AI 정기 사용 조직 10곳 중 9곳…EBIT 기여 응답은 37%

AI를 정기적으로 사용하는 조직이 약 10곳 중 9곳에 이르지만, AI가 조직의 이자·세금 차감 전 이익(EBIT)에 기여했다고 답한 비율은 37%였다. 콜센터와 소프트웨어 개발 연구에서 생산성 개선이 확인됐어도 이를 기업 전체의 재무 성과로 곧바로 연결하기 어렵다는 지적이 나왔다.

데이비드 프랄롱(David Pralong) 맥킨지앤드컴퍼니 시니어 파트너는 콜센터와 소프트웨어 개발은 AI 도입 전부터 업무 절차와 결과 추적·검수 체계가 갖춰져 있었다고 설명했다. 그는 이들 사례를 다른 업무에 적용할 보편적 청사진으로 삼아서는 안 된다고 10월 1일 포춘(Fortune) 기고에서 썼다.

콜센터 연구는 포춘500 기업의 고객지원 상담원 5172명을 분석했다. 분기경제학저널에 실린 이 연구에서 AI 보조 도구를 사용한 뒤 상담원 1인당 시간당 해결 건수는 평균 15% 늘었다. 특정 기업의 고객지원 업무에서 측정한 결과다.

개발자 연구는 마이크로소프트, 액센츄어, 익명 포춘100 기업에서 진행한 현장실험 3건을 합산했다. 경영과학(Management Science)에 실린 연구에서 개발자 4867명을 분석한 결과 AI 코딩 보조 도구 사용자의 완료 작업 수는 26.08% 증가했다. 표준오차는 10.3%였으며 연구진은 실험별 결과에 변동성이 있다고 밝혔다.

두 연구는 측정 대상과 업무 환경이 다르다. 개별 작업의 처리량이나 속도가 늘었다는 결과만으로 전체 조직의 이익이 같은 폭으로 개선됐다고 볼 수는 없다.

프랄롱은 업무 흐름의 변화 여부도 살펴야 한다고 설명했다. 기고는 은행의 소기업 대출 심사를 예로 들며, 서류 검토가 빨라져도 영업·신용·준법·운영 부서 간 인계가 그대로라면 전체 심사 기간은 줄지 않을 수 있다고 썼다. 이는 설명을 위한 가상 사례다.

맥킨지의 2026년 글로벌 AI 조사는 97개국 1719명을 대상으로 5월 4일부터 6월 8일까지 진행됐다. 응답자 약 10명 중 9명은 소속 조직이 한 개 이상 업무 기능에서 AI를 정기적으로 사용한다고 답했다. AI가 조직 EBIT에 기여했다고 답한 비율은 37%였고, 맥킨지가 정의한 ‘AI 고성과 조직’은 전체 응답자의 약 6%로 전년과 대체로 같았다.

개인 생산성 개선과 기업 성과 사이의 차이도 조사에 나타났다. 맥킨지 응답자의 80%는 AI가 개인 생산성을 높였다고 답했지만, EBIT 기여를 보고한 비율은 전년과 비슷했다. 업무 흐름을 재설계한 조직에서 가치 창출 응답이 더 많았다는 맥킨지 분석은 설문 응답 간 연관성을 보여주며, 재설계의 인과 효과를 입증한 것은 아니다.

맥킨지의 조사 결과와 콜센터·개발자 연구는 각각 조직 단위 성과와 개별 업무의 생산성을 측정했다. 프랄롱의 지적은 작업 단위의 개선을 기업 전체의 재무 성과로 일반화하려면 업무 흐름과 성과 측정 기준도 함께 봐야 한다는 것이다.