금요일 저녁 7시. 분명히 오늘은 AI한테 절반은 떠넘겼는데, 노트북을 못 닫고 있어요. 코드 자동완성도 빨랐고, 회의록 요약도 1분 만에 끝났고, 초안도 프롬프트 한 줄로 나왔는데 — 왜 퇴근은 더 늦어졌을까요?
당신이 게으른 게 아니에요. UC Berkeley 연구진이 8개월간 미국 기술 기업 직원 200명을 따라다니며 확인한 건, AI가 일을 줄여주기는커녕 조용히 업무 강도를 끌어올린다는 거였어요. 그것도 회사가 시켜서가 아니라, 우리가 자발적으로요.
"덜 일할 줄 알았는데, 더 일하게 됐어요"
연구에서 한 엔지니어가 던진 이 한마디가 전부를 요약해요. "생산성이 올라가면 덜 일할 줄 알았는데, 같거나 오히려 더 많이 일하게 됐다." 회사는 AI 사용을 강제하지 않았어요. 그런데도 직원들은 스스로 더 빠르게, 더 넓은 범위의 일을, 더 긴 시간 동안 하게 됐죠.
이게 개인의 의지박약 문제가 아니라는 증거는 숫자에 있어요. Upwork 2024 조사에서 경영진 96%는 AI로 생산성이 오를 거라 기대했지만, 정작 직원 77%는 업무량이 오히려 늘었다고 답했어요. 71%가 번아웃을 경험했고, 39%는 AI가 뱉어낸 결과물을 검토·수정하는 데 전보다 더 많은 시간을 쓰고 있었고요. 자동화는 인지 부하를 없앤 게 아니라, 다른 곳으로 옮겨놓은 거였어요.
AI는 일을 쉽게 만들지만, 멈추기 어렵게 만드는 도구다.
— UC Berkeley 연구팀
이미 160년 전에 예고된 함정
사실 이건 새로운 현상이 아니에요. 경제학자 William Jevons가 1865년에 발견한 "제본스 역설"이라는 게 있어요. 석탄 엔진이 효율적으로 바뀌면 석탄을 덜 써야 정상인데, 소비가 오히려 급증했다는 거예요. 효율이 올라가면 비용이 내려가고, 비용이 내려가면 수요가 폭발하니까요.
ATM이 좋은 비유예요. 현금인출기가 생기면 은행 창구 직원이 줄 거라 다들 예상했지만, 거래 비용이 싸지자 지점이 더 늘어났고 직원 수도 늘었어요. 지금 AI가 인지 작업에 똑같은 일을 하고 있어요. AI가 "한 번 생각하는 비용"을 낮추면, 회사는 그 여유를 "쉬세요"가 아니라 "더 하세요"로 채워요.
당신을 바쁘게 만드는 3가지 경로
연구가 짚어낸 메커니즘은 딱 3가지예요. 아래를 읽으면서 "어, 이거 난데?" 싶은 게 몇 개인지 세어보세요.
1. 업무 범위가 조용히 팽창해요 (Task Expansion)
PM이 코드를 쓰고, 디자이너가 엔지니어링을 하고, 연구원이 개발을 하기 시작해요. AI가 지식 격차를 메워주니까 "그냥 내가 해볼까?" 하는 실험이 쌓이면서, 한 사람의 일이 야금야금 넓어져요. 게다가 엔지니어들은 동료가 "바이브 코딩"으로 만든 미완성 코드를 리뷰하고 고치느라 더 바빠졌고요.
2. 일과 쉼의 경계가 무너져요 (Blurred Boundaries)
AI가 "시작하는 마찰"을 거의 0으로 만들어버렸어요. 점심시간에 프롬프트 하나 던지고, 회의 중에 백그라운드로 돌리고, 퇴근 전 "마지막 한 줄만"이 습관이 되죠. 한 직원의 말이 뼈아파요: "쉬는 시간에 프롬프트를 보내는 게 습관이 되니까, 휴식이 더 이상 회복처럼 느껴지지 않았다."
3. 멀티태스킹이 폭증해요 (More Multitasking)
코드를 직접 쓰면서 동시에 AI에게 대안을 만들게 하고, 여러 에이전트를 병렬로 돌리면서 미뤄뒀던 작업까지 부활시켜요. "파트너가 생긴 것 같아" 모멘텀을 느끼지만, 실제로는 주의력 전환과 결과물 확인이라는 인지 부하가 계속 쌓이고 있어요.
| 기대했던 시나리오 | 실제로 벌어진 일 | |
|---|---|---|
| 업무량 | AI가 대신 해주니 줄어든다 | 업무 범위가 팽창해 순 업무량 증가 |
| 근무 시간 | 절약한 시간으로 일찍 퇴근 | 빈 시간에 추가 작업 투입, 퇴근 후에도 프롬프트 |
| 인지 부하 | 단순 작업 줄어 머리가 편해진다 | AI 결과물 검증·멀티태스킹으로 인지 피로 증가 |
| 휴식 | 여유 시간 확보 | 마찰 제로로 쉬는 시간에도 "작은 업무" 침투 |
| 장기 효과 | 지속 가능한 생산성 향상 | 번아웃·의사결정 저하·품질 하락·이직률 증가 |
여기서 가장 중요한 한 가지 구분
효율성(Efficiency)은 국소적·기능적이에요. 생산성(Productivity)은 시스템적·목적 지향적이고요. AI가 효율을 높여줬다고 해서 생산성이 오른 게 아니에요. 속도를 방향으로, 실행을 가치로 착각하는 순간 제본스 역설의 함정에 빠져요.
그래서, 이번 주부터 바꿀 5가지
연구진의 해법은 "AI 프랙티스(AI Practice)" — AI를 언제 쓸지뿐 아니라 언제 멈출지, 업무 확장의 한계는 어디까지인지를 조직적으로 설계하는 거예요. 거창하게 들리지만, 실제 적용은 아주 구체적이에요. 위 3가지 메커니즘을 하나씩 끊어내는 안전장치라고 보면 돼요.
- 중요한 결정 앞엔 30초 "의도적 멈춤"을 넣어요
가속이 만드는 판단 오류를 막는 장치예요. 결정 직전에 딱 두 가지만 통과시키세요: "반론 하나"와 "이게 조직 목표와 어떻게 연결되지? 한 줄". 30초짜리 체크포인트 하나로 속도에 휩쓸린 오판을 줄일 수 있어요. - AI 결과물에 즉시 반응하지 말고 "묶어서" 처리해요
알림이 뜰 때마다 달려들면 멀티태스킹 지옥이 시작돼요. 비긴급 결과물은 모아뒀다가 정해진 시간에 한꺼번에 검토하고, 집중 시간(focus window)을 캘린더에 블록으로 박아 보호하세요. 목표는 "더 빠르게"가 아니라 "더 일관되게"예요. - 분기마다 "이거 원래 내 일 맞나?" 범위 감사를 해요
AI 덕에 자연스럽게 떠맡게 된 업무가, 공식적으로 인정·보상받고 있는지 아니면 눈에 안 보이는 무상 노동이 됐는지 체크하세요. 팽창한 범위를 글로 적어보는 것만으로도 "내가 왜 이렇게 바쁜지"의 절반이 설명돼요. - AI 없이 사람과 대화하는 시간을 일부러 만들어요
짧은 체크인, 공유 회고, 구조화된 대화 — "혼자+AI" 모드의 고립과 피로를 풀어주는 건 결국 사람이에요. 이 "인간 그라운딩" 시간을 회복용으로 캘린더에 따로 확보하세요. - 팀 단위로 "언제 AI를 멈출지"를 문서로 합의해요
이게 빠지면 개인의 자발적 과로가 곧 팀 전체의 새로운 기준선이 돼요. "언제 쓸지"만큼 "언제 멈출지"를 명문화하세요. 이 합의가 1~4번을 개인의 의지력 문제에서 팀의 시스템 문제로 바꿔줘요.
오늘 셀프 체크 (3개 이상이면 이미 함정 안)
□ 최근 한 달, 원래 내 직무가 아닌 일을 AI로 "그냥" 하기 시작했다
□ 점심·회의 중·퇴근 후에도 프롬프트를 보낸다
□ AI 결과물 검토·수정이 직접 작업보다 시간을 더 잡아먹는다
□ 쉬어도 회복된 느낌이 없다
□ 일은 빨라졌는데 퇴근 시간은 그대로거나 늦어졌다
핵심은 AI를 적게 쓰자는 게 아니에요. 아낀 시간을 누가, 무엇으로 채울지를 당신이 정하자는 거예요. 그 결정을 회사나 관성에 넘겨주는 순간, 제본스 역설이 대신 채워버리니까요.
