AI는 업무를 빠르게 하지만, 기업의 수익까지 자동으로 높여주진 않는다

AI 도구를 쓰면 직원 한 사람이 업무를 더 빨리 끝낼 수 있습니다. 하지만 그 시간이 곧바로 회사의 비용 절감이나 매출 증가로 이어지는 것은 아닙니다. 개인의 생산성 향상과 기업 실적 사이에는 업무 절차와 의사결정 방식이라는 중간 단계가 있기 때문입니다.

맥킨지의 2026년 조사에서 응답자의 80%는 AI가 개인 생산성을 높였다고 답했습니다. 반면 AI가 기업의 EBIT(이자·세금 차감 전 이익)에 어느 정도라도 기여했다고 답한 비율은 37%였습니다. AI가 EBIT의 5% 이상을 차지하고 그 영향이 크다고 평가한 ‘고성과 기업’은 전체 응답자의 약 6%였습니다. 이는 응답자들이 보고한 기여도이지, 특정 업무 방식이 재무 성과를 직접 만들어냈다는 인과관계를 입증하는 결과는 아닙니다. 68

생산성 향상이 왜 실적에 반영되지 않을까

개별 업무가 빨라져도 승인 절차와 부서 간 인계, 사용하는 시스템, 의사결정 권한이 그대로라면 절약한 시간이 비용 감소나 매출 증가로 이어지지 않을 수 있습니다. 업무 한 부분의 속도만 높이는 것과 회사의 일하는 방식을 바꾸는 것은 다릅니다.

맥킨지의 2026년 조사에서는 AI 성과가 더 높다고 보고한 기업에서 업무 흐름을 재설계하는 경향이 나타났습니다. 앞선 연구에서도 조사 대상 요인 가운데 업무 흐름 재설계가 EBIT 영향과 가장 강한 연관성을 보였습니다. 다만 이 같은 연관성이 업무 재설계만으로 수익이 늘어난다는 증거는 아닙니다. 514

성과를 어떻게 측정할지도 중요합니다. AI 도구에 접속한 사람 수나 사용량, 절약했다고 추정한 시간은 도입 여부를 보여줄 수 있지만, 회사가 실제로 더 벌었는지 또는 덜 썼는지를 단독으로 증명하진 못합니다. 개인 생산성 향상과 기업의 EBIT 기여 사이에 차이가 있다는 조사 결과는 두 지표를 함께 살펴야 하는 이유를 보여줍니다. 68

AI 파일럿을 사업 성과로 잇는 방법

1. 먼저 측정할 사업 목표를 정한다

담당자가 문제와 목표를 구체적으로 설명할 수 있는 업무부터 고르는 편이 좋습니다. 예를 들어 고객 서비스 업무의 비용을 줄이거나 구매 전환을 높이는 식입니다. AI 사용 횟수 자체를 목표로 삼기보다 사업에 필요한 결과를 정해야 합니다.

업무를 바꾸기 전에 현재 상태를 기준점으로 남겨두세요. 그래야 AI를 적용한 뒤 실제 변화가 있었는지 비교하고, 어떤 단계에서 AI가 도움이 됐는지 평가할 수 있습니다. 처음에는 결과를 확인하기 쉬운 범위로 시작하는 것이 좋습니다.

2. 데이터 품질과 책임자를 함께 정한다

DMEXCO 2026의 커머스 세션에서는 공급업체가 보내는 상품 정보가 서로 다른 형식으로 들어오고, 항목 이름이 일관되지 않거나 정보가 빠지는 문제가 소개됐습니다. 공통 기준이 없으면 이런 차이가 시스템을 거치는 동안 그대로 이어져 수작업 수정이 필요해질 수 있습니다. 25

데이터 품질을 관리할 사람, 사업 목표를 책임질 사람, AI가 만든 결과를 언제 검토할지 판단할 사람을 분명히 정해야 합니다. 커머스 분야에서는 상품 정보가 여러 채널에서 발견될 수 있도록 정확하고 일관되게 관리하는 일도 중요합니다. 가격 정보가 필요한 경우에는 가격 역시 정확해야 합니다. 273334

3. 기존 업무에 AI를 덧붙이는 데 그치지 않는다

업무가 시작되는 지점부터 AI가 맡을 일, 사람이 승인할 단계, 결과에 따라 행동할 담당자까지 전체 흐름을 살펴보세요. 불필요한 인계 절차는 상황에 맞게 줄이거나 바꿀 수 있지만, 판단과 예외 처리, 사업상 위험이 따르는 결정에는 사람이 책임을 져야 합니다.

핵심은 기존 업무에 새 도구를 추가하는 것이 아니라, 일이 처리되는 방식을 다시 설계하는 것입니다. 맥킨지 연구는 업무 흐름 재설계와 더 높은 재무 성과 사이의 연관성을 보여주지만, 재설계만으로 성과가 생긴다고 단정하지는 않습니다. 514

4. 사용량이 아니라 손익계산서에서 결과를 확인한다

AI를 도입한 뒤 매출, 비용, 마진 또는 EBIT에 변화가 있었는지 살펴보세요. 도구 사용량이나 처리한 작업 수, 절약 시간만 세는 것으로는 충분하지 않습니다. 도입 비용과 AI 결과를 검토하는 데 들어간 인력 비용도 평가에 포함하고, 도입 전 기준점과 비교해야 생산성 향상이 회사의 재무 성과로 이어졌는지 확인할 수 있습니다.

핵심은 도입보다 연결이다

맥킨지 조사에서 AI의 개인 생산성 효과를 보고한 비율은 기업의 EBIT 기여를 보고한 비율보다 훨씬 높았습니다. 조사 결과가 AI 투자 수익을 보장하는 공식을 제시하는 것은 아닙니다. 다만 사용량과 개인의 업무 속도만으로 성공을 판단하기 어렵다는 점은 분명히 보여줍니다. 68

기업은 구체적인 사업 목표에서 출발해 데이터 품질을 관리하고, 업무 흐름을 재설계한 뒤, 재무 지표로 결과를 확인할 수 있습니다. 그 과정에서 리더십과 판단, 예외 상황에 대한 책임은 사람에게 남겨야 합니다. 14