“팀원과의 대화, AI가 코치해드립니다” 직장 내 어려운 대화를 AI와 연습한다면 생기는 변화들

How Managers Perceive AI-Assisted Conversational Training for Workplace Communication

AI 역할극 시스템을 통한 관리자 소통 훈련의 가능성

효과적인 직장 내 의사소통은 관리자의 성공에 필수적이지만, 많은 관리자들은 맞춤형 지속적인 훈련 기회를 얻지 못하고 있다. 버지니아공대 연구팀은 대규모 언어 모델(LLM)을 활용한 대화형 역할극 시스템 ‘CommCoach’를 개발하여 관리자들이 AI를 통해 의사소통 능력을 어떻게 향상시킬 수 있는지 탐구했다. 이 시스템은 관리자들이 어려운 직장 대화를 실습할 수 있는 기능적 도구로서, 반구조화된 인터뷰를 통해 참가자들은 직장 대화를 연습하기 위한 적응형 저위험 시뮬레이션의 가치를 강조했다.

연구 결과, 참가자들은 인간-AI 협업, 투명하고 맥락을 고려한 피드백, AI 생성 페르소나에 대한 더 많은 제어 기능 등의 가능성을 강조했다. AI 지원 커뮤니케이션 훈련은 개인화, 구조화된 학습 목표, 그리고 다양한 사용자 스타일과 맥락에 대한 적응성 사이의 균형을 맞추어야 한다. 그러나 이를 달성하기 위해서는 적응형과 일관된 AI 피드백 사이의 균형, 현실성과 잠재적 편향, 그리고 열린 AI 대화와 구조화된 직장 담론 사이의 긴장 관계를 신중하게 조율해야 한다.

“갈등이 싫다”… 관리자들이 말하기 어려워하는 이유

연구에 참여한 모든 관리자들은 효과적인 의사소통이 자신의 역할에 얼마나 중요한지 강조했다. 관리자들은 각기 다른 상황과 개별 부하직원에게 맞게 자신의 소통 스타일을 조정해야 한다고 인식했다. 이들은 스토리텔링, 유머, 소크라테스식 질문법, 직접적인 표현, 공감 표현 등 다양한 의사소통 전략을 사용했지만, 이러한 전략들은 시행착오를 통해 개발되었으며 항상 효과적이지는 않았다.

일부 참가자들은 직장 요구사항과 개인 성향 사이에서 균형을 맞추는 데 어려움을 겪었다. 임상 실험실 과학자인 P6은 “나는 갈등을 별로 좋아하지 않아서, 내 말이 수동 공격적으로 들릴 수 있다”고 언급했다. P12 역시 “나는 대립을 좋아하지 않기 때문에 내가 정말 좋은 감독자라고 생각하지 않는다”고 말했다. 이 외에도 참가자들은 감정적 반응, 권력 역학, 오해에 대한 두려움, 경력 차이 등 다양한 의사소통 장벽을 강조했다.

연구 참가자 중 12명은 이전에 관리 의사소통 훈련을 받은 경험이 있었지만, 대부분 직업 초기에 일회성 세션으로 진행되어 지속적인 적용이 어려웠다. 많은 참가자들은 인터넷, 문헌, 멘토를 통한 자기 주도적 학습에 의존했다. P2는 어려운 대화를 앞두고 “구글에서 정보를 찾았고, 규범이 무엇인지 알고 싶었다”고 설명했다. 참가자들은 민감한 상황을 다룰 때 판단받거나 실수할 걱정 없이 발전할 수 있는 지지적이고 비판단적인 환경의 필요성을 강조했다.

대화 상대도 성격도 내 맘대로: AI 훈련 시나리오 맞춤 기능의 확장

참가자들은 AI 지원 의사소통 훈련이 특정 직장 상황이나 현재 경험을 기반으로 시나리오를 개인화할 때 더 효과적이라고 생각했다. CommCoach와 같은 AI 시스템이 특정 역할, 산업 및 의사소통 과제를 반영해야 한다고 강조했다. 참가자들은 시나리오 편집기를 사용하여 맞춤형 시나리오를 만들고 정제할 수 있는 기능을 적극적으로 활용했다.

또한 참가자들은 단순히 시나리오 자체를 맞춤화하는 것을 넘어 더 많은 기능을 원했다. 여러 참가자들은 더 도전적이고 현실적인 훈련 환경을 만들기 위해 대화 파트너의 행동을 조정할 수 있는 기능을 원했다. P5는 시나리오 생성 시 선택할 수 있는 사전 정의된 성격 특성을 포함할 것을 제안했고, P16은 교육 배경이나 나이와 같은 에이전트 인구통계 추가를 권장했다. P11은 “더 완고하거나 예약된 AI 캐릭터라면 내가 어떻게 반응해야 할지 보는 것이 흥미로울 것”이라고 말했다.

시나리오와 대화 상대 맞춤화를 넘어, 참가자들은 시간이 지남에 따라 AI를 통한 지속적인 훈련과 개선을 위한 특정 관리 의사소통 훈련 목표를 설정하는 기능에 큰 관심을 보였다. 이러한 구조화된 목표 설정 접근 방식은 특히 관리자나 의사소통 역할이 새로운 사람들에게 노력을 집중하고, 학습 진행 상황을 추적하며, 동기부여를 유지하는 데 도움이 된다고 여겨졌다.

“지금 알려줘!”… 관리자들이 원하는 AI 피드백의 조건

참가자들은 AI 코치의 피드백이 실제 감독 과제와 일치하기를 기대했다. 인터넷 기반 훈련 자료에서 흔히 발견되는 일반적인 조언보다는 특정 역할과 상황에 맞춤화된 피드백을 선호했다. 많은 참가자들은 AI가 자신의 말투가 잠재적 대화 결과에 어떤 영향을 미치는지 이해하는 데 도움이 되기를 원했다.

일부 참가자들은 AI 코치가 단어 선택이 부정적으로 인식될 수 있는 이유나 코치의 대안이 더 건설적인 대화 결과로 이어질 수 있는 이유에 대한 뉘앙스 있는 피드백을 제공하기를 바랐다. 이 기능은 특히 부하직원과의 미묘하거나 감정적으로 부담되는 상황을 리허설할 때 유용할 것으로 예상되었다.

대부분의 참가자들은 시스템의 즉각적인 피드백을 선호했다. AI와 대화를 진행하면서 의사소통 스타일에 대한 즉각적인 피드백을 받는 것이 실시간으로 오류를 수정하고, 반복적인 오류를 방지하며, 순간의 학습을 강화하는 데 도움이 된다고 느꼈다. P13은 “전체 시간 동안 잘못된 방향으로 가다가 피드백을 받고 중요한 점을 배우고 싶지 않다. 지금 바로 더 나은 방향으로 전환할 수 있는 지점을 알고 싶다”고 설명했다.

AI 혼자만으론 부족하다? 인간 전문가와의 협업 가능성

참가자들은 관리자 의사소통 훈련 경험을 개선하기 위한 방법으로 인간-AI 협업의 가능성을 강조했다. CommCoach와 같은 AI 시스템의 능력을 인정하면서도, 민감하고 맥락 특정적인 훈련에 AI만 의존하는 것의 한계를 지적했다. 이는 P10의 말에 요약되어 있다: “AI는 나를 알지 못한다. 내가 좋은 의도를 가지고 있다고 생각하고 싶다. 우리 모두는 자신의 맹점을 가지고 있지만, 나는 사람들의 상황에 공감한다고 생각한다. 이제 코치가 나와 한동안 함께 일했다면, 내가 지나치게 공감적이라는 것을 알 수도 있다.”

P10의 발언은 AI 시스템이 인간 전문가가 제공하는 맥락적 이해가 부족하다는 더 큰 우려를 암시한다. 여러 참가자들은 훈련 과정에 인간 전문성을 통합하면 이러한 격차를 해결할 수 있다고 제안했다. 예를 들어, 참가자들은 경험 있는 관리자나 리더십 코치가 현실적인 시나리오를 설계하고, 피드백을 맥락화하며, 심지어 AI 중재 상호작용을 검토하여 더 깊은 인사이트를 제공하는 시나리오를 상상했다.

P15는 자신이 코치로서 AI 시스템과 협력하여 일하는 비전을 설명했다. CEO로서 그는 이 파트너십이 어떻게 기능할 것인지 설명했다: “내가 팀원들을 교육할 수 있다… 공감 측면이 아직 부족한 프로젝트 관리자가 있다… 그들을 자리에 앉히고, 시나리오를 실행하고, 어떻게 반응하는지 본다. 그것은 그 프로젝트 관리자에 대해 많은 것을 알려줄 것이다… 그리고 나는 ‘그래, 그것을 제대로 하지 않았구나. 왜 그런지 보여줄게, 그들의 질문에 대한 이 반응이 어떤 영향을 미치는지 보여줄게.'”

좋은 커뮤니케이션 코치는 감정, 편향, 목적의 균형을 맞춘다

연구 결과를 바탕으로, 버지니아공대 연구팀은 AI 지원 관리자 의사소통 훈련을 위한 프레임워크를 제시했다. 이 프레임워크는 사용자 입력, 맥락 해석기, 파트너 시뮬레이션, 피드백 모듈, 시스템 출력 등 상호 연결된 구성 요소로 구성되어 있으며, 조직 목표와 인간-AI 협업 고려사항으로 둘러싸여 있다.

의사소통 훈련 시스템은 사용자의 다양한 의사소통 스타일과 기대를 수용하기 위해 적응성, 개인화, 일관성 사이의 균형을 맞추어야 한다. 이는 다양한 스타일을 인식하면서도 일관된 성능을 유지하는 방법이라는 흥미로운 과제를 제시한다.

또한 AI는 현실적인 감정을 시뮬레이션하는 능력과 사회적 편향을 강화할 가능성 사이의 균형을 맞추어야 한다. 참가자들이 AI 대화 파트너의 감정이나 성격을 맞춤화하려고 할 때, 이는 특정 사회적 인구통계 그룹에 대한 모델의 내재된 편향을 반영할 수 있다.

마지막으로, 열린 도메인 언어 모델은 무기한 대화를 수행하도록 설계되어 있지만, 직장 담론은 자연스러운 종료 지점을 가지고 있다. 시스템 설계자는 목표에 기반한 적절한 대화 종료 지점을 고려해야 한다.

AI 커뮤니케이션 훈련, 조직 효과성과 장기 변화로 이어질까?

이 연구는 관리자들이 AI 지원 커뮤니케이션 훈련을 어떻게 인식하고 참여하는지에 대한 통찰력을 제공하며, AI 시스템이 직장 커뮤니케이션 기술 개발을 의미 있게 지원할 수 있는 방법에 대한 기초적인 이해를 제공한다.

장기적으로 CommCoach와 같은 시스템이 지속적인 행동 변화와 조직 효과성에 미치는 영향을 연구해야 한다. 연구자들은 다양한 부문의 관리자를 대상으로 하는 종단 연구를 통해 이러한 시스템의 복잡한 효과에 대한 더 포괄적인 이해를 얻을 수 있다.

이 연구는 또한 AI 지원 커뮤니케이션 훈련 시스템을 기존 관리자 개발 프로그램에 통합하는 방법에 대한 귀중한 정보를 제공할 수 있다. 다양한 산업 도메인과 문화에서 중요한 관리 기술을 이러한 시스템에 통합해야 한다. 마지막으로, 향후 연구는 특히 서비스가 부족한 커뮤니티에서 AI 지원 커뮤니케이션 훈련 시스템이 전문가 수준의 리소스에 대한 접근을 어떻게 확장할 수 있는지 조사해야 한다.

FAQ

Q: AI 기반 의사소통 훈련과 전통적인 훈련 방식의 주요 차이점은 무엇인가요?

A: AI 기반 의사소통 훈련은 맞춤형 시나리오 생성, 실시간 피드백, 반복 연습 가능성 등의 장점을 제공합니다. 전통적인 훈련이 종종 일회성 세션으로 진행되는 반면, AI 시스템은 사용자가 필요할 때마다 접근할 수 있는 지속적인 훈련 환경을 제공합니다. 그러나 연구 참가자들은 AI만으로는 맥락적 이해와 복잡한 상황 해석에 한계가 있어, 인간 전문가와의 협업이 이상적이라고 강조했습니다.

Q: CommCoach 시스템은 어떻게 작동하나요?

A: CommCoach는 두 개의 AI 에이전트를 활용합니다. 하나는 대화 파트너 역할을 하고, 다른 하나는 코치 역할을 합니다. 사용자는 기본 또는 맞춤형 시나리오에서 대화 파트너와 역할극을 수행하며, 코치 에이전트는 대화를 관찰하고 필요할 때 피드백을 제공합니다. 사용자는 특정 피드백에 대해 코치와 추가 대화를 나누거나, 대화를 다시 시도하여 다른 접근 방식을 탐색할 수 있습니다. 시스템은 웹 기반 애플리케이션으로 GPT-4 API를 활용해 구현되었습니다.

Q: AI 기반 의사소통 훈련 시스템 사용 시 주의해야 할 윤리적 고려사항은 무엇인가요?

A: 주요 윤리적 고려사항으로는 직원 감시 도구로의 오용 가능성, AI 승인에 과도하게 의존하여 진정한 대인관계 구축을 소홀히 할 위험, 그리고 알고리즘 피드백 루프가 의미 있는 신뢰 구축 상호작용보다 시스템에서 쉽게 측정 가능한 것에 집중하도록 할 수 있다는 점이 있습니다. 이러한 시스템을 구현할 때는 투명성, 동의, 인간 중심 리더십 개발을 훼손하지 않는 AI와 인간 판단 사이의 균형을 유지하는 것이 중요합니다.


해당 기사에 인용된 논문 원문은 링크에서 확인 가능하다.

기사는 클로드와 챗GPT를 활용해 작성되었습니다.