AI 생산성 역설

다들 빨라졌다는데, 실적표는 왜 제자리일까

요즘 사무실 풍경은 확실히 달라졌다. 개발자는 AI에게 코드 초안을 받고, 마케터는 광고 문구를 몇 초 만에 뽑는다. 기획자는 회의록 요약을 버튼 하나로 돌린다. 그래서 사람들에게 "AI 덕분에 일이 빨라졌냐"고 물으면 대부분 고개를 끄덕인다.

그런데 이상한 일이 벌어진다. 그 많은 사람이 저마다 빨라졌다는데, 정작 회사 전체의 매출과 이익, 생산성 지표는 좀처럼 움직이지 않는다.

요즘은 이 간극을 AI 생산성 역설이라고 부른다. 말 그대로다. 개인 한 사람 한 사람을 보면 분명히 손에 잡히는 향상이 있는데, 그걸 조직 전체로 합산하는 순간 효과가 거짓말처럼 증발해 버리는 현상이다.

최근 나온 두 갈래의 자료를 겹쳐 보면 이 역설의 정체가 꽤 또렷하게 드러난다. 하나는 UC버클리 경영대학원의 저널 California Management Review가 내놓은 Seven Myths About AI and Productivity이고, 다른 하나는 Writer의 2026 엔터프라이즈 AI 도입 조사다.

숫자로 보는 간극

Writer는 Workplace Intelligence와 함께 2025년 12월 중순부터 2026년 1월 하순까지 미국·영국·유럽의 임원과 직원 2,400명(C레벨 1,200명, 직원 1,200명)을 조사했다. 그 결과가 이 역설을 정면으로 보여준다.

• 59%의 기업이 AI에 해마다 최소 100만 달러를 쓴다. 그런데 의미 있는 수익(ROI)을 실제로 보고 있는 곳은 29%에 그친다.
• 지난 1년 사이 AI 에이전트를 배포한 임원은 97%에 이른다. 하지만 여기서도 성과를 실감하는 비율은 다시 29%로 뚝 떨어진다.
• 심지어 임원의 75%는 자사의 AI 전략이 실질적인 방향이라기보다 "보여주기(more for show)"에 가깝다고 스스로 인정했다.
• 그 결과 조직의 79%가 AI 도입에 어려움을 겪고 있다고 답했다. 2025년과 견주면 두 자릿수나 늘어난 수치다.

정리하면 이렇다. 투자는 폭발적으로 늘었는데, 체감 성과는 세 곳 중 한 곳에도 못 미친다. 개인이 내는 속도와 조직이 거두는 결과 사이에, 눈에 보이는 균열이 나 있는 것이다.

왜 개인의 속도가 조직의 성과로 이어지지 않을까

버클리의 분석은 이 균열이 어떻게 생기는지를 하나씩 뜯어본다. 요점은 간단하다. "개인이 빨라졌다"는 것과 "조직이 나아졌다"는 것은 전혀 다른 이야기라는 점이다.

1) 빨라진 만큼 뒷수습도 늘어난다

소프트웨어 개발 분야의 대규모언어모델(LLM) 보조도구 연구 37개를 종합한 2025년 7월 체계적 리뷰가 있다. 여기 따르면 개발자가 반복 코딩에 드는 시간은 줄었지만, 코드 품질이 떨어져 다시 손봐야 하는 일이 잦아서 앞에서 아낀 시간을 뒤에서 그대로 까먹는다. 특히 일이 복잡할수록 그렇다. 실제로 시니어 엔지니어들은 AI가 내놓은 결과물의 논리 오류를 검증하느라 적지 않은 시간을 다시 썼다.

2) 이득은 초보에게 쏠리고, 숙련자에겐 미미하다

Brynjolfsson 연구진이 2024년 미국의 한 기술지원 콜센터 상담원 5,000여 명을 무작위 배정해 진행한 실험의 결과는 인상적이다. AI 도구는 하위 25%(하위 사분위) 상담원의 처리량을 34%나 끌어올렸지만, 베테랑에게는 거의 아무 효과가 없었다. 즉 AI의 혜택은 조직 전체에 골고루 퍼지지 않고 특정 계층에만 몰린다. 이걸 회사 평균으로 환산하면, 한쪽의 극적인 향상이 밋밋한 숫자로 희석돼 버린다.

3) '사람+AI'가 언제나 더 나은 것도 아니다

우리는 흔히 사람과 AI를 합치면 무조건 시너지가 날 거라 믿는다. 그런데 Vaccaro 연구진이 Nature Human Behaviour(2024)에 실험 106개를 메타분석한 결과는 오히려 그 반대에 가깝다. 인간과 AI를 붙여 놓은 조합이 둘 중 더 잘하는 쪽이 혼자 일했을 때보다 도리어 못한 경우가 많았다. 성과가 나아진 건 답이 정해지지 않은 열린 창작 과제로 한정됐다. Holzner 연구진이 2025년 창의성 실험 28건(참가자 8,214명)을 메타분석한 결과도 사정은 비슷했다. 사람과 AI의 창의성 격차 자체는 뚜렷하지 않았던 대신, 아이디어의 다양성이 확 줄어드는 부작용이 관찰됐다.

4) 새로운 오류와 스트레스가 따라온다

Goddard 연구진이 자동화 편향·태만을 다룬 연구 74개를 검토한 리뷰도 곱씹어 볼 만하다. 시스템이 "높긴 한데 완벽하지는 않은" 신뢰도를 보일 때, 사람은 AI를 지나치게 믿어버린다. 그 탓에 하지 말았어야 할 일을 저지르는 오류(commission error)가 12% 늘었다. 루틴한 업무를 자동화하면 스트레스가 줄 것 같지만, 실제로는 알림 폭탄, 책임 소재의 모호함, 프롬프트를 계속 손봐야 하는 부담 같은 새로운 스트레스원이 그 빈자리를 채운다.

5) 거시 지표에는 흔적조차 없다

가장 뼈아픈 대목은 이것이다. Santarelli 연구진이 2019~2024년 발표된 추정치 371개를 모은 2025년 메타분석은 AI 도입과 거시 노동시장 성과 사이에서 출판편향을 걷어낸 뚜렷한 상관관계를 찾지 못했다. 눈길을 끄는 개별 성공 사례는 헤드라인을 장식하지만, 실패는 조용히 수습되며 사라진다. 그러니 우리가 보는 전체 그림이 실제보다 좋게 왜곡되는 것이다.

조직을 갈라놓는 스트레스

이 역설은 숫자 문제로만 끝나지 않는다. Writer 조사에서 C레벨 임원의 54%가 "AI 도입이 회사를 분열시키고 있다"고 답했다. CEO의 38%는 AI 전략을 둘러싼 스트레스가 심각하거나 감당하기 어려운 수준이라고 했다. 나아가 CEO의 64%는 AI 전환을 제대로 이끌지 못하면 자기 자리를 잃을 수 있다는 두려움을 안고 있었다. 반대편에서는, AI를 쓰지 못하거나 쓰지 않는 직원을 정리하겠다는 회사가 60%에 이른다. 성과는 안 나는데 압박만 커지는, 전형적인 역설의 후폭풍이다.

그렇다면 무엇을 바꿔야 하나

두 자료가 함께 가리키는 결론은 분명하다.

이걸 실무로 옮긴다면 방향은 대략 이렇다.

• 속도가 아니라 결과의 품질을 재라. "얼마나 빨라졌나"가 아니라 재작업과 검증에 든 비용을 뺀 순수한 효과가 얼마인지를 봐야 한다. 앞에서 번 시간을 뒤에서 잃고 있진 않은지, 그것부터 확인하는 게 먼저다.
• 효과가 큰 지점에 자원을 몰아라. AI는 모든 업무에서 골고루 이득을 주지 않는다. 하위 숙련층의 온보딩이나 표준화된 업무처럼 효과가 이미 검증된 곳에 힘을 집중하고, 숙련자의 영역에는 검증 도구로서 제한적으로만 붙이는 편이 낫다.
• 개인 도구를 조직의 프로세스로 이어라. 개인이 아낀 시간이 조직의 병목을 실제로 풀어주도록 워크플로를 다시 짜야 한다. 그러지 않으면 절감된 시간은 그냥 흩어져 사라진다.
• "보여주기" 전략을 걷어내라. 임원 75%가 스스로 인정한 전시성 전략은 투자만 태우고 성과는 못 낸다. 100만 달러를 쓰는 59%가 아니라 ROI를 보는 29%가 되려면, 명확한 문제 정의와 측정 가능한 목표가 먼저 서 있어야 한다.

직원 한 사람 한 사람이 빨라진 것은 사실이다. 다만 그 속도가 회사의 성과로 바뀌려면, 개인의 손끝이 아니라 조직의 구조가 달라져야 한다. 그러니 AI 생산성 역설은 "AI가 별로다"라는 이야기가 아니다. 개인의 향상을 조직의 성과로 번역하는 일을, 아직 대부분의 회사가 해내지 못하고 있다는 냉정한 진단에 훨씬 가깝다.