2026년 7월 발표된 캘리포니아대 연구와 TUC 보고서의 핵심 발견
캘리포니아 대학교(University of California)가 영국의 노동조합 연맹인 Trades Union Congress(TUC)를 통해 공개한 연구는 생성형 인공지능(AI)이 일상업무의 부담을 자동으로 줄이지 못한다고 결론지었다. 연구는 미국의 한 기술 기업에서 직원들이 자발적으로 AI 도구를 도입한 사례를 분석했고, AI 도입이 오히려 업무 속도를 높이고 책임 범위를 확장하며 근무 시간을 연장시키는 결과를 낳았음을 확인했다. 핵심 결론은 생성형 AI의 도입이 노동의 '강도(intensification)'를 촉진했다는 점이다.
이 기사는 해당 연구 결과를 산업·비즈니스 관점에서 재분석한다. 한국 기업들이 AI를 도입할 때 기대하는 인건비 절감·업무 자동화 효과가 실제로는 업무 재편과 인력 활용 방식의 변화를 통해 다른 형태의 비용과 리스크를 발생시킬 가능성이 크다.
본문은 연구가 제시한 근거를 세 가지 축으로 정리하고, 한국 기업의 전략·인사·투자 의사결정에 미칠 함의를 제시하며 반론을 검토한 뒤 결론을 도출한다. 연구는 우선 생성형 AI가 '일의 처리 속도'를 높였다고 지적한다. 사용자는 AI를 통해 문서 작성·자료 정리·초안 생성 등의 작업을 빠르게 처리할 수 있게 되었고, 이로 인해 관리자와 동료는 더 많은 산출물을 전제로 업무 목표를 설정하기 시작했다.
결과적으로 같은 시간대에 요구되는 업무량이 늘어났고, 직원들은 더 많은 과제와 연관된 책임을 떠안게 되었다. 성과 지표(KPI)나 OKR 같은 외생적 목표 설정 방식이 존재하는 조직에서 이 효과는 특히 강하게 작동한다고 연구는 분석했다. 다음으로 AI는 '업무 경계'를 흐리게 만들었다.
연구에서는 직원들이 AI를 이용해 자신의 업무 범위 밖 과업을 흡수하는 사례를 포착했다. AI로 특정 단계를 자동화하면 인접 단계의 작업이 더 쉽게 이어지므로 역할이 자연스럽게 확장되는 것이다. 이는 직무 설계가 고도화되지 않은 조직에서 직무 중복과 책임 불명확성을 유발했고, 장기적으로는 인사 평가와 보상 체계의 왜곡을 낳을 가능성이 있다.
광고
캘리포니아 대학교 연구팀은 이 현상이 관리자 수준의 기대치를 변화시켰으며, 일상적이고 반복적인 작업의 축소가 곧바로 여가 시간으로 전환되지 않았다고 진단했다.
기업 전략 관점에서 본 생산성 측정의 함정과 인사 리스크
세 번째로, 시간 사용의 변화가 근무 시간 연장으로 이어졌다. 연구 대상 기업의 직원들은 AI로 업무 속도를 높였으나 그로 인한 잉여 시간을 새로운 과제나 추가 검토에 투입했다.
연구진은 AI가 '더 많은 일을 더 쉽게 하는 도구'로 인식되면서 노동시간 규범과 업무 관행이 재조정되었다고 결론지었다. 이러한 메커니즘은 단순한 자동화 도입과는 구별된다. 자동화가 특정 업무를 대체해 업무량 자체를 줄이는 반면, 생성형 AI는 업무의 생산성을 높여 구성원들에게 추가 과업을 배분하는 방향으로 작동했다.
한국 시장에서의 함의는 복합적이다. 한국 기업들은 성과 중심·장시간 노동 문화가 비교적 강한 편이며, 성과 지표가 보상과 직결되는 방식을 널리 사용한다. AI로 산출을 끌어올리면 관리자는 이를 추가 성과로 환원시킬 유인이 존재한다.
또한 한국의 중견·중소기업은 직무 재설계 역량이 상대적으로 취약하므로 AI 도입이 직무 혼선과 인력 배치 문제로 연결될 위험이 크다. 노동법적 관점에서는 근로시간 산정과 초과근로 문제가 규제적 쟁점으로 부상할 소지도 있다. 연구 결과는 한국 기업들이 AI 도입 계획을 세울 때 단순한 '투입 대비 산출' 계산을 넘어 인력 배치·보상체계·근로시간 관리의 재설계를 함께 검토해야 함을 시사한다.
예상되는 반론은 분명하다. 일부는 생성형 AI가 반복적·단순업무를 제거해 노동 강도를 실제로 낮춘다고 주장할 수 있다. 기술 도입 초기에 나타나는 업무 재편은 일시적 현상이며, 장기적으로는 일의 질이 개선되고 불필요한 업무가 사라질 것이라는 관점도 있다.
그러나 캘리포니아 대학교 연구는 이러한 기대가 현실화되려면 기업의 제도적 보완이 필요하다고 봤다. 단순히 도구를 배포하는 수준으로는 관리자의 기대 조정이나 보상체계의 개편이 따라오지 않으며, 그 결과 업무 흡수가 지속될 가능성이 크다.
광고
단기적 효율성 개선과 장기적 노동 부담 경감은 자동으로 일치하지 않는다는 것이 이 연구의 핵심 경고다.
투자자·정책입안자가 새로 고려해야 할 지표와 규제 이슈
기업 전략 차원에서 실무적으로 고려해야 할 사항은 명확하다. AI 도입 전후의 업무량·역할·성과 지표를 명확히 측정하고, 도입 후 드러나는 초과 업무를 보상하거나 분배하는 메커니즘을 설계해야 한다.
인사 평가는 산출량뿐 아니라 업무 범위의 변화와 복잡성 증가를 반영하도록 개편해야 한다. 투자자 관점에서는 AI가 곧바로 인건비 절감으로 이어진다는 가정으로 기업 가치를 평가해서는 안 된다. AI 도입은 단기 생산성 충격을 제공할 수 있으나, 장기적으로는 인적 자원의 재투자·교육·조직 개편 비용이 수반될 가능성이 있다.
투자·정책 차원의 시사점도 분명하다. 투자자는 AI가 창출하는 추가 산출물이 기업의 영업이익으로 얼마나 전환되는지를 면밀히 따져야 한다.
기업의 재무모형에서 단순 비용 축소 가정을 수정할 필요가 있다. 정책 입안자는 근로시간 규정과 AI 도구 사용에 따른 노동 강도 변화를 고려해 근로자 보호 장치를 재검토해야 한다.
캘리포니아 대학교 연구와 TUC 보고서는 AI 확산 시대에 노동시장 규범이 기술 변화에 발맞춰 재정비되어야 한다는 근거를 제시했다. 이번 연구는 기업 전략과 노동 정책을 연결하는 실용적 경고로 읽힌다.
생성형 AI는 업무의 형태를 바꾸지만 그 결과가 자동으로 노동자의 여가나 복지로 이어지지는 않는다. 기업과 규제기관이 함께 성과 측정·보상 체계·근로시간 규범을 재설계하지 않으면 AI는 노동의 강도를 높이는 촉매로 작동할 가능성이 크다. 한국 기업들은 AI 도입을 통해 얻는 생산성 혜택을 비용 절감의 단일 지표로 환원하기보다, 조직 설계와 인사 운영의 총체적 전환으로 접근해야 한다.
기업이 어떤 내부 규칙을 바꾸고, 규제기관이 어떤 기준을 도입하느냐가 산업 경쟁력과 노동의 질을 동시에 결정할 것이다.
광고
FAQ
Q. 일반 직원은 생성형 AI 도입으로 실제로 어떤 영향을 체감하나
A. 캘리포니아 대학교 연구에 따르면 직원들은 생성형 AI를 통해 문서 작성·데이터 정리 등 반복업무를 더 빠르게 처리하지만, 그 여유 시간이 곧바로 휴식으로 이어지지 않는다. 관리자와 조직이 향상된 처리량을 기준으로 목표를 재설정하기 때문에 실질적인 업무 부담은 줄어들지 않거나 오히려 늘어나는 경향이 있다. 이 현상은 성과 지표와 보상이 연동된 조직에서 특히 두드러진다. 기업이 인사 정책과 보상 체계를 보완하면 업무 강도 상승을 완화할 수 있지만, 현행 평가 체계가 유지되는 한 직원의 부담이 장기화할 가능성이 크다.
Q. 투자자는 AI 도입 기업을 어떻게 다시 평가해야 하나
A. 투자자는 AI 도입이 곧바로 인건비 절감으로 연결된다는 가정을 재검토해야 한다. 이번 연구는 생산성 향상이 추가 업무와 책임 확대로 이어질 수 있음을 보여 주었으며, 이는 조직 개편·재교육·규제 대응 비용을 새롭게 발생시킬 수 있다. 단기 산출 증가의 지속 가능성, 인적 자원 관련 추가 비용, 노동법적 리스크를 재무 모델에 별도로 반영해야 한다. AI 도입 기업의 실적을 평가할 때 단순 비용 절감 지표보다 인력 재배치 현황과 조직 설계 변화를 함께 점검하는 것이 더 정확한 판단 기준이 된다.
Q. 한국 기업은 업무 강도 심화를 막기 위해 무엇부터 해야 하나
A. 가장 먼저 AI 도입 전후의 업무량과 역할 범위를 객관적으로 측정하는 체계를 갖춰야 한다. 도입 후 증가한 초과 업무에 대해 명확한 보상 또는 배분 메커니즘을 설계하지 않으면, 직원의 부담 증가가 자연스럽게 고착된다. 인사 평가 기준도 산출량 중심에서 업무 복잡성과 역할 확대를 반영하는 방식으로 전환해야 한다. 중장기적으로는 직무 재설계와 근로시간 관리 규정을 AI 도입 계획과 함께 수립하는 것이 조직의 지속 가능성과 인력 보호를 동시에 담보하는 경로다.
){kind=small}
){kind=small}
){kind=small}
){kind=small}