AI 도입 효과, 결론부터 보면 어떤가요?
AI의 생산성 효과는 업무와 사람에 따라 크게 갈립니다. 실제 현장 연구에서는 고객 상담원의 시간당 해결 건수가 평균 15% 늘었고, 통제된 실험에서는 글쓰기 과제 시간이 40% 줄었습니다. 다만 이런 효과가 회사 전체의 생산성 숫자로 나타나려면 교육과 업무 재설계 같은 보완 투자와 시간이 필요합니다. 그래서 "얼마나 오르나"보다 "어떤 조건에서 오르나"를 먼저 따져 보는 것이 좋습니다.
실제 연구에서 AI는 생산성을 얼마나 올렸나요?
Brynjolfsson, Li, Raymond(2025)는 고객 상담원 5,172명에게 생성형 AI 상담 보조 도구가 차례로 도입된 과정을 분석했습니다. 도구를 쓸 수 있게 된 뒤 시간당 해결 건수가 평균 15% 늘었고, 효과는 상담원마다 크게 달랐습니다. Noy와 Zhang(2023)은 대졸 전문직 453명에게 직무별 글쓰기 과제를 주고 절반에게만 ChatGPT를 쓰게 한 사전 등록 실험을 했습니다. 평균 소요 시간은 40% 줄고 결과물 품질은 18% 올랐습니다.
효과는 숫자 밖에서도 나타났습니다. 상담 연구는 AI 지원이 상담원의 학습을 돕고 해외 상담원의 영어 표현을 매끄럽게 했으며, 고객이 더 정중해지고 관리자를 찾는 요청도 줄었다고 보고했습니다. 글쓰기 실험에서는 참가자 사이 격차가 줄었고, 실험에서 ChatGPT를 써 본 사람은 2주 뒤 실제 업무에서 쓰고 있다고 답할 가능성이 2배, 2개월 뒤에도 1.6배 높았습니다.
표 1. 생성형 AI 생산성 연구 두 편 비교
| 구분 | 고객 상담 현장 연구 | 글쓰기 실험 |
|---|---|---|
| 연구 | Brynjolfsson·Li·Raymond(2025) | Noy·Zhang(2023) |
| 대상 | 고객 상담원 5,172명 | 대졸 전문직 453명 |
| 방식 | AI 상담 보조 도구의 단계적 도입 | 사전 등록 온라인 무작위 실험 |
| 측정 | 시간당 해결 건수 | 과제 소요 시간과 결과물 품질 |
| 결과 | 평균 15% 증가 | 시간 40% 감소, 품질 18% 상승 |
| 눈여겨볼 점 | 경험이 적은 상담원일수록 효과가 큼 | 참가자 사이 격차가 줄어듦 |
두 연구는 상담과 글쓰기처럼 AI가 잘 도와줄 수 있는 업무를 다뤘습니다. 설계나 연구처럼 판단이 복잡한 업무에서도 같은 크기의 효과가 나온다고 보기는 어렵습니다.
왜 숙련도에 따라 AI 효과가 달라질까요?
상담 연구에서 경험이 적고 숙련도가 낮은 상담원은 처리 속도와 품질이 함께 좋아졌지만, 경험과 숙련도가 높은 상위 상담원은 속도가 조금 오르고 품질은 조금 내려갔습니다. AI가 숙련자의 일하는 방식을 학습해 신입에게 건네는 역할을 하기 때문으로 볼 수 있습니다. 신입 비중이 높은 조직은 효과를 크게 느끼고, 숙련자가 많은 조직은 효과가 작거나 품질 관리가 새 과제로 떠오를 수 있습니다.
문제의 종류도 효과를 가릅니다. 같은 연구는 AI의 도움이 아주 흔한 문제보다 적당히 드문 문제에서 컸다고 봤습니다. 사람은 겪어 본 경험이 적지만 AI에는 학습 자료가 충분한 영역에서 쓸모가 커진다는 뜻입니다.
회사 전체 생산성은 왜 늦게 오를까요?
Brynjolfsson, Rock, Syverson(2021)은 AI 같은 범용 기술이 성과를 내려면 교육, 업무 재설계, 데이터 정비처럼 눈에 잘 보이지 않는 투자가 먼저 필요하다고 봤습니다. 이 투자가 쌓이는 동안 측정된 생산성은 낮게 잡히고, 나중에 성과가 한꺼번에 드러나면서 높게 잡혀 J자 곡선이 그려질 수 있습니다. 도입 첫해 숫자만 보고 성패를 판단하면 이 구간을 놓칩니다. 제조 현장의 자동화가 고용과 생산성에 남긴 결과는 산업용 로봇과 일자리 해설에서 함께 비교해 보세요. 기술 도입과 생산성의 관계는 기술경제 연구 분야에서 더 살펴볼 수 있습니다.
AI 도입 비용에는 무엇이 들어가나요?
AI 도입 비용은 도구 이용료로 끝나지 않습니다. 효과가 나려면 AI가 참고할 업무 자료가 정리되어 있어야 하고, 직원이 새 도구에 맞춰 일하는 순서를 바꿔야 하며, 결과물을 확인하는 절차도 필요합니다. 항목별로 드는 것과 효과로 이어지는 조건을 나눠 보면 투자 판단이 한결 쉬워집니다.
표 2. AI 도입 때 따져 볼 비용과 효과가 나는 조건
| 항목 | 드는 것 | 효과로 이어지는 조건 |
|---|---|---|
| 이용료·컴퓨팅 | 사용량에 따라 늘어나는 요금 | 사용량과 절감 시간이 함께 늘어나는가 |
| 데이터 정비 | 문서·기록을 쓸 수 있는 형태로 정리 | 업무 지식이 데이터로 쌓여 있는가 |
| 교육·업무 재설계 | 직원 교육, 업무 순서 조정 | 절감된 시간이 다른 일로 옮겨 가는가 |
| 품질 검수 | 결과물 확인 인력과 절차 | 오류를 걸러 낼 기준이 있는가 |
| 보안·규정 | 정보 보호, 이용 지침 | 민감한 정보의 처리 원칙이 정해졌는가 |
우리 조직에서 AI 효과가 클지 어떻게 가늠하나요?
- 반복되고 형식이 정해진 업무의 비중이 높은지 살펴보세요.
- 신입과 숙련자의 구성, 교육에 드는 시간을 확인해 보세요.
- 결과물을 검수할 사람과 기준이 있는지 점검해 보세요.
- 절감한 시간을 어디에 쓸지 미리 정해 두면 효과를 잴 수 있습니다.
비용과 편익을 함께 따지는 방법은 기술 도입 경제성·사업화 전략에서, 직원 교육을 무엇부터 시작할지는 AI 직무 재교육 해설에서 이어서 확인해 보세요.
한국기술경제연구소는 AI 도입을 어떻게 분석하나요?
한국기술경제연구소는 2023년 7월 AI·에너지 전환 연구를 확대해 기술 도입의 비용과 산업별 파급효과를 분석하고 있습니다. 기술의 가능성과 도입 과정의 비용·위험을 함께 설명하고, 고용과 접근성에 미치는 영향도 살핍니다. AI·데이터경제는 연구소의 기술경제 연구 주제 20가지 가운데 하나이며, AI 연산을 떠받치는 데이터센터의 전력 수요는 데이터센터 전력 수요 해설에서 이어서 볼 수 있습니다.
AI 생산성 자주 묻는 질문
AI를 도입하면 모든 직원의 생산성이 오르나요?
연구 결과를 보면 효과는 사람마다 다릅니다. 경험이 적은 직원일수록 효과가 크고, 숙련자는 속도가 조금 오르는 데 그친 사례가 있습니다.
생산성 효과는 언제부터 나타나나요?
개인 업무의 속도는 비교적 빨리 달라질 수 있지만, 회사 전체 숫자는 교육과 업무 재설계가 자리 잡은 뒤에 드러나는 경우가 많습니다.
AI 도입 비용은 이용료만 보면 되나요?
이용료 외에 데이터 정비, 교육, 품질 검수, 보안 비용이 함께 듭니다. 이 비용을 빼고 계산하면 효과를 크게 잡기 쉽습니다.
연구에서 나온 15%, 40%를 우리 회사에 그대로 적용해도 되나요?
두 수치는 특정 업무와 조건에서 나온 결과입니다. 업무 구성과 인력이 다르면 효과도 달라지므로 작은 범위에서 먼저 측정해 보는 것이 좋습니다.
출처
- Erik Brynjolfsson·Danielle Li·Lindsey Raymond, 「Generative AI at Work」, The Quarterly Journal of Economics, 2025. https://doi.org/10.1093/qje/qjae044
- Shakked Noy·Whitney Zhang, 「Experimental evidence on the productivity effects of generative artificial intelligence」, Science, 2023. https://doi.org/10.1126/science.adh2586
- Erik Brynjolfsson·Daniel Rock·Chad Syverson, 「The Productivity J-Curve: How Intangibles Complement General Purpose Technologies」, American Economic Journal: Macroeconomics, 2021. https://doi.org/10.1257/mac.20180386