AI를 많이 쓰는 것이 생산성은 아니에요: 사람이 루프를 잡는 법

AI를 많이 쓰는 것이 생산성은 아니에요: 사람이 루프를 잡는 법

인간 중심 AI 활용 썸네일

AI 에이전트를 여러 개 띄우면 더 많은 일을 처리하는 듯한 기분이 들어요. 하지만 열린 대화와 미완성 작업이 늘수록 무엇을 끝내야 하는지는 흐려질 수 있어요. 브렌트 피츠제럴드는 몇 주간 AI를 쓰지 않은 뒤, 도구가 줄인 시간보다 새로 만든 압박과 의존을 먼저 돌아봤어요. 1

핵심 요약

구분	관찰한 변화	실무에서 확인할 부분
작업량	여러 대화와 터미널 창이 미완성 작업을 늘렸어요	동시에 진행하는 일의 수보다 실제 완료한 결과를 기록해요
사고 과정	불편한 작업을 AI에 먼저 넘기며 직접 생각할 시간이 줄었어요	판단과 글쓰기처럼 과정 자체가 중요한 일은 사람이 먼저 해요
학습	결과를 빨리 얻는 동안 시행착오에서 배우는 즐거움이 사라졌어요	개인 프로젝트에서는 속도와 학습 중 무엇을 원하는지 정해요
활용 범위	검색과 패턴 탐색처럼 범위가 좁은 작업에서는 도움받았어요	충분한 맥락과 명확한 출력 기준을 주고 결과를 직접 검토해요
운영 원칙	AI 사용 여부를 업무마다 따로 결정하기로 했어요	얻은 시간과 잃은 이해를 함께 평가해요

1. 에이전트 탭 11개가 남긴 것은 완료보다 압박이었어요

피츠제럴드는 휴가에서 돌아와 노트북을 열었을 때 중단된 cmux 탭 11개를 마주했어요. 각 탭에는 업무와 개인 프로젝트를 진행하던 여러 AI 작업이 남아 있었어요. Claude에도 세금, 조경 아이디어, 정책 문서 검토처럼 읽지 않은 대화가 쌓여 있었어요. 도구는 작동했지만 완성된 결과나 늘어난 여유로 이어지지 않았어요. 2

그는 AI를 쓰면 더 많은 일을 해야 한다는 압박이 커졌다고 적었어요. 중요한 일을 고르는 대신 새 대화를 열고 작업을 나누는 행동이 반복됐어요. 읽지 않을 Markdown 문서와 끝내지 못한 프로젝트가 늘면서 효율을 높이려는 활동 자체가 또 하나의 일이 됐어요.

728x90

불편함을 피하면 필요한 사고도 건너뛸 수 있어요

스트레스가 큰 일을 마주할 때 그는 직접 시작하기보다 AI를 사이에 뒀어요. 글을 써야 하면 생각을 받아쓰고, 운전하거나 걸으면서 ChatGPT와 대화를 이어 갔어요. 그러나 대화 결과를 실제 글에 거의 쓰지 않았어요. 동의와 격려가 많은 답변은 현실적인 검토 상대가 되기 어려웠다고 돌아봤어요.

개인 프로젝트의 감각도 달라졌어요. 예전에는 직접 만지고 실패하면서 배우는 시간이 휴식이 됐어요. AI 에이전트로 결과를 서둘러 만들자, 학습 과정이 줄었고 프로젝트를 즐기는 이유도 약해졌어요. 속도가 필요한 업무와 배우기 위한 작업에 같은 자동화 방식을 적용하면 이런 차이를 놓치기 쉬워요.

제한된 조사에는 여전히 쓸모가 있었어요

피츠제럴드는 AI를 완전히 배제하지 않았어요. 새 업무에서는 pi에 코드베이스, 위키, 스키마, 대화를 살펴보게 했어요. 먼저 자신이 상황을 파악하고 요구사항을 정리한 뒤, 문제 후보와 가능한 해결책만 돌려달라고 범위를 좁혔어요.

여러 시스템에서 패턴을 찾고 검색하는 일은 AI가 맡았어요. 그는 글쓰기와 성찰에 시간을 썼어요. 완벽한 답이나 10배의 생산성을 기대하지 않고, 자신이 놓친 맥락을 찾는 보조 수단으로 사용했어요. 이 방식에서는 사람이 문제와 출력 기준을 정하고 결과를 받아들일지 판단해요. 2

사용 시간을 줄이는 것보다 경계를 정하는 일이 먼저예요

이 경험은 한 사람의 기록이라 모든 사용자에게 그대로 적용할 수는 없어요. 피츠제럴드도 AI가 누구에게나 같은 영향을 준다고 주장하지 않아요. 제품의 형태와 사용 문화, 개인의 과로 습관이 함께 작용했다고 밝혀요.

그래도 팀에서 확인할 수 있는 신호는 구체적이에요. 진행 중인 AI 대화가 계속 늘어나는지, 생성한 결과물을 실제 업무에 쓰는지, 자동화가 자유 시간을 만들었는지 살펴볼 수 있어요. 코드 검색이나 자료 대조처럼 기준이 분명한 작업은 맡기고, 방향 설정과 글쓰기처럼 맥락과 판단이 중요한 일은 사람이 먼저 맡는 식으로 경계를 나눌 수 있어요.

왜 중요한가요

AI 생산성을 평가할 때 생성량만 보면 미완성 작업과 검토 비용이 빠져요. 에이전트가 만든 문서와 코드는 사람이 읽고 판단해야 실제 결과가 돼요. 동시에 여러 작업을 열어 두는 방식이 완료율을 낮춘다면 병렬 처리의 이점도 줄어요. 1

팀에서는 AI를 쓴 시간보다 완료된 작업, 실제로 채택한 결과, 재작업에 든 시간을 함께 볼 필요가 있어요. 개인 프로젝트라면 학습과 즐거움도 평가 기준에 넣을 수 있어요. AI에 맡길 일을 고를 때는 반복성, 검증 가능성, 맥락 누락의 위험을 먼저 확인해요. 사람이 목표와 경계를 정하고 필요할 때만 도구를 부르면, 자동화가 새로운 할 일 목록으로 변하는 상황을 줄일 수 있어요. 2

참고 자료

1. 인간이 루프의 중심이어야 한다 — GeekNews
2. The human is the loop — Brent Fitzgerald