북집 지식DB

AI 도입의 성패는 공감형 리더십에 달려 있다

AI 전환은 새로운 시스템을 설치하는 기술 프로젝트에 머물지 않는다. 직...

AI 도입의 성패는 공감형 리더십에 달려 있다

- 기술을 설치하는 기업이 아니라, 사람의 불안을 이해하는 기업이 AI 전환에 성공한다

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.

[Key Message]

* AI 전환은 기술 도입이 아니라 사람과 일의 관계를 다시 설계하는 조직 변화다. 새로운 시스템을 설치하는 것만으로는 업무 방식이 바뀌지 않는다. 직원이 변화의 목적과 자신의 역할을 이해하고 참여할 때 AI는 실제 성과로 연결된다.

* 직원의 AI 저항 뒤에는 일자리, 전문성, 학습 부담에 대한 불안이 존재한다. 이러한 불안을 개인의 적응력 부족으로 판단하면 저항은 더 깊어진다. 리더는 역할 전환과 평가 기준, 재교육 계획을 구체적으로 설명해야 한다.

* 공감 없는 리더십은 직원의 침묵을 동의로 오해하게 만든다. 직원이 문제와 실패를 솔직하게 말하지 못하면 경영진은 AI 도입이 순조롭다고 착각할 수 있다. 불편한 의견을 안전하게 제기할 수 있는 환경이 실질적인 변화의 출발점이다.

* 연결감과 신뢰는 AI 실험과 조직 학습을 촉진한다. 직원들이 시행착오와 활용 경험을 자유롭게 공유할 때 개인의 경험은 조직의 지식으로 전환된다. 심리적 안전감은 더 좋은 협업과 창의적인 AI 활용을 가능하게 한다.

* AI 시대의 리더는 모든 답을 제시하는 사람이 아니라 함께 배우는 사람이어야 한다. 불확실성을 인정하고 직원과 함께 활용 원칙과 업무 방식을 설계해야 한다. 공감형 리더십은 불안을 참여로 바꾸고 AI의 가능성을 지속적인 혁신으로 연결한다.

***

AI 전환은 기술보다 사람의 문제다

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.

직원의 저항 뒤에는 세 가지 불안이 있다

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.

공감 없는 리더십이 AI 도입 격차를 만든다

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.

연결감과 신뢰가 실험과 학습을 촉진한다

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])

AI 시대의 리더는 답을 주는 사람이 아니라 함께 배우는 사람이다

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.

Reference

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