인공지능 생산성 향상: 투자자가 주목해야 할 점

인공지능은 기업이 이미 보유한 자원으로 더 많은 것을 생산하도록 도울 수 있다. 이러한 생산성 향상이 더 높은 임금이나 더 큰 이익, 더 낮은 가격으로 이어질지는 기술 자체를 훨씬 넘어서는 여러 결정에 달려 있다.

경제학자 Swapnanil SenGupta가 수행해 Technological Forecasting and Social Change에 발표한 글로벌 연구는 이러한 관계가 고르게 나타나지 않는 이유를 살펴본다.¹ 2004년부터 2023년까지 83개국의 상장기업 69,783곳을 분석한 결과, 인공지능에 대한 대중의 관심이 높을수록 생산성도 높은 것으로 나타났다. 그러나 임금의 양상은 선진국과 개발도상국 간에 차이를 보인다.

투자자에게 이 연구 결과는 기술 발전이 어떻게 기업 가치로 이어지는지 유용하게 살펴볼 계기를 제공한다. 생산성 향상은 기회를 만든다. 최종적으로 누가 그 혜택을 얻는지는 경쟁 환경, 도입 비용, 노동자의 역량, 고객 수요에 따라 달라진다.

인공지능과 임금에 관해 연구가 측정한 것

이 논문은 Google Trends에서 인공지능을 연구 분야로 검색한 횟수를 바탕으로 인공지능에 대한 관심도를 측정한다. 이는 한 국가의 정보 환경에서 인공지능이 얼마나 주목받는지를 보여준다. 개별 기업이 인공지능 시스템을 도입했는지, 직원들이 이를 얼마나 활발히 사용하는지는 확인할 수 없다.

이 구분은 핵심적이다. 기술에 대한 기대가 달라지면 경영진은 채용, 교육 또는 투자 계획을 재검토할 수 있다. 노동자도 어떤 역량을 개발할지 다시 판단할 수 있다. 이러한 대응은 기술 도입과 동시에 나타날 수 있어 각 요인이 미친 영향을 분리하기 어렵다.

임금 지표도 신중하게 해석해야 한다. 이 지표는 직원 1인당 임금 및 급여에 대한 기업의 평균 지출을 나타낸다. 지표의 변화에는 보수뿐 아니라 인력 구성도 반영될 수 있다. 예를 들어 신입 직원을 더 많이 채용하면 기존 직원의 임금을 삭감하지 않아도 평균 지출이 낮아질 수 있다.

따라서 이 분석은 인공지능에 대한 관심과 기업 성과 간의 관계를 설명한다. 검색 관심도의 증가가 노동자의 임금 변화를 독립적으로 초래한다는 점을 입증하지는 못한다.

경제권별로 다른 인공지능 생산성 및 임금 효과

선진국 상장기업에서는 인공지능에 대한 관심이 높을수록 평균 임금은 낮고 노동생산성과 총요소생산성은 높은 것으로 나타났다. 노동생산성은 노동 투입량 대비 산출량을 의미한다. 총요소생산성은 노동과 자본처럼 측정 가능한 투입 요소의 변화만으로는 설명되지 않는 효율성을 포착하려는 지표다.

신흥시장 및 개발도상국 상장기업에서는 임금 양상이 다르게 나타난다. 초기 임금 상승 효과는 시간이 지나면서 약해지지만, 생산성은 긍정적으로 반응한다.

한 가지 해석은 선진국 기업이 자동화와 비용 통제에 대한 더 큰 압박에 직면한다는 것이다. 개발도상국 상장기업은 초기에는 추가적인 기술과 교육, 조직 역량을 필요로 할 수 있다. 논문은 이러한 설명을 논의하지만, 입증된 작동 원인으로 규명하지는 않는다.

개발도상국 표본은 선택 편향의 여지도 있다. 상장기업은 비공식 부문 사업체나 비상장 소기업과 상당히 다르다. 따라서 이들의 성과를 국가 전체 노동자의 대표적인 결과로 간주해서는 안 된다.

생산성 향상이 더 높은 이익을 보장하지 않는 이유

투자 관점에서 중요한 것은 경제적 가치를 창출하는 일과 그 가치를 기업이 보유하는 일을 구분하는 데서 출발한다.

인공지능을 활용해 고객 주문 처리 시간을 단축하는 가상의 기업을 생각해 보자. 처리 속도가 빨라지면 생산 여력이 생긴다. 기업이 그 여력을 생산적으로 활용하고 소프트웨어, 통합, 감독 및 교육 비용을 웃도는 혜택을 얻어야만 이익이 늘어난다.

경쟁은 생산성 향상의 혜택을 재분배할 수 있다. 경쟁 기업들이 비슷한 도구를 도입하면 고객은 더 낮은 가격을 요구할 수 있다. 업계 전체의 효율성은 높아지지만 개별 기업이 추가 이익을 거의 얻지 못할 수도 있다. 반대로 희소한 기술 인력이나 강력한 소프트웨어 공급업체가 더 높은 보수나 수수료를 통해 혜택의 일부를 가져갈 수도 있다.

이는 이 연구가 입증한 결과가 아니라 경제적으로 가능한 시나리오다. 인공지능으로 생산성이 높아졌다는 발표를 실적 전망에 반영하기 전에 투자자가 기업의 경쟁 방식을 살펴봐야 하는 이유를 보여준다.

차별화된 제품, 고객과의 신뢰 관계, 쉽게 모방하기 어려운 업무 절차를 갖춘 기업은 창출한 가치를 더 많이 지켜낼 여지가 있다. 그렇더라도 주가에는 이미 높은 기대가 반영되어 있을 수 있다.

AI로 절약한 시간을 재무적 성과로 연결하기

또 다른 과제는 절약한 시간을 측정 가능한 사업 성과로 전환하는 것이다.

도구를 도입해 직원 한 명당 매일 한 시간을 절약하더라도 전체 인건비는 그대로일 수 있다. 그래도 직원들이 더 많은 고객 문제를 해결하고, 제품을 개선하거나, 늘어나는 수요에 대응한다면 그 시간 절약은 여전히 가치가 있다. 재무적 이익은 그다음에 무엇이 일어나는지에 달려 있다.

2026년에 기업 임원들을 대상으로 실시한 연구는 관련 맥락을 제시한다. 임원 약 750명을 조사한 결과, 체감하는 생산성 향상 폭이 실제 측정된 향상 폭보다 큰 것으로 나타났다. 이는 매출에 효과가 반영되기까지 시차가 있기 때문일 수 있다. 또한 기업마다 인력 운용 전망은 다르지만, 단기적으로 전체 고용이 감소한다는 증거는 거의 없다고 밝혔다.

이는 투자자들이 업무 수행의 개선과 사업 성과의 개선을 구분해야 함을 시사한다. 문서 작성이나 분석 속도가 빨라지는 것은 중간 단계의 성과다. 고객 유지율 개선, 추가 매출 또는 도입 후 비용 절감이 경제적 가치를 보여주는 더 강력한 근거다.

Securities.io가 최근 다룬 AI와 채용 효율화는 수요에 맞춰 인력을 배치하는 관련 기회를 살펴본다. 효율성 향상에는 고객 수요가 있는 부문의 역량을 확대하는 것뿐 아니라 불필요한 지출을 통제하는 것도 포함될 수 있다.

인력에 대한 투자는 지속적인 AI 수익 창출에 도움이 될 수 있다

SenGupta의 논문에서 나타난 임금 격차는 지속 가능성에 관한 질문도 제기한다. 평균 인건비를 낮추면 단기 재무 성과가 개선될 수 있지만, 그렇다고 기업이 더 탄탄한 운영 모델을 구축했다는 뜻은 아니다.

직원들은 소프트웨어에 담기 어려운 예외 상황, 고객 선호도, 운영상의 제약을 잘 이해하는 경우가 많다. 기업은 자동화가 효과적인 영역과 사람의 판단이 여전히 필요한 시점을 결정할 때 이러한 지식이 필요하다.

교육을 통해 직원들이 늘어난 여력을 효과적으로 활용하도록 도울 수 있다. 책임을 명확히 하고 신뢰할 수 있는 상향 보고 절차를 마련하면 업무 속도가 빨라지면서 비용이 많이 드는 실수가 발생하는 일을 막을 수 있다. 이러한 고려 사항은 Securities.io가 살펴본 직원의 신뢰와 자동화 수익에 관한 논의와도 맞닿아 있다.

투자자가 살펴볼 만한 질문은 다음과 같다.

• 보고된 비용 절감액은 도입 비용과 운영 비용을 반영한 뒤에 측정한 것인가?
• 직원 1인당 생산량이 늘어날 때도 서비스 품질은 안정적으로 유지되는가?
• 경영진은 절약한 시간이 매출이나 현금 흐름에 어떻게 기여하는지 설명할 수 있는가?

일관된 운영 지표로 뒷받침되는 답변은 혁신에 관한 막연한 약속보다 더 유용한 정보를 제공한다.

Accenture를 통해 기업 AI 도입 기회를 살펴보다

기술을 실질적인 사업 절차에 연결해야 한다는 점은 기업의 AI 도입을 지원하는 회사에 기회를 만든다. Accenture는 기술 통합, 데이터, 조직 변화, 사업 운영 전반에 걸친 업무를 통해 관련 사례를 제공한다.

Accenture의 역할은 논문에서 논의한 상호 보완적 투자와 직접 연결된다. AI가 안정적인 성과를 내기 전에 기업은 데이터를 정비하고, 업무 절차를 재설계하며, 직원을 교육하고, 시스템을 통합해야 할 수 있다. 이러한 요구는 기반 모델을 넘어선 수요를 창출한다.

Accenture의 2026 회계연도 실적에 따르면 매출은 742억 달러, 신규 수주액은 845억 달러였다. 이는 회사 전체의 실적이며, AI 매출을 측정한 수치도 고객사의 AI 도입이 긍정적인 수익을 냈다는 증거도 아니다.

투자 논리에는 상반되는 압력도 존재한다. AI 도입으로 구현 서비스 수요가 늘어날 수 있는 한편, 일부 기존 업무에 필요한 노동력은 줄어들 수 있다. 투자자는 구조조정 비용과 투자 비용을 반영한 뒤에도 신규 계약, 가격 책정 방식, 서비스 제공 효율이 수익성 있는 성장을 뒷받침하는지 살펴봐야 한다.

SenGupta의 연구는 Accenture를 구체적으로 평가하지 않는다. Accenture는 기업의 AI 도입에 참여하는 기업이라는 점에서 관련성이 있지만, 투자 매력은 실행력과 경쟁 환경, 기업 가치 평가에 달려 있다.

Accenture(ACN)의 최신 소식과 동향

헤드라인 너머에서 AI 성과 평가하기

이 논문은 2023년까지의 과거 자료를 다루므로 오늘날의 생성형 AI 시스템에 관해 내릴 수 있는 결론에는 한계가 있다. 통계 분석 방법에 따라 효과 크기도 크게 달라지며, 저자는 이례적으로 큰 도구변수 추정치에 큰 비중을 두지 말라고 경고한다.

그럼에도 논문이 던지는 핵심 질문은 여전히 유용하다. 생산성 향상은 보상과 조직 조정에 어떤 영향을 미치는가?

투자자에게 다음으로 필요한 것은 기업별 증거다. 추가 역량을 가치 있는 제품과 믿을 수 있는 서비스로 전환하는 기업은 지속적인 수익을 올릴 가능성이 더 크다. AI는 기업이 해낼 수 있는 일의 범위를 넓히지만, 그 기회가 주주와 근로자, 고객에게 얼마나 돌아갈지는 경영진의 의사 결정과 시장 여건에 달려 있다.

참고 문헌:

¹ SenGupta, S. (2027). AI에 대한 관심이 임금과 생산성에 미치는 기업 수준의 영향: 글로벌 비교 연구. Technological Forecasting and Social Change, 235, 124913. https://doi.org/10.1016/j.techfore.2026.124913