사례 분석 공통점과 연구 결과

AI 보조를 받은 상담원의 시간당 해결 건수 (경력·숙련도가 낮은 상담원은 약 30% 증가)

AI 비서로 상담원 생산성이 15% 높아졌고 경력이 짧은 직원의 효과가 더 컸다

스탠퍼드대와 MIT 경제학자들은 포춘 500대 기업용 소프트웨어 회사가 주로 2020년 말~2021년 초 상담원 5,172명에게 도입한 GPT 기반 상담 비서를 연구했다. 시간당 해결 건수는 평균 15% 늘었고, 경력과 숙련도가 가장 낮은 상담원은 약 30% 늘면서 속도와 품질이 모두 개선됐다. 가장 숙련된 상담원은 속도 개선이 작았고 품질은 소폭 낮아졌다. 이는 2025년 학술지 게재 연구의 결과이며, 앞선 2023년 워킹페이퍼는 상담원 5,179명을 대상으로 각각 14%와 34%의 향상을 보고했다.

도구가 숙련 상담원의 노하우를 신입에게 전해, 경력이 짧은 직원이 많은 조직일수록 효과가 컸다.

AI 역량 안의 과제 처리 속도 향상 (역량 밖 과제에서는 정답률 19%p 하락)

BCG 컨설턴트는 GPT-4로 일부 과제를 25.1% 빨리 끝냈지만 다른 과제에서는 오류가 늘었다

하버드경영대학원 등 대학과 BCG 연구진은 사전 등록 실험에서 BCG 컨설턴트 758명을 AI 미사용, GPT-4 사용, GPT-4와 짧은 프롬프트 교육 병행 그룹으로 무작위 배정했다. 모델이 수행할 수 있는 컨설팅 과제 18개에서 AI 사용자는 과제를 12.2% 더 많이 끝냈고, 처리 속도는 25.1% 빨랐으며 품질 점수는 평균 약 32% 높았다. 모델의 역량을 벗어난 경영 분석 과제에서는 AI 사용자의 정답률이 약 60~71%로 미사용자의 84.5%보다 19%p 낮았다. 2023년 워킹페이퍼는 품질 향상 폭을 40% 넘게 보고했고, 2026년 학술지 게재 연구는 약 32%로 보고했다.

같은 AI 도구가 일부 컨설팅 과제의 성과를 높인 반면 다른 과제에서는 정확도를 낮췄다. 숙련된 전문가도 어떤 과제가 AI의 역량을 벗어나는지 구분하기 어려웠다.

AI 코딩 도구를 쓴 그룹의 과제 완료 시간 단축

통제 실험에서 깃허브 코파일럿을 쓴 개발자가 같은 과제를 55.8% 빨리 끝냈다

마이크로소프트 리서치, 깃허브, MIT 슬론 연구진이 2022년 5~6월 프리랜서 플랫폼 업워크에서 개발자 95명을 모집해 코파일럿 그룹(45명)과 대조 그룹(50명)으로 무작위 배정했고, 그룹별로 35명이 과제를 끝냈다. 자바스크립트로 HTTP 서버를 만드는 과제에서 코파일럿 그룹은 평균 71분, 대조 그룹은 161분이 걸려 시간이 55.8% 줄었다(95% 신뢰구간 21~89%). 경력이 짧은 개발자일수록 효과가 컸다. 저자 4명 중 3명이 코파일럿을 만든 깃허브나 그 모회사 마이크로소프트 소속이다.

명확한 단일 코딩 과제에서는 시간을 크게 줄였다. 조건이 다른 대규모 기존 코드베이스 유지·보수 연구에서는 효과가 훨씬 작거나 오히려 느려졌다.

AI 도입 최대 걸림돌로 초기 비용 부담을 꼽은 제조 중소기업 비율

한국 제조 중소기업의 44.2%가 AI 도입의 최대 장벽으로 초기 비용을 꼽았다

중소벤처기업부는 2025년 10월 24일 AI 기반 스마트제조혁신 3.0 전략을 발표하며 중소기업중앙회 조사를 인용했다. 제조 중소기업은 초기 비용(44.2%)을 최대 장벽으로 꼽았고 인력 부족(20.5%)과 전략 부재(14.9%)가 뒤를 이었으며, 72.3%는 직접 자금 지원을 원했다. 정부는 AI 도입률을 약 1%로 추산하고 2030년까지 도입률 10%, AI 중심 스마트공장 1만 2,000개를 목표로 정했다. 조사 시기와 표본 수는 알려지지 않았다.

제조사들은 인력 부족이나 전략 부재보다 초기 비용을 더 자주 장벽으로 꼽았다. 정부 대책에는 초기 부담을 낮추는 보조금과 구독형 스마트공장이 포함됐다.

AI 도구 사용 허용 시 과제 완료 시간 증가 (개발자들은 24% 단축을 예상)

숙련 오픈소스 개발자는 2025년 초 AI 도구를 썼을 때 과제 완료 시간이 19% 늘었다

비영리 연구기관 METR은 2025년 2~6월 숙련 개발자 16명이 수년간 관리해 온 대형 오픈소스 프로젝트의 실제 과제 246건에 AI 사용 허용 여부를 무작위로 배정했다. AI를 허용한 과제에서는 주로 커서 프로와 클로드 3.5·3.7 소네트를 썼으며, 소요 시간은 19% 늘었다(95% 신뢰구간 +2~+39%). 개발자들은 사전에 24% 빨라질 것으로 예상했고 실험 뒤에도 20% 빨라졌다고 믿었다. 2025년 8월 개발자 57명으로 시작한 후속 실험은 추정치의 신뢰구간이 0을 포함했으며, METR은 2026년 2월 선택 편향 때문에 데이터를 신뢰하기 어렵다고 밝혔다.

익숙한 코드베이스에서 일한 숙련 개발자는 실측 완료 시간이 늘었는데도 AI 덕분에 더 빨라졌다고 느꼈다. 2025년 초 도구의 결과는 이후 도구와 다를 수 있다.

챗GPT 출시 2년 뒤 임금과 근로시간에 나타난 효과 (2% 초과 효과는 통계적으로 배제)

덴마크에서 AI 챗봇이 널리 쓰였지만 임금과 기록된 근로시간은 변하지 않았다

시카고대 안데르스 훔룸과 코펜하겐대 에밀리 베스테르고르는 덴마크 통계청과 함께 AI 챗봇의 영향을 많이 받는 11개 직종을 대표 표본으로 조사했다. 2024년 말 조사에는 7,000개 사업장의 근로자 2만 5,000명이 참여했으며, 연구진은 이를 2024년 12월까지의 임금·근로시간·직종 행정 기록과 연결했다. 사용을 장려하고 기업용 챗봇과 교육을 제공한 사업장에서는 93%가 챗봇을 써 봤고 28%는 매일 사용했으며 19%는 하루 1시간 넘게 아꼈다고 답했다. 연구진은 챗봇 등장 전후 사용자와 비사용자를 비교해 임금과 기록된 근로시간에 효과가 없음을 확인했지만, 콘텐츠 생성과 AI 결과 검토, AI 통합 업무가 생기면서 업무 구성은 달라졌다.

근로자가 체감한 시간 절약은 2년 안에 임금이나 근로시간에 반영되지 않았다. 사용자 대부분은 아낀 시간을 다른 업무에 썼다고 답했고, 초기에는 일의 구성이 바뀌었다.

AI 코딩 도구를 쓴 개발자의 주간 완료 과제 수 (통합 추정치, 표준오차 약 10%p)

세 기업 실험에서 코파일럿을 쓴 개발자는 과제를 약 26% 더 많이 완료했다

프린스턴대, MIT, 와튼스쿨, 마이크로소프트 소속 경제학자들은 마이크로소프트와 액센추어, 이름을 공개하지 않은 포춘 100대 전자 제조사에서 2022년 9월~2023년 5월 진행한 무작위 실험 세 건을 분석했다. 개발자 4,867명 가운데 무작위로 고른 일부가 실제 업무에서 깃허브 코파일럿을 사용했으며, 세 실험을 합치면 사용자의 주간 완료 과제는 26.08%(표준오차 10.3%), 커밋은 13.55%, 빌드는 38.38% 늘었다. 최근 입사자와 저연차 개발자가 더 많이 사용하고 더 큰 효과를 봤으며, 선임 개발자는 통계적으로 유의한 효과가 없었다. 저자 6명 중 2명은 깃허브를 소유한 마이크로소프트 소속이었다.

실제 기업에서는 단일 과제 통제 실험보다 효과가 작고 오차가 컸다. 주로 경력이 짧은 개발자가 효과를 봤다.