AI 생산성 패러독스와 통합의 과제

생성형 AI 등장 이후 기업들은 반도체와 클라우드, 데이터센터, 소프트웨어에 막대한 자금을 투입했다. 직원들은 문서 작성과 번역, 코딩, 고객 응대 속도가 빨라졌다고 체감한다. 그러나 회사 전체의 매출과 영업이익률, 직원 한 명당 산출량에서는 투자에 걸맞은 변화가 아직 뚜렷하지 않다. 이 간극이 이른바 'AI 생산성 패러독스'다. 핵심은 개인의 업무 속도 향상이 기업 전체 생산성으로 자동 전환되지 않는다는 점이다. 3시간짜리 보고서를 30분에 끝냈더라도, 절약된 시간을 다시 회의와 보고, 승인 대기로 채운다면 기업의 이익은 달라지지 않는다. 직원은 편해졌지만 회사의 비용·매출 구조는 그대로인 셈이다. 필자는 AI의 '사용'과 '통합'을 구분해야 한다고 강조한다. 직원이 챗봇을 쓰는 것은 사용이며 개인의 시간을 줄일 뿐이다. 반면 AI가 회사의 데이터와 업무 흐름, 의사결정 체계, 생산 시스템에 연결되는 통합 단계에서야 비용과 매출 구조가 바뀐다. 대부분의 기업은 여전히 사용 단계에 머물러 있다. 이는 1980년대 컴퓨터 도입기와 닮았다. 당시에도 종이 업무를 화면에서 반복하는 데 그치자 생산성이 즉시 오르지 않았고, 조직과 시스템이 디지털 방식으로 재설계된 뒤에야 뒤늦게 상승했다. 경제학은 이를 생산성 J커브로 부른다. 범용 기술 도입 초기에는 교육·데이터 정비·조직 개편 비용이 먼저 발생하고 산출은 후행한다. 투자 관점에서 주목할 대목은 시차다. 최종 사용 기업의 생산성이 아직 명확히 드러나지 않아도, AI 모델 구동에 필요한 반도체·메모리·네트워크·데이터센터·전력·냉각 설비를 공급하는 인프라 사업자는 먼저 수익을 낸다. 다만 이 시차가 무한정 이어질 수는 없다. 최종 사용 기업이 AI 투자를 매출 증가와 비용 절감으로 전환하지 못하면 인프라 투자에도 수익성 검증이 시작된다. 결국 승자는 가장 비싼 모델을 산 기업이 아니라 불필요한 업무와 결재 단계를 없애고 흩어진 데이터를 연결해 절약된 시간을 매출과 제품 개발에 재배치한 기업이다. 투자자 역시 벤치마크 점수가 아니라 도입 기업의 직원당 매출, 영업이익률, 제품 개발 주기, 자본수익률이 실제로 개선되는지를 지표로 삼아야 한다.