AI 시대 직무요구가 업무성과에 미치는 영향

Abstract

인공지능（AI）기술의 급속한 확산은 다양한 산업에서 업무환경과 직무 수행 방식을 근본적으로 변화시키고 있다. 특히 대기업에 비해 AI 도입이 아직 초기 단계에 머물러 있는 중소기업에서는 제한된 자원 속에서 직무요구, 근로시간 및 업무성과 간의 관계가 다르게 나타날 수 있으며, 이 과정에서 개인의 AI 수용 수준이 중요한 역할을 할 가능성이 있다. 본 연구는 중소기업 종사자 150명을 대상으로 직무요구가 업무성과에 미치는 영향을 분석하고, 근로시간의 매개효과와 AI 수용성의 조절효과를 실증적으로 검증하는 것을 목적으로 하였다. 직무요구를 독립변수, 업무성과를 종속변수, 근로시간을 매개변수, AI 수용성을 조절변수로 설정하여 연구모형을 구성하였으며, SPSS 27.0을 활용하여 신뢰도 분석, 탐색적 요인분석, 상관관계 분석 및 회귀분석을 실시하였다. 분석 결과, 직무요구는 근로시간에 유의한 정（+）의 영향을 미치는 것으로 나타났다. 반면 직무요구가 업무성과에 미치는 영향, 근로시간의 매개효과 및 AI 수용성의 조절효과는 통계적으로 유의하지 않은 것으로 나타났다. 그러나 추가 분석에서 AI 수용성은 업무성과에 직접적인 정（+）의 영향을 미치는 것으로 확인되었다. 이러한 결과는 직무요구 증가가 근로시간 증가로 이어지지만, 시간 투입의 증가가 반드시 업무성과 향상으로 이어지지는 않음을 보여준다. 또한 AI 수용성은 근로시간과 업무성과 간 관계를 조절하기보다 업무성과에 직접적인 영향을 미치는 요인으로 확인되었다. 이는 AI 도입 초기 단계에 있는 중소기업 환경에서는 단순한 시간 투입보다 AI 기술에 대한 수용과 활용 역량이 업무성과에 더욱 중요한 역할을 할 수 있음을 시사한다. 본 연구는 AI 기반 업무환경에서 직무요구, 근로시간 및 업무성과 간의 관계를 실증적으로 검증하고, 중소기업의 AI 도입 초기 맥락에서 직무요구-자원 모형（JD-R）과 기술수용 이론의 적용 가능성을 검토하였다는 점, 그리고 AI 수용성의 역할에 대한 후속 연구 방향을 제시하였다는 점에서 학술적·실무적 의의를 가진다.|The rapid diffusion of artificial intelligence （AI） technologies has fundamentally transformed work environments and work performance across various industries. In particular, small and medium-sized enterprises （SMEs）, which are still in the early stages of AI adoption compared to large corporations, may exhibit different relationships among job demands, working hours, and work performance due to their limited organizational resources. In this context, individual levels of AI acceptance may play an important role. The purpose of this study was to examine the effects of job demands on work performance among SME employees and to investigate the mediating role of working hours and the moderating role of AI acceptance. Data were collected from 150 employees working in SMEs. A research model was developed in which job demands were treated as the independent variable, work performance as the dependent variable, working hours as the mediating variable, and AI acceptance as the moderating variable. Reliability analysis, exploratory factor analysis, correlation analysis, and regression analysis were conducted using SPSS 27.0. The results showed that job demands had a significant positive effect on working hours. However, the effect of job demands on work performance, the effect of working hours on work performance, the mediating effect of working hours, and the moderating effect of AI acceptance were not statistically significant. Additional analysis revealed that AI acceptance had a significant direct positive effect on work performance. These findings indicate that increased job demands lead to longer working hours, but additional time investment does not necessarily result in improved work performance. Furthermore, AI acceptance was found to influence work performance directly rather than moderating the relationship between working hours and work performance. This suggests that, in SMEs at the early stage of AI adoption, employees’ acceptance of and ability to utilize AI technologies may be more important determinants of work performance than simply increasing working hours. This study contributes to the literature by empirically examining the relationships among job demands, working hours, AI acceptance, and work performance in an AI-based work environment. It also provides theoretical and practical implications by exploring the applicability of the Job Demands–Resources （JD-R） model and technology acceptance theories within the context of SMEs in the early stages of AI adoption and by suggesting directions for future research on the role of AI acceptance.