AI가 직장에서 말을 잘하는지는 듣기 좋은 말솜씨가 아니라, “비꼬는 말”을 사실과 경계, 다음 단계로 바꿀 수 있는지에 달려 있습니다

직장 갈등을 모델에게 맡길 때 많은 사람이 이렇게 묻습니다. “상사가 이렇게 말했는데, 어떻게 답해야 할까요?”

문장을 다듬는 문제처럼 보이지만, 실제로는 여러 목표가 서로 당기는 제약 조건 문제에 더 가깝습니다. 답장은 예의만 갖춰서는 부족하고, 서로 견제하는 몇 가지 일을 동시에 해내야 합니다. 부정확한 지적을 그냥 받아들여서도 안 되고, 그 자리를 대립으로 몰고 가서도 안 되며, 자신이 책임져야 할 부분까지 모두 밀어내서도 안 되고, 남의 책임을 몽땅 떠안아서도 안 됩니다. 동시에 필요한 사실과 시간, 다음 단계를 남겨 일이 계속 앞으로 나아가게 해야 합니다.

Folkbench의 “상사의 비꼬는 말, 누가 잘 받아칠까?” 테스트가 측정하는 것이 바로 이 능력입니다. 모델에게 “직장 내 가스라이팅에 어떻게 대처해야 하나” 같은 막연한 질문을 던지지 않습니다. 대신 구체적인 배경, 권력 관계, 납기 제약이 있는 상황 12가지를 제시하고, 보통 사람이 실제로 보낼 엄두를 내면서도 일을 키우지 않는 답장을 쓰게 합니다.

상사에게 한 방 먹이는 법을 묻는 테스트가 아닙니다

12가지 상황은 흔히 겪는 여러 종류의 압박을 다룹니다. 단체방에서 “요즘 꽤 여유로워 보이네”라는 은근한 말을 듣는 경우, 여러 사람 앞에서 “일할 생각이 없는 거냐”는 질문을 받는 경우, 프로젝트 결과가 좋지 않은 뒤 “진작 생각했어야지”라는 말을 듣는 경우, 요구 사항 변경이 공유되지 않았는데 먼저 챙기라는 요구를 받는 경우, 앞 단계에서 자료가 오지 않아 기획안이 비어 있는 경우, 상사가 내 기여를 가볍게 넘기는 경우, 고객 앞에서 “이 건은 잘 모른다”는 말을 듣는 경우, 성과 평가에서 “주도성 부족”이라는 모호한 평가만 받는 경우, 주말에 “잠깐만 봐 달라”는 요청을 받는 경우, 갑자기 우선순위가 바뀐 뒤 서면 기록을 남기는 경우, 그리고 “젊어서 고생은 사서도 한다”는 말 뒤에 숨은 일정 협상입니다.

테스트 진행 방식

네 모델은 완전히 같은 현재 V1 상황과 출력 요구 사항을 받았습니다. 페이지에는 promptHash가 일치하는 결과 48개만 수록되어 있으며, 이는 12개 문항 각각에 대해 네 모델이 내놓은 답입니다.

규칙 점수는 다섯 가지 관점에서 판단합니다.

1. 그대로 보낼 수 있는지
2. 자신의 사실 관계와 책임의 경계를 지키는지
3. 일을 더 키우지 않는지
4. 말의 수위가 적절한지
5. 다음 단계가 분명한지

페이지에는 규칙 경고와 중대 위험도 함께 기록됩니다. 규칙 점수는 이 12개 공통 문항의 결과를 서로 비교하는 데만 쓰이며, 모델이 직장에서 두루 통하는 능력을 갖췄다는 뜻이 아니고 노동법상의 조언도 아닙니다.

결과: 평균 점수는 비슷하지만 능력의 모습은 다릅니다

GPT-5.6 Sol은 2위보다 1.8점 높을 뿐이지만, 페이지를 보면 “바로 보낼 수 있음”, 경계, 다음 단계 세 항목에서 모두 네 모델 중 1위입니다. 특히 우선순위, 시점, 책임 관계를 분명히 밝혀야 하는 상황에 잘 맞습니다.

Kimi K2.7 Code의 상황 인식 점수는 80.7로 네 모델 중 가장 높습니다. 하지만 “다음 단계” 점수는 58.3에 그쳐, 문제를 정확히 짚어 놓고도 담당자, 시간, 확인 절차를 못 박지 못할 때가 있습니다.

Opus 4.8의 분위기 진정 점수는 70.3으로 다른 모델보다 조금 높으며, “주말에 잠깐만 봐 달라”나 “젊어서 고생은 사서도 한다” 같은 경계 문제에서 두드러졌습니다. 다만 페이지에는 4개 문항에서 템플릿 같은 도입부가, 1개 문항에서 바꾸지 않은 플레이스홀더가 남아 있었다는 기록도 있으므로, 복사하기 전에 반드시 끝까지 읽어야 합니다.

GLM 5.2는 자료 누락 문항과 단체방에서 실수를 인정하는 문항 등에서 사실, 빈 곳, 후속 조치를 정리하는 데 강합니다. 하지만 6개 문항에 “이렇게 답하면 됩니다” 같은 템플릿 안내가 붙어 있어 전체적으로 템플릿 느낌이 더 강합니다.

네 가지 상황, 네 가지 직장 난제

“요즘 꽤 여유로워 보이네”: 잘못된 꼬리표를 받아들이지 않기

사용자는 금요일에 고객에게 보낼 기획안을 수정하느라 단체방의 급하지 않은 메시지에 바로 답하지 못했습니다. 그러자 상사가 “요즘 꽤 여유로워 보이네”라고 말합니다.

Sol의 답장은 “저 하나도 안 여유롭습니다”라고 반박하지 않습니다. 대신 지금 기획안 수정에 집중하고 있고, 구조와 핵심 데이터는 이미 검토를 마쳤으며, 17:00에 첫 버전을 보낼 예정이라고 설명합니다. 그리고 더 급한 일이 있으면 우선순위를 조정할 수 있다고 덧붙입니다.

이 답장은 먼저 바로 답하지 못한 객관적인 이유를 설명하고, 이어서 진행 상황과 납기로 일이 진척되고 있음을 보여 준 뒤, 마지막으로 대화를 “놀고 있는 거 아니냐”에서 “지금 무엇이 더 급하냐”로 돌려놓습니다. “여유롭다”는 암묵적인 판단을 받아들이지도 않고, 단체방에서 상사의 비꼼을 공개적으로 들춰내지도 않습니다.

“주도성 부족”: 모호한 꼬리표를 행동 기준으로 바꾸기

성과 면담에서 상사는 “태도는 문제없는데, 주도성이 좀 부족해”라고만 말하고, 평가표에도 “주도성 부족”만 적혀 있습니다. 다음 평가 주기는 6주입니다.

Kimi는 곧바로 반박하지도, “더 노력하겠습니다”라고 막연하게 말하지도 않습니다. 대신 “주도성”이 구체적으로 무엇을 뜻하는지 묻습니다. 문제가 생기면 먼저 스스로 방법을 찾는 것인지 먼저 공유하는 것인지, 부서 간 협업에 적극적이지 않다는 것인지 새 업무를 먼저 맡으려 하지 않는다는 것인지를 묻습니다. 이어서 다음 주기의 합격 기준과 우수 기준을 물어, 평가를 매주 또는 프로젝트 단계마다 확인할 수 있는 형태로 만들려 합니다.

이렇게 하면 반박하기 어려운 성격 꼬리표가, 예를 들고 관찰하고 돌아볼 수 있는 행동 기준으로 바뀝니다. Sol의 답장은 한발 더 나아가 매주 리스크 보고, 문제를 발견하면 대안 제시, 3주 차 중간 점검 같은 행동을 제안합니다. “문제를 알아보는 것”과 “문제를 진척시키는 것”이 서로 다른 능력이라는 점을 보여 주는 대목입니다.

“기획안이 왜 아직도 이렇게 비어 있어?”: 책임의 경계는 사실로 세웁니다

행사 기획안에는 앞 단계에서 확정해 줘야 할 행사 범위, 최근 30일 전환 데이터, 예산 상한이 빠져 있습니다. 하지만 목차, 진행 흐름, 데이터와 무관한 공통 부분은 이미 완성했고, 필요한 자료 목록도 두 번이나 보냈습니다. 그런데 상사는 단체방에 이렇게 씁니다. “기획안이 왜 아직도 이렇게 비어 있어? 추진을 너무 소극적으로 하는 것 같은데.”

GLM은 이 문항에서 81.4점을 받아 네 모델 중 가장 높았습니다. 먼저 완료한 부분을 적고, 이어서 세 가지 빈 곳을 나열하고, 그동안의 발송 및 리마인드 기록을 밝힌 뒤, 마지막으로 “내일 17:00까지 피드백, 자료를 받으면 영업일 기준 2일 안에 보완”이라는 계획을 제시합니다. 정식 자료를 당장 줄 수 없다면 범위나 잠정치를 먼저 받아 가정에 따라 기획안을 진행할 수도 있다고 덧붙입니다.

이런 답장은 “자료를 안 줬다”를 감정적인 하소연으로 쓰지 않고, 프로젝트 구성원이 함께 처리할 수 있는 의존 항목으로 바꿉니다. 책임의 경계는 “제 잘못이 아닙니다”라는 한마디로 세워지는 것이 아니라, 완료 기록, 의존 관계, 일정으로 세워집니다.

“젊어서 고생은 사서도 한다”: 가치 판단을 일정 문제로 되돌리기

사용자는 이번 주 금요일에 출시하는 회원 정산, 다음 주 화요일에 넘겨야 하는 운영 보고서, 그리고 외부 의존성이 없는 백오피스 화면 개선을 동시에 맡고 있습니다. 상사가 “젊어서 고생은 사서도 한다잖아”라고 말하자, 사용자는 합리적인 일정을 확보하고 싶지만 말을 너무 단호하게 하고 싶지는 않습니다.

Opus는 이 문항에서 82.1점을 받아 전체 단일 문항 최고점을 기록했습니다. “고생”의 가치를 두고 논쟁하지 않고, 세 가지 업무를 마감 순서대로 정리합니다. 회원 정산이 1순위, 운영 보고서가 2순위, 백오피스 화면 개선은 일주일 연기입니다. 화면 개선에도 반드시 지켜야 할 일정이 있다면 그때 다시 조정하자고 합니다.

효과적인 답장은 그 말을 반박하는 것이 아니라, “고생할 의지가 있느냐”를 “한정된 시간 안에서 어떤 결과물을 먼저 지켜야 하느냐”로 바꾸는 것입니다.

네 모델의 특징

GPT-5.6 Sol: 안정적인 실무형 답장. 내용을 사실, 시간, 다음 단계로 정리하는 경우가 많고, 기록 남기기, 고객 앞 상황, 일정 확인에서 비교적 안정적입니다. 다만 페이지에는 Sol의 답장이 다소 길어질 때가 있으며, 성과나 책임을 둘러싼 갈등 상황에서는 사용자가 더 명확한 기준, 담당자, 마감일을 직접 보완해야 한다는 지적도 있습니다.

Kimi K2.7 Code: 상황은 잘 읽지만 마무리를 점검해야 합니다. 한마디 말 뒤에 숨은 관계와 압박을 잘 읽어 내며, 특히 성과 면담이나 회의 중 추궁 같은 미묘한 상황에 잘 맞습니다. 사용할 때는 담당자, 시점, 확인 절차가 모두 분명히 적혀 있는지 추가로 확인하세요.

Opus 4.8: 분위기는 잘 누그러뜨리지만, 복사 전에 정리가 필요합니다. 상대에게 물러설 여지를 잘 만들어 주며, 주말 근무 거절이나 일정 확보 같은 경계 문제를 잘 다룹니다. 다만 표현이 더 길고 템플릿 흔적도 더 뚜렷하므로, 설명, 괄호, 플레이스홀더를 지운 뒤 메시지가 실제 관계에 맞는지 확인해야 합니다.

GLM 5.2: 체크리스트식 추진에 강하지만, 강의하는 말투를 걷어 내야 합니다. “완료, 빈 곳, 책임, 다음 단계”로 나누는 데 능해 프로젝트 추진과 지연 회고에 적합합니다. 문제는 답과 교육용 설명이 자주 섞여 있다는 점입니다. “최종 발송용 텍스트만 출력하라”고 분명히 요구하는 편이 좋습니다.

누구나 다시 쓸 수 있는 4단계 프레임

어떤 모델을 쓰든, 직장에서의 답장은 다음 순서로 구성할 수 있습니다.

1. 사실 확인: 지금 무엇을 하고 있는지, 무엇을 이미 끝냈는지, 변화가 언제 생겼는지 분명히 씁니다.
2. 통제할 수 있는 부분 인정: 일정에 여유를 두지 않았거나 리스크를 너무 늦게 알렸다면 그 구체적인 행동을 인정하되, 모든 책임을 뭉뚱그려 떠안지는 않습니다.
3. 경계를 계획으로 쓰기: “제 책임이 아닙니다”라고만 말하지 말고, 의존 항목, 우선순위, 영향을 받는 결과물, 새로운 일정을 밝힙니다.
4. 다음 단계 제시와 확인 요청: 누가 무엇을 언제까지 하는지, 조건이 바뀌면 어떻게 조정할지 분명히 합니다.

이것을 한 줄로 압축하면 다음과 같습니다.

사실 확인 → 제약 설명 → 계획 제안 → 확인 요청.

“복사·붙여넣기 안전성”도 평가 지표가 되어야 합니다

모델의 판단이 옳더라도 출력을 그대로 보내기에는 적합하지 않을 수 있습니다. 진짜 위험은 사실 오류나 부적절한 말투에만 있지 않습니다. 메시지에 “이렇게 답하면 됩니다”, “이유는 다음과 같습니다” 같은 문구, 바꾸지 않은 이름, 괄호 속 설명, 심지어 사용자만 봐야 할 분석 한 단락이 통째로 남아 있을 수도 있습니다.

따라서 실제 과제를 다루는 평가는 적어도 두 가지를 구분해야 합니다. 모델이 올바른 소통 전략을 제시했는지, 그리고 최종 메시지와 설명을 깔끔하게 분리했는지입니다. 앞의 것은 조언의 품질이고, 뒤의 것은 복사·붙여넣기 안전성입니다. Folkbench가 “그대로 보낼 수 있는지”를 독립된 평가 항목으로 둔 것도 이 때문입니다. 사용자에게 필요한 것은 똑똑하게 들리는 답만이 아니라, 직접 통제하고 고치고 보낼 수 있는 업무용 텍스트입니다.

이번 결과의 한계

이번 결과가 보여 주는 것은, 현재 V1의 구체적인 12가지 상황에서 네 모델이 사실, 경계, 관계, 다음 단계를 다루는 방식에 관찰 가능한 차이가 있다는 점입니다. Sol은 바로 쓸 수 있는 답장을 더 안정적으로 내놓고, Kimi는 상황을 읽는 데 더 능하며, Opus는 분위기를 누그러뜨리고 경계를 협상하는 데 더 능하고, GLM은 체크리스트식으로 일을 진척시키는 데 더 능합니다.

이 결과로 어떤 모델이 모든 직장 대화에서 더 낫다고 말할 수는 없으며, 어떤 모델이 “눈치가 더 빠르다”고 말할 수도 없습니다. 샘플 수, 문항, 모델 버전, 출력 요구 사항, 채점 규칙이 모두 결과에 영향을 줍니다. Sol이 Kimi보다 1.8점 높을 뿐이므로 “압도적 우위”라는 결론은 성립하지 않습니다. 페이지의 규칙 점수는 노동법상의 의견도 아닙니다. 성과, 징계, 급여, 노동 분쟁과 관련된 실제 결정을 모델이 생성한 메시지 한 통에만 맡겨서는 안 됩니다.

“상사의 비꼬는 말”이라는 제목은 받아치는 기술을 떠올리게 하기 쉽지만, 이 테스트가 실제로 측정한 것은 그보다 어려운 능력입니다. 대등하지 않은 관계 속에서 모호한 꼬리표에 자신을 내맡기지 않고, 대화를 공개적인 충돌로 몰아가지도 않으면서, 기록을 남기고 확인을 받아 일을 계속 진행시키는 능력입니다.