AI가 프리랜서 일감을 줄이는 동안 “AI 결과물을 고쳐 달라”는 일감은 빠르게 늘었습니다. 가디언이 2026년 9월 보도한 플랫폼 자료에 따르면 Freelancer.com의 AI 오류 수정 공고는 2025년 8월부터 2026년 6월까지 87% 증가해 전 세계 1만760건에 이르렀습니다.
이 변화는 AI가 만든 초안이 곧 비용 절감이라는 계산에 빠진 항목을 보여줍니다. 생산 비용이 사라진 것이 아니라 검토, 재작업, 긴급 외주로 이동할 수 있습니다. 기업은 구독료가 아니라 상업적으로 사용할 수 있는 결과물이 완성될 때까지의 총비용을 측정해야 합니다.
| 자료 | 관찰한 변화 | 측정 대상 |
|---|---|---|
| Management Science | 글쓰기·코딩 공고 21% 감소 | 자동화 노출이 큰 공고와 비교군 |
| Management Science | 이미지 제작 공고 17% 감소 | 이미지 생성 AI 등장 전후 |
| Freelancer.com | AI 오류 수정 공고 87% 증가 | 2025년 8월~2026년 6월 공고 수 |
| Upwork | AI 결과물 보정 일감 70% 증가 | 전년 대비 일감 수 |
| Fiverr | ‘AI cleanup’ 검색 20배 이상 증가 | 2023년 대비 2026년 검색량 |
플랫폼마다 측정 대상과 기간이 다르므로 증가율을 직접 비교해 하나의 시장 규모로 합칠 수는 없습니다. 다만 일부 창작·개발 의뢰가 줄어드는 동시에 AI 산출물을 사람이 다시 다듬는 수요가 늘었다는 공통 방향은 확인할 수 있습니다.
AI가 줄인 비용은 어디로 이동했나
Management Science에 실린 연구는 ChatGPT 공개 후 8개월 동안 자동화 노출이 큰 글쓰기·코딩 공고가 비교군보다 21% 줄었다고 분석했습니다. 이미지 생성 AI 등장 뒤 이미지 제작 공고는 17% 감소했습니다. 남은 일감은 경쟁이 커졌지만 복잡성과 보수가 높아지는 경향도 나타났습니다.
반대편에서는 기업이 AI로 만든 초안을 복구하기 위해 다시 전문가를 찾습니다. 가디언이 인용한 자료에서 AI 오류 수정 공고는 그래픽 디자인, 영상 편집, 교정, 콘텐츠 작성 순으로 많았습니다. AI가 일자리를 단순히 없애거나 만든다기보다 업무의 위치와 단가를 바꾸고 있는 신호에 가깝습니다.
비용이 잘 보이지 않는 이유는 장부에서 서로 다른 이름으로 기록되기 때문입니다. 구독료 절감은 도구 예산에 선명하게 남지만 검토 시간은 인건비에 섞이고, 재작업은 일정 지연으로 나타나며, 긴급 외주는 프로젝트 초과 비용으로 잡힙니다.
| 비용 항목 | 보이는 위치 | 놓치기 쉬운 이유 |
|---|---|---|
| AI 구독료·사용료 | 도구 예산 | 결제 내역이 명확함 |
| 검토 시간 | 내부 인건비 | 별도 작업으로 기록하지 않음 |
| 재작업·야근 | 인건비와 일정 | 원인을 AI 사용과 연결하지 않음 |
| 긴급 외주 | 프로젝트 초과 비용 | 마감 직전에 사후 발견 |
왜 수습은 새로 만드는 만큼 비싼가
AI 산출물의 문제는 완성된 모양을 하고 있다는 데 있습니다. 새로 만들 때는 의도와 기준에서 출발하지만, 수습할 때는 먼저 결과물 전체를 검사하고 빠진 의도를 역추적해야 합니다. 오류가 문장, 이미지, 장면 전체에 얕게 퍼져 있으면 한두 곳을 고치는 것으로 끝나지 않습니다.
가디언이 전한 사례가 이를 보여줍니다. 한 의뢰인은 AI 삽화 13–15장을 약 500달러에 고쳐 달라며 장당 15분을 예상했지만 작업자는 거절했습니다. 또 다른 영상·이미지 편집자는 AI로 만든 타로 카드 이미지 약 100장을 받았고 각 장을 고치는 데 2–3시간이 들었습니다.
두 사례를 모든 프로젝트의 평균으로 일반화할 수는 없습니다. 그러나 발주자가 “이미 대부분 완성됐다”고 보는 결과물도 전문가는 오류 탐색, 일관성 복구, 저작권과 브랜드 기준 확인부터 다시 시작해야 한다는 구조는 보여줍니다.
따라서 AI의 실제 비용은 다음 항목을 함께 계산해야 합니다.
AI 실제 비용 = 구독료와 사용료 + 검토 시간의 인건비 + 재작업 비용 + 사후 수습 외주비
이 식의 뒤 세 항목을 기록하지 않으면 도입 전후의 절감 효과를 정확히 알 수 없습니다. AI 에이전트의 도입률과 ROI 격차를 판단할 때도 시범 단계의 생성 속도보다 운영 단계의 검토 부담을 함께 봐야 합니다.
외부 전문가는 언제 투입해야 하나
외부 전문가를 마감 직전 소방수로 부르면 해독 비용과 긴급 비용을 함께 지불합니다. 같은 전문가를 시작 단계에서 완성 기준을 정하는 사람으로, 마지막에는 검수자로 배치하면 투입 시간을 줄일 수 있습니다.
핵심은 검증을 워크플로우 안으로 옮기는 것입니다. 100개를 만든 뒤 일관성 문제를 발견하면 100개를 다시 고쳐야 합니다. 5개 시점에 확인하면 기준 하나를 수정해 남은 95개에 적용할 수 있습니다.
특히 브랜드 톤, 고객 관계 판단, 법적 책임이 걸린 결과물은 “초안을 빨리 만들 수 있는가”보다 “틀린 부분을 얼마나 싸게 발견할 수 있는가”가 중요합니다. 정답이 명확한 형식 변환과 1차 분류는 검증이 비교적 쉽지만, 기준이 암묵적인 창작과 최종 의사결정은 검증 비용이 생산 비용보다 커질 수 있습니다.
검증 비용을 어떻게 측정해야 하나
업무 하나를 골라 한 달 동안 아래 지표를 기록하면 도입 효과를 다시 계산할 수 있습니다.
- 첫 검토 반려율 — AI 산출물이 처음 검토를 통과하지 못한 비율
- 검토 소요시간 — 결과물 한 건을 확인하는 실제 시간
- 재실행 횟수 — 같은 과업을 다시 생성하거나 수정한 횟수
- 수습 전환 건수 — 결국 사람이 대부분을 다시 만든 건수
- 완료 리드타임 — 요청부터 사용할 수 있는 결과물까지 걸린 시간
사람 검토를 없애는 것이 목표는 아닙니다. 되돌리기 비용이 싼 지점에서 확인하고, 수정 이유를 다음 실행의 기준으로 남기는 것이 중요합니다. Klarna의 AI 고객서비스 되돌리기 비용도 자동화율보다 품질 기준과 예외 처리 구조를 먼저 봐야 한다는 점을 보여줍니다.
AI 클린업 수요가 얼마나 오래 지속될지는 알 수 없습니다. 가디언 인터뷰에 참여한 한 프리랜서는 모델이 개선되면 5~10년 안에 일부 수요가 줄 수 있다고 전망했지만 이는 개인의 예상입니다. 지금 확인할 수 있는 결론은 분명합니다. AI에게 일을 맡기는 능력과 맡긴 일을 검증하는 능력은 별개의 운영 역량입니다.
도입 효과 점검 체크리스트
- ‘완성’과 ‘반려’ 기준을 작업 전에 적었는가
- 첫 검토 반려율과 실제 검토 시간을 기록하는가
- 재작업과 긴급 외주 비용을 AI 비용에 포함하는가
- 되돌리기 비용이 싼 지점에 사람 검토를 두었는가
- 외부 전문가를 기준 설계와 최종 검수에 활용하는가
