현대 미국 직장 문화에서 가장 매혹적인 서사(narrative)는 AI가 당신의 직장을 앗아갈 것이라는 것이 아니다. 오히려 AI가 당신을 그런 위기에서 구원해 줄 것이라는 이야기다.
이것이 지난 3년간 업계가 불안에 떨며 제품을 구매하려는 수백만 명의 사람들에게 팔아온 버전이다. 물론 일부 화이트칼라 직업은 사라질 것이다. 하지만 대부분의 다른 직무에 대해서는, 이 주장은 AI가 '능력 증폭기(force multiplier)' 역할을 한다는 것이다. 당신은 더 유능하고, 필수적인 변호사, 컨설턴트, 작가, 코더, 재무 분석가 등으로 거듭난다는 것이다. 즉, 도구가 당신을 위해 일하고, 당신은 덜 고생하며, 모두가 이득을 본다는 논리다.
하지만 하버드 비즈니스 리뷰에 게재된 새로운 연구는 이러한 전제를 실제 결론까지 따라가 보았으며, 그곳에서 발견한 것은 생산성 혁명(productivity revolution)이 아니었다. 대신 기업들이 번아웃(burnout)을 유발하는 기계가 될 위험에 처해 있다는 사실을 발견했다.
UC 버클리 연구원들은 '진행 중인 연구(in-progress research)'의 일환으로 200명 규모의 기술 회사에 8개월 동안 머물며, 직원들이 AI를 실제로 받아들였을 때 어떤 일이 발생하는지 관찰했다. 그들이 40개가 넘는 '심층 인터뷰'를 통해 밝혀낸 것은, 이 회사에서 아무도 압박을 받지 않는다는 것이었다. 누구에게도 새로운 목표 달성을 강요하지 않았고, 사람들은 단지 도구가 더 많은 작업을 가능하게 만들었기 때문에, 본능적으로 더 많은 일을 시작했을 뿐이다. 그러나 직원들이 무언가를 할 수 있게 되자, 업무는 점심시간과 늦은 저녁 시간까지 점차 번지기 시작했다. 직원들의 할 일 목록은 AI가 확보해 준 모든 시간을 채우도록 확장되었고, 그 흐름은 멈추지 않았다.
한 엔지니어는 인터뷰에서 "AI로 더 생산적이 될 수 있다고 생각하며 시간을 절약하고 일을 덜 할 수 있을 거라고 생각했어요. 하지만 실제로는 그렇지 않아요. 적게 일하는 게 아니라, 오히려 똑같은 양, 혹은 그 이상으로 일하게 돼요."라고 말했다.
테크 업계 포럼인 해커 뉴스(Hacker News)의 한 댓글 작성자도 비슷한 반응을 보이며, "이런 느낌이에요. 저희 팀이 AI 기반 업무 방식으로 전환한 이후 기대치는 세 배가 되었고, 스트레스도 세 배가 되었지만, 실제 생산성은 겨우 10% 정도 증가했을 뿐이에요. 리더십은 마치 AI 투자가 그만한 가치가 있다는 것을 증명하도록 모두에게 엄청난 압박을 가하고 있고, 우리 모두는 그 압박 속에서 그것을 보여주려 하지만, 그 과정에서 실제로는 더 긴 시간을 일해야 하는 상황이에요."라고 전했다.
이는 매우 흥미로우면서도 동시에 심각한 경고를 담고 있다. AI와 노동에 대한 논쟁은 항상 같은 질문에 막혀 왔다. 즉, 그 이득이 실제로 지속 가능한가? 하지만 실제로 어떤 일이 벌어지는지 깊이 파고들어 물어보는 경우는 너무 적었다.
연구원들의 새로운 발견이 완전히 새로운 것은 아니다. 지난 여름에 진행된 별도의 실험에 따르면, AI 도구를 사용한 숙련된 개발자들은 자신이 20% 빨라졌다고 믿었지만, 실제로는 과제 수행에 19% 더 오랜 시간이 걸리는 것으로 나타났다. 또한 비슷한 시기에 전국경제연구소(NBER, National Bureau of Economic Research)가 수천 개의 직장 전반에 걸친 AI 도입을 추적한 연구에서는, 생산성 향상 효과가 시간 절약 측면에서 겨우 3%에 불과했으며, 어떤 직업에서도 임금이나 근로 시간에 유의미한 영향을 미치지 않은 것으로 나타났다. 두 연구 모두 많은 비판에 직면했다.
다만, 이 연구는 AI가 직원의 자체 역량을 보완할 수 있다는 근본적인 전제를 반박하지 않기 때문에 해석하기가 어려울 수 있다. 오히려 그 전제를 확인시켜 주면서, 그 모든 증강 능력이 결국 어디로 이어지는지 보여주는데, 연구원들에 따르면 그것은 "피로, 번아웃, 그리고 특히 조직의 속도와 대응에 대한 기대가 높아지면서, 업무로부터 벗어나기 더 어렵다는 느낌이 커지는 것"이라고 한다.
업계는 사람들의 능력을 확장하는 것이 만병통치약이 될 것이라고 베팅했지만, 이것이 완전히 다른 종류의 문제의 서막일 수 있다. 이 연구는 반드시 읽어볼 가치가 있다.