AI 확산 속 기대와 현실 사이 생산성 괴리
초안 작성 속도 빨라졌지만 검증 부담 확대
검증 중심의 평가 기준 전환 필요

본 연구 기사는 유럽 경제 연구소 The Economy의 연구위원(Fellow)들이 작성한 The Economy Review 시리즈 기고문을 한국 시장 상황에 맞춰 재구성한 글입니다. 본 시리즈는 최신 기술-경제-정책 이슈에 대해 연구자의 시각을 담아, 일반 독자들에게도 이해하기 쉽게 전달하는 것을 목표로 합니다. 기사에 담긴 견해는 집필자의 개인적인 의견이며, The Economy 또는 집필자의 소속 기관의 견해와 일치하지 않을 수 있습니다.

생성형 인공지능(AI)은 초기 도입 당시 업무 시간을 획기적으로 줄여줄 생산성 혁신 기술로 기대를 모았다. 그러나 실제 현장에서 체감하는 현실은 이러한 낙관적 전망과 거리가 있다. 최근 조사에 따르면 개발자의 68%가 AI 도구 덕분에 매주 10시간 이상을 절약했다고 답했다. 하지만 복잡한 작업에서는 완료까지 더 오랜 시간이 걸리는 사례도 적지 않다. 초안은 빠르게 생성되지만 이를 검토하고 수정하는 과정에서 예상치 못한 시간이 추가로 필요하기 때문이다. 결국 산출 속도가 빨라질수록 검토 비용이 증가하는, 이른바 ‘AI 생산성 역설’이 나타난다.

전문가 영역에서 더 커지는 AI 검증 부담

AI 생산성 역설은 숙련된 전문가 집단에서 더욱 뚜렷하게 나타난다. 생성형 AI는 확률적 모델을 기반으로 작동하기 때문에 겉보기에는 그럴듯한 결과물을 내놓지만, 사실관계가 틀리거나 핵심 정보를 누락하는 경우도 적지 않다. 특히 의료, 첨단 공학, 맞춤형 소프트웨어 개발처럼 정밀성이 요구되는 분야에서는 AI의 오류를 찾아내는 과정 자체가 단순 교정을 넘어 상당한 검증 작업을 요구한다.

미국 경제지 포브스(Forbes)는 AI가 90분짜리 작업을 30분으로 단축했다고 보도했지만, 이는 시작 단계를 수월하게 만든 것일 뿐이다. 업무 범위가 넓어질수록 검토와 협업, 세부 수정 등 인간이 직접 챙겨야 할 ‘제거 불가능한 공정’은 기하급수적으로 늘어난다. 결국 AI가 만든 초안을 의사결정의 근거로 활용하려면 그 출처와 적합성을 일일이 대조해야 하는데, 이 과정에서 발생하는 정신적 피로와 시간 소모가 AI가 만들어낸 효율 증가 효과를 상당 부분 상쇄한다.

AI 도입 이후 높아진 조직의 기대치

문제는 개인의 숙련도에 그치지 않고 조직 차원의 구조로 확산된다는 점이다. AI 도입 이후 관리자와 조직의 기대 수준은 크게 높아졌다. 결과물이 나오는 속도가 빨라지면서 더 많은 작업량과 복잡한 성과를 요구하는 경향이 나타나고 있다. 특히 조직이 초안 작성을 업무 과정의 마무리 단계로 오해할 경우 개발자나 엔지니어의 실제 근무 시간은 오히려 증가하는 결과로 이어진다.

현장의 목소리도 이러한 흐름을 뒷받침한다. 최근 조사에 따르면 미국 관리자 10명 중 7명이 직원의 AI 사용 과정에서 발생한 실수를 인지했으며, 일부 사례는 기업에 수만 달러의 손실을 초래했다. AI가 생산한 불확실한 정보를 검증할 장치 없이 속도 경쟁에만 치중할 경우 보이지 않는 오류가 누적될 가능성이 크다. 출시 속도를 앞세운 개발 방식이 확산되면서 유지보수가 어려운 결과물이 점차 늘어나는 구조다.

성과 평가 기준의 변화

결국 이러한 생산성 역설을 줄이기 위해서는 AI를 바라보는 조직의 접근 방식이 달라져야 한다. 연구에 따르면 AI 산출물을 완성된 결과가 아닌 ‘임시 결과물’로 간주하고 검토 시간을 공식적으로 확보했을 때 생산성이 개선되는 것으로 나타났다. 실제로 검토 과정을 업무 흐름에 명시하고 책임자를 지정한 팀은 코드 검토 시간을 31.8% 단축했다.

또 다른 연구 결과도 같은 점을 보여준다. 코파일럿(Copilot) 사용자가 엄격한 검토 절차를 병행했을 때 작업 정확도는 약 34.5% 향상된 것으로 나타났다. 이는 AI가 생성한 결과물을 어떻게 검증하느냐가 성과에 더 큰 영향을 미친다는 점을 보여준다. 결국 조직은 초안의 개수보다 검증된 결과물의 품질을 성과 지표로 삼을 필요가 있다. 전문가의 판단과 검증 과정에 충분한 시간을 배정할 때 AI는 비로소 전문가의 시간을 아껴주는 생산성 도구로 자리매김한다.

AI 생산성 역설은 기술의 결함이 아니라 실무 관리 방식의 문제다. 기계가 단축한 시간만큼 인간의 판단과 검증에 자원을 배분할 때 비로소 생산성 개선 효과가 나타난다. AI가 만든 결과를 완성된 최종물이 아닌 중간 단계 산출물로 보고 검증 과정에 시간을 확보하는 업무 설계가 핵심이다. 속도보다 품질을 중시하는 보상 체계가 뒷받침될 때 AI는 업무 효율을 높이는 도구로 기능할 수 있다.

본 연구 기사의 원문은 The AI Productivity Paradox: Why Faster Tools Often Mean Longer Work을 참고해 주시기 바랍니다. 본 기사의 저작권은 The Economy에 있습니다.