월요일 아침. 당신의 워크스페이스에 AI 도구가 몇 개 붙어 있는지 세어본 적 있는가. 글을 다듬어주는 것 하나, 이메일을 요약해주는 것 하나, 회의록을 정리해주는 것 하나, 이미지를 만들어주는 것 하나, 코드를 짜주는 것 하나, 리서치를 해주는 것 하나. 각각은 시간을 절약해준다. 이메일 요약? 5분 절약. 회의록 정리? 20분 절약. 초안 작성? 30분 절약. 합치면 하루에 한두 시간은 아끼는 셈이다.
그런데 이상한 일이 벌어졌다. 아끼는 시간은 분명 존재하는데, 체감상 더 바빠졌다. 퇴근 시간은 줄지 않았다. 주말에도 뭔가를 하고 있다. 도구가 시간을 만들어줬는데, 그 시간이 어디로 갔는지 모르겠다. 2026년, 이 현상에 이름이 붙었다. Grammarly가 “AI 생산성 역설”이라 불렀고, Fortune이 두 차례 특집으로 다뤘고, 경제학자들이 40년 전 Robert Solow의 유령을 소환했다.
1987년, MIT 경제학자 Robert Solow가 한 문장을 남겼다. “컴퓨터 시대는 곳곳에 보이지만, 생산성 통계에서만은 보이지 않는다.” 컴퓨터가 사무실에 깔렸는데 생산성이 올라가지 않는다. 이 역설은 이후 10년간 경제학의 수수께끼로 남았다가, 1990년대 후반 인터넷과 함께 해소되는 듯했다.
2026년, 같은 유령이 돌아왔다. 주어만 바뀌었다. AI 시대는 곳곳에 보이지만, 생산성 통계에서만은 보이지 않는다. Fortune의 2026년 2월 보도에서 수천 명의 CEO가 AI가 고용에도, 생산성에도 실질적 영향을 주지 못했다고 인정했다. 가장 비싼 기술을 도입한 가장 큰 회사들에서조차 “생산성이 올랐다”는 증거가 통계에 잡히지 않는다.
왜?
Grammarly의 분석이 이 “왜”를 세 층으로 분해한다.
첫째, AI가 가장 많이 쓰이는 곳이 빠른 출력 영역이다. 요약, 다듬기, 번역, 슬라이드 생성, 초안 작성. 이 작업들은 실제로 빨라진다. 문제는 이것들이 가장 가치 있는 활용이 아니라는 점이다. 여기서 루프가 생긴다. AI로 콘텐츠를 만들면, 누군가가 그 콘텐츠를 읽어야 한다. 읽는 사람도 AI로 요약한다. 요약된 걸 바탕으로 또 콘텐츠를 만든다. 조직 안에서 콘텐츠의 총량은 폭발적으로 늘었는데, 의사결정의 질이 올라갔는지는 아무도 측정하지 않는다. AI가 생산한 보고서를 AI가 요약하고, 그 요약을 사람이 읽고, 사람이 AI에게 다시 보고서를 시킨다. 이 루프 안에서 생산량은 매주 올라가고 의미는 매주 희석된다. 양적 생산성은 오르고 질적 생산성은 제자리이거나 내려간다. Solow의 유령이 돌아온 이유가 여기 있다.
둘째, 통합의 부재. AI 도구가 5개, 10개 들어와도 각자 다른 시스템에 붙어 있다. 하나의 워크플로우 안에서 매끄럽게 흐르지 않는다. 도구 A의 산출물을 복사해서 도구 B에 붙여넣는 건 사람의 몫이다. 이게 보이지 않는 업무를 만든다. 도구가 늘어날수록 도구 사이를 연결하는 인간 커넥터의 부담이 커진다. 회의록 AI, 태스크 관리 AI, 이메일 AI, 문서 AI가 각각 따로 돌아가면, 이 네 개의 산출물을 하나의 맥락으로 엮는 건 당신이 해야 한다. 도구를 쓰기 위해 도구를 관리하는 업무가 생겨난다. 아무도 이 업무에 이름을 붙이지 않았고, 아무도 이 업무의 시간을 측정하지 않는다.
셋째, 기대의 상향 조정. 여기가 가장 은밀하고 가장 파괴적인 층이다. AI 도구가 들어오면 조직의 기대치가 올라간다. “이제 이 도구가 있으니까 더 빨라졌겠지.” 주간 보고서가 하루 만에 나올 수 있으니, 주 2회로 바꾸자. 초안을 AI가 쓰니까, 사람은 편집에 집중하자. 편집이 빨라졌으니, 더 많은 프로젝트를 병렬로 돌리자. 도구가 천장을 올려주면 기대도 함께 올라간다. 절약된 시간은 새로운 업무로 채워진다. 결과적으로 개인이 처리하는 과업의 수는 늘었고, 각 과업의 체감 난이도는 줄지 않았고, 총 업무 시간은 그대로이거나 늘었다. “빠르게 할 수 있다”가 “더 많이 해야 한다”로 번역되는 순간, 도구는 해방이 아니라 가속 페달이 된다.
McKinsey는 이 상황에서 살아남는 쪽과 그렇지 않은 쪽을 가르는 기준을 하나로 잡았다.
워크플로우 재설계.
기존 워크플로우에 AI를 얹는 조직과, AI를 기준으로 워크플로우를 다시 만드는 조직 사이의 차이가 3배 이상이었다. 고성과 조직은 “이 업무를 더 빠르게 하려면?”이라고 묻지 않았다. “이 업무가 여전히 필요한가?”라고 물었다. 같은 일을 더 빠르게 하는 건 누구나 할 수 있다. 다른 일을 설계하는 건 소수만 한다. 전자는 AI의 능력에 의존한다. 후자는 인간의 판단에 의존한다. AI가 보편화될수록 전자의 가치는 떨어지고 후자의 가치는 올라간다. 생산성의 경쟁이 속도의 경쟁에서 구조의 경쟁으로 바뀌고 있다. “얼마나 빨리 만드는가”에서 “무엇을 만들지 않을 것인가”로.
이걸 개인의 삶에 대입하면 불편한 질문이 나온다. 당신이 AI 도구로 절약한 시간은 어디로 갔는가. 더 중요한 일에 쓰였는가, 더 많은 일을 떠안는 데 쓰였는가. 도구가 당신을 더 자유롭게 만들었는가, 더 바쁘게 만들었는가. 이 질문에 정직하게 답하면 대부분의 사람이 같은 결론에 도달한다. 도구는 좋아졌다. 일은 늘었다. 자유 시간은 늘지 않았다.
문제는 도구가 아니다. 도구가 만들어준 공간을 무엇으로 채우느냐의 문제다. 빈 시간이 생기면 반사적으로 새 업무를 넣는 습관. 더 빠르게 할 수 있으니 더 많이 해야 한다는 암묵적 기대. “생산적이어야 한다”는 압력이 도구의 효율성을 흡수해버리는 구조. AI 도구는 시간을 만들어준다. 그 시간에 무엇을 두느냐는 도구가 결정하지 않는다. 빈 시간을 지키는 건 도구의 능력 밖에 있다. 당신의 판단 안에 있다.
Grammarly의 리포트가 제안하는 방향은 맥락(context)이다. AI가 조직의 지식 베이스, 데이터, 프로젝트 맥락을 이해하고, 단순한 빠른 승리가 아니라 더 깊은 사고, 더 날카로운 판단, 더 나은 의사결정에 쓰일 때, 생산성 역설이 풀린다. 이걸 개인 언어로 번역하면 이렇다. AI를 더 빠르게 쓰는 단계에서 더 정확하게에 쓰는 단계로 넘어가는 것. 초안을 10배 빠르게 만드는 게 아니라, 만들 가치가 있는 초안인지를 먼저 판단하는 것. 생산 속도가 아니라 생산 방향을 AI와 함께 잡는 것.
속도 경쟁에서 빠져나오는 건 용기가 필요하다. 모두가 더 많이, 더 빨리 만들고 있을 때, “나는 덜 만들겠다”고 말하는 건 두렵다. 그런데 2026년의 데이터가 말하고 있다. 더 많이 만든 쪽이 이기지 않았다. 다르게 만든 쪽이 이겼다. 이번 주 화성□목성 충돌이 던지는 질문도 같은 구조다. 확장의 욕망과 실제 행동 범위의 충돌. 더 많이 하고 싶은데, 실제로 감당할 수 있는 건 더 적다. 이 충돌에서 살아남는 쪽은 더 세게 밀어붙이는 쪽이 아니다. 정확하게 줄이는 쪽이다. 이제 당신의 AI 도구가 당신을 어디로 데려가고 있는지 한 번 세어볼 때가 됐다.
포르투나 프로토콜은 묻는다. 당신의 도구가 만들어준 빈 시간에 무엇이 들어 있는가.
