테크 소식
수정시각
AI는 모든 곳에 있지만, 생산성 통계에는 보이지 않는다
2026년 2월 | Fortune, NBER, UC Berkeley 등 주요 연구 종합 정리
1. 핵심 요약: 무슨 일이 벌어지고 있는가?
•
•
AI를 사용하는 경영진의 주당 평균 사용 시간은 단 1.5시간에 불과
•
25%의 응답자는 직장에서 AI를 전혀 사용하지 않는다고 답변
•
S&P 500 기업 중 374개가 실적 발표에서 AI를 언급했지만, 실제 생산성 지표에는 변화 없음
아폴로(Apollo)의 수석 이코노미스트 **토르스텐 슬록(Torsten Slok)**은 약 40년 전 노벨경제학상 수상자 로버트 솔로우의 관찰을 인용하며 이렇게 말했습니다:
"AI는 고용 데이터, 생산성 데이터, 인플레이션 데이터 어디에도 보이지 않는다."
2. 솔로우 생산성 역설: 역사가 반복되고 있다
1980년대 IT 시대의 교훈
1987년, 노벨경제학상 수상자 **로버트 솔로우(Robert Solow)**는 정보화 시대의 역설적 현상을 발견했습니다. 1960년대 트랜지스터, 마이크로프로세서, 집적회로 등이 등장하면서 기업들은 생산성 급증을 기대했지만, 현실은 정반대였습니다.
시기 | 생산성 증가율 | 상황 |
1948~1973 | 2.9% | IT 도입 이전 |
1973 이후 | 1.1% | IT 보급 후 역설 발생 |
1995~2005 | +1.5% | IT 성숙기 → 생산성 급등 |
솔로우는 뉴욕타임스 서평에서 이렇게 썼습니다:
"컴퓨터 시대는 어디서나 볼 수 있지만, 생산성 통계에서는 보이지 않는다."
당시 신기술인 컴퓨터는 오히려 지나치게 상세한 보고서를 대량 생산하며 종이 낭비만 늘렸습니다. 생산성을 높이리라 기대했던 기술이 수년간 역효과를 낸 것입니다. 그리고 지금, AI에서 거의 동일한 현상이 관찰되고 있습니다. (Fortune)
3. AI는 왜 생산성을 높이지 못하는가?
업무는 줄지 않고, 오히려 늘어난다
UC 버클리 하스 경영대학원이 미국 테크 기업 직원 200여 명을 8개월간 추적 조사한 결과, AI 도입 후 직원들은 더 빠르게, 더 오래, 더 많은 업무를 처리하게 되었습니다. (Chosun) 핵심 문제는 다음과 같습니다.
① 업무 팽창 (Task Inflation)
AI가 작업을 빠르게 처리해주자, 절약된 시간이 쉬는 시간이 아니라 새로운 업무로 즉시 채워졌습니다. 한 AI 개발자는 이렇게 말했습니다: "예전에는 3시간 걸리던 작업이 45분으로 줄었지만, 하루가 오히려 더 힘들어졌다. 종이에 아이디어를 적고, 샤워하면서 생각을 정리하고, 산책하며 개념을 명확히 하던 시간이 사라졌다." (Fortune)
② 검토 부담 증가 (Review Overhead)
AI가 생성한 결과물을 사람이 일일이 검토하고 수정해야 하므로, 시간 절약 효과가 상쇄됩니다. AI 산출물의 품질이 불균일하기 때문에, 결과물을 그대로 사용할 수 없는 경우가 빈번합니다. (Platformer)
③ 인지 피로와 번아웃 (Cognitive Fatigue)
끊임없이 AI 산출물을 검토하면서 자연스러운 휴식 시간이 사라집니다. 이전에는 작업 사이사이에 존재하던 '생각하는 시간'이 AI의 빠른 처리 속도로 인해 완전히 압축되어 버린 것입니다. (Chosun)
④ 암묵적 기대치 상승 (Rising Expectations)
AI로 더 많은 일을 할 수 있게 되면서, 업무량의 기준 자체가 상향 조정됩니다. '이제 AI가 있으니까'라는 이유로 이전보다 더 많은 산출물이 요구되는 것입니다.
4. 더 깊은 구조적 원인들
품질보다 속도 중심의 활용
많은 기업이 AI를 "더 좋은 일"이 아닌 "더 빠른 일"에만 사용하고 있습니다. 그 결과 저품질 콘텐츠가 범람하고, 이를 다시 수정하는 데 추가 시간이 소요되는 악순환이 발생합니다. (Grammarly)
학습 능력의 저하
AI에 과도하게 의존하면 현재 업무는 빨라지지만, 미래 업무에 필요한 역량 습득이 약화됩니다. 단기적 효율성이 장기적 성장을 갉아먹는 구조입니다. (Alex Imas – Substack)
전문성 문턱의 존재
Science 저널 연구에 따르면, 일정 수준 이상의 전문성이 있어야 AI 산출물을 유용한 업무로 전환할 수 있습니다. 전문성이 부족한 상태에서는 AI가 만든 콘텐츠가 오히려 시간을 잡아먹는 결과를 초래합니다. (Science)
기술에 대한 신뢰 하락
맨파워그룹(ManpowerGroup)의 2026년 글로벌 인재 바로미터 조사에 따르면, 19개국 약 14,000명의 근로자 중 AI 정기 사용률은 2025년에 13% 증가했으나, AI의 유용성에 대한 신뢰도는 18% 하락했습니다. 기술은 보급되었지만 실질적 가치에 대한 의구심이 커지고 있는 것입니다.
5. 전문가들의 전망: J커브가 올 것인가?
낙관론: 1990년대의 재현
197080년대 IT 도입 초기에도 수년간 생산성이 정체했지만, 1990년대에 들어서자 연 1.5%의 생산성 증가율을 기록하며 폭발적으로 성장했습니다(19952005). 슬록은 AI도 이와 유사한 J커브 패턴—초기 정체 후 급상승—을 보일 수 있다고 전망합니다.
스탠퍼드 대학교 디지털 경제 연구소 소장 **에릭 브린욜프슨(Erik Brynjolfsson)**은 이미 변화가 시작되고 있다고 주장합니다. 그의 분석에 따르면 2025년 미국 생산성 증가율은 2.7%를 기록했으며, 4분기 GDP 성장률은 3.7%를 추적하고 있습니다. 고용 증가와 GDP 성장이 분리(디커플링)되기 시작했다는 것은 AI가 실제 효과를 내기 시작했다는 신호일 수 있습니다. (Fortune)
신중론: 기대를 낮춰야 한다
반면 2024년 노벨경제학상 수상자 **다론 아세모글루(Daron Acemoglu)**는 AI가 향후 10년간 생산성을 약 0.5%만 높일 것이라고 분석합니다. 그는 "0.5%가 0보다는 낫지만, 업계와 언론이 약속한 것에 비하면 실망스러운 수준"이라고 평가했습니다. (Fortune)
6. IT 시대와 다른 점: AI만의 특수성
슬록은 AI 시대가 IT 시대와 중요한 차이점이 있다고 지적합니다. 1980년대에는 IT 혁신 기업이 경쟁자가 유사 제품을 만들기 전까지 독점적 가격 결정력을 가졌습니다. 그러나 오늘날 AI 도구는 대형 언어 모델 기업들 간의 치열한 경쟁으로 인해 가격이 급락하고 있으며, 누구나 쉽게 접근할 수 있습니다.
따라서 AI 생산성의 미래는 기술 자체가 아니라, 기업들이 이 기술을 얼마나 효과적으로 활용하고 구현하느냐에 달려 있습니다. 슬록의 말을 빌리면: "거시적 관점에서 가치 창출은 제품 자체가 아니라, 생성형 AI가 경제의 다양한 부문에서 어떻게 사용되고 구현되는가에 달려 있다."
흥미로운 사례로, IBM의 최고인사책임자 **니클 라모로(Nickle LaMoreaux)**는 AI가 일부 업무를 자동화할 수 있음에도 불구하고 신입 채용을 3배로 늘리겠다고 발표했습니다. 초급 직원을 AI로 대체하면 미래의 중간 관리자가 부족해져 리더십 파이프라인이 위험에 처한다는 판단 때문입니다. (Fortune)
7. 결론: '더 빠르게'가 아닌 '더 좋게'
핵심 메시지
AI가 생산성을 떨어뜨리는 것이 아닙니다.
개별 작업 속도는 빨라지지만,
총 업무량과 인지 부담이 함께 증가하면서
체감 업무 경감은 기대에 못 미치고 있습니다.
개별 작업 속도는 빨라지지만,
총 업무량과 인지 부담이 함께 증가하면서
체감 업무 경감은 기대에 못 미치고 있습니다.
AI는 개별 작업의 속도를 분명히 높여줍니다. 그러나 총 업무량과 인지 부담이 함께 증가하면서, 체감하는 업무 경감 효과는 기대에 크게 못 미치고 있습니다. 전문가들의 공통된 조언은 명확합니다: AI를 '더 빠르게' 일하는 도구가 아니라 '더 좋게' 일하는 도구로 전환해야 한다는 것입니다. (Grammarly)
1980년대 IT 혁명도 결국은 생산성 폭증으로 이어졌듯, AI 역시 언젠가 그 잠재력을 발휘할 가능성이 있습니다. 다만 그 시점은 기업들이 AI를 단순한 속도 향상 도구가 아닌, 업무 방식 자체를 재설계하는 도구로 인식할 때 비로소 도래할 것입니다.
출처
'오늘배움' 구독하기
사이트를 구독하면 새 포스트 등 최신 업데이트를 알림과 메일로 가장 먼저 받아보실 수 있습니다.
Slashpage에 가입하고 '오늘배움'을 구독하세요!
Slashpage에 가입하고 '오늘배움'을 구독하세요!
