# AI가 일을 줄이지 않는 이유: 생산성의 역설

> 2026-09-03 · Tom Tunguz · 큐레이션 김태우
> https://challengekim.com/insights/ai-does-not-eliminate-work-productivity-paradox-ko
> 원문: https://tomtunguz.com/ai-productivity-doesnt-mean-what-i-think/

## 핵심 요약

- **AI는 일을 없애지 않고, 결과의 상한선을 높입니다.** 같은 양의 노력으로 더 나은 결과물을 만들 수 있게 해줍니다.
- **기계적 작업은 줄어들지만, 인간의 주의는 가치사슬의 상위로 이동합니다.** 구조적 편집에서 수사적 정확성으로 옮겨갑니다.
- **체스 엔진의 등장 이후 그랜드마스터는 3배 증가했습니다.** 인간 기술이 사라지지 않고, 더 높은 수준에 도달하게 됩니다.
- **효율성이 증가하면 우리는 더 높은 기준을 추구하게 됩니다.** 이것이 제본스 역설의 진정한 의미입니다.

## AI의 진짜 역할: 일을 줄이는 게 아니라 상한선을 높이기

3년간 AI를 활용한 글쓰기의 거의 모든 방식을 시도해본 결과, 효과적이었던 것은 **폐쇄 루프 취향 플라이휠** 이었습니다. AI 에이전트가 초안을 작성하기 전에 배경 연구와 학습된 내부 규칙을 흡수하고, 생성 후 인간의 모든 비판을 검토 과정에서 포착하며, 그 교훈을 영구 파일에 기록하는 방식입니다.

일반적인 가정은 AI가 발전하면 **인간의 편집 작업이 사라질 것** 이라는 것입니다. 하지만 실제 데이터는 반대를 보여줍니다.

## 편집 작업이 사라지지 않고 '이동'했다

10개의 발행된 에세이 데이터를 분석해보면, 초안 수정 횟수는 크게 변동했습니다. 데이터 기반 게시물은 47번의 초안 수정이 필요했고, 에이전트 수명에 관한 에세이는 3번으로 끝났습니다.

그러나 **줄 단위 편집 횟수는 게시물당 평균 140회로 거의 변하지 않았습니다.** 전체 데이터셋에서 통계적으로 유의미한 감소가 보이지 않은 것입니다.

대신 작업의 **성격이 변했습니다.** 초기에는 대부분의 인간 노력이 구조적 분류(structural triage)에 들어갔습니다. 즉, 학술 문헌 검토를 제외하고, 논지를 첫 단락으로 옮기고, 깨진 서사 구조를 고치는 일입니다.

로컬 취향 기억이 안정되면서 구조적 혼란이 사라졌습니다. 에이전트는 첫 두 시도 안에 논지를 정확히 찾아냅니다. **그 결과, 인간의 주의는 전적으로 줄 단위의 정교한 작업에 집중됩니다.** 초안당 세부 편집 비율은 4.4에서 43.3으로 급증했습니다.

## 체스가 보여주는 같은 패턴

체스의 역사에서도 동일한 현상이 나타납니다. 체스 엔진이 등장했을 때, 일반적인 가정은 **인간 체스가 정체될 것** 이라는 것이었습니다. 기계가 사고를 담당하면 인간의 우위가 약화될 것이라고 말입니다.

하지만 데이터는 다른 이야기를 합니다.

1979년에는 전 세계에서 **단 한 명만이 2700점 이상을 기록했습니다**(아나톨리 카르포프). 오늘날 상위 30명의 선수는 평균 거의 2,750점에 달합니다. 한때 한 사람에게만 해당되던 이 기준점은 이제 최고 선수들 뒤의 무리를 나타냅니다.

더 놀라운 것은 그랜드마스터의 수입니다. 1993년에는 524명이었고, 오늘날 약 1,750명으로 **세 배 이상 증가** 했습니다. 기계가 강해졌다고 해서 엘리트 인재 풀이 줄어들지 않았습니다. 오히려 그것이 더 많은 기술을 가능하게 만들었고, 그것을 자유롭고 보편적으로 만들었습니다.

흥미로운 점은 선수들이 **더 많은 시간을 훈련에 쏟지 않았다** 는 것입니다. 컴퓨터 이전 시대의 챔피언 빅토르 코르치노이는 토너먼트 게임 시간만큼, 즉 하루 5시간을 훈련했습니다. 현대 훈련은 4시간입니다. 대신 **학습이 더 빨라졌습니다.** 한때 2주간의 자료 수집과 한 달간의 준비가 필요했던 것이 이제는 데이터베이스에서 30분이면 됩니다.

동일하거나 더 적은 시간으로 훨씬 더 높은 기술 수준에 도달할 수 있었던 이유는 선수들이 더 열심히 노력했기 때문이 아니라, **그들이 훈련에 사용한 도구가 더 좋아졌기 때문입니다.**

## 기준점의 상향: 제본스 역설의 진정한 의미

경제학자들은 이 패턴을 **제본스 역설** 이라 부릅니다. 자원의 효율성을 높이면 소비가 줄어들기보다는 오히려 증가한다는 이론입니다.

하지만 더 흥미로운 질문은 소비에 관한 것이 아닙니다. 그것은 **기준점에 관한 것입니다.**

AI는 단순히 시간을 절약하는 것을 넘어섭니다. 동일한 노력으로 얻을 수 있는 결과의 한계를 높여줍니다. 기계적인 작업은 줄어들고, 재량적인 노력은 가치사슬의 상위로 이동합니다.

글쓰기의 경우, AI 에이전트는 편집 작업을 구조적 분류에서 수사적 정확성으로 옮겨놓았습니다. 샘 레이스의 표현을 빌리면, 단어는 정보를 담는 수동적인 용기가 아니라, 독자의 마음에 겨냥된 **장전된 장치** 입니다. 소프트웨어가 구조적 발판을 구축하는 기계적 작업을 없애주면, 작가는 진정한 목표에 집중할 수 있게 됩니다. 부사를 제거하고, 문장 리듬을 조율하며, 대조를 날카롭게 하고, 장식적 절을 잘라내는 일에 말입니다.

## 결론

AI 시대의 진정한 변화는 작업이 사라지는 것이 아닙니다. **기준점이 올라가는 것입니다.** 우리가 AI 이전의 수준에 만족하고 멈출 것인가, 아니면 AI가 가능하게 한 더 높은 품질의 결과물을 추구할 것인가의 문제입니다.

성숙한 AI 활용의 척도는 **인간의 일을 없애는 것이 아닙니다.** 그것은 작가를 구조적 기술자에서 명사수로 격상시키는 것입니다.

---

원문을 바탕으로 AI 가 한국어로 요약·재구성한 글입니다. 인용·수치는 원문 링크에서 확인해 주세요. [원문 링크](https://tomtunguz.com/ai-productivity-doesnt-mean-what-i-think/)