인공지능 기술이 사무직 근로자들의 업무 효율을 높여주고 있지만, 동시에 자동화 시스템을 통한 감시가 강화되고 있습니다. 업무 시간 단축으로 얻은 이득이 근로자 모니터링 강화로 상쇄되는 역설적 상황이 발생하고 있습니다.
AI 도입으로 생산성은 높아졌지만 숨겨진 비용 증가
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 개인들의 생산성이 주당 약 11시간 향상되었습니다. 하지만 같은 기간 근로자들은 평균적으로 6시간 이상을 AI 결과물을 검토하고 오류를 수정하며 명령어를 다시 실행하는 ‘봇시팅’에 소비하고 있습니다.
UC 산타바바라의 기술경영 교수인 폴 레오나르디는 “대부분의 사람들은 시간 절약을 위해 도구 작업에 얼마나 많은 시간을 쓰고 있는지 깨닫지 못하고 있습니다”라고 지적했습니다. 레오나르디는 스탠포드 대학과 UC 버클리의 학자들이 참여한 이 연구의 공동 저자입니다. 이 연구소는 AI 회사인 Glean의 후원을 받고 있으며, 광범위한 AI의 업무 영향을 이해하는 데 중요한 자료를 제공하고 있습니다.
조사는 미국, 영국, 호주의 6,000명의 디지털 근로자를 대상으로 12월부터 1월 사이에 진행되었습니다. 연구 결과는 현재 개인 생산성이 크게 향상되는 단계에 있지만, 대부분의 기업이 이러한 이득을 수익과 사업 성장으로 전환하지 못하고 있음을 보여줍니다.
기업의 AI 도입이 실제 비즈니스 성과로 이어지지 않는 이유
조사에 따르면 개인 근로자의 75%가 생산성 향상을 보고했지만, 조직 차원에서는 13%만이 AI 도입으로 인한 유의미한 사업 성과를 경험했습니다. 이는 개인 수준의 효율성 증가가 조직 전체의 성과로 자동 변환되지 않음을 시사합니다. Glean Work AI 플랫폼을 사용하는 기업들의 익명화된 데이터를 분석한 결과, 이러한 괴리가 명확하게 드러났습니다.
지난 6개월간 실리콘밸리 기업들은 직원들에게 AI 사용을 최대한 늘리도록 권장해왔습니다. 그러나 단순히 AI 사용량을 늘리는 것의 효과는 불명확한 상태입니다. 우버는 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.
생산성 향상이 때로 낭비로 이어지는 이유는 봇의 작업을 수정하고 올바른 파일, 문서, 암묵적 지식을 수집하는 데 소요되는 시간 때문입니다. 레오나르디는 “사람들이 이 작업에 쏟는 시간과 노력의 규모는 상당히 놀랍습니다”라고 말했습니다. 대부분의 직원들은 이제 주당 6시간 이상을 업무 챗봇을 감시하는 데 사용하고 있습니다.
AI 결과물 검증에 숨겨진 인력 비용
연구 보고서는 “전체 시스템을 함께 유지하는 두껍고 대부분 보이지 않는 인간 노동의 층”이 존재한다고 지적했습니다. 조사 결과에 따르면 근로자가 AI로부터 유용한 결과물을 얻기 위해 1시간을 소비할 때마다, 그것을 사용 가능한 형태로 만드는 데 약 1시간을 더 소비합니다. 근로자들이 AI와 상호작용하는 전체 시간 중 37%는 봇시팅에, 36%는 실제 업무 생산에 사용됩니다.
봇시팅에 많은 시간이 소모되는 이유 중 하나는 AI 도구의 성능 부족입니다. 근로자들은 AI 세션의 3분의 1 이상이 완전히 실패하여 전체 재시작이나 상당한 재작업이 필요하다고 보고했습니다. 이러한 실패는 추가적인 검증과 수정 작업을 필요로 하며, 결과적으로 예상했던 시간 절약을 상쇄합니다.
더욱 역설적인 것은 근로자들이 업무의 더 많은 부분을 AI에 넘기면서 개인적 판단과 책임을 봇에게 위임하고 있다는 점입니다. 조사에 따르면 41%의 근로자가 자신이 설명할 수 없는 AI 생성 업무를 때때로 제출한다고 답했습니다. 보고서는 주니어 소프트웨어 엔지니어 로빈이 수천 줄의 AI 생성 코드를 자기 전에 붙여넣었지만, 그 안에 결함이 있어 이미 마감에 쫓기던 시니어 엔지니어가 이를 풀어야 했던 사례를 제시했습니다.
AI 관리 업무의 증가와 근로자 역할의 변화
레오나르디는 “현재 많은 생성형 AI 도구에서 일어나는 일은 개별 기여자들이 관리자처럼 행동하기를 기대하는 것입니다”라고 설명했습니다. 근로자들은 AI 도구와 에이전트를 관리하고 있으며, 기업들은 이들이 훨씬 더 많은 업무를 생산할 수 있을 것으로 기대하고 있습니다. 그러나 실제로 관리에 들어가는 모든 작업을 고려하지 않고 있습니다.
이러한 변화는 조직 구조와 업무 분배에 근본적인 영향을 미치고 있습니다. 개별 근로자들이 AI 도구를 관리하는 데 상당한 시간을 투자해야 하면서, 실제 창의적이고 전략적인 업무에 할애할 수 있는 시간이 줄어들고 있습니다. 이는 기업이 기대했던 효율성 향상과 상충되는 결과를 초래하고 있습니다.
전문가들은 이 문제가 단기간에 해결될 가능성이 낮다고 보고 있습니다. AI 기술이 계속 발전하고 기업들이 더 많은 업무를 자동화하려고 시도하는 한, 근로자들의 감시 및 관리 부담은 지속될 것으로 예상됩니다.
AI 활용 시 효율성을 높이기 위한 실용 팁
AI 도구를 효과적으로 사용하기 위해서는 먼저 명확한 입력 데이터와 문맥을 준비하는 것이 중요합니다. AI가 고품질의 결과물을 생성하려면 충분한 배경 정보, 관련 문서, 그리고 구체적인 지시사항이 필요합니다. 이를 미리 정리하면 봇시팅 시간을 줄일 수 있습니다.
두 번째로, AI 결과물을 검토할 때는 체계적인 접근 방식을 취하는 것이 좋습니다. 결과물의 정확성, 관련성, 완성도를 단계별로 확인하고, 필요한 수정 사항을 명확히 기록해두면 재작업 시간을 단축할 수 있습니다. 또한 자신이 설명할 수 없는 결과물은 제출하기 전에 충분히 이해하고 검증해야 합니다.
마지막으로, 팀 차원에서 AI 사용 가이드라인을 수립하는 것이 도움이 됩니다. 어떤 업무에 AI를 사용할 것인지, 어느 수준의 검증이 필요한지, 그리고 책임 소재를 명확히 하면 조직 전체의 효율성을 높일 수 있습니다. 정기적인 피드백과 개선을 통해 AI 활용 프로세스를 지속적으로 최적화하는 것도 중요합니다.
※ 본 글은 공적 출처를 바탕으로 한 요약입니다. 자문은 전문기관에 문의하세요.