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.

단순한 일상 작업에서 AI를 사용하는 방법을 테스트한 3つの 실험의 개요, 사용자가 얼마나 자주 AI를 사용하는지 과소평가하고, 시간을 절약한다고 과대평가하며, 이후 작업에서 다시 AI를 사용할 가능성이 더 높아짐을 보여줌

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.

‘초기 작업에서 AI를 사용한 참가자들은 이후에 쉽게 변형된 작업에서 다시 AI 보조를 선택할 가능성이 더 높았습니다. 평균적으로 AI를 사용하지 않았을 때보다 7.06초 더 걸렸고, 더 높은 노력을 보고했습니다.’

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需求 및 행동 분류법(TUNA) 프레임워크를 기반으로 설계되었습니다. 실험은 정보 검색, 요약, 산수, 철자 교정, 다시 작성, 기타 저复잡성 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.

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,บาง 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.

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 나쁨習慣을抵抗하려고 노력했습니다. 그러나 최근의 AI 사용은 이习慣을 악화시키는 경향이 있습니다. 왜냐하면 나쁨 또는 비최적의 결과를 얻을 수 있기 때문입니다.

속임수 지표

이 논문은 AI와 관련된幸運한 결과와 블라인드 앨리와 좌절된 시도를 비교하는 긴장에 대해 조금 무시합니다. AI를 사용하여 작은 작업을 수행할 때, 우리는 때때로幸運한 결과를 얻을 수 있습니다. 그러나 이러한 결과는 예외가 아니라 규칙입니다.

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私は Arxiv PDF를.BAT 파일에 끌어다 놓으면, 페이지 번호가 표시된 새로운 버전을 얻을 수 있습니다.

AI 작성 Python 스크립트를 사용하여 PDF에 추가된 페이지 번호

이러한幸運한 결과는 우리에게 AI의 실제 시간 절약 능력과 정신적 노력 감소 능력에 대한 잘못된 인상을 줄 수 있습니다. 우리는 이러한 결과를過大評価하며, 실제로幸運한 결과가 아니라 규칙적인 결과라고 믿을 수 있습니다.

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.

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.

* 서식은 원본 논문의 것입니다. 인라인引用은 저자가 하이퍼링크로 변환했습니다.

최초로 2026년 5월 23일에 게시되었습니다.