AI로 자동화해도 팀 일이 줄지 않는 이유: Chamath 글 읽기

Chamath Palihapitiya는 2026년 9월 25일(미국 시간) 자신의 뉴스레터 'Learn With Me'에 "Why AI is booming, but productivity isn't"라는 글을 올렸습니다. AI 지출과 활용은 늘었는데 생산성 통계에는 왜 잘 드러나지 않는지를 다룬 글입니다. SpaceY 황현태 대표는 2026년 10월 1일 LinkedIn에 "업무 자동화를 해도 리소스 효율화가 안 되는 이유"라는 제목으로 이 글을 소개했습니다. 아래 내용은 원문 가운데 무료로 공개된 부분만 읽고 정리한 Chamath 글 해석이며, 유료 구독자용 본문은 다루지 않았습니다.

Chamath가 계산한 AI 비용

Chamath는 AI 투자 효과를 비용과 가치로 나눠 봅니다. 비용 쪽 근거로는 Ramp AI Index를 들었습니다. Ramp AI Index는 Ramp 서비스를 쓰는 7만 곳 넘는 미국 기업의 거래 데이터로 AI 지출을 집계하는 지표입니다. Chamath는 이 지수에서 중앙값 기업이 직원 1인당 월 12.50달러를 쓴다고 적었습니다. Ramp가 공개한 차트 데이터에서도 2026년 8월 중앙값이 12.50달러로 나옵니다. 이 값은 중앙값이고, Ramp 이용 기업만 모은 표본이라 미국 기업 전체를 대표하지는 않습니다. 황현태 님 게시물에는 이 수치가 "평균 AI 지출액"으로 적혀 있는데, 원문 표현은 중앙값(median)입니다.

Chamath는 여기에 직원 1인당 월 인건비를 약 8,500달러로 놓고, AI가 직원 생산성을 약 0.15%만 높여도 비용을 회수한다고 계산했습니다. 주당으로 바꾸면 약 3분이라고 했습니다. 다만 무료 공개 부분에는 8,500달러의 출처와 3분을 계산할 때 쓴 주당 근무시간이 적혀 있지 않습니다. 12.50을 8,500으로 나누면 0.147%로 원문 계산과 맞습니다.

AI 비용 계산과 줄어든 시간. 12.50달러는 Ramp AI Index 2026년 8월 중앙값, 8,500달러·0.15%·주당 약 3분은 Chamath의 가정과 계산입니다. 왼쪽 아래 상자는 Chamath의 주장이고, 오른쪽 아래 상자는 Chamath가 소개한 Musk의 5단계를 바탕으로 작성자가 구성했습니다.

수치	누가 낸 숫자인가	조건
월 12.50달러	Chamath가 Ramp AI Index 인용	중앙값, Ramp 이용 미국 기업, 2026년 8월
월 약 8,500달러	Chamath 가정	원문 무료 부분에 출처 없음
약 0.15%	Chamath 계산	12.50 ÷ 8,500
주당 약 3분	Chamath 어림값	근무시간 가정이 원문에 없음

줄어든 시간은 어디로 갈까요?

Chamath는 토큰 비용이 대부분의 회사에서 반올림 오차 수준이라고 봅니다. 대신 변화 관리와 재교육 같은 보이지 않는 비용이 있다고 했습니다. 그리고 AI는 주로 결과물을 만드는 작업을 빠르게 하는데, 회사원의 일주일은 대부분 조정, 회의, 의견 맞추기, 결재 절차에 쓰인다고 주장합니다. AI가 3분을 만들어 줄 수는 있어도 그 3분을 어디에 쓸지는 정하지 못하고, 그 시간이 또 다른 회의나 법무 검토 대기로 흘러가면 "the return is zero"(수익은 0)라고 썼습니다. AI는 일하는 비용을 낮출 뿐, 그 일을 애초에 할 가치가 있었는지는 판단하지 않는다는 문장도 이어집니다.

생산성 통계가 늦게 움직이는 이유에 대해서는 Chamath의 견해가 붙어 있습니다. 통계는 AI 발전 속도보다 큰 회사가 AI를 받아들이는 속도로 움직인다고 봤습니다. 1987년 Robert Solow가 컴퓨터 시대는 생산성 통계만 빼고 어디서나 보인다고 한 말을 인용하며, 생산성 증가율이 1973년부터 1995년까지 연 1.5% 안팎이었다가 업무를 기계 중심으로 재편한 1995년부터 2003년까지 연 3.3% 안팎으로 올랐다고 소개했습니다.

Gates와 Musk 인용을 업무 설계로 읽기

Chamath는 1995년 Bill Gates의 말을 인용합니다. 효율적인 업무에 자동화를 적용하면 효율이 커지고, 비효율적인 업무에 적용하면 비효율이 커진다는 내용입니다. 이어서 Elon Musk의 5단계를 정리했습니다. Musk 본인은 2018년 4월 13일(미국 시간) X에 "excessive automation at Tesla was a mistake"라고 썼고, Chamath는 Musk가 이 단계를 거꾸로 밟아 나중에 필요 없다고 밝혀진 공정까지 자동화한 일을 Tesla에서 저지른 가장 큰 실수 가운데 하나로 꼽았다고 전합니다. Chamath는 "AI를 활용한다"는 많은 회사가 같은 실수를 하고 있다고 봅니다.

순서	Chamath가 정리한 Musk의 단계	사무 업무에 대입한 예시
1	모든 절차와 요구사항을 의심	주간 보고서를 실제로 누가 읽는지 묻기
2	지울 수 있는 것을 지움	아무도 보지 않는 항목 삭제
3	단순화	부서마다 다른 양식을 하나로 통일
4	속도를 높임	취합 마감일과 결재 단계 줄이기
5	그다음에 자동화	통일된 양식의 취합·요약을 AI에 맡김

표의 오른쪽 열은 예시입니다.

제가 보기에는

"AI로 보고서를 빨리 쓰게 됐는데 왜 팀 일은 그대로일까"라는 질문에 Chamath의 글은 숫자와 구조로 답합니다. 문서 작성 시간이 줄어도 그 문서가 거치는 결재 단계와 회의가 그대로라면 팀 일정은 바뀌지 않습니다. 그래서 AI 활용 과제를 고를 때는 "AI가 무엇을 만들 수 있나"보다 "이 업무가 결재와 회의를 몇 번 거치나"를 먼저 적어 보는 편이 낫다고 봅니다. 다만 Chamath가 소개한 연구 사례들은 무료 공개 부분에 원 논문 링크가 없어 이 글에서는 다루지 않았습니다.

이번 주에 해 볼 첫 단계

자주 반복하는 업무 1건을 골라 시작부터 끝까지 단계를 적고, 단계마다 "직접 만드는 작업"인지 "확인·회의·결재를 기다리는 시간"인지 표시해 보십시오. 그다음 위 표의 1번에서 3번까지 질문을 먼저 적용해 지울 단계와 합칠 단계를 정합니다. 자동화할 단계는 그 뒤에 고르고, 줄어든 시간을 어떤 일에 쓸지도 같은 문서에 함께 적어 두면 됩니다.