“ChatGPT를 사용하면 정말 업무가 빨라질까요? MIT·Stanford 연구의 실제 생산성 데이터와 직접 사용 경험을 바탕으로 검색만 할 때와 AI→검색→검증→AI 방식의 차이를 쉽게 분석합니다.”

ChatGPT를 사용하면서 한 가지 궁금증이 생겼습니다.

“AI를 사용하면 정말 일을 더 빨리 할 수 있을까?”

빠르다는 이야기는 많이 듣지만 직접 사용해보면 항상 그런 것은 아니었습니다. 간단한 사실 하나를 찾을 때는 검색이 오히려 빠를 때도 있었고, 최신 정보는 결국 원문을 다시 확인해야 했습니다.

반면 여러 자료를 읽고 핵심을 정리하거나 글의 구조를 만드는 일에서는 ChatGPT가 상당히 편리했습니다.

그래서 제가 평소 정보를 찾고 글을 작성하는 과정을 기준으로 두 방법을 비교해봤습니다.

검색만 사용하는 방법과 AI → 검색 → 검증 → AI 방법입니다.

---

첫 번째 방법｜검색부터 시작했습니다

예를 들어 ‘중장년층의 AI 활용’에 관한 글을 쓴다고 가정해보겠습니다.

예전 같으면 검색창부터 열었습니다.

‘중장년층 AI 사용률’

‘ChatGPT 연령별 사용률’

‘중년 생성형 AI 활용’

같은 검색어를 여러 번 바꾸면서 자료를 찾습니다.

문제는 검색 결과가 많아질수록 일이 끝나는 것이 아니라 읽어야 할 것이 더 많아진다는 점입니다.

기사 하나를 열면 다른 통계가 나오고, 그 통계의 출처를 따라가면 또 다른 보고서가 나옵니다.

자료는 늘어나는데 정작,

“그래서 이 글에서 무엇을 설명해야 하지?”

가 흐려질 때가 있었습니다.

검색은 정보를 찾는 데 매우 강하지만 내가 무엇을 찾아야 하는지조차 모르는 단계에서는 시간이 많이 필요했습니다.

---

두 번째 방법｜AI에게 먼저 ‘조사의 지도’를 만들게 했습니다

이번에는 검색하기 전에 ChatGPT에게 물어봤습니다.

“중장년층의 AI 활용을 조사하려고 해. 글을 쓰기 전에 확인해야 할 핵심 질문을 만들어줘. 사용률뿐 아니라 사용 목적, 장벽, 개인정보 우려도 포함해줘.”

그러면 조사해야 할 범위가 보입니다.

예를 들어,

AI 사용률은 얼마나 되는가?

어떤 목적으로 사용하는가?

사용하지 않는 이유는 무엇인가?

개인정보나 정확성에 대한 우려는 어느 정도인가?

연령에 따른 차이가 있는가?

같은 질문입니다.

여기서 AI가 해준 일은 답을 찾은 것이 아니라 조사 범위를 구조화한 것입니다.

저는 이 차이가 상당히 컸습니다.

---

그다음에는 다시 검색으로 돌아갑니다

AI가 알려준 숫자를 그대로 사용하는 것이 아니라 이제 검색을 시작합니다.

Pew Research Center,

정부기관,

대학 연구,

학술논문,

공식 기업자료처럼 가능한 한 원자료를 찾습니다.

이때 검색 목적이 이전과 달라집니다.

막연하게 정보를 찾는 것이 아니라,

“이 질문을 확인할 수 있는 원자료가 어디에 있는가?”

를 찾습니다.

저는 이 방법을 사용하면서 검색 횟수가 무조건 줄었다기보다 불필요한 검색이 줄어드는 느낌을 받았습니다.

---

실제 연구에서도 AI의 생산성 효과가 관찰됐습니다

제 경험만으로 AI가 업무 생산성을 높인다고 일반화할 수는 없습니다.

그래서 관련 연구도 찾아봤습니다.

MIT와 Stanford 연구진은 고객지원 업무를 수행하는 5,179명의 상담원을 대상으로 생성형 AI 도구의 영향을 분석했습니다.

연구 결과 AI 지원 도구를 사용했을 때 상담원이 시간당 해결한 고객 문제는 평균적으로 약 14% 증가했습니다.

흥미로운 부분은 경험이 적거나 숙련도가 낮은 직원에게서 효과가 더 크게 나타났다는 점입니다.

이 연구는 이후 Quarterly Journal of Economics에 게재됐습니다.

하지만 여기서 주의해야 합니다.

이 결과가 “ChatGPT를 사용하면 모든 업무가 14% 빨라진다”는 뜻은 아닙니다.

특정 기업의 고객지원 업무라는 조건에서 관찰된 결과입니다.

---

글쓰기 실험에서는 차이가 더 크게 나타나기도 했습니다

MIT 연구진이 2023년 발표한 또 다른 실험에서는 대학 교육을 받은 전문직 종사자 444명에게 보도자료, 보고서, 이메일 같은 실제 업무와 유사한 글쓰기 과제를 수행하게 했습니다.

ChatGPT를 사용한 참가자들은 과제를 완료하는 데 걸린 시간이 평균적으로 약 40% 감소했고, 평가된 결과물의 품질은 약 18% 향상됐습니다.

이 연구는 Science에 발표됐습니다.

여기서도 중요한 것은 연구의 범위입니다.

실험은 비교적 짧고 명확한 전문 글쓰기 과제를 대상으로 했습니다.

따라서 이 결과 역시 모든 직업과 모든 종류의 작업에 그대로 적용할 수는 없습니다.

하지만 AI가 특히 초안 작성과 구조화가 필요한 지식업무에서 시간을 줄일 가능성을 보여준 연구라는 점에서는 의미가 있습니다.

---

직접 사용해보니 AI가 항상 빠른 것은 아니었습니다

이 부분이 오히려 중요했습니다.

오늘 날씨,

현재 가격,

영업시간,

최신 정책,

특정 발표 날짜처럼 답 하나를 정확하게 찾는 문제에서는 검색이나 공식 사이트를 바로 확인하는 편이 효율적일 때가 많았습니다.

반대로,

긴 자료를 이해하고,

여러 자료의 차이를 비교하고,

글의 목차를 만들고,

복잡한 내용을 쉬운 말로 바꾸는 일에서는 AI가 편리했습니다.

즉,

AI가 검색보다 좋은 것이 아니라 두 도구가 잘하는 일이 달랐습니다.

---

전문적으로 보면 이것은 ‘탐색 비용’을 줄이는 과정입니다

정보를 찾는 데는 단순히 검색 버튼을 누르는 시간만 들어가는 것이 아닙니다.

무엇을 검색할지 결정하고,

결과를 살펴보고,

필요 없는 자료를 버리고,

중요한 자료를 연결하는 데도 시간이 필요합니다.

이를 넓은 의미에서 정보 탐색 비용이라고 생각할 수 있습니다.

제가 느낀 AI의 장점은 모든 정보를 대신 찾아주는 것이 아니라 검색하기 전에 탐색의 방향을 잡아주는 것이었습니다.

반대로 AI의 약점은 그럴듯한 답을 만들어낼 수 있기 때문에 사실확인이 필요하다는 것입니다.

그래서 결국 두 도구를 함께 사용하게 됐습니다.

---

제가 정착한 방법은 4단계입니다

1. AI로 질문을 만듭니다

“이 주제를 이해하려면 무엇을 알아야 하지?”

2. 검색으로 원자료를 찾습니다

공식자료와 연구자료를 중심으로 확인합니다.

3. 사람이 검증합니다

숫자, 날짜, 조사대상, 원문의 실제 표현을 확인합니다.

4. 다시 AI로 정리합니다

검증한 자료를 비교하고 이해하기 쉬운 구조로 정리합니다.

정리하면,

AI → 검색 → 검증 → AI

입니다.

---

중장년층에게 AI가 유용한 지점도 여기에 있습니다

새로운 기술을 빠르게 배우는 것보다 중요한 것은 어떤 도구를 언제 사용해야 하는지 아는 것일 수 있습니다.

오랫동안 일하고 생활하면서 쌓은 경험은 무엇이 중요한지 판단하는 기준이 됩니다.

AI가 여러 가능성을 빠르게 보여준다면 사람은 경험을 이용해 그중 무엇을 확인해야 하는지 판단할 수 있습니다.

그래서 저는 AI를 사용하면서 오히려 이런 질문을 더 자주 하게 됐습니다.

“근거가 뭐지?”

“언제 기준이지?”

“원자료에도 정말 그렇게 쓰여 있나?”

AI를 사용하면서 검색을 덜 하게 된 것이 아니라 검색의 목적이 더 분명해진 셈입니다.

---

AI는 시간을 줄이는 도구이기 전에 ‘순서를 바꾸는 도구’였습니다

AI를 사용하면 모든 일이 빨라진다고 말하는 것은 정확하지 않습니다.

연구에서도 생산성 향상은 업무 종류와 사용자의 경험에 따라 다르게 나타났습니다.

제가 직접 사용하면서 가장 크게 달라진 것도 단순한 속도가 아니었습니다.

예전에는,

검색 → 읽기 → 다시 검색 → 정리

였다면 지금은,

질문 설계 → 검색 → 검증 → 정리

로 바뀌었습니다.

ChatGPT가 가장 유용했던 순간은 제가 모르는 답을 대신 알려줬을 때보다,

“무엇부터 알아봐야 하지?”

라는 막막함을 줄여줬을 때였습니다.

AI 시대의 정보 활용 능력은 검색과 AI 중 하나를 선택하는 것이 아닐지도 모릅니다.

AI에게는 구조화를 맡기고, 검색에는 원자료를 찾게 하고, 최종 확인과 판단은 사람이 하는 것.

직접 사용해보니 저는 이 조합이 가장 현실적이었습니다.