[IT투자의 경제학②] AI가 줄인 업무시간, 기업 생산성으로 이어지지 않은 이유

[KtN 최기형기자]2026년 세계 인공지능(AI) 지출은 2조5900억달러에 이를 전망이다. 전년보다 47% 늘어난 규모다. 기업들은 문서 작성과 고객 상담, 데이터 분석, 소프트웨어 개발에 AI를 투입하고 있지만 여러 사업부에서 AI를 본격적으로 활용하는 조직은 22%에 머물렀다. 기술 사용이 늘어나는 속도와 매출·이익으로 성과를 회수하는 속도 사이에 간격이 벌어지고 있다.

2026년 1월부터 4월까지 연 매출 5000만달러 이상 조직의 임직원 1303명을 조사한 결과, 85%는 올해 AI 지출을 늘릴 계획이라고 답했다. 2025년에 부서 예산의 평균 12%를 AI에 배정했지만, 11%는 소속 조직이 AI에 얼마를 썼는지조차 파악하지 못했다.

기업이 가장 많이 기대한 성과는 생산성이었다. 응답자의 75%가 생산성 향상을 AI 도입 목표로 꼽았고, 전체 AI 예산의 약 30%가 생산성 관련 사업에 투입됐다. 매출 확대와 새로운 사업모델보다 기존 업무를 빠르고 적은 인력으로 처리하는 데 예산이 먼저 배정된 결과다.

AI는 문서 초안을 만들고 회의 내용을 정리하며 고객 문의에 답할 문장을 제안한다. 프로그램 코드를 작성하거나 오류를 찾고, 거래·생산 데이터를 분석해 이상 징후도 찾아낸다. 직원이 반복 업무에 쓰는 시간을 줄이면 같은 인원으로 더 많은 일을 처리할 수 있다.

절약된 시간이 곧바로 기업의 생산성으로 기록되는 것은 아니다. 직원이 이메일 작성시간을 일주일에 두 시간 줄였더라도 생산량과 매출이 늘지 않으면 재무제표에는 변화가 나타나지 않는다. 남은 시간을 다른 업무에 배치하지 못하거나 AI 결과물을 다시 확인하는 데 사용하면 전체 업무량도 크게 달라지지 않는다.

66개 기업의 지식노동자 7137명을 대상으로 6개월간 진행한 현장 실험에서는 AI 도구를 사용한 직원의 이메일 업무시간이 일주일에 두 시간 줄었다. 정규 근무시간 밖에서 일하는 시간도 감소했다. 개인의 시간은 절약됐지만 업무의 양과 구성에서는 뚜렷한 변화가 나타나지 않았다.

직원의 노동시간 감소와 기업의 생산성 향상은 구분할 필요가 있다. 같은 업무를 더 짧은 시간에 끝내고 퇴근시간이 빨라졌다면 직원의 근무 여건은 개선된다. 기업이 남은 시간에 새로운 업무를 배정하거나 인력을 줄이지 않는다면 매출과 비용에는 즉각적인 변화가 없을 수 있다.

AI가 만든 시간 절약을 기업이 가져가려면 업무량과 인력 배치가 함께 바뀌어야 한다. 상담원이 한 시간에 처리하는 고객 수가 늘거나 개발자의 프로그램 출시 기간이 짧아져야 생산량 증가로 연결된다. 제품 출시가 빨라지고 판매가 늘어야 매출 효과까지 나타난다.

고객상담 현장에서는 생산성 증가가 확인됐다. 상담원 5179명의 업무를 분석한 연구에서 AI 도구를 사용한 직원은 시간당 처리한 고객 문의가 평균 14% 늘었다. 경력이 짧거나 숙련도가 낮은 직원은 34%의 향상을 보였고, 숙련도가 높은 직원에게 미친 영향은 작았다.

상담 건당 처리시간이 줄고 시간당 상담 건수와 해결률이 높아지면서 생산성 증가가 수치로 이어졌다. 고객 만족도도 크게 떨어지지 않았다. AI가 숙련 직원의 업무 방식과 답변을 초보 직원에게 전달하면서 신규 인력의 학습기간을 단축한 효과가 나타났다.

직원별 효과가 다르다는 사실은 기업의 임금과 채용에도 영향을 준다. AI가 초보 직원의 생산성을 빠르게 높이면 기업은 숙련자 채용보다 신입 직원과 AI 도구를 결합하는 방식을 선택할 수 있다. 숙련 노동자가 보유했던 경험과 지식의 일부가 소프트웨어로 옮겨가면 경력에 지급하던 임금도 조정될 수 있다.

숙련자의 역할이 모두 줄어드는 것은 아니다. AI가 만든 답변과 분석 결과를 검수하고, 예외 상황을 처리하며, 시스템에 학습시킬 업무 기준을 만드는 일에는 경험이 필요하다. 초보 직원이 AI의 도움으로 일반 업무를 처리하고 숙련자는 복잡한 판단과 품질관리에 집중하는 분업이 형성될 수도 있다.

생산성 향상의 이익을 누가 가져가는지도 달라진다. 기업이 같은 인원으로 더 많은 제품과 서비스를 판매하면 이익이 늘어난다. 직원의 근무시간이 줄거나 임금이 오르면 생산성 향상의 일부가 노동자에게 돌아간다. 인원을 줄이고 업무량을 유지하면 절감액은 기업의 이익으로 남는다.

AI 구독료와 클라우드 사용료가 생산성 증가분보다 빠르게 늘면 기술 공급자가 더 큰 몫을 가져갈 수 있다. 기업이 인건비 1억원을 줄이기 위해 AI와 클라우드에 1억원 이상을 지급한다면 비용 항목만 바뀐다. 내부 직원의 임금이 외부 기술기업의 매출로 이동하는 구조다.

세계 AI 지출 2조5900억달러 가운데 AI 인프라에는 1조4300억달러가 투입될 것으로 예상된다. AI 서비스는 5855억달러, 소프트웨어는 4532억달러다. 반도체와 서버, 데이터센터, 클라우드 인프라를 공급하는 기업이 전체 시장 확대의 상당 부분을 가져가는 구성이다.

일반 기업은 AI 모델 자체를 개발하기보다 기존 소프트웨어에 포함된 기능과 외부 클라우드를 이용하는 경우가 많다. 초기 개발비는 줄어들지만 모델 사용량과 처리하는 데이터가 늘수록 비용이 증가한다. 직원들이 AI를 더 자주 사용할수록 토큰과 연산, 저장공간 비용도 함께 늘어난다.

AI 에이전트가 여러 단계의 업무를 자동으로 처리하면 사용량은 더 빠르게 증가한다. 사람이 한 번 입력해 보고서를 작성하던 방식에서 벗어나 AI가 자료 검색과 분석, 문서 작성, 검토 요청을 연속으로 수행하기 때문이다. 모델 이용료는 직원 수뿐 아니라 AI가 내부에서 수행하는 작업 횟수에 따라 달라진다.

2026년 생성형 AI 모델 지출 증가율은 110%로 예상됐다. AI 모델과 플랫폼에 대한 최종 이용자 지출은 640억달러로 전년보다 63.4% 늘어날 전망이다. 기업들은 모델의 정확도뿐 아니라 사용료와 응답속도, 안정성을 비교해 공급업체를 선택해야 하는 상황에 놓였다.

AI 비용은 모델 이용료로 끝나지 않는다. 사내 문서와 고객정보를 정리하고 접근 권한을 설정해야 한다. 부정확한 답변과 차별, 개인정보 유출, 저작권 침해를 막기 위한 검수와 보안 체계도 필요하다. 직원 교육과 업무 절차 개편, 기존 시스템과의 연결에도 비용이 들어간다.

AI 사업에서 성과를 낸 조직은 데이터 품질과 관리체계, 인력 교육, 조직 변화에 매출 대비 최대 네 배 많은 재원을 투입한 것으로 조사됐다. AI 투자가 재무성과에 긍정적인 영향을 줄 것이라고 확신한 기술 책임자는 39%에 그쳤다. 생성형 AI의 보안과 관리 능력에 강한 자신감을 보인 IT 책임자도 23%였다.

모델 구매보다 데이터와 조직 정비에 많은 비용이 들어갈 수 있다는 의미다. 기업 내부의 고객명과 상품명, 회계 항목이 부서마다 다르면 AI는 같은 대상을 서로 다른 정보로 처리한다. 오래되거나 중복된 데이터가 많으면 답변 정확도가 떨어지고 직원의 재검수 시간이 늘어난다.

AI를 도입한 뒤 기존 업무 절차를 그대로 유지하는 기업은 비용 절감 폭도 제한된다. 직원이 보고서를 직접 작성한 뒤 AI로 다시 요약하거나, AI가 만든 문서를 사람이 처음부터 다시 검토하면 업무 단계가 하나 더 생긴다. 기술 도입과 함께 승인 절차와 책임 범위를 조정해야 실제 처리시간이 줄어든다.

성과 측정 방식도 투자 결과를 바꾼다. 직원 가운데 AI를 사용하는 비율과 생성된 문서 수는 도입 규모를 보여주지만 기업의 이익을 설명하지는 못한다. 업무 처리시간과 오류율, 고객 유지율, 제품 출시 기간, 직원 1인당 매출이 함께 달라져야 경제적 효과가 나타난다.

재무 부문의 AI 투자 가운데 45%는 생산성 향상에 집중됐고 의사결정의 질을 높이는 사업은 20%였다. 반복적인 회계 처리와 문서 작업을 줄이는 투자는 효과를 측정하기 쉽지만, 일정 수준에 도달하면 추가로 얻을 수 있는 이익이 제한된다. 새로운 제품과 시장을 만드는 AI 사업은 위험이 크지만 성과가 발생하면 기업 전체의 매출 구조를 바꿀 수 있다.

기업이 모든 AI 사업에 같은 투자수익률 기준을 적용하기도 어렵다. 고객상담 자동화는 처리시간과 인건비로 성과를 계산할 수 있다. 연구개발과 의사결정 지원, 신제품 개발은 결과가 나오기까지 시간이 오래 걸리고 초기 단계에서는 매출을 산출하기 어렵다.

반대로 장기적인 가능성만 앞세워 비용 통제를 늦추면 성과가 낮은 사업이 계속 유지될 수 있다. 기술 검증에 성공했더라도 실제 이용자가 적거나 업무시간을 줄이지 못하면 사업을 축소해야 한다. AI 투자안을 여러 사업으로 나누고 성과가 낮은 사업의 예산을 다른 분야로 옮기는 관리가 필요한 이유다.

AI 사업의 수익을 지속적으로 추적하고 성과가 낮은 사업을 중단하거나 재조정한 기업에서는 81%의 사업이 양의 수익을 냈다는 응답이 나왔다. 성과 관리가 낮은 조직은 전체 AI 사업의 29%에서 수익률 자체를 알지 못했다.

해당 수치는 AI 기술의 종류보다 예산 관리와 업무 변화가 투자성과를 가른다는 점을 보여준다. 많은 돈을 쓰는 것보다 어느 업무에 적용하고, 직원의 역할을 어떻게 바꾸며, 성과가 없는 사업을 언제 중단하는지가 중요해졌다.

AI가 노동생산성을 높여도 기업 전체의 고용이 곧바로 줄어드는 것은 아니다. 비용이 낮아져 제품가격이 내려가고 수요가 늘면 기업은 생산과 판매를 확대할 수 있다. 기존 업무가 줄어든 자리에 데이터 관리와 보안, 품질검수, 고객 대응 같은 새로운 일이 생길 수도 있다.

생산성 향상의 분배는 임금과 근로시간, 고용 규모에서 나타난다. 직원이 같은 임금을 받으며 더 많은 일을 처리하면 기업의 몫이 커진다. 근무시간이 줄거나 성과급이 늘면 노동자도 이익을 나눌 수 있다. 구독료와 클라우드 비용이 증가하면 기술 공급자가 생산성 향상의 일부를 가져간다.

2027년 기업 예산에는 AI 도입 첫해의 사용량과 업무시간, 인건비, 매출 변화가 반영된다. 여러 사업부로 확장하지 못한 시범사업과 이용률이 낮은 구독 서비스는 조정 대상에 오를 수 있다. 직원 1인당 매출과 업무 처리량이 늘었는지, 절약된 시간이 신규 매출과 근로시간 단축 가운데 어디로 이동했는지가 AI 투자의 경제적 결과를 가르게 된다.