AI를 써도 성과가 늘지 않는 이유는?
엇갈리는 노동생산성
AI를 활용하고 있는데, 성과는 왜 제자리일까?
AI의 출시 이후 빠른 확산과 더불에 다양한 영역에서 AI가 두각을 나타내고 있습니다. 글로벌 기업들에서는 AI 도입 확대와 업무 자동화의 결과로 생산성이 향상되었다는 분석을 내놓고 있습니다. �마이크로소프트 AI 이코노미 인스티튜트 보고서에 따르면 한국의 생성형 AI 사용률은 2025년 상반기 25.9%에서 하반기 30.7%로 상승했습니다. 조사 대상 국가 중 가장 빠른 성장 속도를 기록한 것인데요. 그렇다면 과연 우리나라도 AI 도입 이후 노동생산성이 극대화되었을까요?
최근 뉴스에 따르면 �미국은 ChatGPT 출시 이후 3년간 노동생산성이 비약적으로 증가하였지만, 한국은 오히려 정체된 것으로 분석되었습니다. 미국 노동통계국과 한국생산성본부 분석에 따르면 같은 기간 노동생산성을 비교한 결과 미국은 3년 사이 7.8% 증가한 반면, 한국은 같은 기간 0.4% 감소한 것으로 나타났습니다.
노동생산성은 일한 시간이나 노력의 문제가 아닙니다. 같은 시간 대비 얼마나 높은 가치의 결과를 만드느냐의 문제죠. 같은 AI 도구를 활용하더라도 이러한 생산성 차이는 AI를 도입하고 얼마나 잘 활용하느냐의 문제라는 것을 알 수 있습니다.
그렇다면 생산성 도구는 늘어나고 업무 자동화가 이뤄져도 성과가 나지 않는 조직의 특징은 무엇일까요?
노동생산성이란 무엇인가?
노동생산성이란 일정 시간 동안 투입된 노동 대비 창출된 부가가치를 측정한 경제지표입니다. GPD를 총 노동시간으로 나누어 계산하며 이는 한 국가의 국제경쟁력을 비교할 때도 중요한 지표로 활용됩니다.
노동생산성은 같은 시간 투입 대비 얼마나 높은 가치의 결과를 만들어내느냐, 효율성이 핵심입니다. 현대의 업무 환경에서 노동생산성은 더욱 중요한 지표로 활용되죠. 노동자의 평균 숙련도, 자본축적 정도, 과학기술 적용의 발전 단계, 생산수단의 규모와 작업능력 등 다양한 요인에 의해 결정됩니다. 그렇기에 노동생산성 지표를 통해 한 기업의 발전은 물론 경제 전체의 성장 가능성을 측정할 수 있죠.
AI 시대의 생산성
AI 기술의 발전과 자동화 확산은 직업을 없애는 것이 아니라 일의 형태를 바꾸는 것입니다. 업무 자동화를 통해 단순한 업무들은 AI가 담당하게 되면서 사람들은 새로운 업무를 담당하게 되는 것이죠. 다만 AI 도입을 통한 실질적인 업무 혁신이 아닌 보여주기식 AI 도입은 생산성을 떨어뜨리는 비효율적인 활동이 될 수밖에 없습니다. 하지만 여전히 많은 기업들은 AI를 도입하면 자동으로 생산성이 오를 것이라고 착각하고 있죠. 기존 업무의 재설계와 적절한 직원 교육을 통해 조직 전체의 생산성을 높이는 방식을 찾아나가야 합니다.
노동생산성이 낮은 조직의 특징
노동생산성이 낮아지는 조직들은 공통적인 특징을 가지고 있습니다.
1.업무의 목적이 불분명하다.
왜 이 업무를 진행하는지, 어떤 목표를 위해 일하는지 명확하게 정의되지 않은 경우 업무에 시간을 할애하더라도 유의미한 결과를 내기 어렵습니다. 관행적으로 처리하는 업무일 뿐 실질적인 성과가 나타나지 않는 것이죠.
2. AI를 도입했지만 구조는 그대로이다.
AI를 활용한 다양한 생산성 도구들이 등장하고, 이는 마치 효율성을 올리기 위한 필수적인 도구로 여겨집니다. 하지만 남들이 모두 사용한다고 하여 무작정 AI를 도입하는 것은 오히려 독이 되기도 하죠. AI 도입과 함께 업무 프로세스와 조직 구조를 바꾸지 않는다면 오히려 자동화 기술로 인한 불필요한 업무가 더욱 늘어날 수 있습니다.
3. 의사결정이 느리다.
AI를 활용하여 전보다 더 많은 양의 데이터를 분석하고 보고서를 만들더라도 판단이 느리다면 결국 성과가 더디게 나타납니다. 정보가 많아질수록 올바른 정보를 판단하는 능력과 빠른 의사결정 능력은 효율성을 위해 필수입니다.
노동생산성을 높이는 AI 활용법
기술기업들이 앞다투어 AI 기반 확장에 나서며 폭발적인 성장을 준비하는 지금, AI를 어떻게 활용하면 실제 생산성이 높아질까요? 단순 기술 도입이 아닌 조직 체질 개선에 그 해답이 있습니다.
AI 도입을 위해 투자하는 것만으로 성공을 보장할 수 없기 때문에 인적 역량과 조직 프로세스 준비가 동시에 이뤄져야 합니다. IBM의 경우 2024년 직원 평균적으로 연간 87시간을 새로운 기술 습득에 투자했으며, 직원교육에 지속적인 투자를 하고 있는 것으로 알려졌습니다. 이처럼 발 빠르게 AI 전환을 진행 중인 선도 기업들은 막대한 예산을 기존 인력의 재교육과 숙련도 향상에 투자하고 있습니다.
명확한 AI 활용 업무 목적과 범위
AI 도입과 함께 명확한 AI를 활용하여 업무 자동화를 진행할 수 있는 업무와 그렇지 않은 업무의 구분이 필요합니다. 이때 꼭 필요한 업무를 구분하고, 이 업무들을 자동화하는 과정으로 범위를 명확하게 나누는 것이 중요합니다. 반복적이고 구조화된 업무는 AI를 통해 빠르고 효율적으로 진행할 수 있도록 하는 것입니다.
업무 프로세스 재설계
인공지능의 발전과 AI 에이전트 도입은 우리의 전통적인 업무 방식을 변화시키고 있기에 기존 업무 프로세스를 재정비하고 AI 도입에 맞춰 재설계할 필요가 있습니다. 불필요한 규칙이나 보고는 과감하게 줄여 시간을 확보하고, 반복적인 작업은 최소화하여 생산성을 극대화할 수 있습니다.
AI 활용 역량 교육
새로운 기술의 도입은 기존 직원들에게 두려움으로 다가오기도 합니다. 하지만 AI가 진행한 업무를 검증하고, 판단하는 것은 인간의 역할입니다. 그렇기에 AI 기술을 올바르게 이해하고 이를 바탕으로 업무에 활용할 수 있도록 직원들의 역량 교육을 지원해야 합니다.
ChatGPT 출시 이후 엄청난 속도로 AI 기술이 확산되고 있지만, 노동생산성 격차는 극명합니다. 이는 AI 도입의 차이가 아닌 AI와 어떻게 일하고 있느냐의 문제입니다. 생산성 향상은 기술의 도입을 넘어 이에 맞춘 업무 재설계에서 옵니다. 이제 우리에게 중요한 것은 변화를 설계하고 주도하는 능력입니다. 그 답을 얼마나 빠르게 실행하느냐가 조직의 미래 경쟁력을 결정할 것입니다.
함께보면 좋은 콘텐츠
원문 보러가기
유익한 정보를 더 알고 싶다면?
www.ubob.com
직원 교육을 넘어 기업 성장까지 함께 고민합니다.
