
무슨 이야기인가요
'Why are we still working this hard?', 우리말로 옮기면 '우리는 왜 아직도 이렇게 열심히 일할까'라는 제목의 에세이가 올라왔어요. AI가 코드를 대신 짜주는 시대에 한 번쯤 던져볼 만한 질문이죠. 미리 말씀드리면, 이 글은 그 에세이의 논지를 옮겨 적은 요약이 아니에요. 같은 질문을 붙잡고, 지금까지 나온 대표적인 답들을 개발자 눈높이에서 정리해본 글이에요. 원문의 구체적인 주장은 링크에서 직접 확인해보시길 권해요.
100년 전 케인스의 예언, 절반만 맞았어요
이 질문의 원조는 경제학자 케인스예요. 1930년에 쓴 '우리 손주 세대의 경제적 가능성'이라는 글에서 그는 100년 뒤, 그러니까 2030년쯤이면 생활 수준이 4~8배 높아지고 사람들은 주 15시간만 일하게 될 거라고 내다봤거든요. 앞의 절반은 꽤 정확했어요. 선진국의 1인당 실질 소득은 대체로 그 범위 안에서 늘었으니까요. 그런데 뒤의 절반이 빗나갔어요. 주 15시간이면 1년에 780시간 정도인데, OECD 통계를 보면 2023년 한국의 연간 노동시간은 1,872시간, OECD 평균도 1,742시간이에요. 예언의 두 배가 훌쩍 넘죠. 생산성은 약속대로 올랐는데 시간은 돌려받지 못한 셈이에요.
효율이 오르면 일이 줄어들까요? 제번스의 역설
가장 자주 나오는 설명이 제번스의 역설이에요. 이게 뭐냐면, 1865년 영국 경제학자 제번스가 짚어낸 현상인데요. 증기기관의 효율이 좋아지면 석탄을 덜 쓸 줄 알았는데, 오히려 석탄 소비가 크게 늘었다는 거예요. 싸고 편해지니까 쓸 곳이 훨씬 많아진 거죠.
집안일도 비슷했어요. 역사학자 루스 슈워츠 코완은 세탁기와 청소기가 보급된 뒤에도 가사 노동 시간이 기대만큼 줄지 않았다는 걸 보여줬는데요. 빨래가 쉬워지자 '얼마나 깨끗해야 하는가'라는 기준 자체가 올라가 버렸기 때문이에요.
소프트웨어는 이 역설의 교과서 같은 사례예요. 프레임워크, 클라우드, 오픈소스 덕분에 예전이면 한 팀이 몇 달 걸리던 걸 지금은 혼자 주말에 만들기도 하잖아요. 그런데 개발자가 한가해졌나요? 배포가 쉬워지니 하루에 열 번 배포하게 됐고, 만들기 쉬워지니 만들어야 할 것의 목록이 더 길어졌어요.
AI 코딩 도구는 이번엔 다를까요
여기서 흥미로운 데이터가 하나 있어요. 2025년 7월 AI 평가 기관 METR이 숙련된 오픈소스 개발자 16명에게 실제 이슈 246개를 맡겨봤는데요. AI 도구를 쓴 쪽이 오히려 19% 더 오래 걸렸어요. 더 재밌는 건 당사자들은 자기가 20%쯤 빨라졌다고 느꼈다는 점이에요. 물론 본인이 아주 익숙한 대형 저장소에서, 당시 도구로 측정한 결과라 일반화하긴 어려워요. 하지만 '빨라진 느낌'과 '실제로 빨라진 것'이 다를 수 있다는 건 기억해둘 만해요.
그리고 정말로 빨라진다 해도 질문은 남아요. 아낀 시간은 누구 몫일까요? 백로그는 사실상 무한하니까, 따로 정하지 않으면 아낀 시간은 자동으로 다음 티켓이 돼요. 코드 치는 시간이 줄어든 자리를 AI가 쓴 코드를 리뷰하고 검증하는 시간이 채우기도 하고요.
다른 설명들과 나란히 놓고 보면
제번스의 역설이 '수요가 늘어서'라는 답이라면, 결이 다른 답도 있어요.
- 지위재 경쟁: 경제학자 프레드 허시가 말한 개념인데, 좋은 동네의 집이나 학군처럼 '남보다 앞서야' 얻는 것들은 모두의 생산성이 올라도 싸지지 않아요. 다 같이 더 뛰어도 순위는 그대로니까요.
- 분배의 문제: 생산성이 오른 만큼 임금이나 여가로 돌아오지 않았다는 설명이에요. 노동시간이 크게 줄어든 시점들을 보면 대개 주 5일제 같은 제도 변화가 있었어요.
- 일이 일을 만든다: '일은 주어진 시간을 다 채울 때까지 늘어난다'는 파킨슨의 법칙, 그리고 조직이 커질수록 의미를 알기 어려운 업무가 늘어난다는 인류학자 데이비드 그레이버의 '불쉿 잡' 논의가 여기 속해요.
한국 개발자에게 주는 시사점
한국은 2018년 주 52시간제를 도입했고, 주 4.5일제 같은 논의도 이어지고 있어요. 영국에서 2022년에 61개 회사가 참여한 주 4일제 실험에서는 56곳이 실험이 끝난 뒤에도 제도를 이어갔고요. 시간은 '정하면' 줄어든다는 사례예요.
팀 단위로 당장 해볼 수 있는 것도 있어요. 첫째, AI 도구 도입 효과를 체감이 아니라 리드타임 같은 실제 지표로 재보세요. 둘째, 아낀 시간을 어디에 쓸지 미리 합의하세요. 기술 부채 정리든, 학습이든, 그냥 퇴근이든요. 정하지 않으면 기본값은 언제나 '더 많은 일'이에요. 셋째, 개인에게는 도구를 잘 쓰는 능력만큼이나 '무엇을 만들지 않을지' 판단하는 능력이 점점 중요해질 거예요.
마무리
한 줄로 정리하면 이래요. 기술은 한 시간에 할 수 있는 일의 양을 늘려줄 뿐, 몇 시간 일할지는 우리가 정해요.
여러분 팀에서는 AI 도구로 아낀 시간이 어디로 갔나요? 더 이른 퇴근이었나요, 더 긴 백로그였나요?
🔗 출처: Hacker News