“코드가 빨라질수록 사람은 지친다”…아무도 이야기하지 않는 AI 피로의 실체

지난 몇 년 사이 대형언어모델(LLM)이 코드를 대신 작성해 주는 개발 방식은 소프트웨어 산업의 생산성을 끌어올릴 혁신으로 소개됐다. 개발자는 명령어 몇 줄만 입력하면 수백 줄의 코드를 얻을 수 있고 배포 속도는 눈에 띄게 빨라졌다.

그런데 같은 시기에 개발자들이 체감한 피로도 역시 경력 중 최고 수준으로 나타났다. 코드 작성 속도는 빨라졌지만 업무 강도는 낮아지지 않았다. 

오히려 하루에 처리해야 할 문제의 수가 늘어났고 한 가지 설계 문제에 깊이 몰입하기보다 여러 과제를 동시에 오가야 하는 구조가 일상화됐다. AI가 한 문제를 한 시간 안에 해결해 주는 동안 인간은 여섯 가지 문제를 병렬로 관리하는 역할을 맡게 됐다.

AI 기반 개발은 제작자의 역할을 바꿔 놓았다. 과거에는 개발자가 직접 코드를 설계하고 작성했다. 현재는 AI가 초안을 만들어 내고 인간은 그 결과물을 검토하고 수정하고 승인하는 위치에 선다. 현장에서는 끊임없는 코드 검수와 선택의 반복이 이어질 수밖에 없다. 

대형언어모델은 같은 질문에도 매번 조금씩 다른 결과를 생성한다. 그 차이를 분석하고 품질을 판단하는 과정이 반복되면서 인지적 부담이 축적된다. 기존에는 타이핑 속도나 자료 탐색 시간 같은 물리적 제약이 업무 속도를 제한했다면 AI 도구가 이 제약을 제거하면서 남은 병목은 인간의 인지적 지구력이다. 

항상 화면에는 여러 개의 AI 창이 동시에 열려 있고 백그라운드에서 에이전트가 병렬로 작업을 수행해야 한다. 사용자는 다른 일을 하면서도 출력 결과를 주기적으로 확인해야 한다. 주의 전환이 잦아지면서 집중 시간이 짧아질 수밖에 없다.

미국 UC 버클리 연구진은 200여 명 규모의 기술 기업을 대상으로 8개월간 AI 도입 효과를 추적했다. AI 사용은 의무가 아니었으나 직원들은 자발적으로 도구를 활용했다. 업무 속도는 빨라졌고 담당 영역은 넓어졌다. 

제품 관리자와 디자이너가 코드를 작성하고 연구원이 엔지니어링 업무를 수행하는 사례가 늘어났다. AI가 지식의 공백을 메워주면서 직무 경계가 확장됐다.

이 확장은 추가 인력 없이도 새로운 과제를 떠안아야 한다는 인식을 낳았다. 점심시간과 회의 대기 시간, 파일 로딩 중의 짧은 공백까지 작업 시간이 되었다. 휴식 구간은 줄어들었고 업무와 일상의 경계가 흐려졌다. 연구진은 이러한 구조가 인지적 피로와 의사 결정 능력 저하로 이어질 가능성을 확인했다. 

그 결과 작업 속도가 빨라질수록 더 많은 과제를 시도하게 되고, 그만큼 AI 의존도와 작업 밀도도 함께 증가하는 순환이 관찰되었다.

현장에서는 이를 생산성 역설로 설명한다. 도구의 효율이 높아질수록 인간에게 요구되는 관리와 판단의 양이 늘어나는 현상이다. AI는 작업을 빠르게 만들어 주지만 어떤 결과를 채택할지, 어디에서 멈출지 결정하는 책임은 사용자에게 남는다. 

일부 개발자는 프롬프트를 세 번 이상 수정해도 개선되지 않으면 직접 코드를 작성하는 규칙을 세웠다. AI 결과물을 완성본이 아닌 초안으로 취급하고 70% 수준의 완성도를 전제로 활용하는 방식도 공유되고 있다. 하루 업무 시작 첫 한 시간은 AI 없이 설계에만 집중하는 사례도 늘고 있다.

이와 함께 기술 유지에 대한 압박도 피로의 원인으로 지목된다. 노트북을 켜면 협업 도구와 소셜 플랫폼이 동시에 열리고 새로운 AI 모델 출시 소식이 쏟아진다. 최신 도구를 익히지 않으면 뒤처질 수 있다는 불안이 작동한다. 일부 엔지니어는 장기간 GPS에 의존하면 길 찾기 능력이 약화되는 것처럼 AI 의존이 사고력을 약화시킬 수 있다고 우려한다.

최근 AI 기업들은 더 강력한 코드 생성 모델과 월드 모델을 출시하고 있다. 모바일 환경을 이해하는 모델과 고성능 코딩 에이전트가 잇달아 공개되면서 자동화 범위는 확대되고 있다. 기술 발전 속도는 여전히 빠르다. 그와 동시에 업무 강도와 집중력 저하를 호소하는 목소리도 증가하고 있다.

이제 AI는 개발 환경의 표준 도구로 완전히 자리잡게 되었고 코드 배포 속도와 처리 가능한 업무 범위는 넓어졌다. 그러나 다수의 현장 사례와 연구 결과는 생산성 향상이 곧 업무 경감으로 이어지지 않았음을 보여준다. AI 사용 방식과 인간의 역할 재정의에 대한 근본적인 논의가 필요한 시점이다.