AI가 아낀 시간은 어디로 갔을까요? Workday의 ‘37%’를 읽는 법
Workday가 2026년 1월 14일 발표한 연구(2025년 11월 설문)는 AI로 절약한 시간의 37%가 낮은 품질의 결과를 고치는 데 상쇄됐다고 보고합니다. 이 수치의 계산 방식과 한계를 확인하고, 제조 업무에서는 초안 생성부터 원문 대조·수정·승인까지 한 건의 완료 시간으로 재는 방법을 설명합니다.
최재현 · 2026.10.02
자료 기준일: 2026-01-14. Workday가 「Beyond Productivity」 연구를 발표한 날짜이며, 설문은 2025년 11월에 진행됐습니다. 2026-10-03에 보도자료와 보고서 원문을 다시 확인했습니다.
예시로 오전 9시 생산회의에 쓸 보고서를 준비하는 상황을 보겠습니다. 담당자는 오전 8시 40분에 AI로 보고서 초안을 만들었습니다. 생성에는 4분이 걸렸고 문장도 매끄럽습니다. 그런데 원본 파일과 비교하니 불량 수량의 분모가 지난주 기준으로 잡혀 있습니다. 설비 정지 사유 2건은 하나로 합쳐졌고, 원인을 확인하지 않은 문장이 단정형으로 쓰였습니다. 숫자를 다시 계산하고 표현을 고친 뒤 승인자에게 확인받으니 오전 9시 15분입니다. 초안 생성만 보면 4분이지만, 회의에 쓸 수 있는 문서가 되기까지는 35분이 걸렸습니다.
이 차이를 빼고 “AI로 보고서를 4분 만에 만들었다”고 말하면 실제 업무를 잘못 설명하게 됩니다.
Workday의 37%는 어떻게 계산했을까요?
Workday의 공식 보고서는 2025년 11월 Hanover Research가 온라인으로 진행한 설문을 바탕으로 합니다. 응답자는 3,200명이며 리더와 일반 구성원을 각각 절반가량 포함했습니다. 북미 700명, 유럽·중동·아프리카 1,250명, 아시아태평양 1,250명입니다. 모두 연매출 1억 달러 이상, 구성원 150명 이상인 조직에서 상근하며 일했고, 일상 업무에서 AI를 사용하거나 AI 결과에 노출된 사람이었습니다.
아래 사용 빈도와 순효과 수치는 직원 응답자 1,601명을 대상으로 합니다. 이들의 85%는 AI를 사용해 주당 1~7시간을 아낀다고 답했습니다. 87%는 적어도 주 몇 회 AI를 썼고, 46%는 매일 썼습니다. 반면 AI 활용에서 일관되게 순효과를 얻는다고 분류된 직원 응답자는 14%였습니다.
37%는 시스템 로그로 측정한 값이 아닙니다. 연구진은 각 응답자에게 AI로 개인 업무에서 아낀 주간 시간과, 다른 사람이 전달한 낮은 품질의 AI 결과를 명확히 하거나 수정하거나 다시 쓰는 데 든 주간 시간을 범위로 답하게 했습니다. 그 범위의 중간값을 사용해 전체 절약 시간 대비 재작업 시간의 비율을 계산했습니다. 보고서는 이를 “AI tax”라고 불렀고, 절약 시간 10시간당 약 4시간이 재작업으로 상쇄된다고 설명했습니다. AI를 많이 쓰는 사람은 연간 약 1.5주를 수정에 쓴다는 환산치도 제시했습니다.
따라서 이 연구를 “AI가 만든 모든 문서의 37%가 틀렸다”거나 “모든 회사가 생산성의 37%를 잃는다”는 뜻으로 인용하면 안 됩니다. 오류율을 측정한 연구가 아니며, 객관적인 작업 기록도 아닙니다. 큰 조직에서 AI를 이미 쓰는 사람들의 자기보고를 범위 중간값으로 합산한 결과입니다. 소규모 제조기업이나 특정 공정에 그대로 적용할 근거도 없습니다. 다만 초안 생성 시간만으로 효과를 계산하면 재작업을 놓친다는 경고로는 충분히 쓸 수 있습니다.
보고서는 사용 빈도와 순효과가 항상 함께 높아지는 것도 아니라고 설명합니다. 직원 응답자의 77%는 지난 12개월 동안 AI로 생산성이 높아졌다고 답했지만, 매일 쓰며 낙관적인 집단의 77%는 AI 결과를 사람이 한 일과 같거나 그보다 더 엄격하게 확인한다고 답했습니다. 연구진이 순효과가 높은 집단으로 분류한 응답자 가운데 79%는 역량 교육이 늘었다고 답했고, 57%는 팀 간 연결(team connection)에 대한 투자가 늘었다고 답했습니다. 이 역시 인과관계를 입증한 결과는 아니지만, 많이 쓰는 것과 수정 부담을 줄이는 것은 별도 과제라는 사실을 보여줍니다.
보고서 4쪽의 고위 회의용 슬라이드 사례도 실제 추적 관찰이 아니라 문제를 설명하기 위한 예시입니다. 빠르게 생성된 자료의 출처와 맥락, 대상에 맞는 표현을 다시 확인하느라 여러 날이 걸릴 수 있다는 장면을 제시합니다. 설문 수치, 연구진의 해석, 설명용 사례를 구분해 읽어야 합니다.
한 건의 시작과 끝을 같은 범위로 잡습니다
생산실적 보고를 예로 들면 시작은 AI에게 파일을 넣은 때가 아닙니다. 필요한 원본을 모으고 열 이름과 단위를 확인하는 때부터 시작합니다. 숫자와 근거를 대조하고 승인자가 사용할 수 있다고 확인한 때 업무를 마친 것으로 기록합니다.
기록표에는 최소한 다음 내용을 남길 수 있습니다.
- 원본 준비: 파일 수집, 기간 확인, 단위 통일
- 초안 생성: 업로드, 지시, 결과 생성
- 원문 대조: 생산량·불량률·정지 시간 검산
- 수정: 빠진 항목 보완, 표현 변경, 재생성
- 승인: 담당자 확인, 반려와 재검토
- 배포 후 수정: 회의나 공유 뒤 다시 고친 내용
예를 들어 기존 방식이 원본 준비 15분, 작성 25분, 검토 10분으로 총 50분이었다고 합시다. AI를 쓴 방식이 준비 15분, 생성 4분, 검토 18분, 수정 8분, 승인 5분이라면 완료 시간은 50분입니다. 작성 단계는 빨라졌지만 업무 전체는 줄지 않았습니다. 반대로 4주 동안 같은 오류를 분류해 입력 표의 단위와 지시문을 고친 뒤 검토가 8분으로 줄었다면, 그때부터 개선 효과를 확인할 수 있습니다.
본문의 시간 계산 예시. 초안 생성이 빨라져도 준비·검토·수정·승인을 합치면 완료 시간은 같을 수 있습니다. 도식 크게 보기
재작업을 한 숫자로 묶지 않습니다
수정 시간이 길다는 사실만 기록하면 다음 행동을 정하기 어렵습니다. 원인을 나눠 적어야 합니다. 원본 자체가 불완전했는지, AI가 열의 뜻을 잘못 읽었는지, 사용자가 요청 범위를 빠뜨렸는지, 승인 기준이 뒤늦게 추가됐는지 구분합니다.
제조 AX 실무자 과정의 안전 활용 단원은 자료를 그대로 사용, 가려서 사용, 승인 필요, 입력 금지로 구분하게 합니다. 법령과 숫자는 공식 출처에서 대조하고, 사내 규정은 문서를 제공한 뒤 그 안에서만 답하게 합니다. 내보내기 전에는 개인정보, 거래조건, 출처 없는 숫자, 확인하지 않은 규정·법령, 확인 없이 단정한 원인, 작성 경로를 확인합니다.
이 실습을 시간 측정과 연결하면 검토를 막연한 “사람 확인”으로 두지 않게 됩니다. 불량률은 원본 집계표와 대조하고, 원인 문장은 책임자가 확인하며, 외부 공유본은 입력 자료와 작성 경로를 다시 봅니다. 각 검토 항목에서 발견된 수정 건수와 시간을 기록하면 어떤 단계부터 고칠지도 보입니다.
AI 활용 효과를 설명할 때는 생성 화면의 타이머보다 업무 기록이 더 정확합니다. 초안까지 걸린 시간, 검토와 승인까지 마친 시간, 같은 이유로 다시 고친 횟수를 함께 보십시오. 빠른 초안이 실제로 빠른 완료로 이어졌는지 확인한 뒤에 적용 범위를 넓히면 됩니다.