AI를 들인 팀이 효과를 보고할 때 가장 자주 쓰는 숫자는 아낀 시간입니다. 보고서 초안이 30분 빨라졌고, 회의록 정리가 20분 줄었고, 그래서 한 주에 몇 시간을 아꼈다는 식입니다. 그런데 한 분기가 지나 “그래서 팀이 더 많은 일을 끝냈나요”라고 물으면 대답이 흐려집니다.
2026년 6월 한국은행 분석이 그 이유를 보여 줍니다. AI를 쓰는 취업자의 업무시간은 평균 3.8%, 주 40시간 기준으로 한 시간 반쯤 줄었습니다. 그런데 보고서 게시 요약은 아낀 시간과 실제로 처리한 일의 증가 사이의 관계를 “상관계수 0”으로 적었습니다. 상관계수 0은 두 숫자가 함께 움직이지 않는다는 뜻입니다. 시간은 줄었는데, 처리한 일은 그만큼 따라 늘지 않았습니다.
그러니 아낀 시간만 세면 AI가 성과를 냈는지 알 수 없습니다. 이 글의 결론은 하나입니다. AI의 효과는 아낀 시간이 아니라, 일이 요청부터 완료까지 걸린 날로 재야 합니다. 업무 관리에서는 이것을 리드타임(lead time, 요청부터 완료까지 걸린 기간)이라고 부릅니다. 리드타임을 단계별로 나눠 재면 일이 어디서 멈추는지 보이고, 다시 짤 곳도 보입니다.
이 글은 한국은행 분석과 2025~2026년에 나온 McKinsey, BCG, Microsoft 조사와 경제학 연구 한 편을 바탕으로 썼습니다. 수치는 각 기관이 밝힌 사실이고, 자료들을 하나의 결론으로 묶은 것은 제 해석입니다. 이 글에서 성과는 끝낸 일의 총량, 회사로 보면 이익을 말합니다.
아낀 시간과 끝낸 일은 따로 움직였습니다
한국은행 고용연구팀의 이슈노트 제목은 질문입니다. “AI 도입은 생산성을 높이는가? 초기 3년의 효과 분석.” 보고서는 시간이 줄어든 것과 처리한 일이 늘어난 것이 따로 움직인 현상을 ‘생산성 단절’이라고 부릅니다. AI가 작업 하나하나의 효율은 높였지만, 그 효율이 업무 흐름 개선, 조직 구조 변화, 인력 재배치로 이어지지 않았다는 해석입니다.
예외도 있었습니다. 자영업자와 전문직, AI를 아주 많이 쓰는 사람에게서는 생산성이 늘었습니다. 보고서는 이들을 성과에 대한 보상이 크고 일하는 방식을 스스로 정할 자율이 큰 집단으로 묶습니다.
여기서 많이 쓴다는 것은 AI를 쓰는 강도이고, 앞의 상관계수는 아낀 시간의 크기를 본 것이라 서로 다른 잣대입니다. 보고서는 AI의 효과가 기술 자체보다 작업 구조와 유인 체계에 좌우될 수 있다고 봅니다.
개인의 체감과 회사의 이익도 따로 갔습니다
기업 조사에서도 같은 간격이 보입니다. McKinsey가 2026년 5~6월 97개국 1,719명에게 물은 연례 조사에서, 응답자의 80%가 AI 덕분에 자기 생산성이 나아졌다고 답했습니다. 그런데 AI가 회사의 영업이익(EBIT, 이자와 세금을 빼기 전 이익)에 조금이라도 기여했다고 답한 응답자는 37%였고, 1년 전과 거의 같았습니다. 영업이익의 5% 이상을 AI 덕으로 보고 효과가 상당하다고 답한 응답자는 약 6%였습니다. McKinsey는 이 응답자들의 조직을 고성과 조직이라고 부릅니다.
개인이 느낀 효과는 대개 아낀 시간입니다. 회사의 이익은 끝낸 일과 판 것에서 나옵니다. 두 숫자 사이가 벌어져 있다면, 아낀 시간을 세는 것으로는 회사가 얻은 것을 알 수 없습니다.
성과를 낸 쪽은 재는 방법부터 달랐습니다
그렇다면 이익을 낸 소수는 무엇이 달랐을까요. McKinsey 2026 조사에서 고성과 조직은 AI 효과를 재는 프로세스를 정해 두었다고 답할 가능성이 다른 조직의 두 배였습니다. 2025년 조사도 AI의 성과 지표(KPI)를 추적하는 관행이 상당한 가치를 내는 데 기여한다고 적었습니다.
재는 방법만 다른 것도 아니었습니다. 고성과 조직의 약 4분의 3이 AI 때문에 워크플로(일이 사람과 단계를 거쳐 흘러가는 순서)를 근본적으로 다시 짰다고 답했습니다. 1년 전에는 55%였고, 나머지 조직에서는 4분의 1에 그쳤습니다.
목표는 같았습니다. 효율을 높이려고 AI를 쓴다는 답은 고성과 조직과 나머지 모두 약 80%였습니다. 앞의 80%(내 생산성이 나아졌다)와는 다른 질문입니다. 같은 목표로 AI를 들였는데, 한쪽은 효과를 재고 일의 순서를 다시 짰고, 다른 쪽은 그러지 않았습니다. 자료가 말한 것은 성과를 낸 조직에 효과를 재는 프로세스가 있었다는 데까지입니다. 무엇으로 잴지를 리드타임으로 좁힌 것은 제 제안입니다. 같은 사람이 같은 시간을 들여 일을 더 빨리 끝내면 다음 일을 더 일찍 시작할 수 있고, 그래야 같은 기간에 끝낸 일의 총량이 늘어납니다. 여러 일을 동시에 하는 팀이라면 이 연결은 한 사람이 빨라지는 것만으로는 성립하지 않습니다. 일이 단계 사이에서 기다리는 날이 줄어야 총량이 늘어납니다. 그래서 리드타임은 전체 날수와 함께 단계 사이에서 기다린 날을 따로 봐야 합니다.
‘AI는 돈이 안 된다’로 읽으면 과장입니다
이 숫자들을 ‘AI는 결국 돈이 안 된다’로 읽으면 과장입니다. 2026년 9월에 나온 BCG 조사는 기업 최고경영진과 고위 리더 1,330명을 조사해, AI로 앞서가는 기업 7.5%와 AI를 넓히며 성과를 내는 기업 41%를 합쳐 시장의 절반 가까이가 가치를 만들고 있다고 밝혔습니다. BCG는 이 결과를 기업 AI가 돈이 안 된다는 이야기에 대한 반박으로 내놓았습니다.
두 조사는 숫자를 그대로 맞대기 어렵습니다. McKinsey는 여러 직급의 응답자에게 AI가 회사 이익에 기여했는지를 물었고, BCG는 경영진에게 묻고 기업을 AI 역량 수준에 따라 나눴습니다. 두 조사가 다른 곳은 성과를 낸 기업이 얼마나 되느냐이고, 같은 곳은 성과를 가른 원인입니다. BCG도 앞선 기업들이 가치가 큰 영역에서 워크플로를 처음부터 끝까지 다시 짠다고 적었습니다.
시간이 더 필요하다는 설명도 있습니다. 경제학자 에릭 브린욜프슨과 동료들은 AI 같은 범용기술(전기나 인터넷처럼 거의 모든 산업에 쓰이는 기술)이 일하는 방식을 바꾸고 사람을 가르치는 보완 투자를 요구한다고 봤습니다. 이런 투자는 기계처럼 장부에 잡히는 자산이 아니어서 통계에 잘 드러나지 않고, 그래서 초기 생산성이 낮게 측정된다는 것입니다. 한국은행도 지금의 단절을 범용기술 도입 초기의 전형적 과정으로 해석합니다. 성과가 없는 것이 아니라 아직 보이지 않는 것일 수 있습니다. 그렇다면 더더욱, 보이게 만드는 숫자를 지금 정해 두어야 합니다.
아낀 시간만 세면 막힌 곳이 안 보입니다
팀 안에서 보면 이렇게 일어날 수 있습니다. 조사 자료가 아니라 제 추정입니다. 초안 작성이 30분 빨라져도, 그 초안을 검토할 팀장의 일정은 그대로라 결재 대기는 줄지 않습니다. 회의록이 금방 나와도, 회의 뒤에 누가 무엇을 할지 정하는 단계가 없으면 회의록은 저장만 됩니다.
여기서 두 가지 시간을 나눠 봐야 합니다. 하나는 작성자가 아낀 시간이고, 다른 하나는 일이 요청부터 완료까지 걸린 시간입니다. 작성자가 30분을 아껴도, 일은 가장 느린 단계에 맞춰 흘러갑니다. 아낀 30분은 따로 정해 둔 일이 없으면 자잘한 일로 흩어지기 쉽다고 봅니다. 아낀 시간만 보고하는 팀은 앞의 숫자만 보고, 정작 일이 멈춘 곳은 보지 못합니다.
각자 확인하는 태도는 이미 퍼져 있었습니다
AI 결과가 다음 단계에서 멈춘다면, 결과를 더 꼼꼼히 확인하게 하면 될까요. 자료로 보면 그것만으로는 부족합니다. 각자 확인하는 태도는 이미 널리 퍼져 있기 때문입니다. Microsoft가 10개 시장의 AI 사용자 2만 명을 조사한 2026년 업무 동향 보고서에서, 86%는 AI의 결과를 최종 답이 아니라 출발점으로 다루고 생각의 책임은 자신이 진다고 답했습니다. 저는 이 응답을 AI 결과를 각자 확인하는 태도로 읽었습니다.
같은 보고서는 응답을 통계로 분석해, AI의 실제 효과를 설명하는 몫을 조직 요인과 개인 요인으로 나눴습니다. 문화, 관리자 지원, 인재 관행 같은 조직 요인이 67%, 개인의 태도와 행동이 32%였습니다. 다만 보고서 스스로 이것은 같은 사람이 스스로 답한 내용에서 나온 연관이지 인과가 아니라고 밝힙니다. 개인이 각자 확인하는 습관은 이미 널리 퍼져 있고, 효과의 차이는 조직 쪽 요인과 더 크게 함께 움직였다는 정도로 읽을 수 있습니다.
그렇다고 확인 자체가 쓸모없다는 뜻은 아닙니다. McKinsey 2025 조사에서는 고성과 조직일수록 AI 결과에 언제, 어떻게 사람의 검증이 필요한지 정해 둔 프로세스가 있다고 더 많이 답했습니다. 제 해석으로는, 개인이 알아서 확인하는 것과 일의 흐름 안에 확인할 자리를 정해 두는 것은 다른 일이고, 성과와 함께 나타난 것은 뒤의 것입니다. 그리고 그 자리를 어디에 둘지 정하려면, 먼저 단계별 리드타임으로 일이 어디서 멈추는지 재야 합니다.
재는 숫자 하나를 바꿉니다
워크플로를 다시 짜라고 하면 거창하게 들립니다. 시작은 재는 숫자 하나를 바꾸는 것이면 됩니다. 다음 AI 효과 보고에서 아낀 시간 옆에, 그 일의 리드타임을 단계별로 함께 적는 것입니다.
주간 보고서라면, AI로 초안이 30분쯤 빨라졌다고 적는 데서 멈추지 않고, 요청받은 날, 초안이 나온 날, 검토가 끝난 날, 팀장 승인이 난 날을 적습니다. 완료는 다음 사람이 그 결과로 일을 시작할 수 있는 시점으로 정하면 업무마다 기준을 세울 수 있습니다. AI를 쓰기 전 기록이 없다면 지난 메일이나 결재 기록에서 같은 업무의 날짜를 찾아 기준으로 삼으면 됩니다. 초안은 같은 날 나왔는데 검토까지 사흘을 기다렸다면, 고칠 곳은 초안 작성이 아니라 검토 순서입니다. 검토할 사람과 날짜를 초안 작성 전에 미리 잡아 두고, 아낀 30분은 그 검토에 필요한 근거를 붙이는 데 쓰도록 정하면 순서가 바뀝니다.
혼자 일하는 분이라면 일이 멈추는 곳은 검토자가 아니라 내 다음 작업입니다. 한 주 동안 AI를 쓴 일이 시작부터 마무리까지 단계마다 언제 넘어갔는지 적어 보고, AI 작업 뒤에 오래 멈춘 날이 있다면 AI 작업 바로 뒤에 할 일을 미리 정해 두는 것으로 순서를 바꿀 수 있습니다.
마치며: ‘아낀 시간’이 아니라 ‘리드타임’
AI를 들이는 것만으로는 아낀 시간이 성과가 되지 않았습니다. 자료들이 성과를 확인한 곳은 효과를 재고 일의 순서를 다시 짠 조직, 그리고 일하는 방식을 스스로 정할 수 있는 사람이었습니다. 다음 보고에서 숫자 하나만 바꿔 보시길 권합니다. 몇 시간을 아꼈는지가 아니라, 일이 요청부터 완료까지 며칠 걸렸고 어느 단계에서 가장 오래 멈췄는지입니다.
이 글은 AI의 도움을 받아 작성했습니다.
참고 자료
- 한국은행, AI 도입은 생산성을 높이는가? 초기 3년의 효과 분석 (BOK이슈노트 제2026-12호, 2026-06-07): https://www.bok.or.kr/portal/bbs/P0002353/view.do?nttId=10098322&menuNo=200433&programType=newsData&relate=Y&depth=200433
- McKinsey, The state of AI in 2026: On the road to ROI (2026-08-25): https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
- McKinsey, The state of AI in 2025: Agents, innovation, and transformation (2025-11-05): https://www.mckinsey.com/our-insights/the-state-of-ai-2025
- BCG, Applied AI Index 2026 (2026-09-30): https://www.bcg.com/press/30september2026-ai-starting-to-pay-off-companies-generate-value
- Microsoft, Work Trend Index 2026: Agents, human agency, and the opportunity for every organization (2026-05-05): https://www.microsoft.com/en-us/worklab/work-trend-index/agents-human-agency-and-the-opportunity-for-every-organization
- Brynjolfsson, Rock, Syverson, The Productivity J-Curve (NBER Working Paper 25148): https://www.nber.org/papers/w25148