AI 도입은 100%, ROI는 기대 이하…G-P 보고서가 던진 경고

문제는 도입률이 아니라 신뢰와 측정 방식

G-P의 이번 보고서는 기업들이 AI에서 발을 빼고 있다는 신호라기보다, AI를 둘러싼 분위기가 ‘확산’에서 ‘검증’으로 넘어갔다는 신호에 가깝다. 설문 응답자 전원이 AI를 쓰고 있다는 점만 보면 도입 자체는 이미 충분히 진행됐다 . 그러나 경영진은 이제 사용 여부가 아니라 검증 가능한 성과를 요구하고 있다.

이 분위기는 1년 전과 비교하면 더 선명하다. G-P의 2025 AI at Work Report에서는 전 세계 임원 91%가 AI 이니셔티브를 적극적으로 확장하고 있었고, 74%는 AI가 회사 성공에 중요하다고 답했다 . 2026년 보고서에서도 AI 사용은 널리 퍼져 있지만, 초점은 기대감보다 책임, 압박 테스트, ROI 증명으로 옮겨갔다 .

다른 조사도 비슷한 간극을 보여준다. 보스턴컨설팅그룹(BCG)은 기업의 60%가 AI를 대규모로 활용해 실질적 가치를 얻지 못하고 있으며, 또 다른 35%는 일부 성과를 보고 있지만 충분히 빠르거나 깊게 나아가지 못하고 있다고 분석했다 . 맥킨지도 기업의 92%가 향후 3년간 AI 투자를 늘릴 계획이라고 답했지만, AI가 워크플로에 완전히 통합돼 실질적 사업 성과를 내는 ‘성숙’ 단계라고 말한 리더는 1%에 그쳤다고 밝혔다 .

AI는 일을 빠르게 만들 수 있지만, 반드시 일을 줄이지는 않는다

AI ROI가 기대보다 낮게 느껴지는 이유 중 하나는 한 단계의 속도 향상이 다른 단계의 검토 부담으로 이어질 수 있기 때문이다. G-P에 따르면 임원 69%는 직원들이 AI 생성 결과물을 모니터링, 검토, 업데이트하는 데 더 많은 시간을 쓰고 있다고 답했다 .

현장에서 이는 문서 초안, 고객 응답, 코드, 요약문이 빠르게 만들어지더라도 사람이 다시 정확성을 확인하고, 문맥에 맞게 고치고, 리스크를 점검하고, 오류를 정리해야 한다는 뜻이다. 총산출물이 늘었다고 해서 순생산성이 늘었다고 단정할 수 없는 이유다.

Channel Insider가 정리한 Workday 관련 조사도 비슷한 지점을 짚는다. AI가 시간을 절약해도, 실수 수정, 콘텐츠 재작성, AI 출력물 재확인 같은 재작업이 그 효과를 상쇄할 수 있다는 것이다 .

‘AI를 썼다’는 기록은 성과가 아니다

G-P 보고서에서 특히 눈에 띄는 대목은 보여주기식 생산성에 대한 우려다. 임원 88%는 직원들이 실제 사업 가치를 만들기보다 바빠 보이거나 AI 사용 지침을 충족하기 위해 AI를 사용할 수 있다고 우려했고, 47%는 이런 일이 이미 벌어지고 있다고 매우 또는 극도로 우려했다 .

이는 기업이 AI 성과를 측정할 때 로그인 횟수, 프롬프트 수, AI 생성 초안 수, 직원의 자기 보고식 사용률 같은 표면 지표에만 기대서는 안 된다는 뜻이다. 그런 숫자는 활동량을 보여줄 수는 있지만, 업무가 더 정확해졌는지, 더 빨라졌는지, 더 안전해졌는지, 더 수익성 있어졌는지는 증명하지 못한다.

인간 노동의 역설

가장 민감한 대목은 인력에 대한 인식이다. G-P 보고서에서 임원 82%는 AI 때문에 인간 직원에게 부여하는 가치가 낮아졌다고 답했다 . 그런데 같은 보고서는 직원들이 AI 결과물을 검토하고, 감시하고, 업데이트하는 데 더 많은 시간을 쓰고 있다고도 보여준다 .

따라서 이 결과를 ‘사람이 불필요해졌다’는 결론으로 읽기는 어렵다. 오히려 AI를 실제 업무 가치로 바꾸는 인간의 판단, 검증, 맥락 이해가 과소평가될 위험을 보여준다. 맥킨지도 AI를 독립적인 기술 도입 프로젝트로만 볼 것이 아니라, 직원의 일상 업무를 실질적으로 돕고 측정 가능한 성과와 연결되는 적용 사례에 집중해야 한다고 강조했다 .

기업이 다시 짜야 할 AI 성과표

G-P의 조사 결과가 시사하는 방향은 단순하다. AI 성공을 ‘얼마나 많이 도입했는가’가 아니라 ‘검증된 업무 성과가 얼마나 좋아졌는가’로 측정해야 한다는 것이다. 더 현실적인 AI 성과표에는 다음 항목이 들어가야 한다.

1. 사업 효과: 매출 기여, 비용 절감, 고객 경험 개선, 리스크 축소, 검증된 업무 처리 속도.
2. 순생산성: AI로 절약한 시간에서 검토, 수정, 재작성, 업데이트에 들어간 시간을 뺀 실제 효과.
3. 품질: 오류율, 에스컬레이션 비율, 컴플라이언스 이슈, 고객 만족도, 큰 수정 없이 채택된 AI 결과물 비율.
4. 워크플로 통합: AI가 단순히 또 하나의 도구로 배포됐는지, 아니면 가치가 큰 업무 프로세스 안에 실제로 녹아들었는지.
5. 인간 역량 증폭: AI가 결과물 양만 늘리는지, 아니면 직원이 더 나은 판단을 하고 더 가치 있는 일을 하도록 돕는지.
6. 예산 책임: 각 AI 사용 사례에 담당자, 기준선, 성공 지표, 점검 시점이 있는지.

결국 기업이 물어야 할 질문은 ‘직원들이 AI를 쓰고 있는가’가 아니다. ‘AI가 중요한 업무를 더 검증 가능하고 더 가치 있게 만들고 있는가’다.

결론: AI 실패론이 아니라 증명 책임의 시작

G-P의 2026 AI at Work Report는 반(反)AI 보고서가 아니다. 오히려 AI가 업무에 깊숙이 들어온 다음 단계에서 무엇을 증명해야 하는지 보여주는 보고서다. 같은 설문에서 AI 사용률은 100%였지만, 73%는 일부 AI 투자가 기대에 못 미쳤다고 답했고, 약 70%는 목표가 충족되지 않으면 투자를 줄일 수 있다고 했다 .

다만 이 결과는 설문 기반의 경영진 인식이지, AI가 실패했다는 감사 자료는 아니다 . 그럼에도 신호는 분명하다. 직장 내 AI의 다음 국면은 더 많은 배포가 아니라, 측정 가능하고 신뢰할 수 있으며 인간의 검증을 거친 사업 가치의 증명이다.