영상: How tech workers actually feel about AI in 2026 | Annual AI sentiment survey (Noam Segal)
게스트: Noam Segal (전 Airbnb, Intercom, Twitter, Wealthfront, Meta, Zapier, Figma 리서치 리더)
진행: Lenny Rachitsky
1. 조사 개요
핵심 주장
- Lenny와 Noam이 공동 진행하는 2회차 연간 테크 감정 조사(Tech Sentiment Survey)
- 업계 최대 규모: 약 6,000명 응답 (제품, 엔지니어링, 디자인, 리서치, 마케팅, 영업 등 전 직군)
- 작년 제목: "번아웃이지만 낙관적" → 올해: 낙관이 무너지고 번아웃이 급등
근거/데이터
- 작년 AI가 1개 변수로 기존 최대 효과(매니저, 창업자 행복도)를 넘지 못했으나 올해 그 3배 수준의 효과
- Cohen's D 지표로 측정 시, AI가 정체성에 미치는 영향이 업계에서 발견된 그 어떤 변수보다도 3배 이상 크다
시사점
- AI는 이제 단순 도구가 아니라 정체성과 커리어 전망을 근본적으로 흔드는 변수다
- 회사 규모, 직급, 역할보다 "AI와 어떻게 관계를 맺는가" 가 웰빙의 최대 결정 요인
2. 핵심 발견 ①: AI 정체성 양극화 (50 대 50 분열)
핵심 주장
테크 인력이 AI에 의해 정확히 반반으로 쪼개졌다
근거/데이터
- "AI가 내 직업적 정체성을 바꾸지 않았다" : 단 3%
- 증폭(Amplified): 50% — 더 많이, 더 잘 할 수 있다는 순수 긍정
- 역할 재정의(Redefined): 27% — 역할이 변하고 있지만 의미가 불분명
- 불안정(Destabilized): 14% — 지면이 흔들리는 느낌, 높은 불안·비관
- 위축(Diminished): 5% — AI에 의해 뭔가 빼앗긴 느낌, 회복 불가능
사례
- 불안정·위축 그룹: "AI 모델은 역사상 오늘이 제일 나쁘다" → 앞으로 더 나빠질 것을 직감
- 이 4개 버킷은 커리어 낙관도, 번아웃, 해고 걱정, 역할 추천 의향 등 모든 지표와 선형적으로 연결됨
시사점
- AI를 어떻게 인식하느냐가 동일 업종·직급·회사 내에서도 삶의 질을 완전히 갈라놓는다
- 에너지 넘치는 50%가 나머지 50%에게 공감과 지원을 쏟을 필요가 있다
3. 핵심 발견 ②: 4가지 직원 원형(Archetype)
핵심 주장
감정 분석으로 도출된 4가지 전형이 테크 인력을 설명한다
근거/데이터
| 원형 | 비율 | 특징 |
|---|---|---|
| 에너지 넘치는 빌더 | 41% | 테크 놀이공원에서 놀고 있는 느낌, 새 기능 탐색에 몰두 |
| 갈등하는 중간(Conflicted) | 35% | 역대 가장 재미있으면서 역대 가장 불확실한 커리어 |
| 혼란스러운(Disoriented) | ~12% | "산업혁명 직전 농부처럼 앞이 안 보인다" |
| 분노하는(Resentful) | 12% | "AI 쓰지 않으면 해고라 억지로 쓰는데 그래도 해고 당한다" |
사례
- 갈등하는 중간 그룹 인용: "역대 최고로 재미있는 동시에 역대 최고로 불확실하다"
- 분노 그룹 인용: "AI를 사용하도록 강요받거나 일자리를 잃는다. 그런데도 사람들이 해고되고 있다"
시사점
- 평균 5개 감정을 동시에 느낀다 (최대 13개 선택한 응답자도 있음)
- 흑백 논리("하이퍼 vs 둠머")가 아닌 복잡한 공존 상태를 인식해야 한다
4. 핵심 발견 ③: 번아웃 급등 + 낙관 하락
핵심 주장
AI가 할 일을 줄여줄 것이라는 기대와 반대로 번아웃이 역대 최고치를 기록했다
근거/데이터
| 지표 | 2025년 | 2026년 |
|---|---|---|
| 심각한 번아웃(>moderate) | 44.7% | 54.7% ↑10%p |
| 커리어 낙관도 | 54.8% | 48.7% ↓6%p |
사례
- Ramp의 Jeff처럼 "속도가 느릴 때 최악의 번아웃"이 일반 상식이었으나,
- 지금은 PR 하루 30개 시대에 오히려 번아웃이 심화 → 속도 ≠ 안도
- 즐거움(Enjoyment)은 작년과 유사하게 유지 → "웃으면서 탈진(Smiling Exhaustion)"
시사점
- "AI가 해방시켜 준다"는 서사는 틀렸다 — AI가 확보한 생산성은 곧바로 기대치 상승으로 흡수된다
- Noam 인용: "AI가 풀어준 속도는 즉시 기대치로 전환됐다. 모든 성취가 새 기준선이 되어 사람들이 숨 쉴 공간을 잃어간다"
5. 핵심 발견 ④: 역할 추천 의향(NPS) — "물은 괜찮지만 들어오지 마라"
핵심 주장
현직 테크 종사자 중 자기 역할을 타인에게 추천할 사람이 아무도 없다
근거/데이터
- 창업자: 가장 행복하지만 여전히 NPS 음수 (추천 의향 없음)
- 영업/GTM, PM: 상대적으로 덜 나쁨
- 디자이너, 리서처: 최하위 — 역할 추천 의향 극히 낮음
- 직급별: 직급이 낮을수록 추천 의향 낮아짐
사례
- PM 상대적 양호 이유: 제너럴리스트 역할이라 AI 시대에 더 유연
- 영업/GTM 양호 이유: 인간 관계 기반 영업은 AI가 대체하기 어렵다는 인식
- IC들의 인용: "팀 내 모든 사람이 미니 SaaS를 만들고 있다. 중복 작업이 넘친다. 쌓기는 쉬워졌지만 유지하기는 더 어렵다"
시사점
- 이것은 "현실이 어떠하냐"가 아닌 "사람들이 어떻게 느끼느냐"의 데이터
- "기술 사다리의 아래쪽 발판이 AI가 하나씩 뽑아가고 있다" — 주니어일수록 위기감 급증
- 역설: 현재 직무 만족도는 양호, 미래 전망만 부정적 → 현재와 미래 사이의 간극
6. 핵심 발견 ⑤: 생산성 vs. 품질의 역설 ("인지 부패")
핵심 주장
AI가 더 많이 만들게 해주지만 더 잘 만들게 하지는 않는다
근거/데이터
- "AI 덕분에 내 업무가 더 나아졌다": 97.2% 동의
- "매우 많이 또는 극도로 나아졌다": ~50%
- 그러나 심층 분석 결과:
- 더 많이 빠르게 → O (양적 성과)
- 더 높은 품질 → X (질적 성과)
- "내 뇌가 썩어가고 있다. 업무가 더 나빠졌다" → 인지 부패(Cognitive Rot)
사례
- AI 결과물을 보자마자 수용 → 판단력·사고력 투입 없음 → 점진적 능력 위축
- Simon Willison 에피소드 연계: "기술 위축(Skill Atrophy)에 의식적으로 저항해야 한다"
- Noam 인용: "생산성 향상은 실재하지만 업무 품질과 생산자의 날카로움은 타격을 받고 있다"
시사점
- 쉬운 버튼이 있으면 누른다 → 어렵게 하는 것이 배움이라는 걸 알아도 유혹에 지고 만다
- 자기 효능감(Self-Efficacy) 저하: 문제를 직접 풀 때마다 올라가고, AI에 맡길 때마다 내려간다
- 주니어들의 능력 개발 우려: "직접 코드를 쓰는 법, PRD를 맨손으로 쓰는 법을 배울 기회가 없어진다"
7. 핵심 발견 ⑥: 진짜 두려움은 AI 실직이 아니다
핵심 주장
"AI에 의해 일자리를 잃는 것" 이 두려움 목록 최하위에 가깝다
근거/데이터
걱정 순위:
- 같은 월급에 더 많은 일 → 단연 1위
- 지속 불가능한 업무 속도 → 2위
- 새 기술 지속 학습 부담
- 경력 경로 불투명
- 팀 협업 어려움
- AI로 인한 실직 → 하위권
사례
- "기술로 열린 속도가 즉시 기대치로 변환됐다. 성취가 곧 새 기준선이 됐다"
- "AI 에이전트 전환에 올인하는 회사들 → 언젠가 내가 불필요해질 것이라는 느낌"
- Noam: "매일 더 많은 프로토타입, PRD, PR, 광고, 에이전트 → 더 많은 번아웃"
시사점
- 실직 공포보다 과로와 착취 가 더 즉각적인 위협으로 체감됨
- AI 시대의 번아웃은 "정체에서 오는 번아웃"이 아니라 "과속에서 오는 번아웃"
8. 핵심 발견 ⑦: 업계 전반 감정 지형도 — 양가(Ambivalence)
핵심 주장
테크 업계는 흥미와 공포가 공존하는 양가 상태에 있다
근거/데이터
상위 감정 (복수 선택):
- 🟢 호기심(Curiosity) — 1위
- 🟢 흥분(Excitement) — 2위
- 🟡 압도됨(Overwhelmed)
- 🟡 갈등(Conflicted)
- 🟢 안도(Relieved)
- 🔴 피로(Tired), 번아웃(Burnt out), 불안(Uneasy), 걱정(Anxious)
- 🟢 희망(Hopeful)
- 긍정 단어 37%, 부정 단어 37%, 중립 26% — 완벽한 이분
사례
- Nikil Sinal의 개념: "웃으며 탈진(Smiling Exhaustion)" — 역대 가장 신나는 시대이지만 오프 스위치가 없다
- 인용: "테크는 양극성(manic)이다. 절반은 현실과 유리된 채 과대 포장에 매달리고, 나머지 절반은 그 절반에 지쳐있다"
시사점
- 하이퍼이거나 둠머이거나가 아니라 우리 모두 안에 두 가지가 공존함
- 흥분하면서도 압도되는 것, 설레면서도 분노하는 것은 완전히 정상적
- "당신이 느끼는 모든 감정은 이 시대에 충분히 이해 가능하다" — Noam
9. 핵심 발견 ⑧: 직군별 명암 — 디자이너·리서처 최하위
핵심 주장
디자이너와 리서처가 거의 모든 부정적 지표에서 최악의 수치를 기록했다
근거/데이터
- AI 정체성 위협(불안정+위축) → 디자이너·리서처 최다
- 피로·압도·불안 감정 → 디자이너·리서처 최다
- 역할 추천 의향 → 디자이너·리서처 최저
- 해고 걱정 절대치 1위 → 데이터 애널리스트 (AI 분석 능력이 급속 향상 중이므로)
사례
- 매니저 질 최저 집단도 데이터 애널리스트·디자이너 — 매니저 본인이 힘들면 팀에 부정 에너지 전달
- Lenny: "AI가 디자인을 못한다는 것이 이 순간 디자인의 차별화 기회일 텐데 왜 디자이너가 가장 힘든가?"
시사점
- Noam: "디자인과 리서치가 천장을 높이는 역할을 한다. AI는 바닥을 낮췄지만 천장은 높이지 못했다"
- 품질·취향·판단력이 오히려 더 중요해진 시대 — 디자이너·리서처의 역할 필요성은 오히려 증가
- Jony Ive, Katie Dill, Jenny Wen 등 취향과 품질을 강조하는 리더들의 논의와 연계
10. 핵심 발견 ⑨: 가장 행복한 사람들 — 창업자 & 소규모 회사
핵심 주장
작년에 이어 올해도 창업자가 거의 모든 지표에서 최상위
근거/데이터
- 창업자 낙관도: 71% (전체 평균 48.7% 대비 압도적)
- 번아웃 최저, 해고 걱정 최저, AI 흥분도 최고
- 회사 규모별 번아웃: 선형 증가 — 1~10인 스타트업부터 5,000인+ 기업까지 완벽한 우상향
- 단, 창업자도 47%는 최소 중간 수준의 번아웃, 역할 추천 의향은 음수
사례
- 선택 편향 주의: 폐업한 창업자는 제외, 현재 진행 중인 창업자만 조사
- "지금이야말로 창업하기 좋은 시대" 밈과 실제 데이터 일치 — 단, 내년 시장 변화 시 뒤집힐 수 있음
시사점
- 에이전시(Agency)와 자율성이 웰빙의 핵심 변수
- 대기업 번아웃의 구조적 원인: AI로 인한 기대치 상승 + 관리 부실 + 역할 모호성
11. 핵심 발견 ⑩: 매니저가 가장 중요한 변수
핵심 주장
매니저의 효과성이 번아웃·즐거움·유지율에 가장 큰 레버
근거/데이터
- 매니저 매우 효과적: 직무 즐거움 65% 더 높음, 번아웃 극적으로 낮음
- 매니저를 "매우 효과적"으로 평가: 25% (대부분은 그렇지 않음)
- 매니저를 "비효과적"으로 평가: 36% (작년과 거의 변화 없음)
사례
- "Great Flattening" 시대: 직속 부하가 더 많아지고 계층이 줄어드는 추세 → 매니저 1인의 부담 증가
- AI 스퀴즈를 완충하는 사람이 매니저: 기대치를 조율하고 팀원을 보호하는 역할
- 매니저 최하위 직군: 데이터 애널리스트·디자이너 (본인들이 힘드니 팀에도 전파)
- AI 랩들이 최고 매니저를 스카우트 → 찾고 키운 매니저를 뺏기는 악순환
시사점
- "유지율을 높이는 가장 큰 레버는 매니저를 개선하는 것"
- 창업자 모드·조직 수평화 트렌드가 오히려 매니저 중요성을 역설적으로 높임
- 매니저 트레이닝 투자가 여전히 대부분 조직에서 부족
12. AI 죄책감(AI Guilt) — 보너스 발견
핵심 주장
특히 주니어 직원들이 AI를 사용하는 것을 "부정행위"처럼 느끼는 현상이 증가
근거/데이터
- AI 죄책감 → 직급이 낮을수록 높음
- 가장 죄책감이 높은 직군: 프로덕트 마케팅, 데이터 애널리스트
- 직급 상승할수록 죄책감 감소
시사점
- 임포스터 현상(Impostor Phenomenon)의 AI 버전: "내 성과는 내 것이 아니라 AI 것"
- Noam: "AI는 역사상 오늘이 제일 약하다. 죄책감 가지지 말고 적극 활용하라"
13. 전문가 권고사항
개인(직원)에게
- AI 활용 분야를 2~3가지로 좁혀 깊이 파라 — 제너럴리스트 분산은 번아웃 지름길
- AI 스퀴즈를 자각하고 매니저와 협상하라 — 업무 범위 재조정, 급여 대화
- 매니저와의 관계에 투자하라 — manage up, 소통 채널 유지
- 소규모 회사 또는 창업 고려 — 에이전시·자율성이 웰빙의 핵심
- 번아웃 테스트를 직접 받아라 — 번아웃을 인지하지 못하는 경우가 많음
- 주니어라면 멘토를 적극적으로 찾아라 — 역량 개발 투자해주는 매니저·팀 선택
리더(조직)에게
- 매니저 트레이닝에 투자하라 — 유지율의 가장 강력한 레버
- AI 스퀴즈를 관리하라 — 지속 불가능한 생산성 기대치 설정 금지
- 진입 경로를 열어두어라 — 주니어·초급 역할을 AI로 전부 대체하지 말 것
- 디자인·리서치 역할을 지지하라 — 이들이 제품의 천장을 높인다
- AI로 혜택을 받는 그룹과 불안정해지는 그룹을 동시에 챙겨라
14. 업계 전반 묘사 (워드클라우드)
가장 많이 언급된 단어들: 변화(Change), 혼돈(Chaos), 속도(Speed), 흥분(Excitement), 유동성(Flux), 과대(Hype), 불안정(Instability), 버블(Bubble), 기회(Opportunity), 진화(Evolving)
응답자 인용 Best:
- "우리는 거대한 전환의 2회초에 있다. 어떻게 끝날지 아무도 모르지만, 계속 타석에 서는 것 외에 할 수 있는 것은 없다"
- "테크는 양극성이다. 절반은 현실과 유리된 채 과대 포장에 매달리고, 나머지 절반은 그 절반에 지쳐있다" (시니어 PM)
핵심 요약 (20줄)
- 테크 인력이 정확히 50:50으로 분열됐다 — AI가 증폭시켜 준 집단 vs. 불안정·위축시킨 집단.
- 이 AI 정체성 분열은 다른 모든 요소(직급·회사·역할)보다 3배 강한 효과를 직무 만족도에 미친다.
- 번아웃은 44.7%→54.7%로 급등, 낙관도는 54.8%→48.7%로 하락 — 역대 최악의 번아웃.
- AI가 생산성을 높였지만 그 이득은 즉시 기대치 상승으로 흡수돼 숨 쉴 공간이 사라졌다.
- 4대 원형: 에너지 빌더(41%), 갈등하는 중간(35%), 혼란스러운(12%), 분노하는(12%).
- AI로 인한 실직 공포는 두려움 목록 최하위 — 오히려 "같은 급여에 더 많은 일"이 1위 공포.
- 97%가 AI 덕에 더 낫다고 느끼지만 실제로는 양적 생산성만 상승, 품질은 하락.
- "내 뇌가 썩어가고 있다(Cognitive Rot)" — AI에 판단을 맡길수록 스스로의 사고력이 위축된다.
- 현직 테크 종사자 중 자기 역할을 타인에게 추천할 사람이 아무도 없다 (NPS 전 직군 음수).
- 디자이너·리서처가 가장 힘들다 — 번아웃, 불안, 역할 추천 거부 모두 최하위.
- 데이터 애널리스트가 AI 실직 걱정 1위 — AI 분석 능력이 급속 향상 중이기 때문.
- 창업자가 가장 행복 — 낙관도 71%, 번아웃 최저. 에이전시와 자율성이 핵심 변수.
- 회사 규모와 번아웃은 완벽한 선형 비례 — 소규모일수록 행복, 대기업일수록 번아웃.
- 매니저 효과성이 모든 변수 중 번아웃·즐거움에 가장 큰 레버 — 탁월한 매니저가 있으면 즐거움 65% 상승.
- 단 25%만 자기 매니저를 "매우 효과적"으로 평가 — 구조적 매니저 인재 부족.
- AI 죄책감: 주니어일수록 AI 사용을 "부정행위"로 느끼는 임포스터 현상 증가.
- "웃으며 탈진(Smiling Exhaustion)" — 역대 가장 흥분되지만 오프 스위치가 없는 상태.
- 개인에게: 2~3개 AI 활용 분야 깊이 파기, 매니저와 스퀴즈 협상, 번아웃 자각하기.
- 리더에게: 매니저 트레이닝 투자, AI 기대치 현실화, 디자인·리서치 지원 강화.
- 결론: 이 시대를 정의하는 말은 "혼돈 속 기회" — 절반은 스릴, 절반은 공포, 모두 같은 것을 보고 있다.