기업용 생성형 AI 프로젝트의 약 95%가 측정 가능한 손익 성과를 만들지 못한다는 조사 결과가 나왔다. 김지현 대표(JiHyun & Company)는 MIT NANDA의 ‘The GenAI Divide: State of AI in Business 2025’와 맥킨지앤드컴퍼니의 ‘The State of AI: Global Survey 2026’ 두 보고서를 비교 분석해, AI 도입이 유행처럼 확산되고 있음에도 실제 재무성과로 이어지지 않는 원인을 짚었다. 두 보고서는 조사 기관과 방식이 다르지만 결론은 같다. AI 도입 확대가 기업 재무성과로 직결되지 않는다는 것이다.
생산성은 오르는데 이익은 안 오른다
맥킨지 조사에서는 응답자의 80%가 AI로 개인 생산성이 향상됐다고 답했지만, AI가 영업이익(EBIT)에 기여했다고 응답한 비율은 37%에 그쳤다. 체감 생산성과 실제 손익 사이의 격차가 뚜렷하다는 뜻이다. 김 대표는 AI 예산이 주로 영업·마케팅에 집중되는 반면, 실제 비용절감은 행정·재무·조달 등 지원부서 자동화에서 발생한다는 점도 지적했다. 예산 배분과 실제 성과가 발생하는 지점이 어긋나 있다는 것이다.
자체개발보다 외부협력이 앞선다
도입 방식에 따른 성공률 차이도 컸다. 외부 파트너와 협력하거나 상용 솔루션을 도입한 프로젝트의 성공률은 약 67%였지만, 기업이 자체 개발한 프로젝트의 성공률은 약 33%에 불과했다. Abbott, AstraZeneca, Gilead, Allergan 등 실제 기업 사례를 통해서도 이런 경향이 확인됐다. 여기에 새로운 제약 요인도 등장했다. 맥킨지 조사에서는 기업 다섯 곳 중 한 곳가량이 토큰 사용료 등 AI 관련 운영비 증가로 사용에 제약을 받는다고 응답했다.
기술력이 아니라 문제 정의가 갈랐다
김 대표는 두 보고서를 종합해 AI 도입 성패를 가르는 핵심이 기술력이 아니라 해결하려는 비즈니스 문제의 명확한 정의에 있다고 강조했다. 문제 정의가 명확한 기업은 빠르게 의사결정을 내리고 AI를 도입했지만, 그렇지 않은 기업은 검토만 반복하며 결정을 지연시켰다는 설명이다. 결국 AI 도입은 단순한 기술 도입이 아니라 경영 전략적 선택의 문제로 귀결된다는 것이 이번 분석의 결론이다.