AI 도구 10개 쓰다가 생산성 무너진 이유 — 자동화 피로의 정체

도구만 늘렸더니 업무시간도 늘었다

지난해 11월부터 올해 2월까지, 저는 AI 도구를 10개까지 늘렸어요. Notion AI로 회의록을 정리하고, ChatGPT로 이메일 초안을 쓰고, Claude로 코드 리뷰를 받고, Zapier로 태스크를 연동하고, Make로 파일을 자동 분류했죠. 생산성이 두 배는 오를 줄 알았는데, 실제로는 하루 평균 업무시간이 8.2시간에서 9.7시간으로 늘었어요. 저는 이게 자동화의 함정이라고 생각합니다. 도구가 많아질수록 관리 비용이 기하급수로 늘어나기 때문이에요.

도구마다 다른 인터페이스, 매번 컨텍스트 스위칭

AI 도구 10개를 쓰면서 제가 가장 힘들었던 건 컨텍스트 스위칭이었어요. Notion AI는 슬래시 커맨드 방식이고, ChatGPT는 대화 스레드 방식이며, Claude는 프로젝트 단위 컨텍스트 관리를 요구하거든요. 매번 도구를 바꿀 때마다 "이 도구는 어떤 명령어를 쓰지?", "이전 대화 이어가려면 어디서 찾지?" 같은 질문에 시간을 쏟았어요.

실제로 타이머로 재봤더니, 도구 전환 한 번당 평균 2분 47초가 걸렸어요. 하루 평균 15번 전환하니까 41분이 날아갔죠. 자동화로 아낀 시간은 20분 정도였는데, 도구 전환으로 잃는 시간이 두 배였어요.

팀원 A는 "도구가 5개 넘어가면 오히려 머릿속이 복잡해진다"고 했어요. 어떤 작업을 어느 도구로 해야 하는지 결정하는 데만 매번 30초씩 쓴다고 하더라고요. 이게 하루 50번 반복되면 25분입니다. 자동화 도구가 늘수록 의사결정 피로가 쌓이는 거죠.

도구 간 연동 실패가 만드는 숨은 유지보수 비용

자동화 도구를 여러 개 쓰면 연동이 필수인데, 이게 생각보다 자주 깨져요. Zapier로 Gmail과 Notion을 연동했는데, Notion API가 업데이트되면서 3월 12일에 갑자기 끊겼어요. 에러 로그를 확인하고 재설정하는 데 1시간 반이 걸렸죠.

Make로 구글 드라이브 파일을 Slack에 자동 알림하는 워크플로를 만들었는데, 4월 5일에 구글 OAuth 토큰이 만료되면서 3일 동안 알림이 안 왔어요. 이 사실을 뒤늦게 알고 수동으로 50개 파일을 확인해야 했어요.

이런 실패가 한 달에 평균 4.3건 발생했어요. 한 건당 평균 복구 시간은 47분이었고, 총 유지보수 비용은 월 3시간 22분이었죠. AI 도구로 아낀 시간은 월 8시간 정도였는데, 유지보수로 잃는 시간이 그 절반 가까이를 먹어버렸어요.

도구 학습 비용을 과소평가했다

새 AI 도구를 하나 도입할 때마다 학습 비용이 듭니다. 제 경우, Notion AI는 기본 사용법 익히는 데 2시간, 프롬프트 최적화까지 합치면 5시간이 걸렸어요. Claude는 프로젝트 구조 이해하는 데만 3시간, 효과적인 프롬프트 작성법 터득까지 7시간이 더 필요했죠.

10개 도구를 모두 익히는 데 총 52시간이 들었어요. 이 시간 동안 생산성은 제로였죠. 도구 도입 첫 달에는 오히려 생산성이 평소의 60% 수준으로 떨어졌어요.

팀원 B는 "새 도구 배우는 게 재미있긴 한데, 실제 업무에 적용하려면 한 달은 걸린다"고 했어요. 학습 곡선이 가파른 도구일수록 초기 생산성 하락폭이 크다는 거죠. AI 도구를 많이 쓴다고 바로 생산성이 오르는 게 아니에요.

예상 반론과 제 생각

"도구를 익숙해지면 결국 생산성이 오르지 않나요?"

맞아요. 3개월 정도 쓰면 확실히 익숙해져요. 저도 Notion AI랑 ChatGPT는 이제 자연스럽게 쓰거든요. 하지만 문제는 도구가 계속 업데이트된다는 거예요. ChatGPT는 4월에 인터페이스가 바뀌었고, Claude는 5월에 프로젝트 구조가 개편됐어요. 익숙해질 때쯤 다시 배워야 하는 상황이 반복되죠. 도구가 많을수록 이 부담이 누적돼요.

"자동화 도구는 한 번 설정하면 계속 돌아가는 게 아닌가요?"

이론적으로는 그래요. 하지만 실제로는 API 변경, 권한 만료, 서비스 장애 같은 변수가 생각보다 자주 발생해요. 제가 운영한 10개 도구 중 3개월 동안 한 번도 안 깨진 건 단 2개뿐이었어요. 나머지 8개는 평균 2.3번씩 손봐야 했죠. 자동화가 완전히 자동이 아니라, 반자동에 가까운 거예요.

"그래도 도구 없이 수동으로 하는 것보단 낫지 않나요?"

상황에 따라 달라요. 반복 빈도가 높고 패턴이 명확한 작업은 자동화가 확실히 이득이에요. 저도 이메일 자동 분류 같은 건 지금도 쓰고 있어요. 하지만 빈도가 낮거나 패턴이 불규칙한 작업은 수동이 오히려 빠를 때가 많아요. 월 3회 이하로 발생하는 작업을 자동화하려고 2시간 들이는 건 비효율이거든요.

도구는 적게, 깊게 쓰는 게 답이다

3개월 실험 끝에 저는 도구를 10개에서 4개로 줄였어요. ChatGPT, Notion AI, Make, Obsidian만 남기고 나머지는 과감히 끊었죠. 그랬더니 하루 평균 업무시간이 9.7시간에서 7.9시간으로 줄었어요. 컨텍스트 스위칭 횟수가 15회에서 6회로 감소했고, 도구 간 연동 실패도 월 4.3건에서 1.1건으로 떨어졌어요.

도구를 줄이고 나니 각 도구를 더 깊게 이해하게 됐어요. ChatGPT 프롬프트 작성 시간이 평균 3분에서 1분 20초로 단축됐고, Make 워크플로 설정 속도도 두 배 빨라졌죠. 적은 도구를 마스터하는 게 많은 도구를 얕게 아는 것보다 생산성이 높더라고요.

팀원 C는 "도구를 3개로 제한하니까 오히려 업무 흐름이 단순해졌다"고 했어요. 어떤 작업을 어느 도구로 할지 고민할 필요가 없으니까 의사결정 피로가 확 줄었다는 거죠. AI 도구를 많이 쓰는 게 능사가 아니에요. 자기 업무에 정말 필요한 3~4개만 깊게 파는 게 진짜 생산성 향상의 길이라고 봅니다.

여러분은 지금 AI 도구를 몇 개나 쓰고 계신가요? 그 도구들이 정말 시간을 아껴주고 있나요, 아니면 관리 비용만 늘리고 있나요?