AI 사용량 강요받는 아마존 직원들, '가짜 업무'를 만들어내기 시작했다

AI를 안 쓰면 평가가 깎인다고요?

요즘 빅테크에서 흥미로운 현상이 벌어지고 있어요. 아마존이 직원들에게 "AI를 더 많이 써라"라고 압박을 넣기 시작했는데, 그 결과가 좀 이상한 방향으로 흘러가고 있다는 보도가 나왔거든요. 직원들이 정말로 AI가 필요한 일을 찾기보다, 억지로 AI를 써먹을 핑계가 될 만한 가짜 업무를 만들어내고 있다는 겁니다.

이게 왜 중요한 이야기냐면요, 단순히 한 회사의 해프닝이 아니라 지금 거의 모든 IT 기업이 비슷한 상황에 놓여 있기 때문이에요. 경영진은 "AI 시대니까 우리 회사도 AI 도입률이 높아야 한다"고 외치고, 그 압박이 그대로 현장 직원들에게 내려와요. 매니저들은 분기마다 "우리 팀은 Copilot을 몇 명이 쓰고 있나, ChatGPT 호출 건수는 얼마나 되나" 같은 KPI를 추적하기 시작했고요. 직원 입장에서는 어쨌든 그 숫자를 채워야 하니까, 자기 업무에 진짜로 필요하지 않아도 AI를 갖다 붙이게 된다는 거죠.

어떤 식으로 '가짜 업무'를 만들까

보도에 나온 사례들이 꽤 구체적이에요. 어떤 직원은 이미 다 끝낸 보고서를 일부러 AI에 다시 한 번 "리뷰"시키는 작업을 추가했다고 해요. 결과물은 거의 바뀌지 않지만, 적어도 "나는 AI를 활용해서 검증했다"는 흔적은 남거든요. 또 다른 사례로는, 단순히 동료에게 메신저로 물어보면 30초면 끝날 질문을 굳이 사내 LLM 도구에 던져넣고 그 답변을 다시 정리하는 식이에요. 효율은 오히려 떨어지지만, AI 사용 로그는 한 줄 더 쌓이는 거죠.

더 황당한 건 회의 요약 같은 영역인데요. 회의가 끝난 직후 누군가 정리한 회의록이 이미 있는데도, 별도로 AI에게 회의 녹취록을 넣어 또 다른 요약을 뽑게 한대요. 그리고 그 두 개를 비교하는 보고서를 만들기도 한다는 거예요. 누가 봐도 잉여 작업인데, 평가 시즌이 다가오면 "제가 AI 워크플로우를 이만큼 만들었습니다"라고 어필할 자료가 되는 거죠. 수단이 목적이 되어버린 전형적인 모습이에요.

이게 왜 자꾸 반복될까

이런 현상의 뿌리에는 "측정할 수 없으면 관리할 수 없다"는 경영학의 오래된 관념이 있어요. AI 도입의 효과를 정확히 측정하기는 정말 어렵거든요. 어떤 개발자가 Copilot 덕분에 1시간 빨리 퇴근했는지, 그게 정말 Copilot 때문인지, 코드 품질은 더 좋아졌는지 나빠졌는지를 숫자 하나로 잡아내기가 쉽지 않아요. 그래서 회사들이 가장 쉬운 대리지표(proxy metric)로 도망가는 게 "몇 명이 얼마나 자주 썼나"인 거예요. 이걸 영어로 굿하트의 법칙(Goodhart's Law) 사례라고 부르기도 해요. "어떤 측정값이 목표가 되는 순간, 그 측정값은 더 이상 좋은 측정값이 아니게 된다"는 거죠.

비슷한 일이 코드 라인 수, 커밋 횟수, PR 개수를 KPI로 삼았던 시절에도 똑같이 벌어졌어요. 개발자들은 일부러 줄바꿈을 늘리거나, 한 번에 할 작업을 여러 커밋으로 쪼개거나, 작은 PR을 잔뜩 만들어서 숫자를 채웠죠. 지금 AI 사용량 KPI도 정확히 같은 패턴을 따라가고 있는 거예요. 마이크로소프트, 구글, 메타에서도 비슷한 보고가 조금씩 나오고 있고, 컨설팅 회사들도 "AI 도입률 90% 달성" 같은 자료를 내부 마케팅용으로 뽑아내고 있어요.

한국 개발자에게 주는 시사점

사실 한국 IT 회사들도 지금 거의 똑같은 상황을 겪고 있어요. 작년부터 "전사 Copilot 도입", "사내 LLM 구축", "AI 활용 의무화" 같은 키워드가 임원 보고서에 빠지지 않고 들어가거든요. 현장 개발자 입장에서 두 가지를 생각해볼 만해요.

첫째, 본인의 AI 활용을 진짜 가치 기준으로 점검해보면 좋아요. "나는 정말 이 작업에 AI가 필요해서 쓰는가, 아니면 KPI 때문에 쓰는가"를 솔직하게 구분해보는 거예요. 진짜로 도움이 되는 영역(보일러플레이트 코드, 테스트 케이스 생성, 낯선 라이브러리 탐색 등)에 집중하면 생산성이 실제로 올라가요. 반면 단순 검색이나 간단한 계산까지 무조건 AI에 넣는 습관은 오히려 사고력을 갉아먹어요.

둘째, 만약 본인이 팀장이나 매니저 위치라면 "사용 횟수" 대신 "문제 해결 사례"를 측정 지표로 잡아보세요. 이번 분기에 AI를 활용해서 실제로 해결한 문제, 단축된 시간, 개선된 품질을 사례 중심으로 모으는 거죠. 그게 훨씬 의미 있는 데이터가 되고, 직원들도 가짜 업무를 만들 유인이 줄어들어요.

마무리

결국 이번 사건이 보여주는 건, AI 자체가 문제가 아니라 AI를 측정하는 방식이 문제라는 거예요. 도구는 쓸모 있을 때 쓰면 되고, 안 쓸 때 안 써도 되는 건데, 사용 그 자체가 평가 대상이 되면 모든 게 비뚤어져요.

여러분 회사는 어떤가요? AI 사용량을 따로 측정하고 있나요, 아니면 결과물 중심으로 평가하나요? 만약 사용량 KPI가 있다면, 주변에서 "가짜 AI 업무"를 만들고 있는 사례를 본 적 있으신가요?