AI 생산성의 숨은 비용, 직원들은 주 6.4시간을 ‘봇시팅’에 쓴다

AI 도입이 사무직 생산성을 바로 끌어올릴 것이라는 기대와 달리, 실제 현장에서는 AI 결과를 확인하고 고치는 데 적지 않은 시간이 들어간다는 조사 결과가 나왔다. Glean의 Work AI Institute가 미국·영국·호주 디지털 업무 종사자 6,000명을 대상으로 조사한 결과, 응답자들은 평균적으로 주 6.4시간을 AI를 관리하는 데 쓰고 있다고 답했다.

보고서는 이 작업을 ‘봇시팅’으로 설명했다. AI에게 업무 맥락을 다시 넣어주고, 틀린 답을 고치고, 결과물을 검증하고, 여러 AI 도구 사이에서 같은 질문을 반복하는 숨은 노동을 뜻한다. 조사에 따르면 응답자의 87%는 직장에서 AI를 사용하고 있었고, 75%는 개인 생산성이 높아졌다고 답했다. 그러나 조직 전체 성과가 뚜렷하게 좋아졌다고 본 응답자는 13%에 그쳤다.

다만 이 수치는 실제 업무 로그나 기업의 생산성 지표를 직접 측정한 결과라기보다, 설문 응답자가 스스로 보고한 시간과 체감 효과를 바탕으로 한다는 점을 함께 봐야 한다. 주 6.4시간이라는 수치는 AI 관리 부담이 현장에 존재한다는 신호로 해석할 수 있지만, 업종·직무·회사 시스템에 따라 실제 부담은 달라질 수 있다. 75%가 개인 생산성 향상을 느꼈다는 응답 역시 체감치에 가깝고, 13%의 조직 성과 응답도 각 회사의 매출, 비용, 프로젝트 완료율을 일괄 측정한 지표는 아니다.

그럼에도 이번 조사가 보여주는 핵심은 분명하다. AI 사용량과 실제 업무 성과는 같은 말이 아니다. 기업이 챗봇, 코딩 보조도구, 문서 작성 도구를 빠르게 도입해도 내부 자료 접근, 보안 기준, 승인 절차, 품질 검증 방식이 정리돼 있지 않으면 직원이 그 빈틈을 메우게 된다. ITPro 보도에 따르면 응답자의 53%는 업무에 필요한 핵심 정보가 AI 시스템에서 접근 가능하지 않다고 답했다. 이 경우 직원은 AI를 쓰면서도 다시 문서를 찾고, 맥락을 설명하고, 결과를 재검토해야 한다.

보스턴권 독자에게 이 변화는 단순한 사무 자동화 뉴스가 아니다. 보스턴의 테크, 바이오테크, 대학 연구조직, 병원 행정, 금융·컨설팅 분야는 모두 규제와 검증이 중요한 지식노동 비중이 높다. 이런 조직에서는 AI가 초안 작성과 자료 정리를 빠르게 도울 수는 있어도, 임상 데이터 해석, 고객 정보 처리, 연구 문서 작성, 소프트웨어 배포, 재무 보고처럼 오류 비용이 큰 업무에서는 사람이 확인해야 할 범위가 넓다.

취업 준비생과 유학생 입장에서는 ‘AI를 쓸 줄 안다’는 표현만으로는 충분하지 않은 시장이 되고 있다. 채용 과정에서 더 설득력 있는 역량은 특정 AI 도구 사용 경험보다 AI 결과를 어떻게 검증했는지, 잘못된 출력물을 어떻게 잡아냈는지, 회사 데이터와 보안 기준을 지키며 업무 흐름에 어떻게 적용했는지에 가깝다. OPT나 H-1B 스폰서십을 고려하는 지원자라면 개인별 이민 판단과는 별개로, 고용주가 보는 실무 가치는 단순한 도구 활용보다 업무 리스크를 줄이는 판단력일 수 있다.

현직자에게도 신호는 있다. AI를 많이 쓰는 팀일수록 보이지 않는 확인·수정 시간이 늘어날 수 있다. 회의록 요약, 고객 이메일 초안, 코드 생성, 리서치 정리 같은 업무에서 AI가 줄여주는 시간과 사람이 다시 확인하는 시간을 따로 기록해두면, 개인 업무량을 설명하거나 팀 차원의 도구 선택, 데이터 연결, 교육 예산을 논의할 때 근거가 된다.

이직 준비자에게는 ‘AI와 함께 일하는 역량’의 기준이 조금 더 구체화되고 있다. 프롬프트를 잘 쓰는 능력도 의미가 있지만, 더 중요한 것은 좋은 입력 데이터를 고르는 능력, 결과물의 출처와 한계를 설명하는 능력, 사람이 승인해야 할 지점을 구분하는 능력이다. 소프트웨어 직군에서는 테스트·리뷰·보안 검토 경험이, 비즈니스 직군에서는 업무 프로세스 설계와 데이터 정리 능력이 함께 평가될 수 있다.

스타트업과 중소 비즈니스에는 다른 과제가 있다. AI 구독료를 늘리는 것만으로 생산성 개선이 자동으로 따라오지는 않는다. 고객 데이터가 흩어져 있거나, 문서가 최신 상태가 아니거나, 책임자가 불분명하면 AI 도구는 직원에게 추가 관리 부담을 줄 수 있다. 반대로 내부 지식관리, 권한 설정, 품질 검수 기준을 먼저 정비한 회사는 같은 AI 도구를 쓰더라도 더 안정적인 효과를 기대할 수 있다.

이번 조사에서 봐야 할 지점은 AI가 쓸모없다는 결론이 아니다. 설문 응답 기준이라는 한계를 감안하더라도, AI가 초안 작성, 반복 분석, 검색 보조, 코드 생성에서 시간을 줄일 수 있다는 응답은 여전히 많다. 다만 그 시간이 조직 성과로 이어지려면 AI를 감독하고 검증하는 일이 공식 업무로 인식되어야 한다. 보스턴의 직장인과 취업 준비생에게는 AI 활용 자체보다 AI가 만든 결과를 업무 기준에 맞게 다듬는 능력이 점점 더 중요한 신호로 읽힌다.