AI를 쓰면 시간이 줄어든다고 했는데, 실제로 써보니 오히려 일이 더 많아졌습니다. 저도 처음엔 "이제 좀 여유로워지겠다"라고 생각했는데, 어느 순간 하루에 처리하는 작업량이 예전의 서너 배가 되어 있었습니다. 이게 진짜 시간을 버는 건지, 아니면 기대치만 올라간 건지 한번 짚어볼 필요가 있습니다.
시간은 줄었는데 왜 더 바빠졌을까
한국인의 AI 사용 목적 1위가 편리함과 시간 절약이라는 조사 결과가 있습니다. 36.9%가 이 항목을 꼽았고, 실생활 문제 해결에서는 63%가 AI가 사람보다 낫다고 평가했습니다(출처: 정보통신정책연구원). 숫자만 보면 AI가 분명 시간을 아껴주는 것 같습니다. 그런데 제가 직접 써봤는데, 뭔가 이상했습니다.
예전에는 글 하나 쓰는 데 반나절이 걸렸습니다. 자료 찾고, 검색창을 수십 번 오가고, 문장 다듬는 과정이 전부 손으로 이루어졌으니까요. 지금은 생각나는 순간 음성으로 내용을 쏟아내고, AI가 그걸 정리하면 저는 흐름만 다듬습니다. 작업 시간이 체감상 10분의 1 수준으로 줄었습니다. 그런데 이상하게도 퇴근 시간은 달라지지 않았습니다. 하나를 빠르게 끝내면 그 자리에 두 개, 세 개가 채워지는 식이었습니다.
타임해킹의 역설
위의 상황이 바로 타임해킹(Time Hacking)의 역설입니다. 타임해킹이란 AI나 자동화 도구로 작업 시간을 극단적으로 단축하는 전략을 말합니다. 한 시간에 열 개 처리하던 걸 백 개 처리할 수 있게 되는데, 문제는 기업이나 주변 환경이 그 백 개를 새로운 기준으로 받아들인다는 점입니다. 쉽게 말해 생산성이 올라가면 기대치도 같이 올라가는 구조입니다.
저는 특히 이동 중에 이 패턴을 많이 경험했습니다. 길을 걷다가 아이디어가 떠오르면 바로 음성으로 말하고, 나중에 정리된 내용을 보는 식입니다. 예전에는 "나중에 써야지" 하다가 까먹은 게 훨씬 많았는데, 지금은 그런 일이 줄었습니다. 그 대신 아이디어를 기록하는 데 쓰던 시간이 그대로 새 아이디어를 만드는 데 다시 투입됩니다.
이 과정에서 온디바이스 AI(On-device AI)가 꽤 중요한 역할을 합니다. 온디바이스 AI란 인터넷 서버에 데이터를 보내지 않고 기기 내부에서 직접 처리하는 AI 기술을 말합니다. 실시간으로 음성을 텍스트로 변환하거나 로컬에서 언어를 처리하는 기능이 여기에 해당합니다. 저는 이 기능 덕분에 생각과 기록 사이의 간격이 거의 사라졌습니다. 그게 편리하면서도 동시에, 멈춰서 생각할 여유가 없어지는 원인이 되기도 했습니다.
저는 이런 흐름을 보면서 AI 생산성 도구를 어떻게 바라볼지에 대해 두 가지 관점이 있다고 생각합니다.
- AI로 시간을 절약하고 더 많은 성과를 내야 한다는 관점
- 절약된 시간을 깊이 사고하고 쉬는 데 써야 한다는 관점
어느 쪽이 맞다고 단정 짓기는 어렵습니다. 다만 솔직히 이건 예상 밖이었습니다. AI가 나를 편하게 해 준다기보다, 내가 더 많이 움직이게 만든다는 느낌이 먼저 왔거든요.
AI가 먼저 말을 걸어오는 시대 — 제로클릭과 생각의 깊이
더 낯선 변화는 다른 곳에서 오고 있습니다. 지금까지는 내가 AI에게 질문하는 구조였습니다. 검색창에 뭔가를 치고, 결과를 고르고, 다시 정제하는 식이었습니다. 그런데 앞으로는 AI가 먼저 내 상황을 파악하고, 필요한 것을 제안하고, 심지어 결제까지 연결하는 방향으로 바뀌고 있습니다.
이를 제로클릭(Zero-Click) 환경이라고 부릅니다. 제로클릭이란 사용자가 직접 클릭하거나 검색하지 않아도 AI가 알아서 정보를 제공하거나 행동을 유도하는 방식을 말합니다. 쉽게 말해 내가 아무것도 하지 않아도 AI가 먼저 움직이는 구조입니다. 이미 일부 고급 플랜에서는 사용자의 일정, 대화 내용, 관심사를 학습해서 아침에 오늘의 정보를 먼저 제안하는 기능이 작동하고 있습니다.
제가 직접 써봤는데, 솔직히 처음에는 꽤 신기했습니다. 내가 해외 출장 계획을 언급했더니 다음 날 아침 체크리스트가 자동으로 정리되어 있었습니다. 주변 촬영 장소까지 추천해 주는데, 링크를 누르면 여행 예약 서비스로 이어지는 구조였습니다. 편리하다는 생각과 동시에, 이게 내 선택인지 AI가 유도한 선택인지 경계가 모호하다는 느낌도 왔습니다.
퍼플렉시티(Perplexity)처럼 실시간 검색과 출처 제시를 동시에 해주는 RAG(Retrieval-Augmented Generation) 방식의 도구도 마찬가지입니다. RAG란 AI가 응답을 생성할 때 외부 데이터베이스나 웹에서 실시간으로 정보를 끌어와 결합하는 기술을 말합니다. 덕분에 제가 생각한 가설을 빠르게 검증하고 출처까지 확인할 수 있게 됐습니다. 논문 하나를 꼼꼼히 읽는 데 한 시간이 걸렸다면, 지금은 같은 시간에 수십 개를 훑고 중요한 것만 깊게 들여다볼 수 있습니다(출처: 한국지능정보사회진흥원).
그런데 이 지점에서 한 가지 불편한 감각이 생겼습니다. 제 경험상 이건 좀 다릅니다. AI가 요약을 잘해줄수록 제가 직접 긴 글을 끝까지 읽는 집중력이 예전 같지 않아 졌습니다. 빠르게 핵심만 잡으려는 습관이 생긴 건데, 그게 곧 깊이 있게 고민하는 시간을 줄이는 방향으로 이어지더라고요. 생산성은 높아졌는데 생각의 밀도는 얕아지는 역설입니다.
그래서 요즘은 일부러 종이에 메모하거나, 어떤 글은 AI 없이 처음부터 직접 써보려고 합니다. 조금 불편하지만, 그 불편함이 사실은 생각하는 근육을 유지하는 방법이라는 걸 체감하고 있습니다. AI를 잘 쓰는 사람일수록 원래 자기 실력이 있는 사람이라는 말도 이 맥락에서 맞는 것 같습니다. 기반 없이 AI에만 의존하면 결과물의 속도는 올라가도 개성과 깊이는 점점 흐려질 가능성이 큽니다.
결국 AI가 시간을 벌어주는 건 맞지만, 그 시간을 어디에 쓸지는 완전히 사람에게 달려 있습니다. 더 빠르게 더 많이 생산하는 데 쓸 수도 있고, 더 천천히 더 깊이 생각하는 데 쓸 수도 있습니다. 저는 두 가지를 반반씩 섞으려고 노력하는 중인데, 그 균형을 찾는 과정 자체가 지금 이 시대를 살아가는 방식 같다는 생각을 합니다. AI가 먼저 말을 걸어오는 시대에, 내가 어디에서 스스로 생각할지 의식적으로 정해두지 않으면 흐름에 그냥 쓸려갈 수 있습니다.