1. 일이 끝나지 않는다. 그런데 끝났으면 좋겠다는 생각도 안 든다
AI 덕분에 일이 빨라지면 사람은 한가해진다. 보통은 그렇게 생각한다.
그런데 조사, 아이디어 회의, 기획서 작성, 개발, 수정, 검증까지 AI에게 줄줄이 맡길 수 있게 되면 오히려 반대 현상이 생기기도 한다.
남는 시간에 쉬는 게 아니라 "그럼 이것도 만들 수 있겠네", "저것도 고칠 수 있겠다", "이거랑 저거 연결하면 재밌겠는데?" 하면서 다음 일을 스스로 만들어 내기 시작한다.
게다가 전혀 괴롭지 않다. 산책하다가 떠오르고, 놀러 가서도 떠오른다. 스마트폰으로 AI랑 이야기하면서 아이디어를 기획서로 바꾸고, 개발 에이전트에게 넘긴다. 집에 돌아올 즈음엔 뭔가가 진행돼 있다.
일이 삶을 잡아먹는다기보다는 현실 세계 자체가 아이디어 파밍 필드가 된 느낌에 가깝다.
그리고 가장 큰 차이는 이거다. 보통 게임에는 개발사가 준비한 엔드 콘텐츠가 있지만, 이 게임은 엔드 콘텐츠를 내가 직접 추가할 수 있다.
평생 단물이 안 빠지는 껌이다.
2. 5시간 사용 제한도 '종료'가 아니라 쿨타임이 된다
Claude 유료 플랜에서는 세션 기준 사용량 제한이 5시간마다 초기화되고, 이와 별도로 주간 사용량 제한이 있다. 주간 한도는 계정마다 정해진 고정 시각에 초기화된다.[1]
재미있는 건, 제한에 걸리는 게 꼭 "오늘은 끝"을 뜻하지 않게 된다는 점이다.
일을 잘게 쪼개 두면 한 세션이 멈춰도 다른 독립된 작업으로 넘어가면 된다. 아니면 초기화된 뒤에 이어서 하면 된다. 제한이 게임의 스태미나나 쿨타임처럼 느껴진다.
물론 이용약관이나 서비스 제한을 우회하자는 이야기가 아니다. 허용된 범위 안에서 작업을 서로 독립적으로 나누고, 기다리는 시간에 작업 순서를 정리하거나 다음 기획을 하자는 이야기다.
결과적으로 머릿속 생각이 "AI가 멈췄다"에서 "이 작업자는 지금 쉬는 시간이네. 그럼 다른 라인을 돌리자"로 바뀐다.
3. 파킨슨의 법칙이 '시간'에서 '아이디어'로 넓어진다
파킨슨의 법칙은 흔히 "일은 주어진 시간을 다 채울 때까지 늘어난다"로 요약된다. 원래 1955년에 나온 풍자 에세이에서 시작된 말이고, 나중에는 개인 단위에서 이를 검증한 연구도 나왔다.[2]
AI 시대에는 이게 조금 모양을 바꾼다.
예전엔 8시간이 있으면 일 하나를 8시간 들여 끝내곤 했다. AI 덕분에 실제 작업이 1시간으로 줄었다고 남은 7시간이 통째로 비는 건 아니다.
남은 7시간 동안
- 새로운 문제를 발견하고
- 추가 기능을 떠올리고
- 다른 서비스와 연결할 방법을 생각하고
- 품질 기준을 올리고
- 비용이 너무 들어서 버렸던 아이디어를 되살린다.
즉 남는 시간을 기존 일이 부풀어서 채우는 데서 그치지 않고, 남는 시간에서 새로운 일 자체가 싹을 틔운다.
AI가 빨라질수록 사람의 '떠올리는 능력'이 새로운 생산 설비가 된다.
4. 생산성이 오르면 일도 늘어난다: 제번스의 역설 같은 반동 효과
여기서 떠오르는 게 제번스의 역설, 그리고 반동 효과(리바운드 효과)라는 개념이다.
원래는 에너지 효율 이야기다. 효율이 좋아져서 쓰는 비용이 싸지면 사용량이 늘어나고, 기대했던 절약분의 일부 또는 전부가 상쇄될 수 있다는 것이다. 다만 얼마나 일어나는지는 분야와 조건에 따라 다르고, 강한 '역효과'가 늘 생긴다고 확정된 건 아니다.[3]
이걸 AI 업무에 과학 법칙처럼 그대로 갖다 대는 건 무리지만, 비유로는 꽤 잘 맞는다.
개발 하나에 3일이 걸리면 아이디어 10개 중 9개는 버린다.
개발 하나가 30분짜리 지시와 검토로 끝나면 그 9개가 되살아난다.
그러면 "생산성이 10배가 됐으니 일이 10분의 1로 줄어든다"가 아니라 "예전엔 수지가 안 맞던 일까지 전부 한다"로 간다.
만드는 비용이 낮아질수록 아이디어 수요는 넓어진다.
AI는 일을 없애는 장치인 동시에 일을 만들어 내는 장치도 될 수 있다.
5. 왜 이렇게 재밌을까: 내가 고르고, 실력이 늘고, 반응이 빠르다
자기결정성 이론에서는 스스로 선택한다는 느낌(자율성), 잘할 수 있다는 느낌(유능감), 다른 사람과의 연결이 동기와 행복감에 중요하다고 본다. 특히 내가 골라서 움직인다는 느낌과 "할 수 있게 되고 있다"는 느낌은 질 좋은 동기와 이어진다.[4][5]
AI로 하는 개인 프로젝트가 쉽게 게임처럼 되는 이유가 바로 여기에 겹친다.
누가 넘겨준 엑셀을 채우는 게 아니다.
"이거 재밌겠다"를 내가 정한다.
몇 분이면 기획이 굳어진다.
몇십 분 뒤엔 돌아가는 결과물이 나온다.
망가져 있으면 고친다.
고친 방식은 다음부터 계속 효과가 있다.
이 루프가 자율성, 성장하는 느낌, 분명한 피드백을 아주 자주 돌려준다.
게임의 경험치 바는 숫자지만, AI 개발의 경험치 바는 "어제는 못 하던 게 오늘은 자동으로 돌아간다"는 실물로 돌아온다.
그러니 강할 수밖에.
6. 게임보다 센 이유: 엔드 콘텐츠를 직접 만들 수 있다
보통 게임은 아무리 커도 개발사가 준비한 세계다.
최종 보스를 잡고, 장비를 맞추고, 고난도 콘텐츠를 돈다. 언젠가는 "할 게 없다"가 찾아온다.
AI를 쓰는 개인 프로젝트에서는 바로 그 순간 내가 새 퀘스트를 추가할 수 있다.
사이트를 만들었다.
그럼 여러 언어로 낸다.
여러 언어로 냈다.
그럼 홍보한다.
홍보했다.
그럼 반응을 측정한다.
측정했다.
그럼 반응을 보고 다음 기획을 자동으로 만든다.
기획 생성까지 자동화했다.
그럼 음성, 영상, 다른 시장, 다른 서비스로 넓힌다.
클리어 조건을 채울 때마다 플레이어가 직접 DLC를 개발한다.
마인크래프트나 팩토리오 같은 '시스템을 만드는 놀이'와 궁합이 아주 좋은데, 현실에서는 내가 만든 시스템이 실제 독자, 고객, 매출, 배움, 업무 시간에 영향을 준다.
게임 머니가 아니라 현실에서 피드백이 돌아온다.
그래서 단물이 잘 안 빠진다.
7. 직급이 저절로 올라간다: PM에서 PO로, 그리고 경영자로
처음엔 프로젝트 매니저처럼 움직인다.
"이 작업을 어떻게 끝낼까" "어디가 막혀 있지" "누구에게 뭘 시킬까"
다음엔 프로덕트 매니저나 프로덕트 오너처럼 된다.
"뭘 만들어야 할까" "사용자에게 뭘 줄까" "어떤 개선을 먼저 할까"
여기서 AI가 작업 쪼개기, 담당 배분, 개발, 1차 검증까지 맡게 되면 사람이 던지는 질문이 한 단계 더 올라간다.
"어느 서비스에 자원을 몰아줄까" "어떤 시장을 키울까" "어떤 사업을 접을까" "어떤 시스템끼리 연결할까" "회사에 다음으로 어떤 기능을 붙일까"
여기까지 오면 하는 일은 기능 하나 개선이 아니라 작은 회사를 설계하는 것에 가깝다.
| 단계 | 사람이 주로 하는 질문 |
|---|---|
| 개발자 | 어떻게 만들지? |
| PM | 어떻게 끝내지? |
| PdM / PO | 뭘 만들지? |
| 경영 | 자원을 어디에 배분하지? |
| 포트폴리오 운영 | 뭘 키우고, 뭘 접지? |
AI 덕분에 대단한 사람이 된 게 아니다.
아래 단계를 맡길 수 있게 되면서, 예전엔 사람과 자본이 있어야 했던 위 단계를 혼자서 만질 수 있게 됐을 뿐이다.
그게 재밌다.
8. 혼자인데 조직도가 생긴다
더 재밌는 건, 사람이 모든 AI 작업자를 직접 관리할 필요조차 없어진다는 점이다.
예를 들면 이런 계층을 만들 수 있다.
- 사람: 목적, 우선순위, 재미, 최종 판단
- 대화형 AI: 아이디어 회의, 조사, 기획 초안
- 관리 AI: 작업 쪼개기, 작업 순서 정리, 담당 배분, 합치는 계획
- 개발 AI: 코드, 테스트, 수정
- 모니터링: 결과 확인, 변경점 비교, 실패 감지
사람 → AI 작업자가 아니다.
사람 → AI 관리자 → AI 작업자다.
이게 돌아가기 시작하면 사람의 일은 하나하나 챙기는 관리에서 더 멀어지고, "다음엔 회사에 뭘 시킬까"에 가까워진다.
직원은 0명인데 조직도만 그럴듯하다.
미래의 1인 회사, 꽤 이상한 생물이다.
9. "병렬로 더 많이"보다 "서로 안 부딪히게 나누기"
AI 작업자를 늘리면 다음 문제가 생긴다.
엄청 빠른 작업자 10명이 전부 같은 배선을 고치기 시작하면 빠르지 않다.
오히려 망가진다.
2026년 GitHub의 AI 에이전트 PR(풀 리퀘스트)을 다룬 연구에서는 동시에 움직인 에이전트들의 PR에서 병합 충돌이 관찰됐고, 연구 대상 표본에서 서로 다른 에이전트끼리 동시에 작업한 경우의 텍스트 충돌 비율이 같은 에이전트끼리 작업한 경우보다 높았다.[6]
또 다른 2026년 연구에서는 길고 복잡한 소프트웨어 작업에 대해, 중앙에서 일을 나눠 주고, 기다리지 않고 동시에 진행하고, 작업 공간을 따로 떼어 두고, 정해진 방식으로 합치는 CAID라는 방식이 에이전트 하나로 하는 기준보다 높은 성적을 냈다.[7]
중요한 건 "AI를 몇 개 띄우느냐"보다
- 같은 파일을 동시에 건드리지 않게 하기
- 맡은 범위를 확실히 나누기
- 어떤 작업이 어떤 작업에 걸려 있는지 먼저 보기
- 작업 공간을 분리하기
- 마지막에 합쳐서 테스트하기
다.
즉 다음 병목은 컴퓨터 성능이 아니라 조직 설계가 된다.
그리고 관리 AI가 거기까지 하기 시작하면, 사람은 정말로 사장 자리로 밀려 올라간다.
10. 귀한 자원이 '코드 짤 시간'에서 '주의력, 감각, 방향'으로 옮겨 간다
AI가 개발을 대량으로 처리할 수 있게 되면 가장 부족한 게 달라진다.
코드 양이 아니다.
아이디어조차 어느 정도는 AI가 낸다.
마지막에 귀해지는 건
- 뭐가 재밌는지
- 뭐가 촌스러운지
- 어디까지 할지
- 지금 해야 하는지
- 뭘 버릴지
- 뭘 믿지 말고 확인할지
- 어떤 실패를 '그때 한 번 사고'가 아니라 '시스템의 결함'으로 볼지
같은 주의력과 판단이다.
AI가 100건을 할 수 있으니 100건을 하는 게 아니다.
100건이 가능한 세상에서 그중 어떤 3건이 의미 있는지 정하는 것이 경영이 된다.
병목이 옮겨 갔다.
만드는 것에서 방향으로.
11. 무한 엔드 콘텐츠의 유일한 함정: 게임오버 조건도 내가 정해야 한다
끝이 없다는 건 최고지만, 끝이 없다는 것 자체가 위험이 될 수도 있다.
AI가 24시간 돌 수 있다고 사람까지 24시간 움직일 필요는 없다.
재밌어서 잠을 줄인다. 개선할 수 있으니까 범위를 끝없이 넓힌다. 병렬로 돌릴 수 있으니까 검증도 안 한 변경을 잔뜩 밀어 넣는다. 작업자가 늘어서 누가 뭘 건드렸는지 모르게 된다.
이러면 '자유를 늘리려는 자동화'가 '나 전용 블랙 기업의 성능 강화'가 되어 버린다.
대책도 게임 디자인처럼 생각하면 된다.
- 되돌리기 힘든 큰 변경 앞에는 관문을 둔다
- 같은 담당 범위를 동시에 수정하지 않는다
- 결과가 제대로 반영됐는지 다시 읽어서 확인한다
- 중요한 건 테스트한다
- 실패했을 때 복구할 길을 만든다
- 사람의 수면과 생활도 작업 순서에 넣는다
- "재밌지만 지금은 안 할" 목록을 따로 둔다
목표는 일을 줄이는 게 아니다.
즐거운 상태를 망치지 않고 오래 놀 수 있게 하는 것이다.
12. 결론: 일이 재밌는 게 아니라 '내 세계를 넓힐 수 있는 일'이 재밌다
"일이란 원래 재밌는 걸지도"라고 느낄 때, 아마 재밌는 건 노동 전반이 아니다.
남이 정한 일을 오랜 시간 처리하는 게 아니다.
내가 문제를 발견한다. 내가 다음 목표를 정한다. AI에게 개발을 맡긴다. 현실에 뭔가가 생긴다. 결과를 보고 또 다음을 떠올린다.
이 순환이 재밌다.
예전엔 PM으로서 "어떻게 개선할까"를 고민하던 사람이, AI에게 작업 쪼개기와 개발을 맡기면 "어떤 걸 만드는 회사로 만들까"를 고민하는 쪽으로 옮겨 간다.
그리고 관리 AI가 AI 작업자들에게 일을 나눠 주기 시작하면 한 단계 더 위로 간다.
마지막에 남는 질문은 아주 단순하다.
다음엔 뭘 만들면 재밌을까?
보통 게임에서 그 질문에 답하는 건 개발사다.
이 게임에서는 플레이어 자신이다.
그래서 끝나지 않는다.
그리고 바로 그게 제일 재밌다.
- Anthropic Help Center, “What is the Max plan?” / “How do usage and length limits work?” – Zurücksetzen der Sitzungslimits alle fünf Stunden und separate Wochenlimits. und https://support.claude.com/en/articles/11647753-how-do-usage-and-length-limits-work support.claude.com
- Brannon, L. A., Hershberger, P. J., & Brock, T. C. (1999). “Timeless demonstrations of Parkinson's first law.” Psychonomic Bulletin & Review, 6(1), 148–156 pubmed.ncbi.nlm.nih.gov
- Sorrell, S. (2009). “Jevons’ Paradox revisited: The evidence for backfire from improved energy efficiency.” Energy Policy, 37(4), 1456–1469; siehe auch spätere Übersichtsarbeiten zu Rebound-Effekten sciencedirect.com
- American Psychological Association, “Self-determination theory: A quarter century of human motivation research. apa.org
- Gagné, M., & Deci, E. L. (2005). “Self-determination theory and work motivation.” Journal of Organizational Behavior, 26(4), 331–362 selfdeterminationtheory.org
- Xu, G., Subramanian, A., & Karthik, N. (2026). “AI Agent Pull Requests on GitHub: Frequency, Structure, and Merge Conflict Rates.” arXiv:2607.04697 arxiv.org
- Geng, J., & Neubig, G. (2026). “Effective Strategies for Asynchronous Software Engineering Agents.” arXiv:2603.21489 arxiv.org
