AI가 아낀 시간은 어디로 가는가

AI로 개인의 작업 시간이 줄어도 팀의 일이 끝나는 시간은 그대로일 수 있다. 66개 기업의 현장 실험을 바탕으로 시간 절감, 업무량, 품질을 구분하고 절감한 시간을 업무 설계에 연결하는 방법을 살펴본다.

GPT Image 2로 생성한 개념 일러스트레이션이다. 실제 기업의 업무 현장이나 연구 결과를 그린 도표가 아니다.

AI가 보고서 초안을 빠르게 만들었다. 작성자는 분명 시간을 아꼈는데, 보고서가 승인되는 날은 달라지지 않았다. 검토자는 여전히 정해진 시간에 문서를 읽고, 필요한 자료는 다른 부서에서 기다려야 한다. 조직의 AI 도입에서 충분히 생길 수 있는 장면이다. 이때 작성자의 경험이 틀린 것도 아니고, 팀의 성과가 아직 달라지지 않았다는 관찰이 틀린 것도 아니다.

시간 절감은 누구의 어떤 시간을 재는지에 따라 다른 결과가 된다. 직접 손을 움직인 시간, 요청이 들어온 뒤 결과가 전달될 때까지의 시간, 근무시간 밖에서 마무리한 시간을 한 숫자로 묶으면 변화가 어디에서 일어났는지 보이지 않는다. AI를 쓰고 빨라졌다는 말 다음에는, 그 시간이 어디로 옮겨 갔는지 물어야 한다.

이 질문을 구체적으로 보여 주는 연구가 「Shifting Work Patterns with Generative AI」다. 개인에게 AI 접근권을 제공한 현장 실험에서 이메일에 쓰는 시간은 줄었지만, 관측한 업무량과 업무 구성의 광범위한 변화는 확인되지 않았다. 이 결과는 AI의 효용을 부정하기보다, 개인의 도구 사용과 조직의 업무 변화 사이에 남아 있는 일을 드러낸다. 연구 원문

주당 두 시간은 누구의 시간인가

Dillon·Jaffe·Immorlica·Stanton의 연구는 66개 대기업의 지식노동자 7,137명을 다뤘다. 2023년 9월부터 2024년 10월 사이 진행된 실험에서 직원들은 Microsoft 365 Copilot 접근권을 받는 집단과 비교 집단에 무작위 배정됐다. 기업에는 그 배정을 6개월간 유지하도록 요청했다. 주된 분석은 초기 적응기를 지난 배정 후 4~6개월의 행동에 초점을 둔다. 실험 설계와 분석 방법

논문에 등장하는 ‘주당 두 시간’은 모든 직원이 똑같이 절약한 시간이 아니다. 접근권을 제공받도록 배정된 집단을 기준으로 한 효과, 즉 ITT 추정에서는 Outlook 이메일 시간이 주당 약 1.4시간 줄었다. 실험 전 평균과 비교하면 약 12%다. 실제 사용 여부를 고려해 무작위 배정을 도구변수로 삼은 LATE 추정은 약 2시간, 17%의 감소를 보였다. 두 수치는 서로 다른 질문에 답하므로 바꿔 써서는 안 된다. 원문 §2.1–2.2.1

접근권 배정은 사용을 강제하지 않았다. 접근권을 받은 모든 사람이 계속 사용한 것도 아니고, 비교 집단의 모든 사람이 AI와 완전히 격리된 것도 아니었다. 논문은 Copilot을 배정받고도 쓰지 않은 경우와 비교 집단에서 별도로 접근권을 얻은 경우를 분석에 반영한다. 따라서 두 시간이라는 값을 구입한 계정 수에 곱해 곧바로 전사 절감 시간으로 보고하는 방식은 연구의 추정 대상을 바꿔 버린다.

무엇을 관측했는지도 중요하다. 연구진은 Microsoft 제품의 사용 기록으로 이메일, 회의, 문서 작업의 시간과 활동량을 측정했다. 직원이 만든 결과물의 내용이나 기업의 매출·성과평가를 관측한 것은 아니다. Outlook을 덜 사용했다는 결과를 조직 생산성이 같은 비율로 높아졌다는 문장으로 옮길 근거는 없다.

그렇다고 줄어든 시간이 무의미한 것은 아니다. 비슷한 양의 이메일 업무를 더 짧게 처리했다면 그 자체로 유용한 변화다. 다만 조직이 그 변화에 어떤 이름을 붙이는지가 중요하다. 시간 사용의 변화, 처리량의 변화, 결과 품질의 변화는 각각의 증거로 설명해야 한다.

이메일이 줄어도 회의는 남을 수 있다

이 연구에서 이메일 시간의 감소와 나란히 놓인 결과는 회의와 문서 작업이다. Teams 회의 시간과 Word 작업 시간에서는 다중검정을 고려한 분석에서 유의한 평균 변화가 확인되지 않았다. 답장을 보낸 이메일 대화 묶음 수, 참석한 회의 수, 완성한 문서 수에서도 뚜렷한 증가를 확인하지 못했다. 특히 문서 관련 분석은 표본이 더 작고 추정의 불확실성이 있으므로, 변화가 검출되지 않았다는 말을 효과가 정확히 0이라는 증명으로 읽어서는 안 된다. 원문 §2.2

연구진은 가능한 해석으로 개인이 혼자 바꾸기 쉬운 업무와 동료와 함께 바꿔야 하는 업무의 차이를 논의한다. 이메일을 읽는 순서는 개인이 바꿀 수 있다. 반면 회의 길이와 참석자, 공동 문서를 작성하는 역할은 다른 사람과 새 기준을 합의해야 바뀐다. 이는 관측 결과를 설명하는 해석이며, 특정 회의 규칙을 바꾸면 반드시 성과가 난다는 실험 결과는 아니다. 원문 §3

초안 작성으로 돌아가 보자. 다음 숫자는 연구의 측정값이 아니라 차이를 설명하기 위한 가상의 직렬 업무다. 초안 작성 45분, 검토 15분, 승인 대기 180분이 차례로 걸리면 전체 경과시간은 240분이다. AI로 초안이 15분에 끝나고 나머지 단계가 같다면 전체는 210분이다. 작성 시간은 3분의 1이 됐지만, 완료까지 걸린 시간은 12.5% 줄었다.

이 계산은 어느 팀의 실제 효과를 예측하지 않는다. 기다림이 고정돼 있고 단계가 겹치지 않는다는 단순한 가정이다. 실제 업무에서는 승인 일정이나 대기열 때문에 초안이 빨라져도 전달 시각이 같을 수 있다. 반대로 마감 전에 검토를 시작할 수 있게 되면서 전체 일정이 크게 당겨질 수도 있다. 그래서 작성자의 타이머만으로 고객이 기다린 시간을 대신할 수 없다.

AI가 만든 후보가 많아질 때도 비슷한 질문이 생긴다. 작성자는 편해졌지만 검토자가 읽어야 할 양이 늘었다면 부담이 옮겨 간 것일 수 있다. 이것은 위 연구가 확인한 일반적 결과가 아니라, 우리 업무에서 별도로 살펴볼 가능성이다. 좋은 후보의 생성과 최종 선택을 구분하는 문제에 이어, 이번에는 그 사이에서 누가 기다리고 누가 다시 일하는지 볼 필요가 있다.

절감 시간을 바로 새 업무로 채우기 전에

연구는 직원의 평소 근무시간대 밖에서 발생한 디지털 앱 사용 시간이 주당 약 0.25시간 감소한 결과도 보고한다. 이 지표는 하루 전체 노동시간이나 휴식의 질을 직접 측정한 값은 아니다. 연구진은 절감한 시간의 일부가 근무일 단축으로 돌아갔을 가능성을 제시하면서도, 상당 부분은 관측하지 못하는 활동으로 옮겨 간 것으로 보인다고 설명한다. 원문 §2.2.1

여기에서 “남는 시간은 모두 추가 생산에 써야 한다”는 결론이 자동으로 나오지는 않는다. 시간 밖에 밀려 있던 정리를 근무 중에 끝내거나, 반복 확인에 쪼개지던 시간을 모으는 것도 도입 목표가 될 수 있다. 반대로 고객 응답 지연을 줄이려던 프로젝트라면 담당자가 편해졌다는 사실만으로 목표 달성을 선언할 수 없다. 어느 변화를 기대하는지 먼저 정해야 한다.

품질에도 같은 주의가 필요하다. 이 연구는 이메일의 내용을 직접 평가하지 않았다. 동료에게 부담이 넘어갔는지 사용 기록으로 살핀 분석은 있지만, 그것을 모든 결과물의 품질이 유지됐다는 직접 증거로 대신할 수는 없다. 짧은 답변이 정확해졌는지, 필요한 설명이 빠졌는지는 실제 업무에서 별도로 확인해야 한다. 원문 §3

가령 지원팀의 목표가 반복 문의 처리 부담을 낮추는 것이라면, 초안 작성 시간과 함께 재문의·재작업을 볼 수 있다. 기획팀의 목표가 판단에 쓸 시간을 확보하는 것이라면, 초안 개수보다 중요한 검토가 실제로 수행됐는지 볼 수 있다. 이는 필자의 적용 제안이다. 논문이 이런 운영 지표의 효과까지 검증한 것은 아니다.

도입 보고서에 시간의 목적지를 적는다

작은 도입 시험에서는 한 업무의 시작과 끝부터 합의할 수 있다. ‘문의가 접수된 때’부터 ‘담당자가 승인한 답변이 전달된 때’까지를 한 건으로 정한다면, 작성 완료와 전달 완료를 혼동할 여지가 줄어든다. AI를 사용한 경우에도 기존의 승인 기준을 적용하고, 사용 조건과 예외 업무를 함께 남긴다.

다음 표는 이러한 시험을 위한 제안이다. 직원 개인의 화면 활동을 모두 추적하자는 뜻은 아니다. 업무 단위의 최소한의 기록과 허용된 표본 검토로, 바꾸려는 과정이 실제로 달라졌는지 확인하는 데 목적이 있다.

단순한 도입 전후 비교만으로 AI의 효과라고 단정하지 않는 것도 중요하다. 문의량, 업무 난도, 담당자의 경험, 인력 배치가 함께 바뀔 수 있다. 비교 조건을 만들 수 있다면 비슷한 업무를 같은 기간에 비교하고, 어렵다면 달라진 조건을 보고서에 남긴다. 효과를 정확히 분리하지 못한 결과에는 그 한계를 붙여야 한다.

결과에 따라 다음 행동도 달라진다. 작성 시간은 줄었지만 승인 대기가 그대로라면 검토 순서와 인계 조건을 살필 수 있다. 전체 시간이 줄었지만 재작업이 늘었다면 품질 기준과 사용 범위를 조정해야 한다. 처리량은 같아도 근무시간 밖 작업이 줄었다면, 처음의 목표에 따라 그것을 유효한 성과로 인정할 수 있다.

AI가 아낀 시간을 찾는 일은 빈 시간을 다시 채우는 작업과 같지 않다. 그 시간이 누구에게 돌아갔고, 어떤 기다림을 줄였으며, 무엇을 더 제대로 할 수 있게 했는지 확인하는 일이다. 도입 보고서의 마지막 줄에는 ‘몇 시간을 절감했다’와 함께, 그 시간으로 무엇이 달라졌는지가 적혀 있어야 한다.

근거: Eleanor Wiske Dillon·Sonia Jaffe·Nicole Immorlica·Christopher T. Stanton, Shifting Work Patterns with Generative AI, arXiv:2504.11436v4. 2026년 10월 27일 확인한 원문을 기준으로 했다. 초기 Copilot 도입기의 대기업·개인 수준 배정 실험이며, 모든 기업과 현재의 모든 AI 도구에 같은 효과를 보장하지 않는다. 위의 가상 계산과 운영 표는 연구 결과와 구분한 필자의 제안이다.