AI 전환은 새로운 시스템을 설치하는 기술 프로젝트에 머물지 않는다. 직원에게 AI는 생산성을 높이는 도구인 동시에 자신의 역할과 전문성을 위협할 수 있는 존재다. AI 도입의 성패는 기술의 성능보다 불안을 이해하고 신뢰와 학습의 공간을 만드는 리더십에 달려 있다.

***

기업들은 생성형 AI를 생산성 향상과 비용 절감, 업무 혁신을 동시에 달성할 수 있는 도구로 바라보고 있다. 보고서 작성, 정보 검색, 고객 응대, 데이터 분석, 프로그래밍, 디자인 등 다양한 업무에서 AI의 활용 가능성이 확인되면서 기업의 관심은 이제 AI를 도입할 것인가의 문제에서 얼마나 빠르고 넓게 활용할 것인가의 문제로 이동했다. 경영진은 전사적인 AI 전략을 발표하고 새로운 플랫폼을 도입하며 직원들에게 교육 프로그램을 제공한다. 그러나 최신 시스템을 설치하고 사용 계정을 배포했다고 해서 조직의 AI 전환이 완성되는 것은 아니다.

기술은 짧은 시간 안에 설치할 수 있지만 사람의 업무 방식은 그렇게 빠르게 바뀌지 않는다. 직원들은 기존에 익숙했던 절차를 버리고 새로운 도구를 배워야 하며, 자신이 축적해온 경험과 전문성이 앞으로도 필요한지 다시 판단해야 한다. AI가 자신의 업무를 보조하는 도구인지, 일부 업무를 대체하는 경쟁자인지, 나아가 자신의 일자리까지 위협할 존재인지도 분명하지 않다. 이런 상황에서 AI 도입은 단순한 기능 학습이 아니라 일의 의미와 자신의 위치를 다시 해석하는 과정이 된다.

많은 기업이 이 지점을 간과한다. 경영진은 AI의 기능과 투자 효과를 설명하면 직원들이 자연스럽게 새로운 도구를 받아들일 것이라고 기대한다. 생산성이 얼마나 높아지는지, 처리 시간이 얼마나 줄어드는지, 경쟁사보다 어떤 우위를 확보할 수 있는지를 강조한다. 그러나 직원의 관심은 조금 다르다. 업무가 빨라진 뒤 줄어든 시간은 어디에 사용되는지, AI로 성과가 높아지면 기대 수준도 함께 높아지는지, 자신이 수행하던 업무가 자동화되면 어떤 역할을 맡게 되는지 알고 싶어 한다.

기업이 이런 질문에 답하지 않은 채 도입 속도만 강조하면 직원들은 AI를 혁신의 기회가 아니라 조직이 자신에게 보내는 불확실한 신호로 받아들인다. 공식적으로는 새로운 시스템을 사용하면서도 실제로는 기존 방식에 머물거나, 가장 단순한 기능만 사용하고, 자신의 시행착오를 동료와 공유하지 않는 현상이 나타날 수 있다. 기술은 들어왔지만 업무 방식은 바뀌지 않는 것이다.

AI 전환의 본질은 기술의 배치가 아니라 사람과 기술의 관계를 새롭게 설계하는 데 있다. 어떤 업무를 AI에 맡기고 어떤 판단을 사람이 담당할지, AI가 낸 결과를 누가 검토하고 책임질지, 절약된 시간을 어떤 가치 창출에 활용할지에 대한 합의가 필요하다. 직원이 이 과정에서 배제되면 AI는 위에서 내려온 통제 수단으로 인식된다. 반대로 직원이 변화의 설계와 실험에 참여하면 AI는 자신의 역량을 확장하는 도구가 될 수 있다.

따라서 AI 도입을 담당하는 리더에게 필요한 능력은 기술에 대한 이해만이 아니다. 변화가 직원에게 어떤 감정과 질문을 만들어내는지 살피고, 아직 답이 정해지지 않은 문제를 함께 논의하며, 새로운 업무 방식을 안전하게 시험할 수 있는 환경을 조성해야 한다. AI 시대의 경쟁력은 가장 좋은 시스템을 먼저 구입한 기업보다 조직 구성원이 그 시스템을 믿고 활용하도록 만든 기업에서 나온다.

AI 도입 과정에서 직원이 보이는 소극적인 태도는 흔히 변화에 대한 저항으로 설명된다. 새로운 기술을 배우기 싫어하거나 기존 방식에 안주하려는 태도로 해석되기도 한다. 그러나 저항을 개인의 의지나 적응력 문제로만 바라보면 조직이 해결해야 할 중요한 원인을 놓치게 된다. 직원의 행동 뒤에는 일자리, 전문성, 학습에 대한 서로 다른 불안이 자리하고 있다.

첫 번째는 일자리 상실에 대한 불안이다. 기업이 AI 도입의 목적을 인력 절감이나 비용 절감과 연결해 설명할수록 직원들은 새로운 도구를 자신의 업무를 빼앗을 존재로 바라보게 된다. AI를 적극적으로 활용하면 업무가 자동화되고, 그 결과 자신의 필요성이 줄어들 수 있다는 생각이 생긴다. 이런 상황에서 직원에게 AI 사용을 독려하는 것은 자신을 대체할 방법을 스스로 찾아내라고 요구하는 것처럼 들릴 수 있다.

특히 조직이 과거의 자동화 과정에서 인력을 줄였거나, AI 도입과 구조조정 가능성을 동시에 언급했다면 불안은 더욱 커진다. 경영진이 “AI는 사람을 대체하지 않는다”고 말하더라도 구체적인 역할 전환과 재교육 계획이 없다면 직원은 그 말을 쉽게 신뢰하지 않는다. 중요한 것은 막연한 안심이 아니라 어떤 업무가 변하고, 어떤 역량이 새롭게 필요해지며, 조직이 직원의 전환을 어떻게 지원할 것인지 설명하는 일이다.

두 번째는 전문성 상실에 대한 불안이다. 직원이 오랜 시간 축적한 지식과 경험은 단순한 업무 능력 이상의 의미를 갖는다. 그것은 조직 안에서 자신의 가치를 확인하고 동료에게 인정받는 기반이다. 그런데 AI가 몇 초 만에 보고서 초안을 작성하거나 아이디어를 제안하고, 전문가가 수행하던 분석의 일부를 대신하면 직원은 자신이 쌓아온 전문성의 가치가 낮아질 수 있다고 느낀다.

이 불안은 단순히 AI의 성능이 뛰어나기 때문에 발생하지 않는다. 자신이 무엇으로 평가받을 것인지가 불분명해질 때 더 크게 나타난다. 과거에는 정확한 정보를 찾고 문서를 만드는 능력이 중요한 평가 기준이었다면, AI 시대에는 질문을 설계하고 결과를 검증하며 여러 정보를 연결해 판단하는 능력이 중요해질 수 있다. 조직이 새로운 평가 기준을 설명하지 않으면 직원은 기존의 강점은 사라지고 자신에게 부족한 능력만 부각된다고 느낄 수 있다.

세 번째는 학습 부담에 대한 불안이다. 새로운 기술을 익히는 일은 시간과 집중력을 요구한다. 그러나 많은 조직은 기존 업무량을 그대로 유지한 채 AI 교육과 활용을 추가한다. 직원은 일상 업무를 처리하면서 새로운 도구를 배우고, 적절한 사용법을 스스로 찾아내며, 오류가 발생하지 않도록 결과까지 검토해야 한다. AI가 업무 부담을 줄여줄 것이라는 설명과 달리 도입 초기에는 오히려 해야 할 일이 늘어나는 셈이다.

직원에 따라 디지털 기술에 대한 경험과 자신감도 다르다. 일부는 새로운 도구를 빠르게 시험하지만, 일부는 잘못 사용했다가 무능력한 사람으로 평가받을까 걱정한다. 질문을 했다가 기본적인 것도 모른다는 인상을 줄까 봐 침묵하기도 한다. 이때 조직이 능숙한 직원의 성공 사례만 강조하면 학습 속도가 느린 구성원은 더욱 위축된다.

생성형 AI가 인간의 인지적·창의적·대인관계 업무까지 수행하기 시작하면서 직원들은 자신의 역량과 자율성, 조직 내 소속감이 위협받는다고 느낄 수 있다. 이는 AI에 대한 거부감이 단순한 기술 공포가 아니라 직업적 정체성과 연결된 문제임을 보여준다. ([하버드 비즈니스 리뷰][2])

리더가 해야 할 일은 직원의 불안을 비합리적인 감정으로 판단하는 것이 아니다. 무엇이 가장 우려되는지 구체적으로 묻고 그 불안에 대응하는 제도를 마련해야 한다. 역할 변화가 예상된다면 재교육과 이동 경로를 제시하고, 학습이 필요하다면 업무시간 안에 실습할 기회를 제공해야 한다. 전문성의 가치가 달라진다면 앞으로 어떤 능력이 중요해질지 명확히 설명해야 한다. 불안을 이해하는 것은 변화를 늦추는 일이 아니라 저항의 원인을 제거하는 일이다.

AI 도입에서 가장 위험한 문제는 경영진과 직원이 서로 다른 현실을 보고 있다는 점이다. 경영진은 공식 보고서와 교육 참여율, 시스템 접속률을 통해 AI 도입이 순조롭게 진행되고 있다고 판단할 수 있다. 하지만 직원들이 실제 업무에서 얼마나 유용하게 활용하는지, 어떤 어려움을 겪는지, 결과의 품질을 얼마나 신뢰하는지는 이런 수치만으로 파악하기 어렵다.

미국 내 직원 1,400명을 대상으로 한 조사에서는 경영진의 76%가 직원들이 조직의 AI 도입에 열의를 보인다고 생각했지만, 실제로 열의를 나타낸 실무자는 31%에 그쳤다. 경영진의 인식과 직원이 경험하는 현실 사이에 두 배가 넘는 간격이 존재한 것이다. ([하버드 비즈니스 리뷰][3])

이러한 격차는 직원이 자신의 생각을 솔직하게 말하기 어려운 조직에서 더욱 커진다. 리더가 이미 AI 도입을 핵심 전략으로 선언한 상황에서 직원이 문제점을 제기하기는 쉽지 않다. AI가 업무에 큰 도움이 되지 않는다고 말하거나, 기존 방식보다 시간이 더 걸린다고 보고하면 변화에 부정적인 사람으로 평가받을 수 있다는 걱정이 생긴다. 직원은 공개적인 자리에서는 긍정적으로 반응하면서 실제 업무에서는 사용을 피하는 방식을 선택할 수 있다.

리더가 생산성 지표만 요구하는 것도 문제를 키운다. AI를 활용해 더 많은 결과물을 만들라는 압박이 커지면 직원은 충분한 검토 없이 AI가 생성한 내용을 사용하거나, 사용 사실을 숨긴 채 결과만 제출할 수 있다. 오류와 한계가 공유되지 않으므로 조직은 같은 실수를 반복한다. AI 활용 경험이 개인 안에 머물면서 조직 차원의 학습도 일어나지 않는다.

공감 없는 리더십은 직원의 침묵을 동의로 오해한다. 반대 의견이 없으니 도입이 잘되고 있다고 판단하고, 교육 과정이 조용히 끝났으니 모두 이해했다고 생각한다. 그러나 침묵은 동의가 아니라 위험을 감수하지 않으려는 방어 행동일 수 있다. 질문과 우려가 사라진 조직은 저항이 없는 조직이 아니라 저항이 보이지 않는 조직에 가깝다.

공감형 리더는 다른 방식으로 접근한다. 직원이 AI를 사용하지 않는 이유를 의지 부족으로 단정하지 않고 업무 환경과 감정을 함께 살핀다. 어떤 기능이 실제로 도움이 되었는지, 어디에서 시간이 더 들었는지, 어떤 오류가 가장 불안했는지, 무엇을 공개적으로 질문하기 어려웠는지를 묻는다. 중요한 것은 듣는 데서 그치지 않고 확인된 문제를 정책과 지원 방식에 반영하는 것이다.

예를 들어 직원들이 AI의 답변을 검증하는 데 많은 시간을 쓰고 있다면 단순히 활용률을 높이라고 요구할 것이 아니라 검증 기준과 책임 범위를 마련해야 한다. 민감한 데이터를 입력해도 되는지 혼란스러워한다면 명확한 보안 지침을 제공해야 한다. 업무가 줄어든 뒤 평가와 보상이 어떻게 달라질지 걱정한다면 성과 기준을 다시 설계해야 한다. 공감은 상대의 감정을 이해하는 태도에서 시작하지만, 제도와 행동의 변화로 이어질 때 비로소 리더십이 된다.

AI 도입 격차를 줄이기 위해서는 경영진이 좋은 소식보다 불편한 사실을 먼저 들을 수 있어야 한다. 직원이 “이 도구는 아직 도움이 되지 않는다”고 말할 수 있고, 리더가 이를 변화에 대한 반발이 아니라 개선을 위한 정보로 받아들여야 한다. 현장의 불편과 실패가 빠르게 공유되는 조직일수록 AI를 실제 업무에 맞게 조정하는 속도도 빨라진다.

AI의 가치는 정해진 사용 설명서를 읽는 것만으로 완전히 발견되지 않는다. 같은 도구라도 직무와 상황에 따라 활용 방식이 다르기 때문이다. 직원들은 직접 질문을 바꾸어보고, 결과를 비교하며, 동료의 경험을 참고하는 과정에서 자신에게 적합한 사용법을 찾아간다. AI 도입은 한 번의 교육으로 끝나는 사건이 아니라 조직 구성원이 함께 실험하며 활용법을 축적하는 학습 과정이다.

그러나 실험에는 실패의 가능성이 따른다. 부정확한 답을 얻을 수도 있고, 적절하지 않은 질문을 입력할 수도 있으며, 기존 방식보다 더 많은 시간이 걸릴 수도 있다. 직원이 이런 시행착오를 공개했을 때 비난받거나 평가에 불이익을 받을 수 있다고 느끼면 실험은 줄어든다. 안전한 기능만 반복해서 사용하거나 다른 사람이 검증한 사례만 따라 하게 된다. 조직은 AI를 도입했지만 새로운 활용법을 만들어내지 못한다.

연결감과 신뢰는 이런 위험을 감수하게 하는 기반이다. 자신의 의견이 존중받고, 실수를 공개해도 무능력한 사람으로 낙인찍히지 않으며, 질문을 통해 서로 도울 수 있다는 믿음이 있을 때 직원은 새로운 도구를 더 적극적으로 시험한다. 심리적 안전감은 모든 의견을 받아들이거나 성과 기준을 낮추는 것이 아니다. 문제와 오류, 다른 의견을 숨기지 않고 말할 수 있게 만드는 조건이다.

공감받는다고 느끼는 직원은 자신의 경험을 더 솔직하게 공유한다. 어떤 질문 방식이 좋은 결과를 만들었는지, 어느 업무에는 AI가 적합하지 않았는지, 결과를 검토할 때 무엇을 주의해야 하는지를 동료에게 전달한다. 개인의 시행착오가 조직의 지식으로 전환되면서 같은 실수를 반복하는 비용이 줄어든다. 협업도 더 효율적으로 이루어진다.

리더는 이를 위해 AI 활용을 개인의 경쟁으로 만들지 않아야 한다. 가장 많은 결과물을 만든 사람이나 가장 빠르게 도구를 익힌 사람만 강조하면 직원들은 자신의 노하우를 숨기고 실패를 감추게 된다. 반대로 유용한 사용 사례뿐 아니라 실패 사례와 한계를 공유한 행동을 인정하면 조직은 집단적으로 학습한다.

실무 단위의 작은 학습 공동체를 운영하는 것도 도움이 된다. 비슷한 업무를 담당하는 직원들이 정기적으로 모여 활용 사례를 나누고, 결과의 품질과 위험을 함께 검토하도록 하는 것이다. 여기서 중요한 것은 성공적인 프롬프트를 나열하는 데 그치지 않는 것이다. 어떤 상황에서 AI를 사용했고, 사람이 어떤 판단을 추가했으며, 최종 결과에 누가 책임졌는지까지 공유해야 한다.

리더 자신이 학습하는 모습을 보여주는 것도 중요하다. AI에 대한 모든 답을 알고 있는 것처럼 행동하면 직원들은 자신의 부족함을 드러내지 않으려 한다. 반대로 리더가 자신도 새로운 도구를 배우고 있으며, 잘못된 결과를 경험했고, 판단이 어려운 부분이 있다고 인정하면 질문과 실험의 문턱이 낮아진다. 불확실성을 인정하는 태도는 리더의 권위를 약화하는 것이 아니라 조직이 현실을 정확하게 바라보도록 만든다.

직원이 자신이 돌봄과 존중을 받고 있다고 느끼는 조직에서는 더 많은 창의적 위험을 감수하고 협업하며 아이디어를 제안할 가능성이 커진다. AI 활용 역시 이런 관계적 기반 위에서 확장된다. 기술의 잠재력은 기능의 수가 아니라 사람들이 서로의 경험을 얼마나 자유롭게 연결하느냐에 따라 달라진다. ([하버드 비즈니스 리뷰][4])

전통적인 변화관리에서 리더는 방향을 정하고 구성원을 설득하는 사람으로 묘사되었다. 목표와 일정, 실행 방법을 명확히 정한 뒤 직원에게 따르도록 요구했다. 그러나 AI 전환은 변화의 결과를 미리 완전히 예측하기 어렵다는 점에서 다르다. 기술은 계속 발전하고 업무별 활용법도 아직 정립되는 과정에 있다. 오늘 효과적이었던 방식이 몇 달 뒤에는 달라질 수 있으며, 어떤 업무가 자동화되고 어떤 능력이 더 중요해질지도 계속 조정된다.

이런 환경에서 리더가 모든 답을 이미 알고 있는 것처럼 행동하면 오히려 위험하다. 현장에서 나타나는 문제를 인정하지 못하고, 처음 세운 계획을 수정하는 일을 실패로 받아들일 수 있기 때문이다. 직원 역시 리더가 원하는 답을 추측해 보고하게 되고 조직은 현실과 멀어진다.

AI 시대의 리더에게 필요한 태도는 완벽한 확신이 아니라 학습을 이끄는 겸손이다. 조직이 왜 AI를 도입하는지 방향은 분명하게 제시하되, 구체적인 사용 방식은 직원과 함께 발견해야 한다. 생산성을 높이겠다는 추상적인 목표에서 멈추지 않고 어떤 업무의 낭비를 줄이고, 그 시간을 어떤 가치 있는 활동에 사용할 것인지 논의해야 한다.

또한 AI를 통해 얻은 이익이 누구에게 돌아가는지도 설명해야 한다. 업무 효율이 높아졌는데 직원에게 더 많은 업무만 주어진다면 AI는 부담을 강화하는 도구로 인식된다. 절약된 시간을 고객과의 소통, 창의적 기획, 전문성 개발, 휴식과 회복에 활용할 수 있어야 직원도 변화의 이익을 체감한다. 기술이 만든 성과를 조직과 구성원이 공유한다는 믿음이 있어야 자발적인 참여가 가능하다.

공감형 리더십은 무조건적인 위로나 낙관적인 말과 다르다. 직원의 모든 요구를 받아들이거나 변화의 속도를 늦추는 것도 아니다. 직원이 느끼는 불안을 정확히 파악하고, 변화의 목적과 영향을 투명하게 설명하며, 필요한 학습 자원과 선택권을 제공하는 실행 방식이다. 경청한 뒤 아무것도 바꾸지 않는다면 직원은 공감을 보여주기 위한 형식적인 절차로 받아들인다.

실질적인 공감은 몇 가지 행동으로 나타난다. 리더는 AI 도입의 목적과 예상되는 역할 변화를 가능한 범위에서 솔직하게 설명해야 한다. 직원이 질문과 우려를 제기할 수 있는 통로를 만들고, 그 의견이 실제 의사결정에 어떻게 반영되었는지 알려야 한다. 학습을 개인의 책임으로 떠넘기지 않고 업무시간과 교육 자원을 제공해야 한다. AI 활용 성과뿐 아니라 검증과 책임, 협업 과정도 평가해야 한다.

무엇보다 직원이 AI 전환의 대상이 아니라 주체라는 사실을 인정해야 한다. 현장의 직원은 어떤 업무가 반복적이고, 어디에서 고객의 불편이 발생하며, 어떤 판단에는 인간의 경험이 필요한지 가장 잘 알고 있다. 이들의 지식이 빠진 AI 전략은 기술적으로는 정교해 보여도 실제 업무와 맞지 않을 가능성이 크다. 직원의 참여는 변화에 대한 동의를 얻기 위한 절차가 아니라 더 나은 시스템을 설계하기 위한 핵심 조건이다.

AI의 성능은 기업이 직접 통제하기 어렵다. 경쟁 기업도 비슷한 모델과 서비스를 이용할 수 있고 기술 격차도 빠르게 좁혀질 수 있다. 반면 조직 안에 축적된 신뢰, 협업 방식, 학습 문화는 쉽게 복제되지 않는다. 같은 AI를 사용하더라도 직원들이 경험을 자유롭게 나누고 새로운 활용법을 제안하며 문제를 조기에 알리는 조직은 더 빠르게 가치를 만들어낸다.

AI 도입의 성패를 가르는 것은 가장 많은 기능을 보유했는가가 아니다. 직원들이 그 기술을 사용해도 안전하다고 느끼는지, 자신의 미래가 변화 속에서 존중받고 있다고 믿는지, 실수와 질문을 통해 함께 배울 수 있는지가 중요하다. 기술은 가능성을 제공하지만 그 가능성을 성과로 바꾸는 것은 사람이다.

공감은 AI 혁신에 덧붙이는 부드러운 장식이 아니다. 불안을 참여로, 침묵을 대화로, 개인의 시행착오를 조직의 학습으로 전환하는 기반이다. 사람의 감정을 기술 도입의 방해 요소로 취급하는 기업은 형식적인 활용률을 얻을 수는 있어도 지속적인 혁신을 만들기 어렵다. 사람을 변화의 중심에 두는 기업은 AI를 단순한 자동화 수단이 아니라 구성원의 판단과 창의성을 확장하는 힘으로 발전시킬 수 있다.

AI 시대의 뛰어난 리더는 미래에 대한 모든 답을 가진 사람이 아니다. 무엇이 아직 불확실한지를 인정하고, 직원의 두려움과 기대를 들으며, 조직이 답을 함께 찾아갈 수 있도록 만드는 사람이다. AI 전환은 기술이 사람을 얼마나 빠르게 바꾸느냐의 경쟁이 아니라, 사람이 기술과 함께 성장할 수 있는 조직을 누가 먼저 만드느냐의 경쟁이다.

Harvard Business Review, April 2026, Empathetic Leadership Can Make or Break AI Adoption.

AI transformation is not merely a technology project involving the installation of a new system. For employees, AI is both a tool that can improve productivity and a presence that may threaten their roles and expertise. The success or failure of AI adoption depends less on technological performance than on leadership that understands anxiety and creates space for trust and learning.

***

Companies are viewing generative AI as a tool capable of achieving productivity gains, cost reductions, and business innovation at the same time. As the potential applications of AI have been demonstrated across a wide range of tasks?including report writing, information retrieval, customer service, data analysis, programming, and design?the focus of corporate attention has shifted from whether AI should be adopted to how quickly and broadly it should be used. Senior executives announce enterprise-wide AI strategies, introduce new platforms, and provide training programs for employees. However, installing the latest systems and distributing user accounts does not mean that an organization’s AI transformation is complete.

Technology can be installed within a short period, but people’s ways of working do not change so quickly. Employees must abandon procedures with which they are familiar and learn new tools, while also reconsidering whether the experience and expertise they have accumulated will remain valuable in the future. It is also unclear whether AI will serve as a tool that supports their work, a competitor that replaces part of it, or even a force that threatens their jobs. In this environment, AI adoption becomes not simply a matter of learning functions but a process of reinterpreting the meaning of work and one’s own position within the organization.

Many companies overlook this point. Senior executives expect that employees will naturally accept new tools once the capabilities of AI and the expected returns on investment are explained. They emphasize how much productivity can improve, how much processing time can be reduced, and what competitive advantages can be gained over rivals. Employees, however, are interested in somewhat different questions. They want to know how the time saved after work becomes faster will be used, whether performance expectations will also rise when AI improves output, and what roles they will be expected to assume if the work they currently perform becomes automated.

When a company emphasizes only the speed of adoption without answering these questions, employees may perceive AI not as an opportunity for innovation but as an uncertain signal the organization is sending about their future. They may formally use the new system while continuing to rely on existing methods in actual practice, using only the simplest functions or withholding their trial-and-error experiences from colleagues. The technology may have entered the organization, but the way work is done remains unchanged.

The essence of AI transformation lies not in deploying technology but in redesigning the relationship between people and technology. Organizations need agreement on which tasks should be entrusted to AI and which judgments should remain with people, who should review and take responsibility for AI-generated results, and how the time saved should be redirected toward value creation. When employees are excluded from this process, AI is perceived as a tool of control imposed from above. When employees participate in designing and testing the change, however, AI can become a tool that expands their capabilities.

The leaders responsible for AI adoption therefore need more than an understanding of technology. They must observe what emotions and questions the change creates for employees, discuss issues for which no final answers yet exist, and create an environment in which new ways of working can be tested safely. Competitiveness in the AI era will emerge not from companies that purchase the best systems first, but from those that enable their people to trust and use those systems.

Passive attitudes shown by employees during AI adoption are often explained as resistance to change. They may be interpreted as an unwillingness to learn new technology or a desire to remain comfortable with existing methods. Yet when resistance is viewed solely as a problem of individual motivation or adaptability, organizations overlook important causes they themselves need to address. Behind employee behavior lie three different forms of anxiety: job loss, the erosion of expertise, and the burden of learning.

The first is anxiety about job loss. The more strongly a company links the purpose of AI adoption to workforce reduction or cost cutting, the more likely employees are to view the new technology as something that will take their work away. They may believe that actively using AI will automate their tasks and, as a result, reduce the need for their own roles. In such a situation, encouraging employees to use AI can sound like asking them to discover for themselves how they might be replaced.

Anxiety becomes even greater when the organization has reduced its workforce during previous automation initiatives or mentions the possibility of restructuring while introducing AI. Even if management says that “AI will not replace people,” employees are unlikely to trust the statement unless there are concrete plans for role transitions and retraining. What matters is not vague reassurance but a clear explanation of which tasks will change, which capabilities will become necessary, and how the organization will support employees through the transition.

The second is anxiety about the loss of expertise. The knowledge and experience employees have accumulated over many years mean more than simple job competence. They form the basis on which employees confirm their own value within the organization and receive recognition from colleagues. When AI can draft a report in seconds, propose ideas, or carry out part of an analysis once performed by specialists, employees may feel that the value of the expertise they have built is declining.

This anxiety does not arise simply because AI performs well. It becomes more intense when employees do not know what they will be evaluated for in the future. In the past, the ability to locate accurate information and produce documents may have been an important performance criterion. In the AI era, however, the ability to formulate questions, verify outputs, connect multiple sources of information, and exercise judgment may become more important. Unless the organization explains these new evaluation criteria, employees may feel that their existing strengths are disappearing while only the skills they lack are being highlighted.

The third is anxiety about the burden of learning. Learning new technology requires time and concentration. Yet many organizations add AI training and usage expectations while leaving existing workloads unchanged. Employees must handle their regular responsibilities while learning new tools, identifying appropriate uses on their own, and reviewing outputs to prevent errors. Contrary to the claim that AI will reduce work, employees may initially find that it creates even more tasks.

Employees also differ in their experience with and confidence in digital technology. Some quickly experiment with new tools, while others worry that using them incorrectly will make them appear incompetent. Some remain silent because they fear that asking questions may create the impression that they do not understand even the basics. When organizations highlight only the success stories of employees who adapt quickly, those who learn more slowly may become even more discouraged.

As generative AI begins to perform cognitive, creative, and interpersonal tasks, employees may feel that their competence, autonomy, and sense of belonging within the organization are under threat. This shows that resistance to AI is not merely a fear of technology but a problem connected to professional identity.

The leader’s role is not to dismiss employee anxiety as an irrational emotion. Leaders must ask specifically what employees are most concerned about and establish systems that respond to those concerns. When role changes are expected, they should provide retraining and mobility pathways. When learning is required, employees should be given opportunities to practice during working hours. When the value of expertise is changing, leaders must explain clearly which capabilities will become more important. Understanding anxiety does not slow change; it removes the causes of resistance.

One of the most dangerous problems in AI adoption is that senior executives and employees may be looking at entirely different realities. Management may judge that adoption is proceeding smoothly based on formal reports, training participation rates, and system login statistics. Yet such figures do not reveal how effectively employees are using AI in their actual work, what difficulties they are experiencing, or how much they trust the quality of the results.

A survey of 1,400 employees in the United States found that 76 percent of senior executives believed employees were enthusiastic about their organization’s AI adoption, while only 31 percent of frontline employees actually expressed such enthusiasm. The gap between management’s perception and employees’ experience was more than twofold.

This gap becomes even wider in organizations where employees find it difficult to speak honestly. Once a leader has declared AI adoption to be a core strategy, it is not easy for employees to raise concerns. If they say that AI is not providing much help or that it takes more time than existing methods, they may fear being labeled as resistant to change. Employees may therefore respond positively in public while avoiding actual use in their day-to-day work.

The problem also worsens when leaders demand only productivity metrics. When employees are pressured to produce more using AI, they may use AI-generated content without sufficient review or hide the fact that they used AI and submit only the final result. Because errors and limitations are not shared, the organization repeats the same mistakes. AI usage experiences remain with individuals, and organization-wide learning does not occur.

Leadership without empathy mistakes employee silence for agreement. Because no objections are expressed, leaders assume that adoption is progressing well. Because training sessions end without disruption, they assume everyone has understood. Silence, however, may not be agreement. It may be a defensive behavior chosen to avoid risk. An organization in which questions and concerns have disappeared is not necessarily an organization without resistance; it may be one in which resistance has simply become invisible.

Empathetic leaders take a different approach. They do not assume that employees avoid AI because they lack motivation. Instead, they examine both the working environment and the emotions surrounding use. They ask which functions have actually been helpful, where more time has been required, which errors have caused the greatest anxiety, and which questions have been difficult to raise openly. What matters is not simply listening but incorporating the identified problems into policies and support systems.

For example, if employees are spending significant time verifying AI responses, leaders should not simply demand higher usage rates. They should establish validation standards and define the scope of responsibility. If employees are confused about whether sensitive data may be entered into an AI system, the organization should provide clear security guidelines. If employees are worried about how evaluation and compensation will change once workloads are reduced, performance standards should be redesigned. Empathy begins with understanding another person’s feelings, but it becomes leadership only when it leads to changes in systems and behavior.

To reduce the AI adoption gap, senior leaders must be able to hear uncomfortable truths before positive news. Employees should be able to say, “This tool is not helping yet,” and leaders should treat that statement not as opposition to change but as information necessary for improvement. The more quickly frontline difficulties and failures are shared, the faster the organization can adapt AI to actual work.

The value of AI cannot be fully discovered simply by reading a fixed set of instructions. The same tool can be used differently depending on the role and situation. Employees find the applications best suited to their work by trying different questions, comparing results, and learning from the experiences of colleagues. AI adoption is not an event completed through a single training session. It is a learning process in which organizational members experiment together and accumulate knowledge about how the technology can be used.

Experimentation, however, involves the possibility of failure. Employees may receive inaccurate answers, enter inappropriate prompts, or spend more time than they would using existing methods. If they believe that revealing such trial and error will lead to criticism or disadvantage in performance evaluations, experimentation will decline. They will repeatedly use only the safest functions or follow examples already verified by others. The organization may have adopted AI, but it will fail to create new ways of using it.

Connection and trust provide the foundation that allows employees to take these risks. When employees believe that their opinions will be respected, that disclosing mistakes will not cause them to be labeled incompetent, and that questions can lead to mutual assistance, they become more willing to experiment with new tools. Psychological safety does not mean accepting every opinion or lowering performance standards. It means creating conditions in which problems, errors, and opposing views can be expressed rather than hidden.

Employees who feel understood are more likely to share their experiences honestly. They tell colleagues which types of questions produced better results, which tasks were not suitable for AI, and what should be checked when reviewing AI outputs. Individual trial and error is transformed into organizational knowledge, reducing the cost of repeating the same mistakes. Collaboration also becomes more effective.

Leaders should avoid turning AI use into an individual competition. If they emphasize only those who produce the most output or learn the technology most quickly, employees may hide their know-how and conceal failure. By contrast, when organizations recognize not only successful use cases but also the sharing of failures and limitations, they learn collectively.

It can also be helpful to create small learning communities at the working level. Employees performing similar tasks can meet regularly to exchange use cases and jointly review the quality and risks of AI-generated results. The important point is not merely to list successful prompts. Participants should share the situation in which AI was used, the additional judgment contributed by a person, and who took responsibility for the final result.

It is also important for leaders to demonstrate that they themselves are learning. When leaders act as though they already know every answer about AI, employees become reluctant to reveal what they do not know. When leaders acknowledge that they too are learning the technology, have encountered poor results, and remain uncertain about some judgments, the barrier to asking questions and experimenting becomes lower. Acknowledging uncertainty does not weaken a leader’s authority. It allows the organization to see reality more accurately.

In organizations where employees feel cared for and respected, they are more likely to take creative risks, collaborate, and propose ideas. AI usage also expands on this relational foundation. The potential of technology depends not on the number of functions it offers but on how freely people can connect and share their experiences.

In traditional change management, leaders were described as people who set direction and persuade others to follow. They established clear goals, schedules, and execution methods, and then required employees to comply. AI transformation is different because its results cannot be predicted fully in advance. The technology continues to develop, and role-specific applications are still being established. A method that is effective today may change within a few months, while the tasks that become automated and the capabilities that grow more important will continue to be adjusted.

In this environment, it is dangerous for leaders to behave as though they already possess every answer. They may become unable to acknowledge problems emerging in the field and may regard revising an original plan as a failure. Employees, in turn, begin reporting what they think leaders want to hear, causing the organization to drift further away from reality.

What leaders need in the AI era is not perfect certainty but the humility required to lead learning. They should provide clear direction regarding why the organization is adopting AI, while discovering specific ways of using it together with employees. Rather than stopping at the abstract goal of improving productivity, they should discuss which forms of wasted effort should be reduced and what valuable activities should receive the time that is saved.

Leaders must also explain who will benefit from the gains created by AI. If efficiency improves but employees are simply given more work, AI will be perceived as a tool that intensifies the burden. Employees will participate voluntarily only when they can use the time saved for customer communication, creative planning, professional development, rest, and recovery, and when they believe that the organization and its people will share the value created by technology.

Empathetic leadership is different from unconditional reassurance or optimistic language. It does not mean accepting every employee demand or slowing the pace of change. It is an approach that accurately identifies employee anxiety, transparently explains the purpose and impact of change, and provides the learning resources and choices employees need. When leaders listen but change nothing, employees interpret empathy as a performative procedure.

Substantive empathy appears in several concrete behaviors. Leaders should honestly explain the purpose of AI adoption and the expected changes in roles to the greatest extent possible. They should create channels through which employees can raise questions and concerns and then explain how those views have influenced decision-making. Learning should not be left entirely to the individual; employees should receive working time and educational resources. Organizations should evaluate not only AI-based results but also the processes of verification, responsibility, and collaboration.

Above all, leaders must recognize that employees are not the objects of AI transformation but its agents. Frontline employees understand better than anyone which tasks are repetitive, where customers experience inconvenience, and which decisions require human experience. An AI strategy that excludes their knowledge may appear technically sophisticated but is unlikely to fit actual work. Employee participation is not merely a procedure for obtaining consent. It is a core condition for designing a better system.

Companies cannot directly control the performance of AI. Competing firms can use similar models and services, and technological gaps can narrow quickly. By contrast, the trust, collaborative practices, and learning culture accumulated within an organization are difficult to replicate. Even when using the same AI, organizations in which employees freely share experiences, propose new applications, and report problems early will create value more quickly.

The success or failure of AI adoption is not determined by whether a company possesses the largest number of functions. What matters is whether employees feel safe using the technology, whether they believe their future is being respected throughout the change, and whether they can learn together through mistakes and questions. Technology provides possibilities, but people turn those possibilities into performance.

Empathy is not a soft decoration added to AI innovation. It is the foundation that transforms anxiety into participation, silence into dialogue, and individual trial and error into organizational learning. Companies that treat human emotion as an obstacle to technological adoption may achieve formal usage rates, but they will struggle to create sustainable innovation. Companies that place people at the center of change can develop AI from a simple automation tool into a force that expands human judgment and creativity.

An outstanding leader in the AI era is not someone who possesses every answer about the future. It is someone who acknowledges what remains uncertain, listens to employees’ fears and expectations, and enables the organization to search for answers together. AI transformation is not a competition over how quickly technology can change people. It is a competition over who can first build an organization in which people can grow alongside technology.

Harvard Business Review, April 2026, Empathetic Leadership Can Make or Break AI Adoption.