사상 리더

AI 피로는 실제입니다. 하지만 생각하는 것과는 다릅니다

Andrew Filev
Unite.AI를 Google의 선호 소스에 추가
핵심 포인트AI 피로는 새로운 인지 기술을 배우면서 생기는 일시적인 훈련 통증이며, 영구적인 상태가 아닙니다.
더 보기
  • AI 피로는 새로운 인지 기술을 배우면서 생기는 일시적인 훈련 통증이며, 영구적인 상태가 아닙니다.
  • 이 피로는 효율적인 정신적 경로가 형성되기 전, AI 도입 중간 단계에서 정점에 이릅니다.
  • 리더들은 AI 도입에서 물러나기보다 코치처럼 이러한 인지 부하를 관리해야 합니다.

최근 한 가지 이야기가 큰 관심을 끌고 있습니다. AI가 우리의 기력을 고갈시킨다는 것입니다. 엔지니어들은 어느 때보다 많은 코드를 배포하면서도 어느 때보다 상태가 나쁘다고 느낍니다. ‘AI 피로’라는 말이 널리 퍼지고, 갖가지 논평이 쏟아집니다.

한 소프트웨어 엔지니어는 Business Insider에 지난 분기가 자신의 가장 생산적이면서 가장 힘든 시기였다고 썼습니다. 실제로 바이브 코딩에 관한 책을 쓴 스티브 예기는 The Pragmatic Engineer에 낮에 잠깐 눈을 붙이며, 실제 AI 지원 업무는 세 시간으로 제한한다고 말합니다. 스타트업 창업자들은 오후 두 시면 한계에 부딪힙니다. 이번 달 가장 널리 공유된 게시물 중 하나는 AI를 가장 많이 사용하는 사람들이 ‘흡혈귀 같은 영향’을 받는다고 경고합니다.

그런데 아무도 주목하지 않는 사실이 있습니다. 가장 심한 피로를 호소하는 사람들은 회의론자가 아닙니다. AI를 굳게 믿는 지지자들입니다.

예기의 AI 도입 척도에서 1단계에 머물며 AI를 아예 무시하는 엔지니어들은 괜찮습니다. 조금 불안할 수는 있어도 기진맥진하지는 않습니다. 녹초가 되어 귀가하는 사람들은 5, 6, 7단계에 있는 이들입니다. AI에 전력투구하며 여러 에이전트를 실행하고 복잡한 작업 흐름을 조율하면서, 상상하지 못했던 속도로 결과물을 내놓는 사람들입니다.

이런 양상은 우리에게 무언가를 알려 줍니다. 저는 그것이 ‘AI 피로’라는 진단 자체가 완전히 잘못되었다는 뜻이라고 생각합니다.

문제는 피로가 아니라 훈련입니다.

처음 데드리프트를 했을 때를 떠올려 보세요. 특별히 무거운 중량이 아니라 그 동작 자체를 처음 했을 때입니다. 다음 날 아침 눈을 뜨니 온몸을 분해했다가 잘못 조립한 듯했을 겁니다. 다리도 아프고 등도 아팠습니다. 존재조차 몰랐던 근육들이 가장 불쾌한 방식으로 존재감을 드러냈습니다.

누군가 그날의 성과를 측정했다면 결과는 형편없었을 겁니다. 얼굴을 찡그리지 않고 앉기조차 어려웠을 테니까요. 데드리프트는 지속할 수 없고, 인간의 몸은 그런 일을 하도록 만들어지지 않았으며, 비용이 이익보다 크다고 결론 내려도 무리는 아니었을 겁니다.

하지만 물론 여섯 달 뒤에는 두 배의 무게를 들고도 멀쩡합니다. 몸이 새로운 경로를 만들고 적응한 것입니다. 한때 모든 의식적 노력을 쏟아야 했던 동작이 자동화되었습니다. 근육통은 몸이 망가졌다는 뜻이 아니었습니다. 새로운 무언가를 만들고 있다는 뜻이었습니다.

AI의 도움을 받아 일할 때 벌어지는 일도 정확히 이와 같습니다.

아무도 말하지 않는 인지 부하

전통적인 방식으로 코드를 쓸 때 뇌는 충분히 익숙해진 프로그램을 실행합니다. 이미 수천 번 해 본 일입니다. 어떤 키를 누르고, 어떤 패턴을 쓰며, 어떤 리듬으로 디버깅할지 알고 있습니다. 매일 차를 몰고 출근하는 것과 같습니다. 기술적으로 복잡하지만 워낙 숙달되어 있어 저녁 메뉴를 생각하면서도 할 수 있습니다.

AI 지원 업무는 근본적으로 다른 인지 과제입니다. 더는 코드를 쓰지 않습니다. 지시하고, 평가하고, 결정하며, 여러 에이전트 사이에서 맥락을 전환합니다. 직접 작성하지 않은 결과물을 검토하고, AI가 구현 방식을 선택하는 동안 머릿속에 아키텍처 설계 의도를 유지합니다. 그리고 그 선택은 여러분이 실시간으로 검증해야 합니다.

같은 일을 더 빨리 하는 것이 아닙니다. 완전히 다른 일을 하는 것입니다. 뇌는 아직 그 일을 위한 효율적인 경로를 만들지 못했습니다.

모든 결정이 여전히 의식적으로 이루어집니다. 매번 검토할 때마다 적극적인 노력이 필요합니다. 품질을 살피고, 병렬로 진행되는 작업들의 맥락을 유지하며, AI 결과물에 대해 끊임없이 판단을 내립니다. 그래서 이런 일을 세 시간 하면 전통적인 코딩을 여덟 시간 할 때보다 더 지칠 수 있습니다. 인지적 측면에서 헬스장에 다니기 시작한 첫 주와 같습니다.

도입 곡선은 사실 탈진 곡선입니다

예기가 제시한 8단계 AI 도입 체계는 탈진 곡선과 거의 완벽하게 들어맞습니다. 다만 그것이 그의 의도였다고는 생각하지 않습니다.

1단계와 2단계에서는 AI를 거의 사용하지 않습니다. 여기서는 자동 완성, 저기서는 질문 하나 정도입니다. 인지 부하도 작고 피로도 적습니다.

3단계부터 6단계까지는 깊은 물에 들어선 셈입니다. 에이전트에 더 많은 자율성을 주고, 줄별 검토를 줄이고 전체적인 검토를 늘립니다. 여러 에이전트를 실행하고, 18개월 전에는 존재하지도 않았던 작업 흐름 속에서 끊임없이 길을 찾습니다. 바로 이 구간에서 기력이 고갈됩니다. 이것이 무거운 데드리프트입니다.

7단계와 8단계에서는 흥미로운 일이 벌어지기 시작합니다. 에이전트 조율 시스템을 구축했고 AI는 더 자율적으로 일합니다. 무엇을 믿고 무엇을 확인할지 배웠습니다. 원하는 결과를 설명하고 자리를 떠납니다. 맷 슈머가 묘사하는 일이 정확히 이렇습니다. AI에 무엇을 만들지 말한 뒤 네 시간 동안 자리를 비우고, 돌아오면 일이 끝나 있습니다. 적응이 효과를 나타내기 시작한 것입니다.

탈진은 고르게 분포하지 않습니다. 중간 단계에서 정점에 이르며, 초기 도입자 대부분이 지금 바로 그곳에 있습니다. 피로가 보편적인 현상처럼 느껴지는 이유도 여기에 있습니다. AI에 대해 가장 많이 말하는 사람들 가운데 학습 곡선의 가장 힘든 구간에 있는 이들의 비중이 유난히 높기 때문입니다.

아무도 ‘운전 피로’에 관한 글을 쓰지 않았습니다

운전을 배울 때를 기억하나요? 처음 고속도로의 차량 흐름에 합류했을 때는 목숨이 달린 것처럼 운전대를 꽉 쥐었을 겁니다. 사실 정말로 목숨이 달린 일이었습니다. 30분 운전한 뒤 집에 오면 완전히 녹초가 되었습니다. 뇌는 최대 용량으로 작동했습니다. 거울을 확인하고, 속도를 조절하고, 다른 운전자의 행동을 예상하고, 도로 표지판을 해석했습니다. 모두 동시에, 모두 의식적으로 해야 했습니다.

이제는 팟캐스트를 건성으로 듣고 샌드위치를 먹으면서 한 시간 동안 운전합니다. 과제가 바뀐 것이 아닙니다. 여러분이 바뀌었습니다. 뇌가 운전을 위한 효율적인 신경 경로를 만들면서, 과거에는 온전히 의식적인 주의가 필요했던 일을 백그라운드 처리로 바꾸었습니다.

아무도 ‘운전 피로’를 실존적 위기로 다루는 논평을 쓰지 않았습니다. 자동차가 운전자에게 ‘흡혈귀 같은 영향’을 준다고 주장하지도 않았습니다. 우리는 탈진이 일시적임을 직관적으로 이해했습니다. 새로운 것을 배우는 데 드는 비용이었습니다.

지금의 논의에는 이 부분이 빠져 있습니다. ‘AI 피로’를 영구적인 상태이자 기술의 근본적 특성처럼 취급하지만, 실제로는 전환 비용입니다. 훈련 뒤의 근육통이지 만성 질환이 아닙니다.

이것이 편안함보다 더 중요한 이유

이 구분은 단순히 말의 차이가 아닙니다. 문제를 어떻게 진단하느냐에 따라 대응이 달라집니다.

AI 피로가 기술의 영구적 특성이라면 예기의 세 시간 제한은 영원한 상한선입니다. 기업은 엔지니어가 하루 중 일부 시간에만 생산적일 수 있음을 전제로 계획해야 합니다. ‘흡혈귀 같은 영향’은 입장료이며, 우리는 그것을 감수해야 합니다.

하지만 훈련 뒤의 근육통이라면 접근법이 완전히 달라집니다. 부하를 관리하고 조금씩 늘립니다. 근육이 아프다고 헬스장을 빠지지 않습니다. 특히 오늘의 탈진 수준이 내일도 같을 것이라고 단정하지 않습니다.

이 단계를 이겨 내면서 AI 작업을 지시하고, 알맞은 세부 수준에서 검토하며, 병렬 작업들에 걸쳐 아키텍처 설계 의도를 유지하는 인지 경로를 만든 엔지니어들은 결국 이를 운전만큼 자연스럽게 하게 될 것입니다. 세 시간의 벽은 다섯 시간, 그다음 일곱 시간으로 옮겨 갈 것입니다. 더 열심히 일해서가 아니라, 일이 더는 같은 방식으로 힘들지 않기 때문입니다.

반면 ‘AI 피로’에 관한 글을 읽고 편안하고 익숙하며 지치지 않는 2단계에 머물기로 한 엔지니어들은 훨씬 나쁜 처지에 놓일 것입니다.

유행을 따라가지 못해서가 아닙니다. 다른 사람들이 이미 마친 훈련을 아예 시작하지 않았기 때문입니다.

진짜 위험: 근육통을 부상과 혼동하는 것

한 가지는 분명히 하고 싶습니다. 훈련 뒤의 근육통과 실제 부상은 다르며, 여기에도 그 구분이 적용됩니다.

하루 14시간 ‘바이브 코딩’을 하고, 네 시간 자고, 새로운 것에 취해 아드레날린으로 버틴다면 그것은 훈련이 아닙니다. 과훈련입니다. 헬스장에서와 마찬가지로 과훈련은 아무것도 만들어 내지 않습니다. 여러분을 무너뜨립니다.

예기의 세 시간 관찰은 영구적인 상한선이 아니라 현재의 회복 필요를 알리는 신호로서 가치가 있습니다. 훈련 초기에는 한 차례 훈련과 다음 훈련 사이에 더 많은 휴식이 필요합니다. 적응할수록 더 많은 양을 감당할 수 있습니다. 번아웃에 빠지는 사람은 AI 지원 업무를 세 시간 집중해서 하는 이들이 아닙니다. 피드백 순환이 너무 매력적이어서 멈추지 못하는 이들입니다. 이것이 제가 전에 썼던 슬롯머신의 작동 원리와 정확히 같습니다.

답은 헬스장을 피하는 것이 아닙니다. 현명하게 훈련하는 것입니다. 강도 높은 훈련, 진정한 회복, 점진적인 발전이 필요합니다.

다른 누구도 하지 않는 예측

저는 앞으로 12~18개월 동안 다음과 같은 일이 벌어질 것으로 생각합니다.

‘AI 피로’라는 이야기는 올해 어느 시점에 정점에 이를 것입니다. 기사가 더 많이 나오고 우려 섞인 한탄도 늘며, 아마 몇몇 유명 엔지니어가 공개적으로 ‘AI 도구 사용을 잠시 중단’할 것입니다. 상당한 반발처럼 느껴질 것입니다.

그다음 이 이야기는 조용히 사그라들 것입니다. 사람들이 AI 사용을 멈춰서가 아니라 초기 도입자들이 적응을 마쳤기 때문입니다. 일 년 반 동안 이렇게 일해 온 이들에게 세 시간의 벽은 먼 기억처럼 느껴질 것입니다. 예전에 for 루프를 작성하듯, 의식적으로 생각하지 않고도 AI 작업 흐름을 지휘하게 될 것입니다.

근육통을 이겨 낸 사람과 그렇지 않은 사람 사이의 격차는 엄청날 것입니다. AI 기술이 희귀해서가 아닙니다. 한 줄씩 구현하는 대신 지시, 평가, 조율의 관점에서 생각하는 능력, 즉 적응 자체가 한 집단에는 제2의 천성이 되고 다른 집단에는 완전히 낯선 것으로 남기 때문입니다.

훈련 뒤의 근육통에 대한 최악의 대응은 언제나 같았습니다. 헬스장에 가기를 그만두는 것입니다.

리더에게 주는 의미

지금 엔지니어링 팀을 이끌고 있다면 실제로 무엇을 보고 있는지 이해해야 합니다. 가장 생산적인 엔지니어가 가장 피곤한 엔지니어이기도 합니다. 모순이 아닙니다. 적응이 진행 중임을 알려 주는 가장 분명한 신호입니다.

AI 도입을 늦추는 것으로 대응하지 마세요. 피로가 실제가 아닌 척하지도 마세요. 좋은 코치처럼 훈련 부하를 관리하세요. 강도 높고 집중적인 AI 지원 업무 뒤에 진정한 회복이 이어지도록 해야 합니다. 새로운 인지 능력을 쌓는 동안에는 근무 시간이 줄어든 것처럼 느껴지더라도 그렇게 일할 수 있도록 허용하세요. 성과는 여전히 이전의 몇 배가 될 것입니다.

이 문제를 제대로 다룬 기업은 연말까지 적응을 마친 팀을 갖추게 될 것입니다. 피로를 무시하거나 피로 때문에 AI에서 물러난 기업은 두 경우의 나쁜 결과를 모두 얻을 것입니다. 학습 곡선의 가장 힘든 구간을 끝내 넘지 못한, 지친 엔지니어들만 남게 됩니다.

우리는 신기술의 부작용을 겪는 것이 아닙니다. 새로운 업무 방식을 익히는 훈련의 첫 몇 주를 보내고 있습니다. 근육통은 훈련이 효과를 내고 있다는 증거입니다. 그 과정에 적극적으로 임하고 부하를 관리하세요. 자연의 다른 모든 적응 체계와 마찬가지로, 뇌가 늘 해 왔던 일을 하리라고 믿으세요.

적응할 것입니다.

Andrew Filev는 Zencoder의 창립자이자 CEO입니다. 그는 Wrike(20,000명 이상의 고객, 22.5억 달러에 매각)를 창립함으로써 협업 작업 관리를 혁신하였으며, 포브스와 뉴욕 타임즈에 소개되었으며, 그의 AI와 혁신에 대한 열정은 계속해서 작업의 미래를 형성하고 있습니다.