AI를 만드는 회사의 직원들이 주 90시간 일하고 있습니다.
BBC가 OpenAI와 앤트로픽 직원을 취재해 확인한 내용입니다.
몇 해 전 구글의 한 엔지니어링 임원은 AI 덕분에 주 4일 근무가 가능해질 것이라고 말했습니다. 올해 초에는 OpenAI가 기업들에 주 4일 근무를 시험해보라고 권고했습니다. 예측과 실제가 반대로 갔습니다.
이 회사들은 AI를 직접 만들고 최신 기능을 먼저 씁니다. AI 생산성이 오르지 않았다고 보기 어렵습니다. 그런데 근무 시간은 늘었습니다. 줄어든 시간은 어디로 갔을까요. 이 글에서는 그 시간이 어디로 흘러갔는지, 그리고 우리 회사에서는 어떻게 확인할 수 있는지 정리했습니다.
AI 생산성이 오르면 근무일이 줄어든다는 예측
주 4일 근무를 말한 것은 구글과 OpenAI만이 아닙니다.
메타의 마크 저커버그도 AI 도구 덕분에 훨씬 적은 인원이 예전보다 많은 일을 할 수 있게 됐다고 말했습니다. 앤트로픽은 자사 도구가 쉬지 않고 7시간 동안 혼자 작업할 수 있다고 밝혔습니다. 직장인의 하루 근무 시간과 비슷한 길이입니다.
정리하면 AI를 만드는 회사들이 공통으로 말해온 것은 하나입니다. 이 기술이 사람의 일을 대신하면 사람은 덜 일하게 된다는 것입니다.
이 예측에는 근거가 있습니다. 한 사람이 하루 걸리던 일을 도구가 한 시간에 끝내면 나머지 일곱 시간이 남습니다. 그 시간이 쌓이면 근무일 하나가 비어야 합니다. 계산 자체는 맞습니다.
AI를 가장 잘 쓰는 회사의 직원들은 주 90시간 일합니다
BBC 취재에서 나온 구체적인 시간을 보겠습니다.
지난해 OpenAI를 떠난 전직 기술직 직원은 재직 중 최소 주 70시간을 일했다고 밝혔습니다. 이전에 다니던 다른 기술 기업에서보다 훨씬 긴 시간이었습니다. 그는 지금 다른 AI 스타트업에 있는데, 집중 근무 기간을 빼면 주 50시간에서 60시간 정도로 나아졌다고 했습니다.
기술 업계에서는 새 기능이나 제품 출시를 앞두고 몇 주 동안 길게 일하는 기간을 따로 부릅니다. BBC가 만난 직원들에 따르면 OpenAI와 앤트로픽에서는 이 기간이 여러 주 동안 이어집니다. 앞에서 말한 90시간이 여기서 나옵니다. 두 회사 모두 BBC의 논평 요청에 답하지 않았습니다.
AI 도입 효과는 어디로 갔을까요
주 4일 근무를 예측한 쪽과 주 90시간 일하는 쪽이 같은 회사입니다. 그렇다면 시간이 줄지 않은 이유도 그 회사 안에서 찾을 수 있습니다.
UC버클리 연구진이 미국의 한 기술 기업 직원 수백 명을 8개월 동안 추적했습니다. AI 도구를 쓰기 시작한 뒤 이들이 어떻게 일하는지를 본 것입니다. 세 가지가 함께 나타났습니다.
첫째, 일하는 속도가 빨라졌습니다.
둘째, 맡는 업무의 범위가 넓어졌습니다.
셋째, 하루 중 일하는 시간이 길어졌습니다.
속도는 빨라졌는데 업무 시간은 늘어난 것입니다. 연구진은 업무량이 늘어난 이유 중 하나로 AI가 내놓은 결과를 계속 확인해야 한다는 점을 꼽았습니다.
연구진이 찾은 세 가지는 서로 이어져 있습니다. 속도가 빨라지면 같은 시간에 더 많은 일을 맡을 수 있게 됩니다. 맡는 범위가 넓어지면 확인할 결과물도 함께 늘어납니다. 그리고 확인하는 데 드는 시간은 AI가 대신해주지 않습니다.
AI 업무 효율이 오르면 새로운 일이 들어옵니다
MIT의 혁신 연구자 닐 톰프슨은 시간이 줄지 않는 이유를 이렇게 설명합니다.
AI 도구를 도입한 회사가 직원에게 이제 이 도구가 네 일을 대신하니 그만큼 쉬라고 말하지 않습니다. 대신 새로운 일이 그 자리에 들어옵니다.
톰프슨은 실제로 시간이 절감되더라도 그 시간이 세 가지에 흡수된다고 봅니다. 일하는 방식이 바뀌는 데 따르는 부담, 바뀐 방식을 적용하는 작업, 그리고 그것이 제대로 작동하는지 확인하는 일입니다.
세 가지 모두 AI를 쓰기 전에는 없던 일입니다. 도구를 쓰는 방법을 익히는 데 시간이 들고, 팀이 함께 쓰려면 기준을 맞춰야 하고, 나온 결과가 쓸 만한지 판단하는 일이 새로 생깁니다. 도구가 절약해준 시간이 이 세 가지 일로 흘러갑니다.
그리고 시간이 비면 사람들은 더 많은 일로 그 자리를 채웁니다. 스스로 원해서이기도 하고, 회사에 자기 가치를 증명해야 한다고 느껴서이기도 합니다.
시간이 채워지는 이 흐름은 도구로 해결되지 않습니다. 성능이 더 좋은 AI로 바꿔도 남은 시간이 그대로 남아 있지 않습니다.
톰프슨은 사람들이 일이 20% 줄면 주 4일 근무가 된다고 생각하지만 실제로는 새로운 일이 생긴다고 정리했습니다.
AI 업무 효율을 확인하는 방법
확인은 어렵지 않습니다. AI를 쓰기 시작한 업무 하나를 골라 두 가지를 나눠서 보면 됩니다.
하나는 그 업무를 처리하는 데 걸리는 시간입니다. 다른 하나는 나온 결과를 사람이 확인하는 데 걸리는 시간입니다.
첫 번째 숫자는 대부분의 회사가 알고 있습니다. AI를 도입할 때 근거로 쓴 숫자이기도 합니다. 두 번째 숫자를 확인해본 조직은 드뭅니다. 확인하는 일은 원래 없던 업무라 어느 항목에도 잡히지 않습니다.
두 숫자를 함께 보면 그 업무에서 실제로 무엇이 달라졌는지가 드러납니다. 처리 시간이 절반으로 줄었는데 확인 시간이 그만큼 늘었다면, 추가로 시간을 얻었다고 하기는 어
확인하는 사람이 누구인지도 함께 보면 좋습니다. AI가 결과를 내놓는 속도는 빨라도, 그 결과가 맞는지 판단할 수 있는 사람은 대개 정해져 있습니다. 그 사람에게 확인 요청이 몰리고 있다면 전체 속도는 거기서 결정됩니다.
한 업무만 봐도 됩니다. 전사 차원으로 확인하려 하면 시작하기 어렵고, 한 업무에서 나온 결과가 대개 다른 업무에도 비슷하게 나타납니다.
AI 도입 효과는 시간이 아니라 다른 곳에 있습니다
시간이 줄었느냐를 묻는 대신 무엇이 늘었는지를 물어볼 수 있습니다.
확인하는 일이 늘었다면 그건 AI를 쓰기 전에 없던 일입니다. 맡는 업무가 넓어졌다면 그중에는 원래 하지 못하던 일도 있을 것입니다. 시간이 그대로인 것과 아무것도 달라지지 않은 것은 다릅니다.
주 4일 근무를 예측한 쪽이 틀렸다고 보기도 어렵습니다. 개별 작업이 빨라진 것은 사실이기 때문입니다. 다만 그 시간이 어디로 갈지는 도구가 정하지 않습니다.
처음 질문으로 돌아가면, 답은 회사마다 다릅니다. 다만 두 숫자를 확인해보지 않으면 어느 쪽인지 알 수 없습니다.
디피니트 블로그를 구독하세요
디피니트는 제조 기업의 원가와 손익을 설명 가능하게 만드는 회사입니다. ERP 숫자와 현장 인식이 다를 때 근거를 대지 못하는 상황을, AI가 원인을 항목 단위로 분해해 조치 방향까지 보여주도록 바꿉니다.
그 과정에서 알게 된 것들을 블로그에 정리하고 있습니다. AI를 어디까지 맡기고 어디서 사람이 판단할지 고민하고 계신다면, 디피니트 블로그를 구독하고 새 글을 먼저 받아보세요.