 / TAM·UTAUT · 효능감·가치·지원 조건과 기술 수용 의도를 구분한다.
  • 자동화 신뢰·심리적 안전 · 적절한 의존과 질문·오류 공개가 가능한 팀 조건을 구분한다.

보조 해석 관점

  • 의미 만들기·잠정적 자아 · 모호한 전환의 해석과 새 역할 실험을 살핀다.
  • 확장된 마음·사회적 가속 · 인지의 경계와 기술·사회·생활 속도의 차이를 다루는 보조 관점이다.

AX 전환은 보편적인 성숙도 단계가 아니며, 자기효능감×참여 의향의 아홉 칸은 검증된 성격 유형이 아닌 설명용 지도다. 관찰된 능력, 과업별 자신감, AI 성능에 대한 신뢰, 사용 행동을 구분한다. 기존 필수 논문은 4편을 유지한다.

1교시 · 개인의 평가·자신감·동기

Bandura의 과업별 자기효능감과 실제 역량·참여 의향·AI 신뢰를 구분한다. 인지평가·대처, 자기결정이론, 사회비교를 연결하고 각 개념이 필요한 질문을 정한다.

산출물 · 개인 수준의 이론 비교표

적용 사례 · AI 전환 모델을 위한 이론적 배경

이 주차는 “어떤 이론으로 무엇을 설명하며, 설명을 가를 자료는 무엇인가?”를 중심으로 진행한다. AI를 쓰지 않는 가상 직원의 행동을 낮은 자신감, 전문성 위협, 검수 시간 부족으로 각각 설명하고 어떤 증거가 이를 가를지 비교한다. 아래 사례는 수업용 가상 상황이며 실증 결과가 아니다.

이 주차의 적용 장면

AI를 쓰지 않는 가상 직원의 행동을 낮은 자신감, 전문성 위협, 검수 시간 부족으로 각각 설명하고 어떤 증거가 이를 가를지 비교한다. 구성원의 행동을 전환에 찬성하거나 반대한다는 한 가지 기준으로 설명하지 않고, 과업·역할·권한·지원 조건을 확인한다.

Bandura의 과업별 자기효능감과 실제 역량·참여 의향·AI 신뢰를 구분한다. 인지평가·대처, 자기결정이론, 사회비교를 연결하고 각 개념이 필요한 질문을 정한다.

자료로 확인할 질문

어떤 이론으로 무엇을 설명하며, 설명을 가를 자료는 무엇인가? 관찰한 사실과 진술·추론을 구분하고, 다른 설명이 가능한지 동료에게 질문한다.

기존 이론의 정의·주장·근거·범위, 자기 사례의 개념과 이론별로 달라지는 예측를 확인할 후보로 삼되, 동의와 접근권이 필요한 수집은 학교의 연구윤리 절차 확인 후에 수행한다. 접근이 어려우면 공개·기존 자료를 같은 기준으로 분석한다.

2교시 · 정체성과 일·조직의 조건

기능–정체성, 정체성 위협·사회정체성, 일 설계, 직무요구–자원·자원보존, 사회기술시스템을 한 지도에서 연결한다. 변화 준비도·공정성·신뢰·심리적 안전과 보조 관점은 질문에 맞춰 선택한다.

산출물 · 전체 이론 지도와 설명의 분석 수준

AI 전환 모델을 위한 이론적 배경 · 경험과 설명 구분

AI를 쓰지 않는 가상 직원의 행동을 낮은 자신감, 전문성 위협, 검수 시간 부족으로 각각 설명하고 어떤 증거가 이를 가를지 비교한다.

살펴볼 경험 · 자신감 · 참여 의향 · 통제감 · 전문성 · 공정성

어떤 이론으로 무엇을 설명하며, 설명을 가를 자료는 무엇인가?

  • 같은 행동이 과업별 자신감과 참여 의향의 차이에서 나타날 가능성을 검토한다.
  • 개인의 반응보다 실제 업무량·권한·보상·지원 조건이 차이를 설명하는지 확인한다.

확인할 자료 · 기존 이론의 정의·주장·근거·범위, 자기 사례의 개념과 이론별로 달라지는 예측

사례와 아홉 상태는 설명을 연습하기 위한 출발점이다. 당사자의 진술 없이 동기를 확정하거나 성격·임상 상태·인사 적합성을 진단하지 않는다. 도구 사용, 과업 변화, 정체성 경험을 한 변수로 묶지 않는다. 기존 이론을 적용한 부분과 새로 제안한 연결을 표시한다.

학기 연구 단계 · 개인 모형 구성 · Bandura의 자기효능감 · 인지평가·대처 / CMUA · 자기결정이론 · 기능–정체성 관점 · 일 설계·직무요구–자원 · 조직변화 준비도·공정성·신뢰

이번 실습의 기록을 같은 연구 문서에 저장한다. 3교시의 근거 점검과 동료의 반론을 검토한 뒤 명제·자료·분석 계획을 수정한다. 중간의 모형과 기말의 실증 결과를 비교할 수 있게 변경 근거를 남긴다.

정체성과 일·조직의 조건

기능–정체성, 정체성 위협·사회정체성, 일 설계, 직무요구–자원·자원보존, 사회기술시스템을 한 지도에서 연결한다. 변화 준비도·공정성·신뢰·심리적 안전과 보조 관점은 질문에 맞춰 선택한다.

기존 이론의 정의·주장·근거·범위, 자기 사례의 개념과 이론별로 달라지는 예측를 기준으로 근거의 출처와 시점, 분석 단위를 적는다. 사실·당사자의 해석·연구자의 가설을 나누어 기록하고, 지금 확보한 자료와 앞으로 수집할 자료를 구분한다.

지정 논문과 자기 모형 연결

Selenko 등의 기능–정체성 논문을 분석한다. 통합 개념 논문이 제안한 연결과 직접 검증된 결과를 구별하고, 2·3주의 모형에 필요한 기제·조건과 확인할 자료를 추가한다.

도구 사용, 과업 변화, 정체성 경험을 한 변수로 묶지 않는다. 기존 이론을 적용한 부분과 새로 제안한 연결을 표시한다.

누적 설계서 양식 내려받기 · Markdown

3교시 · 지정 논문과 자기 모형 연결

Selenko 등의 기능–정체성 논문을 분석한다. 통합 개념 논문이 제안한 연결과 직접 검증된 결과를 구별하고, 2·3주의 모형에 필요한 기제·조건과 확인할 자료를 추가한다.

산출물 · 이론적 근거를 표시한 모형 v0.2

주차별 읽기 자료 · 필수 논문은 아래 한 편이다. 개념과 연구 설계, 결과와 한계를 분석하고 2교시 설계를 수정한다.

  • Selenko et al. (2022) · 통합 이론 논문 · Current Directions in Psychological Science

    Artificial Intelligence and the Future of Work: A Functional-Identity Perspective (새 탭에서 열림)

    연구진 · Selenko et al. (2022)

    저자와 연구 맥락 · Eva Selenko(러프버러대 경영경제대학), Sarah Bankins(맥쿼리대 경영대학), Mindy Shoss(센트럴플로리다대 심리학과, 호주가톨릭대 경영대학), Joel Warburton(링컨대 국제경영대학), Simon Lloyd D. Restubog(일리노이대 어배너-섐페인 노동고용관계대학, 퀸즐랜드대 경영대학)가 함께 쓴 논문이다. 저자들은 이 글에서 기술이 과업을 보완·대체·생성한다는 과업 단위 자동화 연구와, 일 관련 정체성의 기능·위협·사회적 승인을 다룬 조직 정체성 연구를 하나의 기능–정체성 틀로 연결했다. 이 틀로 AI 도입이 노동자의 자기 이해를 위협하거나 넓히는 조건을 정리하고, 후속 연구 질문과 조직 실무 제언을 제시했다.[37]

    학술적 의의 · AI가 일에 미치는 영향은 흔히 일자리 수나 생산성으로 논의되고, 노동자의 경험은 해방을 기대하는 낙관과 대량 실업을 걱정하는 비관 사이에서 다뤄지기 쉽다. 이 논문은 분석 단위를 직업 전체에서 개별 과업으로 낮추고, 과업 변화가 정체성에 닿는 경로를 정체성 수행, 정체성 기능, 일의 사회적 짜임으로 나눴다. 같은 기술이라도 어떤 과업을 어떻게 바꾸는지, 도입 과정과 사회적 승인 맥락이 어떤지에 따라 위협과 확장이 모두 가능하다는 조건부 설명을 제시해, 후속 실증 연구가 검증할 질문을 구체적으로 만들었다.[37]

    이 주차의 선정 이유 · 전체 이론 지도 가운데 과업 변화와 일의 정체성을 연결하는 개념 모형의 구성 방식을 분석한다.

    읽기의 한계 · Selenko, Bankins, Shoss, Warburton, Restubog(2022)의 Current Directions in Psychological Science 31(3) 출판본, 학술지 272–279쪽(PDF 8쪽) 전문을 읽는다. 이 글은 기존 연구를 엮어 개념 틀을 제안한 짧은 통합 리뷰이며, 저자들이 직접 모은 표본이나 측정 도구, 검증한 인과 경로는 없다. 그림 1은 기능 변화, 정체성 경로, 조건, 결과를 배치한 개념도이므로 검증된 경로 모형이나 차례로 거치는 정서 단계로 읽지 않는다. 논문 안의 실증적 언급(면담 연구, 숙련 전문가와 초심자 비교, 개방성과 정체성 성장 등)은 인용된 다른 연구의 결과이며, 그 연구들의 표본과 방법은 이 글만으로 확인할 수 없다. 논문은 자율 학습, 블랙박스 계산, 준사회적 행위자로 지각되는 점 같은 AI 고유의 특성을 전제로 한다. 트럭은 이런 특성이 없으므로 수업에서는 과업의 보완·대체·생성과 정체성 경로를 나누어 보는 연습에만 트럭 사례를 쓰고, AI 고유의 기제는 AI 업무 사례에서 따로 검토한다.

Selenko 외(2022) · AI가 바꾼 과업이 일의 정체성에 닿는 경로

Selenko 외(2022)는 Current Directions in Psychological Science에 실린 8쪽 분량의 통합 리뷰로, AI 도입이 노동자의 일 관련 정체성에 미치는 영향을 설명하는 기능–정체성 틀을 제안한다. 새 자료를 수집한 실증 연구와 달리, 과업 자동화 연구와 조직 정체성 연구를 엮어 앞으로 검증할 질문과 조건을 정리한 개념 논문이다. 이번 주에는 이 틀로 자기 연구 문서의 현상 기술을 과업 변화와 정체성 경로로 나누어 고친다.

1. 논문 소개

저자들은 두 장면으로 글을 연다. 큰 은행에서 수백만 유로 규모의 대출 결정을 책임지는 데 자부심을 느끼던 상담사는, 경영진이 그 결정을 더 빠르고 정확하지만 속을 알 수 없는 알고리즘에 넘기면서 핵심 과업을 잃는다. 수술 영상을 실시간으로 분석하는 AI와 함께 일하는 외과의는 수술 시간이 줄고 환자 결과가 좋아지는 도움을 받는다. 방향은 반대지만 두 사람 모두 핵심 과업이 바뀌면서 자기 일과 자신을 이해하는 방식이 흔들린다. 논문은 AI로 인한 과업 변화가 언제 일 관련 정체성을 위협하고 언제 넓히는지를 묻는다.[1]

저자들이 정체성에 주목하는 이유는 정체성이 태도와 행동의 기준점이 되고 사회 속 자기 자리를 정해 주기 때문이다. 저자들은 AI 도입이 주로 효율 같은 사업상 우선순위로 추진되면서 노동자의 정체성 과정이 충분히 고려되지 않는다는 비판을 소개한다. 또 AI 담론이 반복 업무에서 벗어난다는 낙관과 대량 실업을 예고하는 비관으로 갈라져 있다고 진단한다. 논문은 이 양극단 사이에서 기술의 기능에서 출발해 정체성, 태도, 행동으로 이어지는 경로를 정리하겠다고 밝힌다.[1]

논문은 AI가 이전 기술과 무엇이 다른지도 정리한다. AI는 사람의 인지가 필요한 문제를 푸는 기술들의 묶음이고, 현재의 AI는 모두 한 영역의 과업만 처리하는 좁은 AI다. 그래도 속도, 정확성, 처리 규모에서는 이미 사람을 앞서는 기능이 많다. 저자들은 예측 능력이 인지 업무로 넓어진 점, 학습 데이터의 대표성과 결과의 공정성, 사생활과 자율성, 계산 과정이 블랙박스라 생기는 책임과 투명성 문제를 든다. 스스로 학습하고 자율적으로 움직이는 듯 보여 준사회적 행위자처럼 지각된다는 점도 자기 이해에 영향을 준다고 본다.[1]

이 글은 학술지의 짧은 리뷰 형식으로 쓰인 개념 논문이다. 저자들은 새 표본을 모으거나 측정 도구를 만들지 않았고, 과업 자동화 연구, 조직 내 정체성 연구, 몇몇 사례·면담 연구를 엮어 틀을 제안했다. 그림 1은 기능 변화, 정체성 경로, 조건, 결과를 한 화면에 배치한 개념도로, 통계적으로 검증한 경로 모형과 구별해 읽어야 한다. 따라서 읽을 때 저자의 이론적 주장, 인용된 다른 연구의 결과, 저자의 실무 제언을 각각 나누어 기록한다.[1]

2. 논문의 주요 내용과 이론

틀의 첫 축은 기술의 기능이다. 저자들은 AI가 기존 과업을 보완·지원하거나, 사람이 하던 일을 대체하거나, 새 과업과 그에 따른 새 역할을 만든다고 정리한다. 어떤 직업이 얼마나 영향을 받는지는 과업의 구조, 반복성, 결과의 성격과 경제·구조적 요인에 따라 다르다. 정보기술 과업이 많은 직업은 더 일찍, 더 크게 노출될 수 있다. 한 직업 안에서도 세 변화가 서로 다른 영역에서 동시에 일어날 수 있으므로, 분석 단위는 직업 전체보다 개별 과업이 된다.[1]

둘째 축은 일 관련 정체성이다. 저자들은 이를 일과 관련해 내가 누구이고 무엇을 하는 사람인지에 대한 이해로 본다. 사람은 직업, 조직, 팀 같은 집단에 속해 있다고 느끼고, 그 집단의 전형적인 행동을 하면서 정체성을 만들며, 그 행동으로 사회적 인정을 얻는다. 일 관련 정체성은 자존감, 소속감, 자기 이해, 자기 확증, 자기 연속성, 자기 고양, 불확실성 감소, 의미감 같은 기능을 채워 준다. 팀, 동료, 상사, 조직, 직업 공동체는 사회적 승인을 주어 이 정체성이 자리 잡게 돕는다.[1]

두 축을 잇는 기제는 의미 부여다. 지능적으로 보이는 비인간 행위자가 들어오거나 들어올 것으로 예상되면, 노동자는 그 변화가 자기에게 무엇을 뜻하는지 해석해야 한다. 해석은 세 경로로 이루어진다. 정체성에 맞는 행동을 계속 할 수 있는지(정체성 수행), 정체성이 주던 기능을 계속 채울 수 있는지(정체성 기능), 팀 구성과 지위 위계 같은 일의 사회적 짜임이 어떻게 바뀌는지다. 이 경로가 위협받으면 웰빙이 낮아지고 정체성을 지키려는 반응이 나오며, 기능을 지원하고 이상적인 직업 자아에 가깝게 해 주면 정체성이 확장될 수 있다.[1]

보완형 AI는 실시간 감시로 작업장 위험을 찾거나 일정 수립을 돕는 식으로 기존 일을 지원한다. 이때 노동자는 데이터 분석이나 출력 평가 같은 새 기술을 익히고, 수요가 줄어든 옛 습관을 버려야 할 수 있다. 사회적 짜임도 바뀐다. 저자들은 정신의학에서 AI를 쓰려면 데이터 관리 능력과 소프트웨어 엔지니어와의 긴밀한 협업이 필요해져, 조직 위계와 유능한 의료인의 의미가 다시 정의될 수 있다는 주장을 인용한다. 보완은 겉보기에 덜 위협적이어도 정체성 기능과 관계를 함께 건드린다.[1]

보완형 변화에 대한 반응은 조건에 따라 달라질 수 있다. 저자들은 강요된 업무 변화가 처음에는 정체성 위협으로 받아들여지지만, 변화에 적응하고 정체성을 고쳐 가면 점차 수용으로 옮겨 갈 수 있다는 면담 연구를 인용한다. 이 결과는 도입 과정에 노동자의 목소리가 반영되는지, 변화가 점진적인지, 새 학습을 위한 안전한 전환 공간이 있는지에 달려 있다. 방사선과 의사가 자신을 정보 전문가로 보게 되는 예처럼 AI와 함께 일하는 것이 긍정적 정체성 범주가 될 수도 있다.[1]

대체형 AI는 패턴 인식이나 재고 보충 같은 고되고 반복적인 과업, 일정 관리·진단·자료 검색 같은 일상 과업, 금융·법률·치안 결정이나 고객 응대 같은 고숙련 과업까지 넘겨받을 수 있다. 과업이 대체되면 노동자는 그 과업에 연결된 직업적 자기 이해를 수행할 수 없고, 자기 연속성이 흔들리며 그 과업이 주던 자존감·확실성·의미도 채우기 어려워진다. 반면 높은 실패율이나 사회적 낙인처럼 원하던 정체성을 가로막던 장애물이 사라지면 정체성 변화가 쉬워지고 대체도 더 쉽게 받아들여진다.[1]

대체는 남은 일의 조직도 바꾼다. 스스로 학습하고 사람처럼 움직이는 듯하지만 이해할 수 없는 알고리즘과 상호작용하거나 그 관리를 받는 경험은 섬뜩하게 느껴질 수 있다. 결정이 맥락 정보 없이 내려졌거나 틀리고 자의적이라고 지각되면 신뢰를 얻지 못하고 소외감이나 비인간화된 느낌으로 이어질 수 있다. 과업과 함께 사람까지 대체되면 남은 사람이 기존 정체성을 승인받던 사회적 짜임도 바뀐다. 저자들은 일의 큰 부분이나 역할 자체를 잃은 사람이 가장 큰 정체성 도전에 놓인다고 본다.[1]

AI는 새 과업과 직무도 만든다. 저자들은 과업을 자동화할 수 있게 준비하고 알고리즘을 가르치는 일, 변화를 노동자에게 설명하고 알고리즘 출력을 쓰도록 설득하는 일, 윤리적 함의를 검토하며 AI 사용을 유지하는 일 같은 알고리즘 직업을 예로 든다. 작은 변화도 새 기술을 요구하는 과업을 만든다. 인용된 연구에서 사람들은 바뀐 일을 애도하고, 기존 직업 정체성을 지키려 하며, 새 과업을 피하기도 했다. 저자들은 학습과 정체성 재구성을 위한 전환 공간이 있으면 확장과 적응이 더 일어나기 쉽다고 본다.[1]

저자들은 같은 기능 변화가 위협이 될지 확장이 될지를 가르는 조건을 정체성 조건성으로 묶는다. 하나는 변화의 속도와 범위 같은 도입 방식이고, 다른 하나는 사회적 승인 맥락이다. 소속 집단의 규범은 AI 개입을 해석하는 기준이 되므로, 새 도구가 직업 규범에 어긋난다고 느끼는 사람은 좌절하고 저항할 수 있다. 기능 변화는 무엇이 존중받는 유능한 행동인지에 대한 주변의 기준도 옮겨 놓는다. 어떤 대중 서사에 공감하는지, 조직과 직업 공동체가 함께 의미를 만들어 주는지도 새 정체성이 자리 잡는 데 영향을 준다.[1]

후속 연구 과제로 저자들은 AI로 인한 변화가 언제, 어디서, 누구에게 무관하거나 지지적이거나 위협적으로 평가되는지 밝혀야 한다고 쓴다. 인용된 연구들은 표준 절차에 깊이 익숙한 사람은 위협을, 경험에 대한 개방성이 높은 사람은 긍정적 정체성 성장을 겪기 쉽고, 숙련 전문가가 초심자보다 과업 대체에서 더 큰 위협을 느끼는 경향을 보고한다. 저자들은 정체성을 동적으로 다시 다듬는 과정, 웰빙·태도·성과 같은 결과, 팀 수준의 혼란과 회복도 연구할 과제로 제안한다.[1]

실무 제언은 정체성 위협이 불신, 알고리즘 결정을 이해할 수 없는 블랙박스 상황, 대체 상황에서 특히 생기기 쉽다는 판단에서 나온다. 저자들은 이해관계자의 기대와 요구를 파악하고, 의미 부여와 정체성 발달을 돕는 서사를 제공하며, 장비와 교육을 다시 갖추어 노동자가 이상적인 직업 자아에 가까워지는 방식으로 AI와 일하게 하라고 권한다. 사회적 승인, 안전한 전환 공간, 일 안팎의 관계에 대한 배려도 강조한다. 속도에 대해서는 정체성과 덜 관련된 특정 과업부터 단계적으로 대체하는 편이 핵심 업무를 한꺼번에 바꾸는 것보다 낫다고 본다.[1]

이 틀은 검토할 조건을 넓게 보여 주지만 조건 사이의 우선순위는 정하지 않는다. 여러 정체성 기능 가운데 무엇이 언제 더 중요한지, 한 변화가 어떤 기능은 위협하고 다른 기능은 넓힐 때 결과가 어떻게 되는지, 도입 속도와 사회적 승인이 어떻게 상호작용하는지는 열린 질문이다. 측정 방법도 제시하지 않는다. 근거의 상당수는 특정 직업의 사례·면담 연구이며, 저자들도 체계적 비교 연구가 필요하다고 밝힌다. 그래서 이 논문은 가설을 만드는 지도로 쓰고, 효과 크기나 일반적 반응 순서의 근거로 쓰지 않는다.[1]

3. AI 에이전트 시대의 시사점

트럭 사례에 이 틀을 대어 보면 구간 달리기는 대체된 과업, 상자 상태 확인과 인계 정보 전달은 보완되는 과업, 적재 순서 계획과 차량 이상 확인은 새로 생긴 과업이다. 가장 빠른 직원에게 달리기 기록은 자존감과 자기 확증의 근거였을 가능성이 크다. 회사가 여전히 달리기 기록으로 우수 직원을 뽑는다면, 새 과업에서 생길 수 있는 정체성 확장을 사회적 승인 맥락이 뒷받침하지 못한다. 트럭에는 자율 학습이나 블랙박스 같은 AI 고유의 특성이 없으므로, 이 적용은 과업 분류를 연습하는 수업의 해석이다.

AI 에이전트가 여러 단계의 작업을 계획하고 실행하면, 한 사람의 직무 안에서 보완·대체·생성이 짧은 시간에 함께 일어날 수 있다. 논문의 조건으로 보면 변화 속도와 영향받는 과업의 수가 동시에 커지는 상황이다. 문헌 검색을 에이전트에 맡긴 대학원생이라면 검색과 목록 작성은 대체되고, 출처 검증과 질문에 맞는 선택이 새 과업으로 남는다. 이 과업이 누구에게 배정되는지, 인정 기준에 들어가는지, 에이전트의 선택 이유를 확인할 수 있는지가 후보 조건이다. 논문은 2022년 시점의 AI 일반을 다루므로 에이전트 적용은 수업의 추론이다.

자기 연구에서 먼저 검토할 경쟁 설명은 물질적 조건이다. 직원의 망설임은 정체성 기능의 손상보다 평가 불이익, 임금, 고용 안정에 대한 계산에서 나올 수 있다. 정체성 설명이 맞다면 보상과 고용 조건이 같아도 정체성과 깊이 연결된 과업을 잃은 사람의 반응이 더 커야 한다. 물질적 설명이 맞다면 평가 기준이나 고용 전망이 바뀐 시점과 반응이 더 잘 맞아야 한다. 두 설명은 함께 작동할 수 있으므로 면담 질문과 자료에서 둘을 따로 확인할 항목을 만든다.

두 번째 경쟁 설명은 반응 차이가 과업 변화 유형보다 도입 방식이나 개인 특성에서 온다는 것이다. 같은 대체라도 의견을 낼 기회, 단계적 변화, 연습할 공간이 있었는지에 따라 반응이 달라질 수 있고, 경력이 길거나 표준 절차에 익숙한 사람이 위협을 더 느낄 수 있다. 이를 가르려면 과업 변화는 비슷하지만 도입 방식이 다른 사례, 또는 같은 도입 아래 경력이 다른 사람을 비교하는 설계를 고려한다. 정체성과 깊이 연결된 과업이 대체됐는데 위협이 보이지 않으면, 그 기능이 다른 과업이나 관계에서 채워졌는지 확인한다.

설계할 때 논문이 든 정체성 기능을 모두 측정하려 할 필요는 없다. 자기 사례에서 관련이 커 보이는 기능 두세 개를 고르고, 그것이 어떤 과업과 어떤 승인 출처에 연결되는지 가설로 적는 편이 현실적이다. 위협과 확장이 한 사람 안에서 동시에 나타날 수 있다는 점, 반응이 정해진 순서로 진행된다고 가정할 근거가 없다는 점도 설계서에 남긴다. 학기 초인 지금은 자료를 모으기 전 단계이므로 확인할 질문, 자료 출처, 접근 가능성을 정리하는 데 집중한다.

이 자료의 읽기 안내·원문으로 돌아가기

근거 점검과 연구 문서 수정

Selenko 등의 기능–정체성 논문을 분석한다. 통합 개념 논문이 제안한 연결과 직접 검증된 결과를 구별하고, 2·3주의 모형에 필요한 기제·조건과 확인할 자료를 추가한다.

이론적 근거를 표시한 모형 v0.2

이론적 근거를 표시한 모형 v0.2을 누적 연구 문서에 남기고 초기 예측과 수정 후 설명을 비교할 수 있게 보존한다.

도구 사용, 과업 변화, 정체성 경험을 한 변수로 묶지 않는다. 기존 이론을 적용한 부분과 새로 제안한 연결을 표시한다.

남은 질문과 다음 검토

기존 이론의 정의·주장·근거·범위, 자기 사례의 개념과 이론별로 달라지는 예측가 현재 설명을 지지하는지, 대안 설명과 구별하지 못하는지 판정한다. 확보하지 못한 근거는 미확인으로 명시한다.

자료의 범위를 넘어선 일반화와 인과 주장은 피한다. 예상과 다른 결과를 숨기지 않고, 모형의 기제나 성립 조건을 바꿔야 할 이유로 검토한다.

해설의 원문 근거

아래는 이번 주 지정 논문 한 편의 원문과 근거 위치다. 사례에 적용한 해석과 연구에서 확인한 결과를 구분한다.

  1. [1] Selenko et al. (2022) · Artificial Intelligence and the Future of Work: A Functional-Identity Perspective · 원문 출처 · 새 탭

    Selenko et al. (2022), Current Directions in Psychological Science 31(3), 학술지 pp. 272–279(PDF 8쪽) 전문 확인. 초록과 도입의 대출 상담사·외과의 예시(p. 272), What Is AI, and Why Is AI Different?(p. 273), A Functional-Identity Framework for AI와 Fig. 1(pp. 273–275), AI that complements and supports existing human tasks(pp. 275–276), AI that replaces human tasks(p. 276), AI that generates new human work tasks(p. 276), Identity conditionality(pp. 276–277), A Way Forward: Recommendations for Future Research and Practice(p. 277), Recommended Reading·References(pp. 277–279). 대상 범위는 저자들이 기존 연구를 통합해 제안한 개념 틀과 제언이며, 인용된 실증 연구의 원문은 이번 주 범위에 포함하지 않는다.

상담심리학 대학원에서의 적용 · 개인 경험과 업무 조건을 함께 보는 적용 질문

호소와 상황을 분리해 이해하기

AI를 쓰지 않는 가상 직원의 행동을 낮은 자신감, 전문성 위협, 검수 시간 부족으로 각각 설명하고 어떤 증거가 이를 가를지 비교한다. 이 장면에서 당사자가 경험한 의미와 연구자가 추론한 원인을 구분한다. 같은 반응을 서로 다른 기제가 설명할 수 있으므로 필요한 추가 정보를 먼저 정한다.

이 주차의 질문인 “어떤 이론으로 무엇을 설명하며, 설명을 가를 자료는 무엇인가?”를 상담심리 관점의 사례 이해에 연결하되, 교육용 가상사례와 실제 연구자료를 섞지 않는다. 실제 내담자 자료·진단·치료 개입은 이 과제의 기본 범위에서 제외한다.

누적 과제 · 이론적 근거를 표시한 모형 v0.2

4주 누적 연구 기록

이론적 근거를 표시한 모형 v0.2을 같은 연구 문서에 추가하고 그 근거로 사용한 자료의 위치와 출처, 허용된 공유 범위를 함께 적는다.

도구 사용, 과업 변화, 정체성 경험을 한 변수로 묶지 않는다. 기존 이론을 적용한 부분과 새로 제안한 연결을 표시한다. 개인의 설명과 조별 합의가 다르면 차이를 남기고, 무엇을 왜 바꿨는지 수정 전후 문장과 함께 기록한다.

남기는 것 · 기능–정체성, 정체성 위협·사회정체성, 일 설계, 직무요구–자원·자원보존, 사회기술시스템을 한 지도에서 연결한다. 변화 준비도·공정성·신뢰·심리적 안전과 보조 관점은 질문에 맞춰 선택한다. 도구 사용, 과업 변화, 정체성 경험을 한 변수로 묶지 않는다. 기존 이론을 적용한 부분과 새로 제안한 연결을 표시한다.

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 연구 영향력을 참고하는 지표다. 개별 논문의 품질은 연구 내용과 방법으로 판단한다.

저자 소개와 학술적 의의는 아래 공개 출처에 근거한다. 주차별 선정 이유와 트럭 사례에 적용한 설명은 수업을 위한 해석이다. 연구에서 실제로 조사한 대상과 심리, 조직 조건을 구분한다. 원문의 판본과 접근·재배포 조건은 각 읽기 자료에 표시했다.

읽기와 토론의 원칙

트럭 그림으로 업무와 사업의 여러 선택을 살펴본다. AI의 오류와 불확실성은 실제 사례와 문헌으로 검토한다. 경험과 해석, 연구 결과와 가치 판단을 구분하며 강사의 전망에도 근거를 들어 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.