인공지능 기술이 사무직 근로자들의 업무 효율을 높이고 있지만, 동시에 자동화 시스템을 통한 감시가 심화되고 있습니다. 업무 시간 단축이라는 이점이 근로자의 프라이버시 침해와 업무 자율성 제약이라는 새로운 문제를 야기하고 있습니다.
AI 도입으로 생산성은 높아졌지만 숨겨진 비용이 크다
인공지능이 전 세계 기업에 확산되면서 근로자들의 반복적인 업무를 덜어주고 있습니다. 그러나 동시에 새로운 형태의 일거리가 생겨나고 있습니다. Work AI Institute가 발표한 최신 조사에 따르면 AI를 사용하는 개인들은 주당 약 11시간의 시간을 절약할 수 있었습니다. 하지만 같은 기간 근로자들은 평균적으로 6시간 이상을 AI 결과물을 검토하고 오류를 수정하며 명령을 다시 실행하는 ‘봇시팅’에 소비하고 있습니다.
UC 산타바바라 대학의 기술경영 교수인 폴 레오나르디는 이 연구의 공동 저자입니다. 그는 ‘대부분의 사람들은 시간 절약을 위해 도구 작업에 얼마나 많은 시간을 쓰고 있는지 깨닫지 못한다’고 지적했습니다. Work AI Institute는 스탠포드 대학과 UC 버클리 등 학계 전문가들이 참여한 기관이며, AI 회사 글린(Glean)의 후원을 받고 있습니다.
이 연구는 지난 12월부터 1월 사이 미국, 영국, 호주의 디지털 근로자 6,000명을 대상으로 진행되었습니다. 조사 결과는 현재 개인 생산성이 크게 향상되는 단계에 있지만, 대부분의 기업이 이러한 이득을 매출과 사업 성장으로 전환하지 못하고 있음을 보여줍니다.
개인 생산성 향상이 기업 성과로 이어지지 않는 이유
조사에 따르면 개인 근로자의 75%가 생산성 향상을 보고했지만, 조직 차원에서는 13%만이 AI 도입으로 인한 유의미한 사업 성과를 경험했다고 응답했습니다. 이는 개인의 효율성 증대가 반드시 조직 전체의 성과 개선으로 이어지지 않음을 시사합니다. 글린 Work AI 플랫폼을 사용하는 기업들의 익명화된 업무 데이터를 분석한 결과이므로 실제 업무 환경을 반영하고 있습니다.
지난 6개월간 실리콘밸리 기업들은 직원들에게 AI 사용을 극대화하도록 권장해왔습니다. 그러나 단순히 AI 사용을 늘리는 것의 효과는 불명확한 상태입니다. 우버의 경우 2026년 AI 예산 전체를 4개월 만에 소진했지만 실제 사용 가능한 기능을 출시하지 못했습니다. 이는 AI 투자가 반드시 실질적인 결과로 이어지지 않을 수 있음을 보여주는 사례입니다.
레오나르디 교수는 생산성 향상이 때로 낭비로 이어지는 이유를 설명했습니다. 사람들이 봇의 작업을 수정하고 올바른 파일, 문서, 암묵적 지식을 모으는 데 소비하는 시간이 상당하기 때문입니다. 그는 ‘사람들이 이 작업에 투자하는 시간과 노력의 규모는 상당히 놀랍다’고 언급했습니다.
봇시팅의 숨겨진 비용과 AI 실패율
조사에 따르면 대부분의 직원들은 주당 6시간 이상을 자신의 업무 챗봇을 감시하는 데 소비하고 있습니다. 보고서는 ‘인간 노동의 두껍고 대부분 보이지 않는 층이 전체를 함께 유지하고 있다’고 표현했습니다. 근로자가 AI로부터 유용한 결과물을 얻기 위해 1시간을 소비한다면, 그것을 사용 가능한 형태로 만드는 데 대략 또 다른 1시간을 소비합니다.
AI와 상호작용하는 전체 시간 중 37%는 봇시팅에, 36%는 실제 업무 생산에 사용됩니다. 봇시팅에 이렇게 많은 시간이 소비되는 이유 중 하나는 도구의 실패율입니다. 근로자들은 AI 세션의 3분의 1 이상이 완전히 실패하여 처음부터 다시 시작하거나 상당한 수정이 필요하다고 보고했습니다. 이는 기술이 아직 완전히 신뢰할 수 있는 수준에 도달하지 못했음을 의미합니다.
더욱 역설적인 점은 근로자들이 자신의 업무를 더 많이 AI에 넘기면서 개인적 판단과 책임을 봇에게 위임하고 있다는 것입니다. 조사에 따르면 41%의 근로자가 자신이 설명할 수 없는 AI 생성 업무를 때때로 제출한다고 응답했습니다.
책임 회피와 관리 부담의 증가
보고서는 한 주니어 소프트웨어 엔지니어의 사례를 제시했습니다. 이 엔지니어는 수천 줄의 AI 생성 코드를 자기 전에 붙여넣었는데, 그 중 일부가 손상되어 있었습니다. 이미 마감에 쫓기던 시니어 엔지니어가 이를 정리해야 했고, 주니어 엔지니어는 무엇이 문제인지 설명하지 못했습니다. 이는 AI 도구 사용이 책임 회피로 이어질 수 있음을 보여주는 구체적인 사례입니다.
레오나르디 교수는 현재의 상황을 분석했습니다. 그는 ‘현재 많은 생성형 AI 도구에서 일어나는 일은 본질적으로 개별 기여자들이 관리자처럼 행동하기를 기대하는 것’이라고 설명했습니다. 근로자들은 AI 도구와 에이전트를 관리하고 있으며, 기업들은 그들이 훨씬 더 많은 업무를 생산할 수 있을 것으로 기대하고 있습니다. 그러나 관리에 실제로 들어가는 모든 업무를 고려하지 않고 있습니다.
이러한 문제는 단기간에 해결될 가능성이 낮습니다. AI 기술이 더욱 발전하고 기업들이 더 많은 업무를 자동화하려고 할수록, 근로자들의 관리 부담은 계속 증가할 것으로 예상됩니다. 조직들은 개인 생산성 향상을 기업 성과로 전환하기 위해 근본적인 업무 구조 개선을 고려해야 합니다.
AI 도구 활용 시 실용적인 팁과 주의사항
AI 도구를 효과적으로 사용하기 위해서는 몇 가지 실용적인 접근이 필요합니다. 첫째, AI 결과물을 그대로 사용하기보다는 충분한 검토 시간을 확보하는 것이 중요합니다. 둘째, 복잡한 업무는 AI에 한 번에 맡기기보다는 단계별로 나누어 처리하면 오류를 줄일 수 있습니다. 셋째, 팀 내에서 AI 사용 가이드라인을 정하고 공유하면 불필요한 재작업을 방지할 수 있습니다.
넷째, AI가 생성한 결과물에 대한 책임을 명확히 하는 것이 필수적입니다. 누군가는 최종 결과물을 검토하고 승인할 책임을 져야 합니다. 다섯째, AI 도구의 한계를 인식하고 중요한 결정이나 창의적인 업무에는 인간의 판단을 우선시해야 합니다. 여섯째, 정기적으로 AI 사용 시간과 효율성을 측정하여 실제 생산성 향상이 이루어지고 있는지 확인하는 것이 좋습니다.
조직 차원에서는 개인 생산성 향상을 기업 성과로 전환하기 위한 전략이 필요합니다. AI 도구 도입 후 근로자들의 업무 방식 변화를 모니터링하고, 필요시 업무 프로세스를 재설계해야 합니다. 또한 근로자들이 AI 도구를 단순히 사용하는 것이 아니라 효과적으로 관리할 수 있도록 교육과 지원을 제공해야 합니다.
※ 본 자료는 일반적 설명으로, 책임 있는 결정을 위해 전문 자문이 필요합니다.
