WHAT IS WORK SLOP

“이걸 검토하고 보낸 거 맞아?”

The frustration of receiving AI-generated deliverables without human review

메시지를 받았습니다. 양이 상당합니다. 있어 보이게 구조화되어 있고, 빌릿 포인트도 깔끔합니다. 그런데 무언가 이상합니다. 요지가 없습니다. 그리고 한 가지 확신이 듭니다 — 이 사람, 이거 읽어보지도 않고 보냈을 거라는 것.

You receive a polished-looking message — neatly structured, full of bullet points — yet devoid of substance. You know instantly: the sender never reviewed it.

AI 슬롭(AI Slop)이라는 단어가 있습니다. AI로 만들어진 저품질 결과물, 한마디로 ‘AI로 만든 쓰레기’를 뜻합니다. 그리고 이 슬롭 중에서도 직장 내 메시지, 보고서, 기획서, 코드 등 업무 현장에서 발생하는 것을 워크슬롭(Work Slop)이라고 부릅니다.

유튜브 콘텐츠의 슬롭은 스크롤하면 그만입니다. 하지만 워크슬롭은 다릅니다. 이건 내가 읽어야 하고, 검토해야 하고, 내 이름으로 다시 올려야 하는 것이니까요. 바로 그 차이 때문에 우리는 긁힙니다.

THE NUMBERS

슬롭의 현재 규모

How pervasive is AI slop across digital platforms?

AI 슬롭은 단순한 느낌이 아니라 이미 수치로 확인되는 현상입니다. 유튜브, 레딧(Reddit), 미디엄(Medium), 스택 오버플로우(Stack Overflow) 등 주요 플랫폼 전반에서 AI 생성 저품질 콘텐츠가 생태계를 위협하고 있습니다.

AI slop is no longer an abstract concern — it now constitutes roughly 20% of YouTube content, prompted Stack Overflow to ban raw AI answers, and threatens the credibility of platforms like Medium and Reddit.

이것은 단순한 ‘좀 보기 싫은 콘텐츠가 많아졌다’ 수준이 아닙니다. 의도적으로 창작 비용을 아끼기 위해 품질을 포기하고 양산하는 비즈니스 모델이 된 것입니다. 그리고 이 현상이 이제 직장 안으로 들어오고 있습니다.

THREE PAIN POINTS

워크슬롭이 긁히는 세 가지 이유

Why AI-generated work deliverables feel so frustrating

1️⃣ “이럴 거면 내가 AI한테 물어봤지”

누군가에게 질문을 한다는 건, 그 사람의 생각이 궁금해서입니다. AI에게 물어볼 수 있었지만, 굳이 사람에게 묻는 건 AI가 줄 수 없는 경험과 판단, 맥락이 필요했기 때문입니다.

그런데 돌아온 답이 누가 봐도 AI가 쓴 것 같은 일반적이고 정제된 문장이라면? “왜 너한테 물어봤는지”를 다시 생각하게 됩니다.

When we ask a person instead of AI, we seek their judgment and experience. Receiving a generic AI-polished answer defeats the entire purpose of the question.

2️⃣ “완성도를 만들어낼 능력이 없는 건가?”

예전에는 결과물이 늦게 오거나 소통이 안 되면 ‘이 사람은 좀 느리구나’ 정도로 생각했습니다. 그런데 AI 덕분에 결과물이 빨리 나오는 시대가 되면서, 오히려 완성도에 대한 감각 자체가 드러나게 되었습니다.

AI가 속도 문제를 해결해 버렸기 때문에, 이제 남은 것은 순전히 그 사람의 판단력, 취향, 검토 능력입니다. 완성도가 낮은 결과물이 빠르게 도착하면, 리더 입장에서는 “이 사람의 수준이 이 정도인 거였구나”라는 생각이 드는 것입니다.

AI removed the speed excuse. Now low-quality deliverables directly expose the sender’s judgment and taste — or lack thereof.

3️⃣ 검토 비용의 전가 — “결국 내가 다 읽어야 하잖아”

AI가 만든 방대한 양의 보고서나 기획서를 받으면, 결국 검토 부담은 수신자에게 전가됩니다. 한 스타트업 CTO의 고백이 이를 정확히 보여줍니다. 팀 전체를 AI 기반 개발자로 세팅했더니, 정작 자기가 코드 리뷰의 병목이 되어 버린 것입니다.

COST STRUCTURE

비용은 사라지지 않는다

The cost doesn’t disappear — it just shifts to the reviewer

워크슬롭의 가장 교묘한 점은 비용의 착시 효과입니다. 발신자는 시간을 아꼈다고 생각하지만, 실제로는 수신자의 시간과 에너지를 소모하게 만듭니다.

이 구조의 핵심은 명확합니다. 5분의 절약이 상대방의 2시간을 소모시킵니다. 그리고 이 비대칭이 반복될수록, 발신자에 대한 신뢰는 돌이킬 수 없이 무너집니다.

A 5-minute prompt saves the sender time but costs the receiver 30 minutes to 2 hours of review. This asymmetry, repeated over time, erodes trust irreparably.

SLOP VS SOUL

슬롭과 소울의 차이

What separates AI trash from AI-augmented craftsmanship

중요한 질문이 있습니다. 어떤 결과물은 “AI로 만든 쓰레기”라고 하고, 어떤 결과물은 “AI를 잘 활용한 작품”이라고 합니다. 그 차이는 무엇일까요?

답은 실행이 아니라 결정에 있습니다. 무엇을 해야 하는지 판단하는 것, 자신의 경험을 기반으로 끝까지 짜내는 것. 결국 발상과 완성도가 슬롭과 소울을 가르는 경계입니다.

The difference between slop and soul isn’t whether AI was used — it’s whether the human made decisions, applied judgment, and refined the output to completion.

AI를 썼느냐가 문제가 아닙니다. 끝까지 갔느냐가 문제입니다. 소울이 있는 결과물은 AI의 도움을 받았더라도, 그 안에 사람의 판단과 취향과 맥락이 살아 있습니다.

GLOBAL REACTIONS

전 세계가 겪고 있는 같은 문제

The worldwide backlash against AI slop

워크슬롭에 대한 피로감은 한국만의 현상이 아닙니다. 전 세계 주요 플랫폼과 커뮤니티에서 동일한 문제가 논의되고 있습니다.

From YouTube to Reddit, Medium to Stack Overflow, and open-source communities to high-stakes industries like real estate — the global backlash against unchecked AI output is universal.

핵심은 동일합니다. 원하지도 않았고, 시키지도 않았고, 검토하지도 않은 것을 던지니까 열 받는 것입니다. 플랫폼이 달라도, 언어가 달라도, 그 감정의 뿌리는 같습니다.

MATURITY FRAMEWORK

AI 활용의 성숙도 5단계

From raw AI output to human-crafted, AI-augmented excellence

같은 AI 도구를 써도 결과물의 수준은 천차만별입니다. 이 차이를 만드는 것은 도구가 아니라 사용자의 성숙도입니다.

대부분의 워크슬롭은 1~2단계에서 발생합니다. 반면, 같은 AI를 써도 4~5단계에서 작업하는 사람의 결과물은 완전히 다릅니다. 도구가 같아도 장인의 결과물은 다릅니다.

Most work slop happens at levels 1–2. True AI-augmented quality lives at levels 4–5, where the human drives structure, judgment, and taste while AI assists.

SOLUTIONS

그래서 어떻게 해야 하나?

Practical approaches for both senders and leaders

📤 결과물을 보내는 사람에게

“이걸 왜 나한테 물어봤을까?”를 먼저 생각해야 합니다. 상대방이 AI한테 직접 물어볼 수 있었는데 굳이 사람에게 물었다면, 당신의 경험과 판단이 필요했기 때문입니다. 그 기대에 AI 복붙으로 응답하는 것은 예의의 문제이기도 합니다.

시간이 정말 없어서 AI 도움을 크게 받았다면, “이번엔 시간이 없어서 AI 도움을 많이 받았습니다. 양해 부탁드립니다.”라는 한 줄이면 충분합니다. 이 한 줄이 상대의 당황과 오해를 정리해 주는 최소한의 예의입니다.

If you leaned heavily on AI due to time constraints, a simple disclaimer — “I used significant AI assistance on this; please bear with me” — goes a long way in preserving trust.

📥 결과물을 받는 리더에게

“AI 결과물로 주지 마세요”는 솔루션이 아닙니다. 진짜 피드백은 무엇이 완성도 기준에 미달인지 구체적으로 말하는 것입니다.

SELF-REFLECTION

“내가 AI 시대의 꼰대인 건가?”

No — expecting quality is not being a dinosaur

워크슬롭에 스트레스를 받으면서 동시에 드는 불안이 있습니다. “내가 꼰대인가?” AI 시대에 이 결과물을 받아들이지 못하는 내가 뒤처진 건 아닌가 하는 자기 의심.

하지만 개발자들의 사례를 보면 답이 나옵니다. AI로 코드 생성량이 무한대가 되면서 “라인 바이 라인 코드 리뷰는 못 한다”고들 합니다. 맞는 말입니다. 그러나 개발자들도 소프트웨어라는 최종 결과물은 반드시 봅니다. 코드는 못 보더라도, 소프트웨어의 완성도는 체크합니다.

Developers may not review every line of AI-generated code, but they always evaluate the final software. Likewise, expecting quality in workplace deliverables isn’t outdated — it’s professional.

THE 5% RULE

95%의 AI, 5%의 인간

AI handles 95% — but the irreplaceable 5% is yours

LLM이 90%, 95%까지 해줄 수 있다는 연구와 프로젝트들이 쏟아집니다. 토이 프로젝트로 즐기는 건 좋습니다. 하지만 진짜로 쓰이려면, 100%가 되기 위한 나머지 5%에 인간의 역할이 반드시 있습니다.

그 5%는 취향(Taste), 테이스트(Style), 완성도(Craftsmanship)입니다. 사람마다 완성도의 기준이 다르기 때문에, 이 영역은 AI가 대체할 수 없습니다. 그리고 바로 이 5% 때문에 우리가 여전히 화이트칼라 업무를 하는 것입니다.

AI can generate 95% of the draft, but the remaining 5% — taste, style, contextual judgment, and accountability — is uniquely human and irreplaceable.

CONCLUSION

AI가 문제가 아니다

The problem isn’t AI — it’s the absence of human responsibility

AI 슬롭 때문에 AI에 대한 부정적 인식을 가질 필요는 없습니다. AI 슬롭이 싫은 거지, AI가 싫을 일은 아닙니다. 문제는 도구가 아니라 도구를 사용하는 방식입니다.

오늘의 결론은 간단합니다.

If you use AI, raise the bar on quality. Review it, refine it, and make it yours before passing it on. The goal: never let anyone think, “I could have just asked ChatGPT myself.”