칼럼 | AI로 절약된 시간, 기업은 어떻게 쓰고 있는가?

오늘날은 디지털 어시스턴트와 코파일럿부터 챗GPT(ChatGPT) 같은 대화형 시스템에 이르기까지 AI 중심 업무 생산성 혁명의 문턱에 서있다고 해도 과언이 아니다. 이들 도구는 콘텐츠를 더 빠르게 제작하고, 더 효율적으로 소통하며, 문제를 한층 지능적으로 해결하도록 설계됐다.

하지만 많은 기업이 깨닫고 있듯 ‘스마트하게 일한다’는 것이 곧 ‘적게 일한다’는 의미는 아니며, 반드시 가시적인 경제적 성과로 이어지는 것도 아니다.

‘시간 절약’의 현실

개인 생활에서는 생산성 향상이 운동, 여가, 취미와 같은 질 높은 시간으로 전환될 수 있다. 그러나 비즈니스 세계에서는 AI가 절약해 주는 시간이 반드시 더 많은 업무로 이어지지는 않는다. 오히려 커피 타임과 빈둥거리는 시간이 늘어나고 단순히 업무량만 줄어드는 결과가 나타날 수 있다.

이 현상을 ‘생산성 누수(productivity leakage)’라고 부를 수 있다. 개인 차원의 효율성 향상이 곧바로 명확한 비즈니스 가치로 이어지지 않는다는 의미다. 문제는 대부분의 기업이 개별 생산성 향상을 추적하지 않는다는 점이다. 이는 데이터 보호 규제 때문이기도 하고, 직원 신뢰를 해치거나 규제 경계를 넘지 않고서는 AI 도구 사용을 면밀히 모니터링하기 어렵기 때문이다.

컨설팅 업체 BCG 조사에 따르면, 생성형 AI를 정기적으로 사용하는 컨설턴트의 82%가 자신의 역할에 더 큰 자신감을 느끼고 있으며, 동료들 역시 이 기술을 가치 있게 평가한다고 답했다. 또한 80% 이상은 생성형 AI가 문제 해결 능력을 강화하고 결과를 더 빠르게 도출한다고 동의했다. 그러나 핵심 질문은 여전히 남는다. 이것이 실제로 조직 차원의 효율성으로 이어지는가, 아니면 단순히 개인의 부담 완화에 불과한가?

수치가 보여주는 현황

가트너(Gartner)의 2025년 CEO 및 경영진 설문조사에 따르면 기업 CEO의 56%는 여전히 ‘성장’을 최우선 전략 과제로 꼽았다. 이 과정에서 AI는 핵심 수단으로 인식됐으나, 활용되는 양상은 흔히 예상하는 것과는 다소 달랐다.

가트너 자료에 의하면 AI 활용으로 직원 1인당 주 평균 5.7시간이 절약되고 있지만, 그중 1.7시간만이 성과를 높이는 고부가가치 업무에 사용되는 것으로 나타났다. 0.8시간은 AI 오류를 수정하는 데 쓰였으며, 나머지 시간은 추적조차 되지 않았다.

이 결과는 최근 마이크로소프트(MS) 조사와도 일치한다. 해당 조사에서는 CEO의 34%만이 생성형 AI가 생산성을 높일 것으로 기대했다. 다만 이 조사에는 경영진의 사고방식이 점차 변하고 있는 흐름도 나타났다. 응답자 43%는 더 나은 의사결정에 생성형 AI의 비중을 두고 있다고 답했는데, 이는 경영진이 단순히 절약된 분 단위의 시간을 따지기보다 의사결정 개선에 따른 전반적인 성과 및 영향에 우선순위를 두기 시작했음을 보여준다.

생산성 향상을 실제 비즈니스 가치와 연결하는 방법

회의적인 시각도 있지만, 가트너에 따르면 AI로 높은 생산성을 달성한 팀은 다음과 같은 효과를 언급했다.

• 81%는 기업 차원에서 유의미한 비용 절감을 경험했으며, 이는 생산성이 낮은 그룹보다 27% 높은 수치였다.
• 71%는 새로운 제품과 서비스 같은 혁신 성과가 개선됐다고 응답했다.

그러나 모든 부서가 AI를 충분히 활용하고 있는 것은 아니다. 특히 재무 부서 직원의 약 60%는 여전히 수동 프로세스에 의존하고 있었다. AI에 대한 불신 때문이거나, 기존 방식이 더 익숙하다는 이유에서다.

개인의 생산성과 기업 차원의 비즈니스 가치 간의 간극을 좁히려면 경영진은 다음과 같은 사항을 고려할 필요가 있다.

• 올바른 지표 측정: 단순히 절약된 시간을 추적하는 데 그치지 말고, 생산성 도구가 어떻게 사용되는지를 분석해야 한다. 또한 사용 현황을 팀과 개인의 KPI에 연계해 살펴볼 필요가 있다.
• 비즈니스 성과 평가: 모든 AI 상호작용을 모니터링할 필요는 없다. 대신 품질, 속도, 성과가 실제로 개선됐는지를 확인해야 한다. 예컨대 생성형 AI가 영업팀의 거래 성사율을 높였는가? 개발 주기가 단축됐는가? 같은 질문을 할 수 있다.
• AI 친화적으로 프로세스 재설계: 이메일 및 보고서 작성, 운영 데이터 분석과 같은 업무는 AI 활용을 전제로 설계돼야 한다. 프로세스가 바뀌지 않으면 자동화는 표면적 수준에 머물 수 있다. 목표는 AI 워크플로우를 통제하고, 위험을 최소화하며, 비즈니스 목표와 일치시켜야 한다.
• 교육 및 역량 개발: 단순히 AI를 사용하는 것만으로는 충분하지 않다. BCG 조사에 따르면 프로그래밍이 요구되지 않는 업무에서도 코딩 경험이 있는 사용자가 초보자보다 더 나은 성과를 냈다. 즉, 맥락별 지식과 경험이 AI 효과를 높이는 핵심 요소로 작용한다.
• 생산성 재정의: 절약된 시간을 모두 추가 업무로 채우거나 인력을 줄여야 한다는 유혹은 피해야 한다. AI가 주당 5시간을 절약한다면, 그 시간은 창의적 활동, 성찰, 혁신에 활용될 수 있다. 생산성 향상이 기대치를 넘어선다면 KPI, 워크플로우, 팀 구조를 재조정하고 이 과정을 반복해야 한다.

Jan Burian은 트라스크(Trask) 산업 인사이트 총괄로, 마케팅 관점에서 시장 진출 전략을 기획 및 실행하는 역할을 맡고 있다. 이전에는 IDC에서 EMEA 지역 제조 인사이트 부문 부사장을 맡았고, EY에서 제조 산업 환경을 대상으로 한 경영 컨설턴트로 활동한 경력이 있다.
dl-ciokorea@foundryco.com