"The State of AI: How Organizations Are Rewiring to Capture Value"
AI의 현주소, 조직은 어떻게 가치를 창출(Capture Value)하기 위해 재편(Rewiring) 하는가?
세상이 하루단위로 바뀌고 있는 것 같은 요즘이다. 내 삶을 근본적으로 바꾼 첫 번째 혁신은 인터넷의 대중화였고, 두 번째는 스마트폰의 등장이었다. 그리고 이제 AI가 인류 문명의 발전 속도를 한층 더 가속화할 것임을 확신한다. 가속화되어 가는 세상에 FOMO를 겪지 않기 위해 우리는 부단히 노력해야 한다.
과학기술정보통신부가 발표한 2024 인터넷이용실태조사에 따르면 AI 서비스를 경험해 봤다고 답한 응답자가 60.2%에 달한다. 2021년 32%에서 이듬해부터 42.4%, 50.8%로 꾸준히 증가하고 있는 추세다.
작년에는 국민의 10명 중 6명이 AI 서비스를 경험해 봤다고 하는데, 우리나라의 65세 이상 노인 인구 비율이 20%가 넘는 것을 감안하면 실제 경제활동인구나 젊은 세대의 AI 경험 비율은 이보다 훨씬 높을 것으로 예상된다.
그러나 이 수치는 '경험'에 기반을 둔 결과지 실제로 '활용'을 잘하는 사람은 소수에 불과하다. 그래서 궁금했다. 글로벌 기업들은 AI 전환 과정에서 무엇을 겪고 있는지. 독자 여러분과 함께 인사이트를 나눠보고자 한다.
AI 동향 리포트 에 관심이 있다면 한국지능정보사회진흥원(National Information Society Agency) 에 올라오는 간행물을 보는 것을 추천한다. 정보전달이 목적이라 보고서의 가독성이 상당히 좋다. 나도 언젠가 기고하고 싶다.
맥킨지는 세계 최대 전략 컨설팅 회사로, 포춘 100대 기업 3분의 2가 고객이다. 그런데 이런 맥킨지도 AI의 등장으로 컨설팅 서비스의 가치가 재편되어 위기설이 나오고 있다고 한다. 맥킨지가 2024년 7월 전 세계 101개국의 경영진 및 실무자 1,491명을 대상으로 온라인으로 실시한 서베이를 바탕으로 작성된 리서치를 분석한다.
About the research
- 조사 대상: 101개국 1,491명
- 조사 기간: 2024년 7월 16~31일
- 발행: McKinsey & Company / QuantumBlack, AI by McKinsey
- 저자: Alex Singla, Alexander Sukharevsky, Lareina Yee, Michael Chui, Bryce Hall
응답자들은 모든 지역, 산업, 기업 규모, 직무 전문 분야, 근속 연차를 대표하도록 구성되었다.
전체 응답자 중 42%는 연 매출 5억 달러(약 6,800억 원) 이상인 기업에 소속되어 있다고 답했다.
응답률의 국가별 차이를 보정하기 위해, 데이터는 각 응답자의 국가가 전 세계 GDP에 차지하는 비중(Global GDP share)을 기준으로 가중치(weighting)를 적용하여 분석되었다.
The state of AI: How organizations are rewiring to capture value
In this latest version of the annual McKinsey Global Survey on AI, we look at the current trends that are driving real value from artificial intelligence.
www.mckinsey.com
What is QuantumBlack?
Intro : 2025년, AI는 '도입'에서 '성과'의 게임으로
1. 숫자로 보는 현실 – 도입률과 성과율의 격차
- AI 사용률 추이 분석
- 다부서(Multiple funcions) 확산 현황
- 전사 수익성 영향
2. 실제로 어디에 쓰고 있나
- 산업별, 부서별 현황
- 어떤 형태로 사용하나?
- 실제 성과는 어떤가?
3. 성과 격차의 비밀
- 조직 구조: 선택적 중앙화
- Gen AI 결과물 검토: 양극화 현상
4. 맥킨지가 제시하는 12가지 Best Practice
5. 리스크와 인력
- 리스크 관리 강화
- 여전히 어려운 채용
- 재교육 본격화
- 부서별 인력 증감 전망
Conclusion : 과도기를 넘어 진정한 AI 기업으로
- 최종 키포인트
- 전략기획 관점: 2025년 우리가 주목해야 할 것
What is QuantumBlack?
QuantumBlack
QuantumBlack, AI by McKinsey unlocks the power of artificial intelligence to help organizations blend AI and cutting-edge solutions with strategic thinking and domain expertise.
www.mckinsey.com
The State of AI: How Organizations Are Rewiring to Capture Value 보고서는 ‘QuantumBlack, AI by McKinsey’ 브랜드로 발행된 자료이다. QuantumBlack 은 맥킨지가 2015년 인수한 AI 전문 조직으로, 데이터 분석과 머신러닝을 기반으로 한 AI 솔루션 실행 컨설팅을 담당한다.
이 조직의 기원은 F1(포뮬러 원) 레이싱 경기의 실시간 데이터 분석 프로젝트에 있다.
레이싱 경기에서 초 단위로 축적되는 방대한 데이터를 분석하여 차량 성능과 경기 전략을 최적화한 경험을 바탕으로, QuantumBlack은 데이터 기반 의사결정의 속도와 정확성이 경쟁우위를 결정짓는다는 철학을 발전시켜 왔다.
이러한 경험은 이후 산업 현장에서도 동일하게 적용될 수 있다는 점에서, 조직의 DNA로 자리 잡았다.
현재 QuantumBlack은 AI 전략 수립, 데이터 인프라 구축, 머신러닝 모델 개발, 실제 비즈니스 환경에서의 배포 및 운영 최적화에 이르는 End-to-End AI 구현 역량을 보유하고 있다. 다수의 기업이 AI 시범 단계에서 멈추는 반면, QuantumBlack은 프로토타입을 실제 비즈니스 가치로 Scale-up 하는 실행력을 통해 차별화된다.
맥킨지의 전략적 통찰력과 QuantumBlack의 기술적 실행력이 결합하면서, 이들은 “AI를 제안하는 조직”이 아닌 “AI를 실현하는 조직”으로 자리매김하였다. 따라서 QuantumBlack 명의로 발행된 본 보고서는 단순한 기술 트렌드 요약이 아니라, 실제 산업 현장에서 검증된 실행 인사이트를 담고 있어 신뢰성과 실무 활용도가 높다.
Intro : 2025년, AI는 '도입'에서 '성과'의 게임으로
McKinsey가 2024년 7월 101개국 1,491명을 대상으로 실시한 최신 AI 현황 조사에서 주목할 만한 격차가 나타났다.
- AI를 한 개 이상 부서에서 사용하는 기업: 78%
- 생성형 AI(Gen AI)를 정기적으로 사용하는 기업: 71%
- 전사 EBIT(Earnings Before Interest and Taxes) 에 의미 있는 영향을 보고한 기업: 20% 미만
도입률과 성과율 사이의 58%포인트 격차는 현재 AI 전환이 기술 도입 단계에서 가치 실현 단계로 넘어가지 못하고 있음을 시사한다. '경험' 비율이 압도적인 반면 '활용' 단계의 비율은 매우 낮음을 시사한다. 기업들도 완벽하게 활용하지 못한다.
조사 대상 기업 중 성과를 내는 기업과 그렇지 못한 기업의 차이는 AI 기술 자체가 아닌 조직적 실행 역량에서 발생했다. CEO 거버넌스 관여, 워크플로우 재설계, KPI 추적 등이 EBIT 영향과 유의미한 상관관계를 보였다.
본 분석에서는 보고서의 14개 주요 데이터(Exhibit)를 기반으로 다음을 검토한다.
- 산업별·부서별 실제 활용 현황과 성과 데이터
- 성과 창출 기업의 조직적 특성 (대기업 vs 중소기업 비교 포함)
- 12가지 Best Practice별 실행률과 영향도
- 리스크 관리 및 인력 재편성 동향
- 전략기획 관점의 실행 시사점
1. 숫자로 보는 현실 – 도입률과 성과율의 격차
- AI 사용률 추이 분석
chatGPT 가 나온 해 이기도한 2022년부터 AI 도입률이 급격히 증가했다. 각주에 매년 달라지는 AI 도입의 정의가 적혀있으니 참고하길 바란다.
전체 AI 사용률 (분석 AI + Gen AI) (진한파란색 line)
| 시점 | 사용률 | 기간 증가폭 | 월평균 증가율 |
| 2023년 7월 | 55% | - | - |
| 2024년 3월 | 72% | +17%p | 2.1%p/month |
| 2024년 7월 | 78% | +6%p | 1.5%p/month |
Gen AI 사용률 (하늘색 line)
| 시점 | 사용률 | 기간 증가폭 | 월평균 증가율 |
| 2023년 7월 | 33% | - | - |
| 2024년 3월 | 65% | +32%p | 4.0%p/month |
| 2024년 7월 | 71% | +6%p | 1.5%p/month |
Exhibit 분석
- 2024년 상반기(2.1%p/month) 대비 하반기(1.5%p/month) 성장률 둔화
- 이는 early adopter 포화 단계 진입을 의미하며, 이제 중소기업과 보수적 산업으로 확산 진행 중
- Gen AI는 1년 만에 38%p 상승하며 전체 AI (23%p)보다 1.7배 빠른 확산
전략적 시사점
- 도입률 78%는 "경쟁사도 이미 사용 중"임을 의미 → 차별화 포인트는 도입 속도가 아닌 활용 깊이, 도입은 이제 누구나 한다
- 성장률 둔화는 시장 성숙기 진입 신호 → 선도 기업은 '확산'에서 '성과 창출'로 전략 전환 필요
- 다부서(Multiple functions) 확산 현황
AI 활용이 단일 부서에서 다부서로 확대되는 추세, 다부서로 확장된다는 것은 특정 팀(ex. IT, HR팀)에서만 쓰이던 것이 이제는 여러 부서로 확산된다는 의미다. 각주에 보면 11개의 부서명이 적혀있다.
| functions | 2023 | 2024.3 | 2024.7 | 1년 증가폭 |
| 1 or more | 55% | 72% | 78% | +23%p |
| 2 or more | 31% | 50% | 63% | +32%p |
| 3 or more | 16% | 27% | 45% | +29%p |
| 4 or more | 6% | 15% | 28% | +22%p |
| 5 or more | 3% | 8% | 16% | +13%p |
Exhibit 분석
- 평균 활용 부서 수: 3개 (조사 대상 11개 부서 기준)
- 2개 이상 부서 활용률(63%)이 1개 이상(78%) 대비 15%p 낮음 → 여전히 단일 부서 고립 사용 15% 존재
- 5개 이상 부서 활용 기업은 4배 증가(4%→16%)했으나, 절대 비율은 여전히 낮음
More than 80 percent of respondents say their organizations aren't seeing a tangible impact on enterprise-level EBIT from their use of gen AI. Seventeen percent of respondents say 5 percent or more of their organization's EBIT in the past 12 months is attributable to the use of gen AI.
전략적 시사점
- 부서 수는 확대되지만, 전사 EBIT 영향을 보는 기업은 17%에 불과
- 확산(Spread)은 통합(Integration)에 심혈을 기울여야 함, AI 도입 부서 늘린다고 되는 일이 아님
- 부서별 개별 도입 → 부서 간 연결 부재로 전사 성과 미창출
- 다음 단계: 더 많은 부서 추가보다, 기존 부서 간 연계와 시너지 창출
- 전사 수익성 영향은 제한적
도입률과 대조적으로, 전사 차원의 재무 성과는 아직 미미한 수준, 또한 KPI 수립이 정말 어렵다는 것을 느낄 수 있음.
Gen AI의 전사 EBIT 기여도
- EBIT의 5% 이상 기여: 17%
- 의미 있는 영향 없음: 80% 이상
80% 이상 무영향의 원인 분석
- 규모의 문제: 부서별 파일럿은 성과를 내지만, 전사 EBIT 대비 비중이 미미
- 고립의 문제: 부서 간 연계 없이 개별적으로 운영되어 시너지 미발생
- 측정의 문제: 간접 효과(생산성 향상, 품질 개선)를 EBIT로 환산하지 못함
- 시차의 문제: 투자는 즉시, 성과는 지연되는 전형적인 기술 투자 패턴
전략적 시사점
- 도입률 78% vs 전사 성과 17%의 격차가 현재 AI 전환의 핵심 과제
- 다음 단계는 '도입'이 아닌 '통합': 부서별 성과를 전사 프로세스 혁신으로 연결
- 성과 측정 체계 재설계 필요: EBIT 외 생산성, 고객만족도, 시장점유율 등 복합 지표 활용
- 17% 선도 기업과 나머지의 격차 분석이 후속 전략 수립의 출발점
2. 실제로 어디에 쓰고 있나
- 산업별·부서별 현황
전 산업 평균으로 Gen AI를 가장 많이 쓰는 부서
- Marketing and sales (42%)
- Product and/or service development (28%)
- IT (23%)
- Service operations (22%)
- Knowledge management (21%)
- 어떤 형태로 사용하나?
텍스트가 여전히 주류지만 Multi-modal 활용도 점점 늘어나고 있음 Text에 비해서 후발주자일 뿐. 예를 들면 25년 9월 30일 OpenAI에서 Video 분야의 생성형 AI 인 Sora2를 출시하였으니 Video 분야의 활용도가 늘어날 것이다.
- 실제 성과는 어떤가?
1차 조사: 2월 22일 ~ 3월 5일
2차 조사: 7월 16일 ~ 7월 31일
4개월 사이에 gen AI를 활용하여 매출이 10% 이상 증가했다는 응답이 고객서비스는 15% 증가했다. 또한 전체적인 비율도 상당히 차이가 난다.
이렇게 서베이에서는 gen AI로 매출을 10% 이상 올리고, 비용을 20% 넘게 절감하는 극적인 사례가 있는데 전사 EBIT 영향은 왜 80% 이상이 영향이 없다고 응답했을까, 중장기적 성과가 아직 나타나지 않았거나 KPI 수립자체를 못 하였을 가능성이 높다.
3. 성과 격차의 비밀 – 리더십과 조직 재설계
모든 규모의 조직에서 25개 특성을 조사한 결과 Gen AI 성과와 상관관계가 높은 요소를 찾아냈다. 분석 방법은 25개 속성과 생성형 AI가 EBIT에 미치는 영향을 상관 분석으로 검증했으며, Johnson’s Relative Weights 회귀 분석을 통해 R² = 0.20을 도출했다고 한다. 20% 정도의 상관관계를 가지고 있다고 보면 된다. 경영, 조직 연구에서는 믿을만한 수치라고 생각함.
가장 영향력이 큰 요소: The redesign of workflows (워크플로우 재설계)
- 워크플로우를 근본적으로 재설계한 기업: 21%
79%는 기존 프로세스에 그냥 AI 끼워넣었다는 소리다. 사내 AI 도입을 할 때 가장 큰 효과를 보려면 워크플로우부터 AI에 알맞게 뜯어고쳐야 한다.
CEO 거버넌스 관여의 중요성
리서치에서 CEO의 AI 거버넌스 관여를 EBIT 성과와 높은 상관관계를 보이는 핵심 요소로 제시하고 있음. 특히 연매출 5억 달러 이상 대기업에서 CEO 관여가 가장 큰 영향을 미침.
- 28%의 기업에서 CEO가 AI 거버넌스 책임
- 17%는 이사회가 관여
- 평균적으로 2명의 리더가 공동 책임
코멘터리의 좋은 글이 있어, 하단에 남긴다. 나도 동의한다. IT부서에서 갑자기 워크플로우 뜯어고친다 하면 과연 다른 부서들이 따라줄까? CEO가 밀어줘야 한다.
McKinsey commentary
알렉산더 수카레브스키(Alexander Sukharevsky)
QuantumBlack, AI by McKinsey 글로벌 공동리더 / 시니어 파트너
“AI를 통해 진정한 변화를 이루려면, 조직 전체가 위에서부터 아래로 움직여야 한다.”
AI를 실제로 활용하는 조직이 늘어날수록, 실질적인 성과를 내려면 ‘톱다운(top-down)’ 접근이 필수적이라는 사실이 명확해지고 있다. 효과적인 AI 도입은 최고경영진(C-suite)의 전폭적인 헌신, 그리고 이사회의 적극적인 참여에서 출발한다. 많은 기업들이 instinctively AI 실행을 IT나 디지털 부서에 위임하지만, 그 방식은 반복적으로 실패로 귀결된다.
AI에서 진짜 가치를 얻으려면 새로운 기술만이 아니라 조직의 전환(transformation)이 필요하다.이는 변화관리와 인적 동원의 문제이며, 따라서 리더십의 직접적인 개입이 핵심이다. 또한 이 전환은 비용이 많이 들고, 희소한 인재와 자원을 전략적으로 배분해야 하는 과정이다. 결국, 리더는 효율적 자원 활용과 전사적 역량 강화 사이의 균형을 세밀하게 조율해야 하며, 기술과 조직이 발전함에 따라 그 균형은 지속적으로 재평가되어야 한다.
조직이 AI 활용에 익숙해질수록, AI는 기업의 모든 기능에 자연스럽게 스며들게 될 것이다.그 시점에서 리더십은 더 이상 실행 단계에 머무르지 않고, 성과 모니터링(impact monitoring)과 인재 개발(talent development) 같은 보다 고차원적이고 전략적인 역할에 집중하게 될 것이다.
- 조직 구조: 선택적 중앙화
- 리스크와 데이터는 중앙에서 통제, CoE(Center of Excellence) 모델
- 인재와 실행은 하이브리드 (일부 중앙, 일부 분산)
- 중소기업일수록 완전 중앙화 경향 (자원 부족)
CoE의 의미는 중앙부서가 통제하고 각 부서는 중앙부서의 통제에 따른다.
하이브리드는 일부는 중앙, 일부는 부서별로 분산
분산은 각 부서에서 통제를 의미한다, 중소기업은 각 부서에 전문가를 두는 것보다 중앙부서에 몰빵하는게 더 싸게 먹혀서 그런 듯하다.
- Gen AI 결과물 검토: 양극화 현상
비즈니스·법률·전문 서비스(Business, Legal, and Professional Services) 업종 종사자들은 다른 산업의 응답자들보다 “모든 AI 산출물이 사용 전에 검토된다”라고 답한 비율이 훨씬 높았다. 즉, 산업별로 생성형 AI 결과물에 대한 품질 관리 수준이 극명하게 다르며, 특히 법적 책임이 큰 업종일수록 ‘전면 검수(all-review)’ 체계를 갖춘 비율이 높다는 점이 드러났다.
법적책임이 높을수록 우선순위를 높게 잡아야 한다. 찾아보니 Air Canada 항공사에서 챗봇이 고객에게 잘못된 정보를 제공하여 배상을 한 사례가 있다. (link)
4. 맥킨지가 제시하는 12가지 Best Practice
- 생성형 AI 도입 촉진을 위해 전담팀 운영 (eg, PMO, adoption & scaling team)
- 생성형 AI가 창출한 가치에 대해서 정기적으로 내부 커뮤니케이션
- 고위 경영진이 생성형 AI 도입을 적극 관여, role-modeling
- 모든 직원이 생성형 AI 기능을 적절하게 활용할 수 있도록, 역할별 맞춤 AI 교육
- 생성형 AI 솔루션을 비즈니스 프로세스에 효과적으로 내재화
- 생성형 AI 솔루션 도입을 추진하기 위한 명확한 로드맵 수립
- 생성형 AI 솔루션의 성능에 대한 피드백 수집 후 지속적으로 개선할 수 있는 메커니즘 구축
- 직원들이 생성형 AI의 활용을 신뢰할 수 있도록, 포괄적인 신뢰 구축 체계 마련
- 생성형 AI 도입의 필요성을 중심으로 한 ‘설득력 있는 변화 스토리(Compelling Change Story)’ 구축
- 생성형 AI 솔루션에 대해 명확하게 정의된 KPI를 설정하고 추적
- 고객이 생성형 AI 활용을 신뢰할 수 있도록, 포괄적인 신뢰 구축 전략 수립
- 생성형 AI 도입을 촉진하기 위해 직원 인센티브 제도 마련
- 12개 중 절반 이상 실행하는 기업: 1/3 미만
- KPI 추적 (가장 영향력 큰 항목): 1/5 미만
맥킨지의 상관관계 분석 결과, EBIT 영향에 가장 큰 요소 3가지
- KPI 추적: 명확한 성과지표 설정과 추적
- 명확한 로드맵: 단계적 확산 계획 (특히 대기업)
- 워크플로우 재설계: 프로세스 근본 변경
실무에 적용한다면?
경영진
- AI 거버넌스 직접 챙기고 밀어주기, 위임하면 워크플로우 바꾸는데 소극적으로 될 수밖에 없음
- 한 부서의 워크플로우를 근본적으로 재설계해보기
- 명확한 KPI 설정하기, 추상적일수록 목표의식도 흐려지고 문제 찾기도 어려움
실무자
- 속해있는 부서에서 가장 시간이 많이 투자되는 3가지 업무 리스트업 해보기
- 그중 하나에 생성형 AI를 적용해 보고 측정하기
- 결과를 경영진에게 데이터로 보고
5. 리스크와 인력
- 리스크 관리 강화
대기업 vs 중소기업
- 대기업은 사이버보안·개인정보 보호에 훨씬 많은 리소스 투입
- 하지만 부정확성·설명가능성은 기업 규모 무관 (기술 자체의 한계)
실제 부정적 결과
- 47%가 "최소 1가지 부정적 결과 경험" (2024년 상반기 44%)
- 가장 흔한 문제: 부정확성, 사이버보안, IP 침해
- 여전히 어려운 채용
2022~2024년 동안 채용 난이도가 전반적으로 감소했지만, 여전히 어려운 직군
- AI 데이터 사이언티스트 (절반의 응답자가 향후 1년 내 더 필요하다고 답변)
- 머신러닝 엔지니어
- 데이터 아키텍트
- 데이터 엔지니어
해당 직군은 대기업과 중소기업의 채용 격차가 매우 큰 직종이기도 함, 비싼 인력.
새로 등장한 리스크 관련 직군
- AI 컴플라이언스 전문가: 13%가 채용
- AI 윤리 전문가: 6%가 채용
AI 기술의 확산이 법적·윤리적 리스크를 함께 관리해야 하는 단계로 진입했음.
유의미하게 채용이 줄어들고 있는 직군
- 데이터 시각화(Data Visualization) 전문가
- 디자인(Design) 전문가
AI가 대체할 수 있는 분야에서 채용이 유의미하게 줄었음.
채용이 조금 쉬워진 이유
- 직접 스킬 업한 사람들 증가
- 기업 재교육 프로그램 효과
- 재교육 본격화
- 부서별 인력 증감 전망
생성형 AI 도입으로 절약된 ‘시간’의 재활용 방식 이번 조사에서는 조직이 AI 자동화를 통해 절약된 시간을 어떻게 활용하고 있는지도 분석했다. 응답 결과는 다음 세 가지 방향으로 나뉘었다.
- 새로운 업무(New activities)에 재투입
- 가장 많은 응답자들이, 자동화를 통해 확보된 시간을 완전히 새로운 업무나 프로젝트에 활용하고 있다고 답했다.
- 예: 혁신 과제, 신제품 개발, 데이터 분석 등 기존에 없던 부가가치 활동
- 기존 업무 강화(Enhancement of existing responsibilities)
- 일부 응답자들은 자동화되지 않은 핵심 업무(전략 수립, 고객 응대 등)에 더 많은 시간과 역량을 투입하고 있다고 답했다.
- 인력 효율화(Head count reduction)
- 특히 대기업은 다른 기업보다 자동화로 절약된 시간을 효율화해 실제 인력 감축을 단행했다고 응답했다.
인력 감축은 EBIT 에 유의미한 영향
맥킨지의 분석에 따르면,
인력 감축(head count reduction)은 생성형 AI를 통해 실현된 재무적 성과(bottom-line impact) 중 가장 큰 영향을 미친 조직적 요인 중 하나로 꼽혔다.
즉, AI로 확보된 시간과 자원을 단순 절감이 아닌 ‘성과 창출’로 전환한 기업이 실질적인 EBIT 향상 효과를 보고 있다는 뜻이다.
핵심 시사점
- 중소기업은 절약된 시간을 새로운 성장 활동에 재투자하는 경향
- 대기업은 인력 효율화 및 비용 구조 최적화 중심의 전략을 취함
- 공통점: 향후 3년간 전사적 재교육(reskilling) 확대가 불가피하다는 데 다수의 응답자가 동의
결국, AI의 진정한 가치는 ‘시간 절약’이 아니라 ‘시간 재배분과 인력 재편’에 있다. AI를 통해 얻은 효율성을 어디에 재투자하느냐가 기업의 미래 경쟁력을 결정하게 될 것이다. 서베이에서는 38%가 인력 규모 변화 없을 것이라고 응답하였고 일부 부서는 오히려 인력 증가를 예상했다. 직군마다 차이는 있겠지만 재배치되는 과정이기 때문에 절대적인 일자리 수는 큰 변화 없을 것이라고 전망됨.
맥킨지는 AI가 ‘일자리 파괴자(job killer)'라는 공포는 과장된 측면이 있다고 전함. 대체 직군에 속해있다면 새로 생겨날 일자리를 잘 찾아봐야 한다.
Conclusion : 과도기를 넘어 진정한 AI 기업으로
- 3 Key-point
1. 워크플로우 재설계가 성과를 결정한다
- EBIT 영향력 상관관계 1위 요소, 그러나 실행률 21%에 불과
- 나머지 79%는 기존 프로세스에 AI를 단순 추가하는 수준에 머물고 있으며, 이는 '도입(Adoption)' 단계를 넘어 '활용(Utilization)' 단계로 전환하지 못했음을 의미
- 기술 투자보다 활용 방식이 핵심, ChatGPT Pro와 같은 고가 요금제 전환이 자동으로 성과를 보장하지 않음. 조직의 업무 흐름(Workflow) 자체를 재설계하지 않으면 투자 대비 효과는 제한적
2. 부서 성과와 전사 성과 간 격차 – 인력 최적화가 핵심 변수
- 부서별 비용 절감 보고율 61% vs 전사 EBIT 영향 17%의 괴리 발생
- McKinsey 분석 결과, 인력 감축(Headcount Reduction)이 전사 EBIT 영향과 가장 높은 상관관계를 보임
- 국내와 같이 정리해고가 제한적인 환경에서는 채용 단계부터 AI 활용을 전제로 한 인력 계획 수립 필요
- 전략적 선택: 절약된 시간을 ① 신규 업무 투입(성장), ② 기존 업무 강화(품질), ③ 인력 최적화(수익성) 중 어디에 배분할 것인가가 성과 차이를 만듦
3. 선택과 집중 – 12개 Best Practice보다 핵심 3개 조합
- 대기업(연매출 $500M+)도 평균 4~5개 Best Practice만 실행 중
- 가장 효과적인 조합: KPI 추적 + 워크플로우 재설계 + CEO 직접 관여
- 완벽한 실행(Perfection)보다 핵심 요소 집중(Focus)이 실질적 성과 창출에 유효
- 전략기획 관점: 2025년 우리가 주목해야 할 것
대기업의 움직임 – 실험 끝, 전면전 시작
연매출 5억 달러 이상 기업들이 본격적으로 움직이기 시작
단순 파일럿이 아니라 운영 모델 재설계 수준
- 핵심 인력 확보 경쟁 격화 (데이터 사이언티스트, AI 거버넌스 전문가)
- 리스크 관리 선제 대응 (보안, IP, 정확성)
- 조직 구조 자체를 바꾸기 시작
국내에서는 SK C&C 가 SK AX로 사명을 바꾼 사례가 있다. (link)
다음 사이클: Agentic AI – 준비는 지금부터
McKinsey는 다음 단계로 Agentic AI를 지목한다. 생성(Generate)에서 실행(Act)으로의 진화다. 하지만 현재 Gen AI도 제대로 못 쓰는 상황에서 다음 사이클을 준비하는 것은 어렵다.
지금부터라도 프로세스를 준비하지 않으면, 다음에도 뒤처진다.
2025년 실행 과제
- 대기업: 파일럿 종료, 전사 확산 단계로
- 중소기업: 핵심 3가지(KPI, 재설계, CEO)에 집중
- 공통: 워크플로우 재설계 없이는 다음 단계 없음
맥킨지 리서치를 리뷰하며 "내가 세계 1위 컨설팅펌의 리서치를 이해할 수 있을까?"라는 두려움은 점점 사라져 갔다. 맥킨지는 쉽고 명확한 메시지로, 사회초년생인 나도 이해할 수 있게 만들었다.
여기서 배운 게 하나 있다. 복잡한 프레임워크나 두꺼운 보고서는 전문성의 증거가 아니라는 것. 진짜 전문성은 사회초년생도 3분 만에 이해하고, 내일 바로 실행할 수 있게 만드는 것이다. 흔히 나오는 상사의 "그래서 요점이 뭔데?", "그래서 왜 해야 되는데?", "그래서 어떻게 하자는 건데?"와 같은 질문이 나오지 않게 하는 것이 보고서의 본질 아닐까.
78%의 기업들은 AI를 도입하고 "우리는 특별하다"라고 믿는다. 하지만 AI 도입은 더 이상 특별하지 않다. 17%의 선도 기업들은 도입에서 멈추지 않는다. 데이터를 직시하고, 불편한 진실을 받아들이며, 실제 pain point를 해결하는 변화를 만들어낸다.
마지막으로 나는 이 리뷰가 1년 뒤 형편없게 보였으면 좋겠다. 그만큼 내가 성장했다는 뜻이니까. 1년 뒤에 봐도 개선점이 안 보인다면 그게 진짜 위기 아닐까?
'IT > AI' 카테고리의 다른 글
| AI 시대, 조직이 살아남으려면 필요한 4가지 학습 전략: Accenture ‘Learning, Reinvented’ 리뷰 (1) | 2025.11.27 |
|---|---|
| 크롬의 대체제 등장? Perplexity 의 AI 웹브라우저 Comet 리뷰 (1) | 2025.09.07 |
| 5분만에 GPT-3 연동 웹사이트 만들기 (0) | 2024.06.28 |
