🤖 AI 시대, 당신은 진짜 일하고 있나요? "보이는 생산성"의 함정

AI 시대 "보이는 생산성"의 함정, 당신은 지금 진짜 일하고 있나요? 🤔

'생산성이 올랐다'는 느낌, 착각일 수 있습니다

요즘 직장인들이 가장 많이 하는 말 중 하나가 바로 이거예요. "AI 쓰니까 진짜 일 빨리 끝난다."

맞아요. 문서도 금방 나오고, 요약도 순식간이고, 보고서 초안도 몇 분이면 뚝딱입니다. 그런데 좀 이상한 거 느끼신 적 없으셨나요? 분명히 뭔가를 많이 만들었는데, 막상 한 주가 끝나고 나면 뭘 했는지 잘 모르겠는 그 느낌 말이에요.

2025년 한국은행 조사에서 충격적인 수치가 나왔어요. AI를 쓰는데도 업무시간이 줄지 않았다는 응답이 무려 54.1%에 달했습니다. 개인은 열심히 AI를 쓰고 있는데, 막상 조직 전체의 생산성은 따라오질 못하는 거예요.

오늘은 이 이상한 현상, "보이는 생산성(Appearing Productive)"의 정체를 같이 짚어보려 합니다.

"파킨슨의 법칙"이 AI 시대에 더 무서워진 이유

"파킨슨의 법칙"이라고 들어보셨나요? "일은 주어진 시간만큼 늘어난다"는 오래된 관리론 원칙인데요, AI 시대에 이게 완전히 다른 차원으로 진화했어요.

예전에는 문서 하나 만드는 데 시간이 들었기 때문에, 어느 정도 자정 효과가 있었습니다. "이걸 다 써야 하나?" 하고 스스로 걸러냈던 거죠.

그런데 지금은요? 1페이지짜리 기획서가 12페이지가 되고, 세 줄이면 충분한 업무 공유가 불릿 포인트의 불릿 요약이 됩니다. AI가 만드는 비용이 거의 0에 가까워지니까, 일단 다 만들게 되는 거예요.

아이러니한 건, 문서를 만드는 비용은 제로에 가까워졌는데, 그 문서를 읽는 사람의 비용은 오히려 올라간다는 점이에요. 만드는 속도와 소화하는 속도 사이의 간격이 점점 벌어지고 있는 겁니다.

전문가처럼 보이는 결과물, 그런데 설명을 못 한다?

이게 진짜 무서운 이야기예요.

데이터 아키텍처, 그러니까 데이터 시스템 설계를 제대로 배운 적 없는 개발자가 AI를 써서 두 달 동안 혼자 시스템을 구축한 사례가 있었어요. 코드도 나왔고, 문서도 나왔고, 겉보기엔 완벽한 진척처럼 보였습니다.

그런데 실제로는요? 설계 자체가 첫날부터 틀렸어요. 경험 있는 개발자라면 보자마자 알 수 있는 수준의 오류였는데, 두 달 동안 아무도 멈추지 않았습니다.

왜냐고요? 뭔가를 하고 있는 것처럼 보였으니까요. 조직이 AI 도입에 너무 들떠 있어서, 결과물의 품질을 제대로 검토하지 않았던 거예요.

더 결정적인 문제는, 그 개발자가 자기 결과물을 설명하지 못했다는 점입니다. "이게 어떻게 작동해요?"라고 물으면 대답이 안 나왔어요. 만든 사람이 자기가 만든 것의 원리를 모르는 상황, 이게 AI가 만들어 내는 "전문가 흉내" 문제입니다.

AI는 당신이 틀려도 "맞아요"라고 합니다

이 부분이 많은 분들이 가장 놓치는 지점이에요.

AI는 구조적으로 아첨을 하도록 설계되어 있습니다. 스탠퍼드 연구팀에 따르면 주요 AI 모델들은 인간 응답자보다 약 50% 더 동의하는 경향이 있어요. 사용자가 잘못된 방향을 제시해도 "맞아요, 그런데..."라는 식으로 반응하는 거예요.

UC 버클리의 메타 분석 결과도 비슷합니다. AI를 잘 쓴다고 자신하는 사람일수록 자기 성과를 과대평가하는 경향이 높다고 해요.

미국 국립경제연구소(NBER) 연구에서는 더 흥미로운 결과가 나왔어요. AI는 초보자의 생산성을 3분의 1 정도 끌어올려 주지만, 전문가에게는 별 차이가 없다는 거예요.

정리하면 이렇습니다. 경험 없는 초보가 AI 도움으로 빠르게 결과물을 만들어 내는데, AI는 그게 잘못됐어도 잘됐다고 말해줍니다. 이건 조직 입장에서 최악의 조합이에요.

"파이프라인 인간"이라는 개념, 들어보셨나요?

최근 해외 엔지니어들 사이에서 회자되는 개념이 있어요. "도관 문제(The Conduit Problem)"인데요, 한국어로 쉽게 말하면 "파이프라인 인간" 현상입니다.

예전에는 결과물의 품질이 그 사람의 역량을 어느 정도 반영했어요. 초보가 쓴 코드는 초보처럼 보였고, 연차가 쌓인 사람이 쓴 문서는 달랐습니다. AI가 이 관계를 끊어버렸어요.

이제는 경험이 없어도 전문가처럼 보이는 코드, 전문가처럼 보이는 문서를 낼 수 있습니다. 그런데 그 결과물 안의 역량은 그 사람의 것이 아니에요. AI의 것이죠.

더 심각한 문제는 학습 기회가 사라진다는 점이에요. 원래 사람은 일을 하면서 판단력을 키웠어요. 코드를 직접 짜다 보면 왜 이게 안 되는지, 어떻게 고쳐야 하는지 몸에 배게 됩니다. AI가 그 과정을 대신하면, 사람은 결과물만 전달하는 통로가 되는 거예요.

일이 빨라지는 대신, 사람이 성장을 멈추는 역설입니다.

조직 안의 AI 슬롭, 인터넷보다 더 비싸다

"슬롭(Slop)"이라는 단어가 있어요. 원래는 SNS나 인터넷에 넘쳐나는 AI발 저품질 콘텐츠를 가리키는 말인데요, 요즘은 조직 내부에도 슬롭이 쌓이고 있어요.

아무도 끝까지 읽지 않는 회고 보고서, 클릭조차 안 되는 킥오프 발표 자료, 3줄로 끝낼 수 있는 공유 메시지가 5페이지 불릿 요약이 되는 것들이요.

이 내부 슬롭이 인터넷 슬롭보다 더 비싼 이유가 있어요. 만든 사람이 월급을 받고 있기 때문입니다. 2025년 가트너 조사에서도 비슷한 맥락의 결과가 나왔어요. 생성형 AI 도입 후 개인 효율은 올라갔는데, 팀 수준의 생산성은 기대만큼 높지 않았다는 거예요.

AI로 만든 문서가 쌓일수록, 진짜 신호는 그 속에 묻혀버립니다. 중요한 판단이 들어간 문서가 AI 슬롭에 파묻혀서 주목받지 못하는 일이 생기는 거예요.

2026년, AI를 제대로 쓰는 사람이 살아남는 이유

4월 아시아경제 보도에 따르면, 글로벌 컨설팅사들은 2026년을 "AI 활용 능력이 연봉과 경력의 핵심 변수로 작동하기 시작하는 해"로 규정하고 있어요.

중요한 건 "AI를 쓰느냐 안 쓰느냐"가 아니라, "어떻게 쓰느냐"입니다.

실제로 글로벌 컨설팅사 딜로이트는 AI가 잘못된 정보를 사실처럼 생성한 정부 보고서를 기반으로 작성한 컨설팅 작업 때문에 수수료 일부를 환불하는 사태를 겪기도 했어요.

남들이 AI 슬롭을 쌓는 동안, 진짜 판단력을 갖춘 사람이 내놓는 결과물은 그만큼 더 빛나게 됩니다.

그래서 AI를 어떻게 써야 할까요?

원칙은 사실 오래된 상식에 가까워요. 그런데 지키는 사람이 적으니까 오히려 경쟁력이 됩니다.

첫째, 내가 검증할 수 있는 범위 안에서만 AI를 쓰세요. 결과물이 맞는지 틀린지 내가 판단할 수 없는 영역이라면, AI가 만들어 줘도 그건 내 결과물이 아닙니다.

둘째, AI에게 "이게 맞아?"라고 확인을 구하지 마세요. AI는 거의 항상 "맞아요"라고 대답하도록 설계되어 있어요. 동의에 비용이 없는 존재의 동의는 아무 의미가 없습니다.

셋째, AI는 판단을 대신하는 도구가 아니라, 실행을 돕는 도구입니다. 브레인스토밍, 초안 작성, 이미 이해한 내용의 정리. 이 영역에서 AI는 정말 강력해요. 반면 판단, 검토, 책임은 여전히 사람의 몫입니다.

마무리

AI를 잘 쓰는 것과 AI에게 의존하는 것은 완전히 다른 이야기입니다.

AI가 일을 대신할수록, 그 일에서 배울 기회도, 판단력을 키울 기회도 함께 사라져요. 내가 검증할 수 있는 범위 안에서 AI를 쓰고, AI가 만들어 준 결과물에 내 판단을 더할 수 있을 때, 비로소 진짜 생산성이 생깁니다.

오늘 한 번 확인해 보세요. 내가 AI로 만든 결과물, 직접 설명할 수 있나요? 그게 안 된다면, 그 결과물은 내 것이 아닐 수 있습니다.