[AI는 지금] AI로 업무 3분의 1 줄여도 생산성 바뀌지 않는 이유는 작성일 06-11 16 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">영국 워크 AI 연구소 "검수·재작업 등 AI 돌보는 시간에 매주 5.8시간 허비"</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="5F9MG88Bck"> <p contents-hash="fe960a3145736fab1d88a312b485149217ed85ceb972d2a7b39218a1ac091307" dmcf-pid="1F9MG88Bjc" dmcf-ptype="general">(지디넷코리아=남혁우 기자)<span>직장인 상당수가 업무 과정에서 인공지능(AI) 도구를 사용하고 있지만 실제 생산성 향상으로 조사 결과가 나왔다. AI로 절약한 시간을 다시 검수·재작업·맥락 입력에 소비하는 시간이 늘고 있기 때문이다.</span></p> <p contents-hash="fca7300bf263583e816de9e9da3dcf6ce24095ca32bc30b7a6ba4d30a4f5ab36" dmcf-pid="t32RH66bkA" dmcf-ptype="general">11일 글린 테크놀로지스는 산하 워크 AI 연구소를 통해 직장 내 AI 활용 실태를 조사한 '더 워크 AI 인덱스: UK 2026(The Work AI Index: UK 2026)' 보고서를 발표했다.</p> <p contents-hash="78f2a697922faa4b3617960b718a856c4ea85d0b88dffe9b0779d618858d96ff" dmcf-pid="F0VeXPPKoj" dmcf-ptype="general">이번 조사는 연구진은 영국의 디지털 노동자 1500명을 대상으로 설문조사한 결과다. 응답자 90%가 업무에 AI를 의무적으로 사용하고 있다고 밝혔으며 80%는 매주 여러 개의 AI 도구를 사용한다고 답했다.</p> <figure class="figure_frm origin_fig" contents-hash="6fbf247342d63871858795d27f3c0e6c006da4267fb7790b65fdf2b6c6a95723" dmcf-pid="3pfdZQQ9jN" dmcf-ptype="figure"> <p class="link_figure"><img alt="워크 AI 연구소에 따르면 응답자는 AI를 통해 11시간을 절약했지만 실제 성과를 크게 개선했다고 느낀 비율은 13%에 그쳤다(이미지=워크 AI 연구소)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202606/11/ZDNetKorea/20260611110455763qrwm.jpg" data-org-width="638" dmcf-mid="ZVPLFee4jE" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202606/11/ZDNetKorea/20260611110455763qrwm.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 워크 AI 연구소에 따르면 응답자는 AI를 통해 11시간을 절약했지만 실제 성과를 크게 개선했다고 느낀 비율은 13%에 그쳤다(이미지=워크 AI 연구소) </figcaption> </figure> <p contents-hash="bd94592d1fcc7fe44ec98be328a4d16d96bacf00b9b181093a379562c581b56a" dmcf-pid="0U4J5xx2ga" dmcf-ptype="general">보고서에 따르면 AI 도입 효과는 적지 않은 것으로 나타났다. 응답자는 AI 자동화로 주당 약 11시간을 절약한다고 답했다. 영국 평균 주간 근무시간 3분의 1에 가까운 수준이다.</p> <p contents-hash="26a1231d7053df5349efafbc2ec056459f72f273187e059a42658b5eb1187365" dmcf-pid="pu8i1MMVjg" dmcf-ptype="general">그러나 정작 AI가 생산성이나 성과를 크게 개선했다고 느낀 비율은 13%에 그쳤다.</p> <p contents-hash="8c3410eb699360f66439c13593efaa987a4411af63e338e7f8d89ef3dbd272aa" dmcf-pid="U76ntRRfco" dmcf-ptype="general">이런 답변의 원인으로 보고서는 절약된 시간이 생산적인 업무에 투입되지 못하고 오히려 AI를 제대로 작동시키기 위한 부수 노동에 흡수되고 있다고 분석했다.</p> <p contents-hash="c80ad3bad1e6d6445ddddfae48778a6d293b8f0c6837091c7187e08a239aed2e" dmcf-pid="uzPLFee4aL" dmcf-ptype="general">직장인이 AI에서 결과물을 받아내는 데 1시간을 쓰면, 이를 실제 업무에 쓸 수 있도록 다듬는 데도 거의 1시간을 추가로 쓰는 셈이라며 이를 '봇시팅'이라 명명했다.</p> <p contents-hash="33f00664365aa959e5c05715a2876c1b02e549fc9306325f1d9288a7abc51cd0" dmcf-pid="7qQo3dd8an" dmcf-ptype="general">배경에는 AI 도구의 잦은 실패가 있다. 조사에 따르면 전체 AI 사용 세션 36%는 사실상 실패로 끝났으며 사용자는 이를 처음부터 다시 시작하거나 수정해야 했다. 그 결과 응답자는 매주 평균 5.8시간을 봇시팅에 허비하는 것으로 집계됐다.</p> <p contents-hash="c7656a88f66ea8eb7cd0ddd22102f83fd532bad70a93f706aceef34ba81814a0" dmcf-pid="zBxg0JJ6ji" dmcf-ptype="general">봇시팅 과정에서 가장 많은 시간이 드는 일은 AI가 이미 알고 있어야 할 정보를 매번 다시 입력해 컨텍스트 창을 채우는 작업과 AI가 내놓은 결과를 검토·수정·보완하는 작업이다.</p> <p contents-hash="14f5b91b87b092fccfeca9058ad4a2a30f97d9f9ea6f44a426410dbcc751b27c" dmcf-pid="qbMapiiPAJ" dmcf-ptype="general">사용자는 답변이 틀렸는지, 중요한 맥락이 빠졌는지 혹은 그럴듯해 보이지만 실제로는 부정확한지를 일일이 확인해야 한다.</p> <p contents-hash="df1a1a2e94da5896aa5ae1e0d99dc2ee795393b4aa327ce158480f9c906b3167" dmcf-pid="BKRNUnnQod" dmcf-ptype="general">문제가 발견되면 업무는 더욱 길어진다. 다시 프롬프트를 입력하고, 추가 맥락을 제공하고 다른 모델로 바꿔본 뒤 또다시 재입력을 반복해야 한다.</p> <p contents-hash="021f84d0c95d2b8ddceffab842943f88b3cb5c8068e648deb777899de8f9a3e5" dmcf-pid="b9ejuLLxAe" dmcf-ptype="general">만약 이 과정에서 오류를 걸러내지 못하면, 잘못된 결과물은 다른 동료에게 넘어가고 해당 동료가 자신이 만들지도 않은 문제를 뒤늦게 수습해야 하는 상황이 벌어진다고 보고서는 지적했다.</p> <p contents-hash="f71d137047e1d5997b8e38a769b19b7cb69652d7e5fb0a75bbaa1ff876b7acc1" dmcf-pid="KU4J5xx2cR" dmcf-ptype="general">워크 AI 연구소 연구진은 최근 여러 기업 내 직원이 회사 내 수 많은 AI 도구를 연결하는 인간 통합 레이어 역할을 하고 있다고 평가했다. 어떤 정보원을 써야 하는지, 어떤 문서가 최신인지, 어떤 맥락이 중요한지를 사람이 직접 판단해 AI에 전달하고, 동시에 AI의 실수를 교정하고 있다는 것이다.</p> <p contents-hash="4160ffac2cd115d4dd823d62d64620ce32b6a1a7ad3447b3dde551668cade86a" dmcf-pid="9u8i1MMVcM" dmcf-ptype="general">API나 모델 컨텍스트 프로토콜(MCP) 같은 기술 표준은 원래 도구 간 데이터 연동 문제를 해결할 것으로 기대됐지만 보고서는 이것만으로는 맥락(context) 문제를 해결하지 못한다고 평가했다.</p> <p contents-hash="fa59fc07600fe886fd1e05ba3042a1de8aae977cb4881e83bc6d4d255c418282" dmcf-pid="276ntRRfjx" dmcf-ptype="general">결국 계속해서 AI에게 필요한 배경정보를 수동으로 공급해야 하는 업무가 존재하고 그 부담은 고스란히 사람에게 남는다는 지적이다.</p> <p contents-hash="47e4d55f1e2d5642ead5663d54486f8edce51de39fe0e17cfddbcd66ac1505ab" dmcf-pid="VzPLFee4kQ" dmcf-ptype="general">이 과정이 길어질수록 직원 피로도도 커지는 것으로 나타났다. 보고서에 따르면 영국의 AI 사용자 가운데 70%는 충분히 괜찮아 보이는 첫 번째 결과물을 그대로 넘긴 적이 있다고 인정했다. </p> <p contents-hash="aeefc6ee03ccc72d8fc797df8220d494e2807e78829410be5653c9459422c35a" dmcf-pid="fqQo3dd8AP" dmcf-ptype="general">반복되는 검토와 재작업 속에서 사람들이 점차 출처 확인이나 사실 검증을 생략하고, AI의 권고가 타당한지 따지는 데도 소홀해질 수 있다는 우려를 표했다.</p> <p contents-hash="75c703d203f7ef484c74cfbf2e298212b79562f802cd65b69f92f089181e9e6c" dmcf-pid="4Bxg0JJ6k6" dmcf-ptype="general">워크 AI 연구소는 영국이 AI 도입 속도 면에서 미국보다 앞선 일부 지표를 보이고 있다고 평가했다. 특히 단순한 콘텐츠 생성 도구를 넘어 실제 업무 운영과 의사결정에 AI를 깊숙이 투입하고 있다는 점이 특징이라고 분석했다.</p> <p contents-hash="765873e66d85b0598a138c3831840f5a20d85a3109fd0424aaaf600b8caef29c" dmcf-pid="8bMapiiPg8" dmcf-ptype="general">더불어 보고서는 영국에서 AI가 인사(HR) 등 법적 규제가 강한 고위험 영역으로까지 확대되고 있다고 밝혔다.</p> <p contents-hash="32d202c266288fb2089a4799eb49ae9ab018927746c6ad2d1d9d49caa2b24ee1" dmcf-pid="6KRNUnnQj4" dmcf-ptype="general">응답자의 절반 이상은 AI가 성과 평가에 관여하는 것에 대해 편안함을 느낀다고 답했고 약 40%는 이미 성과 리뷰 과정에서 AI가 사용되고 있다고 응답했다.</p> <p contents-hash="41bb2a87559f4e42d44f8c937ff7b97d2c4598675ad34eabfbd1ea923943aaab" dmcf-pid="P9ejuLLxjf" dmcf-ptype="general">또 영국 노동자는 미국 노동자보다 AI가 채용, 승진, 보상, 심지어 해고 결정에 관여하는 데 상대적으로 더 개방적인 태도를 보이는 것으로 조사됐다. 그러나 실제로는 영국 기업이 해고 판단에 AI를 활용하는 비중은 미국보다 낮은 편인데 이는 영국의 고용법 체계상 부당해고 관련 책임을 방어하기가 더 어렵기 때문이라는 풀이다.</p> <p contents-hash="9e0b21fcf8c671c7397afb0828fa015e13db21e39fd58ad0a37f1151a91f38a2" dmcf-pid="Q2dA7ooMNV" dmcf-ptype="general">보고서는 영국이 직장 내 AI 도입을 위한 제도적 기반을 비교적 탄탄하게 구축한 국가 중 하나라고 평가하면서도 도입 자체가 곧 혁신을 의미하지는 않는다고 강조했다. 중요한 것은 AI가 일을 더 빨리 처리하게 만들었는지가 아니라 그 결과물이 실제로 더 나은지, 그 과정에서 새로 생긴 간접비용이 없는지를 측정하는 일이라는 것이다.</p> <p contents-hash="00c9bff39737479f2cf8ce53fc57ef53e0401b648fee4897d6274ed7f86bb3f5" dmcf-pid="xVJczggRc2" dmcf-ptype="general">워크 AI 연구소의 책임자인 레베카 하인즈 박사는 "도입만으로는 AI전환(AX)이 일어나지 않는다"며 "직원이 생산성 향상으로 확보한 시간을 봇시팅에 다시 쓰고 있다면 기업은 일을 없앤 것이 아니라 새로운 형태의 간접 업무를 만들어낸 것"이라고 말했다.</p> <p contents-hash="ea3eb4eb5e3ae13d7f057007106efb54dc41a3db24e6af01e248f7b9cd04a324" dmcf-pid="yIXuEFFYA9" dmcf-ptype="general">남혁우 기자(firstblood@zdnet.co.kr)</p> </section> </div> <p class="" data-translation="true">Copyright © 지디넷코리아. 무단전재 및 재배포 금지.</p> 관련자료 이전 삼성전자, 유전체 장비까지 투자 확대… 정밀의료 밸류체인 구축 속도 06-11 다음 ‘안전한 미토스’ 페이블, 불만 속출... “안전장치 너무 엄격해 불편” 06-11 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
