구독자 님, 안녕하세요?
AI 트렌드를 전달해드리는 Trendium.ai 입니다.
오늘은 현재 생성형 AI가 업무를 줄이기보다 미세 시간까지 작업으로 채우며 직무 범위와 멀티태스킹을 확장시켜 ‘조용한 업무 팽창(workload creep)’을 유발하고 있다는 내용입니다.
by 👁️🗨️ 예언카드 prophecycardmaster
생산성 향상이 근로시간 감소로 이어지지 않는 이유는 AI가 산출물 생성 비용을 낮춰 총 업무 수요를 증가시키는 ‘생산성 가속기’로 작동하기 때문입니다.
AI의 발전은 인간의 노동을 줄여준다, 과연 그럴까요?
생성형 인공지능(AI)은 반복 업무를 자동화하고 생산성을 높여 인간의 노동 시간을 줄여줄 것이라는 기대를 받아왔습니다. 그러나 실제 조직 현장에서는 정반대의 흐름이 관찰되고 있습니다. AI가 절약한 시간이 휴식이나 여유로 전환되기보다, 추가 업무로 다시 채워지면서 업무 시간과 업무 범위가 동시에 확대되는 현상이 나타나고 있습니다. 최근 UC버클리 하스 경영대학원 연구진이 하버드비즈니스리뷰에 발표한 8개월 현장 관찰 연구는 이러한 변화를 구조적으로 보여줍니다.
연구는 약 200명 규모의 미국 기술기업 직원들을 대상으로 진행되었습니다. AI 도입 이후 직원들은 동일 시간 내 더 많은 산출물을 생성했을 뿐 아니라, 업무 수행 시간대 자체가 하루 전반으로 확장되었습니다. 주목할 점은 회사가 AI 사용을 의무화하지 않았음에도 직원들이 자발적으로 활용 범위를 넓혔다는 사실입니다. 즉, AI는 조직이 강제하지 않아도 노동 밀도를 높이는 방향으로 인간 행동을 유도하는 ‘자기증폭형 생산성 도구’로 작동하고 있음을 시사합니다.
‘미세 시간(micro-time)’의 식민화
특히 연구진이 주목한 변화는 ‘미세 시간(micro-time)’의 식민화입니다. 점심시간, 회의 대기 시간, 파일 렌더링 대기 등 기존에 비업무로 인식되던 짧은 공백들이 AI 프롬프트 입력과 결과 확인 작업으로 채워졌습니다. 직원들은 자리를 떠나기 직전 마지막 프롬프트를 남겨두고 AI가 작업을 이어가도록 하는 패턴도 보였습니다. 이러한 단위 작업의 누적은 업무를 저녁과 이른 아침까지 자연스럽게 확장시키는 효과를 낳았습니다. AI가 시간 효율성을 높인 것이 아니라, ‘시간 활용률’을 극대화하는 방향으로 노동 구조를 재편한 것입니다.
직무 경계의 확장 역시 핵심 변화입니다.
생성형 AI는 코드 생성, 문서 작성, 디자인 시안 제작 등 다양한 전문 작업을 보조하면서 직무 간 장벽을 낮춥니다. 그 결과 기획자와 디자이너가 코드 작성에 참여하고, 연구 인력이 엔지니어링 업무를 수행하는 등 개인이 담당하는 역할 범위가 넓어졌습니다. 동시에 엔지니어들은 동료들이 AI로 생성한 결과물을 검증·리팩터링하는 추가 업무를 맡게 되었습니다. 이는 AI가 업무를 대체하기보다, 조직 내 ‘검수·조정·통합’ 레이어를 새롭게 생성한다는 점을 보여줍니다.
업무 방식도 단일 작업 중심에서 병렬 처리 중심으로 이동했습니다. 직원들은 자신의 작업을 진행하는 동시에 AI가 다른 버전을 생성하도록 하고, 여러 작업 스트림을 동시에 관리하는 멀티태스킹 패턴을 보였습니다. 체감 생산성은 상승했지만, 관리해야 할 산출물과 의사결정 포인트가 늘어나면서 인지적 부하 역시 증가했습니다. 즉, AI는 물리적 노동 시간을 줄이는 대신 ‘인지 노동량’을 확장하는 방향으로 작동하고 있습니다.
자발적 선택처럼 보이는 업무 팽창은 번아웃을 부릅니다.
연구진은 이러한 흐름을 ‘조용한 업무 팽창(workload creep)’으로 정의합니다. 생산성 향상이 조직 차원의 인력 감축이나 근로시간 단축으로 이어지지 않고, 개인의 자발적 과업 확대로 흡수되는 구조적 현상입니다. 문제는 이 과정이 자발적 선택처럼 보이기 때문에 조직이 실제 부담 증가를 인식하기 어렵다는 점입니다. 장기적으로는 피로 누적, 번아웃, 품질 저하로 이어질 위험이 있습니다.
여기서 한 가지 구조적 질문이 제기됩니다.
AI는 정말 인간의 일을 줄이기 위해 설계된 것일까요, 아니면 더 많은 일을 가능하게 하는 방향으로 진화하고 있는 것일까요. 생성형 AI는 본질적으로 ‘산출물 생성 비용’을 급격히 낮추는 기술입니다. 경제학적으로 생성 비용이 낮아지면 수요는 증가합니다. 즉, 더 많은 문서, 더 많은 코드, 더 많은 콘텐츠, 더 많은 분석이 요구됩니다. 결과적으로 인간에게 요구되는 총 과업량은 감소하지 않고 오히려 증가합니다. 생산성 기술이 노동을 줄이기보다 확대해온 산업혁명 이후의 역사와 동일한 패턴입니다.
또한 AI는 멈춤 비용을 높입니다. 언제든 더 나은 버전이 생성될 수 있고, 추가 개선이 가능하며, 경쟁자는 더 많은 산출물을 만들 수 있기 때문입니다. 이는 개인과 조직 모두에게 지속적 생산 압력을 형성합니다. 연구진이 지적했듯 AI는 “더 많은 일을 하게 만들고 멈추기 어렵게 만드는 기술”이라는 특성을 보입니다. 생산성 향상 도구가 아니라, 잠재적 업무량을 확장하는 ‘생산성 가속기’에 가깝다는 해석도 가능합니다.
이러한 구조를 고려하면,
AI 시대의 핵심 관리 과제는 기술 도입률이 아니라 ‘업무 속도와 범위의 거버넌스’입니다. 어떤 업무를 자동화할지보다, 어디서 멈출지, 어느 수준까지 산출물을 요구할지, AI 활용으로 절약된 시간을 어떻게 재분배할지를 조직 차원에서 설계해야 합니다. 그렇지 않다면 AI는 효율 도구가 아니라, 보이지 않게 노동을 팽창시키는 인프라로 작동할 가능성이 높습니다.
AI가 일을 줄여줄 것이라는 기대는 아직 실현되지 않았습니다. 대신 우리는 더 빠르게, 더 많이, 더 오래 일하는 구조로 이동하고 있습니다. 생성형 AI 혁신의 진짜 질문은 이제 기술 성능이 아니라, 인간 노동의 경계를 어디에 둘 것인가로 옮겨가고 있습니다.
이 뉴스레터를 읽으시면,
생성형 AI 도입이 실제 업무 구조와 노동 시간에 어떤 역설적 변화를 만들고 있는지 이해하실 수 있습니다. AI를 공부하시는 분, AI 투자자, 그리고 관련 산업 종사자분들께서는 생산성 향상이 왜 곧바로 비용 절감이나 근로시간 단축으로 이어지지 않는지, 그리고 AI 시대에 조직 운영·인력 전략·제품 설계 방향을 어떻게 재정의해야 하는지 판단하시는 데 인사이트를 얻으실 수 있습니다.
오늘의 미래 예언 카드
by 👁️🗨️ 예언카드 prophecycardmaster
의견을 남겨주세요