AI가 아낀 한 시간 반은 회사 성과로 바로 이어지지 않는다

한 시간 반을 아껴도 회사의 일은 그대로일 수 있어요

오전 회의록을 AI가 정리해 줬어요. 두 시간 걸리던 보고서 초안도 한 시간 만에 끝났어요. 그런데 오후에는 더 많은 수정 요청과 새 보고서가 들어와 하루 전체는 전과 비슷해질 수 있어요. 이 장면은 설명을 위한 예시예요. 연구가 실제 퇴근 시간을 측정한 것은 아니에요.

한국은행 노동시장연구팀 연구진은 2025년 5~6월 전국 15~64세 취업자 5,512명을 조사했어요. 생성형 AI 이용자는 평균 업무시간이 3.8% 줄었다고 답했어요. 주 40시간으로 바꾸면 약 1.5시간이에요. 다만 회사의 출퇴근 기록을 확인한 것이 아니라 응답자가 스스로 답한 시간이었어요.

연구진은 아낀 시간을 모두 생산 활동에 다시 쓴다는 강한 가정 아래 잠재 생산성 증가의 상한을 약 1.0%로 계산했어요. 실제로 1.0%가 늘었다는 뜻은 아니에요. 같은 조사에서 자기보고 시간 절감과 자기보고 과업 산출 증가의 상관계수는 0이었어요.

여기서 산출도 회사 매출이나 생산량을 외부에서 잰 숫자가 아니에요. 응답자가 자신의 과업 결과가 얼마나 늘었는지 답한 값을 연구진이 대리치로 썼어요. 그러므로 이 결과는 AI가 쓸모없다는 판정이 아니라 개인의 시간 절약이 조직 성과로 자동 번역되지는 않았다는 초기 신호에 가까워요.

빠른 초안 뒤에는 느린 승인 단계가 남아요

회사 일은 혼자 결승선을 통과한다고 끝나지 않아요. 초안은 팀장 검토를 받고 법무 확인을 거쳐 예산 승인을 기다려요. 한국은행 연구도 결정·협업·승인 방식이 그대로면 AI가 만든 시간 절약이 대기나 유휴 시간으로 나타날 수 있다고 가능한 메커니즘을 제시했어요.

간단히 가정해 볼게요. 한 팀이 하루에 초안 5개를 만들다가 AI로 10개를 만들게 됐어요. 최종 승인자는 여전히 하루 5개만 볼 수 있어요. 완성품은 5개로 그대로이고 검토 대기만 5개 늘어요. 이 숫자는 연구 결과가 아니라 병목을 설명하기 위한 예시예요.

초안이 늘면 읽고 고치고 책임질 사람의 일도 늘어요. 누가 최종 판단을 내리는지, 어떤 기준이면 통과하는지, 아낀 시간을 새 일과 학습 중 어디에 쓸지가 정해지지 않으면 도구가 만든 시간은 다시 대기열로 들어가요. 도구는 시간을 만들었지만 조직은 그 시간의 출구를 만들지 못한 셈이에요.

결정권이 클수록 시간을 성과로 옮기기 쉬워요

한국은행 연구의 평균 결과 안에도 차이는 있었어요. 자영업자와 전문직, 생성형 AI를 집중적으로 쓰는 하위 집단에서는 시간 절감과 자기보고 과업 산출 증가 사이에 양의 관계가 나타났어요. 다만 하위 집단의 상관관계이므로 결정권이 원인이라고 단정할 수는 없어요.

그래도 이 차이는 중요한 질문을 남겨요. 자영업자는 아낀 시간을 다음 고객에게 바로 쓸 수 있고, 전문가는 분석 순서를 스스로 바꿀 여지가 상대적으로 커요. 반면 많은 직장인은 두 시간을 아껴도 목표를 바꾸거나 승인 단계를 줄일 권한이 없어요.

그래서 AI 시대의 희소 자산은 모델 이용권만이 아닐 수 있어요. 아낀 시간을 어디에 쓸지 정하는 결정권과 업무를 처음부터 끝까지 다시 짤 권한이 함께 필요해요. 이는 연구가 직접 입증한 인과관계가 아니라 여러 결과를 종합한 이 글의 해석이에요.

AI 효과가 없다는 결론도 아직 이르다

유엔에서 노동 문제를 다루는 국제노동기구(ILO)는 2026년 연구 검토에서 과업과 개인 단위의 AI 효율 개선이 기업·산업·경제 전체의 측정 가능한 성장으로 아직 충분히 이어지지 않았다고 정리했어요. 효과가 넓게 퍼지고 업무 조직과 기술, 제도가 함께 바뀌어야 한다는 설명이에요.

반대쪽 증거도 있어요. 미국 리치먼드·애틀랜타 연방준비은행과 듀크대 연구진이 재무 임원 734명을 조사했더니 일부 기업은 AI 덕분에 생산성이 좋아졌다고 답했어요. AI로 좋아졌다고 직접 답한 폭은 같은 응답자가 보고한 매출과 고용 변화로 계산한 폭보다 컸어요.

여기서 뒤쪽 수치도 객관적 행정 자료는 아니에요. 같은 설문에서 기업이 답한 매출과 고용을 이용해 계산했어요. 미국 기업 설문과 한국 취업자 설문은 국가·표본·질문·계산법이 달라 정면 승부를 시킬 수도 없어요. 안전한 결론은 AI가 효과가 없다는 말도, 도입만 하면 효과가 난다는 말도 모두 너무 빠르다는 것이에요.

다음 병목은 무엇을 남길지 결정하는 일이에요

회사가 AI 성과를 로그인 횟수나 생성한 문서 수로만 재면 사람들은 더 많은 초안을 만들게 돼요. 하지만 읽고 고치고 승인해야 할 문서도 함께 늘 수 있어요. 사용량보다 업무가 시작돼 최종 승인될 때까지 걸린 전체 시간을 봐야 하는 이유예요.

• AI 사용 전후의 전체 업무 완료 시간을 비교해요.
• 승인 단계마다 머문 시간과 반려·재작업 횟수를 확인해요.
• 없애도 되는 보고서와 회의를 먼저 정해요.
• 아낀 시간을 고객 대응과 학습, 근로시간 단축 중 어디에 쓸지 합의해요.

2026년 7월 21일 현재, 이 한국은행 설문 결과를 국내 기업의 객관적 전사 산출로 다시 검증한 공식 후속 발표는 확인하지 못했어요. 따라서 이 연구를 AI 생산성 논쟁의 최종 결론으로 읽기보다 초기 도입기에 드러난 전환 병목을 보여주는 경고로 읽는 편이 안전해요.

그다음 병목은 의사결정이에요. 어떤 초안을 버리고 무엇을 책임질지 정하는 일까지 AI에 맡기면 속도는 더 빨라질 수 있어요. 대신 그럴듯하지만 쓸모가 낮은 결과물이 거의 비용 없이 계속 쌓일 수 있어요. 이렇게 AI로 대량 생산되는 저품질 콘텐츠를 흔히 AI 슬롭이라고 불러요.

그렇다고 사람이 모든 결과물을 처음부터 끝까지 검토하면 승인 대기라는 병목은 다시 돌아와요. 결국 남는 질문은 AI가 어디까지 결정하게 할지가 아니라, 어떤 결정은 빠르게 자동화하고 어떤 결정은 사람이 책임져야 하는지예요. 더 많이 만드는 능력과 더 잘 고르는 능력 사이에서 회사는 어떤 기준을 세워야 할까요?

자주 묻는 질문

한국은행 연구는 AI가 생산성을 높이지 못한다고 결론냈나요?

아니에요. 생성형 AI 이용자는 평균적으로 시간을 아꼈다고 답했지만, 그 시간 절감과 자기보고 과업 산출 증가의 평균 상관이 0이었다는 결과예요. 일부 하위 집단에서는 양의 관계도 나타났어요.

주당 약 1.5시간을 아꼈다는 수치는 무엇을 뜻하나요?

생성형 AI 이용자가 업무시간을 평균 3.8% 줄였다고 답한 결과를 연구진이 주 40시간 근무로 환산한 값이에요. 객관적 근태 기록이 아니며 개인과 직무마다 차이가 날 수 있어요.

국제노동기구는 어떤 기관인가요?

국제노동기구(ILO)는 유엔에서 노동 문제를 다루는 기관이에요. 이 글에서 인용한 자료는 새로운 단일 실험이 아니라 기존 연구를 검토해 AI의 작은 효율이 큰 생산성으로 이어지는 조건을 정리한 글이에요.

회사는 AI 성과를 무엇부터 측정하면 좋을까요?

AI 사용 횟수보다 업무가 시작돼 최종 승인될 때까지의 시간과 승인 대기시간, 재작업 횟수를 먼저 보면 좋아요. 아낀 시간을 어디에 다시 썼는지도 함께 기록해야 해요.