🟢 그린그린 🟢 업무 대화

🟢 그린그린 🟢 업무 대화

2026. 6. 26. 15:46ㆍUX 가벼운 이야기
Seungyoon Lee

오래전에 함께 일을 했던 동료가 있어요. 그 동료의 업무 커뮤니케이션 방식에서 배울 점이 많았습니다. 제가 궁금해하기 전에 업무 상황이 공유되고, 제가 판단을 내려야 하는 부분이 콕 집어서 전달되어 저와 동료의 인지부하를 크게 줄여주었습니다. 아직도 가끔 ‘그 친구라면 어떻게 얘기했을까?’ 생각을 하곤 합니다.

조직이라는 곳은 참 다양한 사람들이 모이는 곳입니다. 듣기 좋은 얘기만 할 수 없고, 들을 수도 없습니다. 일정이 밀리기도 하고, 예상했던 만큼 결과가 나오지 않기도 하고, 클라이언트의 반응이 기대와 다를 때도 있는데, 이런 어려운 상황을 조직 안에서 잘 풀어내기가 어렵습니다.

어떤 대화는 문제를 더 크게 느끼게 만들고, 어떤 대화는 문제를 함께 다룰 수 있게 합니다. 전자를 레드레드, 후자를 그린그린이라고 불러보겠습니다.

PART 1. 팀원의 대화

이런 상황을 겪어 보신 적이 있으실 거예요.

사용자 인터뷰 대상자 20명을 모집하기로 했는데, 최종 모집 인원은 12명에 그쳤습니다. 목표를 달성하지 못한 것이죠. 이 상황을 어떻게 공유하면 좋을까요?

❌ 레드레드 ❌

아래 대화를 읽어 보세요.

🟢 그린그린 🟢

같은 상황을 다르게 공유해 볼 수도 있겠죠. 아래 대화처럼 말입니다.

이 두 대화는 어떻게 다르게 느껴지나요?

두 대화의 결과는 같습니다. 목표는 20명이었지만, 실제 모집 인원은 12명에 그쳤습니다.

레드레드 대화는 문제를 공유할 기회가 여러 번 있었는데도, 리더와 팀이 너무 늦게 알게 되었습니다. 왜 이런 일이 일어났는지 추측하며 급히 실패를 수습해야 하므로 인지부하가 생깁니다.

그린그린 대화는 문제 현황을 더 일찍 공유하는 동시에 문제의 원인도 함께 공유하고 있습니다. 리더는 상황을 추측할 필요가 없습니다. 추측할 시간에 문제를 해결하기 위해 일정 연장, 분석 범위 조정, 리포트의 한계 명시 등 가능한 선택지를 빠르게 검토할 수 있게 되는 것이죠. 이로써 리더가 결과를 상상하거나 여러 상황을 시뮬레이션해 보는 등 인지부하를 낮춰 빠르고 명료한 해결이 가능하게 됩니다.

그린그린 ≠ 성공 보고

좋은 커뮤니케이션은 리더를 안심시키거나 좋지 않은 결과를 예쁘게 말하는 것이 아닙니다. 실패와 위험을 더 빨리, 정확하게, 함께 다룰 수 있게 만드는 대화입니다. 그러기 위해서는 다음 정보를 함께 전달해야 합니다.

현재 상태는 어떠한가
목표와 얼마나 차이가 있는가
어떤 리스크가 예상되는가 (숫자와 영향도)
그 리스크를 줄일지, 해결할지, 감수할지
리더나 팀의 판단과 개입이 필요한 지점은 어디인가

PART 2. 리더의 대화

그린그린과 레드레드는 팀원의 공유 방식에만 있는 것이 아닙니다. 리더에게도 똑같이 적용됩니다.

똑같이 사용자 인터뷰 대상자 20명을 모집하기로 했는데, 최종 모집 인원은 12명에 그칠 것 같다는 예상을 리더에게 보고하는 상황입니다. 리더의 지적이 사람을 향하는지, 업무 해결을 향하는지, 문제의 원인을 파고드는지, 해결을 바라보는 데 있는지에 따라 팀의 효율이 크게 달라집니다.

❌ 레드레드 ❌

🟢 그린그린 🟢

같은 말을 들은 리더가 다르게 반응할 수도 있습니다.

두 대화 모두 리더는 발생한 문제를 해결하려고 합니다. 레드레드 대화에서는 대화가 진행될수록 초점이 점점 문제의 원인으로, 그 방향이 사람으로 옮겨지고 있습니다. 반면 그린그린 대화에서는 리더의 초점이 문제를 함께 해결하는 데 맞춰져 있습니다.

레드레드 대화는 듣는 사람의 입장에서 ‘문제를 함께 다루고 있다’기보다는 ‘내가 문제로 지목되고 있다’고 느낄 수 있고 이런 상황은 팀의 업무 효율을 크게 낮추는 부정적인 효과를 낳습니다.

그린그린한 리더는

고칠 점을 정확히 말하고,
기준을 분명히 세우고 있으며,
문제를 문제로 남겨 두고, 팀원이 다음 행동을 할 수 있게 돕습니다.

PART 3. AI 시대의 그린그린 업무 대화

AI와 함께 일하면서 업무 커뮤니케이션에도 새로운 애매함이 생겼습니다.

예전에는 초안이 거칠거나 표가 비어 있으면 “아직 판단 중이구나”를 알 수 있었습니다. 그런데 AI는 분류, 요약, 문장화를 빠르게 해내기 때문에 아직 검토가 필요한 판단도 완성된 결론처럼 보이게 만듭니다.

앞서 보았던 리크루팅 사례를 AI 시대의 업무로 다시 생각해 보겠습니다.

인터뷰 대상자 20명을 모집해야 하는 프로젝트에서 신청자 35명이 모였습니다. 팀원은 이 응답 데이터를 AI에 넣어 1차 스크리닝을 했고, AI는 14명을 우선 인터뷰 대상으로, 21명을 보류 대상으로 분류했습니다. 팀원은 우선 대상자 14명부터 컨택했고, 최종 12명을 확정했습니다.

❌ 레드레드 ❌

겉으로 보면 합리적인 과정처럼 보입니다. 신청자 데이터를 검토했고, AI가 적합도가 높은 사람을 골라 주었으며, 가능한 사람을 확정했기 때문입니다.

하지만 중요한 것은 판단의 주체가 어디에 있었는가 하는 것입니다. “AI가 우선순위로 뽑은 14명에게 연락했고, 최종 12명을 확정했습니다”라고 결과만 공유하면, 리더는 이미 끝난 판단을 뒤늦게 받게 됩니다. AI가 만든 기준이 팀과 논의되기 전에 이미 실행 기준이 되어 버렸다는 것이 업무 대화를 어렵게 만드는 이유가 됩니다.

🟢 그린그린 🟢

AI가 업무 프로세스에 중요한 역할을 할 때에는 AI가 어떤 기준으로 분류했는지, 그 기준이 프로젝트 목적과 맞는지, 보류되거나 제외된 대상 중 다시 봐야 할 사람이 있는지, 팀이 함께 판단해야 할 지점은 무엇인지 공유하는 것이 중요합니다.

AI는 업무를 빠르게 만들어 주지만, 그만큼 판단도 빨리 굳어질 수 있습니다. 그래서 결과를 빨리 공유하는 것을 넘어, AI가 만든 기준이 팀의 판단으로 굳기 전에 공유할 수 있도록 노력해야 합니다. AI가 어디까지 정리했고, 어디부터 사람이 다시 판단해야 하는지 드러내는 것입니다.

예를 들어, 아래와 같이 얘기할 수 있겠죠.

AI가 14명을 우선 인터뷰 대상으로 분류했습니다.
다만 분류 기준이 응답 충실도와 현재 사용 빈도에 가까운 것 같습니다.
이번 리서치 목적상 보류된 21명 중 이탈 가능성이 있는 사용자를 다시 봐야 할지 논의가 필요합니다.

즉, AI가 어디까지 정리했고, 어디부터 사람이 다시 판단해야 하는지 드러내는 것이 중요합니다.