AI 번아웃, 열심히 쓰는 사람이 먼저 지치는 구조

안녕하세요, 깅글렛이에요.

AI를 쓰면 일이 줄어들 것 같았어요. 근데 막상 써보니 오히려 할 일 목록이 길어졌어요. 처음엔 제가 잘못 쓰는 줄 알았거든요. 그런데 이게 단순히 저만의 문제가 아니라, 구조적인 현상이라는 걸 알게 됐어요. AI 사용자의 77%가 “AI 도입 후 업무량이 늘었다”고 답하는 데는 이유가 있더라고요. 오늘은 그 이유를 파헤쳐볼게요.

AI를 쓸수록 업무가 늘어나는 이유, 159년 전에 답이 있었어요

제본스 역설 도식화 인포그래픽 - 왼쪽: 석탄 효율↑→석탄 소비↑ / 오른쪽: AI 효율↑→업무량↑ 병렬 구조, 다크 네이비 배경

1865년에 영국 경제학자 윌리엄 스탠리 제본스(William Stanley Jevons)가 이상한 현상을 발견했어요. 증기엔진 효율이 개선됐는데, 석탄 소비량이 오히려 폭증한 거예요. 효율이 올라 비용이 낮아지자, 원래 못 쓰던 곳까지 석탄을 사용하게 됐고 수요가 터진 거죠.

📖 제본스 역설(Jevons Paradox)이란? 효율성이 높아지면 자원 사용이 줄어드는 게 아니라, 비용이 낮아진 만큼 사람들이 더 많이 써버려서 오히려 전체 수요가 폭발적으로 늘어나는 현상이에요. 영국 석탄 소비는 1900년까지 3배 증가했어요.

지금 AI에도 똑같은 일이 벌어지고 있어요. 글쓰기에 드는 시간이 줄면 더 많은 글쓰기를 요청받고, 분석이 빨라지면 더 많은 분석이 의뢰돼요. 코드 작성이 쉬워지면 더 많은 기능 개발을 기대하고, 콘텐츠 생성이 저렴해지면 생성량을 늘리고 그것을 검토·편집·발행·측정하는 인간 작업이 뒤따라요. 마이크로소프트 CEO 사티아 나델라도 이 역설을 AI 시대의 핵심 경제 논리로 언급했어요.

이게 바로 “래칫 효과(Ratchet Effect)“예요. AI로 주당 블로그 3개를 쓸 수 있게 되면 주당 5개가 새 기준이 되는 거예요. 효율이 올라 달성한 결과가 새 기준이 되어 되돌릴 수가 없어지는 거죠. 정성껏 일해서 만들어낸 여유 시간이 조직의 새로운 업무 요청으로 즉시 채워지는 구조, 자연스럽게 일이 늘어날 수밖에 없는 이유예요.

그럼 업무량이 늘어나는 데는 어떤 구체적인 메커니즘이 작동할까요? 핵심은 딱 세 가지예요.

AI 생산성이 개인에게 안 돌아오는 3가지 메커니즘

3가지 메커니즘 인포그래픽 - ① 결과물 검수 부담 ② 프롬프트 설계 신규 작업 ③ 기대치 상승 / 각 항목에 아이콘+수치, 다크 네이비 배경

① 결과물 검수 — 새로 생긴 인지 과부하

AI가 결과물을 빠르게 내놓을수록, 그걸 검토·수정·사실 확인하는 인지 작업이 새로 생겨요. 저도 AI가 초안을 뽑아줄 때 ‘이대로 써도 되나?’ 하며 한 줄씩 확인하는 데 생각보다 시간이 오래 걸리더라고요.

개발자 쪽 데이터를 보면 더 명확해요. 개발자의 45.2%가 “AI 생성 코드를 디버깅하는 데 처음부터 짜는 것보다 시간이 더 걸린다”고 했고, AI 생성 코드는 인간 작성 코드 대비 전체 이슈가 1.7배 더 많이 발생한다고 해요. 경험 있는 개발자들이 AI 코딩 도구를 쓸 때 완료 시간이 19% 더 걸렸는데, 정작 본인들은 속도가 20% 빨라진 것으로 인식했대요. 본인이 빨라졌다고 느끼는 것과 실제 완료 시간이 39~44%p나 차이가 나는 거예요. 업무 참여자 중 39%는 “AI 생성 콘텐츠 검토·감수 시간이 늘었다”고 응답했어요.

② 프롬프트 설계 — 예상하지 못한 신규 업무

AI를 잘 쓰려면 프롬프트를 설계하고, 테스트하고, 다듬는 과정이 필요해요. 이 자체가 새로운 인지 작업이 되는 거예요. BCG가 미국 정규직 1,488명을 조사했더니, AI 감독 업무에서 정신적 노력이 14% 증가하고 정보 과부하가 19% 증가했어요. 여기에 직원들이 주당 평균 51분을 앱 전환(도구를 이리저리 바꾸는 것)에 쓴다고 하는데, 연간으로 따지면 44시간이 날아가요. 하루 최대 100회나 애플리케이션을 전환한다고 하니, 집중력이 유지될 수가 없죠.

연구자들은 이 현상을 “AI brain fry” — 과도한 AI 도구 감독으로 인한 정신적 피로와 생산성 저하 — 라고 불러요. 쉽게 말하면 AI 도구를 너무 많이 관리하다 뇌가 타버리는 현상이에요.

③ 기대치 상승 — 조직의 수요가 개인 여유를 즉시 채운다

가장 구조적인 문제예요. AI가 생긴 여유 시간이 개인에게 돌아오지 않아요. 엔지니어링팀은 AI 도입 후 스프린트 속도 기준선이 평균 40% 상향 조정됐고, 마케팅팀은 AI 콘텐츠 생성 도구 도입 후 월 콘텐츠 생산량 기대치가 3.2배로 올라갔어요. 여기에 AI가 없던 시절의 자연스러운 인지 회복 시간 — 단순 반복 작업을 처리하면서 멍 때리던 그 시간 — 이 AI로 없어지면서, 연속된 고밀도 인지 업무에 노출되는 현상도 생겼어요.

시간을 절약했는데 왜 더 피곤하죠?“ — 수치로 보는 현실

AI 도입 후 업무 시간 변화 차트 - ActivTrak 10,584명 데이터 기반: 이메일 +104%, 채팅 +145%, 업무관리 +94%, 집중 세션 -9%, 다크 배경 막대그래프

레딧 커뮤니티에서 한 사용자는 이런 말을 남겼어요. “시간 추적 앱 기준으론 주당 8시간을 절약하고 있어요. 근데 전보다 더 피곤해요. 이게 말이 안 되잖아요.” 공감 댓글이 쏟아졌다고 해요.

이게 말이 안 되는 게 아니에요. 수치가 보여주거든요. 직원 생산성 분석 플랫폼 ActivTrak이 10,584명의 AI 도입 전후 180일 데이터를 비교해봤더니, AI 도입 후 이메일 처리 업무량은 104% 늘었고 채팅·메시징 업무량은 145% 증가했어요. 업무 관리 도구 사용량도 94% 늘었어요. 더 빠르게 처리하게 됐으니 그만큼 더 많은 일이 밀려온 거예요. 반면 깊이 집중하는 작업 세션 길이는 9% 줄었어요. ActivTrak은 보고서에서 “데이터는 명확하다: AI는 업무량을 줄이지 못한다”고 결론 냈어요.

가트너도 공급망 조직의 72%가 생성형 AI 도입 후에도 전체 조직 생산성 향상이 없다고 확인했어요. 개인 차원에선 주당 4.11시간을 절약하는 것 같아도, 팀 차원에선 팀원당 1.5시간으로 급감하고 생산량·품질 향상과 상관관계가 없어요.

✍️ 저도 이 느낌을 알아요. AI 번아웃을 조사하면서 “도구를 3개 넘게 쓰기 시작했더니 오히려 뭘 쓰는지 관리하는 게 일이 됐다”는 말이 딱 맞더라고요. 저도 ChatGPT·Claude·Gemini 세 개를 번갈아 쓰다 보니 어디서 무슨 작업을 했는지 찾는 데 시간을 쓰게 됐거든요.

BCG 연구에서 AI 도구를 3개 이하로 쓸 때는 자가보고 생산성이 향상됐는데, 4개 이상이 되면 생산성이 급락했어요. AI 도구가 많을수록 좋아지는 게 아니라는 거예요. 거기에 AI 사용자의 71%가 번아웃을 경험하고, 3명 중 1명은 향후 6개월 내 이직을 고려한다고 했어요. AI heavy user의 번아웃 비율은 비사용자 대비 45% 더 높고, HBR 조사에선 헤비 AI 사용자의 88%가 번아웃 증가를 보고했어요.

AI 도구 개수 vs 자가보고 생산성 관계 그래프 - BCG 1,488명 데이터: 3개 이하=향상, 4개 이상=급락, 꺾은선 형태 다크 배경 차트

이게 “AI를 쓰는 사람”이 아니라 “AI를 열심히 쓰는 사람”이 더 빨리 지치는 이유예요.

한국이 특히 심한 이유 — 압박 78%의 의미

한국 vs 글로벌 비교 인포그래픽 - “뒤처질 것 같다” 한국 78% vs 글로벌 65%, 경영진 정렬 한국 16% vs 글로벌 26%, 다크 배경 도넛 차트

마이크로소프트가 2026년 6월 발표한 업무동향지표에서 한국만 따로 놓고 보면, 숫자가 좀 달라요. “빠르게 적응하지 못하면 뒤처진다”는 응답이 한국은 78%예요. 글로벌 평균이 65%니까 13%p나 높아요.

근데 아이러니한 게, “경영진과 AI 방향성이 명확히 정렬됐다”고 본 비율은 한국이 16%밖에 안 돼요. 글로벌 평균은 26%인데요. 그러니까 “뒤처지면 안 된다”는 압박은 세계 최고 수준인데, 어디로 가야 하는지 방향을 아는 사람은 적은 거예요. 이 상태로 AI 도구만 가져다 쓰면 어떻게 될지, 어렵지 않게 그려지죠.

나우앤서베이 ’2026 한국 직장인 AI 리포트’를 보면, AI로 업무 효율이 향상됐다고 느끼는 사람은 75.8%인데, AI를 써도 업무 시간이 줄지 않았다는 응답도 54.1%예요. 효율은 향상됐는데 시간은 안 줄어든다는 게 동시에 사실인 거예요. KPMG 보고서에선 응답자의 64%가 “새로운 AI 도구로 인해 업무 부담이 늘었다”고 했고요.

물론 “AI 도입 조직이라고 무조건 번아웃”은 아니에요. Microsoft Ireland 조사에서는 AI·웰빙 연동 프로그램을 병행한 조직에서 번아웃이 오히려 줄었다는 사례도 있어요. 조직 설계에 따라 달라질 수 있다는 거죠.

AI 번아웃을 피하려면 뭘 바꿔야 할까요

AI 번아웃 대응 전략 카드 - 개인/조직 두 컬럼, 각 3가지 항목, 다크 네이비 배경에 체크마크 아이콘

연구들이 공통으로 말하는 대응 방향은 생각보다 단순해요.

개인 차원에서:

AI 도구 수를 3개 이하로 유지해요 (BCG 데이터: 4개 이상에서 생산성 급락)
방해 없는 집중 시간을 의도적으로 확보해요
검토·재검토 시간을 일정에 명시적으로 포함시켜요

조직 차원에서:

AI로 생긴 여유 시간을 새 업무로 즉시 채우지 않는 정책이 필요해요
AI 효율성 이득을 지속 가능한 업무량 설계에 재투자해야 해요
측정 지표를 자동화 효과 중심에서 혁신 창출 능력으로 전환해야 해요 (가트너 권고)

제본스 역설이 말해주는 건 “효율이 올랐다고 더 많이 쓰는 건 피할 수 없다”가 아니에요. 의식적인 설계가 없으면 그렇게 된다는 거예요. AI가 절약해준 시간을 조직이 자동으로 채우기 전에, 개인이 먼저 챙겨두는 게 지금 할 수 있는 가장 실용적인 대응이에요.

AI 번아웃은 “AI를 못 쓰는 사람”의 문제가 아니에요. 열심히 쓰는데 방향이 없을 때 생기는 문제예요.

AI 번아웃 요약 카드 - “AI 번아웃은 AI를 안 쓰는 사람이 아니라 열심히 쓰는 사람에게 온다 / 구조를 바꿔야 해결된다” 핵심 메시지, 다크 네이비 배경

깅글렛 한줄평

💬 AI 도구는 도로를 넓히는 게 아니라 차를 늘리는 일이에요. 넓어진 도로에 차가 더 몰리듯, AI로 생긴 여유에 일이 더 채워지기 전에 개인이 먼저 챙겨두는 습관이 필요해요.

마무리

AI 생산성 역설, 알고 나면 “내가 게으른 게 아니었구나” 싶어지죠. 구조가 그렇게 만들어진 거거든요. 다음 글에서도 AI 이슈를 쉽게 풀어서 찾아올게요.

※ 본 글은 2026년 6월 기준 정보를 바탕으로 작성됐어요. 연구 수치·조직 정책은 이후 변경될 수 있어요.