AI 활용 역설: 인간 멀티태스킹으로 AI 생산성 극대화

AI 시대에 필요한 인간의 멀티태스킹

서론 — AI가 일하는 동안, 나는 다른 일을 맡깁니다

AI에 맡긴 작업들이 진행되는 동안, 사람은 다음 일을 설계하고 돌아온 결과를 확인합니다.

코덱스나 클로드 코드에 일을 맡기면 짧게는 2~3분, 길게는 30분씩 걸립니다. 구현한 뒤 검수하고, 발견한 문제를 다시 고치도록 하면 기다리는 시간은 더 길어집니다. 제 경험으로는 그 과정을 거쳐야 결과가 좀 더 꼼꼼해집니다.

처음에는 답이 나올 때까지 기다렸습니다. 그런데 계속 쓰다 보니 그사이에 다른 작업을 맡기게 됩니다. A 작업이 돌아가는 동안 B를 설계하고, B를 맡긴 뒤 C에 필요한 자료를 정리합니다. 그러다 A가 끝나면 결과를 확인하고 다음 지시를 내립니다.

이렇게 일하다 보니 한 가지 생각이 들었습니다.

AI를 잘 활용하려면 인간이 멀티태스킹을 잘해야겠구나.

제가 말하는 멀티태스킹은 여러 AI 작업이 진행되는 동안, 사람이 무엇을 맡길지 설계하고 돌아온 결과를 차례로 판단하는 능력입니다. 그런데 작업을 여러 개 돌려보니 처리량과 함께 기억해야 할 일, 검수할 결과, 업무시간도 늘어났습니다.

비슷한 경험을 한 사람들의 글을 읽으면서, 이 능력에 무엇이 포함되어야 하는지 생각해 봤습니다.

관련 근거: 필자의 사용 경험, 여러 Claude Code 세션을 병행하는 사용자들의 논의

Aran Komatsuzaki — 병렬 에이전트가 모든 문제를 빠르게 풀지는 않는다

Aran Komatsuzaki는 코덱스를 수학·물리 연구 문제에 장시간 사용한 경험을 공유했습니다. 그가 지적한 것 중 하나는, 에이전트를 여러 개 실행한다고 모든 문제의 해결 속도가 단순하게 늘지는 않는다는 점입니다.

어떤 문제는 작은 시도를 하고, 결과를 확인하고, 방향을 바꾼 다음 다시 시도해야 합니다. 앞선 판단에 다음 단계가 달려 있으니, 에이전트를 많이 투입해도 기다려야 하는 과정이 남습니다. 개인적인 연구 경험이지만 작업의 성격에 따라 병렬화의 효과가 달라진다는 점을 보여줍니다.

일상적인 업무에서도 비슷합니다. 서로 다른 자료 조사와 초안 작성은 동시에 맡길 수 있습니다. 반면 조사 결과를 바탕으로 방향을 정해야 하는 작업은 순서가 필요합니다.

따라서 멀티태스킹의 출발점은 일을 나누는 능력입니다. 어떤 일은 독립적으로 맡길 수 있는지, 어떤 일은 먼저 끝나야 하는지 구분해야 합니다. 원하는 결과와 완료 기준을 설명하는 능력도 여기에 포함됩니다.

출처: Aran Komatsuzaki의 Codex 연구 작업 경험

「Claude Code 세션을 동시에 몇 개 돌리나요?」 — 사람이 병목이 되는 순간

작업은 병렬로 진행돼도, 돌아온 결과를 이해하고 판단할 시간은 필요합니다.

Reddit의 이 글에서 작성자는 세션을 5~6개 이상 실행하면 응답을 읽고 다음 작업을 생각하는 자신이 병목이 된다고 말합니다.

댓글에는 두 개를 넘으면 작업을 충분히 생각하지 않은 채 승인하게 된다는 사람도 있고, 네 개 정도를 관리한다는 사람도 있습니다. 사람마다 업무와 경험이 다르므로 특정 개수를 정답으로 볼 수는 없습니다. 다만 여러 결과가 돌아왔을 때 사람이 감당해야 할 판단의 양이 늘어난다는 점은 제 경험과 맞았습니다.

AI에게 일을 맡기는 것은 어렵지 않습니다. 하지만 돌아온 결과를 읽고, 요구사항을 충족했는지 확인하고, 수정 방향을 결정하는 데는 제 시간이 필요합니다.

그래서 검수하고 판단하는 능력이 중요해집니다. AI가 작업을 끝냈다는 것과 내가 원하는 일이 끝났다는 것은 다릅니다. AI에게 검수를 맡겨도 그 결과를 이해하고 최종 판단할 사람은 필요합니다.

자기 분야의 지식이 필요한 이유도 여기에 있습니다. 결과가 자연스럽고 그럴듯하다는 이유만으로 승인하면, 문제를 알아차릴 기회를 놓칠 수 있습니다.

출처: How many CC sessions do you run concurrently?

「3개 저장소에서 4~6개 세션을 관리하는 방법」 — 기억을 밖으로 꺼내놓기

여러 작업을 병행하면 또 다른 문제가 생깁니다. 무엇을 어디에 맡겼는지 헷갈리기 시작합니다.

이 글의 작성자는 작업별로 세션을 나누고, 다시 시작할 때 이전 작업과 미완료 사항을 요약하게 하는 방식을 소개합니다. 특히 컴퓨터를 재시작한 뒤 어떤 작업을 어느 창에서 진행하고 있었는지 복원하는 비용을 강조합니다. 자체 도구를 소개하는 글이므로 효과는 개인 사례로 읽을 필요가 있습니다.

저도 이 부분에 공감했습니다. 작업이 끝났는데 확인하지 않았는지, 수정 요청을 보냈는지, 제 답을 기다리는 중인지 기억에만 의존하면 금방 놓칩니다.

그래서 할 일 목록과 검토 대기를 정리하는 도구가 필요하다고 느꼈습니다. 작업마다 목표, 현재 상태, 확인할 결과, 다음 행동을 남겨두고 싶었습니다.

AI 시대의 멀티태스킹에는 맡긴 일을 추적하는 능력이 포함되어야 합니다. 다시 돌아왔을 때 대화를 처음부터 읽으며 상황을 복원하는 시간을 줄여야 여러 작업을 계속 이어갈 수 있습니다.

출처: How I run 4–6 parallel Claude Code sessions across 3 repos without losing my mind

「병렬 에이전트 때문에 작업 전환 피로가 돌아왔다」 — 언제 확인할지도 정해야 한다

이 글의 댓글에서는 여러 에이전트를 계속 지켜보는 부담을 줄이기 위한 방법들이 나옵니다.

완료 결과와 미해결 사항을 파일에 남겨 모아서 검수하기, 사람의 결정이 꼭 필요한 경우에만 알리기, 작업을 다시 열었을 때 무엇이 바뀌었는지 쉽게 확인하도록 기록하기 같은 제안입니다. 반대로 여러 프로젝트의 병행 자체를 줄였다는 사람도 있습니다.

여기서 얻은 생각은 결과를 확인하는 순서와 시점도 내가 관리해야 한다는 것입니다.

AI가 끝날 때마다 하던 일을 멈추고 창을 옮겨 다니면, 여러 작업이 돌아가는 동안 저는 계속 상황을 다시 이해해야 합니다. 완료 결과는 검토 대기에 모아두고, 정말 판단이 필요한 질문부터 확인하는 방식이 도움이 될 수 있겠습니다.

작업을 많이 실행하는 것에 더해, 사람이 개입해야 하는 순간을 정리하는 능력이 필요한 셈입니다.

출처: Running multiple agents in parallel is bringing back context-switching fatigue

「AI는 일을 줄이지 않고, 더 강하게 만든다」 — 길어진 업무시간

다음 작업을 맡기기는 쉬워졌습니다. 하루의 작업을 끝내는 시점은 따로 정해야 합니다.

제가 가장 예상하지 못했던 변화는 업무시간이었습니다.

AI가 일하는 동안 쉬면 될 줄 알았습니다. 그런데 기다리는 틈마다 다른 일을 넣으니 끝이 없습니다. 하나가 끝나면 검수하고, 수정을 맡긴 뒤 또 다른 작업을 시작합니다.

쪽잠을 자고 일어나서 결과를 확인하고, 다시 돌립니다. 할 수 있는 일이 많아지는 것은 즐겁습니다. 그런데 일을 끝내고 쉬는 시점은 자꾸 뒤로 밀립니다.

Berkeley 연구진은 직원 약 200명의 미국 기술기업을 8개월간 관찰하면서 업무 범위의 확대, 휴식 시간으로 번지는 업무, 여러 AI 작업의 병행을 보고했습니다. 한 회사의 관찰 연구이므로 모든 사용자에게 일반화할 수는 없지만, 시간을 아끼는 도구가 업무량의 증가로 이어질 수 있다는 점은 제 경험과 맞닿아 있습니다.

Reddit에도 여러 세션을 돌리면서 하루에 2~3시간 더 일하게 됐다는 댓글과, 새벽 3시에도 작업 창 네 개를 닫지 못하고 있다는 경험담이 있습니다.

그래서 멀티태스킹에는 내가 감당할 수 있는 만큼 일을 벌리고, 끝낼 시점을 정하는 능력도 포함되어야 한다고 생각합니다. 검토 대기가 쌓인다면 돌아온 결과부터 확인하고, 완료 기준을 충족한 작업은 닫는 연습이 필요합니다.

출처: AI Doesn’t Reduce Work—It Intensifies It, Mental burnout from too many parallel Claude Code sessions?

결론 — AI 시대에 인간이 키워야 할 능력

AI를 잘 활용하기 위해서는 좋은 질문을 하는 능력과 자기 분야의 지식이 필요합니다. 여기에 앞으로 더 중요해질 능력이 있다고 생각합니다.

여러 업무를 설계하고, AI에게 맡기고, 진행 상황을 놓치지 않으면서, 돌아온 결과를 판단하고 마무리하는 능력입니다.

저는 이걸 인간의 멀티태스킹이라고 부르고 싶습니다.

AI가 더 많은 일을 처리할 수 있게 될수록, 사람은 어떤 일을 맡길지 고르고 무엇을 완료로 인정할지 결정해야 합니다. 작업을 병행하는 능력과 함께 우선순위를 정하고, 검수하고, 멈추는 능력을 길러야 합니다.

저부터 그 연습이 필요합니다. 오늘도 여러 작업이 돌아가고 있습니다. 이제는 일을 잘 시작하는 것만큼, 잘 마무리하는 법도 배워야겠습니다.

관련 근거: 필자의 경험과 동시 세션 관리 논의, 업무 강도에 관한 관찰 연구를 바탕으로 한 해석입니다.

출처 및 참고

사용자 게시글은 개인 경험과 의견으로, Berkeley 연구는 한 기업을 관찰한 연구로 구분해 활용했습니다. 삽입 일러스트 3장은 AI로 생성했습니다.

AI에게 일을 맡겼더니, 내가 더 바빠졌다