챗GPT 출시 3년, 업무시간 주당 1.5시간 줄었다…실제 생산 늘었나 보니

생성형 AI 활용, 업무시간 평균 3.8% 단축
약 1.0%P 잠재적 생산성 향상 효과
다만 초기 3년, 시간 절감→생산 증가 이어지지 않아
업무 프로세스 재설계·성과 기반 유인 체계 구축 필요

챗GPT를 비롯한 생성형 인공지능(AI) 활용이 업무시간을 평균 3.8% 단축시키는 것으로 나타났다. 주 40시간 근무 기준 주당 약 1.5시간을 줄였다는 얘기다. 업무시간 단축을 생산성 증가로 환산하면 약 1.0%포인트 잠재적 생산성 향상 효과가 있을 것으로 관측됐다. 그러나 이 같은 시간 절감이 실제 생산 증가로 이어지지는 않고 있는 것으로 나타났다. 업무 프로세스와 조직 구조의 재설계, 직무 재배치, 성과 기반 유인체계 구축 등이 필요하다는 분석이다.

생성형 AI 활용, 업무시간 평균 3.8% 단축

한국은행은 7일 발간한 'BOK 이슈노트-AI 도입은 생산성을 높이는가? 초기 3년의 효과 분석(서동현·오삼일·윤종원)'을 통해 이같이 진단했다. 보고서는 가계조사를 활용해 AI 활용이 업무시간 단축을 통해 잠재적 생산성 향상을 유발하는지, 시간 절감이 실제 생산 증가로 이어지는지를 실증적으로 분석했다.

생산성 향상의 가장 직접적인 지표는 동일한 업무를 더 짧은 시간에 수행하는 것이다. 오삼일 한은 조사국 고용연구팀장은 "생성형 AI 도입에 따른 업무시간 변화를 정량적으로 추정한 결과, 생성형 AI 활용 근로자의 평균 업무시간은 3.8% 감소했다"며 "이는 주 40시간 근무 기준으로 주당 약 1.5시간의 절감에 해당한다"고 설명했다.

이런 업무시간 단축이 전적으로 생산 증가로 전환된다고 가정할 경우, 조사 기간 잠재적 생산성 증가 효과는 약 1.0%포인트 수준으로 추정됐다. 챗GPT가 출시된 2022년 4분기부터 지난해 2분기까지 국내총생산(GDP)이 3.9% 성장했는데, 생성형 AI 활용을 통해 줄인 시간을 모두 생산 증가에 활용했다면 GDP는 4.9%가 됐을 수 있다는 얘기다. 오 팀장은 "이는 AI의 생산성 효과와 관련된 기존 추정치와 비교할 때 유의미한 크기"라며 "현재 수준의 AI 기술만으로도 상당한 폭의 생산성 향상이 가능함을 보여준다"고 짚었다.

효과는 근로자별로 다르게 나타났다. 직업별로는 전문직, 사무직, 관리직 순으로 시간 절감 효과가 크게 나타난 반면 서비스직, 기능직, 단순노무직에서는 상대적으로 효과가 제한적이었다. 작업별로는 교육자료 개발, 통계분석, 모델 설계, 소프트웨어 개발 등 인지적·비정형 업무에서 시간 절감 효과가 두드러졌다. 반면 업무 조율, 장비 운용 등 고맥락 판단 또는 물리적 협력이 요구되는 작업에서는 효과가 제한적으로 나타났다.

초기 3년, 시간 절감→생산 증가 이어지지 않아…'생산성 단절'

그러나 이런 시간 절감이 실제 생산 증가로 이어지지는 않았다. 근로자 단위에서 생성형 AI 활용에 따른 업무시간 절감률과 업무처리량 증가율 간 관계를 분석한 결과, 두 변수 간 상관계수는 0이었다. 오 팀장은 이에 대해 "AI가 개별 작업 수준의 효율은 높였지만, 업무 흐름 개선, 조직 구조 변화, 인력 재배치로 확장되지 못하면서 '생산성 단절' 현상이 나타나고 있는 것"이라고 해석했다.

이는 ▲현재 AI 활용이 업무 전체가 아닌 특정 작업 단위에 선택적으로 적용되고 있다는 점 ▲AI 도입이 업무 프로세스와 조직 구조의 변화로 이어지지 않고 있다는 점 ▲생산성이 개별 작업의 평균적 효율성보다 생산 과정에서 가장 제약이 되는 단계, 즉 병목에 의해 결정될 수 있다는 점 ▲추가 성과에 대한 보상이 미약하다는 점 등에 의한 결과라는 분석이다. 예외적으로 자영업자, 전문직, AI 고강도 사용자 등 성과 유인과 업무 자율성이 높은 집단에서는 생산성 증가가 관찰됐다는 데 대해선 "AI의 효과가 기술 자체보다 작업 구조와 유인 체계에 의해 결정될 수 있음을 보여주는 것"이라고 진단했다.

다만 현재 관찰되는 생산성 단절은 범용기술 도입 초기 단계에서 나타나는 전형적인 전환 과정의 일부로 해석할 수 있다는 설명이다. 그는 "향후 AI의 경제적 효과는 기술 수준뿐만 아니라, 이를 어떻게 활용하고 조직 구조를 변화시키느냐에 달려 있다"며 "이에 따라 정책의 초점은 단순한 기술 확산을 넘어, AI 활용이 실제 생산성 향상으로 이어지도록 하는 '전환 과정'을 지원하는 데 둬야 한다"고 강조했다.

업무 프로세스 재설계·성과 기반 유인 체계 구축 필요

먼저 표준화 업무와 열린 업무를 구분해야 한다는 진단이다. 생산성 효과를 실현하기 위해서는 기술 도입 자체보다 기업 내부의 업무 구조와 조직 운영 방식의 변화가 중요하다는 것이다. 오 팀장은 "조직 재구성은 업무를 결과물과 평가 기준이 비교적 명확하게 정의되는 '표준화 업무'와, 최종 결과물의 형태와 수준이 사전에 정해져 있지 않고, 수행자의 경험과 판단, 창의성이 중요한 '열린 업무'로 구분하는 데서 출발할 수 있다"고 강조했다.

표준화 업무 영역에선 AI가 업무 수행의 중심적 역할을 담당하도록 업무 흐름 자체를 재설계하고, 인간의 역할은 업무 목표 설정, 결과 검증, 예외 상황 대응 등으로 재구성해야 한다는 것이다. 그는 "중요한 점은 AI를 통해 절약된 시간이 실제 생산 증가로 연결될 수 있도록 조직 차원의 재배치 메커니즘을 마련하는 것"이라고 강조했다.

열린 업무 영역에선 동일한 문제도 수행자의 경험과 가치 판단에 따라 서로 다른 결과가 도출될 수 있으므로, 이 경우 AI는 아이디어 탐색, 초안 작성, 정보 수집, 대안 제시 등 인간의 사고와 의사결정을 지원하는 증강 도구로 활용되는 것이 바람직하다는 분석이다. 오 팀장은 "표준화 업무와 열린 업무를 구분하지 않은 채 동일한 방식으로 AI를 도입할 경우, 업무 흐름의 근본적인 변화 없이 개별 작업의 효율성 개선만 누적될 가능성이 높다"고 지적했다.

신입·저연차 인력이 열린 업무에 조기 참여할 수 있는 경로를 설계하는 것, AI 활용으로 절약된 숙련자의 시간을 멘토링, 코칭, 페어워크 등에 재투입하는 것에서 신경 써야 한다는 분석이다. 오 팀장은 "앞으로 중요한 것은 AI 도입 자체가 아니라, AI 활용이 실제 생산성 변화로 어떻게 연결되는지를 지속해서 점검하는 것"이라며 "특히 시간 절감, 업무 재배치, 생산 증가 간의 연결 관계가 산업·직무·기업 특성에 따라 어떻게 달라지는지를 체계적으로 모니터링할 필요가 있다"고 강조했다.

김유리 기자 yr61@asiae.co.kr