0. 들어가며: 시리즈 회고, 그리고 피벗
1편에서 욕망을 팔고, 2편에서 공포를 팔고, 3편에서 환상을 파는 시장을 해부했다. AI를 둘러싼 담론은 늘 같은 구조였다. 누군가는 "이것이 당신을 구원할 것이다"라고 속삭이고, 다른 누군가는 "이것이 당신을 파멸시킬 것이다"라고 외친다. 양쪽 모두 당신의 지갑을 열게 만든다는 점에서, 본질적으로 같은 장사다.
그런데 이 시장 바깥에 또 다른 무리가 있다. 팔짱을 끼고 서서 "나는 안 속아"라며 도구 자체를 거부하는 사람들. 그들은 스스로를 현명한 관찰자라고 믿지만, 사실 그들 역시 무언가를 사고 있다.
이번 글의 질문은 이것이다:
"AI를 쓴다/안 쓴다"가 대체 언제부터 '선택'이 되었는가?
전기가 보급될 때 "나는 촛불이 더 좋아"라고 선언한 사람의 의견이 존중받았던 적이 있는가? 자동차가 마차를 대체할 때 "말의 따뜻함이 그립다"는 감상이 교통 정책에 반영된 적이 있는가?
도구는 허락을 구하지 않는다. 도구는 그냥 온다.
1. 전동 드릴의 교훈: 도구는 허락을 구하지 않는다
수동 드라이버 장인의 자존심
당신이 가구를 조립한다고 상상해 보자. 옆에는 전동 드릴이 놓여 있다. 당신은 수동 드라이버를 집어 들며 이렇게 말한다.
"나는 내 손의 감각을 믿어. 전동 드릴은 나사를 과하게 조이잖아. 내 방식이 더 정밀해."
틀린 말인가? 아니다. 숙련된 장인의 손은 실제로 더 섬세한 토크 조절이 가능하다. 하지만 그 장인이 하루에 조립할 수 있는 가구는 3개다. 전동 드릴을 든 초보자는 10개를 조립한다. 한 달 뒤, 시장에는 누구의 가구가 더 많이 깔려 있을까?
이것이 모든 도구 전환의 역사에서 반복되어 온 패턴이다. 저항 → 어색함 → 표준화. 예외는 없었다.
역사는 같은 대본을 반복한다
전화기가 발명되었을 때, 웨스턴 유니온의 내부 메모(1876)는 이렇게 평가했다: "이 장치는 통신 수단으로서 본질적으로 아무런 가치가 없다."1 자동차가 등장했을 때 사람들은 "악마의 마차"라 불렀다. PC가 보급되기 시작했을 때, 1995년 Newsweek의 칼럼니스트 클리프 스톨(Clifford Stoll)은 인터넷이 "정보 고속도로의 약속"을 결코 실현하지 못할 것이며, 온라인 데이터베이스가 일간 신문을 대체하는 일은 없을 것이라고 단언했다2.
숫자는 이들의 확신이 얼마나 허무하게 무너졌는지를 보여준다.
[그림 1] 전화기가 5천만 사용자에 도달하는 데 50년이 걸렸다. ChatGPT는 2개월이 걸렸다. 도구의 침투 속도는 기하급수적으로 가속하고 있다. (출처: Visual Capitalist, HBR, WEF, MIT Technology Review)
전화기가 5천만 사용자에 도달하는 데 50년이 걸렸다. 전기는 46년, 라디오는 22년, TV는 13년, 인터넷은 7년, 스마트폰은 4년. ChatGPT는 2개월이었다3. 기술 보급의 역사는 단 하나의 방향만을 가리킨다: 가속. 그리고 이 가속 곡선 위에 서서 "나는 타지 않겠다"고 선언하는 것은, 고속도로 한복판에 서서 차를 멈추겠다는 것과 다르지 않다.
하버드 비즈니스 리뷰(HBR)는 이미 2013년에 이 패턴을 명확히 정리했다: "기술 채택의 속도는 가속화되고 있다(The Pace of Technology Adoption Is Speeding Up)."4 세계경제포럼(WEF)도 2018년 보고서에서 동일한 결론을 도출했다5. 이것은 의견이 아니라 관측된 사실이다.
쓸지 말지가 아니라, 언제 익숙해지느냐의 문제
McKinsey의 2025년 글로벌 AI 현황 조사6는 이 '필연'을 숫자로 확인시켜 준다.
[그림 2] AI를 하나 이상의 사업 기능에 도입한 조직의 비율. 2023년 55%에서 2025년 88%로, 불과 2년 만에 33%p 상승했다. 생성형 AI는 같은 기간 33%에서 79%로 급등했다. (출처: McKinsey Global Survey on AI, 2025)
| 연도 | AI 전체 도입률 | 생성형 AI 도입률 | 비고 |
|---|---|---|---|
| 2023 | 55% | 33% | 실측 |
| 2024 (상반기) | 72% | 65% | 실측 |
| 2024 (하반기) | 78% | 71% | 실측 |
| 2025 | 88% | 79% | 실측 |
2년 만에 조직 도입률이 55%에서 88%로. 생성형 AI는 같은 기간 33%에서 79%로, 사실상 2.4배 성장했다. 92%의 기업이 향후 3년간 AI 투자를 확대할 계획이라고 응답했으며6, Stanford HAI의 2025 AI Index Report13에 따르면 2024년 글로벌 기업 AI 투자 총액은 $2,523억(약 340조 원)에 달했다. Pew Research Center의 2025년 10월 조사7에 따르면, 미국 직장인의 21%가 이미 업무에 AI를 사용하고 있으며, 이는 1년 전의 16%에서 상승한 수치다. Microsoft의 2024 Work Trend Index14는 더 충격적인 수치를 제시한다: 지식노동자의 75%가 이미 업무에 AI를 사용하고 있으며, 그중 78%는 회사가 공식 제공하지 않는 AI 도구를 스스로 가져와 쓰고 있다(BYOAI, Bring Your Own AI). 도구를 '허락'하지 않아도, 사람들은 이미 쓰고 있다.
여기서 주목해야 할 것은 '도입'과 '전면 확산' 사이의 간극이다. McKinsey 조사에서 AI를 전사적으로 완전히 확산시킨 조직은 단 7%에 불과했다. 이것이 의미하는 바는 명확하다: 도구를 '쓸지 말지'의 질문은 이미 끝났다. 남은 것은 어떻게, 얼마나 깊이 쓸 것인가의 문제뿐이다.
2. "안 쓰겠다"는 선언의 정체: 우리는 무엇을 사고 있는가
거부도 소비다
이 시리즈의 일관된 프레임으로 돌아가자. 1편에서 우리는 욕망을 샀다. 2편에서 공포를 샀다. 3편에서 환상을 샀다. 그렇다면 "나는 AI를 쓰지 않겠다"고 선언하는 사람은 무엇을 사고 있는가?
세 가지다.
첫째, 변하지 않아도 된다는 심리적 안도감. 새로운 도구를 익히는 것은 인지적으로 비용이 크다. 익숙한 방식을 고수하면 그 비용을 지불하지 않아도 된다. 거부는 '학습 회피'에 대한 정당화를 제공한다.
둘째, 기존 정체성의 자존심. "나는 AI 없이도 잘해왔다"는 과거의 역량에 대한 자기 확인이다. 문제는 과거의 역량이 미래의 경쟁력을 보장하지 않는다는 것이다.
셋째, "나는 유행에 휘둘리지 않는다"는 지적 우월감. 이것은 가장 교묘한 자기기만이다. 비판적 사고를 가장한 지적 나르시시즘. AI 비판자의 포즈를 취하면서 실제로는 도구에 대한 무지를 '주체성'으로 포장하는 것.
이것은 2편에서 비판했던 "AI 면죄부 구매"의 정확한 거울상이다. 공포를 사는 사람들이 "AI 시대 생존법" 강의에 돈을 지불하며 안도감을 얻듯이, 거부자들은 "나는 저런 유행에 속지 않아"라는 자기 서사에 자존심이라는 화폐를 지불하며 안도감을 산다. 방향만 반대일 뿐, 구조는 동일하다.
데이터가 보여주는 격차
그런데 이 '자존심'의 가격표가 점점 비싸지고 있다.
하버드 경영대학원과 BCG의 공동 연구8는 758명의 BCG 컨설턴트를 대상으로 한 현장 실험에서, AI 사용자와 비사용자 사이의 성과 격차를 정밀하게 측정했다.
[그림 3] AI 도구를 사용한 그룹은 비사용 그룹 대비 과제 완료 수 12.2% 증가, 속도 25.1% 향상, 품질 40% 향상을 보였다. 특히 하위권 실력자의 성과 향상이 43%로 가장 컸다. (출처: Dell'Acqua et al., Harvard Business School, 2023; GitHub Research, 2024)
| 지표 | AI 사용 그룹 | 비고 |
|---|---|---|
| 완료 작업 수 | +12.2% | BCG/Harvard (N=758) |
| 작업 완료 속도 | +25.1% | BCG/Harvard (N=758) |
| 작업 품질 | +40% 향상 | BCG/Harvard (N=758) |
| 하위권 실력자 성과 | +43% 향상 | BCG/Harvard (N=758) |
| 코딩 작업 속도 | +55.8% | GitHub Copilot (N=95) |
GitHub의 2024년 연구9는 개발자 생산성에 대해 더 극적인 수치를 제시한다. Copilot을 사용한 개발자들은 코딩 작업을 55.8% 더 빠르게 완료했으며, 평균 소요 시간이 2시간 41분에서 1시간 11분으로 단축되었다. 87%는 반복 작업에서의 인지적 부담이 줄었다고 응답했고, 73%는 '몰입 상태(flow state)'를 유지하는 데 도움이 되었다고 보고했다.
특히 BCG/Harvard 연구에서 주목할 점은 하위권 실력자의 성과 향상 폭이 43%로 가장 컸다는 것이다. 이 패턴은 고립된 발견이 아니다. Stanford과 MIT의 공동 연구15(N=5,179, Fortune 500 기업의 고객 지원 상담원 대상)에서도 AI 도구를 사용한 상담원은 시간당 해결 건수가 평균 14% 증가했으며, 초보 상담원의 생산성 향상은 34%에 달한 반면 숙련 상담원에게는 미미한 효과만 나타났다. AI는 이미 잘하는 사람을 조금 더 잘하게 만드는 것이 아니라, 못하는 사람을 급격하게 끌어올리는 평준화 도구다.
그리고 이 격차는 개인 수준을 넘어 경제적 보상으로 직결된다. PwC의 2025 Global AI Jobs Barometer16는 10억 건 이상의 채용 공고와 수천 개 기업의 재무 데이터를 분석한 결과, AI 역량을 보유한 직원에게 56%의 임금 프리미엄이 부여되고 있으며(전년의 25%에서 급등), AI 노출도가 높은 산업의 1인당 매출 성장률은 낮은 산업의 3배(27% vs 9%)에 달한다고 보고했다.
이것은 도구를 거부하는 것의 기회비용이 가장 큰 집단이 바로 '아직 덜 숙련된 사람들'이라는 역설을 만든다. 가장 많이 도움을 받을 수 있는 사람들이, 가장 적극적으로 도구를 거부하고 있다.
3. 써보지도 않고 판단하는 것의 문제
거부의 해부학: 데이터가 말하는 진짜 이유
"나는 AI를 신중하게 거부하는 것"이라고 말하는 사람들에게 물어보자. 당신의 거부는 정말로 '신중한 판단'에 근거한 것인가, 아니면 단순한 무지와 두려움의 합리화인가?
Pew Research Center(2025)7와 Salesforce(2024)10의 조사 데이터는 불편한 진실을 드러낸다.
[그림 4] AI 비사용 이유의 상당 부분은 '경험에 근거한 판단'이 아니라 '사용 이전의 두려움과 무지'로 구성되어 있다. (출처: Pew Research Center, 2025; Salesforce Generative AI Survey, 2024)
데이터를 분류해 보면 두 가지 범주가 선명하게 드러난다.
"모른다" 범주:
- 안전한 사용법을 모른다: 39%
- 가치 활용법을 모른다: 43%
- 고용주가 교육을 제공하지 않는다: 70%
"두렵다" 범주:
- AI 출력의 정확성이 우려된다: 54%
- AI 출력의 편향이 우려된다: 59%
- 보안 위험이 우려된다: 73%
여기서 핵심적인 질문이 발생한다. "정확성이 우려된다"고 응답한 54%의 사람들 중, 실제로 AI 도구를 일정 기간 사용해 본 후에 그 결론에 도달한 사람은 몇 퍼센트일까? Pew의 동일 조사에서 AI 비사용자의 46%는 "내 업무에 AI가 필요없다고 생각한다"고 응답했다. 이것은 '판단'인가, '추측'인가?
비판과 무지의 구분선
오해하지 말자. AI의 한계를 논하는 것은 정당하고 필요한 행위다. BCG/Harvard 연구8가 밝혀낸 "들쭉날쭉한 기술 경계(Jagged Technological Frontier)" 개념은 이 점을 정확히 짚는다. AI의 역량 범위 밖의 작업에서, AI에 무비판적으로 의존한 컨설턴트들은 AI를 사용하지 않은 그룹보다 정답률이 19%p 낮았다. AI는 만능이 아니며, 그것을 만능으로 취급하는 것은 위험하다.
하지만 여기서 결정적인 차이가 있다. 이 비판은 AI를 실제로 사용해 본 연구자들이, 통제된 실험을 통해 도출한 결론이다. 써보지도 않고 "AI는 부정확하다"고 단정하는 것과, 758명의 실험 데이터를 분석하여 "이 특정 조건에서 AI는 위험하다"고 지적하는 것 사이에는 하늘과 땅의 차이가 있다.
에버렛 로저스(Everett Rogers)는 Diffusion of Innovations(1962, 5판 2003)11에서 기술 채택자를 다섯 범주로 분류했다: 혁신자(Innovators, 2.5%), 선도 수용자(Early Adopters, 13.5%), 전기 다수(Early Majority, 34%), 후기 다수(Late Majority, 34%), 최후 수용자(Laggards, 16%). 로저스가 '최후 수용자'를 묘사할 때 사용한 핵심 특성은 "전통 지향적이며, 의사결정의 준거 틀이 과거에 고정되어 있다"는 것이었다.
여기서 중요한 것은 로저스의 모델이 '거부'를 하나의 범주로 설정하지 않았다는 점이다. 기술 확산 이론에서 영원한 거부자는 존재하지 않는다. 최후 수용자조차 결국은 채택한다. 단지 늦을 뿐이다. 그리고 '늦음'에는 누적되는 기회비용이 있다.
닐 포스트먼(Neil Postman)은 Technopoly(1992)12에서 모든 기술이 "파우스트적 거래(Faustian bargain)"를 수반한다고 경고했다. 기술은 무언가를 주는 동시에 무언가를 빼앗는다. 이 경고는 타당하다. 하지만 포스트먼조차 기술을 '거부'하라고 말한 것이 아니라, 기술이 빼앗는 것이 무엇인지 의식적으로 인지하라고 말한 것이다. 의식적 인지의 전제 조건은 사용 경험이다.
써보지 않고 거부하는 것은 비판이 아니다. 그것은 무지다.
4. 결론: 진짜 질문은 "쓸 것인가"가 아니다
이미 끝난 질문
정리하자. 기업의 88%가 이미 AI를 도입했다. 생성형 AI 도입률은 2년 만에 33%에서 79%로 뛰었다. 전 세계 92%의 기업이 AI 투자를 확대할 계획이다. ChatGPT는 5천만 사용자에 도달하는 데 2개월이 걸렸고, 전화기는 50년이 걸렸다.
"AI를 쓸 것인가?"는 이미 끝난 질문이다. "전기를 쓸 것인가?"가 끝난 질문인 것처럼.
파는 자들, 사는 자들, 그리고 서 있는 자들
이 시리즈 전체를 관통하는 구조는 단순하다. 시장은 항상 무언가를 판다. 1편의 욕망, 2편의 공포, 3편의 환상, 그리고 4편의 거부. 모두 상품이다. 차이가 있다면, 처음 세 가지는 소비자가 자신이 무언가를 사고 있다는 것을 어렴풋이나마 인지한다는 것이고, 네 번째는 "나는 아무것도 사지 않았다"는 착각까지 상품에 포함되어 있다는 것이다.
"나는 AI를 거부함으로써 주체적인 판단을 내리고 있다"라는 믿음 자체가, 가장 정교한 자기기만의 상품이다.
진짜 질문
도구를 쓰느냐 마느냐는 질문이 아니다. 도구는 이미 여기 있고, 이미 작동하고 있으며, 이미 세계를 재편하고 있다.
진짜 질문은 이것이다:
이 도구를 가지고 무엇을 만들 것인가? 어떤 사유를 할 것인가?
전동 드릴은 가구도 만들 수 있고 벽에 구멍도 낼 수 있다. 드릴의 존재 자체는 선도 악도 아니다. 하지만 드릴이 놓여 있는데 손 드라이버를 고집하며 "나는 장인이야"라고 자위하는 사이, 세상은 이미 다음 가구를 조립하고 있다.
1편에서 3편까지 우리는 시장이 파는 것들의 정체를 까발렸다. 4편에서 우리는 시장 바깥에 서 있다고 믿는 것 자체가 또 하나의 시장임을 확인했다.
남은 것은 당신의 선택이다. 단, 그 선택은 "쓸 것인가 말 것인가"가 아니다. "이미 쓰고 있는 이 도구로, 어떤 세계를 만들 것인가"다.
References
데이터 출처
3. Visual Capitalist, "The Rising Speed of Technological Adoption," based on data from HBR, WEF, and MIT Technology Review. Time to 50 million users: Telephone 50 years, Electricity 46 years, Radio 22 years, TV 13 years, PC 14 years, Internet 7 years, Smartphone 4 years, ChatGPT 2 months. Link
6. McKinsey & Company, "The State of AI: Global Survey," 2023-2025. AI adoption: 55% (2023) → 78% (mid-2024) → 88% (2025). Gen AI adoption: 33% (2023) → 71% (mid-2024) → 79% (2025). 92% plan to increase AI investment. Link
7. Pew Research Center, "About 1 in 5 U.S. Workers Now Use AI in Their Job, Up Since Last Year," October 2025. AI use at work: 16% (2024) → 21% (2025). 46% of non-users say their work can't be done with AI. Link
9. GitHub Blog, "Research: Quantifying GitHub Copilot's Impact on Developer Productivity and Happiness," 2024. N=95 developers; 55.8% faster task completion (2h41m → 1h11m); 87% reduced cognitive load; 73% maintained flow state. Link
10. Salesforce, "Generative AI Statistics / AI at Work Research," 2024. 70% of employers don't provide AI training; 54% worry about accuracy; 59% worry about bias; 73% cite security risks; 39% don't know how to use AI safely. Link
13. Stanford University HAI, "2025 AI Index Report," 2025. Total corporate AI investment: $252.3B in 2024; private AI investment up 44.5% YoY. Link
14. Microsoft & LinkedIn, "2024 Work Trend Index: AI at Work Is Here. Now Comes the Hard Part," May 2024. 75% of knowledge workers use AI at work; 78% bring their own AI tools (BYOAI); 46% started using AI in the prior 6 months. Link
학술 논문 및 저서
1. The apocryphal Western Union internal memo dismissing the telephone (1876) is widely cited in technology history literature. See: Wu, Tim. The Master Switch: The Rise and Fall of Information Empires. New York: Knopf, 2010.
2. Stoll, Clifford. "The Internet? Bah!" Newsweek, February 27, 1995. Stoll predicted that online databases would never replace newspapers and that e-commerce was fundamentally unviable. Link
4. McGrath, Rita Gunther. "The Pace of Technology Adoption Is Speeding Up." Harvard Business Review, November 2013. Link
5. World Economic Forum. "The Rising Speed of Technological Adoption," February 2018. Link
8. Dell'Acqua, Fabrizio, Edward McFowland III, Ethan R. Mollick, Hila Lifshitz-Assaf, Katherine Kellogg, Saran Rajendran, Lisa Krayer, François Candelon, and Karim R. Lakhani. "Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality." Harvard Business School Working Paper No. 24-013, September 2023. N=758 BCG consultants; +12.2% tasks, +25.1% speed, +40% quality; bottom performers +43%; outside frontier: -19%p accuracy. SSRN
11. Rogers, Everett M. Diffusion of Innovations. 5th ed. New York: Free Press, 2003. (Original work published 1962.) Innovation adoption categories: Innovators (2.5%), Early Adopters (13.5%), Early Majority (34%), Late Majority (34%), Laggards (16%).
12. Postman, Neil. Technopoly: The Surrender of Culture to Technology. New York: Knopf, 1992.
15. Brynjolfsson, Erik, Danielle Li, and Lindsey R. Raymond. "Generative AI at Work." Quarterly Journal of Economics 140, no. 2 (2025): 889-938. NBER Working Paper No. 31161, 2023. N=5,179 customer support agents; +14% average productivity, +34% for novice workers. NBER
16. PwC, "2025 Global AI Jobs Barometer," 2025. Analysis of 1B+ job postings; AI-skilled workers earn 56% wage premium (up from 25%); AI-exposed sectors see 4x productivity growth; revenue per employee 27% vs. 9% (3x gap). Link
