AI를 쓰면 일이 빨라진다는데, 왜 회사 문서는 더 길어질까? — 팀에 AI가 들어오면 진짜 바뀌는 것과 받는 사람의 두 시간을 지키는 습관

"설계 문서도, 슬랙 메시지도, 이메일도 전부 서너 배 길어졌습니다. 그런데 말하는 내용은 예전과 거의 같습니다."

2026년 8월, 디자인 도구 회사 피그마(Figma)의 한 소프트웨어 엔지니어가 코딩 에이전트를 조직에 들이면서 겪은 일을 강연에서 털어놓았습니다. 한국어와 영어 자막이 달린 17분짜리 영상은 테크 브리지(Tech Bridge)라는 채널에 올라와 있습니다^[1]. 그는 계획을 잘 세우고 에이전트에 맡겼더니 일이 5배 빨라졌다고 말하면서, 같은 자리에서 위 문장을 말했습니다. 빨라졌다는데 문서는 길어졌다. 이 두 말은 어떻게 같이 성립할까요.

미리 말씀드릴 것이 있습니다. 이 강연의 숫자는 측정값이 아니라 한 사람의 체감입니다. 5배도, 서너 배도 그렇습니다. 그래서 이 글은 강연의 관찰을 출발점으로 삼되, 무작위 배정 실험과 1,150명 설문 같은 독립된 자료를 옆에 놓고 읽겠습니다. 결론을 먼저 적으면 이렇습니다. AI가 바꾸는 것은 글을 쓰는 속도가 아니라, 누가 어디서 시간을 쓰는가입니다. 쓰는 사람의 시간이 줄어든 만큼 읽는 사람의 시간이 늘어나면, 팀 전체로는 하나도 빨라지지 않습니다.

'5배'는 에이전트가 아니라 그 앞의 2주에서 나왔다

강연자가 자랑 삼아 보여 준 화면에는 작은 수정 요청이 스무 개쯤 있었습니다. 개발자들이 PR(풀 리퀘스트)이라고 부르는, 코드 변경을 검토해 달라고 올리는 단위입니다. 어떤 것은 10줄, 큰 것도 100줄을 넘지 않았습니다. 그 뒤의 이야기가 핵심입니다. 그는 이 계획을 일주일 동안 혼자 다듬었고, 다른 세 팀과 또 일주일 동안 맞췄습니다. 그러고 나서야 에이전트에 넘겼고, 에이전트는 밤사이 구현을 끝내 돌려주었습니다. 예전 같으면 6주 걸렸을 코딩이 1주에 끝났고, 끝에 붙는 검토까지 넣으면 5배 빨라졌다는 것이 그의 계산입니다^[1].

숫자를 따라가 보면 묘한 점이 보입니다. 에이전트가 일한 시간은 하룻밤입니다. 사람이 일한 시간은 계획 일주일, 조율 일주일, 그리고 검토입니다. 그러니 5배의 대부분은 에이전트의 속도가 아니라, 에이전트에 넘기기 전에 사람이 결정을 다 내려 둔 데서 나왔습니다. 강연자도 그렇게 말합니다. 프롬프트를 던지고 결과를 기다리는 대신 계획을 쓰는 데 시간을 쏟으라고, 좋은 계획은 맨 위에 '왜'를 적고, 한 자리에서 검토할 수 있을 만큼 작게 쪼개고, 단계마다 확인 관문을 두는 것이라고요^[1].

개발 이야기처럼 들리지만, 보고서와 안내문을 쓰는 분께도 그대로 옮겨집니다. AI에 "학부모 안내문 써 줘"라고 던지는 것과, 무엇을 알리고 무엇을 요청하며 어떤 문장은 반드시 들어가야 하는지를 먼저 적어 두고 넘기는 것은 다른 일입니다. 앞의 방식은 빠르게 초안을 얻지만 고치는 데 시간이 듭니다. 뒤의 방식은 느리게 시작하지만 고칠 것이 적습니다. 강연자의 5배는 뒤의 방식에서 나온 숫자이고, 그마저 한 사람의 셈법입니다.

빨라졌다는 느낌은 얼마나 믿을 만한가

체감과 측정이 정반대로 어긋난 사례가 있습니다. 2025년 7월, AI 평가 기관 METR는 경험 많은 오픈소스 개발자 16명에게 실제 작업 246건을 맡기면서, 작업마다 AI를 써도 되는지 안 되는지를 무작위로 정했습니다. 참가자들은 시작 전에 AI가 자기를 24% 빠르게 해 줄 것이라고 예상했습니다. 끝난 뒤에도 20% 빨라졌다고 믿었습니다. 그런데 화면 녹화로 잰 실제 시간은 AI를 썼을 때 19% 더 걸렸습니다^[2]. 느낌은 플러스 20이었고, 측정은 마이너스 19였습니다.

이 결과에는 단서가 많습니다. 참가자가 16명으로 적었고, 자기 코드를 여러 해 만져 온 사람들이라 AI가 보탤 것이 적은 환경이었습니다. 연구진도 이 수치가 모든 개발자나 다른 직종에 적용된다고 말하지 않았습니다^[2]. 그리고 2026년 2월, METR는 뒷이야기를 덧붙였습니다. 개발자 57명, 작업 800건 넘게로 키운 후속 실험에서 원래 참가자 10명은 평균 18% 빨라진 쪽으로, 새 참가자 47명은 4% 빨라진 쪽으로 나왔지만, 두 수치 모두 통계적으로 0과 구분되지 않았습니다. 더 눈에 띄는 것은 연구진이 이 실험 설계를 접기로 한 이유입니다. AI 없이는 일하지 않겠다며 참가를 거절하는 개발자가 늘었고, 참가한 사람도 10명 중 3~5명꼴로 "이 작업은 AI 없이 하기 싫다"며 일부 작업을 실험에 내놓지 않았습니다^[3].

그러니 이 실험에서 가져올 것은 "AI는 느리게 만든다"가 아닙니다. 가져올 것은 두 가지입니다. 하나, 빨라졌다는 체감은 측정과 반대 방향일 수 있다는 것. 둘, 사람들은 그 체감을 기준으로 일하는 방식을 바꾸어 버려서, 나중에는 비교 자체가 어려워진다는 것. 강연자의 5배를 읽을 때도 이 두 가지를 곁에 두어야 합니다.

쓰는 시간이 줄면 읽는 시간이 늘어난다

다시 강연으로 돌아갑니다. 문서와 메시지가 서너 배 길어졌고 이메일은 두세 배 늘었는데 내용은 그대로라는 관찰은, 무엇이 중요하고 무엇이 품질 높은 글인지 알려 주던 표지가 사라졌다는 말로 이어집니다^[1]. 예전에는 긴 글이 곧 공들인 글이었습니다. 이제는 아닙니다. 길이가 더는 신호가 아니게 된 것입니다.

이 관찰을 숫자로 뒷받침하는 조사가 있습니다. 2025년 9월 하버드 비즈니스 리뷰에 실린 글에서 스탠퍼드 소셜 미디어 랩과 코칭 회사 베터업(BetterUp)의 연구진은 '워크슬롭(workslop)'이라는 말을 꺼냈습니다. 그럴듯한 일처럼 보이지만 실제로는 일을 한 걸음도 나아가게 하지 못하는 AI 생성 업무물이라는 뜻입니다^[4]. 연구진이 미국 사무직 정규직 1,150명에게 물었더니 10명 중 4명이 지난 한 달 안에 동료에게서 그런 것을 받았다고 답했습니다. 받은 사람은 한 건을 처리하는 데 평균 1시간 56분을 썼습니다. 다시 읽고, 되묻고, 고쳐 쓰는 시간입니다. 응답자의 급여로 환산하면 한 사람당 한 달에 약 186달러가 들었습니다^[5][6].

1만 명 회사라면 어떻게 될까요. 연구진은 한 해 900만 달러가 넘는다고 추산했습니다^[5]. 직접 셈해 보면 그 크기가 어디서 오는지 보입니다. 186달러에 12개월을 곱하면 한 사람당 한 해 2,232달러입니다. 1만 명 가운데 워크슬롭을 받았다는 40%, 곧 4,000명에게 이 금액을 곱하면 약 893만 달러입니다. 이 셈법은 연구진의 계산을 거꾸로 맞춰 본 것이어서 실제 방법과 다를 수 있지만, 어림의 크기는 맞아떨어집니다.

돈보다 눈여겨볼 것은 감정입니다. 받은 사람의 53%가 짜증이 났고, 38%는 혼란스러웠으며, 22%는 모욕감을 느꼈습니다. 절반은 보낸 동료를 전보다 덜 유능하고 덜 믿을 만한 사람으로 보게 됐습니다. 연구진은 이 현상을 한 문장으로 요약합니다. 워크슬롭은 노력을 만드는 사람에게서 받는 사람에게로 옮긴다^[6]. 이 설문은 한 나라의 자기 보고 조사이고 받은 쪽의 인식만 물었다는 한계가 있습니다. 그래도 강연자가 말한 '길어진 문서'가 받는 쪽에서 어떤 값을 치르는지는 보여 줍니다.

강연자 자신의 실패담이 여기 포개집니다. 그는 AI에 회의적인 선배 엔지니어들에게 다가가려고, 그들이 남긴 코드 검토 의견을 AI로 분석해 보냈습니다. 어디까지가 자기 글이고 어디부터가 AI 글인지는 표시하지 않았습니다. 돌아온 반응은 "존경하는 사람에게서 이렇게 엉성한 것을 받을 줄 몰랐다"는 분노였습니다. 그는 사과했고, 이렇게 적었어야 했다고 말합니다. 여기까지는 내가 썼고, 여기부터는 AI가 썼으며, 나는 이것이 엉성한지 판단할 맥락이 없으니 그 판단을 부탁한다고요^[1].

해법은 줄이는 것이 아니라 표시하는 것이다

강연자의 팀이 택한 규칙은 단순합니다. 모든 PR 설명은 사람이 손으로 쓴 짧은 요약으로 시작합니다. AI가 쓴 설명은 그 뒤에 둡니다. 둘이 어긋나면 위의 사람 글이 우선입니다. 쓴 사람이 AI 설명을 읽고 틀린 곳을 고치기는 하지만 한 줄 한 줄 쓴 것은 아니니, 읽는 사람은 아래쪽을 더 의심하고 위쪽에 주의를 쏟으라는 약속입니다^[1]. 슬랙과 이메일에서도 마찬가지로, AI를 썼다는 사실을 숨기지 말고 무엇을 읽고 무엇을 덜 봐도 되는지 알려 주라고 합니다.

왜 '줄이기'가 아니라 '표시하기'일까요. 사람의 주의력은 늘릴 수 없는 자원이기 때문입니다^[1]. 글을 짧게 쓰라는 규칙은 늘 있었고 늘 지켜지지 않았습니다. 반면 "위 세 줄은 제가 썼고 아래는 AI 초안입니다"라는 표시는 받는 사람에게 읽기 전에 시간을 배분할 정보를 줍니다. 워크슬롭 연구진의 권고도 같은 방향입니다. AI 사용을 금지하거나 무조건 밀어붙이기보다 언제 어떻게 쓸지 기준을 정하고, 사용 사실을 투명하게 밝히며, 지름길이 아니라 목적을 가진 사용을 권하라는 것입니다^[5].

학교와 사무실로 옮기면 이런 모양이 됩니다. 가정통신문이라면 맨 위에 담임이 쓴 세 줄, 곧 무엇이 바뀌었고 언제까지 무엇을 해야 하며 문의는 어디로 하는지를 두고, 그 아래 AI로 다듬은 상세 안내를 붙입니다. 상급자에게 올리는 보고서라면 첫 문단에 결론과 요청을 직접 쓰고, AI가 정리한 근거 자료는 "AI 초안을 검토해 붙임"이라고 적어 뒤에 둡니다. 회의록이라면 결정 사항은 사람이 쓰고 녹취 요약은 표시해 둡니다. 모양은 다르지만 원리는 하나입니다. 받는 사람이 어디에 시간을 써야 하는지를 보내는 사람이 먼저 정해 주는 것입니다.

팀은 세 막을 지난다

강연자는 피그마 안에서 개인도 팀도 같은 세 막을 지난다고 말합니다. 1막에서는 단순한 일에 AI를 써 보고 10배 빨라지는 경험을 합니다. 2막에서는 같은 방식을 큰 문제에 적용했다가 버그투성이 결과를 받고, 쌓인 신뢰가 무너집니다. 3막에서는 어떤 일을 맡기고 어떤 일을 맡기지 말지, 어떤 확인 장치를 둘지를 배우며 진짜 기술을 쌓습니다^[1]. 문제는 한 조직 안에 1막 팀과 2막 팀과 3막 팀이 섞여 있고, 그들이 함께 일해야 제품이 나온다는 점입니다.

2막이 왜 오는지는 다른 실험이 설명합니다. 2023년 하버드 경영대학원과 보스턴컨설팅그룹(BCG)의 연구진은 BCG 컨설턴트 758명을 무작위로 나누어, 한쪽에는 GPT-4를 쓰게 하고 다른 쪽에는 쓰지 못하게 한 뒤 가상의 신발 회사를 위한 18가지 과제를 풀게 했습니다. AI를 쓴 쪽은 과제를 12.2% 더 많이 끝냈고, 25.1% 빨랐으며, 결과물 품질은 40% 넘게 높았습니다. 그런데 연구진이 일부러 끼워 넣은 과제, 곧 AI가 그럴듯하지만 틀린 답을 내도록 설계한 문제에서는 AI 없이 푼 사람의 84%가 정답을 맞힌 반면 AI를 쓴 사람은 60~70%만 맞혔습니다^[7]. 연구진은 AI가 잘하는 영역과 못하는 영역의 경계가 고르지 않다는 뜻으로 이를 '들쭉날쭉한 경계(jagged frontier)'라고 불렀습니다. 1막은 경계 안쪽의 경험이고, 2막은 그 경계를 모른 채 바깥으로 나간 결과입니다.

3막으로 가는 길에 대해 강연자는 두 가지를 권합니다. 첫째, 일하는 방식을 하나로 통일하려 들지 말라는 것입니다. 모두를 한 방식으로 모으고 싶은 유혹이 있지만, AI 도구의 장점은 각자가 자기 일에 맞는 흐름을 쉽게 짤 수 있다는 데 있고, 자기 흐름에 맞으면서 남이 함께 고칠 수 있기만 하면 대체로 잘 돌아간다고 합니다^[1]. 둘째, 회의론자를 설득하려 하지 말고 그들에게 AI를 안전하게 쓰기 위한 개선 목록을 맡기라는 것입니다. 회의론자는 검증이 빠진 곳과 도구가 실패하는 지점을 가장 먼저 보기 때문에, 그들의 불만이 곧 고칠 일의 지도가 된다는 것입니다^[1].

바로 해 볼 수 있는 것

지금까지의 근거에서 팀 습관 몇 가지를 끌어낼 수 있습니다. 개발팀이 아니어도 됩니다.

먼저, AI에 넘기기 전에 결정을 먼저 적습니다. 강연자의 5배가 계획과 조율의 2주에서 나왔듯, 보고서든 안내문이든 무엇을 알리고 무엇을 요청하며 무엇은 절대 바뀌면 안 되는지를 서너 줄로 먼저 적고 그다음에 초안을 맡깁니다. 이 서너 줄이 나중에 문서 맨 위의 사람 요약이 됩니다. 한 번 쓴 글이 두 번 쓰이는 셈입니다.

다음으로, 보내기 전에 받는 사람의 두 시간을 셈합니다. 워크슬롭 조사에서 한 건당 1시간 56분이 들었다는 사실을 떠올리면, 다섯 명에게 보내는 메시지는 다섯 사람의 시간을 쓰는 일입니다. AI가 늘려 준 분량 가운데 받는 사람이 꼭 읽어야 할 부분이 어디인지 표시할 수 없다면, 그 부분은 빼는 편이 낫습니다.

셋째, 표시를 팀의 약속으로 만듭니다. "위는 제가 썼고, 아래는 AI 초안을 검토한 것입니다"라는 한 줄을 모두가 쓰면 그 줄 자체가 읽기의 길잡이가 됩니다. 한 사람만 쓰면 고백처럼 보이지만, 모두가 쓰면 서식이 됩니다. 강연자가 겪은 분노는 AI를 썼다는 사실이 아니라 표시가 없었다는 데서 나왔습니다.

넷째, 체감을 기록으로 바꿉니다. METR 참가자들은 19% 느려지고도 20% 빨라졌다고 믿었습니다. 팀이 AI로 무엇이 빨라졌다고 말할 때, 같은 종류의 일이 전에는 며칠 걸렸고 지금은 며칠 걸리는지 두어 건이라도 적어 두면 느낌과 사실을 나눌 수 있습니다. 빨라진 것이 확인되면 그대로 밀고, 아니면 어디서 시간이 새는지 보면 됩니다.

마지막으로, 팀 안에서 가장 미심쩍어하는 사람에게 검수 자리를 줍니다. 설득 대상이 아니라 품질 책임자로 세우는 것입니다. 그 사람이 "이건 사람이 써야 한다"고 짚는 자리가 곧 팀의 경계선이 되고, BCG 실험이 보여 준 경계 바깥의 실수를 미리 막는 울타리가 됩니다.

정리하자면 이렇습니다. 피그마 엔지니어의 5배는 에이전트의 속도가 아니라 넘기기 전 2주의 계획과 조율에서 나왔고, 그마저 한 사람의 체감입니다. METR의 무작위 실험은 빨라졌다는 느낌이 측정과 반대일 수 있음을 보여 주었고, 후속 실험은 사람들이 그 느낌대로 일하는 방식을 바꾸어 비교조차 어려워졌음을 보여 주었습니다. 문서가 길어진 것은 글을 만드는 비용이 0에 가까워졌기 때문이고, 그 비용은 받는 사람의 두 시간으로 옮겨 갔습니다. 해법은 줄이기가 아니라 표시하기이며, 팀은 성공과 신뢰 붕괴를 지나 경계를 아는 3막에 이르러야 합니다.

다음에 누군가 "AI로 5배 빨라졌다"고 말하면 한 가지만 물어보세요. 그 5배는 누구의 시간을 쟀고, 받은 사람의 시간은 셌는지요.

이 글은 일반적인 정보 제공을 위한 것입니다. 인용한 수치는 각 연구의 표본과 조건 안에서만 성립하며, 조직마다 AI 도입의 효과와 비용은 다르게 나타납니다. 팀 규칙을 정할 때는 소속 기관의 보안·개인정보 지침을 먼저 확인하세요.