Claude가 AI 연구의 26%를 주도했다…완전 자율은 아니었다
기술 및 혁신 1
AI가 혼자 처리하는 일은 아직 7% 미만…검토 병목이 먼저 왔다
정보서비스그룹(ISG)이 2026년 9월 23일 미국 스탬퍼드에서 발표한 대기업 AI 업무 조사 에 따르면, 전 세계 대기업의 고위 의사결정자 400명이 응답한 조사에서 AI 활용 업무의 완전 자율 처리 비중은 현재 7% 미만이며 응답 기업은 2027년 말 13%를 예상했다. 이는 기업의 전체 업무가 아니라 AI가 적용된 업무에 관한 수치다. 미래 비중 역시 실현된 결과가 아닌 응답 기업의 전망이다.
별도 매체에 실린 조사 요약 도 현재 AI 활용 업무의 55%를 사람이 주도하며, 응답 기업이 2027년 말에는 그 비중이 40% 아래로 내려갈 것으로 예상한다고 전한다. 이 요약은 원 발표를 바탕으로 작성됐으며 별도 표본을 조사한 결과는 아니다. AI가 맡는 몫이 커질 것이라는 예상과 각 결과를 확인하고 승인할 사람의 역할이 줄어들 것이라는 예상은 같은 뜻이 아니다.
완전 자율에 이르기 전, 사람의 역할은 어떻게 달라지나
ISG의 보고서 개요 는 현재 AI 활용 업무 중 사람이 AI 결과를 검토하는 비중을 거의 4분의 1, 예외 상황에서만 개입하는 비중을 약 14%로 구분하며, AI가 사람보다 빠르게 결과를 만들면 검토가 병목이 될 수 있다고 설명한다. 이 구분의 핵심은 AI가 쓰였는지가 아니라 개별 업무가 완료되기 전에 누가 판단하고 승인해야 하는지다.
조사의 분류를 실제 업무 흐름에 맞춰 읽으면 다음과 같다. 아래 구분은 조사에 나온 업무 단계를 설명하기 위한 편집상의 분류표이며, 모든 기업에 적용되는 승인 규칙을 제시한 것은 아니다.
- 사람 주도: 담당자가 업무의 방향과 실행을 이끌고 AI는 일부 작업을 돕는다. 가령 자료를 정리하도록 AI를 쓰더라도 최종 판단과 다음 조치가 사람의 작업에 달려 있다면 이 단계에 가깝다.
- 사람 검토: AI가 먼저 결과를 내지만 담당자가 건마다 확인해야 업무가 끝난다. 결과 생성 시간은 줄어도 모든 건이 승인 대기열을 거치므로 검토 인력의 처리량이 전체 속도를 제한할 수 있다.
- 예외 처리: 정해진 범위에 들어오는 건은 AI가 진행하고, 범위를 벗어난 건만 사람이 판단한다. 사람이 읽어야 할 건수는 줄일 수 있지만 어떤 상황을 예외로 잡을지 정하는 기준이 중요해진다.
- 완전 자율: 허용된 범위의 개별 건을 사람의 사전 승인 없이 마친다. 사전 승인이 없다는 말이 업무 기준을 정하거나 결과에 책임질 사람이 없다는 뜻은 아니다.
사람 검토와 예외 처리의 차이는 AI가 같은 양의 결과를 만들 때 더 분명해진다. 모든 결과가 사람에게 오면 생성 속도가 빨라질수록 검토 대기열도 길어질 수 있다. 예외만 넘어오면 대기열은 짧아질 수 있지만, 선별 기준이 부정확하면 확인이 필요한 결과가 통과하거나 중요하지 않은 건이 담당자에게 몰린다. 따라서 두 단계는 사람의 개입 여부만으로 묶어 볼 수 없다.
AI가 빨라져도 업무 완료가 늦어지는 이유
검토 병목은 이번 조사에서 모든 기업의 손실로 측정된 값이 아니다. AI가 결과를 만들어 내는 속도가 담당자의 검증 속도를 넘을 때 발생할 수 있는 업무 흐름상의 문제다. 초안이 쌓이는 속도와 검증을 마치고 실제 조치로 넘어가는 속도는 다르다. 앞 단계가 빨라져도 뒤 단계의 처리 용량이 그대로라면 업무 전체의 완료 건수는 기대만큼 늘지 않을 수 있다.
가령 AI가 분석 초안을 잇달아 만들고 담당자가 각각의 근거를 원자료와 대조해야 하는 상황을 가정해 보자. 작성 시간은 줄어도 확인에 필요한 자료가 흩어져 있거나 다른 부서의 승인이 필요하면 대기와 재작업이 남는다. 이는 조사에서 확인된 특정 기업 사례가 아니라 병목이 생기는 경로를 보여 주는 조건부 예시다. 생산성 변화를 보려면 생성된 초안의 수와 검증을 거쳐 완료된 업무의 수를 구분해야 한다.
검토 단계를 줄인 뒤에도 결과의 책임 경계는 남는다. AI가 결과를 외부에 전달하거나 다른 시스템의 조치를 촉발한다면, 잘못된 판단을 발견했을 때 되돌릴 수 있는지에 따라 사전 승인의 필요성이 달라진다. 반대로 결과를 명확한 규칙과 대조할 수 있고 오류를 찾아 복구할 수 있다면, 모든 건을 같은 깊이로 읽는 방식이 적절한지도 따져 볼 수 있다. 이는 자율 처리 비중을 높이라는 권고가 아니라 검토량과 오류 발견 능력을 함께 봐야 한다는 해석이다.
업무 자동화와 재무 성과 사이에 남은 간극
응답자들은 AI 사용과 에이전트 활용, 성능과 거버넌스, 모델 정확도를 기대보다 높게 평가했다. 반면 직원 생산성 향상은 기대에 조금 못 미쳤고, 대부분의 사업·재무 성과도 예상에 미치지 못했다. 한 작업에서 AI가 유용하다는 평가와 회사 전체에서 기대한 성과를 거뒀다는 평가는 서로 다른 질문에 대한 답이다. 검토 대기는 그 차이를 설명할 수 있는 경로이지만 조사 결과만으로 유일한 원인이라고 단정할 수는 없다.
비용과 이익이 서로 다른 부서에 나타날 수도 있다. 한 팀이 AI로 결과를 빨리 만들수록 다른 팀은 사실 확인과 승인에 더 많은 시간을 써야 할 수 있다. 앞쪽 팀의 산출량만 보면 개선이 커 보여도 뒤쪽 팀의 대기 시간과 재작업까지 포함하면 업무 완료 속도는 달라진다. AI 결과를 실제 조치에 연결하는 데이터의 품질, 권한 설정, 기존 시스템과의 연계도 전체 흐름에 영향을 준다.
조사에서 AI로 가치를 얻으면서도 전환 과정의 마찰을 겪는 기업군은 기술 구조의 복잡성, 누적된 기술 부채, 제한된 인프라 용량을 장애로 꼽았다. 개별 활용 사례가 작동해도 이를 다른 업무로 넓히는 과정에는 추가 비용과 조정이 생길 수 있다는 뜻이다. 자율 처리 비중이 늘어난다는 전망을 곧바로 회사 전체의 비용 절감이나 이익 증가 전망으로 바꿔 읽기 어려운 이유다.
전망을 확인하려면 무엇이 더 밝혀져야 하나
공개된 수치는 대기업 의사결정자들이 보고한 AI 활용 업무의 분포와 향후 예상이다. 한국 기업 전체의 평균이나 특정 업종의 전환 속도로 옮겨 적용할 근거는 공개된 요약에 없다. 어떤 업무에서 사전 검토가 실제로 줄어들지, 예외로 넘어오는 건이 얼마나 늘어날지, 검토 대기와 재작업 시간이 어떻게 바뀔지도 확인되지 않았다.
현재 확인된 변화는 완전 자율 업무가 아직 작은 몫을 차지하고, 사람의 역할이 업무 수행에서 결과 검토와 예외 판단 쪽으로 이동할 것으로 응답 기업들이 예상한다는 점이다. 그 전망이 실현됐는지, 검토 부담이 줄면서 최종 처리량과 재무 성과도 나아졌는지는 이후의 실측 자료로 확인해야 한다.
함께 읽기:
관련 기사
뉴스레터 구독
최신 Web3, AI, 암호화폐 뉴스를 이메일로 받아보세요.
0