AI의 노동 주간 역설: 자동화는 늘었지만, 노동 시간은 최대 90시간
Google News는 8월 11일 뚜렷한 모순을 포착했다. AI 업계 리더들은 인간의 노동이 줄어들 것이라고 약속하지만, 일부 기술 업계 종사자들은 주당 노동 시간이 90시간에 육박한다고 말한다. BBC 조사는 AI가 자동화할 수 있는 일과 고용주가 그로 인해 생긴 여력을 활용하는 방식 사이의 격차가 확대되고 있음을 보여준다.
핵심 갈등은 AI가 개별 업무 시간을 절약하는지 여부가 아니다. 점점 더 많은 증거는 그것이 가능하다는 점을 보여준다. 문제는 절약된 시간을 누가 가져가는지, 그리고 고용주가 효율성을 여가, 더 높은 산출량, 또는 더 작은 팀으로 전환하는지에 있다.
이 문제는 이제 몇몇 강도 높은 스타트업을 넘어섰다. Meta 경영진은 직원들에게 AI로 확보한 시간을 추가 업무에 다시 투자하라고 말하고 있다. 한편 업계 전반의 기업들은 직원들이 AI 감독, 검증, 수정과 관련한 새로운 업무를 떠안는 가운데 성과 기대치를 높이고 있다.
그 결과는 불편한 역전이다. 반복 노동에서 벗어나게 해줄 기술로 홍보된 AI가 더 높은 산출 목표와 더 긴 근무 일정을 정상화하는 데에도 기여하고 있다. 기계는 더 빨리 일하지만, 인간의 노동일이 자동으로 짧아지지는 않는다.
Google News 보도가 실제로 바꾼 것
이번 보도는 추상적인 미래 노동 논쟁을 현재의 경영 갈등으로 바꿔 놓았다.
수년간 기술 업계 리더들은 인공지능을 반복 업무를 없애는 수단으로 설명해 왔다. 기대되는 보상은 단순해 보였다. 사람들이 이메일 초안 작성, 문서 검색, 일상적인 코드 작성에 쓰는 시간이 줄어든다는 것이다.
그 약속은 전적으로 허상이 아니었다. 생성형 AI는 메시지를 요약하고, 초안을 만들며, 정보를 찾아내고, 소프트웨어 변경안을 제안할 수 있다. 이러한 기능은 특히 입력값이 명확하고 결과물을 쉽게 검토할 수 있는 업무에서 특정 활동에 필요한 시간을 줄여준다.
그러나 업무 효율이 곧 더 짧은 노동 주간을 뜻하지는 않는다. 고용주는 업무가 빨라졌을 때 근무 시간을 줄이거나, 산출량을 늘리거나, 인력을 감축하거나, 더 복잡한 업무를 배정할 수 있다. 기술이 이 결과들 가운데 무엇을 선택할지는 결정하지 않는다.
Google News를 통해 배포된 BBC 보도는 이 구분을 이야기의 중심에 놓는다. AI 경제권의 일부 직원들은 이미 가혹한 72시간 ‘996’ 모델부터 주당 90시간에 이르는 일정까지 경험하고 있다고 말한다.
996은 매주 6일, 오전 9시부터 오후 9시까지 일하는 방식을 뜻한다. 출퇴근 시간, 심야 메시지, 추가 주말 업무를 제외하고도 총 72시간에 달한다.
Silicon Valley는 한때 996을 중국 기술 문화의 우려스러운 특징으로 여겼다. 2021년 중국 당국은 강제적인 형태의 해당 근무제를 불법으로 선언했다. 이후 미국의 AI 스타트업들은 이를 속도, 야망, 창업자 수준의 헌신을 상징하는 표현으로 채택해 왔다.
이 관행이 모든 기술 기업에 보편적인 것은 아니다. 모든 장시간 근무가 고용주의 공식 명령을 의미하는 것도 아니다. 일부 창업자는 상당한 지분을 보유하고 큰 금전적 보상을 기대하기 때문에 자발적으로 극단적인 시간 동안 일한다.
결정적인 차이는 그러한 창업자의 거래가 직원에게 요구 사항이 될 때 나타난다. 급여를 받는 직원은 동등한 통제권, 지분, 또는 해고에 대한 보호 없이도 같은 업무량을 감당할 수 있다.
이 추세에 관한 보도는 장시간 근무가 채용 공고, 채용 과정의 대화, 성과 규범, 경영진이 보이는 사례를 통해 자리 잡을 수 있음을 보여준다. 어떤 정책도 그 단어를 사용하지 않더라도 일정은 사실상 강제적일 수 있다.
이는 현재의 논쟁이 스타트업 문화에 관한 또 하나의 논쟁보다 더 중요하다는 의미다. AI는 과로를 정당화하는 경제적 논리를 바꾸고 있다. 실제 생산성 향상이 여전히 불확실한 상황에서도 관리자는 모든 직원이 추가 역량을 얻었다고 주장할 수 있다.
독자가 기억해야 할 변화는 이것이다. 자동화의 약속은 직원에게 제공되는 혜택에서 직원을 평가하는 기준으로 옮겨갔다.
AI는 업무를 절약할 뿐, 노동일 전체를 절약하지는 않는다
생산성 향상은 조직이 그 시간을 의도적으로 보호할 때에만 여가가 된다.
직장에서 생성형 AI를 다룬 가장 강력한 연구 중 하나는 Microsoft 365 Copilot을 사용하는 수천 명의 지식 노동자를 대상으로 했다. 연구진은 이 도구에 접근할 수 있게 된 것이 이메일, 문서, 회의 행동을 어떻게 바꾸는지 살펴봤다.
무작위 배정 방식의 업무 패턴 연구에 따르면, 적극적 사용자는 매주 이메일에 쓰는 시간이 3시간 이상 줄었다. 또한 문서 작업도 더 빠르게 끝내는 것으로 나타났다.
그러나 연구진은 회의 시간이 유의미하게 줄었다는 증거는 찾지 못했다. 직원들은 개인 이메일 습관은 바꿀 수 있었지만, 동료와 관리자가 함께 사용하는 캘린더를 독자적으로 재설계할 수는 없었다.
이 차이가 현재의 역설 상당 부분을 설명한다. AI는 업무 단위에서 작동하지만, 노동 시간은 조직 시스템에서 비롯된다. 회의, 승인 절차, 목표, 인력 구성이 바뀌지 않으면 초안 작성 속도가 빨라져도 노동 주간은 짧아지지 않는다.
같은 구분은 Boston Consulting Group의 2026년 연구에서도 나타난다. 이 글로벌 설문은 14개 시장과 여러 산업에 걸친 11,749명의 직원을 대상으로 했다.
정기적으로 현장에서 AI를 사용하는 이용자 중 42%는 매주 최소 하루치의 근무 시간을 절약했다고 답했다. 그러나 66%는 절약한 시간을 어떻게 활용해야 하는지에 대해 제한적이거나 전혀 없는 지침만 받았다.
절반 이상은 그 시간을 전략적 업무로 전환하지 못했다. 이 결과는 많은 고용주가 역할을 재설계하거나 생산성 향상의 분배 방식을 결정하지 않은 채 도구만 도입했음을 시사한다.
BCG 조사 결과는 응답자의 67%가 AI가 더 단순한 업무를 맡게 됐다고 답했음을 보여준다. 그 결과 직원들은 더 복잡한 업무의 비중을 더 많이 떠안게 됐다.
단순 업무를 없애면 직무가 개선될 수 있지만, 자연스러운 휴지 시간도 사라진다. 한 사람은 인지 부담이 낮은 구간을 거의 거치지 못한 채 판단이 많이 필요한 업무에서 또 다른 업무로 곧바로 이동할 수 있다.
응답자의 41%는 AI와 관련해 정신적 부담이 커졌다고 답했다. 절반에 가까운 응답자는 AI 결과물을 검토, 수정, 관리하거나 지시하는 데 더 많은 시간을 쓴다고 말했다.
이 검증 부담은 때때로 botsitting이라고 불린다. 직원은 빠르게 생성된 초안을 받아 주장을 확인하고, 오류를 고치며, 내부 기준에 맞추고, 최종 결과에 대한 책임을 진다.
이 과정은 여전히 시간을 절약할 수 있다. 하지만 남은 모든 시간을 더 부담스럽게 만들 수도 있다. 초안을 생성하는 데 걸리는 시간만 측정하면 이를 검증하는 데 필요한 집중력을 놓치게 된다.
AI 도구는 또 다른 측정 문제를 만든다. 관리자는 생성된 코드, 문서, 티켓, 마케팅 변형안은 쉽게 셀 수 있다. 반면 판단, 유지보수, 위험 방지, 부실한 결과물을 수정하는 비용은 측정하기가 훨씬 어렵다.
이 불균형은 기업이 눈에 보이는 물량에 보상하도록 부추긴다. 직원들은 더 많이 생산하고, 더 많이 검토하며, 더 오래 대응 가능한 상태로 남는다.
개별 직원은 프롬프트 품질만으로 이 문제를 해결할 수 없다. 더 짧은 노동 주간을 위해서는 마감일, 회의 구조, 인력 배치, 성과 평가를 함께 바꿔야 한다.
그런 변화가 없으면 절약된 시간은 역량 계획 속의 빈 공간이 된다. 경영진은 곧 그 공간을 또 다른 업무로 채운다.
Silicon Valley의 996 부활은 상황을 더 심각하게 만든다
AI 경쟁은 극단적인 상시 대응을 단순한 비상 상황의 일시적 대응이 아니라 채용 필터로 바꾸고 있다.
강도 높은 업무는 제품 출시, 보안 사고, 장애가 발생한 시스템 주변에서 늘 존재해 왔다. 일부 스타트업이 지속적인 과로를 정상적인 운영 모델로 내세운다는 점에서 새로운 양상은 다르다.
996 근무제는 주 6일, 하루 12시간의 노동을 요구한다. 일부 사례에서는 직원들이 주 7일 일하거나 일정을 72시간 이상으로 늘린다고 전해진다.
한 Silicon Valley 조사는 이 모델을 공개적으로 받아들인 AI 스타트업들을 확인했다. 홈서비스 계약업체를 위한 대화 분석 소프트웨어를 개발하는 Rilla는 약 80명의 직원 거의 전원이 996을 따랐다고 알려졌다.
이 일정을 지지하는 이들은 짧은 시장 기회가 이례적인 강도를 정당화한다고 주장한다. 기반 모델은 빠르게 변하고, 기존 대기업은 막대한 투자를 하고 있으며, 경쟁 제품은 몇 달 안에 눈에 보이는 기능을 모방할 수 있다.
그 압박은 현실적이다. 소규모 기업은 더 많은 컴퓨팅 자원, 유통망, 자본을 가진 대형 경쟁사보다 더 빠르게 제품을 출시해야 한다고 판단할 수 있다.
그러나 AI라는 설명은 전통적인 인력 배치 결정을 가릴 수 있다. 기업은 지속 가능한 업무량을 감당할 만큼 인력을 채용할 수도 있고, 더 적은 인원을 채용한 뒤 각자가 더 넓은 범위를 맡기를 기대할 수도 있다.
AI는 두 번째 선택지를 기술 발전처럼 제시하기 쉽게 만든다. 경영진은 더 작은 팀을 “AI-native”라고 설명할 수 있으며, 실제 산출이 광범위한 인간의 초과 근무에 의존하더라도 마찬가지다.
노동시장도 이러한 압박을 강화한다. 기술 업계의 해고는 직원들의 고용 안정감을 낮췄고, 한정된 경력 AI 연구자 그룹에 대한 수요는 여전히 강하다.
그 선호받는 집단 밖의 직원들은 어려운 계산에 직면한다. 다른 지원자들이 극단적인 일정을 받아들이는 상황에서 이를 거부하면 헌신이 부족한 것으로 보일 수 있다.
채용 공고와 채용 통화는 기대치를 명시적으로 드러낼 수 있다. 승진, 공개적인 칭찬, 응답 시간 모니터링, 또는 매일 밤 온라인 상태를 유지하는 고위 리더를 통해 내부 문화가 같은 결과를 만들 수도 있다.
문제는 총 노동 시간을 넘어선다. 장시간 근무는 학습, 가족 책임, 의료 서비스, 회복에 쓸 수 있는 시간을 줄인다. 또한 삶을 일 중심으로 구성할 수 있는 사람들로 노동력을 제한할 수 있다.
이러한 선별 효과는 사업상 결과도 낳는다. 기업은 경험 많은 직원, 돌봄 책임자, 지속적인 수면 부족이 결국 판단력을 해친다는 점을 인식하는 지원자를 잃을 수 있다.
소프트웨어 개발은 특히 취약하다. 더 많은 코드가 항상 더 많은 진전을 뜻하지는 않는다. 추가되는 모든 기능에는 테스트, 보안, 유지보수, 통합의 의무가 따른다.
AI는 구현 옵션을 빠르게 생성할 수 있지만, 운영 환경의 실패에 대한 책임까지 없애지는 않는다. 팀은 무엇을 만들어야 하는지 여전히 결정해야 하며, 동작을 검증하고 시스템이 실패했을 때 결과를 관리해야 한다.
따라서 주당 90시간은 눈에 보이는 활동의 오해를 부르는 급증을 만들 수 있다. 기업은 더 많은 커밋과 출시를 기록하는 동시에 결함, 불명확한 책임 소재, 기술 부채를 쌓아간다.
단기 산출은 인상적으로 보일 수 있다. 지연된 비용은 나중에 나타나며, 종종 시스템을 만든 사람들이 번아웃되거나 떠난 뒤에야 드러난다.
핵심 역전: 효율성은 업무 목표를 높였다
AI가 직장에 미치는 가장 즉각적인 효과는 근무 시간 약속의 축소가 아니라 더 높은 성과 상한인 경우가 많다.
Meta의 내부 논쟁은 이러한 변화를 보여준다. 최고기술책임자 Andrew Bosworth는 AI로 절약한 시간을 사용자를 위한 추가 업무에 써야 한다고 직원들에게 말했다고 전해진다.
Meta 직원 회의에 관한 보도에 따르면, Bosworth는 자신이 확보한 추가 한 시간을 더 많은 일을 하는 데 쓴다고 말했다. 그는 이후 추가 휴가에 관해 질문한 직원에게 지나치게 강하게 대응한 것에 대해 사과했다.
그의 답변은 경영 논리를 이례적으로 선명하게 드러냈다. AI가 한 시간을 만들어내면, 회사는 새로운 생산 역량을 본다. 직원은 휴식이나 더 짧은 근무일의 기회를 볼 수 있다.
어느 결과도 기술만으로 자동으로 따라오지는 않는다. 어떤 요구를 우선할지는 조직이 선택한다.
이것이 Google News 보도의 핵심 갈등이다. AI 효율성은 고용 계약이 변하는 속도보다 더 빠르게 기대치를 끌어올렸다. 노동자는 기존 업무를 계속 책임지는 동시에 새로운 산출 목표까지 떠안고 있다.
이 패턴은 오래된 경제적 효과를 닮았다. 자원이 더 저렴해지거나 효율화되면, 조직은 소비량을 유지하기보다 오히려 더 많이 소비하는 경우가 많다.
AI는 초안, 프로토타입, 분석물을 만드는 비용을 낮춘다. 기업은 이에 대응해 더 많은 초안, 더 많은 프로토타입, 더 많은 분석을 요구한다.
한때 캠페인 콘셉트 세 개를 만들던 마케팅 직원은 이제 20개를 요구받을 수 있다. 한 가지 접근법을 구현하던 개발자는 다섯 가지 대안을 생성한 뒤 이를 비교해야 할 수 있다.
지원팀은 근무 시간을 줄이지 않은 채 더 많은 티켓에 답변할 수 있다. 관리자는 더 높은 처리량을 보지만, 노동자는 더 빠른 업무 속도를 경험한다.
도구는 합리적인 업무로 간주되는 범위도 넓힐 수 있다. 이전에는 시간이 너무 많이 든다는 이유로 거절됐던 과제가 AI가 첫 단계를 저렴하게 처리하면서 백로그에 들어온다.
모든 국지적 절감은 새로운 요청을 만든다. 각 단위에 필요한 시간은 줄어들어도 전체 업무량은 늘어난다.
이러한 역학은 AI가 자연스럽게 여가를 만든다는 주장을 약화시킨다. 더 높은 생산성은 더 짧은 근무시간을 뒷받침할 수 있지만, 노동자가 그 이익의 일부를 받아야만 가능하다.
역사적으로 그 분배는 협상, 노동 규정, 경쟁적인 채용 환경, 경영진의 선택에 좌우돼 왔다. 새로운 기계만으로 주말, 초과근무 보호, 유급휴가가 정착한 것은 아니다.
같은 원칙은 생성형 AI에도 적용된다. 기업은 효율성을 더 높은 보상, 근무시간 단축, 품질 개선, 추가 산출, 또는 인력 감축 중 어디에 활용할지 결정해야 한다.
대부분의 조직은 이러한 결과를 조합할 것이다. 중요한 질문은 그 비율과 직원이 이에 영향력을 행사할 수 있는지 여부다.
기업은 조정의 함정에도 직면한다. 한 고용주는 지속 가능한 일정을 원할 수 있지만, 996을 요구하는 경쟁사에 속도에서 밀릴까 우려할 수 있다.
그러한 우려는 산업 전반의 경쟁적 확대로 이어질 수 있다. 결과물의 품질이 낮아지더라도, 각 기업은 경쟁사도 같은 일을 하고 있다고 가정해 근무시간을 늘린다.
투자자들이 빠른 사용자 또는 매출 성장을 보상할 때 경쟁은 특히 치열해진다. 장기적인 유지보수 비용은 이번 분기에 출시되는 제품보다 덜 눈에 띈다.
AI는 이때 두 가지 역할을 한다. 경쟁의 대상이자, 이를 구축하는 사람들에게 더 많은 산출을 요구하는 근거가 된다.
생산성 수치가 증명하지 못하는 것
노동자의 증언도 경영진의 열의도 극단적인 근무시간이 지속 가능한 사업 가치를 만든다는 사실을 입증하지는 않는다.
주 72시간과 90시간 근무에 대한 보도는 주목할 만하지만, 모든 AI 회사를 설명하지는 않는다. 공개적으로 발언하는 스타트업 직원은 특히 심각한 직장을 대표할 수 있다.
마찬가지로, 8시간을 절약했다고 답한 설문 응답자가 고용주에게 8시간의 가치 있는 산출을 가져다줬다는 뜻은 아니다. 자기보고식 시간 절감은 관찰된 생산성, 품질, 재무 성과와 다를 수 있다.
과업 단위 연구는 더 통제된 증거를 제공하지만, 결론의 범위는 여전히 좁다. Copilot은 초기 배포 기간에 활성 사용자들의 이메일 처리 시간을 줄였다. 그렇다고 모든 노동자, 도구, 기업이 같은 결과를 얻는다는 점이 입증된 것은 아니다.
연구는 개인의 이득이 전체 업무를 바꾸지 못할 수 있는 이유도 보여줬다. 회의와 조정 프로세스는 노동자가 독립적으로 통제할 수 있는 활동보다 덜 변했다.
따라서 기업 리더는 일반적인 생산성 추정치를 모든 직무의 할당량으로 취급해서는 안 된다. 엔지니어, 변호사, 디자이너, 영업 담당자는 서로 다른 오류 비용과 업무 흐름에 직면한다.
AI 성능은 하나의 직업 안에서도 다르다. 모델은 일상적 기능에 유용한 초안을 만들 수 있지만, 낯선 시스템이나 모호한 요구사항에서는 실패할 수 있다.
산출물이 그럴듯하지만 잘못됐을 때 검토 시간은 늘어난다. 유창한 언어가 실수를 숨길 수 있기 때문에 노동자는 세부 사항을 정확히 살펴야 한다.
높은 물량은 그 위험을 키운다. 팀이 더 많은 자료를 생성하면 더 많은 자료를 검토해야 한다. 병목은 사라지지 않은 채 생성에서 검증으로 옮겨갈 수 있다.
산출과 결과 사이에도 차이가 있다. 더 많은 코드가 반드시 더 신뢰할 수 있는 제품을 만드는 것은 아니며, 더 많은 영업 메시지가 더 많은 고객을 보장하지도 않는다.
BCG 설문조사는 유용한 경고를 제공한다. 응답자의 60%는 충분히 좋은 업무로 간주되는 기준이 높아졌다고 답했고, 72%는 요구되는 역량이 바뀌었다고 답했다.
적절한 역량 강화 교육을 받았다고 믿은 사람은 36%에 불과했다. 이 격차는 노동자에게 그에 상응하는 준비 없이 새로운 기대를 부과한다.
이는 자발적 과로에 대한 주장도 복잡하게 만든다. 직원은 공식적으로 장시간 근무를 선택할 수 있지만, 해고, 불확실한 기준, 또는 대체될 수 있다는 두려움에 반응하고 있을 수 있다.
극단적인 일정은 계약상 합의된 것처럼 보이면서도 실제로는 강압적일 수 있다. 그 구분은 협상력, 대체 가능한 일자리, 거절했을 때의 결과에 달려 있다.
이 모든 것이 요구가 높은 스타트업 문화가 항상 실패한다는 뜻은 아니다. 소규모 팀은 집중적인 업무 기간에 중요한 제품을 만들어 왔고, 일부 직원은 지분과 경험을 위해 위험을 충분히 인지한 채 받아들인다.
근거 없는 도약은 리더가 예외적인 노력을 영구적인 운영 체제로 취급할 때 발생한다. 스프린트에는 끝이 있다. 지속적인 긴급성의 문화에는 없다.
지속적인 과로는 그 자체의 사각지대를 만든다. 지친 팀은 출시가 유일하게 인정되는 헌신의 척도가 되면서 우선순위에 의문을 제기하지 않게 될 수 있다.
피로로 인해 신중한 검증이 더 어려워지는 바로 그때, 팀은 AI 산출물에 의존하게 될 수도 있다. 이 조합은 운영, 법률, 보안 위험을 높인다.
책임 있는 결론은 어느 한쪽의 가장 강한 주장보다 더 좁다. AI는 의미 있는 시간을 절약할 수 있으며, 일부 기술 노동자는 여전히 극단적인 근무시간을 소화하고 있다.
생산성과 여가는 별개의 결과이므로 이 사실들은 공존할 수 있다. 이 둘을 연결하는 것은 소프트웨어가 아니라 경영 시스템이다.
노동자와 고용주가 다음으로 주목해야 할 것
다음 증거는 또 하나의 극적인 AI 시연이 아니라 업무량 설계, 유지율, 품질 지표에서 나올 것이다.
첫 번째 신호는 기업이 공식적인 성과 기대치를 바꾸는지 여부다. 리더는 AI 절감분이 인력 감축, 산출 목표 확대, 또는 더 짧은 일정 지원에 쓰이는지 공개해야 한다.
정책이 절약된 모든 시간을 휴가로 보장할 필요는 없다. 다만 혜택이 어떻게 공유되는지, 그리고 숨은 업무가 사라진 것처럼 보이지 않도록 어떤 지표를 활용할지 설명해야 한다.
모델 산출물 검토는 업무로 인정돼야 한다. 생성된 코드 수정, 결정 사항 문서화, 중복 노력 해결, 맥락 전환 처리도 마찬가지다.
단순한 산출 지표는 기여도를 왜곡할 수 있으므로 노동자에게는 이러한 활동의 기록이 필요하다. 검색 가능한 engineering knowledge base는 모든 기여를 코드 수로 환원하지 않으면서 결정, 수정, 기술적 맥락을 보존할 수 있다.
두 번째 신호는 유지율이다. AI 우선 조직이 숙련된 인력을 지속적으로 잃는다면, 극단적인 일정은 역량을 만들어내는 속도보다 더 빠르게 소모하고 있을 가능성이 크다.
이직률은 개인 창업자에 관한 극적인 이야기보다 더 중요하다. 숙련된 직원은 시스템 지식, 고객 맥락, 과거 실패에 대한 이해를 갖고 있다.
기업은 서로 다른 AI 기대치를 가진 팀 간의 이직률, 병가, 사고 발생률, 채용 제안 수락률을 비교해야 한다. 이러한 비교는 추가 산출이 지속 가능한지 드러낼 수 있다.
직원은 채용 공고도 주의 깊게 살펴봐야 한다. “고강도”, “창업자 마인드”, “항상 연결” 같은 표현은 총 근무시간을 명시하지 않으면서도 실제 일정 요건을 전달할 수 있다.
지원자는 팀이 주말, 긴급 상황, AI 검토, 대규모 출시 이후의 기간을 어떻게 처리하는지 물어볼 수 있다. 그 답은 일과 삶의 균형에 대한 포괄적인 약속보다 더 많은 정보를 제공한다.
세 번째 신호는 품질을 조정한 생산성이다. 기업은 AI 지원 산출물이 검토를 통과하고, 고객에게 도달하며, 유지보수 가능한 상태로 남는지 측정해야 한다.
유용한 지표에는 결함, 재작업, 보안 사고, 고객 유지율, 생성된 자료를 수정하는 데 드는 시간이 포함된다. 후속 팀이 이를 폐기하거나 수리한다면 산출의 큰 증가는 의미가 거의 없다.
줄어든 업무에 대한 주장에도 같은 기준이 적용돼야 한다. 직원이 그 차이를 회의나 검증에 쓴다면, 초안 작성 시간이 짧아졌다고 해서 근무 주간이 짧아진 것은 아니다.
지식 노동자는 완료된 업무, 수정된 결정, 최종 산출물 뒤에 숨은 노동의 증거를 보존함으로써 자신을 보호할 수 있다. 개인 AI workflow는 또 다른 긴 보고 의식을 추가하지 않고도 그러한 기록을 문서화하는 데 도움이 될 수 있다.
네 번째 신호는 대형 고용주가 Meta의 프레이밍을 따르는지 여부다. 더 많은 경영진이 절약된 모든 시간을 다시 투입하라고 명시적으로 지시한다면, 생산성 배당은 계속 산출 쪽으로 흘러갈 것이다.
고용주가 서비스와 품질을 추적하면서 근무시간 단축 일정을 시험하기 시작한다면, 더 짧은 근무 주간의 약속은 근거를 얻게 될 것이다. 그때까지 이는 기술적 결과가 아니라 정책 제안으로 남는다.
마지막 신호는 규제 당국의 관심이다. 기존의 임금, 초과근무, 건강, 산업안전 규정은 AI가 만들어내는 역량 목표를 중심으로 설계되지 않았다.
당국은 무급 노동이나 강압적인 일정 편성을 조사하기 위해 인공지능의 새로운 정의가 필요하지 않다. 직원이 언제 일했고 고용주가 무엇을 기대했는지 보여주는 신뢰할 수 있는 기록이 필요하다.
Google News는 더 빠른 모델과 더 큰 생산성 추정치에 관한 이야기를 계속 전할 것이다. 독자는 헤드라인 숫자를 넘어 절약된 시간이 어떻게 됐는지 물어야 한다.
직원은 더 적게 일했는가, 더 많이 생산했는가, 기계를 감독했는가, 아니면 사라진 직무를 메웠는가? 검토 후 품질은 개선됐는가, 아니면 회사가 단지 더 빨라졌는가?
이 질문들이 AI가 진정한 노동 절감 기술이 될지, 아니면 업무를 강화하는 또 하나의 도구가 될지를 결정한다. 답은 벤치마크에서 나오지 않을 것이다. 지금 조직이 채택하는 일정, 인력 배치 선택, 보호 조치에서 드러날 것이다.
