AI 번아웃, AI 피로가 만드는 쉬지 못하는 시대
우리는 지치지 않는 존재와 함께 일하기 시작했다. 새벽 3시에도 즉답하고, 수백 페이지의 논문을 순식간에 요약하며, 감정의 굴곡 없이 일정한 품질을 유지하는 존재. AI는 피로를 모른다. 바로 그 사실이, 역설적으로, 우리를 더 깊은 피로 속으로 밀어넣고 있다.
챗GPT가 등장한 이후, 나는 한동안 중독에 가까운 상태였다. 궁금한 것이 있으면 묻고, 답이 오면 꼬리를 물고 또 묻고. 하루에 수십 번의 대화를 나누면서도 상대는 전혀 지치지 않았다. 그것이 오히려 문제였다. 대화 상대가 피로의 신호를 보내지 않으니, 내가 멈춰야 할 타이밍을 잃어버린 것이다.
인간 사이의 대화에는 보이지 않는 제동장치가 있다. 상대의 하품, 짧아지는 답변, 눈빛의 흐려짐. 우리는 수만 년에 걸쳐 이런 미세한 신호를 읽으며 관계의 에너지를 조절해왔다. 그런데 AI에게는 그런 신호가 없다. 아무리 오래 대화해도 처음과 같은 밀도로 응답한다. 그래서 우리는 자신의 한계를 과소평가한 채 계속 밀어붙이다가, 어느 순간 무너진다.
Quantum Workplace의 조사 결과는 이 직관을 숫자로 확인해준다. 미국 8,000개 이상의 조직, 70만 명 이상의 직원 데이터를 분석한 결과, AI를 자주 사용하는 직원의 번아웃 비율은 45%로, 가끔 사용하는 직원(38%)이나 전혀 사용하지 않는 직원(35%)보다 뚜렷하게 높았다. AI를 더 많이 쓸수록 더 지친다. 도구를 많이 쓸수록 편해져야 할 텐데, 현실은 정반대다.
이유가 있다. CNBC에서 인터뷰한 전문가의 표현을 빌리면, AI 도구를 하루 종일 사용하는 것은 헬스장에서 9시간을 운동하는 것과 같은 인지적 부하를 만든다. 쉬지 않는 상대와의 끝없는 대화가 뇌에 가하는 부담은, 우리가 자각하는 것보다 훨씬 크다.
더 놀라운 건 2025년 Upwork의 후속 조사다. 2,500명의 글로벌 노동자를 대상으로 한 이 조사에서, AI를 통해 가장 높은 생산성 향상을 보고한 상위 그룹의 번아웃 비율은 88%에 달했다. 이들은 AI를 덜 쓰는 직원에 비해 퇴사를 고려할 확률이 두 배였다. AI를 가장 잘 쓰는 사람이 가장 많이 지친다. 이보다 역설적인 데이터가 있을까.
같은 조사에서 드러난 또 하나의 기이한 현상이 있다. AI 고성과자의 3분의 2 이상이 동료보다 AI를 더 신뢰한다고 답했고, 64%는 인간 동료보다 AI와의 관계가 더 좋다고 했다. 지치면서도 AI에 더 의존하고, 인간 관계는 더 멀어지는 악순환. 제동장치 없는 대화가 만들어낸 구조적 함정이다.
AI 도구를 쓰기 시작하면 생산성이 올라간다. 분명히 그렇다. 하지만 그 생산성 향상이 '여유'로 돌아오는 경우는 드물다. 대부분의 경우, 빈 시간은 곧바로 새로운 업무로 채워진다. AI가 초안을 30분 만에 뽑아주면, 그 30분은 쉬는 시간이 아니라 두 번째 초안을 요청하는 시간이 된다.
연구실에서도 비슷한 일이 벌어진다. 데이터 분석을 AI가 도와주면 분석 자체는 빨라지지만, "이왕 빠르니까 변수를 하나 더 바꿔서 돌려보자"는 유혹이 끊이지 않는다. 실험 한 세트를 줄이는 대신 세 세트를 더 하게 되고, 결국 연구자는 이전보다 더 많은 결과를 해석하고, 더 많은 글을 쓰고, 더 많은 결정을 내려야 한다. AI가 해방시켜준 시간은 증발하고, 인지적 부하만 눈덩이처럼 불어난다.
이 현상을 가장 생생하게 포착한 연구가 있다. UC 버클리 하스 경영대학원의 Aruna Ranganathan 교수와 박사과정 연구자 Xingqi Maggie Ye는 200명 규모의 미국 테크 기업에 8개월간 직접 들어가 생활하며, AI가 일상 업무를 어떻게 바꾸는지 관찰했다. 엔지니어링, 제품, 디자인, 연구, 운영 등 다양한 부서에서 40회 이상의 심층 인터뷰를 수행한 이 에스노그래피 연구의 결론은 명확했다. AI는 업무를 줄이지 않는다. 업무를 강화(intensify)한다.
연구팀이 발견한 업무 강화의 메커니즘은 세 가지였다.
첫째, 역할의 확장이다. 프로덕트 매니저가 직접 코드를 작성하기 시작했고, 사용자 리서처가 엔지니어링 티켓을 처리했다. AI가 기술적 진입 장벽을 낮추면서, "내 일"의 범위가 눈에 띄게 넓어진 것이다. 원래 다른 부서의 업무였던 것들이 슬금슬금 자기 접시 위로 올라왔다. 공식적인 직무 기술서는 바뀌지 않았는데, 실질적인 업무량은 크게 늘었다.
둘째, 멈춤의 소멸이다. 전통적인 업무 흐름에서는 막히는 지점이 곧 쉬는 지점이었다. 동료에게 물어보려면 기다려야 했고, 자료를 찾으려면 시간이 필요했다. 하지만 AI에게는 답이 항상 "프롬프트 하나" 거리에 있다. 점심시간에, 회의 시작 5분 전에, 퇴근 후 소파에 앉아서. 아이디어가 떠오르면 바로 프롬프트를 보낸다. 업무의 자연스러운 정지점이 녹아내렸다.
셋째, 동시 병렬 작업의 일상화다. 직원들은 AI 프로세스를 백그라운드에서 돌리면서 동시에 코드를 리뷰하고, 문서를 작성하고, 회의에 참석했다. 일부는 여러 AI 에이전트를 동시에 운영하기도 했다. 인간과 기계가 모두 쉬지 않고 돌아가는 리듬이 만들어진 것이다.
이 대목에서 나는 내 책상을 내려다보았다. 지금 내 앞에는 컴퓨터가 세 대 있다. 윈도우 PC에서는 제미나이가 돌아가고, 맥에서는 클로드와 대화하며, 리눅스 머신에서는 클로드 코드가 터미널에서 작업을 수행하고 있다. 세 대의 화면, 세 개의 AI, 세 개의 동시 작업 흐름. 버클리 연구팀이 관찰한 "여러 AI 에이전트를 동시에 운영하는" 직원이 바로 나다.
처음에는 효율의 극대화처럼 느껴졌다. 한쪽에서 논문 데이터를 분석하는 동안, 다른 쪽에서 프레젠테이션 초안을 뽑고, 또 다른 쪽에서는 코드를 자동으로 리팩토링한다. 세 대의 기계가 각각 쉬지 않고 일하니, 나는 세 사람 몫의 일을 해내는 것 같았다. 하지만 실상은 달랐다. 세 대의 기계는 지치지 않지만, 그 세 대의 출력을 확인하고, 판단하고, 통합하는 뇌는 하나뿐이다. 세 개의 화면 사이를 시선이 오가는 동안, 사고의 깊이는 얕아지고 주의력은 분산된다. 세 명의 비서를 둔 것이 아니라, 세 명의 상사를 둔 것에 가깝다.
가장 주목할 만한 발견은, 이 모든 변화가 자발적이었다는 점이다. 회사가 더 많은 성과를 요구하지 않았다. 새로운 목표치를 제시하지도 않았다. 사람들이 스스로 더 많은 일을 떠안았다. AI가 "할 수 있다"는 느낌을 주었기 때문이다. 그리고 모두가 더 많이 하는 환경에서는, 나만 멈추기가 어려워진다. 명시적 압박 없이도 암묵적 기대가 형성되고, 그 기대가 다시 업무를 늘리는 자기강화 루프가 완성된다.
연구팀은 이것을 "업무량 크리프(workload creep)"라고 불렀다. AI가 특정 작업을 가속하면 속도에 대한 기대가 올라가고, 높아진 기대는 AI 의존도를 높이며, 높은 의존도는 업무 범위를 확장시키고, 확장된 범위는 다시 업무의 양과 밀도를 높인다. 자연스러운 정지점이 없는 순환이다.
흥미로운 것은 직원들의 이중적 경험이었다. 프롬프트를 주고받는 순간순간에는 모멘텀과 역량 확장의 쾌감을 느꼈다. 하지만 한 발 물러서서 전체적인 업무 경험을 되돌아보면, 톤이 달라졌다. 더 바쁘고, 더 늘어져 있고, 일에서 완전히 벗어나기가 더 어려워졌다고 했다. 연구 6개월 차에 이르자 번아웃과 결정 마비에 대한 보고가 급격히 늘었다. 미시적 쾌감이 거시적 탈진으로 축적되는 구조. 이것이야말로 AI 번아웃의 가장 교활한 특성이다. 순간순간은 좋은데, 전체를 보면 망가져 있다.
이 연구가 HBR(Harvard Business Review)에 발표된 것은 2026년 2월이다. TechCrunch는 이 연구를 보도하며, AI가 직원들의 역량을 증강한다는 전제 자체를 부정하지 않되 그 증강이 실제로 어디로 이어지는지를 추적했다는 점에서 기존 반론들보다 반박하기 어렵다고 평가했다. 생산성이 올랐다, 그건 사실이다. 그런데 그 생산성 향상이 탈진, 번아웃, 일과 삶의 경계 해체로 이어진다는 것. 이것도 사실이다.
2024년 Upwork 리서치 인스티튜트의 대규모 조사(미국, 영국, 호주, 캐나다 2,500명)는 이 구조적 문제를 수치로 확인해준다. 경영진의 96%가 AI가 생산성을 높일 것이라 기대한 반면, 실제로 AI를 사용하는 직원의 77%는 AI가 오히려 업무량을 늘렸다고 응답했다. AI 생성 콘텐츠를 검토하고 수정하는 데 더 많은 시간을 쓰게 됐다는 응답이 39%, 도구 사용법을 배우는 데 더 많은 시간이 필요하다는 응답이 23%, AI 덕분에 더 많은 업무를 맡게 됐다는 응답이 21%였다. 가장 인상적인 숫자는 이것이다. AI를 사용하는 직원의 47%가 회사가 기대하는 생산성 향상을 어떻게 달성해야 할지 모르겠다고 답했다.
도구는 주어졌다. 기대는 올라갔다. 하지만 어떻게 써야 하는지는 아무도 알려주지 않았다. 경영진의 37%가 직원들의 AI 숙련도를 "높음"으로 평가한 반면, 실제로 자신의 숙련도를 그렇게 평가한 직원은 17%에 불과했다. 기대와 현실 사이의 간극이 곧 피로가 되고, 피로가 곧 번아웃이 된다. 그 결과, 정규직 직원의 71%가 번아웃 상태이며, 3명 중 1명이 6개월 내 퇴사를 고려하고 있다고 응답했다.
EY가 2024년 말 500명의 경영 리더를 대상으로 수행한 조사도 같은 풍경을 보여준다. 절반 이상의 고위 경영진이 AI의 급속한 성장 속에서 실패하고 있다는 느낌을 받고 있었고, 비슷한 비율이 AI에 대한 전사적 열의가 감소하고 있다고 보고했다. 직원들이 AI와 관련된 정보와 변화의 끊임없는 물결에 압도되고 지쳐 있다고 경영 리더들 스스로가 인정한 것이다. S&P 글로벌 마켓 인텔리전스의 분석에 따르면, 기업들이 AI 개념증명(PoC) 프로젝트의 평균 46%를 배포하지 않고 폐기했으며, 대다수 프로젝트를 폐기한 기업의 비율은 2024년 17%에서 2025년 42%로 급증했다.
기술이 제공하는 가능성의 수도꼭지는 활짝 열려 있는데, 그 물을 받아내는 인간의 그릇은 바뀌지 않았다. 결국 넘쳐흐른다. AI는 지치지 않는다. 그래서 멈추는 것은 언제나 우리의 책임이다. 그리고 어쩌면 그 멈춤 속에서만, 기계에게는 불가능한 것, 의미에 대한 직관, 존재에 대한 자각이 피어난다.