AI의 생산성 역설: 높은 도입률, 낮은 변화

브린욜프슨이 처음 제기한 생산성 역설을 최근 두 연구가 새롭게 조명하며, 기업과 신입 노동자가 직면한 위험과 스타트업이 맞이할 기회를 다룹니다

작성 배경: MIT NANDA와 Brynjolfsson 팀의 연구가 브린욜프슨 생산성 역설 논문을 어떻게 현대적으로 해석하며, AI 창업자들에게 어떤 의미가 있는지 GPT4, GPT5, Claude-4-Sonnet, Gemini-Pro가 모여 Dust 플랫폼을 활용해 작성한 글입니다. 최종 내용은 Gemini 초안을 기반으로 GPT4, GPT5의 도움을 받아 Substack 형식에 맞게 다듬었습니다.

1990년대, 에릭 브린욜프슨과 동료들은 “생산성 역설”을 정립했습니다. 당시 정보기술과 컴퓨터가 급격히 발전해 일터에 도입되었는데도 생산성 증가는 미미했습니다. 이는 단순히 기술 도입만으로는 부족하며, 조직문화 변화, 전문성 강화, 업무 프로세스 혁신이 함께 이뤄져야 생산성 향상을 이룰 수 있다는 점을 시사했습니다.

2025년 발표된 두 편의 논문—MIT NANDA의 “The GenAI Divide”와 브린욜프슨 팀의 “Canaries in the Coal Mine?”—은 생성 AI 시대에 이 역설을 새롭게 재해석합니다. 이들은 AI가 비즈니스와 노동시장에 미친 진전과 함께, 새롭게 생겨난 여러 도전 과제를 보여줍니다.

GenAI 격차를 넘어서

MIT 보고서는 “GenAI Divide”(생성 AI 격차)라는 개념을 제시합니다. 이는 ChatGPT, Copilot 같은 AI 도구가 널리 도입됐음에도 불구하고, 실제로 AI를 통해 의미 있는 가치를 창출하는 기업은 5%에 불과하며, 나머지 95%는 그렇지 못한 현실을 의미합니다. 이 차이는 투자나 관심 부족 때문이 아니라, AI를 핵심 비즈니스 프로세스에 깊게 통합하여 수익으로 연결하는 데 실패했기 때문입니다. 실패의 주요 원인은 다음과 같습니다.

• 학습 부족 문제: 대부분 기업용 AI 도구는 정적인 상태로, 사용자 피드백을 배우지 못하며 새로운 환경에 적응하거나 점차 개선되지 않습니다. 이 때문에 직원들은 단순 업무에는 소비자용 AI 도구를 쓰지만, 복잡하고 중요한 업무는 여전히 사람에게 의존합니다.
• 시범 운영에서 대규모 적용으로의 단절: 많은 기업들이 AI 시범 프로젝트를 진행하지만, 실제로 이를 조직 전체에 확장해 성공하는 경우는 극히 드뭅니다. 보고서에 따르면 맞춤형 기업 AI 도구의 단 5%만이 생산 단계에 이를 정도인데, 도구 성능과 기업 내 업무 프로세스 간 불일치가 주된 이유입니다.
• ”그림자 AI” 경제: 효과적이고 공식적인 AI 도구가 부족한 상황에서, 직원들이 개인 구독 AI 도구를 활용해 업무를 처리하는 ‘그림자 AI’ 현상이 확산되고 있습니다. 이는 사용자들이 실질적으로 원하는 바—유연하고 직관적이며 개인 맞춤형 도구—를 잘 보여줍니다.

이 모습은 1993년 생산성 역설 원논문과, 브린욜프슨이 2019년에 제시한 J-커브 개념과도 닮아있습니다. 1980~90년대에 개인용 컴퓨터 보급이 곧바로 생산성 급증으로 연결되지 않았듯, 지금도 생성 AI 도구 보급이 곧 경제 효과로 나타나지 않고 있습니다. MIT 보고서는 아직 초기 변화 국면이며, 새로운 도구를 넘어 일하는 방식 자체의 변화가 필요하다고 지적합니다.

AI가 노동시장에 미친 첫 번째 영향

브린욜프슨의 “Canaries in the Coal Mine?” 논문은 AI 시대 전환의 초기 신호들을 세밀한 데이터 기반으로 살펴봅니다. 저자들은 생성 AI가 널리 도입된 이후 소프트웨어 개발, 고객 서비스 등 AI 노출이 높은 직종에서 22세에서 25세 사이의 초년생 고용이 크게 감소했다는 사실을 고주파 급여 데이터를 통해 발견했습니다. 이 현상은 AI가 보조 역할이 아니라 자동화에 주로 쓰이는 업무에서 더 강하게 나타납니다.

이 결과는 여러 의미를 지닙니다. 첫째, AI로 인한 대규모 일자리 감소에 대한 실증적 증거 중 하나라는 점입니다. 둘째, 경험 수준에 따라 AI가 미치는 영향이 다르다는 점을 보여줍니다. 상대적으로 초년생들이 가장 큰 영향을 받는 것은, 현재 AI가 주로 초년생 직무의 핵심인 암기형, 교과서 기반 지식을 가장 잘 모방할 수 있기 때문입니다. 반면 고급 경력자의 암묵적이고 경험에 기반한 지식은 당분간 자동화에 덜 취약한 것으로 보입니다.

이는 미래 노동의 모습을 생각할 때 중요한 시사점을 제공합니다. AI 기반 경제로의 전환은 단순히 사람을 기계로 대체하는 문제가 아니라, 업무를 재배치하는 더 복잡한 과정임을 시사합니다. AI가 일부 업무를 맡는 한편 새로운 업무를 창출하고, 인간의 능력도 형식적 지식에서 암묵적 전문성으로 가치가 이동하는 과정이라는 뜻입니다.

격차를 줄이기 위한 실행 전략

AI 창업자들에겐 두 논문이 이 새로운 환경에서 생존할 뿐 아니라 성장할 수 있는 명확한 지침을 제시합니다. 핵심은 과장된 기대를 넘어 실제 비즈니스 문제를 기술 혁신과 조직적 지능으로 해결하는 데 집중하는 것입니다. 주요 포인트는 다음과 같습니다.

• 단순 생성에서 학습으로 초점 전환: MIT 보고서가 지적한 ‘학습 격차’는 AI 스타트업에 가장 큰 기회입니다. 사용자 피드백을 반영하고 변화하는 업무 흐름에 적응하며 지속적으로 나아지는 시스템을 구축할 수 있는 창업자는 압도적인 경쟁 우위를 갖게 됩니다. 단순 ‘명령-출력’ 모델을 넘어, 사용자의 협력적 파트너로 지속 작동하는 진정한 ‘에이전트’ 시스템을 만들어야 합니다.
• 사용자만이 아니라 업무 흐름에 맞춰 제품 설계: 많은 기업 AI 도구 실패 원인은 기존 업무 흐름과의 깊은 통합 실패에 있습니다. 창업자들은 고객이 실제로 어떻게 일하는지 세세하게 관찰하고 프로세스에 자연스럽게 맞는 제품을 만들어야 합니다. 때로는 멋진 데모보다 실용적이면서 가치 있는 솔루션이 더 중요할 수 있습니다.
• ‘그림자 AI’ 경제 활용: 많은 직원이 개인 AI 도구를 사용하는 것은 위기가 아니라 기회입니다. 이는 실시간 대규모 포커스 그룹 역할을 하며, 사용자가 진정 원하는 것이 무엇인지 통찰을 제공합니다. 창업자는 이 ‘그림자 AI’ 경제를 면밀히 분석해 제품 개발에 반영해야 합니다.
• 백오피스에 집중: 마케팅, 영업이 가장 보이는 부서이나 MIT 보고서는 AI 투자 수익률이 가장 높은 곳은 재무, 조달, 운영 등 후방 부서라고 말합니다. 이 영역은 프로세스 중심이고 데이터가 풍부해 혁신 가능성이 큽니다.
• 소프트웨어가 아니라 비즈니스 프로세스 아웃소싱(BPO)처럼 생각: MIT에 따르면 성공적인 AI 구매자들은 단순한 소프트웨어 판매자가 아니라 비즈니스 파트너로서 AI 공급자를 대합니다. 그들은 깊은 맞춤화, 비즈니스 성과 집중, 실질적 협력 관계를 요구합니다. 이런 기대를 충족하는 창업자가 기업 시장에서 승리할 것입니다.

브린욜프슨의 역설은 여전히 존재하지만 형태가 바뀌었습니다. 생성 AI 시대에는 결핍된 보완 요소가 제품 내부(학습, 기억, 조정 기능)와 기업 내부(서비스 같은 구매, 분산된 책임, 결과 중심 지표) 양쪽에 존재합니다. 이 둘을 모두 내재화한 창업자가 오늘의 데모를 내일의 경쟁 우위로 바꾸고 고객 생산성을 실질적 성과로 만들어낼 것입니다.

AI 혁명은 일회성 이벤트가 아니라 기술, 조직, 개인의 긴밀한 공진화 과정입니다. MIT와 브린욜프슨 논문은 이 과정의 현 위치를 보여주고 앞으로 나아갈 길을 명확히 제시합니다. AI 창업자에게 필요한 것은 단지 뛰어난 AI 모델을 개발하는 것이 아니라, 차세대 경제 변혁을 이끄는 회사를 세우는 일입니다.

---

원문: The AI Productivity Paradox: High Adoption, Low Transformation