4년간 생성형 AI를 조직 전체에 도입했는데, 직원 수도 평균 근무시간도 달라지지 않았습니다. 미국의 한 대형 공립 고등교육기관에서 실제로 벌어진 일입니다. 경영진, 운영 담당자, 학생 대면 실무자까지 계층 구분 없이 AI 도구를 쥐어줬습니다. 4년의 관찰이 끝난 시점에서 연구진이 확인한 사실은 인원도 근무 패턴도 그대로라는 것이었습니다. 그리고 이들은 이것을 실패라고 부르지 않았습니다.

MIT 슬론 매니지먼트 리뷰에 발표된 이 연구는 하나의 질문을 던집니다. AI 도입의 성공을 어떤 기준으로 판단하고 있는가.

'인원 절감'이 AI 성과 기준으로 굳어진 배경

생성형 AI가 조직에 빠르게 퍼지면서, 도입 성과를 측정하는 방식으로 가장 먼저 자리잡은 것이 인건비 절감이었습니다. 도입 검토 자리에서 나오는 질문들은 대개 두 방향으로 수렴했습니다. 몇 명을 줄일 수 있는가, 몇 시간을 아낄 수 있는가.

이 기준이 설득력을 갖게 된 이유는 단순합니다. 투자 대비 수익을 숫자로 보여주기에 인건비 절감만큼 편리한 항목이 없기 때문입니다. 인원이 줄면 효과가 있는 것이고, 그대로면 효과가 없는 것입니다. 이 논리는 이사회 보고에도, 내부 설득에도 쓰기 편합니다.

그 결과, 많은 조직에서 AI 도입의 성패는 감원 숫자로 환산됩니다. 문서 자동화를 도입했는데 야근이 줄지 않았거나, 고객센터 챗봇을 넣었는데 상담 인원이 그대로라면 "도입 효과가 없다"는 말이 나옵니다. 이 판단이 반복되면 조직은 인건비를 줄이는 방식으로만 AI를 쓰려 들게 되고, 그 기대가 충족되지 않으면 도구 자체를 포기하게 됩니다. 그러나 MIT 슬론의 연구진은 4년간의 관찰 끝에 이 판단의 전제 자체가 잘못됐을 수 있다고 씁니다.

사람은 빈 시간을 다른 일로 채웁니다

업무량이 줄지 않는 데는 구조적인 이유가 있습니다. AI가 단순 반복 처리를 담당하면, 사람은 그 시간에 이전에는 엄두를 못 냈던 일을 시작합니다. 더 많은 고객에게 연락을 돌리거나, 더 깊은 분석 보고서를 작성하거나, 미뤄두던 기획안을 꺼냅니다. 총 근무시간은 같아도, 그 안에 담기는 내용이 달라집니다.

이 현상은 경제학의 수요 탄력성 개념으로도 설명됩니다. 특정 자원의 공급이 늘어나면 사람들은 그 자원을 더 많이 쓰는 방향으로 행동을 바꿉니다. AI가 시간을 확보해주면 그 시간이 쌓이는 게 아니라 다른 과업으로 채워집니다. 총량은 변하지 않아도, 투입되는 과업의 수준이 달라집니다.

그렇다면 연구진은 업무량 대신 무엇을 측정했을까요. 산출물의 질이 그 중 하나입니다. 같은 시간 안에 더 정확한 보고서가 나오는지, 고객 응대의 일관성이 달라졌는지, 의사결정에 걸리는 시간이 단축됐는지를 살펴봅니다. 새로운 과업이 생겨나고 있는지도 측정 대상이 됩니다. AI 없이는 시작할 수 없었던 프로젝트가 실행 가능해졌다면, 그 변화도 성과의 범위 안에 들어옵니다. 사람이 단순 처리보다 판단과 결정에 집중하는 비율이 달라졌는지도 함께 봅니다. 보고서 작성에 걸리는 시간이 줄었을 때, 남은 시간에 무엇을 하게 됐는지가 관건입니다. 이 변화들은 근무시간 총량 집계에는 잡히지 않습니다.

반대 입장은 이렇게 말합니다

인건비 절감 없는 AI 투자는 비용만 올라간 것 아니냐는 반론은 재무적으로 타당합니다. AI 도구 구독료, 교육 비용, 인프라 정비에 지출이 발생했는데 인원도 근무시간도 그대로라면, 단기 손익 기준으로는 마이너스입니다. 현금 흐름을 직접 관리해야 하는 소규모 사업체나 초기 창업자에게 이 현실은 구체적인 부담입니다.

"산출물의 질"이나 "판단력의 밀도" 같은 지표는 측정 주체에 따라 결과가 달라진다는 지적도 있습니다. 상사가 "더 나아진 것 같다"고 말하면 성공이 되고 "체감이 안 된다"고 하면 실패가 되는 구조는 객관성을 담보하기 어렵습니다. 특히 AI 도입을 주도한 팀이 스스로 성과를 평가할 때 확증 편향이 개입할 여지가 있습니다. 정성적 지표는 관리 단계에서 도태되기 쉬운 이유가 바로 여기 있습니다.

이 반론들은 실제 근거가 있습니다. 그러나 이를 이유로 업무량 감소만을 유일한 기준으로 삼으면, 측정 도구가 조직의 판단을 왜곡하게 됩니다. 측정하기 쉬운 것에만 집중하면, 중기적으로 더 중요한 변화를 놓칩니다.

한국 1인 사업자에게 이 연구가 묻는 것

미국 대형 교육기관의 연구를 한국 1인 사업자 맥락으로 가져오면 질문이 달라집니다. 1인 사업자에게 "인원 절감"은 애초에 측정 대상이 아닙니다. 감원할 직원이 없거나 한두 명인 경우, AI로 줄일 인건비 자체가 없습니다. 그런데도 많은 1인 사업자들이 AI 도입 후 "달라진 게 없다"는 느낌을 갖습니다. 업무량이 눈에 띄게 줄었는지를 성과의 기준으로 삼기 때문입니다.

실제 변화는 다른 곳에 있는 경우가 많습니다. 전에는 외주를 줘야 했던 번역이나 편집을 이제 직접 처리하게 됐거나, 매달 미뤄두던 자료 정리가 분기에 한 번은 가능해졌거나, 제안서 초안 작성 시간이 줄어서 더 많은 잠재 고객에게 연락을 돌릴 수 있게 됐을 수 있습니다. 이 변화들은 업무량 감소 항목에 잡히지 않습니다. 그러나 사업이 어디로 향하는지에는 직접 영향을 줍니다.

저는 이 연구를 읽으면서, 자동화와 인간 역할의 관계를 분석한 한 경영 저술이 떠올랐습니다. 그 책은 자동화가 확대될수록 공감 능력과 맥락 판단, 관계 형성처럼 수치로 환산되기 어려운 역량이 조직에서 더 높은 비중을 차지하게 된다고 분석합니다. 2030년대 비즈니스 세계의 규칙 변화를 추적한 연구인데, AI 도입 이후에도 업무량이 그대로라는 사실이 그 맥락에서 다르게 읽힙니다. 사람이 AI가 비워준 자리에 더 높은 판단을 채워 넣고 있을 가능성이 있는 것입니다.

1인 사업자가 살펴볼 수 있는 항목이 있습니다. AI를 도입하기 전과 비교해서, 같은 시간 안에 더 많은 결과물이 나오고 있는지, 전에는 시작조차 못 했던 일을 지금은 진행 중인지, 내가 직접 결정해야 하는 순간이 달라졌는지입니다. 이 중 하나라도 바뀌었다면, AI가 일하는 방식에 영향을 주고 있는 것입니다. 업무량이 줄지 않아도 그렇습니다.

AI 도입의 성패를 판단하는 질문이 결과를 규정합니다. "몇 명이 줄었나"를 묻는 자리에서는 사라진 인원이 답이 됩니다. "이전에는 못 했던 일을 지금 하고 있는가"를 묻기 시작하면, 보이는 것이 달라집니다. MIT 슬론 연구진이 4년의 관찰 끝에 제안한 것은 새로운 측정 도구가 아니라, AI를 처음 도입할 때부터 가졌어야 하는 질문입니다.