Google의 1,500만 건의 AI 도구 상호작용에 대한 내부 분석에 따르면, 현재 직업의 68%가 AI 어시스턴트를 활용하고 있지만, 실제로 자동화되는 작업은 전체의 21%에 불과한 것으로 나타났습니다. 기업들은 워크플로우를 완전히 개편하기 위해 AI에 베팅하고 있지만, 데이터에 따르면 대부분의 근로자는 여전히 소수의 활동에만 이 기술을 의존하고 있어 이 격차는 매우 중요합니다.

수치가 중요한 이유

Google의 Gemini 플랫폼에서 진행된 이번 연구는 AI 도입에 대한 미묘한 양상을 보여줍니다. 3분의 2에 달하는 도입률은 인상적으로 보일 수 있지만, 21%라는 낮은 자동화 수치는 5개 작업 중 4개가 여전히 AI의 도움 없이 수행되고 있음을 의미합니다. 대규모 AI 도입을 계획 중인 경영진은 헤드라인에 나오는 도입률과 실제 생산성 향상 사이의 불일치를 주의 깊게 살펴야 합니다. 이는 ROI 기대치를 과도하게 높일 수 있기 때문입니다.

현재 상황에 이르게 된 배경

벤더들은 AI 도구를 업무 효율성의 다음 단계로 마케팅하며, 처음부터 끝까지 전체 프로세스를 실행하는 "자율 에이전트(autonomous agents)"를 약속해 왔습니다. 그러나 Google의 데이터에 따르면, 대부분의 사용자는 전체 워크플로우를 맡기기보다는 아이디어 브레인스토밍, 전략 초안 작성, 자료 조사와 같은 특정 협업 순간에 기술을 활용하고 있습니다. 이번 연구는 모든 Gemini 상호작용을 추적하여 각 요청의 목적과 지원하는 작업 유형을 분류했습니다.

데이터가 밝혀낸 사실

  • 완전 자동화에 대한 추진력 부족. 작업을 완전히 자동화하려는 상호작용은 10건 중 1건 미만이었습니다. 대부분의 사용자는 인간이 개입하는 'human-in-the-loop' 방식을 선호합니다.
  • 대체보다는 협업. AI 사용의 대부분은 개념 생성, 전략 정교화, 배경 조사에 집중되어 있으며, 이는 근로자들이 AI를 대체재가 아닌 파트너로 보고 있음을 나타냅니다.
  • 일상적인 업무가 우선 대상. AI가 자동화를 수행할 때는 반복적이고 명확하게 정의된 작업을 맡습니다. 하지만 그 영역에서도 일상 활동의 5분의 4는 여전히 영향을 받지 않은 상태로 남아 있습니다.
  • 인지적, 비정형 업무가 AI 호출의 주를 이룸. 상호작용의 약 65%는 문제 해결, 분석 또는 창의적 사고와 같이 표준화되지 않은 작업과 관련이 있으며, 이는 사용자들이 인간의 판단이 여전히 중요한 영역에서 AI를 찾고 있음을 보여줍니다.
  • 직종별로 불균등한 영향. 소프트웨어 개발 및 재무 분석과 같은 화이트칼라 직종에서 AI 사용률이 가장 높게 나타났습니다. 육체 노동 직종은 뒤처져 있지만, 일부 기술직은 이미 사진을 통해 장비 고장을 진단하는 데 AI를 사용하고 있습니다.

기업이 직면한 과제

만약 기업이 대부분의 업무가 곧 자율 시스템으로 넘어갈 것이라는 가정하에 AI 전략을 세운다면, 여전히 일상적인 성과를 주도하고 있는 인간 중심의 프로세스에 대한 투자를 소홀히 할 수 있습니다. 자동화에 대해 과도한 약속을 하는 것은 기대했던 효율성이 실현되지 않을 때 신뢰를 떨어뜨릴 수 있습니다. 반대로, 아이디어 생성, 빠른 조사, 일상적인 데이터 처리와 같이 AI가 이미 가치를 더하고 있는 부분을 인식하면 기업은 교육, 도구 및 거버넌스 자원을 더욱 효과적으로 투입할 수 있습니다.

반론

일부 벤더들은 초기 도입 수치는 시작 단계일 뿐이며, 모델이 개선됨에 따라 자동화율이 급격히 상승할 것이라고 주장합니다. 이들은 거대언어모델(LLM)의 급격한 발전과 특화된 에이전트의 출시를 근거로 21%라는 수치가 일시적인 저점이라고 지적합니다. 미래의 성장은 가능성이 있지만, Google의 연구는 사용자의 의도가 중요하다는 점을 강조합니다. 작업을 대체하려는 명확한 의지가 없다면, 아무리 뛰어난 모델이라도 대체재가 아닌 보조 도구로 남을 뿐입니다.

향후 주목해야 할 점

  • 사용자 의도의 변화. AI에 대한 신뢰가 높아짐에 따라 완전 자동화 요청의 비율이 높아질까요, 아니면 협업 방식이 계속 지배적일까요?
  • 산업별 도입 곡선. 규제가 엄격하거나 안전이 중요한 분야는 자동화 속도가 느릴 수 있는 반면, 기술 중심 분야는 그 비율을 더 높일 수 있습니다.
  • 도구의 진화. 기존 소프트웨어 제품군에 AI를 더 긴밀하게 통합하는 새로운 기능들은 자동화 비중을 높일 수 있지만, 이는 사용자의 워크플로우와 일치할 때만 가능합니다.

팀을 위한 실질적인 다음 단계

헤드라인에 나오는 도입률에 휘둘리지 마십시오. 팀원들에게 직접 물어보십시오. "우리 업무 중 AI로 자동화된 21%는 구체적으로 어떤 작업인가?" 이러한 작업을 매핑하는 것은 자동화를 확장하고, AI 라이선스 예산을 책정하며, 실제 생산성 영향을 측정하기 위한 구체적인 토대가 됩니다.

핵심 요약: AI는 이제 어디에나 있는 어시스턴트가 되었지만, 여전히 소수의 작업만을 처리하고 있습니다. 오늘날 AI를 협업 도구로 취급하고, AI가 이미 자동화하고 있는 정확한 업무를 파악하는 기업은 기술이 마침내 21%의 임계점을 넘어설 때 진정한 효율성 향상을 이끌어낼 수 있는 더 유리한 위치를 점하게 될 것입니다.