- NBER 2023 연구(Brynjolfsson, Li, Raymond)에 따르면, AI 도구를 도입한 고객 상담 직무에서 개인 처리 속도가 올랐지만 효과는 경력 1년 미만 직원에 집중됐습니다. 판단이 필요한 복잡한 업무에서는 도구가 속도를 올려도 인간 역량이 병목이 됩니다.
- McKinsey 2024 AI 현황 서베이에서 생성AI를 규칙적으로 사용한다고 답한 기업이 65%였지만, 수익 영향을 측정한 기업은 그보다 낮았습니다. 속도가 올라도 매출로 연결되지 않는 구간이 있습니다.
- AI 개인 속도가 조직 매출이 되려면 그 속도가 닿는 고객 접점 또는 의사결정 병목을 먼저 바꿔야 합니다. 도구 도입이 아니라 속도가 흘러가는 경로 설계가 실질적인 과제입니다.
직원들은 빨라졌는데 회사는 그대로입니다
국내 한 중견 제조업체 영업팀이 AI 도구를 전면 도입한 지 6개월 뒤, 팀장이 경영진에게 보고했습니다. 제안서 작성 시간이 70% 줄었고, 회의 요약이 자동화됐으며, 고객 문의 답변이 평균 30분에서 5분으로 단축됐습니다. 경영진의 다음 질문은 하나였습니다. '그래서 수주가 몇 건 늘었나요?' 팀장은 답하지 못했습니다.
이 사례가 특이한 것이 아닙니다. AI 도구 도입 이후 개인 업무 속도가 오른 것과 조직 성과가 오른 것 사이의 간격은 많은 기업에서 나타납니다. 개인이 빨라진 것은 측정되지만, 그 속도가 어디에 닿았는지는 측정되지 않습니다.
이 간격이 생기는 이유가 있습니다. 개인 업무 속도는 그 사람이 통제하는 구간에서만 빨라집니다. 그 다음 단계가 사람 검토, 위원회 승인, 고객 응답 대기라면 앞에서 빨라진 속도가 거기서 멈춥니다. 속도가 병목을 건너지 못하면 조직 성과에 닿지 않습니다.
개인 생산성 향상이 조직 성과가 되지 않는 구조
NBER(미국 국가경제연구소)이 2023년 발표한 연구(Brynjolfsson, Li, Raymond)는 AI 고객 상담 도구를 도입한 기업을 분석했습니다. 도구 도입 후 직원 1인당 처리 건수가 올랐습니다. 그러나 효과는 경력 1년 미만의 신입 직원에게 집중됐습니다. 경력 5년 이상의 직원에서는 AI 도구의 효과가 통계적으로 유의미하지 않았습니다. AI가 경험 부족을 보완하는 데 효과적이었지, 고숙련 직원의 성과를 높이지는 못했습니다.
이 결과가 시사하는 것은 AI 도구의 효과가 직무 숙련도와 맞물린다는 점입니다. 판단이 필요한 복잡한 업무에서는 도구가 속도를 올려도 그 판단을 실행하는 인간 역량이 병목이 됩니다. AI가 제안을 빠르게 만들어도 그 제안을 검토하고 결정하는 사람이 같은 속도로 반응하지 않으면 전체 처리량이 늘지 않습니다.
McKinsey의 2024 AI 현황 서베이에서 생성AI를 규칙적으로 쓴다고 답한 기업이 65%였습니다. 그러나 AI 도입이 수익에 영향을 미쳤다고 측정한 기업은 그보다 낮았습니다. 이 차이가 '속도는 올랐는데 매출이 그대로'인 현상의 규모를 보여줍니다.
속도가 성과가 되려면 병목을 바꿔야 합니다
개인 AI 속도를 조직 매출로 연결하는 경로는 세 단계입니다. 첫째, 속도가 올라간 업무가 고객 접점 또는 의사결정에 얼마나 가까운가를 확인합니다. 영업 제안서 작성 속도가 올라도 고객이 제안서를 받기까지 내부 검토 단계가 많으면 그 속도는 고객에게 닿지 않습니다.
둘째, AI 속도가 현재 병목을 건너는가를 확인합니다. 병목이 사람 검토라면 AI 도구는 병목 이전을 빠르게 하지만 병목 자체를 바꾸지는 않습니다. 병목을 바꾸려면 검토 프로세스를 바꾸거나 검토 기준 일부를 AI가 대신하도록 재설계해야 합니다. 셋째, 속도 향상으로 생긴 여유 시간을 어디에 쓰는가를 설계합니다. 시간이 생겼다고 저절로 생산성이 오르지 않습니다. 그 시간이 더 많은 고객, 더 높은 단가의 제안, 더 빠른 피드백 루프로 이어지도록 설계해야 합니다.
Ahn Partners 판단: AI 도입을 검토하는 기업에서 가장 자주 보는 실수는 도구 도입 결정과 성과 경로 설계 결정을 분리하지 않는 것입니다. 도구를 도입하면 성과가 따라온다고 기대합니다. 그러나 도구는 사람을 빠르게 할 뿐이고, 그 속도가 닿는 경로를 바꾸는 것은 별도의 설계입니다. 이것은 Ahn Partners의 현장 관찰이며, 통제된 연구 결과가 아닙니다.
한 문장으로 정리하면
AI 도구가 사람을 빠르게 해도 그 속도가 병목에 막히면 조직 매출에 닿지 않습니다. 지금 AI 도입 이후 개인 생산성은 올랐는데 성과가 그대로라면, 그 속도가 어디서 멈추는지를 먼저 그려보는 것이 시작입니다.
점검 목록
- AI 도입 이후 개인 처리 속도가 오른 업무가 고객 접점까지 몇 단계를 거치는가
- 그 단계들 중 AI가 바꾸지 못한 사람 검토 단계가 있는가
- AI로 생긴 여유 시간이 구체적으로 어디에 쓰이고 있는지를 지난 한 달 기준으로 추적한 기록이 있는가