[시리즈] 데이터로 읽는 직장인의 마음
AI 덕분에 생산성이 올라가면 일찍 퇴근할 수 있을 줄 알았는데...
왜 일이 안 끝나죠?
한 개발자가 해커뉴스(온라인 커뮤니티)에 올린 글을 읽고 하이라이트 했던 그날, 친구에게도 비슷한 내용의 메시지가 와있었습니다. 해커뉴스에 글을 올린 개발자는 "지난 분기에 내 경력 중 어느 때보다 많은 코드를 배포했고, 동시에 어느 때보다 많은 피로감을 느꼈다"라고 했고, 친구는 "생성형 AI 과감하게 결제하고 잘 쓰고 있는데, 왜 일이 줄어든 것 같지가 않지?"라고 했습니다 [1].
데이터로 읽는 직장인의 마음 시리즈에서 심리적 계약, AI 에이전트, 가짜 전문가의 문제까지 다뤘는데요, 오늘은 한 걸음 더 들어가서, AI가 만들어낸 새로운 종류의 피로에 대해 이야기해보려고 합니다.
여러분도 비슷한 경험이 있지 않으신가요. 생성형 AI로 보고서 초안을 10분 만에 뽑아내고, AI 코딩 도구로 하루 만에 기능을 구현합니다. 분명 하나하나의 작업은 빨라졌습니다. 그런데 이상한 일이 벌어집니다.
빨라진 만큼 일찍 퇴근하는 게 아니라, 빨라진 만큼 더 많은 일을 맡게 됩니다. 월요일 아침, 메일함을 열면 AI로 빠르게 처리할 수 있을 것 같은 업무들이 줄줄이 들어와 있습니다. 한 건, 두 건 처리하다 보면 점심이고, 오후에는 "아까 말씀드렸던 것에 이런 방향을 추가해도 AI로 금방 되지 않아요?"라는 요청이 메신저로 날아옵니다.
퇴근 시간이 되었는데, 오히려 대기 중인 업무 목록이 아침보다 길어져 있는 자신을 발견하게 됩니다. 이건 단순히 나만이 느끼는 느낌이 아니라, 데이터가 증명하는 현상입니다.
UC 버클리 하스 경영대학원의 아루나 랑가나탄(Aruna Ranganathan) 교수 연구팀은 미국의 한 테크 기업에서 8개월간 직원 약 200명을 추적했습니다 [2].
연구진이 발견한 것은 놀라운 역설이었습니다. AI 도구를 도입한 직원들은 더 빠른 속도로 일하고, 더 넓은 범위의 업무를 맡았으며, 하루 중 더 긴 시간 동안 일했습니다. 그것도 누가 시키지 않았는데 말입니다.
HBR에 실린 이 연구의 제목이 모든 걸 요약합니다. "AI는 업무를 줄이지 않는다, 강화할 뿐이다(AI Doesn't Reduce Work — It Intensifies It)." [2]
그리고 최근, 이 현상에 새로운 이름이 붙었습니다.
2026년 3월, BCG(보스턴 컨설팅 그룹) 연구진이 미국 직장인 1,488명을 조사한 후 제시한 개념이 'AI 브레인 프라이(AI brain fry·AI로 인한 뇌 과부하)'입니다 [3]. AI 도구를 과도하게 사용하거나 감독할 때 발생하는 정신적 피로를 가리키는 말입니다.
AI 브레인 프라이에 영향을 받은 직장인들은 '윙윙거리는 느낌', 느려지는 판단력, 두통 등을 호소했습니다. 숫자를 보면 좀 놀랍습니다.
특히, AI 업무의 감독 수준이 높은 직원은 일반 직원보다 정신적 노력이 14% 더 많이 들었고, 정신적 피로는 12%, 정보 과부하는 19% 높았습니다 [3]. AI 브레인 프라이를 경험한 직원은 의사결정 피로가 33% 더 높았고, 중대한 실수 빈도는 39% 더 높았습니다.
특히 흥미로운 발견이 하나 있는데요. AI 도구의 개수와 생산성 사이에 '역 U자 곡선'이 존재했습니다. 도구 1개에서 2개로 늘리면 생산성이 확 올랐고, 3개에서 정점을 찍었습니다. 그런데 4개를 넘기면 오히려 생산성이 다시 떨어졌습니다 [3].
커피를 한두 잔 마시면 집중력이 올라가지만, 다섯 잔을 넘기면 손이 떨리기 시작하는 것과 비슷합니다. 직군별 차이도 주목할 만합니다. 마케팅 부서에서는 AI 브레인 프라이를 경험한 비율이 26%에 달했습니다.
콘텐츠 기획, 소셜 미디어 운영, 광고 카피 작성 등 AI를 활용할 수 있는 영역이 워낙 넓다 보니, 오히려 그 넓은 가능성 자체가 부담이 된 겁니다. 그 뒤를 HR(19%), 엔지니어링(18%), 재무(17%)가 이었습니다 [3].
결국 AI를 '많이' 쓸 수 있는 직군일수록 역설적으로 더 지친다는 것입니다. 저도 기본적으로 3개 이상의 AI 도구를 사용 중에 있는데, 오늘 글을 작성하면서 3개 정도의 도구에 정착해야겠다는 생각을 하게 되었습니다.
이 현상을 이해하려면 뇌의 작동 방식을 좀 들여다볼 필요가 있습니다. 존 스웰러(John Sweller)의 인지부하 이론(Cognitive Load Theory)에 따르면, 우리의 작업기억(working memory)은 한 번에 5~7개 항목만 처리할 수 있고, 정보를 몇 초밖에 유지하지 못합니다 [4].
흔히 '멀티태스킹'이라고 부르는 것은 사실 뇌가 여러 작업을 동시에 하는 게 아닙니다. 의식하지 못하는 사이에 작업 사이를 빠르게 전환하는 것입니다. 이 전환에는 비용이 듭니다. 연구에 따르면 멀티태스킹 시 생산성이 최대 40%까지 감소할 수 있습니다 [4].
한 번의 전환에 걸리는 시간은 0.1~0.2초에 불과하지만, 하루에 수백 번 쌓이면 상당한 손실이 됩니다. AI 도구가 이 문제를 악화시키는 이유가 있습니다. UC 버클리 연구에서 한 직원이 이렇게 말했습니다.
"AI를 쓰면 각 문제를 푸는 데 한 시간밖에 안 걸린다고들 합니다. 하지만 여섯 가지 문제를 동시에 처리하는 건 인간의 두뇌에 엄청난 부담을 줍니다." "AI는 문제 사이사이에 지치지 않지만, 나는 지칩니다." [1]
AI가 개별 작업의 진입장벽을 낮추면서, 사람들은 예전에는 엄두도 내지 못했을 업무까지 떠안게 됩니다. 제품 관리자가 코드를 작성하기 시작하고, 연구원이 엔지니어링 업무를 맡기 시작합니다 [2]. 역할의 경계가 무너지면서, 뇌가 처리해야 할 '맥락 전환'의 횟수가 폭발적으로 증가하는 겁니다.
비유를 하나 들어보겠습니다.
예전에는 레스토랑에서 요리사는 요리만, 서빙 직원은 서빙만 했습니다. 그런데 AI라는 만능 조리 도구가 등장하면서, 서빙 직원도 간단한 요리를 할 수 있게 되었습니다. 표면적으로는 효율이 올라간 것처럼 보입니다. 하지만 서빙과 요리를 동시에 하는 사람의 뇌는 쉴 틈이 없어집니다.
테이블 3번 주문을 받다가 주방의 파스타를 확인하고, 다시 테이블 5번 계산을 처리하는 사이에 뇌는 끊임없이 '맥락 전환 비용'을 지불하고 있는 셈입니다.
이 현상에는 심리학적 메커니즘도 작용합니다. 연구진은 이것을 '업무량 크리프(workload creep)'라고 불렀습니다 [2]. 개별 작업이 빨라지면서 절약된 시간이 휴식이나 깊은 사고에 돌아가는 게 아니라, 즉시 새로운 업무로 채워지는 현상입니다.
왜 이런 일이 벌어지는 걸까요?
플로리다 주립대 연구에 따르면 사람의 집중력은 최대 50분, 보통 25분 정도가 한계입니다 [5]. 그런데 AI가 '백지에서 시작하는 두려움'을 없애줍니다. 보고서도, 코드도, 이메일도 AI가 초안을 만들어주니까 시작이 쉬워집니다. 시작이 쉬워지면 뇌의 측좌핵(nucleus accumbens)이 자극됩니다.
뇌과학에서는 의욕이 행동 '전'에 생기는 게 아니라 행동 '후'에 따라온다고 설명합니다 [5]. 몸을 먼저 움직여야 측좌핵이 활성화되면서 "더 하고 싶다"는 감각이 생깁니다. AI가 바로 이 시동을 너무 쉽게 걸어주는 겁니다.
한 작업을 끝내면 바로 다음 작업을 시작할 수 있고, 또 시작하면 의욕이 생기니까 또 다음 작업으로 넘어갑니다. 마치 넷플릭스의 '다음 에피소드 자동 재생'처럼, AI가 업무의 자동 재생 버튼을 눌러주는 셈입니다.
문제는 넷플릭스와 달리 새벽 2시에 멈출 수 있는 버튼이 없다는 것입니다. UC 버클리 연구에서는 AI 도입 6개월 차부터 소진, 불안, 의사결정 마비 증상이 쌓이기 시작했고, 첫 분기에 '생산성의 기적'처럼 보였던 것이 세 번째 분기에는 품질 문제와 첫 퇴사자로 이어졌습니다 [2].
사실 이 역설은 역사적으로 처음이 아닙니다. 1987년 경제학자 로버트 솔로(Robert Solow)는 "컴퓨터 시대가 도처에 보이지만, 생산성 통계에서는 보이지 않는다"라고 말한 적이 있습니다. 이른바 '솔로의 역설(Solow Paradox)'로, 기술이 도입되어도 생산성 향상이 곧바로 나타나지 않는 현상을 가리킵니다.
40년이 지난 지금, AI에서도 비슷한 패턴이 반복되고 있는 것처럼 보입니다. 다만 양상이 조금 다른 것 같습니다. 컴퓨터 시대의 역설이 '조직 차원의 생산성 정체'였다면, AI 시대의 역설은 '개인 차원의 과부하'입니다.
골드만삭스의 2026년 3월 분석에 따르면 경제 전체 수준에서는 AI 도입과 생산성 사이에 의미 있는 관계가 아직 나타나지 않았습니다 [6]. C-suite 임원 6,000명 중 90%가 AI의 생산성 효과를 체감하지 못한다고 답했는데요, 개인은 더 바쁘게 일하고 있는데, 조직은 그만큼의 성과를 내지 못하고 있다면, 그 격차 사이에서 소모되는 것은 결국 사람의 에너지입니다.
그렇다면 AI를 쓰면서도 지치지 않는 방법은 없는 걸까요? 심리학자 로버트 밸러랜드(Robert Vallerand)의 '열정의 이중 모델(Dualistic Model of Passion)'에서 실마리를 찾아볼 수 있을 것 같습니다 [7].
밸러랜드는 열정을 두 가지로 구분합니다.
조화로운 열정(Harmonious Passion)은 활동을 자발적으로 선택하고, 정체성 안에 자연스럽게 통합한 상태입니다. 이 사람은 일을 사랑하지만, 일이 삶의 다른 영역을 침범하지 않습니다. 반면 강박적 열정(Obsessive Passion)은 외부 압력이나 자존감의 조건으로 활동에 매달리는 상태입니다. 이 사람은 일을 멈추고 싶어도 멈출 수 없습니다.
연구에 따르면 조화로운 열정은 몰입(flow), 긍정적 감정, 직무 만족과 연결되고, 강박적 열정은 번아웃, 일-생활 갈등과 연결됩니다 [7]. AI 시대에 이 구분이 더 중요해질 것 같습니다. AI가 일의 진입장벽을 낮추면, 조화로운 열정을 가진 사람은 "오늘은 여기까지"라고 선을 그을 수 있습니다. 하지만 강박적 열정을 가진 사람은 AI가 더 빠르게 일하게 해 줄수록 멈추지 못하고 더 깊이 빠져들게 됩니다.
BCG 연구에서도 흥미로운 결과가 나왔는데요. 조직이 일-생활 균형을 중시하는 환경에서는 AI 피로 점수가 28% 낮았습니다 [3]. 반대로 "AI 덕분에 더 많은 성과를 내야 한다"는 기대가 있는 조직에서는 피로가 훨씬 높았습니다.
이 글을 읽고 계신 여러분께서도 한번 자문해 보시면 어떨까요? "오늘 할 만큼 했으니 내일 이어하자"라고 편안하게 생각할 수 있다면, 조화로운 열정에 가깝습니다. "AI로 더 빨리 끝낼 수 있는데 여기서 멈추면 뒤처지는 것 같아"라는 불안이 든다면, 강박적 열정 쪽으로 기울고 있는 신호일 수 있습니다.
이건 개인의 성격 탓이라기보다, AI가 만들어낸 새로운 환경 압력의 결과일 가능성이 높습니다. "할 수 있는데 안 하면 게으른 것"이라는 무언의 기대가 조직 안에 퍼질 때, 강박적 열정은 전염되기 쉽습니다.
UC 버클리 연구진은 'AI 프랙티스(AI Practice)'라는 프레임워크를 제안했습니다 [2]. AI 도입과 함께 의도적으로 조직 습관을 재설계해야 한다는 건데요, 몇 가지 원칙을 정리해 봤습니다.
첫째, AI로 절약한 시간의 용도를 미리 정하는 것입니다.
"AI로 2시간을 벌었으니 2시간을 더 일하자"가 아니라, "AI로 2시간을 벌었으니 그 시간에 깊은 사고를 하자"로 방향을 바꾸는 겁니다.
인간은 문제에 장기간 몰입할 때 독창적 아이디어를 얻는데, AI가 사고를 대신하면 이런 몰입이 일어나지 않게 됩니다 [8]. 글쓰기나 발표 준비처럼 사고를 구조화하는 과정 자체가 사라지면, 결과적으로 얕고 피상적인 아이디어만 남을 수 있습니다.
둘째, AI 도구의 개수를 제한하는 것입니다.
BCG 연구에서 3개 이하의 도구를 쓸 때 최적의 생산성을 보였다는 결과는, 저처럼 여러 개의 도구들을 활용하는 것에 즐거움을 느끼는 사람에게는 특히 더, 시사점이 큰 것 같습니다 [3].
셋째, 조직 차원에서 AI 생산성 향상을 곧바로 업무량 증가로 연결하지 않는 것입니다.
연구진의 경고를 그대로 옮기면, "단기적으로 높은 생산성처럼 보이는 것이 조용한 업무량 증가와 커져가는 인지적 부담을 감추고 있을 수 있다"는 겁니다 [2].
개인 차원에서도 할 수 있는 게 있습니다. 뇌과학에서 말하는 '습관 스태킹(habit stacking)' 전략이 도움이 됩니다 [5]. 이미 굳어진 루틴에 짧은 행동을 덧붙이는 방식인데요, 예를 들어 AI에게 작업을 넘긴 후 대기하는 시간에 의도적으로 5분간 아무것도 하지 않는 습관을 붙이는 겁니다.
작은 것처럼 보이지만, 뇌가 맥락을 전환하기 전에 이전 작업을 '소화'할 시간을 확보하는 효과가 있습니다.
넷째, '완벽한 AI 결과물'에 대한 기대를 내려놓는 것도 중요합니다.
AI의 출력은 항상 '거의 맞는' 수준이고, 완벽주의 성향이 있는 사람일수록 미세한 수정을 반복하며 정서적 피로가 쌓입니다 [8]. AI 결과물을 '완성품'이 아니라 '초안'으로 인식하고 빠르게 가공하는 태도가 훨씬 효율적입니다.
다섯째, 감정이 격해질 때 3인칭 시점으로 자기 자신을 바라보는 방법이 있습니다 [5].
"나는 왜 이렇게 지치지?"가 아니라 "그는 지금 왜 지쳐 있을까?"라고 바꿔 생각하는 겁니다. 이 작은 시점 전환이 감정적 반응을 누그러뜨리고, 상황을 객관적으로 판단하는 데 도움을 줄 수 있을 것입니다.
AI는 지치지 않지만, 당신은 지칩니다. AI는 인간의 도구이지, 인간이 AI의 도구가 되어서는 안 된다는 것을 기억해 주세요.
BCG 연구에서도 AI를 반복적이고 루틴 한 업무를 줄이는 데 활용한 직원들은 오히려 번아웃 수준이 낮았습니다 [3]. 핵심은 AI를 '더 많이 일하는 데' 쓸 것인가, '더 잘 일하는 데' 쓸 것인가의 차이 아닐까요?
밸러랜드의 표현을 빌리자면, AI와의 관계에서도 '조화로운 열정'이 필요한 시점입니다 [7]. AI를 자발적으로 선택하되, AI가 나의 삶을 침범하지 않도록 경계를 설정하는 것.
오늘 한번 자문해 보시는 것을 추천드립니다.
"AI가 나를 위해 일하고 있는가, 아니면 내가 AI를 위해 일하고 있는가?"
이 질문에 대한 솔직한 답이, 어쩌면 여러분의 다음 한 달을 바꿔줄지도 모르겠습니다.
[1] AI타임스. (2026, 2월 11일). 바이브 코딩 1년째, 서서히 드러나는 'AI 피로'.
[2] Ranganathan, A., & Ye, X. M. (2026, February). AI Doesn't Reduce Work — It Intensifies It. Harvard Business Review. (테크 기업 200명 8개월 추적, workload creep, AI Practice 프레임워크)
[3] BCG & Harvard Business Review. (2026, March). When Using AI Leads to Brain Fry. (1,488명 조사: 의사결정 피로 33%↑, 중대 실수 39%↑, 역U자 곡선 3개 최적, 마케팅 26%, HR 19%, 엔지니어링 18%, 일-생활 균형 조직 피로 28%↓)
[4] Sweller, J. (2011). Cognitive Load Theory. Psychology of Learning and Motivation, Vol. 55. / APA. (2006). Multitasking: Switching Costs. (작업기억 5-7개, 멀티태스킹 시 생산성 최대 40% 감소)
[5] 당근메일 266호. (2026, 3월 9일). 습관이 실패하는 진짜 이유는 뇌에 있었다. — 홋타 슈고, 《습관은 나의 힘》; 플로리다 주립대 집중력 연구 인용.
[6] Goldman Sachs. (2026, March). AI and Productivity Analysis. / Fortune. (2026, March 10). (경제 전체 수준 AI-생산성 무의미한 관계; C-suite 6,000명 중 90% AI 생산성 효과 미체감)
[7] Vallerand, R. J. et al. (2003). Les Passions de l'Ame: On Obsessive and Harmonious Passion. Journal of Personality and Social Psychology, 85(4), 756-767.
[8] Hacker News (2026, 2월 19일). AI가 당신을 지루하게 만든다.