
AI 업무 지치는 이유, 다들 한 번쯤 궁금하셨을 겁니다. AI한테 메일 답장을 맡기고, 보고서 초안을 맡겼습니다. 그런데 끝나고 나면 오히려 더 피곤합니다. AI가 쓴 문장을 다시 읽고, 숫자를 다시 확인합니다. 저만 이런 걸까 싶어서, 공개된 연구 세 개를 직접 찾아 읽었습니다.
목차
AI를 써도 왜 더 지칠까요: 한국은행이 11월에 낸 숫자
한국은행 조사국 고용연구팀이 11월 17일에 보고서를 냈습니다. 제목은 「AI 확산과 생산성 효과」입니다. 관련 내용은 지디넷코리아 보도에서 확인할 수 있습니다. 같은 근로자 2,024명을 2025년과 2026년, 2년에 걸쳐 추적했습니다.
생성형 AI로 줄인 업무 시간 비율을 물었습니다. 2025년엔 3.8퍼센트였는데 2026년엔 9.2퍼센트로 늘었습니다. 주 40시간 기준으로 보면 작년엔 한 시간 반쯤, 올해는 세 시간 넘게 줄어든 셈입니다.
그런데 시간 절감과 업무처리량 증가 사이의 상관계수는 0.08이었습니다. 거의 관계가 없다는 뜻입니다. 시간은 줄었는데, 그만큼 일을 더 해낸 건 아니었습니다.
BCG 컨설턴트 758명 실험

2023년에 나온 또 다른 연구도 있습니다. 하버드 경영대학원과 MIT, 와튼 스쿨 연구진이 BCG 컨설턴트 758명을 AI 사용 집단과 비사용 집단으로 나눠 비교했습니다.
과제 18개는 AI가 원래 잘하는 영역으로 골랐습니다. 과제 1개는 AI가 못하는 영역으로 일부러 골랐습니다. AI가 잘하는 과제에서는 AI를 쓴 사람들이 끝낸 일이 12.2퍼센트 더 많았고 속도는 25.1퍼센트 더 빨랐습니다.
반대로 AI가 못하는 과제에서는, AI를 쓴 사람들이 정답을 맞힐 확률이 19퍼센트포인트나 더 낮았습니다. 같은 사람, 같은 AI인데 영역에 따라 결과가 정반대로 나왔습니다. 연구진은 이걸 AI 역량의 들쭉날쭉한 경계라고 불렀습니다.
METR, 느낌과 실제가 다를 수 있다는 증거
2025년 7월, AI 평가 연구기관 METR이 숙련된 오픈소스 개발자 16명에게 본인 저장소의 실제 이슈 246개를 풀게 했습니다. AI를 쓴 과제가 오히려 19퍼센트 더 오래 걸렸습니다.
그런데 개발자들은 시작 전엔 AI가 자신을 24퍼센트 빠르게 해줄 거라고 예상했고, 끝난 뒤에도 20퍼센트 빨라졌다고 느꼈습니다. 실제로는 느려졌는데 빨라졌다고 믿은 겁니다.
다만 METR은 2026년 2월 후속 발표에서, 2025년 말 AI는 개발자를 빠르게 했을 가능성이 크다고 밝혔습니다. 얼마나 빨라졌는지는 아직 재기 어렵다고 덧붙였습니다. 도구는 계속 바뀌지만, 느낌과 실제가 다를 수 있다는 교훈은 그대로 남습니다.
세 연구를 나란히 놓으면 결론이 하나로 모입니다. AI는 결과를 빠르게, 많이 뱉어냅니다. 그런데 그 결과가 맞는지, 지금 상황에 맞는지는 AI가 대신 판단해 주지 않습니다. 판단은 여전히 사람 몫입니다.
그럼 AI 업무 지치는 이유, 어떻게 줄일까요: 가상 회사로 직접 돌려본 연습 세 가지

저 ATM 생각을 좀 말씀드리자면, 이 판단을 세 단계로 쪼개면 연습이 쉬워집니다. 가상 회사 가상전자를 만들어 실제로 돌려봤습니다. 회사 이름과 숫자는 전부 지어낸 값입니다.
- 정하기: 목적문 한 줄부터 쓴다
- 고르기: 기준표 세 줄로 비교한다
- 의심하기: 질문 다섯 개로 다시 점검한다
정하기. AI한테 뭔가 시키기 전에 네 가지를 먼저 정합니다. 누구에게 보여줄지, 무엇을 담을지, 왜 필요한지, 어떤 모양으로 받고 싶은지입니다. 목적문 없이 3분기 마케팅 성과를 요약해 달라고 하니 표 9줄, 표 5줄, 캠페인 3개, 인사이트 6개, 제안 4개까지 붙어서 나왔습니다. 목적문을 넣으니 불릿 다섯 개와 결론 한 줄로 확 줄었습니다. 같은 질문에 목적문 한 줄만 더했을 뿐인데, 답의 모양이 완전히 달라졌습니다.
고르기. 답을 하나만 받고 끝내지 않습니다. 보고서를 쓰는 방식 세 가지를 받아보니, 채널별 성과 중심형, 고객 여정 중심형, 목표 달성도 중심형이 나왔습니다. 그다음 제 기준을 세 줄로 먼저 적었습니다. 보는 사람은 팀장 한 명, 목적은 예산 승인, 읽는 시간은 5분 이내입니다. 이 기준으로 비교하니 목표 달성도 중심형이 맞았습니다. AI도 같은 안을 추천했지만, 고른 이유는 AI 추천이 아니라 제 기준표였습니다.
의심하기. 좋은 답을 하나 골랐다고 그대로 믿지 않습니다. 근거는 무엇인지, 반대 사례는 없는지, AI가 모르는 건 모른다고 했는지, 숫자를 다시 계산했는지, 지금 상황에 안 맞는 곳은 없는지 다섯 가지를 다시 물었습니다. 그랬더니 숫자에 출처가 없다는 점, 전 분기 수치가 서로 맞지 않는다는 점, 예산 증액 제안이 이미 시점상 늦었을 수 있다는 점까지 나왔습니다. 처음 답만 읽고 넘어갔으면 몰랐을 문제들이었습니다.
덜 지치려고 지키는 것 네 가지

AI 업무 지치는 이유를 알아도, 세 연습을 다 거치면 시간이 더 걸리는 것도 사실입니다. 그래서 아래 네 가지를 지킵니다.
- 답 길이에 미리 상한을 건다
- 한 번에 하나만 시킨다
- 요약을 먼저 보고 본문은 필요할 때만 연다
- 결정은 한 줄로 적어 둔다
이 네 가지만 지켜도 AI 답에 끌려다니는 시간이 줄어듭니다.
AI 시대의 실력은 정답을 많이 아는 게 아니라고 봅니다. 제 일에 기준이 있느냐가 실력입니다. 기준이 있으면 AI가 내놓은 답을 빨리 고르고 빨리 의심할 수 있습니다. 기준이 없으면 AI가 뭘 내놓든 다 그럴듯해 보이고, 결국 전부 다시 읽어야 합니다.
오늘 쓴 목적문 틀, 기준표 세 줄, 의심 질문 다섯 개를 한 장짜리 체크리스트로 정리했습니다. 다음에 AI한테 뭔가 시킬 때 바로 펴 보시면 됩니다. 무료 체크리스트는 글 하단 안내에서 받아 가실 수 있습니다.
Do Your Own Thing. 나만의 일을 하자.
무료 체크리스트 받기
AI 업무 지치는 이유를 줄이는 방법은 결국 이 세 가지입니다. 오늘 쓴 목적문 틀, 기준표 세 줄, 의심 질문 다섯 개를 한 장으로 정리했습니다.
Do Your Own Thing
나만의 일을 하자
AI를 쓰는 사람에서, AI에게 일을 시키는 사람으로