AI는 업무량을 줄이는 것이 아니라 오히려 늘린다

현재 많은 기업들이 직원들이 인공지능(AI)을 더 많이 활용하도록 하는 방법에 대해 고민하고 있습니다. AI가 일상적인 문서 작성, 정보 요약, 코드 디버깅과 같은 업무 부담을 줄여주고 직원들이 더 가치 있는 업무에 시간을 할애할 수 있도록 해준다는 점은 매우 매력적이기 때문입니다. 하지만 그들은 성공했을 때 발생할 수 있는 일에 대비하고 있을까요? 리더들은 생산성 향상이라는 약속에만 집중하다 보면 복잡한 현실에 직면하게 되고, 이러한 성과가 가져오는 대가가 무엇인지 너무 늦어서야 깨닫게 될 수도 있습니다. 진행 중인 연구에서 우리는 AI 도구가 업무량을 줄이는 것이 아니라 오히려 지속적으로 증가시킨다는 사실을 발견했습니다. 약 200명의 직원을 둔 미국 기술 기업에서 생성형 AI가 업무 습관에 미치는 영향을 8개월 동안 연구한 결과, 직원들은 더 빠른 속도로 일하고, 더 광범위한 업무를 처리하며, 심지어는 지시받지 않았음에도 불구하고 하루 중 더 오랜 시간 동안 일하는 경향을 보였습니다. 중요한 것은 이 회사가 AI 사용을 의무화하지 않았다는 점입니다(다만, 시판되는 AI 도구에 대한 기업용 구독 서비스는 제공했습니다). 직원들은 AI 덕분에 "더 많은 일을 하는 것"이 ​​가능하고, 접근 가능하며, 많은 경우 내재적으로 보람 있는 일처럼 느껴졌기 때문에 자발적으로 더 많은 일을 했습니다. 리더들에게는 꿈처럼 들릴지 모르지만, AI 도입에 대한 열광적인 반응은 지속 가능하지 않을 수 있으며 장기적으로 문제를 야기할 수 있습니다. 실험에 대한 흥분이 가라앉으면 직원들은 업무량이 눈에 띄지 않게 늘어나 갑자기 닥친 모든 일을 처리하느라 지쳐버릴 수 있습니다. 이러한 업무량 증가는 인지 피로, 소진, 그리고 의사결정 능력 저하로 이어질 수 있습니다. 초기에 누리는 생산성 향상은 결국 업무 품질 저하, 이직률 증가 및 기타 문제로 귀결될 수 있습니다. 이로 인해 리더들은 난감한 상황에 놓입니다. 어떻게 해야 할까요? 직원들에게 자율 규제를 맡기는 것은 효과적인 전략이 아닙니다. 오히려 기업은 AI 사용에 대한 일련의 규범과 기준, 즉 "AI 실무"를 개발해야 합니다. 리더들이 알아야 할 사항과 직원들의 성공을 위해 할 수 있는 일들을 살펴보겠습니다. 생성형 AI가 업무 강도를 높이는 방법 작년 4월부터 12월까지, 우리는 한 기술 회사에서 생성형 AI 도구가 업무 습관을 어떻게 변화시켰는지 연구했습니다. 이를 위해 주 2회 현장 관찰을 실시하고, 내부 소통 채널을 추적했으며, 엔지니어링, 제품, 디자인, 연구 및 운영 부서 전반에 걸쳐 40건 이상의 심층 인터뷰를 진행했습니다. 우리는 강도 증가의 세 가지 주요 형태를 확인했습니다. 작업 확장. 인공지능이 지식의 공백을 메울 수 있게 되면서, 직원들은 이전에는 다른 사람들이 담당했던 책임들을 점점 더 많이 맡게 되었습니다. 제품 관리자와 디자이너들은 코드를 작성하기 시작했고, 연구원들은 엔지니어링 업무를 맡았으며, 조직 전반의 구성원들은 과거에는 외주를 주거나 미루거나 아예 회피했을 업무에 도전했습니다.생성형 AI는 이러한 작업들을 새롭게 접근 가능한 것처럼 느껴지게 했습니다. 이러한 도구들은 많은 사람들이 인지 능력을 향상시키는 데 도움이 되는 강력한 도구로 경험했습니다. 즉, 타인에 대한 의존도를 줄이고, 작업 과정에서 즉각적인 피드백과 수정을 제공했습니다. 근로자들은 이를 AI를 활용한 "단순한 시도"라고 표현했지만, 이러한 실험들이 축적되어 업무 범위를 의미 있게 확장하는 결과를 가져왔습니다. 실제로, 근로자들은 이전에는 추가 인력이나 지원이 필요했을 업무까지 점점 더 많이 수행하게 되었습니다. 사람들이 업무 범위를 확장하면서 연쇄적인 영향이 나타났습니다. 예를 들어, 엔지니어들은 동료들이 AI로 생성하거나 AI의 도움을 받아 만든 결과물을 검토하고 수정하며 지도하는 데 더 많은 시간을 할애하게 되었습니다. 이러한 요구는 공식적인 코드 검토를 넘어섰습니다. 엔지니어들은 점점 더 '느낌대로 코딩'하거나 미완성된 풀 리퀘스트를 마무리하는 동료들을 코칭해야 하는 상황에 놓였습니다. 이러한 간과된 부분은 슬랙 채팅이나 간단한 개인 상담 등 비공식적인 방식으로 드러나 엔지니어들의 업무 부담을 가중시켰습니다. 업무와 비업무 영역의 경계가 모호해졌다. AI 덕분에 작업 시작이 매우 쉬워졌습니다. 백지상태에 놓이거나 어디서부터 시작해야 할지 모르는 상황에서 오는 부담이 줄어들었기 때문입니다. 이에 따라 직원들은 이전에는 휴식 시간이었던 틈틈이 조금씩 작업을 진행했습니다. 많은 직원이 점심시간, 회의 중, 또는 파일 로딩을 기다리는 동안 AI에 작업을 지시했습니다. 어떤 직원은 자리를 비우기 직전에 "마지막으로 간단한 지시"를 보내 AI가 작업을 완료할 수 있도록 했다고 합니다.이러한 행동들은 업무량을 늘리는 것처럼 느껴지는 경우는 드물었지만, 시간이 지남에 따라 자연스러운 휴식 시간을 줄이고 업무에 더욱 몰입할 수 있도록 해주었습니다. 대화형 방식의 안내는 이러한 경험을 더욱 부드럽게 만들었습니다. AI 시스템에 한 줄을 입력하는 것은 공식적인 업무를 수행하는 것보다는 대화를 나누는 것에 더 가까웠기 때문에, 의도치 않게 저녁이나 이른 아침까지 업무가 이어지기 쉬웠습니다. 일부 근로자들은 나중에야 깨달았지만, 휴식 시간 동안 업무 지시가 습관화되면서 휴식 시간이 더 이상 예전처럼 회복의 기회를 제공하지 못했다고 설명했습니다. 그 결과, 업무는 덜 명확하게 구분되고 더 주변 환경에 녹아든 것처럼 느껴졌으며, 언제든 조금 더 확장할 수 있을 것 같은 분위기가 형성되었습니다. 업무와 사생활의 경계가 완전히 사라진 것은 아니지만, 그 경계를 넘나들기가 훨씬 쉬워졌습니다. 멀티태스킹이 더 잘 됩니다. AI는 작업자들이 여러 활성 스레드를 동시에 관리하는 새로운 작업 방식을 도입했습니다. 예를 들어, 작업자가 수동으로 코드를 작성하는 동안 AI가 대체 버전을 생성하거나, 여러 에이전트를 병렬로 실행하거나, AI가 백그라운드에서 "처리"할 수 있기 때문에 오랫동안 미뤄왔던 작업을 다시 시작하는 등의 방식이 가능했습니다. 작업자들이 이러한 방식을 택한 이유 중 하나는 AI가 작업량을 효율적으로 처리하는 데 도움을 줄 수 있는 "파트너"라고 느꼈기 때문입니다."파트너"가 있다는 느낌 덕분에 추진력을 얻은 듯했지만, 실제로는 끊임없이 주의를 전환하고, AI 출력 결과를 자주 확인하고, 처리해야 할 작업들이 점점 늘어나는 상황이었습니다. 이는 인지적 부담을 가중시키고, 비록 작업이 생산적이라고 느껴지더라도 항상 여러 가지 일을 동시에 처리해야 하는 듯한 느낌을 주었습니다. 시간이 흐르면서 이러한 리듬은 속도에 대한 기대치를 높였습니다. 명시적인 요구 때문이 아니라, 일상 업무에서 눈에 띄고 당연시되는 방식으로 말입니다. 많은 근로자들은 AI를 사용하기 전보다 동시에 더 많은 일을 처리하고 더 큰 압박감을 느낀다고 말했습니다. 자동화로 인한 시간 절약이 표면적으로는 그러한 압박감을 줄여주기 위한 것이었음에도 불구하고 말입니다. 이것이 조직에 의미하는 바와 "AI 실무"가 어떻게 도움이 될 수 있는지 이 모든 것이 악순환을 초래했습니다. AI는 특정 작업을 가속화했고, 이는 속도에 대한 기대치를 높였습니다. 속도가 빨라질수록 직원들은 AI에 더욱 의존하게 되었습니다. 의존도가 높아지면서 직원들이 시도하는 작업 범위가 넓어졌고, 범위가 넓어짐에 따라 작업량과 밀도가 더욱 증가했습니다. 여러 참가자들은 생산성은 향상되었지만 업무량은 줄어들지 않았고, 오히려 이전보다 더 바빠졌다고 말했습니다. 한 엔지니어는 이렇게 요약했습니다. "AI 덕분에 생산성이 향상되어 시간을 절약하고 업무량을 줄일 수 있을 거라고 생각했지만, 실제로는 업무량이 줄어들지 않고 오히려 같거나 더 많아졌습니다." 조직 입장에서는 이러한 자발적인 업무량 확대를 명백한 이점으로 여길 수 있습니다. 어차피 직원들이 스스로의 판단으로 이렇게 하는 것이라면, 뭐가 문제겠습니까? 오히려 이것이야말로 우리가 기대해 왔던 생산성 폭발이 아닙니까? 하지만 저희 연구 결과는 비공식적인 업무 확장과 가속화의 위험성을 보여줍니다. 단기적으로 생산성이 높아 보이는 것은 직원들이 여러 AI 기반 워크플로우를 동시에 처리하면서 발생하는 은밀한 업무량 증가와 인지적 부담 증가를 감추는 것일 수 있습니다. 이러한 추가적인 노력이 자발적이고 종종 즐거운 실험으로 여겨지기 때문에, 리더들은 직원들이 얼마나 많은 추가 업무량을 떠맡고 있는지 간과하기 쉽습니다. 시간이 지남에 따라 과로는 판단력을 저하시키고 오류 발생 가능성을 높이며, 조직이 진정한 생산성 향상과 지속 불가능한 업무 강도를 구분하기 어렵게 만듭니다. 직원들에게는 이러한 누적 효과로 인해 피로감, 소진, 그리고 특히 조직의 속도와 대응력에 대한 기대치가 높아질수록 업무에서 벗어나기가 더욱 어려워지는 현상이 나타납니다. 인공지능 도구가 업무 환경을 변화시키는 방식에 수동적으로 대응하기보다는, 개인과 기업 모두 "AI 실천"을 도입해야 합니다. AI 실천이란 인공지능 사용 방식, 사용을 중단해야 할 시점, 그리고 새로운 기능에 대응하여 업무 범위를 어떻게 확장해야 하고 확장해서는 안 되는지 등을 체계화하는 의도적인 규범과 루틴을 의미합니다. 이러한 실천이 없다면, 인공지능 기반 업무는 자연스럽게 축소되는 것이 아니라 오히려 심화될 것이며, 이는 직원들의 소진, 의사결정의 질, 그리고 장기적인 지속가능성에 부정적인 영향을 미칠 것입니다. 조직이 인공지능(AI) 역량을 구축하는 과정에서 다음과 같은 사항들을 고려해야 합니다. 의도적인 멈춤. 업무 속도가 빨라지고 경계가 모호해짐에 따라, 작업자들은 업무 속도를 조절하는 짧고 체계적인 시간, 즉 업무 진행 상황을 평가하고, 가정을 재고하거나, 정보를 충분히 습득한 후 다음 단계로 넘어갈 수 있도록 마련된 휴식 시간을 통해 도움을 받을 수 있습니다.이러한 일시적인 멈춤은 전체적인 업무 속도를 늦추는 것이 아니라, 가속화가 제어되지 않을 때 발생하는 과부하의 누적을 방지하는 역할을 합니다. 예를 들어, 중요한 결정을 내리기 전에 의사 결정 과정에서 반대 의견 하나와 조직 목표와의 명확한 연관성을 제시하도록 요구함으로써, 주의 범위를 적절히 넓혀 주제에서 벗어나는 것을 방지할 수 있습니다. 이러한 일시적인 멈춤을 일상적인 업무 흐름에 통합하는 것은 조직이 AI 기반 환경에서 더 나은 의사 결정, 건강한 업무 경계, 그리고 지속 가능한 생산성을 지원하는 한 가지 방법입니다. 시퀀싱. AI가 백그라운드에서 지속적인 활동을 가능하게 함에 따라, 조직은 업무 진행 속도뿐 아니라 진행 시점까지 의도적으로 조절하는 규범을 마련함으로써 이점을 얻을 수 있습니다. 여기에는 긴급하지 않은 알림을 일괄 처리하고, 자연스러운 휴식 시점까지 업데이트를 보류하며, 직원들이 방해받지 않고 집중할 수 있는 시간을 확보하는 것이 포함됩니다.AI가 생성하는 모든 결과물에 즉시 반응하기보다는, 시퀀싱을 통해 작업이 일관성 있는 단계로 진행되도록 유도할 수 있습니다. 이러한 방식으로 협업 속도를 조절하면, 작업자들은 단편적인 작업 흐름을 줄이고 비용이 많이 드는 컨텍스트 전환을 최소화하면서 팀의 전반적인 생산성을 유지할 수 있습니다. 지속적인 대응을 요구하는 대신 작업 순서와 시기를 조절함으로써, 시퀀싱은 조직이 집중력을 유지하고 인지 과부하를 줄이며 AI 중심의 업무 환경에서 더욱 신중한 의사결정을 내릴 수 있도록 지원합니다. 인간의 근본. AI가 더욱 개인적이고 독립적인 업무를 가능하게 함에 따라, 조직은 경청과 인간적인 소통을 위한 시간과 공간을 확보하는 것이 중요합니다. 짧은 점검, 함께 생각을 나누는 시간, 또는 구조화된 대화와 같은 짧은 시간이라도 다른 사람들과 소통할 기회를 마련하면 AI 도구에만 몰두하는 것을 멈추고 균형 잡힌 시각을 되찾는 데 도움이 됩니다.관점의 차이를 넘어, 사회적 교류는 창의성을 뒷받침합니다. AI는 단일하고 종합적인 관점을 제공하지만, 창의적인 통찰력은 다양한 인간의 관점에 대한 노출에 달려 있습니다. 조직은 경청과 대화를 위한 시간과 공간을 제도화함으로써 업무를 사회적 맥락에 다시 뿌리내리게 하고, AI를 매개로 한 빠른 업무 방식이 초래하는 개인주의적 경향에 대응할 수 있습니다.