러다이트가 부순 건 기계가 아니었어요.
지금 직장인 65%가 그리워하는 것도 사실 같은 거예요
들어가며
구독자님, 지난 5월 애리조나대학교 졸업식에서 어색한 장면이 있었어요. 연단에 선 사람은 구글 전 CEO 에릭 슈미트, 주제는 AI였는데 학생들이 야유를 보냈어요. 한 번이 아니라 여러 번요. 슈미트는 결국 이렇게 말했어요. “여러분이 어떤 기분인지 알아요. 다 들려요.”
슈미트에게는 오래 쓰던 비유가 있어요. 로켓에 자리를 제안받으면 어느 자리냐고 묻지 말고 그냥 타라는 말이죠. 2001년 셰릴 샌드버그에게 해준 조언으로 유명해진 문장인데, 2026년 졸업식장에서는 통하지 않았어요.
결론부터 말씀드릴게요. 1811년의 방직공도, 2026년의 졸업생도, 기계가 싫어서 그런 게 아니에요. 두 집단 모두 정확히 같은 질문을 던지고 있어요. 이 기계를 누가, 누구를 위해, 어떤 조건으로 들여오는가. 200년 사이에 답은 바뀌었는데 질문은 그대로예요.
65%가 그리워하는 건 한가함이 아니에요
먼저 지금 무슨 일이 벌어지고 있는지부터 숫자로 볼게요.
컨설팅 기업 어댑타비스트가 2026년 3월 영국·미국·캐나다·독일·스페인의 지식노동자 2,500명에게 물었어요. 65%가 AI가 널리 퍼지기 전의 일하는 방식을 정기적으로 그리워한다고 답했어요.
여기까지는 예상 가능해요. 그런데 하위 항목을 보면 이야기가 달라져요.
- 42%는 AI가 아껴준 시간보다 AI 결과물을 검증하는 데 쓰는 시간이 더 많다고 답했어요
- 52%는 동료가 AI로 만든 결과물을 정기적으로 고치고 있어요
- 31%는 AI가 인간의 창의성을 깎아먹기 때문에 아예 없애는 쪽이 낫다고 봐요
- 46%는 전문성이 필요하던 일을 이제 거의 누구나 할 수 있게 된 것에 좌절감을 느껴요
그러니까 이 향수는 “일이 적었으면 좋겠다”가 아니에요. 일의 성격이 바뀐 것에 대한 불만이에요. 만드는 사람에서 고치는 사람으로, 쓰는 사람에서 확인하는 사람으로 옮겨간 거죠. 저는 이걸 검증세1라고 부르는 게 정확하다고 봐요. 조용히, 아무도 예산에 잡지 않은 채로 걷히고 있는 세금이거든요.
이게 개인의 인상이 아니라는 증거도 있어요. 하버드 비즈니스 리뷰에 실린 2026년 2월 연구는 직원 약 200명 규모의 미국 기술기업 한 곳을 8개월간 직접 관찰했어요. 주 2회 현장에 나가고, 내부 메신저를 추적하고, 40여 명을 심층 인터뷰했죠. 결론은 제목이 다 말해줘요. AI는 일을 줄이지 않고 밀도를 높였어요.
구체적으로 세 가지가 관찰됐어요. 첫째, 업무 범위가 넓어졌어요. PM이 코드를 쓰고, 리서처가 엔지니어링을 하고, 예전 같으면 외주 줬을 일을 직접 해요. 둘째, 경계가 무너졌어요. 자리를 뜨기 직전에 “마지막으로 프롬프트 하나만” 넣게 되면서 하루에서 쉼표가 사라졌어요. 셋째, 동시에 열려 있는 작업 수가 늘었어요.
그리고 이 회사 사람들은 스스로를 더 생산적이라고 느꼈어요. 동시에 예전만큼, 혹은 예전보다 더 바쁘다고 답했고요. 이 둘이 같이 나온다는 게 핵심이에요.
여기에 반전이 하나 더 있어요. 어댑타비스트 조사에서 AI 이전 시대를 선호한다고 답한 비율이 Z세대는 42%, X세대는 26%였어요. 디지털 네이티브가 오히려 더 그리워하고 있는 거예요. 이 숫자 앞에서는 “적응 못 한 기성세대의 투정”이라는 해석이 성립하기 어려워요.
1811년, 그들은 아무 기계나 부수지 않았어요
이제 200년 전으로 가볼게요.
러다이트2는 오늘날 기술 혐오자의 대명사로 쓰여요. 신문에서 “러다이트적 발상”이라고 하면 진보를 거부하는 촌스러움을 뜻하죠. 그런데 실제 역사는 꽤 다릅니다.
1811년 잉글랜드 노팅엄에서 시작된 이 운동의 주체는 무지한 폭도가 아니었어요. 당시 기준으로 최고 수준의 숙련공들이었어요. 오랜 도제 과정을 거쳐 기술을 익혔고, 그 기술로 가족을 부양하고 지역 사회에서 지위를 가졌던 사람들이었죠.
이들이 부순 건 편직기였어요. 그런데 여기가 중요해요. 아무 기계나 부수지 않았어요. 정당한 임금을 주고 제대로 된 품질의 물건을 만드는 고용주의 기계는 그대로 뒀어요. 표적은 기존 임금 협약을 깨고, 저품질 양산품을 찍어내고, 숙련공 자리를 미숙련 저임금 인력으로 갈아치우는 데 기계를 쓴 특정 공장주들이었어요.
즉 이들의 반대편에 있던 건 기술이 아니라 기술 도입의 조건이었어요. 브라이언 머천트가 『피와 기계』에서 정리한 핵심도 이거예요. 러다이트는 기계를 미워한 게 아니라, 기계가 가져온 이익이 누구 주머니로 들어가는지를 물었던 거예요.
이 질문에 영국 정부가 내놓은 답이 상황을 다 설명해줘요. 1812년, 의회는 기계 파괴를 사형에 처할 수 있는 범죄로 만들었어요. 협상 대신 교수대를 택한 거죠. 시인 바이런은 상원 첫 연설에서 이 법안에 반대하며, 이들을 범죄자가 아니라 생계를 빼앗긴 사람들로 봐야 한다고 말했어요. 소용은 없었고요.
우리가 물려받은 “러다이트=기술 공포증”이라는 이미지는, 그러니까 논쟁이 끝난 뒤 이긴 쪽이 정리한 요약본이에요.
200년을 사이에 둔 두 저항이 겹치는 지점
이제 두 그림을 포개볼게요. 저는 세 군데가 정확히 겹친다고 봐요.
첫째, 저항의 주체가 비숙련자가 아니라 숙련자예요. 1811년의 방직공은 그 시대의 전문직이었어요. 2026년에 AI 도입에 가장 불편해하는 집단도 마찬가지예요. 어댑타비스트 조사에서 업종 전환을 고민한다고 답한 비율이 일반 지식노동자는 33%인데, **C레벨 임원은 46%**였어요. 밑에서 위로 번지는 불안이 아니라, 오히려 위에서 더 진하게 나타나는 불안이에요.
둘째, 기술이 노동을 줄이는 게 아니라 재배치해요. 편직기는 노동을 없애지 않았어요. 숙련 노동을 미숙련 노동으로 바꾸고, 그 차액을 공장주에게 옮겼죠. 지금의 AI도 일을 없애지 않고 있어요. 만드는 노동을 검증하는 노동으로 바꾸고 있어요. 문제는 이 검증 노동이 아무의 성과 지표에도 잡히지 않는다는 거예요. 개인이 조용히 흡수하죠.
셋째, 통제권이 개인에게서 조직으로 넘어가는 순간에 반발이 터져요. 이 부분이 지금 특히 흥미로워요. 불과 얼마 전까지 기업들은 직원들에게 AI를 마음껏 실험해보라고 독려했어요. 그런데 AI 기업들이 토큰 기반 과금3으로 전환하면서 비용이 눈에 보이기 시작하자, 이제는 사용을 조이는 쪽으로 방향을 틀고 있어요. 직원 입장에서는 반년 사이에 정반대 지시를 받은 셈이에요. “네 판단으로 써봐라”에서 “쓰지 마라”로요.
기술이 바뀐 게 아니에요. 누가 결정권을 쥐느냐가 바뀐 거예요. 러다이트가 화냈던 지점도 정확히 여기였어요.
여기에 하나 덧붙일 게 있어요. 창의성 문제요. 이건 감상이 아니라 측정된 결과예요.
과학 저널 사이언스 어드밴시스에 실린 2024년 연구에서, 작가 300명에게 AI 아이디어를 제공하고 평가자 600명이 결과물을 채점했어요. AI를 가장 많이 쓴 그룹의 이야기는 신규성이 8.1%, 유용성이 9% 높았어요. 원래 창의성이 낮은 편이던 작가들은 신규성 10.7%, 유용성 11.5%까지 올랐고요. 개인에게는 분명한 이득이에요.
그런데 같은 데이터에서 작가들 사이의 유사도가 10.7% 올라갔어요. 개인은 좋아지고 집단은 비슷해진 거예요.
와튼스쿨 연구진이 2025년 네이처 휴먼 비헤이비어에 발표한 브레인스토밍 실험은 더 극적이에요. 45개 통계 비교 중 37개에서 AI 사용 그룹의 아이디어 다양성이 유의미하게 떨어졌어요. 벽돌과 선풍기로 장난감을 만들라는 과제에서 ChatGPT 사용자의 94%가 겹치는 개념을 냈고, 아홉 명이 각자 독립적으로 자기 장난감에 “Build-a-Breeze Castle”이라는 같은 이름을 붙였어요. 사람만 참여한 그룹에서는 이런 중복이 없었고요.
그러니까 “AI가 창의성을 해친다”는 직관적 불평은, 적어도 집단 차원에서는 근거가 있는 이야기예요.
그런데 향수에는 함정이 있어요
여기서 멈추면 이 글은 반쪽짜리가 돼요. 향수라는 감정 자체가 원래 과거를 예쁘게 칠하거든요.
AI 이전의 콘텐츠 산업이 정말 다채로웠나요? 대형 스튜디오와 출판사는 AI가 나오기 한참 전부터 검증된 공식을 반복하고 있었어요. 속편의 속편, 리메이크의 리메이크요. 모든 창작물이 실험적 걸작이었던 시기는 존재한 적이 없어요.
젊은 세대의 학습 문제도 마찬가지예요. 기초 업무를 AI가 다 해버리면 신입이 뭘 배우겠냐는 우려는 타당해요. 그런데 그 대안으로 상정된 과거, 즉 로펌과 은행에서 신입에게 똑같은 단순 작업을 천 번씩 반복시키던 도제 모델이 정말 최선의 학습법이었을까요? 그게 유일하게 검증된 방법이어서 유지된 걸까요, 아니면 싸고 관행이어서 유지된 걸까요?
이 질문에 정직하게 답하지 않으면, 우리는 잃어버린 것을 되찾는 게 아니라 그냥 익숙한 것을 되찾게 돼요. 그 둘은 다릅니다.
러다이트도 여기서 자유롭지 않았어요. 그들이 지키려던 도제 체계 역시 진입 장벽이 높고 폐쇄적이었어요. 역사가 그들의 손을 들어주는 건 그 체계가 완벽해서가 아니라, 변화의 비용을 그들에게만 청구한 방식이 부당했기 때문이에요.
오스왈드의 시선
저는 이 문제를 도입 실패가 아니라 설계 누락이라고 봐요.
GTM 전략을 세우면서 반복해서 봐온 장면이 있어요. 새 도구를 들일 때 조직은 언제나 두 가지를 계산해요. 얼마를 아끼는가, 얼마나 빨라지는가. 그런데 세 번째 질문을 하는 곳은 드물어요. 이 도구가 만들어낼 새로운 노동은 누가 하는가.
AI 도입 계획서에서 “검증”이라는 단어가 담당자 이름과 함께 적혀 있는 걸 저는 거의 본 적이 없어요. 아껴지는 시간은 회사 슬라이드에 올라가고, 새로 생긴 검증 노동은 개인의 저녁 시간에 흡수돼요. 42%가 “아낀 시간보다 확인하는 시간이 더 많다”고 답하는 건 도구가 나빠서가 아니라, 그 노동에 주인이 없기 때문이에요.
그래서 저는 지금 필요한 게 AI 교육이 아니라 AI 업무 재설계라고 생각해요. 프롬프트 잘 쓰는 법을 가르치는 건 쉽고 티가 나요. 하지만 “이 팀에서 AI 결과물의 최종 책임자는 누구이고, 그 검증에 배정된 시간은 주당 몇 시간인가”를 문서에 적는 건 어렵고 티가 안 나요. 어려운 쪽이 진짜 일이에요.
그리고 이 진단이 맞다면, 야유를 보낸 졸업생들은 반기술주의자가 아니에요. 그들은 로켓에 타기 전에 자리에 안전벨트가 있는지를 물은 거예요. 저는 그게 아주 합리적인 질문이라고 생각해요.
마치며
정리할게요. AI 이전을 그리워하는 65%는 한가하던 시절을 그리워하는 게 아니에요. 만드는 일이 확인하는 일로 바뀌었는데 아무도 그 변화를 인정해주지 않는 상황에 대한 반응이에요. 러다이트가 기계 자체가 아니라 기계 도입의 조건에 저항했던 것과 같은 구조예요. 그러니 지금 던져야 할 질문은 “AI를 쓸 것인가 말 것인가”가 아니라, “AI가 새로 만든 노동을 누구 몫으로 적을 것인가”예요.
이번 주에 딱 하나만 해보시길 권해요. AI가 만든 결과물을 검토하는 데 실제로 몇 분을 썼는지 세어보세요. 그 숫자가 절약했다고 믿는 시간보다 크다면, 그건 도구 문제가 아니라 설계 문제예요.
요즘 AI를 쓰면서 “이건 원래 내 일이 아니었는데” 싶은 순간이 있으셨나요? 어떤 업무에서 그 경계가 슬쩍 넘어왔는지 댓글로 들려주세요. 검증 노동이 실제로 어디서 가장 많이 발생하는지, 독자분들 사례를 모아 다음 호에서 지도를 그려볼게요.
💬 “이건 원래 내 일이 아니었는데” 싶었던 순간을 댓글로 들려주세요. 다음 호에 반영해볼게요. 📨 요즘 AI 결과물 뒤치다꺼리에 지쳐 있는 동료가 있다면, 이 글을 건네주세요.
참고자료 & 더 읽기
핵심 출처
- The Adaptavist Group, Understanding the Human Cost of AI Transformation, 2026년 3월. 링크 ··· 오늘 글의 뼈대가 된 조사예요. 영국·미국·캐나다·독일·스페인 지식노동자 2,500명 대상이고, 세대별 교차표가 특히 볼만해요.
- Aruna Ranganathan & Xingqi Maggie Ye, “AI Doesn’t Reduce Work, It Intensifies It”, Harvard Business Review, 2026년 2월. 링크 ··· 설문이 아니라 8개월 현장 관찰이라는 게 강점이에요. 다만 기업 한 곳 사례라 일반화에는 주의가 필요해요.
- Anil R. Doshi & Oliver P. Hauser, “Generative AI enhances individual creativity but reduces the collective diversity of novel content”, Science Advances, 2024. 링크 ··· 개인 창의성과 집단 다양성이 서로 반대로 움직인다는 걸 수치로 보여줘요. 3장의 유사도 분석부터 읽어보시길 추천해요.
- Lennart Meincke, Gideon Nave & Christian Terwiesch, Nature Human Behaviour, 2025. 링크 ··· 아홉 명이 똑같은 장난감 이름을 지은 그 실험이에요. 다양성 감소를 45개 비교로 검증했어요.
- “Former Google CEO Eric Schmidt booed during graduation speech about AI”, NBC News, 2026년 5월. 링크 ··· 도입부 장면의 출처예요. 현장 발언 전문이 정리돼 있어요.
배경 지식
- Brian Merchant, Blood in the Machine: The Origins of the Rebellion Against Big Tech, Little Brown, 2023. 링크 ··· 러다이트를 기술 공포증이 아니라 노동 운동으로 복원한 책이에요. 오늘 글의 역사 파트는 여기에 기대고 있어요.
- 안광섭, 『생각을 맡기는 사람들: 호모 브레인리스』, 제이펍, 2025. 링크 ··· 검증 노동과 판단 위임 문제를 더 길게 다뤘어요.
함께 읽으면 좋은 지난 호
- 오스왈드의 지식토킹, “20와트짜리 뇌를 꺼두는 사람들”
📝 용어 설명
각주
-
검증세(verification tax): AI가 만든 결과물이 맞는지 확인하고 고치는 데 드는 시간과 노력을 뜻해요. 공식 용어는 아니고, 아껴진 시간에서 조용히 빠져나가는 비용이라는 뜻으로 쓰는 표현이에요. ↩
-
러다이트(Luddite): 1811~1816년 잉글랜드에서 편직기를 파괴한 숙련 방직공들의 운동이에요. ‘네드 러드’라는 가상의 인물 이름으로 서명한 데서 이름이 붙었어요. 오늘날엔 기술 혐오자라는 뜻으로 쓰이지만, 원래는 임금과 고용 조건을 둘러싼 싸움이었어요. ↩
-
토큰 기반 과금(token-based billing): AI 서비스 요금을 사용자 수가 아니라 처리한 텍스트 양으로 매기는 방식이에요. 많이 쓸수록 비용이 늘기 때문에, 기업이 직원의 AI 사용량을 관리하려는 동기가 생겨요. ↩
SEND A COFFEE
이 관점이 좋았다면, 다음 글에 커피 한 잔
오스왈드에게 커피와 함께 짧은 쪽지를 보내주세요. 응원은 다음 취재와 집필에 보탭니다.
여러분의 생각이 다음 호를 만듭니다
이번 호에서 가장 공감했거나, 다른 경험을 한 지점은 무엇인가요?