들어가며

구독자님, 1979년에 BBC가 방영한 다큐멘터리 한 편이 있어요. "워드프로세서가 시작하는 재택근무 혁명"이라는 제목의 10분짜리 영상인데요. 리포터는 카메라 앞에서 이렇게 선언해요.

47년이 지난 2026년, 우리는 놀랍도록 비슷한 문장을 듣고 있어요. "AI 에이전트가 코드도, 보고서도, 이메일도 알아서 처리합니다." 이거 완전 AI-Native 아니냐? 당시에도 지금에도 똑같은 질문이 남거든요. 개인의 체감은 극적인데, 왜 경제 전체의 생산성은 꿈쩍도 안 하는 걸까요?

결론부터 말씀드리면, 이건 기술의 문제가 아니라 조직의 문제예요. 그리고 그 증거가 47년 전에 이미 있었어요.

🖨️ 1979년, 타자 소리가 사라진 사무실

숫자부터 보면 압도적이었어요. 영국 브래드퍼드 시의회는 1977년 워드프로세서 시스템을 도입한 뒤 인력을 절반으로 줄이고 생산성을 40% 끌어올렸어요. 주택담보대출 처리에 필요한 서신 25통을 2분 만에 발송했고, 한 부서에서만 연간 6만 파운드를 절약했어요. A4 37,000페이지 분량이 자기 디스크 한 상자에 들어갔고, 서류 선반 여러 개가 통째로 사라졌어요.

재택근무도 이미 시작되고 있었어요. F 인터내셔널이라는 회사는 600명이 넘는 프리랜서가 집에서 컴퓨터 프로그래밍을 하고 있었고, 프로그래머 린다 잉글리시는 아이를 돌보면서 버블 메모리 단말기로 프로그램을 작성한 뒤 전화선으로 전송했어요. 프랑스 정부는 전화번호부를 인쇄하는 것보다 싸다는 이유로 가정에 단말기 3,000만 대를 무료로 보급하고 있었고요.

다큐멘터리는 이렇게 전망했어요. "워드프로세서가 정보망의 연결 고리 역할을 하면서, 중간관리자 계층이 불필요해질 수 있습니다." 그리고 마지막에 한 문장을 남겼어요. "실리콘 칩은 가정과 가족이라는 전통적 개념을 파괴하기보다, 오히려 재건하는 데 도움을 주고 있습니다."

더 흥미로운 건, 이 변화를 해석하는 프레임까지 지금과 닮았다는 거예요. 다큐멘터리는 사무 업무가 가정으로 옮겨가는 현상을 "산업 혁명 이전의 가내 수공업이 부활하는 것"이라고 표현했어요. 동시에 회의론자들의 우려도 다뤘어요. "이 기술이 사람들을 획일화할 것"이라는 걱정이었는데, 리포터는 "실제로는 사람들이 더 자유롭고 개성 있게 살도록 돕고 있다"고 반박했어요.

종이 없는 사무실. 재택근무. 중간관리자 소멸. 일과 가정의 양립. 기술이 사람을 획일화한다는 걱정과 오히려 자유를 준다는 반론. 어디서 많이 들어본 약속과 논쟁 아닌가요?

💻 2026년, 코파일럿이 들어온 사무실

47년이 지난 지금, 숫자의 표면은 또다시 압도적이에요.

올해 5월에 발표된 METR의 기술직 대상 조사에 따르면, AI 도구를 사용하는 개발자들은 작업 속도가 체감상 3배 빨라졌다고 보고했어요. 가치 기준으로 환산해도 2배예요. 개별 작업 수준에서 보면, AI는 분명히 일하는 속도를 바꾸고 있어요.

그런데 카메라를 조직과 경제 전체로 돌리면 풍경이 완전히 달라져요.

듀크대학교 경영대학원과 리치먼드·애틀랜타 연방준비은행이 약 750명의 기업 임원을 대상으로 공동 연구한 결과, 임원들이 보고한 AI 기반 생산성 향상은 평균 1.8%였어요. 그런데 실제 매출과 고용 데이터로 역산하면 그 수치는 훨씬 작았어요. 연구팀은 이 간극을 "생산성 역설(productivity paradox)"이라고 이름 붙였어요. 체감은 바뀌었는데 매출은 아직 안 따라온다는 뜻이에요.

PwC의 2026년 AI 성과 보고서는 더 냉정해요. 25개 업종, 1,217명의 임원을 대상으로 조사한 결과, AI가 만들어낸 경제적 가치의 74%를 상위 20%의 기업이 가져가고 있었어요. 나머지 80%의 기업은 여전히 파일럿 단계에 멈춰 있었고요. 골드만삭스의 분석은 더 날카로워요. S&P 500 기업의 70%가 AI를 언급하지만, 실제로 AI의 실적 기여를 수치화한 기업은 1%에 불과했어요.

펜실베이니아대 와튼스쿨의 장기 전망도 의미심장해요. AI의 GDP 기여가 2035년까지 1.5%에 머물 것으로 예측하고 있어요. 개인이 느끼는 '폭발적 변화'와는 상당한 거리가 있는 숫자예요.

올해 5월, 포춘은 이 상황을 한 문장으로 정리했어요. "AI가 어디에나 보이지만, 생산성 통계에는 아직 없다." 1979년 사무실에서 들려오던 장밋빛 숫자들과 겹쳐 보이지 않나요?

🔄 솔로 역설, 세 번째 시즌

1987년, 노벨 경제학상 수상자 로버트 솔로가 이런 말을 했어요.

이게 바로 솔로 역설이에요. 1970~80년대 미국 기업들은 IT에 막대한 투자를 쏟아부었지만, 생산성 성장률은 오히려 연 3%에서 1%로 떨어졌어요. 개인용 컴퓨터가 모든 책상 위에 올라갔는데, 경제 전체는 더 느려진 거예요.

이 역설이 풀린 건 1990년대 중반이었어요. 기술이 사무실에 들어온 지 10~15년이 지난 뒤에야 생산성이 점프한 거예요. 맥킨지는 당시를 분석하면서, 소수의 섹터(기술, 소매, 도매)가 업무 프로세스를 기술에 맞춰 근본적으로 재설계한 이후에야 경제 전체의 바늘이 움직였다고 짚었어요.

경제사학자 폴 데이비드는 더 먼 과거에서 같은 패턴을 찾아냈어요. 전기 모터는 1880년대에 발명됐지만, 미국 제조업 생산성이 실제로 뛴 건 40년 뒤인 1920년대였거든요. 이유가 명확해요. 공장이 증기기관 시대의 설계인 하나의 거대한 동력원에 모든 기계를 벨트로 연결하는 구조를 그대로 유지한 채 모터만 갈아 끼웠기 때문이에요. 공장 자체를 분산형으로 재설계하기 전에는 전기의 진짜 잠재력이 발현되지 않았어요.

이걸 경제학에서는 생산성 J커브라고 불러요. 새 기술이 들어오면 처음에는 학습과 적응 비용 때문에 생산성이 오히려 정체하거나 떨어져요. 조직이 기술에 맞춰 재구조화된 뒤에야 곡선이 급격히 올라가는 거예요.

지금 AI는 이 J커브의 바닥 어딘가를 지나는 중일 수 있어요. 개인의 속도는 3배인데 조직의 생산성은 1.8%. 증기기관 공장에 전기 모터를 끼워 넣었던 1900년대, 타자기를 워드프로세서로 바꿨지만 업무 흐름은 그대로였던 1979년과 구조적으로 같은 지점이에요. 한 가지 다른 점이 있다면, 시차가 줄어들고 있다는 거예요. 전기 모터는 40년, 컴퓨터는 15년. AI는 얼마나 걸릴까요?

오스왈드의 시선

솔직히 말하면, 저는 이 패턴을 너무 많이 봐왔어요.

기술 전략을 수립하면서, "이 기술을 도입하면 생산성이 N% 오릅니다"라는 제안서를 수없이 검토했어요. 애초에 이렇게 생산성이 딱 떨어질리도 없거니와... 이렇게 측정이 잘 되지도 않아요. 그리고 실제로 그 약속이 실현되는 경우는, 기술이 뛰어나서가 아니라 조직이 기술에 맞춰 일하는 방식을 바꿨을 때였어요. 도구가 바뀌어도 회의 구조가 그대로고, 의사결정 경로가 그대로고, 성과 측정 기준이 그대로면, 체감만 바뀌고 측정은 안 바뀌어요.

1979년 브래드퍼드 시의회가 성공한 이유를 잘 보세요. 워드프로세서가 뛰어나서가 아니에요. 표준 서식을 만들고, 중앙 메모리 시스템으로 업무 흐름을 재설계하고, 인력 구조까지 바꿨기 때문이에요. 기술을 도입한 게 아니라 기술에 맞춰 조직을 다시 짠 거예요. 2026년에 AI 가치의 74%를 가져가는 상위 20% 기업도 같은 일을 하고 있을 거예요.

다만 한 가지, "결국 다 잘 될 것"이라는 낙관론으로 읽지 않으셨으면 해요. 전기 모터의 경우 40년, 컴퓨터의 경우 15년이 걸렸어요. 그 긴 시차 동안 재설계에 실패한 조직과 개인은 도태됐어요. 방향은 맞지만, 시기와 경로는 항상 예상을 벗어나요. 그게 47년간 반복된 진짜 교훈이에요.

마치며

1979년의 40%든 2026년의 3배든, 개별 작업의 극적 개선이 조직 전체로 번역되기까지는 긴 시차가 있어요. 그리고 그 시차를 줄이는 건 더 좋은 기술이 아니라 조직 재설계예요. 47년 전 다큐멘터리의 예측은 대부분 맞았지만, 경로는 전부 틀렸어요. 큰 변화는 순식간에 일어나지도 않고, 강의 몇 번과 세미나 몇 번으로 일어나지 않아요. AI-Native라고 지금 유행하고 있는 이 단어도 재밌지 않나요? 도대체 뭐가 Native하다는 걸까요? 정의할 수 없는 걸 당당하게 자기들이 이미 적용했다고 하는 건 불과 몇 달 전까지 뜨거웠던 Agentic과 Agent 어떤 말이 맞냐 논쟁과 비슷해 보여요. 용어에 잡아 먹히지 마세요. 기술은 어차피 계속 새로운 게 나와요. 중요한 건 이걸 어떻게 받아들이고, 적용할지예요.

이번 주에 한번 점검해 보세요. 지금 쓰고 계신 AI 도구, 기존 업무에 '얹혀져' 있나요, 아니면 업무 자체를 바꾸고 있나요?

구독자님의 "체감"과 "측정" 사이 간극, 댓글로 들려주세요.

참고자료 & 더 읽기

핵심 출처

배경 지식

필자 안광섭은 세종대학교 경영학과 교수이자 OBF(Oswarld Boutique Consulting Firm) 리드 컨설턴트이다. 대학에서 경영데이터 관리, 비즈니스 애널리틱스 등 통계 및 데이터 분석을 가르치는 한편, 현장에서는 GTM 전략과 인공지능 전략 컨설팅을 이끌며 기술과 비즈니스의 접점을 설계하고 있다. AI 대화 시스템의 기억 아키텍처(HEMA) 연구로 학술 논문을 발표했으며, 매일 글로벌 AI 논문을 큐레이션하는 Daily Arxiv 프로젝트를 운영하고 있다. 고려대학교 기술경영전문대 석사과정와 KMBA을 졸업했다. 지은 책으로 《생각을 맡기는 사람들: 호모 브레인리스》가 있다.