☀️ 이슈 소개
22년 말 Chat GPT 공개를 기점으로 생성형 AI의 대중화가 시작된 지 5년차, 만으로는 4년 반이 되었습니다. 단순한 데이터 분석을 넘어 인간의 창의적 작업과 업무 방식을 혁신하고 있는 AI, 지금 얼마나 세상을 바꿔놨을까요?
⚡️ 핵심 내용 분석
① AI는 얼마나 효율성을 높였나
| 줄어드는 업무시간 |
생성형 AI의 도입은 업무 시간 단축이라는 측면에서 통계적으로 유의미한 성과를 보이고 있습니다.
한국은행에 따르면 AI 활용은 평균적으로 주당 약 1.5시간, 전체 업무 시간 대비 3.8%에 해당하는 시간 절감 효과를 가져왔습니다.
직군별로 시간 절감 효과의 편차도 뚜렷합니다. 전문직과 사무직에서는 상대적으로 큰 시간 절감이 나타났으며, 이는 문서 작성, 정보 검색, 데이터 정리 등 AI가 직접 대체하기 용이한 작업의 비중이 높기 때문으로 해석됩니다.
| 아쉬운 생산성 개선 |
그러나 AI를 통한 시간 단축이 업무 처리량 증가로 이어지지 않는 현상, 즉 이른바 'AI 생산성 단절'이 광범위하게 관찰되고 있습니다. 절약된 시간이 더 많은 산출로 전환되지 않고 대기 시간이나 유휴 시간으로 흡수되는 것입니다.
다만 예외적인 집단도 존재합니다. 성과와 보상이 직결되고 업무 자율성이 높은 자영업자, 전문직, 그리고 AI를 고강도로 활용하는 사용자 집단에서는 업무 시간 단축이 실제 산출 증가로 이어지는 현상이 관찰됩니다.
② 생산성은 왜 따라오지 않는가
| 제한적인 사용 |
현재 AI는 업무 전체 흐름을 재설계하는 방식보다는 개별 작업의 효율을 부분적으로 개선하는 방식으로 주로 활용되고 있습니다. 보고서 초안 작성, 요약, 번역, 단순 코드 생성 등 한정된 작업에서의 활용이 대부분인 것입니다.
아직 AI는 여러 작업을 연속적으로 수행하기에는 비용 증가, 품질 및 검증의 불확실성 등의 기술적 한계와 데이터 표준화 등의 조직적 제약이 존재하는 상황입니다.
| 높은 경직성과 병목 |
생산 사슬에서 한 단계의 효율이 높아지더라도, 전후 단계가 그에 맞춰 조정되지 않으면 전체 처리량은 늘어나지 않습니다. 이것이 병목 현상입니다.
즉, 데이터 분석과 같은 특정 작업이 AI를 통해 빨라지더라도, 전체 업무 프로세스나 조직 구조는 변하지 않고 의사결정 과정, 협업 방식, 승인 절차 등 다른 단계가 기존과 동일하게 유지된다면 어떨까요? 그런 경직적인 상황에서는 절약된 시간이 전체 산출의 증가가 아니라 대기 시간이나 유휴 시간의 증가로 나타나 산출 증가로 이어지기 어렵습니다.
| 보상 구조의 문제 |
근로자 입장에서 AI를 활용해 업무 시간을 단축하더라도 추가 성과에 대한 보상이 충분하지 않다면, 남는 시간을 생산적인 활동에 투입할 동기 자체가 형성되기 어렵습니다. 이때 AI 활용의 혜택은 시간 절감에 그치고 조직 전체의 산출 증가로 확산되지 않습니다.
🔍 이금공의 View
✓ 이제 시작이다
한국은행의 연구에 따르면 현재 업무 시간 절감률이 20%를 상회하는 작업은 전체의 4.4%에 불과합니다. 이는 AI의 생산성 기여가 아직 본격화되지 않은 단계임을 보여줍니다.
기술 도입의 생산성 효과는 즉각 나타나지 않으며 조직 전반의 적응이 누적된 이후에야 가시화되는 경향이 있습니다. 컴퓨터 기술이 '70년대 도입되어 '90년대에 생산성 효과가 가시화됐다는 점에서, AI 또한 생산성 효과가 가시화되기까지는 앞으로 시간이 더 걸릴 것으로 예상됩니다.
즉 현재 관찰되는 AI 생산성 단절 현상은, 범용 기술이 경제 전반에 뿌리내리는 초기 단계에서 전형적으로 나타나는 전환 과정의 일부로 해석해야 할 것입니다.
📚 출처
의견을 남겨주세요