AI가 일을 줄이지 않는 진짜 이유 - 생산성은 오르고 번아웃은 늘어나는 역설

 

많은 분들이 챗GPT나 코파일럿 같은 생성형 AI를 사용하면서 이런 느낌을 받으셨을 겁니다.

"분명 더 빨리 끝내는데, 이상하게 하루가 더 피곤하고 해야 할 일은 더 늘어난 것 같다."

최근 하버드 비즈니스 리뷰에 실린 연구는 이 모순적인 현실을 정확하게 짚어줍니다.

AI는 일을 줄이기보다 '강도'를 높인다는 것입니다.

UC 버클리 하스 스쿨 연구팀은 2025년 4월부터 12월까지 미국 기술 회사 직원 200명을 8개월간 관찰했습니다.

직원들은 AI를 파트너처럼 느끼며 직접 코드를 쓰면서 동시에 AI에게 대안 코드를 생성시키고, 여러 AI 에이전트를 병렬로 돌려두며, 예전에 미뤄둔 일까지 다시 꺼내 처리했습니다. 표면적으로는 일을 잘 굴리는 것처럼 보였지만, 실제로는 주의 전환과 잦은 검토, 열려 있는 업무 스레드 증가로 인한 인지 부담이 크게 늘어났습니다.

개발자 Simon Willison은 자신의 블로그에서 AI 덕분에 여러 프로젝트를 동시에 진행할 수 있게 됐지만 "두세 시간만 일해도 하루치 에너지가 다 소진되는 느낌"을 받는다고 밝혔습니다. 이는 많은 AI 사용자들이 공감하는 경험입니다.

 

시작 비용 하락이 업무 폭증을 부른다

생성형 AI의 가장 큰 장점은 시작이 쉬워진다는 점입니다.

빈 문서 앞에서 멍하니 있는 시간 없이 프롬프트 한 줄이면 초안이 나옵니다.

문제는 이 '시작 비용의 급격한 하락'이 오히려 일을 폭발적으로 늘리는 핵심 메커니즘이라는 것입니다.

예전에는 귀찮아서 안 하던 일을 이제는 "한 번 프롬프트만 던져볼까?" 하며 시작하게 됩니다. 점심시간과 이동시간에도 "이것도 AI한테 한 번 돌려보자"며 작업을 추가합니다. 결과적으로 AI 덕분에 할 수 있는 일이 늘어난 만큼 해야 하는 일도 늘어나버립니다.

연구에 따르면 AI는 '역할 확장'도 일으킵니다.

디자이너가 직접 코드까지 손대기 시작하고, 기획자가 간단한 기술 문제를 스스로 해결하며, 마케터가 데이터 분석과 SQL까지 건드리기 시작합니다.

처음에는 역량이 확장된 것처럼 뿌듯하지만, 곧 원래 내 일이던 것과 새로 떠맡은 일을 동시에 책임져야 하는 상황이 됩니다.

 

다중 작업과 컨텍스트 스위칭의 함정

연구에서 관찰된 또 하나의 특징은 동시에 여러 스레드의 일을 진행하는 습관입니다.

한쪽에서 AI가 코드를 생성하는 동안 다른 쪽에서 문서 요약을 시켜놓고, 또 다른 창에서는 에이전트가 장기 작업을 수행합니다.

문제는 사람의 뇌가 이런 무한 멀티태스킹에 최적화되어 있지 않다는 점입니다.

컨텍스트 전환이 잦을수록 실제 생산성은 떨어지고 피로감과 실수 가능성은 올라갑니다.

한 대형 설문조사에서는 AI를 자주 사용하는 직원의 번아웃 비율이 45%로, AI를 거의 쓰지 않는 직원(35~38%)보다 높다는 결과가 나왔습니다. AI를 도입한 조직에서 생산성은 분명 올랐지만 정작 사람들은 더 지친다는 역설이 데이터로 확인된 셈입니다.

또 다른 글로벌 연구에서는 AI를 쓰는 직원의 77%가 'AI가 내 업무량을 오히려 늘렸다'고 응답했습니다.

반면 상위 경영진의 96%는 "AI가 생산성을 높일 것"으로 기대하고 있었습니다. 경영진은 "AI로 더 효율적으로 더 많이 할 수 있겠군!"이라 생각하지만, 직원 입장에서는 "AI 때문에 기대치만 오르고 해야 할 일은 더 늘었다"고 느끼는 것입니다.

 

건강하게 AI를 활용하는 방법

AI를 안 쓰는 것은 답이 아닙니다.

중요한 것은 AI가 만들어낸 추가 생산성을 더 많은 업무가 아니라 나를 위한 여유로 바꾸는 설계입니다.

먼저 AI 사용의 목적과 상한을 정해두는 것이 좋습니다.

초안 작성, 코드 리팩토링, 요약·정리, 반복 작업 자동화 등 AI를 어디까지 쓸 것인지 선언적으로 정하세요.

동시에 AI 덕분에 생긴 여유시간은 반드시 휴식 또는 깊은 사고에 쓴다는 원칙을 스스로에게 주는 것이 중요합니다.

병렬 작업 개수에 하드 제한을 두는 것도 필요합니다.

AI를 쓰면 여러 작업을 동시에 돌려놓고 싶은 유혹이 크지만, 동시 진행 프로젝트 수를 2~3개로 제한하세요.

AI에게 던져놓은 프롬프트 개수가 아니라 내가 인지적으로 추적하고 있는 열린 루프의 개수를 기준으로 제한해야 합니다.

'할 수 있는가'가 아니라 '정말 해야 하는가'를 질문하는 것도 중요합니다.

AI로 자동화할 목록을 만들되, 그 옆에 없애거나 줄일 수 있는 일 리스트를 반드시 같이 두세요.

AI를 도입할수록 무엇을 하지 않을지 결정하는 능력이 더 중요해집니다.

하루 중 일정 시간은 AI와 화면에서 완전히 떨어져 있는 시간으로 예약하세요.

산책이나 운동, 종이와 펜으로만 생각 정리하기 등이 도움이 됩니다.

특히 잠들기 전 "마지막 프롬프트 한 번만…"을 피하는 것이 좋습니다.

 

조직 차원의 대응도 필요하다

조직은 AI 프랙티스, 즉 AI 사용 원칙과 운영 규범을 만들어야 합니다.

대부분의 회사는 AI 도입 시 "이제 이것도 할 수 있다", "저것도 자동화할 수 있다"에만 초점을 맞춥니다.

하지만 진짜 중요한 질문은 "AI가 생겼으니 이제 무엇을 그만할 것인가?"입니다. 보고서 양식, 회의, 중복 승인 절차 등 AI 덕분에 빨라진 부분만큼 프로세스 자체를 단순화·축소해야 합니다.

생산성 지표도 재설계가 필요합니다.

AI 도입 후에도 여전히 더 많은 산출물과 프로젝트만을 생산성 지표로 삼으면 조직은 결국 강도만 높인 채 스스로를 소진시킬 가능성이 큽니다. 작업 완료량뿐 아니라 평균 야근 시간, 주당 회의 시간, 휴가 소진율, 직원 만족도, 번아웃 징후 설문 같은 지표를 함께 모니터링해야 합니다.

AI는 분명 강력한 도구입니다. 하지만 도구가 좋아질수록 그것을 사용하는 방식에 대한 철학과 규칙이 더 중요해집니다.

AI의 속도를 내 삶의 여유로 환전하는 설계, 그것이 번아웃 없이 AI 시대를 살아가는 핵심입니다.