AI를 쓰는 응답자 10명 중 8명이 생산성이 높아졌다고 답했으나, 회사 이익에 AI가 기여했다고 답한 비율은 1년 전과 같았다. 맥킨지(McKinsey)가 2026년 8월 발표한 ‘AI 현황 2026: ROI를 향한 길(The state of AI in 2026: On the road to ROI)’ 보고서가 확인한 AI 도입 성과 격차다. AI 도입 성과 격차란 개인이 체감하는 업무 효율 상승과 기업이 실제로 얻는 재무 성과 사이에 벌어진 간극을 뜻한다. 전 세계 97개국 1,719명이 참여한 이번 조사는 AI를 쓰는 개인은 분명한 이득을 보는데도 조직의 성과에는 반영되지 않는 상황을 데이터로 보여준다.

생산성 80%와 영업이익 기여 37%가 만든 AI 도입 성과 격차

맥킨지 조사에서 응답자의 80%는 AI가 자신의 생산성을 높였다고 답했고, 50%는 더 나은 의사결정에 도움이 됐다고 답했다. 반면 AI가 조직의 영업이익(EBIT)에 조금이라도 기여했다고 답한 비율은 37%로, 2025년 조사와 사실상 동일했다. 영업이익은 기업이 제품이나 서비스를 팔아 얻은 수익에서 인건비와 운영비를 뺀 금액을 가리킨다.

두 수치의 거리가 이번 보고서의 핵심이다. 개인은 보고서 요약을 10분 만에 끝내고 코드를 반나절 만에 완성하면서 업무 속도가 빨라졌다고 느낀다. 그러나 절약된 시간이 조직의 매출이나 비용 절감으로 이어지려면 그 시간을 어디에 쓸 것인지에 대한 회사 차원의 설계가 필요하다. 설계가 없다면 개인이 아낀 30분은 개인의 30분으로 남는다. 맥킨지 시니어 파트너 댄 팅코프(Dan Tinkoff)는 이 격차를 올해 조사에서 특히 두드러진 발견으로 꼽으면서, 직원들이 스스로 AI 활용 능력을 쌓고 있는 지금이 오히려 기회라고 진단했다.

개인이 체감하는 이득 역시 균일하지 않다. AI를 쓰면서 업무 압박이나 불안 같은 부정적 경험을 하나 이상 겪었다고 답한 비율은 중간 관리자와 실무자에서 47%였던 반면, 임원과 고위 관리자는 31%에 그쳤다. AI가 만들어낸 결과물을 실제로 검토하고 책임지는 위치일수록 부담이 크다는 의미로 해석된다. 조직이 AI 도입의 성과만 보고 이 부담을 놓칠 경우, 현장에서 도입 속도가 떨어질 여지가 있다.

대기업 40%와 중소기업 22%로 벌어진 AI 에이전트 확산 격차

AI 에이전트를 확산 단계까지 끌어올린 기업 비율은 연 매출 10억 달러 이상 대기업에서 27%에서 40%로 1년 만에 상승했다. 반면 그보다 규모가 작은 기업은 22%로 사실상 변화가 없었다. AI 에이전트는 사람이 매번 지시하지 않아도 여러 단계를 스스로 계획하고 실행하는 AI를 말한다. 챗봇이 질문을 받으면 답하는 상담 창구에 가깝다면, 에이전트는 업무 전체를 위임받는 실무자에 가깝다.

전체 흐름을 보면 기업의 AI 활용은 계속 깊어지고 있다. 최소 한 개 업무 영역에서 AI를 정기적으로 쓴다는 응답은 89%에 이르렀고, 전사 차원으로 AI를 확산하고 있다는 응답은 38%에서 44%로 늘었다. 세 개 이상의 업무 영역에서 AI를 쓴다는 비율도 51%에서 56%로 올랐다. 도구별로는 챗봇이 47%로 가장 널리 퍼졌고, AI 에이전트와 소프트웨어 코딩 에이전트는 각각 10곳 중 2곳 정도가 확산 단계에 진입했다.

문제는 확산의 속도가 기업 규모에 따라 갈린다는 점이다. 대기업의 54%가 전사 차원에서 AI를 확산하고 있다고 답한 반면 중소기업은 3분의 1 수준에 머물렀다. 규모에 따른 확산 속도 차이가 에이전트 도입에서 다시 벌어지고 있으며, 이 간격이 좁혀지는지 여부가 향후 조사에서 확인해야 할 지점이다.

소프트웨어 구매를 포기한 기업 32%가 만든 IT 예산의 변화

응답자의 32%는 코딩 에이전트로 직접 개발할 수 있다는 이유로 소프트웨어 제품이나 기능의 구매를 포기한 적이 있다고 답했다. 업종별로는 기술 41%, 의료 보험사와 의료기관 39%, 전문 서비스 38%, 에너지와 소재 38% 순이었다. 지금까지 당연히 사서 쓰던 소프트웨어를 사내에서 만들어 쓰기 시작했다는 신호이며, 이 흐름이 이어지면 기업의 IT 예산 구조 자체가 바뀔 수 있다.

맥킨지 시니어 파트너 리번 반 데어 베켄(Lieven Van der Veken)은 최근까지 많은 경영진이 AI를 자사 기술팀의 역량 밖 영역으로 여겼으나 이제는 무엇을 직접 만들 수 있는지 묻기 시작했다고 설명했다. 다만 그는 모든 것을 자체 개발하라는 뜻은 아니며, 어디까지 사고 어디부터 만들지를 스스로 판단할 수 있는 역량을 갖추는 것이 핵심이라고 덧붙였다.

운영비에 발목 잡힌 기업 20%와 투자 확대를 예고한 기업 60%

AI 운영비, 특히 토큰 비용 때문에 AI 사용을 제한한 적이 있다고 답한 기업은 20%였다. 토큰은 AI가 문장을 읽고 만들어낼 때 쪼개어 세는 단위로, 사용한 양에 따라 요금이 매겨진다. 업종별로는 기술 25%, 금융기관 24%가 높았고 소비재와 유통은 12%로 낮았다.

비용 부담을 느끼면서도 투자를 늘리겠다는 기업이 훨씬 많다는 점은 주목할 만하다. 응답자의 60%가 내년에 AI 투자를 늘리겠다고 답했고, 28%는 이미 전체 정보통신기술 예산의 10%를 넘는 금액을 AI에 쓰고 있다고 밝혔다. 맥킨지 시니어 펠로 마이클 추이(Michael Chui)는 최고재무책임자들이 ‘토크노믹스’라는 표현을 쓰기 시작했다고 전하면서, 토큰 단가는 내려갔지만 소비되는 토큰의 양이 그보다 더 빠르게 늘어난 것이 원인이라고 분석했다. 단가 인하보다 사용량 증가가 앞서면서 총비용이 오히려 커진 구조다.

상위 6% 고성과 기업이 나머지와 갈라진 지점

AI로 영업이익의 5% 이상을 창출하고 상당한 가치를 얻었다고 답한 기업, 보고서가 ‘AI 고성과 기업(AI high performers)’으로 분류한 집단은 전체 응답자의 6%에 불과했다. 이 비율 역시 작년과 같다. 앞선 격차를 좁힐 실마리는 이들이 나머지 기업과 무엇을 다르게 했는지에서 찾을 수 있다.

가장 뚜렷한 차이는 목적이다. 효율을 목표로 삼는 비율은 고성과 기업 78%, 나머지 82%로 오히려 비슷하거나 낮았다. 반면 성장을 목표로 한다는 응답은 74% 대 47%, 혁신을 목표로 한다는 응답은 65% 대 49%로 크게 벌어졌다. 비용을 줄이는 데만 AI를 쓰는 기업과 새로운 매출을 만드는 데까지 AI를 쓰는 기업의 차이다.

그림1. 효율 목표는 78%와 82%로 같지만 성장 목표는 74% 대 47%로 갈렸다. AI 고성과 기업과 나머지 기업을 가른 차이다. (출처: McKinsey & Company)

두 번째 차이는 일하는 방식을 바꿨는지 여부다. 고성과 기업의 약 4분의 3이 AI 도입을 계기로 업무 흐름을 근본적으로 다시 설계했다고 답했다. 작년 55%에서 크게 늘어난 수치다. 반면 나머지 기업은 4분의 1에 그쳤다. 기존 업무 순서를 그대로 둔 채 중간에 AI만 끼워 넣는 방식으로는 개인의 속도는 빨라져도 조직의 수치까지 움직이기는 어렵다는 의미로 읽힌다. 이 밖에도 고성과 기업은 경영진이 AI 사업에 직접 책임지고 나서는 비율, 성과를 측정하는 절차를 갖춘 비율이 나머지의 두 배였다.

맥킨지 어소시에이트 파트너 타라 발라크리슈난(Tara Balakrishnan)은 고성과 기업의 강점을 예산으로 환원할 수 없다고 강조하면서, 도구와 시범 사업을 쌓아 올리는 일과 일하는 방식을 바꾸는 일은 전혀 다르다고 지적했다. 그는 도입 속도가 기술 발전 속도를 따라가지 못하는 이유가 결국 조직이 변화를 감당하는 능력에 있다고 봤다.

인력 감소 예상 39%와 실제 감소 14%의 괴리

AI 때문에 내년에 전체 직원 수가 줄어들 것으로 보는 응답은 39%로, 작년의 32%보다 높아졌다. 그러나 작년에 32%가 감소를 예상했던 그 1년이 실제로 지난 뒤 확인해보니, AI로 인해 인력이 실제 줄었다고 답한 비율은 14%였다. 예상치의 절반에 미치지 못한 수준이다. 응답자의 66%는 AI로 인한 인력 변화가 거의 없었다고 답했다.

그림2. 작년 감소 예상은 32%였지만 실제 감소는 14%에 그쳤다. 그런데도 내년 전망은 39%로 더 올랐다. (출처: McKinsey & Company)

업무 영역별로도 같은 양상이 나타났다. 조사한 모든 영역에서 실제 인력 감소를 보고한 비율은 작년에 예상했던 비율보다 낮았다. 내년 감소 전망이 가장 높은 영역은 고객 서비스 운영과 공급망 관리인데, 이는 작년 조사에서도 상위에 올랐던 영역이다.

개인 차원의 불안은 예상보다 크지 않았다. AI 때문에 자신의 커리어 전망이 불안하다고 답한 비율은 13%에 그쳤다. 조직 전체 인원은 줄어들 수 있으나 자신의 자리는 유지될 것으로 보는 인식이 자리 잡고 있다는 뜻이며, 이 판단이 타당했는지는 내년 조사에서 다시 확인할 필요가 있다.

도구를 늘린 기업과 방식을 바꾼 기업의 분기점

이번 보고서가 보여준 가장 일관된 신호는 AI 도입 자체가 성과를 보장하지 않는다는 점이다. 89%가 AI를 쓰고 44%가 전사 확산 단계에 진입했음에도 영업이익 기여를 보고한 비율이 37%에 멈춰 있다는 사실이 이를 뒷받침한다. 개인이 얻는 이득은 즉시 나타나지만 조직의 이득은 일하는 순서 자체를 다시 짜야 나오는 것일 가능성이 있다.

다만 이 해석에는 확인이 필요한 부분도 남는다. 이번 조사는 응답자의 인식과 자기 보고에 기반하며, AI 투자가 재무 성과로 이어지기까지 걸리는 시간을 감안하면 현재의 정체가 실패의 증거인지 시차의 결과인지는 아직 단정하기 어렵다. 인력 감소 예상이 매년 실제보다 크게 나오는 현상 또한, 기술 변화 앞에서 미래를 과대 추정하는 일반적 경향인지 도입 속도가 실제로 느린 결과인지 구분해서 볼 필요가 있다.

개인 차원에서 남는 질문은 하나다. AI로 절약한 시간이 어디로 가고 있는가이다. 그 시간이 더 나은 결과물이나 새로운 시도로 이어지고 있다면 조직의 성과로 연결될 여지가 있고, 다음 업무를 앞당겨 처리하는 데만 쓰이고 있다면 보고서가 지적한 80%와 37%의 격차 안에 머물러 있는 셈이다.

FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.)

Q1. AI 에이전트는 챗봇과 어떻게 다른가요?
챗봇은 사용자가 질문할 때마다 답을 주는 방식이고, AI 에이전트는 목표만 주면 여러 단계를 스스로 계획하고 실행하는 방식입니다. 맥킨지 조사에서 챗봇은 47%가 전사 확산 단계에 도달했지만, AI 에이전트는 10곳 중 2곳 수준에 머물러 있습니다.

Q2. 토큰 비용이란 무엇이고 왜 부담이 되나요?
토큰은 AI가 문장을 읽고 만들어낼 때 세는 단위로, 사용한 양에 따라 요금이 붙습니다. 토큰 하나당 가격은 계속 내려가고 있지만 기업이 쓰는 토큰의 총량이 더 빠르게 늘어나면서, 조사 대상 기업의 20%가 비용 때문에 AI 사용을 제한한 적이 있다고 답했습니다.

Q3. AI 때문에 제 일자리가 정말 위험한가요?
이번 조사에서 응답자의 39%가 내년 인력 감소를 예상했지만, 작년에 32%가 감소를 예상했던 지난 1년간 실제로 감소했다고 답한 비율은 전체의 14%에 그쳤습니다. 응답자 본인의 커리어가 불안하다고 답한 비율도 13%로 낮은 편이어서, 예상과 실제 사이에는 상당한 거리가 있습니다.

기사에 인용된 리포트 원문은 맥킨지(McKinsey)에서 확인할 수 있다.
리포트명: The state of AI in 2026: On the road to ROI (McKinsey & Company, 2026년 8월)
이미지 출처: AI 생성 콘텐츠
해당 기사는 챗GPT와 클로드를 활용해 작성되었습니다.