AI와 고용 효율성: 투자자가 알아야 할 사항

인공지능은 종종 더 적은 직원으로 더 많은 일을 수행하는 방법으로 제시됩니다. 이러한 관점은 또 다른 기회를 간과합니다: 수요 변화에 따라 기업이 적절한 인원을 고용하도록 돕는 것입니다. 지나치게 공격적으로 채용하면 비용이 상승할 수 있습니다. 반대로 너무 신중하게 채용하면 고객이 기다리게 되고, 제품 개발이 지연되며, 성장 기회를 경쟁자에게 내어줄 수 있습니다.

카이 싱과 동료들의 연구 「인공지능과 노동 투자 효율성: 미국 기업의 증거」는 AI가 기업에 제공하는 가치 가운데 덜 주목받는 측면을 살펴본다.¹ Journal of International Money and Finance에 학술지 게재 전 교정본으로 공개된 이 연구에 따르면, AI를 활용하는 기업은 실제 채용 규모와 경제적 여건을 바탕으로 예측한 채용 규모 간의 차이가 더 작은 경향을 보인다.

투자자에게 이 의미는 급여 절감 이상의 영향을 미칩니다. AI 지출은 조직의 대응력에 대한 투자로서 더 면밀히 검토될 필요가 있습니다. 기회는 더 나은 정보를 더 나은 의사결정에 연결하는 데 있으며, 기술 도입과 그 혜택 실현이 별개의 성과임을 인식해야 합니다.

AI 고용 효율성이 실제로 측정하는 것

연구진은 2004년부터 2020년까지 5,843개의 미국 상장 기업을 대상으로 36,078개의 기업-연도 관측치를 분석했습니다. 금융 기업과 유틸리티는 규제 환경 및 회계 구조가 다른 기업들과 다르기 때문에 제외되었습니다.

이 연구는 매출 성장, 수익성, 주가 수익률, 기업 규모 및 유동성 등 비즈니스 기본 요소를 활용해 기대 순채용을 추정합니다. 그런 다음 실제 채용이 그 기준치와 얼마나 차이 나는지를 측정합니다. 차이가 작을수록 노동 투자 효율성이 높음을 의미합니다.

이 구분은 중요합니다. 효율성이 곧 인원 감축을 의미하지는 않습니다. 수요 확대를 지원하기 위해 엔지니어가 필요한 기업은 더 많이 채용함으로써 측정된 효율성을 높일 수 있습니다. 반면 지속 가능한 매출 성장보다 앞서 채용을 진행하는 기업은 채용 속도를 늦춤으로써 개선할 수 있습니다.

이 지표가 직원 생산성, 고객 만족도 또는 직무 품질을 직접 입증하는 것은 아닙니다. 순채용이 통계적 추정치와 얼마나 밀접하게 일치하는지를 설명합니다. 이 추정치는 기업 간 비교에 유용하지만, 기업이 일시적으로 과잉 역량을 유지하는 모든 전략적 이유를 포착할 수는 없습니다.

예를 들어, 제품 출시 전에 전문가를 채용하는 것은 현재 매출에 비해 과도해 보일 수 있지만 상업적으로는 타당합니다. 따라서 투자자는 이 결과를 이상적인 인력 구성을 위한 공식이라기보다 인력 배치 정렬에 대한 증거로 받아들여야 합니다.

연구가 밝혀낸 AI와 인력 배치에 대한 내용

주요 분석은 AI 테마 상장지수펀드(ETF) 구성 종목을 통해 AI와 연계된 기업을 식별합니다. 저자들은 이를 모든 기업 내부 구현을 직접 측정하기보다 시장이 인식한 AI 노출로 해석합니다. 추가 테스트에서는 AI 관련 인력 및 특허 지표를 사용합니다.

이러한 접근 방식을 종합하면, AI 노출과 노동 투자 효율성 사이에 긍정적인 연관성이 전반적으로 나타납니다. 이 관계는 과잉 채용과 부족 채용 모두를 포괄하며, 관련 이점이 인력 규모를 일괄적으로 줄이는 선호가 아니라 적절한 정렬에 있음을 시사합니다.

저자들은 또한 수익성 및 시장 가치와의 긍정적인 연관성을 발견했습니다. 이러한 결과는 논문의 투자자 관련성을 강화하지만, AI 단독이 그 결과를 초래했다고 입증하지는 않습니다.

왜 더 나은 인력 배치가 비즈니스 가치를 창출할 수 있는가

예측하기 어려운 수요에 직면한 가상의 서비스 기업을 생각해 보십시오. 신뢰할 수 있는 정보가 없으면 관리자는 수요가 감소한 뒤에도 과잉 역량을 유지하거나, 채용이 너무 늦어지는 상황을 번갈아 겪게 됩니다. 고객은 바쁜 시기에 지연을 경험하고, 한가한 시기에는 기업이 불필요한 비용을 부담하게 됩니다.

AI는 들어오는 업무를 예측하고, 반복되는 병목 현상을 식별하며, 일시적인 급증과 지속적인 성장을 구분하는 데 도움을 줄 수 있습니다. 관리자는 이를 바탕으로 일정 조정, 직원 재배치, 혹은 서비스 악화 전에 특정 기술을 가진 인력을 채용할 수 있습니다.

이는 연구에서 입증된 메커니즘이라기보다 결과에 대한 운영적 해석이다. 그 가치는 투자 질문의 범위를 확대한다는 점에 있다. 자동화가 몇 개의 직위를 없애는지만 묻는 대신, 기업이 변화하는 상황에 더 효과적으로 대응하는지를 투자자가 물을 수 있다.

같은 논리는 사무 업무 흐름을 넘어 적용된다. 최근 Securities.io가 AI productivity gains in agriculture에 대해 보도한 내용은 자원 배분을 개선함으로써 물리적 산업에서 가치를 창출할 수 있음을 탐구한다. 노동은 또 다른 자원으로, 그 시기와 배치가 상업적 결과에 영향을 미친다.

인력 교란이 AI 수익성을 약화시킬 수 있음

기술 도입은 자체적인 조정 비용을 수반한다. 직원들은 새로운 시스템을 배워야 하고, 책임이 변할 수 있으며, 관리자는 자동화된 권고가 인간 검토를 받아야 할 시점을 결정해야 한다. 이러한 변화가 진행되는 동안 생산성이 저하될 수 있다.

논문은 인력 이직 변수와 연관된 상쇄 패턴을 발견한다. 그러나 그 대리변수는 인력 규모 대비 고용 변화를 측정한다. 이는 퇴사, 유지 또는 직원 불만족을 직접 측정한 것으로 해석해서는 안 된다.

그 제한에도 불구하고, 이 발견은 유용한 관리 질문을 제기한다: 전환 과정에서 얼마나 많은 교란이 발생하는가? 기업은 일상 업무를 성공적으로 자동화하면서도, 부실한 구조조정으로 인해 귀중한 조직 지식을 잃을 수 있다.

그 우려는 Securities.io가 employee trust and automation ROI를 검토한 내용과 연결된다. 신뢰할 수 있는 도입 전략은 직원들이 변화된 책임을 이해하고 시스템 오류가 발생하는 지점에 대한 정보를 제공하도록 해야 한다.

재교육은 해방된 역량이 유용한 역량이 되는지 여부에도 영향을 미친다. 직원들의 몇 시간을 절감한다고 해서 자동으로 추가 매출이 발생하는 것은 아니다. 기업은 그 시간을 고객 서비스, 제품 개발 또는 기타 가치 있는 업무로 전환하기 위한 실질적인 계획이 필요하다.

AI 도입에 있어 재무 유연성이 중요한 이유

AI와 인력 효율성 간의 연관성은 혁신 역량과 재무 유연성이 높은 기업에서 더 강하게 나타난다. 이는 기술 자체와 함께 보완적인 자원에도 주의를 기울여야 함을 시사한다.

도입에는 데이터 정리, 통합, 교육 및 프로세스 재설계가 필요하며, 이익이 나타나기 전에 이러한 작업이 선행될 수 있다. 현금 보유량이 풍부한 기업은 어려운 분기에도 전환을 포기하지 않고 자금을 지원할 여력이 더 클 수 있다.

연구는 또한 국제 금융 여건이 tighter하고 미국 자산에 대한 해외 수요가 클 때 AI‑효율성 연관성이 더 강해진다고 보고한다. 이는 향후 자금 조달 주기가 어떻게 전개될지에 대한 예측이라기보다 과거 관계를 나타낸다.

실용적인 시사점은 투자자가 기업이 불확실성 속에서도 구현 비용을 지속할 수 있는지를 평가해야 한다는 것이다. 소프트웨어를 구매하는 것은 그 소프트웨어를 효과적으로 활용하도록 조직 변화를 지원하는 비용을 조달하는 것보다 쉽다.

투자자가 AI 비즈니스 혜택을 평가하는 방법

이 결과는 단순히 AI 발표 횟수를 세거나 도입 전후 인원수를 비교하는 것보다 더 유용한 평가 프레임워크를 제시한다. 투자자는 운영 개선이 시연 단계 이후에도 지속되는 증거를 찾아야 한다.

• 수요에 맞춰 인력이 조정되면서 서비스 품질은 안정적으로 유지되는가?
• 보고된 혜택이 구현 후와 운영 비용을 고려하여 측정되는가?
• 직원들이 해방된 역량을 비즈니스 성과를 향상시키는 업무에 활용할 수 있는가?

이러한 질문은 공급업체 역량과 고객 결과를 구분하는 데에도 도움이 된다. 제품이 통제된 워크플로에서는 좋은 성과를 보일 수 있으나, 분산된 기업 전체에서는 제한된 가치를 제공할 수 있다.

현대 도입은 고립된 답변을 생성하기보다 시스템을 조정하는 경우가 점점 늘어나고 있다. ServiceNow가 2026년 3월에 논의한 enterprise AI benchmarking은 문서 처리와 워크플로 실행을 포함한 비즈니스 조건에 모델을 평가하는 방식을 설명한다. 이러한 테스트는 예외 비용과 인간 개입 비용이 겉보이는 효율성을 실제 경제적 가치로 전환할 수 있는지를 결정하기 때문에 중요하다.

ServiceNow가 AI 워크플로 자동화 노출 제공

이 인프라를 개발하는 기업에 관심 있는 투자자를 위해 ServiceNow는 관련 사례를 제공한다. 이 플랫폼은 기업 워크플로, 데이터 및 자동화 작업을 연결하여 AI가 노동 요구를 변화시킬 수 있는 운영 의사결정에 가깝게 위치한다.

2026년 5월, 이 회사는 Autonomous Workforce across business functions를 확대하여 IT, 고객 관계 관리, 직원 서비스, 보안 및 위험 분야에 AI 전문가를 도입했다. 이러한 제공은 정의된 권한 및 거버넌스 제어 내에서 프로세스를 실행하도록 설계되었다.

7월 발표에서 Leidos의 확장된 AI 워크플로 배포를 개요한 내용은 기업 수요의 현대적 사례를 제공합니다. 명시된 목표는 직원 서비스 개선, IT 셀프서비스 확대, AI 거버넌스 중앙화입니다. 이는 배포 목표이며, 실현된 비용 절감에 대한 독립적으로 검증된 증거는 아닙니다.

투자와의 연관성은 명확합니다: 인간과 자동화된 작업을 조정하려는 기업은 실행과 감독을 통합하는 플랫폼이 필요할 수 있습니다. ServiceNow는 해당 시장에 참여하고 있습니다. 투자 매력도는 여전히 평가액, 경쟁, 구현 비용, 그리고 고객이 지출을 갱신하고 확대하는지 여부에 달려 있습니다.

AI의 인력 배치 혜택은 더 나은 증거가 필요합니다

연구의 역사적 샘플은 2020년에 끝나며, 오늘날의 생성 AI 붐 이전 시점입니다. 따라서 그 결과는 현재 AI 에이전트의 효과를 입증하거나 특정 공급업체의 주장을 검증할 수 없습니다.

그럼에도 불구하고 AI의 경제적 역할을 평가하는 데 유용한 방향을 제시합니다. 기술이 충분하지 않은 용량과 불필요한 확장을 모두 방지할 때 기업은 가치를 얻을 수 있습니다. 투자자는 더 나은 인력 배치 결정이 지속 가능한 서비스, 수익성 및 성장으로 이어진다는 증거를 찾고, 그 과정에서 발생하는 비용을 고려해야 합니다.

참고문헌:

¹ Xing, K., Xiong, K., Xiao, F., & Zhang, H. (2026). 「인공지능과 노동 투자 효율성: 미국 기업의 증거」. Journal of International Money and Finance. 온라인 선출판. https://doi.org/10.1016/j.jimonfin.2026.103684