AI 사용이 작업을 더 오래 걸리게 할 수 있다는 연구 결과

새로운 연구에 따르면 AI가 단순한 작업을 더 오래 걸리게 할 수 있으며, 사용자가 더 생산적이 된다고 믿게 할 수 있다고 합니다.

스탠퍼드, NYU, 프린스턴 대학교의 새로운 연구에 따르면 우리는 종종 효율적이지 않은 경우에도 AI를 사용하며, 작은 작업을 AI에게 맡길 때 우리는 더 적은 정신적 노력을 들이고, 더 많은 시간을 절약할 수 있습니다.

세 가지 인간 연구에서 연구자들은 참가자들이 작업에 대한 AI의 시간 절약과 의존도를 과소평가하는 경향이 있음을 발견했습니다.

‘두 번째 연구에서 우리는 사람들이 단순한 작업에서 AI를 사용하는 이유를 이해하려고 했습니다. 하나의 가설은 사람들이 AI 보조가 시간과 노력을 얼마나 절약하는지에 대해 잘못된 인식이 있을 수 있다는 것입니다.

‘이 가설을 테스트하기 위해 우리는 사람들이 예상한 시간과 노력과 실제 작업 완료 시간 및 노력을 비교하여 효율성 증가 환상을 식별했습니다.

‘평균적으로 사람들은 AI 보조가 55.7초를 절약할 것으로 예상했지만 실제로는 7.5초만 절약했습니다. 이러한 오차는 작업의 단순한 변형에서 특히 심각하며, 사람들은 AI 보조가 시간을 절약할 것으로 예상했지만 실제로는 작업을 더 느리게 완료했습니다.’

새로운 논문은 효율성 증가 환상: 사람들은 AI 사용 속도와 단순 작업에서의 이점을 과소평가한다라는 제목으로, 3개의 기관에서 7명의 공동 저자가 작성했습니다. 이전의 AI 사용이 이후의 AI 사용을 강화하는 것으로 나타났습니다.

사람들이 단순한 일상 작업에서 AI를 어떻게 사용하는지 살펴본 세 가지 실험의 개요. 사용자는 AI 의존 빈도를 과소평가하고 시간 절약 효과를 과대평가하며, 이전에 사용한 뒤에는 다시 AI를 선택할 가능성이 커졌다. 출처

세 가지 연구에서 데이터는 사람들이 이전에 AI를 사용한 경우 이후에 다시 AI를 사용할 가능성이 더 높다는 것을 보여주었습니다.

‘반대로 경험으로 인한 조정이 개선되지 않는다(즉, 작업에 대한 AI의 유용성을 추정하는 능력). 우리는 초기 AI 사용이 이후 AI 사용을 증가시키는 세션 수준의 캐리오버 효과를 식별했습니다.

‘처음에 AI로 작업을 완료한 참가자들은 쉬운 변형 과제에서도 AI 지원을 다시 선택할 가능성이 더 높아졌지만, 평균적으로 시간이나 노력은 절약되지 않았다.’

인간 대상 연구 중 하나에서 저자들은 AI 사용으로 얻었다고 여긴 절약 효과가 전적으로 환상이었음을 발견했다.

‘AI 지원은 역효과를 낼 수 있다. AI 사용을 선택한 사람들은 작업을 독립적으로 완료한 사람들보다 7.06초 더 걸렸고, 더 많은 노력이 들었다고 보고했다.’

연구는 5분 이내에 완료할 수 있는 작업에만 국한되었습니다. 그러나 이전에 검색 엔진에 의존했던 사람들은 현재 ChatGPT와 같은 인기 있는 대중화된 LLM을 사용하여 작업을 자동화하는 것을 고려할 수 있습니다.

스터디 그룹

다양한 사용자 연구에서 작업은 사용자 요구 및 행동 분류법(TUNA) 프레임워크를 기반으로 설계되었습니다. 실험은 정보 검색, 요약, 산수, 철자 교정, 다시 작성, 기타 복잡도가 낮은 작업을 포함했습니다.

첫 번째 연구는 참가자들이 예상한 AI 사용과 실제 행동을 비교하여 사람들이 자신의 AI 의존도를 정확하게 이해하는지 조사했습니다.

두 번째 연구는 참가자들이 예상한 효율성 이점과 실제 작업 완료 시간 및 노력을 비교하여 사람들이 AI의 생산성에 대한 기대를 실제 결과와 비교했습니다.

세 번째 연구는 이전에 AI를 사용한 참가자들이 이후에 다시 AI를 사용할 가능성이 더 높아지는지 조사했습니다.

과도하게 생각하기 – 단순 작업에서의 AI 사용

사람들이 자신의 AI 의존도를 정확히 예측하는지 알아보기 위해, 한 세션의 참가자들은 각 과제마다 AI 지원을 선택할 수 있는 네 가지 작업을 수행했다. 실제 AI 사용 수준을 사전에 예상한 이용 빈도와 비교하자 결과에는 뚜렷한 불일치가 나타났다.

참가자들은 단순 작업에서 AI를 찾는 빈도를 일관되게 과소평가했다. 쉬운 문항에서는 예상 이용률 20％에 비해 실제 이용률이 38％로 격차가 더 벌어져, 습관적인 AI 위임이 사용자의 자각 범위를 크게 넘어선다는 점을 보여줬다.

저자들은 다음과 같이 밝혔다.

‘사람들은 평균 예측치보다 유의하게 더 많이 AI를 사용했다. 참가자들은 평균적으로 과제의 33％에서 AI를 사용할 것이라고 답했지만, 모집단 수준의 실제 AI 이용률은 47％였다(β＝1.07, p＜0.001).’

‘이 격차는 쉬운 과제에서 더 컸다(β＝0.69, p＜0.001). 참가자들은 AI 이용률을 20％로 예상했지만 실제 이용률은 38％(β＝1.42, p＜0.001)로, 응답한 선호율의 거의 두 배였다.’

실험은 불필요한 경우에도 많은 사람이 AI에 일상적으로 넘기는 평범하고 부담이 적은 작업에 초점을 맞췄다. 참가자들은 사실 회상, 산술, 철자 교정, 짧은 글 다시 쓰기, 요약, 기본 추론 문제를 수행했으며, 일부는 몇 단어나 한 문장만으로 끝낼 수 있었다.

같은 활동의 조금 더 어려운 버전도 포함해, 작업 요구 수준이 높아질 때 AI 사용이 어떻게 달라지는지 비교했다.

AI의 시간 절약 이점은 과대평가된다

두 번째 연구에서 참가자들은 두 개의 별도 그룹으로 나누어졌습니다. 하나의 그룹은 작업에 대한 시간과 정신적 노력을 예상했고, 다른 그룹은 실제로 작업을 완료했습니다. 작업은 다시 산수, 다시 작성, 사실적 회상, 요약, 철자 교정, 짧은 추론 연습과 같은 저복잡성 활동을 포함했습니다.

목표는 참가자들이 AI의 생산성에 대한 기대와 실제 결과를 비교하는 것이었습니다. 논문에 따르면 참가자들은 특히 쉽게 변형된 작업에서 AI가 시간과 노력을 절약할 것이라고 과대평가했습니다.

반면에 측정된 결과는 종종 미미한 이점을 보여주었으며,일부 경우에는 AI 사용이 실제로 작업을 더 느리게 완료했습니다. 논문에 따르면 참가자들은 평균적으로 거의 1분을 절약할 것으로 예상했지만 실제로는 몇 초만 절약했습니다.

일부 작업에서는 AI 사용자들이 작업을 완료하는 데 더 오래 걸렸습니다.

AI 보조 및 독립적인 작업 완료 중 예상된 시간과 정신적 노력, 논문의 제안된 ‘속도 증가 환상’을 보여줌

연구는 또한 정신적 노력을 조사했습니다. 참가자들은 일반적으로 AI가 작업을 훨씬 더 쉽게 만들 것이라고 믿었습니다. 그러나 측정된 정신적 노력의 감소는 예상보다 훨씬 작았습니다. 논문은 이를 ‘효율성 증가 환상’으로 특징지어하며, 사람들이 AI 보조의 속도와 유용성을 시스템적으로 과대평가한다고 설명합니다.

AI 사용은 환상을 깊게 한다

세 번째 연구는 이전에 AI를 사용한 참가자들이 이후에 다시 AI를 사용할 가능성이 더 높아지는지 조사했습니다. 참가자들은 여러 그룹으로 나누어졌으며, 일부는 쉽게 변형된 작업에서 AI를 사용했습니다. 일부는 더 어려운 작업에서 AI를 사용했고, 일부는 작업을 독립적으로 완료했습니다.

이후에 모든 그룹은 새로운 작업을 받았으며, AI를 사용할지 여부를 결정할 수 있었습니다. 작업은 다시 저복잡성 작업을 포함했습니다.

논문에 따르면 이전에 AI를 사용한 참가자들은 이후에 다시 AI를 사용할 가능성이 더 높았습니다.

연구자들은 이전에 AI를 사용한 참가자들이 이후에 다시 AI를 사용할 가능성이 더 높았으며, 이전의 AI 사용이 시간이나 정신적 노력을 절약하지 못했음에도 불구하고 다시 AI를 사용할 가능성이 더 높았습니다.

이전의 AI 사용이 이후의 AI 사용을 증가시키고, 작업을 더 빠르고 효율적으로 만들 것이라고 믿게 하는지 조사

반복된 AI 사용은 참가자들의 판단을 왜곡시킵니다. 이전에 AI를 사용한 참가자들은 작업을 더 빠르고 효율적으로 만들 수 있다고 믿었지만, 실제로는 그렇지 않았습니다.

연구진은 이것이 ‘자기 강화 순환’을 만든다고 주장한다. AI 사용이 미래의 AI 의존을 늘리는 동시에, 그 기술이 실제로 생산성을 높이는지를 정확히 판단하는 능력은 약화시킨다는 것이다.

결론

의견 많은 독자들이 작은 작업에 AI를 사용하는 경우, 이 새로운 논문의 결론과 친숙해질 수 있습니다.

개인적으로, 나는 반복적인 작업을 자동화하는 데 대한 집착이 현재의 AI 붐보다 수십 년 앞서있었습니다. 그때와 지금, 질문은 여전히 같습니다. 자동화를 설정하고 유지하는 데 필요한 노력이 작업을 직접 수행하는 데 필요한 노력보다 더 큰지 여부입니다.

자동화를 좋아하는 사람들은 자동화를 위해 자동화를 할 수 있습니다. 즉, 실제로 시간을 절약하기까지 수년 또는 수십 년이 걸릴 수 있습니다. 이는 작업의 맥락을 ‘최적화’에서 ‘취미’로 변경합니다.

이것은 잘못된 것이 아닙니다. 그러나 실제로 이익이 발생하고 있지 않다는 것을 자신에게 속이지 않도록 주의해야 합니다. 나는 최근 몇 년 동안 이 나쁜 습관을 고치려고 노력했습니다. 그러나 최근의 AI 사용은 이 습관을 악화시키는 경향이 있습니다. 왜냐하면 나쁨 또는 비최적의 결과를 얻을 수 있기 때문입니다.

속임수 지표

이 논문은 AI와 관련된운 좋은 결과와 블라인드 앨리와 좌절된 시도를 비교하는 긴장에 대해 조금 무시합니다. AI를 사용하여 작은 작업을 수행할 때, 우리는 때때로운 좋은 결과를 얻을 수 있습니다. 그러나 이런 쉬운 성공은 일반적인 일이 아니라 예외입니다. (출처)

따라서 ‘마법 같은’ 결과란 AI가 문제를 쉽고 합리적인 방식으로 즉시 해결해 주는 경우를 말한다.

예를 들어, 나는 항상 논문을 검토할 때 페이지 번호를 볼드체로 표시해야 합니다. ChatGPT에 Python 스크립트를 작성하도록 요청했을 때, 매우 빠른 결과를 얻을 수 있었습니다. 이제 저는 Arxiv PDF를.BAT 파일에 끌어다 놓으면, 페이지 번호가 표시된 새로운 버전을 얻을 수 있습니다.

AI 작성 Python 스크립트를 사용하여 PDF에 추가된 페이지 번호

Windows에 별도의 Arial Black 글꼴이 기본으로 존재하는지를 두고 1~2분 실랑이를 벌인 점을 빼면, 이것은 AI가 내게 지속적이고 반복적으로 유용한 무언가를 만들어 준 가장 빠른 사례였을 것이다. (출처)

이러한운 좋은 결과는 우리에게 AI의 실제 시간 절약 능력과 정신적 노력 감소 능력에 대한 잘못된 인상을 줄 수 있습니다. 우리는 이러한 결과를 과대평가하며, 실제로운 좋은 결과가 아니라 규칙적인 결과라고 믿을 수 있습니다. (출처) (출처)

2025년에 한 연구에 따르면 개발자들은 AI를 사용하여 19% 더 오래 걸렸습니다. 또 다른 연구에 따르면 AI 사용은 실제로 시간을 절약하지 못했습니다. 이 새로운 논문은 우리가 AI의 유용성을 과대평가하고 있음을 보여줍니다. (출처) (출처)

이런 연구를 필연적으로 AI를 활용하게 될 구식 시간·동작 연구로 발전시켜, AI가 실제로 우리 시간을 얼마나 절약하는지 또는 얼마나 빼앗는지를 구체적으로 파악할 수 있다면 유용할 것이다. (출처)

이 연구는 또한 작업의 ‘강도’에 대한 관심이 증가하고 있음을 보여줍니다. 우리는 AI의 요구와 특이성으로 인해 작업의 질과 작업 능력에 대한 일반적인 비용으로 우리를 소모시키거나 고갈시키는 정도를 측정할 수 있는 신뢰할 수 있는 측정 단위를 필요로 합니다. (출처)

* 서식은 원본 논문의 것입니다. 인라인 인용은 저자가 하이퍼링크로 변환했습니다.

최초로 2026년 5월 23일에 게시되었습니다.