가트너가 지난 6월 17일 발표한 데이터·분석 트렌드 보고서에는 숫자 하나가 선명합니다. 2030년까지 전 세계 기업의 10% 이상이 'AI 퍼스트' 기업으로 전환하고, 나머지 기업과 경쟁력 격차를 영구적으로 벌릴 것이라는 전망입니다. AI를 일부 업무에 도입하는 단계를 넘어, 모든 의사결정과 투자 판단의 기준으로 삼는 기업들이 앞으로 2년 사이 데이터·분석 분야의 판도를 나눈다는 관측입니다.

문장이 짧은 만큼 무게는 묵직합니다. AI를 도입했느냐가 아니라, AI를 중심에 두고 조직 전체를 재편했느냐를 기준으로 기업이 두 진영으로 나뉜다는 말이기 때문입니다. 한국 1인 사업자에게도 이 질문은 비껴가지 않습니다. 지금 내 판단의 출발점은 AI인가, 아니면 AI가 내 판단의 확인 도구인가.

같은 AI 도구, 다른 결과가 나오는 이유

'AI 도입'과 'AI 퍼스트'의 차이를 보여주는 상황은 주변에서 어렵지 않게 찾을 수 있습니다. AI 글쓰기 도구, 회의 요약 서비스, 이미지 생성 플랫폼을 팀별로 구독하면서 연간 수천만 원을 지출하는 기업이 있습니다. 6개월이 지나도 성과 지표가 제자리인 경우가 많습니다. 개별 직원이 빠르게 문서를 만들어도, 그 문서를 기반으로 내리는 의사결정 구조는 그대로이기 때문입니다. 도구 목록이 늘어난 것입니다. 판단 구조는 그대로입니다.

가트너 보고서가 말하는 전환은 그보다 깊은 지점에 있습니다. 어떤 제품을 만들지, 어떤 고객에게 집중할지, 어떤 투자를 먼저 집행할지 — 이 판단들에 AI 분석이 먼저 들어오는 구조를 가진 기업을 'AI 퍼스트'라고 정의합니다. 분석 보고서를 AI가 써준다는 의미가 아닙니다. 판단의 순서가 'AI 분석 → 인간 결정'으로 고정되어 있다는 뜻입니다.

이 구분이 한국 기업 환경에서 추상적으로 들릴 수 있습니다. 대기업 몇 곳을 제외하면 데이터 인프라 자체가 충분하지 않고, AI 분석가를 별도로 고용할 여력이 없는 기업이 훨씬 많습니다. 그래서 가트너의 예측이 실리콘밸리 거대 기업만의 이야기처럼 느껴지는 것은 자연스럽습니다. 그러나 판단 구조를 먼저 바꾼다는 개념이 반드시 대규모 인프라를 전제하는 것은 아닙니다. 스프레드시트 한 장으로 재무를 관리하던 사람이 현금 흐름 구조를 먼저 보는 눈을 기르는 것처럼, 규모가 작을수록 오히려 판단의 순서를 빠르게 바꿀 수 있습니다.

가트너 예측을 의심해야 하는 이유

이 시점에서 반대 입장도 살펴봐야 합니다. 가트너는 과거에도 몇 년 후를 기점으로 강렬한 숫자를 내놓았고, 그 예측 상당수는 시간이 지나면서 조용히 수정되거나 흐릿해졌습니다. 2020년대 초 가트너가 제시했던 블록체인 실용화 시점과 메타버스 대중화 타임라인은 지금 기준으로 대부분 빗나갔습니다. 'AI 퍼스트 10%'도 같은 경로를 밟을 가능성이 있습니다.

비판론자들은 개념 자체의 측정 불가능성도 지적합니다. 어느 기업이 AI 중심으로 판단 구조를 전환했는지 외부에서 검증할 방법이 없고, 내부에서도 자기 진단이 쉽지 않습니다. 그 결과 'AI 퍼스트'라는 선언이 또 다른 마케팅 문구로 소비될 수 있습니다. 도구 도입과 판단 구조 전환을 가르는 기준이 명확하지 않으면, 10%라는 숫자는 자의적 해석에 열려 있습니다.

그럼에도 방향 자체는 여러 현장 데이터가 뒷받침합니다. 생성형 AI를 활용하는 기업과 그렇지 않은 기업 사이의 생산성 격차를 측정한 연구들에서, 차이가 크게 나타나는 쪽은 도구의 수가 아니라 의사결정 과정에 AI 분석이 개입하는 빈도였습니다. 예측의 정확도와 무관하게, 질문 자체가 이미 'AI를 어떻게 쓰느냐'에서 'AI를 어디에 두느냐'로 이동하고 있습니다. 이 이동이 유의미하다면, 2030년이라는 시점보다 지금 내 판단의 순서가 무엇인지가 더 실질적인 문제입니다.

지금 내 판단은 어디서 시작하는가

이 논의를 1인 사업자와 중간관리자의 현실로 가져오면, 점검 지점은 훨씬 구체적으로 좁혀집니다.

다음 달 콘텐츠 주제를 고를 때 어떤 순서로 움직이는지 생각해 봅시다. 경험과 감으로 주제를 먼저 고르고, 이후 데이터를 검색해 확인합니까. 아니면 검색 트렌드와 경쟁 콘텐츠 포화도, 과거 성과 데이터를 먼저 보고 그 위에서 판단합니까. 전자는 AI를 확인 도구로 쓰는 방식이고, 후자는 AI를 판단의 출발점에 두는 방식입니다. 두 방식이 같은 AI 도구를 써도 6개월 후 결과가 다른 것은 이 때문입니다.

재무 판단도 마찬가지입니다. 매출이 늘었는지 줄었는지만 확인하는 것과, 이번 달 현금 흐름이 왜 그 숫자가 됐는지를 항목별로 먼저 파악한 뒤 다음 결정을 내리는 것은 다릅니다. 파이낸스 사고를 체화한 사람들이 공통으로 말하는 것이 있습니다. 숫자가 먼저 눈에 들어오는 것이 아니라, 숫자 뒤에 있는 구조가 먼저 보인다는 것입니다. AI 퍼스트로의 전환도 같은 방식으로 시작됩니다. 도구의 결과를 나중에 확인하는 것이 아니라, 도구의 분석으로 판단이 열리는 경험을 반복하면서 출발점이 달라집니다.

자기 점검도 단순하게 할 수 있습니다. 지난달 내린 사업 결정 중 AI 분석이 출발점이었던 것이 몇 건인지 세어봅니다. AI 분석 결과와 직관이 충돌했을 때 어느 쪽이 이겼는지 떠올립니다. 새로운 방향을 검토할 때 AI 분석 없이 판단을 내리는 것이 불편한지 확인합니다. 이 세 질문에 모두 명확히 답할 수 없다면, 아직 도구를 쓰는 단계에 있습니다.

'AI 퍼스트' 전환을 거대한 디지털 혁신 프로젝트로 생각하면 시작이 어렵습니다. 인프라가 충분하지 않고, 전담 인력이 없고, 데이터가 정리되어 있지 않다는 현실이 먼저 눈에 들어옵니다. 그러나 시작점은 생각보다 좁습니다. 다음 주 월요일, 판단 하나를 내리기 전에 AI 분석을 먼저 돌려보는 것으로 충분합니다. 새로운 서비스를 검토하기 전, 경쟁 환경 데이터를 AI로 정리합니다. 신규 고객을 유치하기 전, 기존 고객 패턴을 AI가 요약하게 합니다. 이 순서를 4주 동안 유지하면 판단의 시작점이 달라지기 시작합니다.

가트너 예측이 정확히 맞든 틀리든, 저는 이 보고서가 던지는 핵심 질문이 유효하다고 생각합니다. 2030년에 10%에 속할 기업은 지금 더 많은 도구를 구독하는 기업이 아닐 것입니다. 지금 판단의 순서를 바꾸기 시작한 곳들이 그 자리를 채울 가능성이 높습니다.