AI에 의한 효율화는 시간을 회수합니다. 조사, 정리, 비교, 초안 작성 등에 필요한 시간이 줄어들면, 이전에는 이러한 활동에 묶여 있던 시간의 일부를 사용할 수 있게 됩니다. 일반적으로 이러한 변화는 생산성 향상으로 이해됩니다. 같은 시간에 더 많은 성과를 내거나, 같은 성과를 더 짧은 시간에 얻을 수 있기 때문입니다. 그러나 여기에는 효율성 지표만으로는 결정할 수 없는 문제가 있습니다. 단축으로 생겨난 시간을 누가, 무엇을 위해 사용하는가라는 문제입니다. 회수된 시간이 자동으로 다음 처리에 투입된다면 효율화는 처리 능력을 증폭시키지만, 인간이 판단을 바꿀 수 있는 여지까지 반드시 늘리는 것은 아닙니다.
이 문제를 생각하려면 여유를 단순한 ‘사용되지 않은 시간’과 구별할 필요가 있습니다. 일에는 시작 시점에 완전히 예측할 수 없는 부분이 있습니다. 사양에 대한 오해, 정보 부족, 외부 조건의 변화, 검증을 통해 발견되는 오류, 관계자 간 인식 차이 등은 계획을 세울 때 모두 열거할 수 있는 것이 아닙니다. 따라서 계획된 시간을 현재 알고 있는 작업만으로 완전히 채우면 예상하지 못한 일이 나타났을 때 대응할 자원이 없습니다. 여유는 현재 용도가 없어서 남은 시간이 아니라, 미래의 불확실성에 사용 가능성을 열어 둔 채 보존되는 시간으로 이해할 수 있습니다.
중요한 부분을 일찍 구체화하는 방법은 이러한 여유를 만들어내는 효과가 있습니다. 목적은 단순히 마감보다 일찍 완성하는 것이 아닙니다. 어려운 부분을 먼저 접하면 최초의 추정이 타당했는지를 이른 시점에 확인할 수 있습니다. 계획대로 진행할 수 없다는 사실이 드러나더라도 사양을 변경하고, 추가 정보를 요청하고, 방법을 바꾸고, 관계자와 기한을 다시 조정하는 선택지가 남아 있습니다. 조기 진행은 미래를 정확하게 예측하는 능력을 높이는 것이라기보다, 예측이 틀렸다는 사실을 더 일찍 발견하기 위한 구조로 이해하는 편이 적절합니다.
이 구조를 AI와 연결하면 속도의 의미도 달라집니다. AI가 짧은 시간에 초기안을 생성할 수 있다는 것의 가치는 단위 시간당 생성 수를 늘리는 데만 있지 않습니다. 중요한 부분을 일찍 구체화하면 인간은 추상적인 계획 단계에서는 보이지 않았던 문제를 관찰할 수 있습니다. 잘못된 전제, 빠진 조건, 여러 가치 사이의 충돌, 기대한 결과물과 실제 출력의 불일치 등이 조기에 드러날 수 있습니다. 그러면 AI의 속도는 불확실성을 앞당겨 발견하는 기능을 합니다. 그때 생긴 남은 시간을 보존할 수 있다면 인간은 발견된 문제에 대응할 선택지를 계속 가질 수 있습니다.
그러나 효율화로 생겨난 시간이 자동으로 추가 생산에 재배분되면 이 효과는 사라집니다. 초안이 하루 일찍 완성되면 여러 버전을 추가로 만듭니다. 조사가 일찍 끝나면 범위를 더 넓힙니다. 검증이 단축되면 같은 기한 안에 다른 프로젝트를 추가합니다. 추가 성과의 가치가 높을 때 이러한 재배분은 합리적일 수 있습니다. 그러나 이것이 상시화되면 AI가 만들어낸 여유는 생기는 즉시 소비되고, 계획을 변경하거나 다시 검토할 시간은 다시 부족해집니다. 국소적인 효율화가 그 효율화로 가능해졌어야 할 수정 가능성 자체를 없애는 것입니다.
여기서 여유에는 배분의 문제가 있다는 것을 알 수 있습니다. 조직에서는 효율화로 생긴 시간을 추가 성과 목표로 돌릴 수 있습니다. 개인이라면 새로운 일을 시작하거나 현재의 일을 검증하거나 휴식에 사용할 수도 있습니다. 그러나 AI와 협업할 때는 생성과 탐색을 계속하는 비용이 낮아질수록 ‘아직 더 처리할 수 있다’는 사실이 ‘더 처리해야 한다’는 규범으로 바뀌기 쉽습니다. 남아 있는 처리 능력과 그 능력을 지금 사용해야 한다는 의무는 같은 것이 아닙니다. 여유의 용도를 결정할 권한까지 자동화의 논리에 넘겨버리면 인간은 효율화의 수혜자이면서도 그 이익을 어떻게 사용할지 선택할 능력을 잃을 수 있습니다.
따라서 인간과 AI의 협업에서 여유는 의사결정 능력의 일부로 볼 수 있습니다. 판단을 수정하려면 시간이 필요합니다. 반대 의견을 검토하고, 추가 확인을 하고, 한 번 정한 방향을 철회하는 데에도 시간이 필요합니다. 시간이 완전히 배분되어 있다면 인간에게 형식적으로 최종 결정권이 남아 있어도 실제로는 정해진 경로를 승인하는 것 외의 선택지가 거의 없을 수 있습니다. 반대로 소비되지 않은 시간이 남아 있다면 인간은 AI의 결과를 받은 뒤에도 이의를 제기하고, 질문으로 돌아가고, 조건을 변경할 수 있습니다. 여유는 결정 이전의 자유뿐 아니라 결정을 다시 할 수 있는 자유도 뒷받침합니다.
이 관점은 효율을 평가하는 방식에도 변화를 요구합니다. 처리 시간 단축, 비용 절감, 성과물 증가가 여전히 중요하지만, 그것만으로는 효율화로 인해 협업 체계가 변화에 얼마나 견딜 수 있게 되었는지를 파악할 수 없습니다. 예를 들어 두 시스템이 같은 성과물을 이틀 일찍 만들었다고 합시다. 하나는 비어 있는 이틀을 즉시 다른 작업으로 채우고, 다른 하나는 중요한 검증이 끝날 때까지 그중 일부를 예비 시간으로 보존합니다. 평상시의 성과량만 보면 전자가 더 높아 보일 수 있습니다. 그러나 나중에 중요한 전제 오류가 발견되면 후자에는 수정할 선택지가 남아 있습니다. 어느 쪽이 적절한지는 일의 성격과 불확실성에 따라 달라집니다.
여유는 많을수록 항상 더 좋은 것은 아닙니다. 과도한 예비 시간은 필요한 일을 지연시킬 수 있습니다. 변화가 적고 절차가 확립된 처리에서는 큰 여유를 두는 것보다 높은 가동률을 선택하는 편이 합리적인 경우도 있습니다. 따라서 문제는 효율과 여유 중 어느 하나를 최대화할 것인가가 아닙니다. 불확실성의 크기, 실패했을 때의 영향, 변경에 필요한 시간, 판단을 인간에게 되돌릴 필요성 등에 따라 어느 정도의 여유를 보존할지를 설계하는 것입니다. 여유는 무조건적인 선이 아니라, 변경 가능성이 필요한 상황에서 가치를 갖는 자원입니다.
이 생각을 Sai＊aus의 설계에 연결하면 AI의 고속화로 얻은 이익을 반드시 추가 생성에 다시 투입하지 않는 선택이 중요해집니다. AI가 일찍 구조를 보여주면 인간은 문제를 더 빨리 발견할 수 있습니다. 문제가 없다면 처리를 계속할 수 있고, 어긋남이 발견되면 남은 시간을 사용해 전제를 확인하고 방향을 바꾸며, 필요하다면 AI의 제안 자체에 이의를 제기할 수 있습니다. 이때 AI의 속도는 인간의 판단을 대체하기 위해서가 아니라 인간이 그 판단을 변경할 수 있는 기간을 앞쪽으로 확장하기 위해 사용됩니다. 속도를 추가 처리로만 바꾸는 것이 아니라 수정 가능성으로 바꾸는 설계입니다.
이 차이는 AI가 특정 기능을 갖고 있는지 여부만으로 설명할 수 없습니다. 빠른 생성, 정보 정리, 비교, 재검토 지원은 다양한 AI로 실현할 수 있습니다. 차이는 그러한 능력으로 생긴 시간을 무엇을 위해 사용하도록 설계하느냐에서 나타납니다. 모든 잉여를 추가 최적화로 되돌리는 설계도 있고, 일부를 인간의 확인, 이의 제기, 보류, 철회를 위해 확보하는 설계도 생각할 수 있습니다. Sai＊aus가 중시하는 것은 AI가 더 많이 처리할 수 있다는 사실 자체를 목적화하는 것이 아니라, 사용된 능력과 사용되지 않은 능력을 모두 배치하여 인간이 이해와 판단의 주체로 남도록 하는 것입니다.
효율화로 생겨난 여유에는 누구의 권리가 있는가? 하나의 보편적인 배분 비율을 정할 수는 없습니다. 그러나 AI가 시간을 단축했다는 사실만으로 그 시간을 다시 AI나 추가 작업에 투입해야 한다고 말할 수는 없습니다. 사용되지 않은 시간은 아직 발생하지 않은 가능성, 즉 실패, 변화, 이의 제기, 철회에 대응할 수 있는 능력이기도 합니다. AI 시대의 효율을 생각할 때는 사용한 자원뿐 아니라 필요할 때 사용할 수 있도록 의도적으로 남겨 둔 자원까지 시야에 넣어야 합니다. 그 여유를 누가 배분하고 누구의 판단 가능성을 위해 보존하는지를 묻는 것은 인간과 AI의 협업을 단순한 고속화에서 설계의 문제로 옮겨 놓습니다.
답이 아니라, 이해를.