AI가 대신하지만, 왜 나는 더 바빠졌을까?
AI Productivity Paradox(생산성 역설)에 대한 이야기
업무상 AI를 쓰다 보면, 정말 ‘빨리’ 일을 하고 있는 건지 혼란스러울 때가 있다.
챗티형(나의 chatGPT애칭)에게 던진 플로우의 결과물을 검토하고, 빠진 부분은 다시 채우고, 맥락이 어긋난 지점을 또 설명하는 등
상황을 온전히 이해시키는 과정에 엄청난 공을 들이고 있다.
얼핏 업무 속도가 붙은 것 같지만, 초기 진행단계에 back and forth 루프가 더 늘어난 느낌?
그런데 이 이상한 체감은 나만의 경험이 아니었다.
찾아보니 해외에서는 이 현상을 ‘Generative Fatigue(생성적 피로)’라고 부르고 있다.
1️⃣ “일은 자동화됐는데, 나는 왜 더 바쁜가?”
미국·영국·캐나다 등 2,500명을 대상으로 한 Upwork 설문조사에서는 응답자의 77%가 “AI 때문에 오히려 업무량이 늘었다”라고 답했다. (https://www.upwork.com/research/ai-enhanced-work-models)
Slack의 Workforce Index 역시
“AI로 절약한 시간이 더 많은 일을 요구받는 근거가 될까 봐 불안하다”는 응답이 많았다고 밝혔다.
MS Work Trend Index에서도
세계 지식 노동자의 75%가 AI를 쓰고 있음에도 ‘작업량에 쫓기는 느낌’은 여전하다고 말한다.
AI가 대신 많은 것을 해주는 것 같은데,
정작 우리의 시간은 크게 줄지 않는 이 모순.
왜 이런 일이 벌어질까?
2️⃣ Ironies of Generative AI가 말하는 네 가지 역설
2024년 발표된 논문〈Ironies of Generative AI〉에
AI를 쓰면 오히려 생산성이 줄어드는 이유를 명확하게 정리하고 있는데 핵심 요약은 이렇다.
1) 생산자가 아니라 검수자가 된다
우리는 더 이상 직접 만들지 않는다.
대신 AI가 만든 결과를 읽고− 비교하고−고치는 사람이 된다.
2) 기존 워크플로우가 오히려 더 복잡해진다
기존 방식 + AI 한 번 끼워 넣기가
업무 흐름을 단순화시키지 못하고, 중간 단계만 늘릴 때가 많다.
3) 잦은 중단과 반복이 생긴다
“한 번 더 돌려볼까?”,
“다른 프롬프트로도 시도해 볼까?”
이 작은 반복이 쌓여 시간을 잡아먹는다.
4) 쉬운 일은 더 쉬워지지만 어려운 일은 여전히 어렵다
요약, 카피, 초안 작성은 빨라지지만
전략, 맥락 판단, 팀 정렬과 같은 ‘진짜 어려운 일’은 여전히 우리 몫이다.
즉, AI는 일을 없애기보다 우리가 하던 일의 형태를 바꿔놓은 것이다.
3️⃣ 우리가 실제로 느끼는 “생산성 피로”의 네 가지 형태
흔히 실무에 있는 일반적인 형태로 대입해 보자.
1) 선택지 피로 – “어느 게 제일 낫죠?”
AI는 많은 양을 여러 버전으로 제시한다.
하지만 대부분 95% 비슷, 5%만 다르다.
우리는 그 5%를 찾기 위해
모든 버전을 읽고 비교해야 한다.
이전에는 1안을 다듬는 데 시간을 썼다면,
지금은 5안 중 하나를 고르고 다시 다듬는 데 시간을 쓴다.
2) 설명 피로 – “계속 다시 설명하고 또 설명하게 된다”
실컷 설명했지만 AI는 어느 순간 맥락을 잊어버릴 때도 있다.
그러면 다시 또
제품(프로젝트) 상황
사용자 시나리오
왜 이 흐름이 필요한지
어떤 조건이 중요한지
같은 것을 여러 번 다시 설명하는데
결국 “AI에게 설명하는 일”(업무 +1)가 새로 생긴 셈이다.
3) 검증 피로 – “결국 책임은 사람이 진다”
AI가 만드는 속도가 빨라져도 결과물이
구현 가능한지
안전한지
팀 기준에 부합하는지
맥락에 어긋나진 않는지
확인하는 일은 여전히 사람 몫이다.
이 검증 비용이 크기 때문에 AI로 절약한 시간이 그대로 다시 사라진다.
4) 협업 피로 – “개인은 빠른데, 팀은 더 느려졌다”
사람마다 AI에게 요청한 산출물의 스타일과 구조가 다를 것이다.
누군가는 굉장히 장황한 문서를,
누군가는 미니멀한 요약을,
누군가는 마케팅 톤의 초안을 만든다.
결국 다양하게 생성된 산출물들을 다시 하나의 기준으로 정렬하는 데 많은 시간을 쓰게 된다.
그래서 개인은 빨라졌는데 팀 전체는 느려지는 역설이 생긴다.
�시간을 결정하는 건 도구가 아니라 방식이다.
AI가 아무리 빨라지고 똑똑해져도,
그 속도가 우리의 시간 절약으로 온전히 전환되지는 않는다.
결국 시간을 줄이는 건 ‘도구’보다는 '우리가 그 도구와 일하는 방식'에 있다.
몇 가지 불필요한 왕복을 줄이는 데 도움이 되었던 몇 가지 방법을 정리해 봤다.
1) 결과물보다 ‘판단 기준’을 먼저 세우기
예를 들면:
• 무엇을 해결하는 산출물인가
• 팩트에 오류가 있는가
• 팀 기준이나 브랜드와 충돌하지 않는가
• 바로 적용 가능한 수준인가
이 기준이 없으면, 우리는 매번 “뭐가 괜찮지?”라는 감각적 판단에 시간을 쓴다.
기준이 생기면 속도보다 결정의 명확성이 확보된다.
2) 매번 ‘설명’을 쓰지 않게 템플릿화하기
AI와 일할 때 반복되는 설명들은 사실 대부분 업무의 공통 맥락이다.
그래서 다음을 하나의 템플릿으로 만들어두는 게 좋다.
• 프로젝트 목적
• 주요 대상
• 어조·톤
• 산출물 형식
• 자주 쓰는 용어·규칙
• 필수 포함 요소
이 템플릿을 AI가 매번 자동으로 참고하도록 만들면
설명 루프가 자연스럽게 줄어든다.
설명 피로는 대부분 “같은 말을 계속 반복하는 것”에서 온다.
3) 완벽한 자동화보다 ‘수정하기 쉬운 구조’에 집중하기
AI에게 완벽한 결과물을 얻는 것을 목표로 하기보단
우리가 빠르게 고칠 수 있는 구조를 주는 것이 더 중요하다.
• 핵심 먼저, 세부는 나중
• 표준화된 레이아웃
• 섹션·요약·정리 포맷 고정
• 수정 포인트가 눈에 들어오는 디자인
AI가 100% 완벽하게 만들어 낼 순 없다.
단지 우리가 1분 만에 고칠 수 있게 만들면 된다.
이 작은 차이가 하루 전체 리듬을 바꾼다.
4) 팀 전체가 같은 ‘산출물 포맷’을 쓰도록 맞춰두기
요약 문서, 요구사항의 형식을 미리 정리해 두면
'개인은 다양한 방식으로 AI를 쓰되,
최종 산출물은 같은 구조로 모이게 하는 기준’이다.
형식이 정리되면 정렬(alignment)에 드는 시간이 크게 줄어들기 때문이다.
그 외에도 다양한 방법들이 있다면 적극 공유해 주시길 바라요 :)