AI에 자신 있다는 90%…절반은 직접 할 때보다 더 오래 걸렸다

WalkMe가 2026년 8월 25일 공개한 AI at Work Pulse Survey 발표문 에 따르면, 업무에서 AI를 사용하는 미국 성인 직장인 2,037명 가운데 90%가 도구 사용에 자신 있다고 답했다. 그러나 AI가 첫 시도에 제대로 작동한다고 한 비율은 24.6%였고, 50.2%는 AI로 과업을 처리하려다가 직접 했을 때보다 더 많은 시간을 쓴 경험이 있다고 밝혔다.

직장에서 AI를 쓴다고 실제 완료시간이 자동으로 줄어드는 것은 아니라는 답이다. 8월 27일 나온 CIO Dive의 후속 보도 도 응답자의 51%가 AI 도입 뒤 같은 시간에 더 많은 산출물을 요구받았고, 33%는 실제보다 AI를 능숙하게 다루는 척한 경험이 있다고 전했다. 높은 자기평가와 낮은 최초 성공, 조직의 산출량 압박이 동시에 나타난 셈이다.

자신감·최초 성공·시간 손실은 서로 다른 지표다

이번 결과의 핵심은 자신감을 숙련도나 생산성으로 곧바로 바꿔 읽을 수 없다는 점이다. AI에 질문을 입력하고 답을 받는 과정이 익숙해도, 결과가 업무 목적에 맞는지 판단하고 오류를 찾아 수정하며 내부 형식에 맞추는 능력은 별개다. 사용 장벽이 낮아졌다는 자기평가와 업무가 정확하게 끝났다는 성과를 분리해야 한다.

최초 성공에 관한 응답은 한 번의 요청으로 적절한 결과를 얻을 가능성을 보여주는 신호다. 첫 출력 뒤에 후속 지시, 자료 재입력, 사실 확인과 문장 수정이 이어지면 생성 속도가 빨라도 전체 완료시간은 늘어날 수 있다. 반대로 첫 시도에 실패했다고 해서 최종 과업까지 실패했다는 의미는 아니다.

시간 손실 수치에도 같은 구분이 필요하다. 응답자 절반가량이 모든 AI 과업에서 수작업보다 느렸다는 뜻이 아니라, 그런 경험을 한 적이 있다고 답한 것이다. 그럼에도 업무용 AI 사용자 상당수가 자동화 과정의 시행착오가 기존 방식의 기준시간을 넘어선 적이 있다고 인식했다는 사실은 사용률만으로 생산성 향상을 판단하기 어렵게 한다.

• 사용 자신감: 도구를 다룰 수 있다는 응답자의 자기평가다.
• 최초 성공: 추가 지시나 수정 없이 적절한 결과를 얻었는지를 묻는 지표다.
• 시간 손실 경험: AI를 사용한 과정이 직접 처리하는 방식보다 오래 걸린 적이 있는지를 나타낸다.
• 산출량 압박: AI 도입 뒤 같은 시간에 더 많은 결과물을 요구받았는지를 보여준다.

실측 생산성 연구가 아니라 사용자 경험 설문이다

조사는 Propeller Insights가 2026년 6월 10일부터 20일까지 업무에서 AI를 쓰는 미국 성인 직장인을 대상으로 진행했다. 따라서 AI를 사용하지 않는 사람까지 포함한 미국 노동시장 전체의 결과가 아니며, 한국 직장인에게 조사 비율을 그대로 적용할 수도 없다.

공개된 발표문은 응답자의 실제 작업시간을 관찰하거나 같은 과업을 AI 사용군과 비사용군에 배정한 통제 실험을 제시하지 않는다. 사용한 AI 제품, 직무, 산업, 과업 난도에 따른 세부 결과도 확인하기 어렵다. ‘첫 시도에 제대로 작동했다’거나 ‘직접 할 때보다 오래 걸렸다’는 판단은 계측된 시간이나 객관식 성능시험 결과가 아니라 응답자의 회고에 기반한다.

이 한계 때문에 조사 결과를 AI가 전체 노동생산성을 낮췄다는 증거로 확대해서는 안 된다. 확인된 범위는 사용자가 높은 자신감을 느끼면서도 재시도와 시간 손실을 함께 경험한다는 데까지다. 기업 차원의 순효과를 판단하려면 직무별 완료시간, 최종 품질, 오류율, 검수 인력과 비용을 별도로 측정해야 한다.

발표 날짜 표기에도 주의가 필요하다. WalkMe 페이지 상단에는 8월 19일이 표시되지만 발표문 본문은 샌프란시스코 기준 8월 25일자로 작성됐고, CIO Dive 역시 8월 27일 기사에서 조사가 화요일에 공개됐다고 적었다. 이 기사에서는 발표문 본문과 독립 보도가 일치하는 8월 25일을 공개일로 사용했다.

산출량 압박은 숨은 재작업을 가릴 수 있다

AI 도입 뒤 같은 시간에 더 많은 결과물을 요구받는 환경에서는 직원이 실패 과정이나 검수 시간을 드러내기 어려워진다. 제출된 문서 수만 기록하면 답을 몇 차례 다시 생성했는지, 동료가 오류를 고치는 데 얼마나 시간을 썼는지, 잘못된 결과 때문에 의사결정이 지연됐는지는 생산성 계산에서 빠질 수 있다.

역량을 실제보다 높게 보이려 했다는 응답도 개인의 정직성 문제로만 해석하기 어렵다. 조직이 AI 사용을 곧 업무 능력으로 평가하거나 도입과 동시에 목표량을 높이면 직원에게는 시행착오를 공개할 유인이 줄어든다. 표면적인 처리량이 늘었더라도 작성자와 검수자의 시간을 합친 팀 전체 완료시간은 줄지 않을 수 있다.

발표문에 포함된 세대별 응답 역시 객관적인 실력 순위가 아니다. 젊은 응답자에게서 자신감과 역량 과장 경험이 함께 높게 나타났지만, 이는 동일 과업의 정확도나 처리속도를 세대별로 시험한 결과가 아니다. 연령대별 자기평가만으로 교육 대상이나 업무 권한을 정하는 근거로 쓰기에는 부족하다.

한국 조직에서는 ‘초안 속도’보다 순효율을 측정해야 한다

한국 기업이 이번 미국 조사를 활용할 지점은 조사 비율을 국내 현실에 대입하는 데 있지 않다. AI가 만든 첫 출력의 속도와 사람이 승인 가능한 결과를 완성하기까지 걸린 시간을 구분해야 한다는 데 의미가 있다. 계정 수, 프롬프트 수, 생성 문서 수는 이용량을 보여줄 뿐 실제로 절약된 노동시간을 입증하지 않는다.

예를 들어 AI가 보고서 초안을 10분 만에 만들었더라도 사실 확인에 25분, 표현 수정에 15분, 잘못된 수치를 다시 검수하는 데 20분이 들었다면 생성시간만으로 효과를 설명할 수 없다. 이는 조사 사례가 아닌 가상의 계산 예시다. 같은 난도와 품질의 보고서를 기존 방식으로 완성하는 데 걸리는 시간과 AI 사용 뒤 최종 승인까지의 시간을 비교해야 한다.

개인과 팀이 AI 업무의 순효율을 확인하려면 다음 항목을 같은 기준으로 기록할 수 있다.

• 재작업 시간: 첫 출력 이후 추가 지시, 자료 재입력과 수정에 들어간 시간을 합산한다.
• 검수 횟수: 사실, 수치, 규정과 문체를 다시 확인한 횟수를 센다.
• 최초 통과율: 별도 수정 없이 내부 품질 기준이나 승인 절차를 통과한 비율을 본다.
• 오류 영향도: 단순 오탈자와 고객 안내 오류, 의사결정 왜곡, 보안·규정 위반 위험을 구분한다.
• 수작업 기준시간: 비슷한 난도와 품질의 과업을 기존 방식으로 끝내는 데 걸리는 시간과 비교한다.

한 직원의 작성시간이 줄었어도 검수자나 동료의 부담이 늘었다면 팀 차원의 절감으로 계산해서는 안 된다. 고객, 재무, 법무처럼 오류의 영향이 큰 업무에서는 몇 분의 단축보다 정확도와 책임 소재가 더 중요한 성과 지표가 될 수 있다.

교육 횟수보다 작업 단계의 지원이 먼저다

응답자들이 요구한 지원도 일반적인 AI 교육보다 실제 업무 흐름에 가까웠다. 더 나은 애플리케이션 통합과 사용 중인 도구 안에서 바로 받는 안내가 주요 요구로 제시됐다. 다만 이 선호도는 어떤 지원 방식이 생산성을 실제로 높였다는 실험 결과가 아니라, 응답자가 필요하다고 선택한 항목이라는 점을 구분해야 한다.

기업이 확인해야 할 것은 교육 참석 횟수보다 결과 검증이 일어나는 지점이다. 사람이 최종 승인해야 하는 업무, 대조할 원자료, 오류 기록 방식과 재작업 시간의 책임 범위가 정해져야 AI 사용 과정의 숨은 비용을 볼 수 있다. 교육도 이런 업무 흐름과 연결될 때 숙련도를 측정하고 보완하는 수단이 된다.

현재 확인된 결론은 업무용 AI에 대한 자신감이 시간 절약의 증거는 아니라는 것이다. 이번 설문은 그 간극을 드러냈지만 AI의 순효과가 직무와 과업에 따라 어떻게 달라지는지는 밝히지 못했다. 다음 판단에 필요한 것은 더 높은 자기평가가 아니라 과업별 실제 완료시간, 재작업, 오류와 검수비용을 함께 기록한 데이터다.