인공지능이 반복 업무를 덜어 내고 주 4일제 같은 변화까지 앞당길 것이라는 기대는 기술 업계에서 오래전부터 제기돼 왔다. 하지만 AI를 직접 개발하고 도입하는 기업의 현장에서는 다른 장면이 나타난다. 새 모델과 기능을 빠르게 내놓기 위한 경쟁이 강해지면서, 일부 종사자는 오히려 이전보다 더 긴 시간을 일하고 있다고 말한다.
BBC가 전한 업계 관계자들의 경험은 이 간극을 보여준다. 전직 오픈AI 직원은 재직 당시 주말 근무와 긴급 회의가 반복됐다고 설명했고, AI 스타트업으로 옮긴 뒤에도 제품 출시를 앞둔 기간에는 긴 노동시간이 이어진다고 말했다. 기사에 등장한 일부 종사자는 집중 개발 기간의 주당 노동이 90시간에 이르기도 한다고 전했다.
생산성 향상과 현장 체감의 간극
기업 경영진이 말하는 AI의 효율은 분명한 방향성을 갖는다. 코드 작성, 문서 정리, 고객 대응처럼 시간이 많이 들던 작업을 도구가 보조하면 같은 인원으로 더 많은 일을 처리할 수 있다는 논리다. 그러나 절약된 시간이 곧바로 휴식으로 이어지는지는 별개의 문제다. 경쟁이 치열한 조직에서는 확보한 시간을 다음 과제와 더 빠른 출시 일정으로 채우기 쉽다.
특히 AI 모델 개발은 단순히 도구를 쓰는 일이 아니다. 데이터를 준비하고, 성능을 평가하고, 예상치 못한 오류나 안전 문제를 확인하는 과정이 계속된다. 새로운 기능을 배포한 뒤에도 서비스가 정상적으로 작동하는지 살피고 이용자 반응을 반영해야 한다. 자동화가 늘수록 사람이 맡아야 할 감독과 조정의 범위도 함께 넓어질 수 있다.
메타의 AI 관련 조직에서는 인력이 긴급 프로젝트로 이동했다는 증언도 나왔다. 기존 업무에 더해 AI 인프라와 모델 평가 과제가 붙으면 업무 강도는 빠르게 커진다. 특정 조직의 사례를 전체 업계로 일반화할 수는 없지만, 기술 전환기의 부담이 현장 구성원에게 집중될 수 있다는 점은 눈여겨볼 대목이다.
시간 절감분은 새 업무로 흡수된다
AI 도구가 만든 결과물은 검증 없이 바로 사용할 수 없는 경우가 많다. 코드나 보고서, 분석 결과에 오류가 없는지 사람이 다시 확인해야 하고, 조직의 기준과 고객 요구에 맞게 수정하는 과정도 필요하다. UC 버클리 연구진이 한 미국 기술기업의 AI 사용을 추적한 연구에서는 직원들이 더 빠른 속도로 더 넓은 범위의 일을 맡고, 업무 시간이 하루의 더 많은 부분으로 늘어났다는 결과가 소개됐다.
MIT의 혁신 연구자 닐 톰프슨은 절감된 시간이 도입 과정과 품질 확인에 다시 쓰일 수 있다고 봤다. 업무량이 20% 줄었다고 해서 자동으로 근무일이 하루 줄어드는 것이 아니라, 새로운 일이 그 빈자리를 채운다는 설명이다. 이는 AI 도입의 성패를 단순한 처리량이 아니라 직원의 건강, 휴식, 업무 자율성까지 포함해 평가해야 한다는 뜻이기도 하다.
기업이 AI의 생산성 효과를 실제 삶의 질 향상으로 연결하려면 목표 설정이 달라져야 한다. 처리 건수와 출시 속도만 높이는 대신, 업무량의 상한과 긴급 대응 체계, 검토 책임의 배분을 함께 설계해야 한다. 도구가 만든 시간을 누구에게 어떻게 돌려줄지에 대한 원칙도 필요하다.
기술의 약속을 측정하는 기준
AI가 노동을 대체하거나 보조하는 시대에 핵심 질문은 기술이 몇 시간을 절약하느냐에만 머물지 않는다. 그 시간이 재투자돼 더 많은 일을 요구하는 구조가 된다면, 생산성 향상은 구성원의 체감과 멀어질 수 있다. 반대로 기업이 시간을 휴식과 학습, 창의적 문제 해결에 배분한다면 AI는 일하는 방식을 개선하는 도구가 될 수 있다.
AI 경쟁이 이어지는 지금, 기술 기업들은 도입 효과를 설명할 때 노동시간과 업무 밀도, 검증 부담 같은 지표도 함께 공개할 필요가 있다. 효율의 혜택이 장시간 노동의 연장으로 바뀌지 않도록 하는 일은 기술 자체가 아니라 조직의 선택에 달려 있다.
댓글