AI를 도입하는 기업은 갈수록 늘고 있다.

생성형 AI가 등장한 이후 기업들은 앞다퉈 AI 전환을 선언했고, 게임업계 역시 개발과 운영 전반에 AI를 적용하는 실험을 이어가고 있다.

하지만 현장의 분위기는 생각보다 복잡하다. 비싼 토큰 비용을 감수하며 AI를 도입했지만, 기대만큼 효과가 나타나지 않았다고 볼멘소리를 내는 기업이 적지 않기 때문. 하지만 이와 반대로 AI 덕분에 업무수행 방식을 바꾸며 성과를 내는 기업도 조금씩 등장하고 있는 곳도 존재한다.

같은 AI를 사용했는데 결과가 갈린 이유는 무엇일까?

이 같은 현상을 분석한 글로벌 컨설팅사와 연구기관들은 많은 이유 중 하나로 ‘AI 도입 프로세스의 성립’을 이야기한다.

AI로 작업물을 만들었다는 것이 중요한 것이 아니라 "AI 작업물을 어떻게 기존 콘텐츠와 융합시킬 것인가?", "얼마나 제작과 운영에 들어가는 비용이 줄었는가 ?"와 같은 구체적이고 효율적인 프로세스가 중요하다는 것이다.

[AI 도입한 기업이 실패한 원인, "프로세스가 없는 마구잡이 도입"]

생성형 AI가 등장한 이후 기업들의 AI 투자는 빠르게 증가했다. 빅테크 기업들은 AI 데이터센터와 GPU 인프라에 막대한 자금을 투입했고, 일반 기업들도 고객 응대, 문서 요약, 사내 검색, 마케팅, 개발 보조 등 다양한 영역에 AI를 도입했다.

하지만 현장의 이야기는 분분하다. 글로벌 컨설팅 기업 맥킨지앤드컴퍼니의 2025년 AI 글로벌 조사에 따르면 기업들의 AI 활용은 빠르게 확산됐지만, 대부분 조직은 여전히 초기 시도 단계에서 전사 확장 단계로 넘어가는 데 어려움을 겪고 있다고 전했다.

글로벌 리서치 기업 가트너 역시 AI를 조직에 확장하기 위해서는 단일 프로젝트가 아니라 로드맵이 필요하다고 설명한다. 가트너의 AI 로드맵은 전략, 가치, 조직, 인력과 문화, 거버넌스, 엔지니어링, 데이터 등 여러 업무 흐름을 기준으로 AI 도입 단계를 설계해야 한다고 제시했다.

PwC의 2026 글로벌 CEO 설문조사도 비슷한 방향을 가리킨다. 95개국 4,454명의 CEO를 대상으로 한 조사에서 AI 도입을 지원하는 조직 문화가 갖춰졌다고 답한 비율은 69%, 기술 환경이 AI 통합을 지원한다고 답한 비율은 66%였다.

하지만 AI 도입 전략을 위한 명확한 로드맵을 보유했다고 답한 비율은 51%에 그쳤고, AI 목표 달성에 충분한 투자 수준을 확보했다고 답한 비율은 40%에 머물렀다. 특히, 사내에서 가장 많이 사용하는 AI 도구가 내부 문서와 데이터에 충분히 접근할 수 있다고 답한 비율은 겨우 29%에 불과했다.

AI가 어떤 업무 흐름과 연결되는지, 어떤 데이터를 활용할 수 있는지, 어떤 기준으로 성과를 측정할 것인지에 대해서는 많은 기업이 명확한 답을 내놓지 못하고 있는 것이다.

MIT 계열 연구기관 NANDA의 ‘State of AI in Business 2025’ 보고서 역시 기업용 생성형 AI 프로젝트의 상당수가 손익계산서에 측정할 수 있는 영향을 주지 못했다고 분석했다. 보고서는 문제의 핵심을 모델 성능이 아니라 기존 업무와의 통합 실패가 큰 원인이라고 지적하기도 했다.

이는 AI가 해결할 업무를 정하지 않은 상태에서 도구부터 도입하면 현장에는 검수해야 할 결과물만 늘어나 기존 업무에 새로운 업무가 추가되어 오히려 진행 속도가 느려지는 결과로 이어진다. “뭔지는 모르겠지만, AI가 좋다고 하니 일단 하자"는 방식으로 접근한 기업은 성과를 내기 어렵다는 것이다.

[어떻게 AI 프로세스를 도입해야 할까?]

그렇다면 AI 도입에 성과를 낸 기업들의 공통점은 무엇일까? 바로 AI를 목표로 삼지 않고, 기존 업무 프로세스를 개선하는 것에 목표를 뒀다는 것이었다.

글로벌 투자은행 JP모건 체이스(JPMorgan Chase)의 사례가 대표적이다. JP모건 체이스는 전 세계 금융 시장에서 막대한 영향력을 가진 미국 최대 금융그룹 중 하나다. 금융사는 고객 정보, 투자 정보, 내부 리포트, 규제 문서 등 민감한 데이터를 다루기 때문에 외부 AI 도구를 무분별하게 쓰기 어렵다.

이에 JP모건은 외부 AI 사용이 아니라 사내 생성형 AI 플랫폼 ‘LLM Suite’를 구축하는 방식을 택했다. 이 플랫폼은 직원들이 보안이 통제된 환경에서 문서 초안 작성, 아이디어 생성, 콘텐츠 정리 등을 수행할 수 있도록 설계됐다. 이 LLM Suite는 2024년 여름 사내 적격 직원들에게 공개됐고, 직원들이 주당 평균 3~6시간의 업무 시간을 절감하는 효과가 나타났으며, 일부 업무에서는 생산성이 10~20% 향상됐다고 JP 모건 측이 발표하기도 했다.

마이크로소프트(이하 MS) 역시 AI를 업무 프로세스 안으로 끌어들인 대표적인 사례다. 마이크로소프트는 생성형 AI 서비스인 '마이크로소프트 365 코파일럿(Microsoft 365 Copilot)'을 별도의 AI 프로그램으로 운영하지 않았다. 워드(Word), 엑셀(Excel), 파워포인트(PowerPoint), 아웃룩(Outlook), 팀즈(Teams) 등 기존 업무에서 가장 많이 사용하는 소프트웨어에 그대로 통합하는 방식을 선택했다.

이 같은 접근은 실제 성과로도 이어졌다. 영국 정부가 약 2만 명의 공무원을 대상으로 3개월 동안 진행한 '마이크로소프트 365 코파일럿' 시범 운영 결과에 따르면, 참가자들은 하루 평균 26분의 업무 시간을 절감한 것으로 나타났다. 연간으로 환산하면 약 2주에 해당하는 시간이다. 또한 응답자의 80% 이상은 "앞으로도 코파일럿을 계속 사용하고 싶다"라고 답했으며, 문서 작성과 회의 정리, 정보 검색 등 반복적인 행정 업무에서 가장 높은 만족도를 보여주기도 했다.

여기에 브라질의 대형 금융 투자 플랫폼 ‘XP Inc’의 경우 내부 시스템에 흩어진 자료를 수집하고 초안 보고서를 작성하는 과정에 AI를 활용하여 9,000시간 이상의 업무 시간을 절감했으며, 특히 내부 감사팀의 업무 효율은 30% 향상됐다고 발표하기도 했다.

이렇게 성과를 올린 기업들의 시도에는 세 가지 공통점이 있었다. ‘AI가 들어갈 업무 범위를 명확하게 설정했다’라는 것과 ‘AI가 만든 결과를 사람이 어떻게 검수할지 내부 프로세스를 확립했다’라는 것. 그리고 ‘AI 도입 이후 성과를 어떤 지표로 판단할지 사전에 정의했다.’라는 것이다.

AI를 모든 것을 해결하는 ’도깨비방망이‘로 보는 것이 아니라 구체적인 계획과 이를 도입할 영역 그리고 이 업무를 진행할 프로세스를 구축한 이후 AI를 도입한 셈이다.

[한국 게임사들의 시도]

이러한 움직임은 국내 게임사들도 AI 도입 경쟁에 뛰어들고 있다. 다만 한국 게임사들의 접근도 단순한 기술 과시보다는 프로세스 개선 쪽으로 이동하고 있다.

가장 공격적인 행보를 보이는 곳은 크래프톤이다. 크래프톤은 ‘배틀그라운드’를 보유한 국내 대표 게임사로, 최근에는 ‘인조이’ 등 AI 기술과 연결될 수 있는 신작도 추진해 왔다. 크래프톤은 ‘AI First’ 기업 전환을 선언하며 1,000억 원 이상을 투자해 GPU 클러스터를 구축하겠다고 밝혔다. 또한 2026년부터 매년 약 300억 원의 예산을 편성해 구성원들이 다양한 AI 도구를 업무에 활용할 수 있도록 지원하겠다는 계획도 공개했다.

크래프톤 발표에서 중요한 것은 GPU 투자 규모만이 아니다. 회사는 2026년 하반기까지 AI 플랫폼과 데이터 통합·자동화 기반을 완성하고, AI 연동 워크플로우와 에이전틱 AI 관리 플랫폼, 데이터 표준화 체계를 포함한 전사 AI 기반을 구축하겠다고 설명했다.

넥슨은 데이터 프로세스 정립에 집중했다. 넥슨은 ‘메이플스토리’, ‘던전앤파이터’, ‘FC 온라인’ 등 다수의 장수 라이브 게임을 서비스해 온 회사다. 이에 라이브 게임의 핵심인 이용자 로그, 경제 흐름, 콘텐츠 소비 패턴, 이벤트 반응, 비정상 플레이 탐지 등의 데이터가 오랜 시간 축적된 기업이기도 하다.

넥슨은 이러한 자신들의 데이터를 스노우플레이크 기반 통합 데이터 플랫폼 ‘모노레이크(MonoLake)’를 구축해 흩어진 데이터를 하나의 체계로 모았다. 스노우플레이크의 공개에 따르면 ‘모노레이크’는 25% 이상의 비용 절감과 대용량 데이터 처리 시간 17분의 1 단축 효과를 낸다고 밝혔다.

특히, AI를 실무에 곧바로 도입하기보다 게임별, 부서별, 영역별로 흩어져 있는 데이터를 하나로 통합하여 향후 개발 프로젝트와 라이브 서비스 운영에 활용함으로써 개발 속도와 라이브 서비스 운영 개선에 나선다는 점에서 많은 주목을 받는 중이기도 하다.

넷마블 역시 2018년 AI센터를 설립한 이후 머신러닝과 자연어 처리(NLP), 음성 인식, 번역 등 다양한 AI 기술을 게임 개발과 라이브 서비스에 접목하는 연구를 진행해 왔으며, 최근에는 자동 번역 후편집(APE) 기술 연구를 강화하며 이를 글로벌 서비스에 적용하기 위한 움직임을 보이고 있다.

스마일게이트는 AI를 개별 기능보다 장기적인 개발 생태계 구축 관점에서 접근하고 있다. 2020년 독립 AI 연구 조직인 'Smilegate.AI'를 설립한 스마일게이트는 AI 연구원뿐 아니라 심리학과 인지과학, 언어학 등 다양한 분야의 연구진이 함께 참여하는 융합형 연구 조직을 운영 중이다.

이를 통해 개발자가 더 효율적으로 콘텐츠를 제작할 수 있도록 지원하는 것은 물론, 개발 과정에서 필요한 대화 생성과 캐릭터 상호작용, 음성 기술 등을 향후 게임 서비스에 적용한다는 계획이다.

이처럼 AI 기술은 도입 자체에 의의를 두는 것이 아닌 AI가 들어갈 업무 프로세스를 얼마나 명확히 정의했는지, 성과를 어떤 지표로 측정할 수 있는지, 그리고 그 결과를 다시 조직 운영에 반영할 수 있는지 등 구체적인 단계를 설계한 곳에서 조금씩 성과가 나타나는 중이다.

AI 대전환의 시대를 맞이한 지금, AI 대전환의 시대를 맞이한 지금. 어떤 게임사에서 이를 먼저 도입하여 괄목할 만한 성과를 내놓을 수 있을지 앞으로의 모습이 궁금해진다.