AI 성능 높아도 기업 재무효과 제한…AI 고성과 응답자 6%

AI 모델 성능이 빠르게 높아져도 기업의 생산성이 같은 속도로 개선되지는 않는다는 분석이 나왔다. 기업의 실제 병목은 프런티어 모델보다 데이터와 업무 시스템, 안전성 검증 체계에 있다는 지적이다.

◇ 기업 성과를 가르는 병목

포춘은 22일 AI 개발 속도를 둘러싼 ‘페이싱’ 논쟁이 핵심을 잘못 짚었다고 분석했다. 모델 성능이 한 단계 높아질 때마다 거시경제 생산성이 즉시 상승한다고 보는 ‘컴퓨트-to-GDP’식 접근은 기업 조직과 업무 방식의 변화에 걸리는 시간을 반영하지 못한다는 설명이다.

기업이 새로운 AI를 실제 업무에 적용하려면 데이터 사일로, 낮은 데이터 품질, 구형 전사적자원관리(ERP), 규제 준수 체계 같은 장벽을 넘어야 한다. 모델이 공개됐다는 사실만으로 업무 방식과 조직 구조가 바뀌지는 않는다.

액센추어는 15개국 9개 산업, 2000개 기업을 조사한 결과 고도화된 AI를 확장할 수준의 데이터 준비도를 갖춘 기업이 7%에 그쳤다고 밝혔다. 응답 기업의 64%는 여러 기능에서 파일럿을 넘어 운영 단계에 진입했거나 전사 도입을 시작했다고 답했지만, 확장에 필요한 데이터 기반을 갖춘 기업은 소수였다.

맥킨지는 2026년 조사에서 응답자의 37%가 AI 사용으로 일정 수준의 EBIT 효과를 경험했다고 집계했다. AI가 EBIT에 5% 이상 영향을 미쳤고 기술의 영향을 ‘상당하다’고 평가한 고성과 기업은 약 6%로, 전년과 같은 수준이었다.

AI 도입 자체가 멈춘 것은 아니다. 맥킨지 조사에서 44%는 AI가 전사적으로 확장 단계에 들어섰다고 답했고, 60%는 향후 1년 안에 AI 투자를 늘릴 것으로 예상했다. 다만 개인 업무의 생산성 개선과 기업 전체의 재무 성과 사이에는 여전히 간극이 남아 있다.

AI 운영비와 토큰 비용 때문에 사용을 제한한다고 답한 응답자도 20%였다. 이는 모델 성능뿐 아니라 데이터 정비 비용, 업무 재설계 부담, 운영비가 기업의 도입 속도에 함께 영향을 미친다는 점을 보여준다.

◇ 개발 속도와 안전성 검증

개발 속도를 늦추자는 논의는 안전성 검증을 둘러싸고 시작됐다. 다리오 아모데이(Dario Amodei) 앤트로픽 CEO는 9월 공개 글에서 “페이싱은 모델 학습이나 기술 진보를 중단한다는 뜻이 아니다”라고 말했다.

아모데이는 기업이 모델을 안전하게 조정하고 보호하는 데 필요한 시간을 확보하고, 제3자 평가자가 훈련 과정과 운영 절차까지 확인할 수 있어야 한다고 주장했다. 페이싱은 기술 개발 자체보다 능력 향상 속도와 안전성 검증 속도 사이의 격차를 줄이는 데 초점을 둔다.

아모데이는 AI 능력 개발이 계속 빨라질 경우 6~12개월 안에 AI 에이전트 군집이 인터넷 전체를 장악할 수 있다고 우려했다. 이는 아모데이가 제시한 위험 시나리오로, 실제 발생 여부가 확인된 전망은 아니다.

오픈AI는 프런티어 AI의 안전·보안 관행에 대한 국제 표준과 공통 측정 방식, 사고 보고 체계가 필요하다고 밝혔다. 완전 자율적인 재귀적 자기개선은 현재 진행 중인 일이 아니며, 인간 통제를 유지할 수 있을 때까지 추진해서는 안 된다는 입장이다.

반대편에서는 미국과 중국의 경쟁 공백을 우려한다. 미국 기업만 속도를 늦추면 기술·안보 경쟁에서 불리해질 수 있다는 주장이다. 메타와 엔비디아($NVDA) 경영진도 전면적인 속도 조절에는 부정적인 입장을 보였고, 젠슨 황 엔비디아 CEO는 개발을 최대한 빠르게 진행하되 통제되지 않는 제품은 멈춰 바로잡아야 한다고 말했다.

예일 CEO Caucus의 약 100명 CEO 조사에서는 도널드 트럼프 미국 대통령이 중국과 AI 안전 문제에 더 적극적으로 나서야 한다는 요구가 확인됐다. AI 안전을 강화해야 한다는 입장과 중국과의 경쟁에서 속도를 늦춰서는 안 된다는 주장이 동시에 제기된 셈이다.

중국 전국네트워크안전표준화기술위원회는 14일 ‘인공지능 안전 거버넌스 프레임워크 3.0’을 공개했다. 중국에 AI 안전·통제 체계가 있다는 점은 확인됐지만, 중국이 미국과 같은 방식으로 프런티어 모델 개발 속도를 조절하기로 합의했다는 내용은 확인되지 않았다.

AI의 기술적 성능이 높아져도 기업 업무에 곧바로 적용되거나 시장에서 널리 쓰인다는 보장은 없다. 본지는 앞서 AI 성능과 시장 채택 사이의 간극을 다룬 바 있으며, 이번 조사도 모델 경쟁과 실제 업무 성과 사이에 데이터와 시스템이라는 중간 단계가 있음을 보여준다.

이번 논쟁은 모델 개발 속도만으로 AI의 경제적 효과를 판단하기 어렵다는 점을 부각한다. 현재까지 확인된 조사와 기업 입장은 데이터 정비, 업무 재설계, 운영비 관리, 안전성 평가가 기업 단위 성과를 좌우하는 핵심 과제임을 보여준다. 국내 가상자산 시장과 직접 연결되는 발표나 가격·투자 수치는 확인되지 않았다.