AI 요약
히로키 다이치 렉터 대표는 AI가 단순히 작업을 빠르게 하는 '은탄환'이 아님을 지적하며, AI 도입이 오히려 업무 강도를 높이고 창의성을 저해할 수 있다는 최근 연구 결과들을 제시합니다. HBR(2026.2) 및 Nature Human Behaviour의 메타 분석에 따르면, AI와의 협업은 인간의 주의력을 분산시키고 집단 다양성을 감소시키는 부작용을 초래할 수 있습니다. 특히 효율화로 얻은 여유가 조직의 관성에 흡수되어 실질적 가치로 이어지지 않는 '사라지는 생산성(Vanishing Productivity)' 현상이 발생하고 있습니다. 경쟁자들도 동일한 AI 인프라를 사용하는 상황에서 단순 속도 향상은 상대적 우위를 제공하지 못하므로, 인간은 AI를 통해 ToDo를 '실행'하는 역할에서 '생성'하는 역할로 전환하고 업무의 입도를 10~20배 키우는 구조적 변화를 꾀해야 합니다.
핵심 인사이트
- 성능 한계와 현실: 개별 작업을 10배 빠르게 해도 인간의 비병렬적 작업 특성상 전체 생산성 향상은 약 1.8배에서 2.7배 수준에 머뭅니다.
- 데이터 기반 검증: Faros AI(2025)가 1만 명 이상의 개발자를 분석한 결과, AI 도입으로 인한 코드 품질 저하와 재작업이 효율 향상분을 상쇄하고 있음이 드러났습니다.
- 창의성 역설: 28개 실험(8,214명 대상) 분석 결과, AI는 개별 아이디어의 참신함은 높이지만 집단 전체의 아이디어 다양성은 급격히 감소시켰습니다.
- 자원 배분의 법칙: BCG(2024)의 1,000명 CxO 조사에 따르면, AI 가치 창출을 위한 리소스의 70%는 기술 자체가 아닌 사람과 프로세스 설계에 투입되어야 합니다.
- 오판 가능성: 74개 연구 리뷰 결과, 고정밀 자동화 시스템에 대한 의존으로 인간의 주의력이 저하되어 오판이 12% 증가하는 부작용이 관찰되었습니다.
주요 디테일
- Fred Brooks(1986)의 재조명: 소프트웨어의 본질적 복잡성은 AI로 대체 가능한 '우연적 복잡성'과 달리 구성 요소 간의 비선형적 상호작용으로 인해 쉽게 제거되지 않습니다.
- 업무 고밀도화: HBR(2026.2)은 AI가 일을 줄여주는 것이 아니라, 휴식 시간까지 작업을 끼워 넣게 만들어 업무를 더욱 강도 높게(Intensifies) 만든다고 분석했습니다.
- 레드 퀸 효과: AI는 이제 누구나 접근 가능한 인프라가 되었으며, MIT Sloan(2025)은 기술 격차가 축소됨에 따라 단순 활용만으로는 지속 가능한 경쟁 우위를 확보할 수 없다고 경고합니다.
- 역할의 전환: AI가 'How(구현)'를 담당함에 따라 인간은 'What/Why(기획 및 목적)'에 집중해야 하며, 1인이 관리하는 코드 규모를 10만~100만 행 단위로 확장해야 합니다.
- 조직적 대응: 가치 낮은 일을 적극적으로 삭감하고, 효율화로 확보된 시간을 능력 개발과 신규 가치 탐색으로 전략적으로 이전해야 합니다.
향후 전망
- AI 에이전트를 통해 1인당 관리할 수 있는 업무량이 기하급수적으로 늘어나면서, 개별 태스크 단위가 아닌 프로젝트 전체를 혼자 담당하는 방식으로 직무 설계가 개편될 것입니다.
- 절대적 작업 속도보다 조직의 학습 속도와 적응력이 생존의 핵심 지표가 될 것이며, '작업 후 논의'가 아닌 '선 실행 후 테스트' 중심의 워크플로우가 정착될 전망입니다.