"많은 기업이 인공지능(AI)을 도입했지만 업무 시간 단축 효과는 17% 수준으로 전체 생산성 혁신으로는 이어지지 못하고 있습니다. 정보 검색이나 문서 작성 등 국소적인 업무 자동화에 머무르기 때문입니다."
김수연 EY한영 AI 리더(전무)는 29일 서울 서초구 삼성SDS에서 열린 '삼성SDS AX 서밋'에서 나서 이같이 말하며 기업 AI 전환(AX) 정체 원인을 지적하며 개선방안을 제시했다.
EY한영 조사 결과 기업 일상 업무 내 AI 활용 비중은 56.3%에 달한다. 하지만 정작 단축된 업무 시간은 17%에 불과해 전체 생산성 향상으로 이어지지 못하고 있다.
김 리더는 이러한 정체 현상의 원인으로 '바텀업(Bottom-up)' 방식의 한계를 꼽았다. 실무진의 애로사항 해결에만 치중하다 보니 정보 탐색이나 문서 작성 같은 특정 태스크만 국소적으로 자동화하는 오류에 빠졌다는 지적이다.
그는 "부서 간 업무를 인계하고 담당자를 찾는 과정에서 발생하는 병목 현상을 놓치면서 전체 프로세스의 효율을 갉아먹고 있다"며 "과제를 산발적으로 추진하는 과정에서 사내에 중복 기능이 여럿 개발되는 비효율도 발생한다"고 지적했다.
김 리더는 기존에 인력 부족 등으로 손대지 못했던 영역을 새로 발굴하는 탑다운 접근이 AX의 핵심이라고 강조하며 실제 글로벌 기업 사례를 소개했다.
에어버스는 부서와 관계자 간 복잡하게 이어지던 업무 인계 프로세스를 AI로 효율화했다. 과거에는 설계를 한 번 바꿀 때마다 물리 모형을 직접 제작하고 다시 테스트하는 과정을 반복해야 해, 수정 한 번이 끝나기까지 적지 않은 시간과 비용이 들었다.
이를 AI 기반 시뮬레이션으로 대체해 설계안을 가상 환경에서 먼저 검증하도록 바꿨다. 그 결과 실제 모형 제작과 반복 테스트 횟수를 줄이면서 설계 수정 시간은 대폭 단축하고, 불필요한 재설계율도 낮출 수 있었다.
여기에 항공기 납품 이후에도 센서를 통해 기체 이상 여부를 상시 점검하는 체계를 구축해, 문제 발생 뒤 수리하는 방식에서 벗어나 사전 예측 정비 중심으로 전환했고 연간 유지보수 비용 절감 효과도 거뒀다.
월마트는 현업 조직 곳곳에서 AI 에이전트가 늘어나며 비슷한 기능을 가진 에이전트가 중복 개발되는 문제에 직면했다. 이에 AI 적용 대상을 4개 축으로 재정의하고 공통 기능을 묶은 '슈퍼 에이전트' 체계를 구축했다. 부서별로 흩어져 있던 하위 에이전트를 표준화하면서 개발 중복과 관리 부담을 덜어낼 수 있었다.
쉘은 100개국 이상 사업 현장에서 AI를 안정적으로 활용하기 위해 설비별 AI 모델뿐 아니라 데이터 체계까지 함께 표준화했다. 현장마다 제각각이던 운영 방식을 줄인 결과, 운영 효율을 높이고 비용을 줄이는 동시에 안전 관리 수준도 끌어올릴 수 있었다.
김 리더는 "정보 검색, 문서 작성처럼 국소 업무를 줄이는 데 그쳐서는 생산성 혁신 효과가 제한적일 수밖에 없다"며 "부서 간 인계, 협업, 의사결정 구조까지 함께 바꿔야 비용 절감과 운영 효율 개선, 안전성 강화 같은 성과로 이어질 수 있다고 말했다.
이와 함께 김 리더는 AX 추진 과정에서 막연한 기대감 대신 투자수익률(ROI)에 대한 철저한 사전 검증과 도입 이후의 거버넌스 체계가 함께 마련돼야 한다고 강조했다.
관련기사
그는 다국어 번역 전문 에이전시에 연간 약 80억 원을 집행하던 한 대기업 사례를 소개했다. 이 기업은 비용 절감을 위해 AI 초벌 번역 에이전트를 도입했지만, 대고객 문구의 오번역 리스크 때문에 전문가 검수 단계를 완전히 없애지 못했다. 결국 AI 에이전트의 개발·운영 비용에 전문가 검수 비용까지 더해지면서, 도입 전 정밀한 재무 시뮬레이션이 이뤄지지 않으면 오히려 비용 부담이 커질 수 있다는 게 김 리더의 설명이다.
그는 이어 “AI 도입으로 효율화가 이뤄지면 직무 전환과 재배치 문제도 필연적으로 뒤따른다”며 “특정 부서의 효율화로 생긴 여유 인력을, 그동안 인력 부족으로 하지 못했던 고부가가치 업무나 AI 에이전트의 라이프사이클을 관리하는 새로운 역할로 재배치하는 전략적 치밀함이 필요하다”고 말했다.
