AI를 쓰면 일은 빨라진다.
이제 이 말은 크게 새롭지 않다. 보고서를 요약하고, 이메일 초안을 만들고, 회의록을 정리하고, 엑셀 수식을 묻고, 발표자료의 뼈대를 잡는 일에서 생성형 AI는 분명 시간을 줄여준다. 많은 직장인이 이미 체감한다. 예전에는 30분 걸리던 초안이 10분 만에 나오고, 막막했던 첫 문장이 바로 생기고, 검색과 정리에 쓰던 시간이 줄어든다.
그런데 이상한 일이 있다.
사람들은 시간을 아꼈다고 말하는데, 회사는 그만큼 더 많이 만들었다고 말하지 못한다.
한국은행의 2026년 BOK 이슈노트는 이 간극을 숫자로 보여준다. 생성형 AI를 활용하는 근로자는 업무시간을 평균 3.8% 줄였다. 주 40시간 기준으로는 약 1.5시간이다. 이 절감 시간이 모두 생산으로 전환된다면 약 1% 수준의 잠재 생산성 효과가 가능하다. 그런데 실제로는 업무시간 절감률과 업무처리량 증가율 사이의 상관계수가 0으로 나타났다.
AI는 시간을 아껴줬다. 하지만 그 시간이 회사의 생산으로 바뀌지는 않았다.
이것이 지금 기업들이 마주한 진짜 AI 생산성 역설이다.
문제는 AI가 일을 못해서가 아니다
AI 생산성 논의는 자주 두 극단으로 흐른다. 한쪽은 AI가 곧 모든 생산성을 폭발시킬 것이라고 말한다. 다른 한쪽은 기대만큼 성과가 없으니 거품이라고 말한다. 하지만 실제 현장은 그보다 복잡하다.
AI는 이미 특정 작업에서는 성과를 낸다. 고객상담, 문서작성, 코드 보조, 자료 요약, 데이터 분석 보조처럼 단위 작업이 분명한 영역에서는 생산성 향상 연구가 여럿 있다. NBER와 MIT 계열의 고객지원 업무 연구도 AI 도구가 평균 처리 생산성을 끌어올리고, 특히 경험이 적은 근로자에게 더 큰 도움을 줄 수 있음을 보여줬다.
그렇다면 한은의 결과는 AI가 쓸모없다는 뜻이 아니다. 오히려 반대에 가깝다. AI는 개인의 작업 시간을 줄이는 데는 이미 효과가 있다. 다만 그 개인의 시간 절감이 조직의 생산량, 매출, 고객 응답속도, 의사결정 품질, 신제품 출시 속도로 번역되지 못하고 있다는 뜻이다.
도구의 효율과 조직의 생산성 사이에는 변환장치가 필요하다.
그 변환장치가 없으면 AI는 일을 줄여도 성과를 늘리지 못한다.
절약된 시간은 어디로 갔나
주당 1.5시간은 작아 보일 수 있다. 하지만 조직 전체로 보면 작은 숫자가 아니다. 100명이 일하는 회사라면 매주 150시간이다. 한 달이면 600시간이다. 이 시간은 어디로 갔을까.
가능성은 여러 가지다.
첫째, 남은 시간이 더 많은 산출로 연결되지 않고 대기 시간으로 흘렀을 수 있다. 개인이 보고서를 빨리 써도 결재 라인이 그대로라면 전체 프로젝트 속도는 빨라지지 않는다. 초안은 빨리 나오지만 승인, 수정, 법무 검토, 예산 배정, 고객 확인이 그대로라면 병목은 다른 곳에 남는다.
둘째, AI가 줄인 시간만큼 새로운 일이 생겼을 수 있다. 더 많은 버전의 문서를 만들고, 더 많은 아이디어를 검토하고, 더 많은 회의자료를 준비하고, 더 촘촘한 보고를 하게 되는 식이다. 생산성이 올라간 것이 아니라 산출물의 종류와 기대 수준이 늘어났을 수 있다.
셋째, 절약된 시간이 개인 안에서 소비됐을 수 있다. 조금 더 천천히 일하거나, 밀린 메시지를 처리하거나, 다른 잡무로 흩어지는 것이다. 이것이 나쁘다는 뜻은 아니다. 다만 회사가 그 시간을 새로운 가치 창출로 재배치하지 않았다면 생산성 지표에는 나타나지 않는다.
넷째, 조직이 무엇을 더 만들어야 하는지 정하지 않았을 수 있다. AI 도입은 했지만, `절약된 시간을 어디에 쓸 것인가`라는 운영 설계가 없으면 사람들은 각자 편한 방식으로 시간을 쓴다. 어떤 팀은 더 빨리 끝내고, 어떤 팀은 더 많이 실험하고, 어떤 팀은 더 많은 보고서를 만든다. 방향이 없으면 효율은 흩어진다.
AI 도입률보다 중요한 것은 재설계율이다
많은 기업은 AI 도입을 사용률로 측정한다. 몇 명이 계정을 받았는가. 몇 명이 주 1회 이상 쓰는가. 어떤 부서가 가장 많이 쓰는가. 프롬프트 교육을 몇 번 했는가. 이것들은 필요하지만 충분하지 않다.
경영자가 정말 봐야 할 지표는 따로 있다.
AI를 도입한 뒤 업무 흐름이 얼마나 바뀌었는가. 승인 단계가 줄었는가. 보고서 양식이 바뀌었는가. 사람이 하던 검토와 AI가 하는 초안 생성의 경계가 분명해졌는가. 절약된 시간이 고객 대응, 영업, 제품 개선, 품질관리, 신규 실험으로 재배치됐는가. 성과평가와 인센티브는 그 변화를 따라갔는가.
즉, AI 사용률보다 중요한 것은 `AI 이후의 업무 재설계율`이다.
한은이 생산성 단절을 설명하면서 업무 흐름, 조직 구조 변화, 인력 재배치의 부재를 언급한 것도 이 때문이다. 도구가 바뀌었는데 업무 체계가 그대로라면, 생산성은 개인 책상 위에서 멈춘다. 조직 전체로 흘러가지 않는다.
AI는 일을 줄이는 도구가 아니라 일을 다시 나누는 계기다
AI를 도입한 기업이 자주 하는 실수는 이것이다. 기존 업무를 그대로 둔 채, 그 안에 AI를 끼워 넣는다.
보고서 쓰던 사람이 AI로 보고서를 더 빨리 쓴다. 고객문의 답변하던 사람이 AI로 답변 초안을 더 빨리 만든다. 개발자가 AI로 코드를 더 빨리 작성한다. 여기까지는 좋다. 하지만 그 다음 질문이 없다.
그러면 남은 시간은 어디로 가는가.
AI가 보고서 초안을 빨리 만들었다면 보고서의 수를 늘릴 것인가, 의사결정 시간을 줄일 것인가, 현장 실험을 늘릴 것인가. 고객문의 답변이 빨라졌다면 상담 인력을 줄일 것인가, 고객당 응대 품질을 높일 것인가, 불만 원인 제거에 시간을 쓸 것인가. 개발 속도가 빨라졌다면 기능을 더 많이 만들 것인가, 버그를 줄일 것인가, 배포 주기를 바꿀 것인가.
이 질문에 답하지 않는 조직에서는 AI가 오히려 일의 양을 늘릴 수 있다. 더 많은 초안, 더 많은 선택지, 더 많은 검토자료, 더 많은 실험 후보가 생기기 때문이다. 사람들은 덜 일하는 것이 아니라, 더 많은 가능성을 관리하느라 바빠진다.
그래서 AI는 단순한 자동화 도구가 아니다. 일을 다시 나누는 계기다. 어떤 일은 AI에게 넘기고, 어떤 일은 사람이 더 깊게 해야 하며, 어떤 일은 아예 없애야 한다. 이 구분이 없으면 AI는 생산성을 높이는 대신 업무의 밀도만 높인다.
생산성은 도구가 아니라 병목에서 결정된다
회사 전체의 생산성은 가장 빠른 사람이 아니라 가장 느린 병목에서 결정된다.
마케팅팀이 AI로 캠페인 문안을 하루 만에 만들어도, 승인에 2주가 걸리면 시장 속도는 바뀌지 않는다. 영업팀이 제안서를 빨리 만들어도, 가격 결정이 느리면 매출은 빨라지지 않는다. 개발팀이 코드를 빨리 써도, 테스트와 배포가 그대로라면 고객은 변화를 늦게 느낀다.
AI가 개인의 시간을 줄였는데 회사의 생산성이 그대로인 이유는 여기 있다. AI는 병목을 자동으로 없애주지 않는다. 오히려 병목을 더 선명하게 드러낸다.
이제 경영자가 해야 할 일은 AI를 더 많이 쓰라고 독려하는 것이 아니라, AI가 줄인 시간 뒤에 어떤 병목이 남았는지 찾는 것이다. 결재인가. 데이터 접근권한인가. 부서 간 책임 경계인가. 성과평가인가. 법무·보안 검토인가. 고객 테스트 속도인가.
AI 생산성은 프롬프트 실력이 아니라 병목 제거 능력에서 갈린다.
좋은 질문은 “AI를 쓰는가”가 아니다
앞으로 기업의 AI 성과를 볼 때 질문은 바뀌어야 한다.
우리 직원 중 몇 명이 AI를 쓰는가.
이 질문은 시작점일 뿐이다.
더 중요한 질문은 이것이다. AI가 만든 시간을 어디에 재투자하는가. AI 도입 후 사라진 업무는 무엇인가. 승인 단계는 줄었는가. 더 빨라진 개인 작업이 고객 가치로 연결되는 경로가 있는가. AI를 잘 쓰는 직원에게 더 많은 일이 몰리는 구조는 아닌가. AI 때문에 생긴 추가 검토와 관리 업무를 어떻게 줄일 것인가.
한은의 숫자는 경고처럼 읽을 수 있다. AI는 이미 시간을 만들고 있다. 그런데 그 시간을 생산성으로 바꾸는 경영 시스템은 아직 충분히 작동하지 않는다.
AI를 사는 것은 쉽다.
계정을 나눠주는 것도 쉽다.
교육을 여는 것도 쉽다.
어려운 것은 조직의 일을 다시 설계하는 것이다.
AI가 시간을 아껴줬는데 회사가 더 많이 만들지 못했다면, 문제는 AI가 아니라 경영의 다음 질문이 비어 있었기 때문이다.
AI 시대의 생산성은 도입률로 결정되지 않는다.
절약된 시간을 어디로 보낼지 결정하는 능력으로 결정된다.
#흥미로운세상읽기 #흥세기 #AI #생산성 #업무재설계 #조직운영 #병목관리 #디지털전환 #비즈니스모델 #더이노베이션랩
