인사이트

AI로 일이 빨라졌다는데, 회사 이익은 왜 그대로일까요

직원은 편해졌는데 회사가 끝내는 주문은 그대로인 이유를 조사 결과로 살펴봅니다. 도입 결재 전에 일 한 건의 총비용을 재 보는 방법을 정리했습니다.

INVAIZ · Jason2026년 11월 2일3분 분량

🍎 바쁘다면 알짜배기만이라도 !

  • 직원이 이메일 초안을 10분 빨리 써도, 주문 확정·재고 반영·결제 확인이 그대로 남아 있으면 회사가 하루에 끝내는 주문은 늘지 않습니다.
  • 글로벌 조사에서도 AI를 업무에 쓰는 응답자의 80%는 "AI로 내 일이 빨라졌다"고 답했지만, "회사 영업이익에 보탬이 됐다"는 응답은 37%였고 전년과 비슷한 수준이었습니다.
  • 빨라진 효과가 일 한 건이 끝나는 곳에서야 회사 몫이 되므로, AI 비용도 일 한 건이 끝날 때까지 들어간 돈 전체로 따져야 합니다. 모델 사용료에 사람이 확인한 시간, 다시 한 일, 사고 뒤처리까지 더합니다.

직원은 빨라졌다는데 회사 이익은 그대로인 이유

영업팀 직원이 AI로 고객 이메일 초안을 10분 빨리 쓴다고 해 봅시다. 그런데 그 고객의 주문을 확정하고, 재고를 맞추고, 결제를 확인하고, 이상한 건을 따로 살피는 일은 예전과 똑같이 걸립니다.

회사가 돈을 버는 곳은 주문 한 건이 끝나는 곳입니다.

운영·재무·IT 담당자가 한 테이블에서 데모 화면, 프로세스 문서, 예외 서류와 계산기를 함께 확인하는 장면

조사 결과: 생산성 향상 응답과 이익 기여 응답의 차이

2026년 8월 25일 공개된 McKinsey의 조사(97개국 1,719명, 5월 4일~6월 8일 진행)에서 AI를 업무에 쓰는 응답자의 80%는 AI가 자기 생산성을 높였다고 답했습니다. 같은 사람들에게 AI가 회사 영업이익(EBIT, 이자와 세금을 내기 전 이익)에 보탬이 됐는지 물으면 37%만 그렇다고 했습니다. 영업이익의 5% 이상이 AI 덕분이라고 답하고 의미 있는 가치까지 보고한 응답자는 6%였습니다. 37%와 6% 모두 전년과 비슷한 수준이었습니다. 수치는 이를 보도한 The Register(2026-08-25)에서 대조했습니다.

같은 조사에서 개인 생산성 80%와 기업 EBIT 기여 37%, 고성과 조직 6%를 나란히 놓은 비교

한 건 비용을 이루는 다섯 가지

그렇다면 AI를 쓴 일 한 건의 비용은 무엇을 세어야 할까요? 주문이든 정산이든 정상으로 끝난 한 건에 실제로 들어간 돈을 세어 보면 됩니다. 이것을 '한 건 비용'이라고 부르겠습니다. 다섯 가지를 모두 더한 뒤 정상으로 끝난 건수로 나눕니다.

  • AI 사용료와 프로그램 이용료
  • 프로그램을 실행하는 서버와 연결 비용
  • 사람이 결과를 확인하고 승인한 시간(시간당 인건비를 곱해 돈으로 바꿉니다)
  • 다시 한 일, 두 번 처리된 일, 잘못된 결과를 되돌린 비용
  • 점검, 알림, 고장 복구, 규칙 변경에 든 비용

화면에 잘 보이지 않는 사람의 확인 시간이 AI 사용료보다 클 수 있습니다. McKinsey의 2026년 8월 24일 비용 분석은 은행 고객 응대 사례에서 AI 사용료가 변동비(건수에 따라 늘어나는 비용)의 2025%, 사람의 확인이 7075%를 차지할 수 있다고 적었습니다. 이 비율은 은행 사례의 조건이어서 다른 업종에 그대로 쓸 수는 없습니다.

AI와 규칙형 자동화의 업무별 한 건 비용

AI에는 사람의 확인과 복구 비용이 붙을 수 있어서, 같은 일이라도 AI와 정해진 규칙대로만 움직이는 자동화(RPA나 API) 중 어느 쪽의 한 건 비용이 낮은지는 일의 성격에 따라 갈립니다.

  • 규칙과 예외를 미리 적을 수 있는 일은 정해진 대로만 움직이는 자동화로 충분합니다. 여기에 AI를 넣으면 사용료와 확인할 항목만 늘 수 있습니다.
  • 계약서에서 조건을 찾는 일처럼 읽고 해석해야 하되 사람이 확인할 수 있는 일에는 AI를 쓸 만합니다. AI가 읽고 분류하고, 실제 입력과 확정은 정해진 자동화가 맡으며, 밖으로 나가기 전에 사람이 확인하는 순서가 안전합니다.
  • 잘못된 결제처럼 되돌리기 어려운데 사람이 확인하는 단계도, 실패 뒤 복구 방법도 없는 일은 시험 삼아 보여 줄 수는 있어도 실제로 맡기면 안 됩니다. 확인 단계와 복구 방법이 없다는 사실은 AI 성능이 좋아져도 달라지지 않습니다.

조사 숫자를 국내 중소기업에 적용할 때의 한계

80%와 37%를 국내 중소기업의 예상 성과로 쓰면 안 됩니다. 이 조사는 응답자가 스스로 답한 결과를 국가별 경제 규모에 맞춰 보정한 것이어서, AI가 영업이익을 만들었다는 인과관계는 증명하지 않습니다.

결재 전 한 건 비용 산출

지금 하는 업무의 최근 정상 완료 30건과 예외 처리 30건을 한 시트에 모으면, 결재 자리에서 빠진 비용을 찾을 빠른 표본이 됩니다. 건마다 시작 시각, 끝난 시각, 사람이 쓴 시간, 다시 한 횟수, 잘못됐을 때 되돌리는 데 든 시간을 적고, 사람 시간과 시스템 비용을 더해 정상 완료 건수로 나누면 도입 전 한 건 비용이 나옵니다.

이 값을 뽑을 수 없다면 도입 뒤에 무엇과 비교할지도 정할 수 없고, 비용이 늘어도 어느 단계에서 늘었는지 찾을 수 없습니다. 이런 경우에는 AI 운영 예산을 먼저 승인하지 않아야 합니다.

More

다른 글도 함께 보세요

기업의 AX 전환을 끝까지 책임집니다

생각은 AI가 합니다. 실행은 로봇이 합니다.

구축부터 실행, 운영까지 저희가 맡습니다.

데모 요청하기
온프레미스 지원국내 개발