활용률은 이미 변수가 아니다
교사도, 직장인도, 소상공인도 이미 AI를 씁니다. 그런데 쓴다는 사실과 성과가 났다는 사실 사이가 비어 있습니다. 그 간극이 이 글의 주제입니다.
아낀 시간은 어디로 사라지는가
시간이 안 줄어드는 데는 세 가지 경로가 있습니다. 셋 다 도구의 성능 문제가 아니라 일이 흘러가는 구조의 문제입니다.
빈자리는 즉시 채워진다
조사를 보도한 매체는 이렇게 정리했습니다 — 교사들은 이미 아낀 시간을 다른 업무에 다시 쓰고 있다. 원래부터 처리하지 못한 일이 대기열에 쌓여 있었기 때문입니다. 총량이 정해진 조직에서 개인이 만든 여유는 조직의 여유로 잡히지 않습니다.
생성은 빨라도 확인은 안 빨라진다
METR 실험에서 숙련 개발자들은 프롬프트를 쓰고, 나온 결과를 읽고, 틀린 부분을 고치는 데 시간을 되돌려줬습니다. 결과적으로 AI를 쓴 쪽이 19% 더 오래 걸렸고, 특히 짧은 작업일수록 손해가 컸습니다.
측정하지 않으면 계속 빨라 보인다
같은 실험에서 참가자들은 시작 전 24% 빨라질 것이라 기대했고, 끝난 뒤에도 20% 빨라졌다고 믿었습니다. 실제 기록은 반대였습니다. 시간을 재지 않으면 체감이 사실을 이깁니다.
"절약한 시간을 다른 업무에 다시 투입하고 있다"
매출 86%를 올린 쪽은 뭘 다르게 했나
김포의 스마트팜 업체 더자란(경기)은 중소벤처기업부와 한국중소벤처기업유통원이 주관하는 온라인 브랜드 소상공인 육성사업(TOPS 프로그램)에서 네이버·카카오 등 플랫폼 컨설팅을 받았습니다. 한 일은 문장을 대신 써 달라고 시키는 것이 아니었습니다. 네이버 스토어의 판매·고객 데이터를 AI로 분석해 구매 패턴을 파악하고, 그 결과를 고객관계관리(CRM) 시스템으로 고정했습니다.
결과는 6월 스마트스토어 매출 6,727만원, 5월 대비 86% 증가였습니다. 월 구매 고객은 1,134명에서 2,164명으로 약 두 배가 됐고, 광고 수익률은 약 450%로 보고됐습니다. 여기서 중요한 것은 증가율이 아니라 무엇이 반복 가능해졌는가입니다. 누가 언제 무엇을 다시 사는지를 매번 감으로 판단하던 일이, 한 번 만들면 계속 도는 흐름으로 바뀌었습니다.
앞의 교사 사례와 비교하면 차이가 선명합니다. 수업계획안 초안을 뽑는 일은 매번 새로 시작하는 일회성 작업이고, 구매 패턴 분석과 CRM은 한 번 세워두면 사람 손을 덜 타는 시스템입니다. 전자는 아낀 시간이 곧바로 다음 일로 흡수되고, 후자는 아낀 판단이 자산으로 남습니다.
| 구분 | 일회성 프롬프트 | 템플릿화 | 반복 자동화 |
|---|---|---|---|
| 전형적인 일 | 이번 주 공지문 초안, 낯선 자료 요약 | 매주 쓰는 보고서 양식, 고객 응대 문구 세트 | 주문·문의 데이터 분류, 재구매 알림, 재고 발주 추천 |
| 반복 빈도 | 월 1~2회 이하 | 주 1회 이상, 형식이 같음 | 주 5회 이상, 규칙으로 쓸 수 있음 |
| 구축에 드는 품 | 없음 | 1~3시간 | 수일~수주, 데이터 정리 포함 |
| 돌아오는 것 | 그 순간의 시간 | 매번의 시작 비용 | 반복되는 판단 자체 |
| 실패하는 이유 | 매번 다시 설명해야 함 | 양식이 자주 바뀜 | 데이터가 지저분하거나 검수를 안 함 |
표의 구분은 이 글이 정리한 기준입니다. 업종·조직 규모에 따라 경계선은 달라집니다.
이 작업, 자동화할 값이 있나
머릿속의 "왠지 편해진 것 같다"를 숫자로 바꿔봅니다. 핵심은 세 번째 슬라이더 — 결과를 검토하고 고치는 데 다시 드는 시간입니다. 이 값이 크면 자동화는 손해가 됩니다.
이 계산기는 추정 도구입니다. 실제 절감은 업무 성격·숙련도·데이터 상태에 따라 크게 달라지며, 어떤 결과도 특정 도구 구매나 도입을 권하는 것이 아닙니다. 판정 기준(회수 4주 미만 = 자동화, 4~26주 = 템플릿화, 그 이상 = 일회성)은 이 글이 정한 임의 기준입니다.
내 업무에 적용하는 4단계
순서가 중요합니다. 목록화를 건너뛰고 자동화부터 하면 앞의 계산기에서 손해로 나오는 작업에 시간을 붓게 됩니다.
반복 작업을 목록으로 꺼낸다
일주일 동안 한 일을 빈도 × 소요시간으로 적습니다. 머리로 세지 말고 실제로 적어야 합니다. 개발자들이 20% 빨라졌다고 믿은 그 착시가, 목록 없이 판단할 때 그대로 재현됩니다. 상위 다섯 줄만 남기면 충분합니다.
경계선 위쪽만 자동화한다
목록의 각 줄을 일회성 템플릿화 자동화 셋 중 하나로 분류합니다. 앞의 표와 계산기가 이 분류를 위한 것입니다. 주 5회 이상 반복되고 규칙으로 쓸 수 있는 일만 자동화 후보로 올립니다.
검증 절차를 함께 만든다
자동화의 실패는 대부분 결과물이 아니라 결과를 믿을 근거가 없다는 데서 옵니다. 샘플 검사 비율, 틀렸을 때 되돌리는 방법, 누가 최종 확인하는지를 만들 때 함께 정합니다. 이 절차가 없으면 검수 시간이 무한정 늘어 계산기의 네 번째 슬라이더가 100%를 넘어갑니다.
회수한 시간의 용처를 미리 정한다
이 단계를 빼면 처음의 역설로 돌아갑니다. 아낀 시간이 자동으로 다음 업무에 흡수되기 때문에, 무엇에 쓸지 먼저 정해야 합니다. 더자란이 회수한 것도 시간이 아니라 "누가 언제 다시 사는가"라는 판단이었고, 그 판단은 다음 달에도 다시 씁니다.
도입 전에 반드시 확인할 것
국내 조사들이 공통으로 가리키는 실패 지점 세 가지입니다. 비용보다 앞서는 문제가 있습니다.
얕은 단계에 머물러 있지 않은가
경기도시장상권진흥원 브리프에 따르면 디지털·AI를 쓰는 소상공인 중 83.3%가 기초·입문 단계이고, 회계·재고관리·데이터 분석까지 쓰는 곳은 16.8%에 그쳤습니다. 활용률과 활용 깊이는 다른 지표입니다.
비용이 아니라 필요가 문제일 수도
서울 소상공인 조사에서는 도입의 벽으로 비용 부담(69.0%)이 압도적이었지만, 같은 브리프의 미도입 이유 1위는 "필요성을 느끼지 못해서"(65.3%)였습니다. 필요가 없는데 예산을 넣으면 파일럿에서 멈춥니다.
읽힐 데이터가 있는가
더자란 사례의 출발점은 이미 쌓여 있던 판매·고객 데이터였습니다. 정리된 기록이 없으면 분석할 대상이 없고, 남는 것은 문장 생성뿐입니다. 자동화 이전에 기록부터 시작해야 하는 경우가 많습니다.
활용률은 입구 지표입니다. 영국 교사 80%, 부산 근로자 74.4%처럼 이미 높은 곳이 많은데, 같은 조사에서 근무시간이 줄었다는 응답은 35%였습니다. 무엇에 얼마나 깊이 쓰는지를 따로 봐야 합니다.
모든 경우가 그렇다는 뜻은 아닙니다. METR 실험은 평균 10년 이상 경력의 오픈소스 개발자 16명이 자신에게 익숙한 코드를 다룬 조건이었고, 그 조건에서 19% 더 걸렸습니다. 익숙한 영역일수록 검수 비용이 이득을 넘어설 수 있다는 신호로 읽는 편이 정확합니다.
더자란 사례는 정부·유통 플랫폼이 함께 붙은 지원사업(TOPS 프로그램) 안에서 나온 결과입니다. 다만 그 안에서 실제로 한 일 — 판매·고객 데이터 분석과 CRM 구축 — 은 규모를 줄여 스스로 시작할 수 있는 종류입니다. 시작점은 도구가 아니라 기록입니다.
정답은 없지만, 미리 정해두지 않으면 반드시 기존 업무가 채웁니다. 조사에서 근무시간이 그대로였던 이유도 여기에 있었습니다. 다음 자동화 대상을 만드는 데 쓰거나, 사람이 해야만 하는 일로 옮기는 것이 흔한 선택입니다.