생산성 지표의 함정: AI 속도 향상의 실체
- •AI 기반 생산성 영향을 측정하기 위한 세 가지 핵심 지표가 제시되었다.
- •업무 대체로 인해 단순한 속도 향상과 실제 가치 창출 사이의 괴리가 발생한다.
- •특정 업무의 효율성 증대가 전체 경제적 성과에 대한 기대를 왜곡할 수 있다.
인공지능이 노동 시장에 미치는 영향을 논할 때 흔히 '시간 절약률'이라는 단일 지표에 집중하는 오류를 범한다. 개발자가 코딩 속도가 2배 빨라졌거나, 챗봇을 통해 행정 업무를 4배 빠르게 처리한다는 식의 주장이 대표적이다. 하지만 AI 연구 기관인 METR은 이러한 수치가 도구의 도입으로 변화하는 인간의 행동 양식을 고려하지 못하기 때문에 근본적으로 불완전하다고 지적한다. 연구진은 이를 기존 업무의 향상, 새로운 업무의 향상, 그리고 가치 증대라는 세 가지 지표로 구분한다.
핵심 문제는 '업무 대체(Task substitution)'에 있다. 문서 작성과 코드 리뷰를 병행하던 소프트웨어 엔지니어가 AI를 도입해 리뷰 속도를 높였다고 가정해보자. 엔지니어는 남는 시간에 일을 일찍 마치는 대신, 더 많은 리뷰를 하거나 완전히 새로운 유형의 업무를 시작할 가능성이 크다. 즉, 업무 구성이 변화함에 따라 도구 도입 전 수행하던 기존 업무의 속도만 측정해서는 전체 가치 변화를 파악하기 어렵다.
연구자들은 세 가지 지표 사이에 '기존 업무 향상 < 가치 증대 < 새로운 업무 향상'이라는 부등식이 성립함을 보여준다. AI 도입을 검토하는 학생이라면 단순히 이전 업무 처리 속도만 측정할 경우 실제 가치 상승을 과소평가할 위험이 있음을 인지해야 한다. 반대로 AI가 없었다면 시도조차 하지 않았을 새로운 프로젝트에만 집중하면, 실제 투입된 시간 비용을 간과한 채 생산성을 과대평가하게 된다.
가장 흥미로운 개념은 '캐딜락 업무(Cadillac Tasks)'이다. 이는 AI로 인해 특정 업무 비용이 매우 저렴해져서 한계 효용이 낮음에도 불구하고 과도하게 수행하는 현상을 말한다. 이러한 경우 새로운 업무에서의 생산성은 높게 나타나지만, 조직 전체에 기여하는 실질적 가치는 미미할 수 있다. 기업은 단순한 속도 지표를 넘어, 한 업무가 다른 업무로 얼마나 쉽게 대체될 수 있는지를 나타내는 대체 탄력성(Elasticity of substitution)을 분석해야 한다.
예비 노동자들에게 이러한 구분은 매우 중요하다. AI 도구의 성공 여부를 평가할 때, 단순히 할 일 목록에서 절약된 시간만 계산하지 마라. 대신 해당 도구가 업무의 본질적 구성을 어떻게 바꾸고 있는지 질문해야 한다. 단순히 같은 일을 더 많이 반복하고 있는 것인가, 아니면 이전에 불가능했던 새로운 업무를 수행하고 있는 것인가. 이 변화를 파악하는 것이야말로 오넷(ONET) 데이터베이스나 일반적인 챗봇 평가의 과장된 지표를 넘어 AI 혁명의 경제적 영향을 제대로 이해하는 핵심이다.