AI 투자 수익의 열쇠, 성장에 있다

뉴욕에서 싱가포르까지, 전 세계 회의실에서 같은 장면이 반복되고 있습니다. 누군가 AI를 활용한 파일럿 프로젝트들을 깔끔하게 정리한 슬라이드를 띄웁니다—여기엔 챗봇, 저기엔 코파일럿. 회의실의 모두가 고개를 끄덕입니다. 그러다 질문이 시작됩니다. 이 파일럿 중 실제로 매출을 늘린 것은? 비용을 절감한 것은? 더 나은, 더 빠른, 더 안전한 의사결정으로 이어진 것은?

이어지는 침묵은 불편한 현실을 보여줍니다. 많은 기업에서 수많은 AI 활동이 측정 가능한 성과로 이어지지 못하고 있습니다. PwC 리서치에 따르면, AI로 인한 가치는 현재 소수 기업에게 집중돼 있습니다. 조사 대상 1,217개 기업 중 상위 20%가 AI 기반 수익의 74%를 차지하는 것으로 나타났습니다.

이 AI 선도 기업들을 나머지와 구분 짓는 것은 무엇일까요? PwC는 이를 'AI 피트니스(AI fitness)'라고 정의했습니다. AI 피트니스는 AI를 중요한 곳에 집중하고, 목적에 맞는 기반을 구축하며, AI를 기업 전반에 내재화하는 역량을 뜻합니다.

본 보고서는 AI 파일럿 프로젝트의 개수를 세는 단계를 넘어, AI를 통해 실질적인 매출 성장과 비용 절감을 이끌어내고자 하는 비즈니스 리더를 위해 작성됐습니다. 탁월한 성과를 거두고 있는 기업들이 어떻게 AI 피트니스를 갖추게 됐는지를 설명하며, 모든 기업이 충분히 도달할 수 있는 실행 방식을 제안합니다.  

일부 기업만이 실질적인 성과를 거두고 대다수는 그렇지 못한 이유를 파악하기 위해, 우리는 전 세계 25개 산업에 걸친 1,217개 기업을 대상으로 AI 기반 재무 성과(AI-driven financial performance)를 벤치마킹했습니다. 여기서 AI 기반 재무 성과란 AI를 통해 창출된 매출 증대 및 효율성 개선을 의미하며, 각 기업을 해당 산업의 중앙값과 비교할 수 있도록 보정한 수치입니다.
 

또한 이들 기업의 경영진을 대상으로 AI 관리 및 투자 실행과 관련된 60개 영역에 대한 참여 수준을 조사해, 각 영역이 AI 기반 재무 성과에 미치는 영향을 분석했습니다. 이러한 실행 항목들을 AI 활용 방식과 전략·거버넌스 등 AI의 신뢰성과 확장성을 뒷받침하는 기반 역량에 따라 9개 범주로 분류했으며, 이 9개 범주가 AI 피트니스 지수(AI fitness index)를 구성합니다.

AI 피트니스의 9가지 요소는 무엇인가?

AI 피트니스는 6개의 기반 역량(AI Foundations)과 3개의 AI 활용(AI Use) 지표로 구성됩니다. 아래 그래픽을 통해 자세히 살펴보십시오.
 

AI Fitness Quiz - 당신의 AI 피트니스 지수를 확인해보세요

결론은 명확합니다. AI 피트니스 지수가 가장 높은 기업은 다른 응답 기업 대비 7.2배 높은 AI 기반 재무 성과를 달성하고 있습니다

이 압도적인 성과의 이유는 무엇일까요?  높은 수준의 AI 피트니스는 광범위한 중간 성과 지표들을 향상시키며, 이는 다시 기업의 재무 성과에 영향을 미칩니다.  

AI 기반 재무 성과가 가장 우수한 기업(본 보고서에서 "AI 선도 기업"으로 지칭)은 나머지 기업과 비교했을 때, 자사의 AI 포트폴리오가 신제품 및 신규 서비스의 출시 속도를 높이고, 비즈니스 및 운영 모델을 전환하며, 의사결정의 질을 개선하고, 고객 경험과 신뢰를 강화하는 데 기여했다고 응답할 가능성이 높습니다. 이는 이미 많은 경영진이 중점적으로 개선하고자 하는 핵심 지표들입니다.

AI 피트니스 최상위 기업, AI 기반 성과에서 나머지 기업 대비 7.2배 격차 (산업 조정 기준)

^{AI 기반 성과(여기서는 중앙값 대비 퍼센트 포인트 차이로 표시)는 AI를 통한 매출 증대와 AI를 통한 효율성•비용 개선을 각각 산업 중앙값 대비로 산출하여 결합한 지표입니다. AI를 통한 효율성은 AI로 인한 효율성 향상과 비용 절감의 평균값입니다.}

^{출처: PwC’s AI performance study}

AI를 통해 앞서나가는 기업들은 단순히 'AI를 더 많이 하는 것'이 아닙니다. AI의 확장성과 신뢰성을 뒷받침하는 역량을 먼저 구축한 뒤, 재무적 효과가 극대화되는 곳에 집중적으로 적용하고 있습니다.

AI 선도 기업에서 AI는 우수한 재무 성과를 이끄는 다양한 요소를 개선

Q. 귀사의 전사적 AI 포트폴리오 도입이 아래의 결과 지표들을 얼마나 향상시켰습니까?
("상당 수준" 또는 "매우 높은 수준"으로 응답한 비율만 표시)

^{출처: PwC’s AI performance study}

많은 기업이 AI를 기존 업무의 효율화에 활용하고 있습니다. AI 솔루션으로 보험금 청구를 신속하게 처리하는 보험사, 프로그래머가 AI를 활용해 새 코드의 상당 부분을 작성하는 소프트웨어 기업이 대표적입니다. 우리가 연구한 AI 선도 기업들도 효율화에 AI를 활용합니다. 하지만 거기서 멈추지 않습니다. 이들은 AI를 매출을 끌어올리는 혁신 엔진으로 활용합니다—새로운 제품·서비스를 창출하고, 비즈니스 모델을 재편하여 유망한 신규 시장으로 진출하는 것입니다. 이번 연구에 따르면, 선도 기업은 다른 기업 대비 AI가 비즈니스 모델 혁신 역량을 개선했다고 응답할 가능성이 2.6배 높았습니다.
 

AI 선도 기업은 PwC가 분석한 사업 모델 혁신 활동 전반에서 빠짐없이 AI를 활용하고 있었습니다.

그 출발점은 기회 탐색입니다. 선도 기업은 다른 기업 대비 AI를 활용해 새로운 가치 영역(Value pool)을 포착할 가능성이 1.8배 높았으며, 특히 혁신적이고 다(多)산업 간 제품·서비스 결합을 필요로 하는 고객 니즈 중심의 가치 영역에 주목하고 있었습니다.  이러한 니즈를 충족하기 위해 산업 간 융합이 가속화될수록, 비즈니스 모델을 혁신하는 기업에 돌아가는 보상은 더욱 커질 것입니다.

실제로 산업 융합(Sector convergence)에서 비롯되는 성장 기회를 포착하는 역량은 본 조사에서 AI 기반 재무 성과에 가장 큰 영향을 미치는 단일 요소로 나타났습니다.

AI 선도 기업은 다른 기업 대비 AI를 활용해 타 산업의 기업과 협업하고, 비즈니스 생태계를 통해 가치를 창출하며, 기존 산업 영역을 넘어 경쟁할 가능성이 2~3배 높았습니다. 예를 들어, 자동차 제조사와 헬스케어 기업이 협력하여 차량에 첨단 센서를 장착해 운전자의 건강 데이터를 수집하고, 이를 AI 시스템에 연동해 개인 맞춤형 예방 프로그램을 설계하는 것을 상상해 볼 수 있습니다. 
 

AI 선도 기업, AI 기반 성과에 가장 큰 영향을 미치는 요소인 산업 융합을 통한 성장에 AI를 더 적극적으로 활용

Q. 귀사는 다음 항목에 대해 AI를 어느 정도 활용하고 있습니까?
("상당 수준" 또는 "매우 높은 수준"으로 응답한 비율만 표시)

본 조사에서 분석한 선도 기업은 AI 기반 성장 어젠다를 체계적인 경영 관리(Disciplined management)로 뒷받침하고 있었습니다. 이들은 조기에 전략적 선택을 내리고, 그 선택을 명확한 책임 체계(Ownership)와 성과 측정(Measurement)을 통해 실행에 옮깁니다. 

선도 기업들은 다른 기업과 비교할 때, 단기 및 중장기 관점을 아우르는 우선순위 기반 AI 로드맵을 갖추고 있을 가능성이 더 높았으며, AI 비전을 사업 목표와 연계할 가능성도 높았습니다. 또한 사업 영향을 체계적으로 추적하고, AI 성과에 대해 고위 경영진에게 직접적인 책임(accountability)을 부여했습니다. 
 

AI를 사업 모델 혁신과 산업 융합의 기회에 활용하겠다는 목표를 세우는 것은 비교적 쉬운 일입니다. 어려운 것은 그 성과를 반복적으로 달성하는 것입니다. 그래서 우리가 앞으로 논할 차별화 요소는 목표(Ambition) 자체가 아니라, 이를 뒷받침하는 여섯 가지 핵심 기반 역량(Six targeted foundations)입니다.

AI 선도 기업은 AI 기반 역량을 추상적인 현대화 과제로 여기지 않습니다. 성장과 높은 가치를 창출하는 사업목표를 겨냥한 AI 활용을 대규모의 측정 가능한 성과로 전환하는 데 필요한 만큼만 구축합니다.

AI 기반 역량이 중요한 이유는 AI의 경제성 자체를 바꾸기 때문입니다. 불필요한 마찰, 재작업, 일회성 개발을 줄여, 새로운 AI를 더 빠르고, 더 저렴하고, 더 안정적으로 배포할 수 있게 해줍니다.

앞서 언급했듯이, 이러한 효과는 전환율 효과(conversion-rate effect)로 나타납니다. 성과가 부진한 기업이라도 올바른 실행 방식(practices)을 갖추면, 새로운 AI 활용 사례마다 평균적으로 약 2배의 성과를 거둘 수 있어야 합니다. 

본 조사에 따르면, 아래의 다섯 가지 실행 방식이 가장 큰 성과 향상으로 이어지는 것으로 나타났습니다.

1. 투자자처럼 AI 포트폴리오를 운용하라

본 연구에서 선도 기업들은 다른 기업들에 비해 AI에 실질적으로 더 많은 투자를 하고 있으며, 그 규모는 매출 대비 2.5배에 달합니다. 소프트웨어, 은행, 미디어 및 엔터테인먼트 분야의 선도 기업들은 연간 매출의 약 5%를 AI에 투자하고 있다고 알려졌으며, 이는 여러 산업 분야 중 가장 높은 수준입니다.

그러나 AI에 대한 충분한 투자는 선도 기업 성공 공식의 일부에 불과합니다. 이들 기업은 투자 규모를 늘리는 데 그치지 않고, 투자를 자사의 사업 니즈에 맞게 지속적으로 조정하고자 노력했습니다. PwC 연구에 따르면, 선도 기업은 사업 우선순위가 바뀔 때 고가치 AI 프로젝트로 재무·인적 자원을 재배분할 가능성이 다른 기업들보다 1.3배 더 높았습니다. 이 접근 방식은 유연한 자원 재배분(dynamic resource allocation)이 더 우수한 재무 성과로 이어진다는 다수의 연구 결과와도 일치합니다.
 

2. AI 기반 혁신을 촉진하라

투자가 연료라면, 혁신은 엔진입니다. AI 선도 기업은 빠른 실험이 가능한 환경을 조성합니다. AI 실험을 위한 전용 기술 인프라를 제공할 가능성이 다른 기업보다 1.5배 높았습니다. 예를 들어, 실제 기업 시스템과 분리되어 개발자가 새로운 AI 솔루션을 안전하게 시도할 수 있는 '샌드박스(Sandbox)' 환경이 대표적입니다. 

또한 사업부 내에서 AI 프로젝트를 주도하는 혁신 책임자를 임명할 가능성도 더 높았습니다. 이 두 가지 결합은 AI 파일럿을 착수하고, 더 빠르고 안전하게 운영하는 것을 가능케 합니다. 

더 나아가, AI 선도 기업은 AI 혁신 과제에 대한 체계적인 리뷰를 수행할 가능성이 높으며, 이를 통해 어떤 과제를 우선시하고, 확산하며, 또는 종료할지를 판단합니다. 그 결과, 가치를 창출하는 AI 솔루션으로 안정적으로 이어지는 실험 파이프라인이 구축됩니다.

3. AI 도입 촉진을 위해 직원들의 신뢰를 확보하라

AI의 가치는 사람이 사용할 때 비로소 실현됩니다. 따라서 직원이 기술을 신뢰하는 것은 단순한 '변화 관리' 차원을 넘어서는 문제입니다. 신뢰의 부재는 AI 성과 창출을 가로막는 병목이 됩니다. 신뢰가 낮으면 사용률이 낮고, 사용률이 낮으면 그 영향도 적습니다.

선도 기업은 직원들이 AI를 수용할 수 있는 환경을 조성합니다. AI 선도 기업의 직원은 AI가 생성한 인사이트를 신뢰하고 이를 일상 업무에 활용할 가능성이 다른 기업의 직원 대비 2.1배 더 높습니다.

이러한 신뢰는 단일 프로그램으로 만들어지는 것이 아닙니다. 다음의 요소들로 구성된 하나의 시스템입니다.

• 참여(Involvement). AI 선도 기업에서는 비즈니스, 데이터, AI 전문가로 구성된 팀이 AI 솔루션을 공동으로 개발할 가능성이 더 높았습니다. 부서 간 협업은 사업 니즈와 솔루션 설계 간의 정합성을 높이고, 개발팀에서 사용자에게 넘기는 과정에서 발생하는 비효율적 인수인계를 줄여줍니다. 또한 선도 기업은 직원들에게 AI를 실험할 수 있는 명확한 인센티브를 제공하며, 이는 회사의 우선순위를 뒷받침하는 확장 가능한 솔루션 아이디어로 이어질 수 있습니다.
• 역량 개발(Skill building). 효과적인 업스킬링은 직원들에게 일상 업무에서 AI를 활용하는 방법을 가르치는 것입니다. 선도 기업은 각 역할에 맞는 지속적인 AI 학습 기회를 제공할 가능성이 더 높습니다. 고위 경영진도 교육에 직접 참여하고, 업무에서 AI를 가시적으로 활용함으로써 솔선수범할 가능성이 더 높습니다.
• 안전성(Safety). AI 선도 기업은 AI 사용의 범위와 한계, 그리고 명확한 프로토콜을 통해 직원의 신뢰를 더욱 강화합니다. AI가 수행할 수 있는 범위, 상위 보고가 필요한 사안, 그리고 책임 소재가 누구에게 있는지를 명확히 이해할 때, 직원들은 더 큰 확신을 가지고 AI를 활용할 수 있습니다. 선도 기업에서는 역할 기반의 데이터 및 AI 접근 통제와 함께, 데이터·모델·인프라에 대한 강력하고 최신화된 보안 체계가 갖추어져 있을 가능성이 더 높습니다. 

4. 거버넌스로 신뢰를 강화하고, 실행 속도를 높여라

AI 선도 기업은 거버넌스를 철저히 갖추되, 속도를 늦추는 장치가 아닌 오히려 속도를 높이는 방식으로 적용합니다. 거버넌스 위원회가 책임 있는 AI(Responsible AI) 정책을 수립하면, 현업 팀은 표준 구축 템플릿, 간소화한 체크포인트, 정기 모니터링 등의 메커니즘을 통해 이를 일상 업무에 활용합니다. 이를 통해 일반적인 활용 사례는 신속하게 추진하고, 팀은 가장 위험도가 높은 업무에 대해서만 거버넌스 위원회의 검토를 요청합니다. 

AI 선도 기업은 이러한 체계를 갖추고 있을 가능성이 더 높습니다. 활용 사례 선정부터 애플리케이션 모니터링까지 전 과정에 적용되는 문서화된 책임 있는 AI 프레임워크(Responsible AI framework)를 보유할 가능성이 나머지 기업의 1.7배, 부서 간 협업 기반의 AI 거버넌스 위원회를 운영할 가능성이 1.5배 높은 것으로 나타났습니다.

5. 기술 및 데이터 마찰을 제거하라

경험에 비추어 볼 때, AI 확대를 가로막는 가장 큰 장애 요인 중 일부는 데이터 품질과 접근성, 기술 통합의 어려움, 그리고 동일한 구성 요소(데이터 파이프라인, 통합 레이어 등)를 반복적으로 재구축해야 하는 데서 발생하는 숨겨진 비용입니다.

AI 선도 기업들은 핵심 활용 사례에 대해 이러한 병목 현상을 제거하는 데 집중합니다. 이들 기업은 팀들이 처음부터 다시 만들 필요 없이 바로 가져다 쓸 수 있는 재사용 가능하고 중앙에서 관리되는 AI 컴포넌트를 구축할 가능성이 2.4배 더 높습니다. 또한 우선순위가 높은 AI 애플리케이션에 필요한 고품질 데이터를 제공할 가능성이 1.7배 더 높습니다.  

경영진이 AI를 통해 달성할 사업 목표(성장, 혁신, 효율성 제고 등)를 설정한 이후에는, AI 솔루션이 실질적 가치를 창출할 수 있는 기업 전반의 모든 영역에서 개발되고 구현되도록 해야 합니다. 

AI의 기업 내재화는 세 가지 방향에서 추진됩니다. 

첫째, 사업 전반의 다양한 기능과 영역에 AI를 폭넓게 확산하는 것입니다. 

둘째, AI를 핵심 업무 프로세스와 시스템에 통합해 업무 수행 역량을 강화하는 것입니다. 

셋째, AI를 단순한 보조 수준에서 자동화 수준으로 고도화해 보다 정교한 방식으로 적용하는 것입니다.

1. 넓게 확산하라

본 연구에 따르면, 대부분의 기업들은 여전히 AI를 일부 영역에, 산발적으로, 소수 활용 사례에 국한해 운영하고 있습니다. 반면 선도 기업은 검증된 AI 활용 사례를 팀, 지역, 부서, 가치사슬 활동, 제품 전반으로 확산합니다. 창출된 가치가 특정 영역에 고립되지 않도록 하기 위해서입니다.

예를 들어, 한 보험사가 AI를 활용해 재무 부서의 청구서 처리 시간을 단축할 수 있음을 입증하면, 동일한 문서 접수 및 워크플로우 모델을 법무 부서의 계약 검토와 운영 부서의 보험금 청구 처리 자동화에도 재활용할 수 있습니다.

본 연구 결과, AI 선도 기업은 기업 전략, 공급망 운영, 프런트오피스 및 백오피스 등 가치사슬 전반에 걸쳐 AI를 적용할 가능성이 다른 기업 대비 약 2배 높은 것으로 나타났습니다. 
 

산업별로 보면, AI를 기업 전반에 내재화하는 수준에는 차이가 있습니다. 미디어·엔터테인먼트 산업은 가치사슬 전반의 프로세스에 AI를 내재화하는 측면에서 상위권에 속합니다. 해당 산업에서는 응답 기업의 54%가 방향 설정(예: 전략, 기획), 55%가 수요 창출(예: 마케팅, 영업), 35%가 지원 서비스(예: 재무, 인사), 41%가 수요 이행(예: 생산, 공급망 계획) 영역에서 AI를 확대 적용했거나 내재화한 것으로 나타났습니다.

산업별로 두드러진 강점을 보이는 특정한 가치사슬 영역이 있었습니다. 방향 설정 영역에서는 제약·생명과학 및 자동차 산업이, 수요 창출 영역에서는 기술 서비스와 호스피탈리티·레저 산업이, 지원 서비스 영역에서는 사모펀드 산업이, 수요 이행 영역에서는 보험 산업이 상대적으로 높은 수준의 AI 활용도를 보였습니다.

2. 깊이있게 내재화하라

본 연구에서 최고 성과를 보인 기업들은 단순히 기존 워크플로우에 AI를 얹는 것에 그치지 않습니다. 이들은 AI를 표준 운영 프로세스에 완전히 통합합니다. 이는 업무 효율성과 산출물의 품질을 모두 향상시키는 데 필수적입니다. 예를 들어, 상담원이 별도의 챗봇을 참고한 후 수동으로 지원 티켓에 내용을 복사해 넣는 방식이 아니라, AI가 케이스 관리 시스템 내에서 직접 작동하도록 고객 지원 프로세스를 재설계하는 것입니다. 이 경우 AI는 적절한 고객 맥락과 지식을 자동으로 가져오고, 응답 초안을 작성하며, 복잡한 사안만 전문 상담원에게 전달하는 역할을 수행합니다.

3. 자율화를 추진하라

본 조사에서 검증한 모든 운영 성과 지표 중, 의사결정 자동화는 AI 기반 성과와 가장 강한 연관성을 보인 항목 중 하나입니다. 이유는 단순합니다. AI가 일상적이고 빈도 높은 의사결정을 안전하게 더 많이 담당할 수 있으면, 처리 시간이 짧아지고, 처리량은 늘어나며, 전반적인 성과 개선이 나타나기 때문입니다.

본 연구에 따르면, AI 선도 기업은 더 높은 수준의 정교함으로 AI를 운영할 가능성이 다른 기업의 거의 2배였습니다. 이는 AI가 일정한 통제 범위 내에서 여러 업무를 수행하거나, 더 나아가 자율적으로 운영되며, 스스로 개선하는 수준을 의미합니다. 

AI 선도 기업이 사람의 개입 없이 내려지는 의사결정의 수를 더 늘릴 가능성이 2.8배 더 높다는 것도 놀라운 일이 아닙니다. 이들 기업은 의사결정의 품질 측면에서도 훨씬 더 큰 개선 효과를 보이고 있어, 자동화가 속도 향상과 품질 개선이 병행될 때 가장 큰 효과를 발휘한다는 사실을 알 수 있습니다.

AI 선도 기업, 가장 정교한 AI 활용 방식으로 고급 활용 사례를 선택할 가능성 약 2배

Q. 다음 중 귀사의 가장 정교한 AI 활용 방식을 가장 잘 설명하는 것은 무엇입니까?
각 활용 사례를 가장 정교한 AI 활용 방식으로 꼽은 응답자 비율
 

그렇다고 "기계가 모든 사람의 일자리를 대체한다"는 의미는 아닙니다. 완전한 자율화는 여전히 예외적입니다. AI 선도 기업 중에서도 가장 정교한 활용 사례가 자율적으로 작동하며 스스로 개선하는 단계에 있다고 응답한 비율은 15%에 불과했습니다.

또한 AI 선도 기업의 48%는 AI로 인해 인력이 최소 5% 이상 감소할 것으로 예상한 반면, 49%는 인력 규모에 거의 변화가 없거나 오히려 증가할 것으로 전망했습니다.

많은 경우에서 즉각적으로 나타나는 변화는 사람의 제거가 아니라 지연의 제거였습니다. AI는 통제된 범위 안에서 반복 가능한 판단 업무를 처리하고, 사람은 예외 상황 대응, 상충 관계의 조정, 그리고 의사결정을 전략적 목표에 맞게 이끄는 역할에 더욱 집중하게 됩니다.