AI 도입했는데 성과는 왜 없을까…기업들이 놓치는 3가지[기고/최종두]

크게보기

위 사진은 AI(인공지능)를 활용해 생성된 가상의 이미지입니다. Open AI의 Chat GPT 생성 이미지

생성형 AI를 비롯한 다양한 기술이 빠르게 확산되면서 기업들의 AI 도입 속도는 점점 빨라지고 있다. 그러나 기대와 달리 실제 성과로 이어지지 않는 사례도 적지 않다. 현장에서는 이를 두고 ‘AI 생산성 역설’이라는 표현까지 등장하고 있다. 개인의 업무 효율은 높아졌지만 조직 전체 성과로 연결되지 않는 현상이 나타나고 있다는 것이다.

전문가들은 AI 성과가 나지 않는 이유로 공통적인 세 가지 문제를 지적한다.

첫째는 ‘운영 구조의 변화 없이 기술만 도입하는 경우’다. 많은 기업이 AI를 기존 업무에 단순히 얹는 방식으로 접근하지만, 이는 한계가 명확하다. AI를 통해 실제 성과를 내려면 업무 프로세스를 단계별로 재설계하고, 조직 운영 방식 자체를 바꾸는 ‘AX(전환)’가 필요하다. 기술 도입이 아니라 일하는 방식의 변화가 핵심이라는 지적이다.

둘째는 ‘데이터와 AI 활용 역량의 부족’이다. AI 성과는 모델이나 기술 수준보다, 이를 뒷받침하는 데이터 환경에 크게 좌우된다. 신뢰할 수 있는 데이터와 이를 설계·운영할 수 있는 역량이 부족할 경우, AI는 제대로 작동하기 어렵다. 결국 성과를 만드는 것은 기술이 아니라 이를 활용할 수 있는 조직의 준비 수준이라는 분석이다.

셋째는 ‘사람과 조직을 고려하지 않은 도입’이다. AI 도구가 도입되더라도 구성원들이 이를 신뢰하지 않거나 업무 방식과 맞지 않으면 활용도는 떨어질 수밖에 없다. 실제로 새로운 기술에 대한 저항이나 기존 업무 관성은 AI 도입 효과를 제한하는 주요 요인으로 꼽힌다.

이처럼 AI 도입의 성패는 기술 자체보다 ‘어떻게 적용하느냐’에 달려 있다. 단순한 자동화나 효율 개선을 넘어, 조직의 문제를 재정의하고 이를 해결하는 방식으로 접근해야 실질적인 성과로 이어질 수 있다.

최근 경영 환경에서는 이러한 변화를 ‘AX(AI Transformation)’라는 개념으로 설명한다. AI를 도입하는 것을 넘어, 문제 정의부터 실행 방식까지 전 과정을 재설계하는 접근이다. 특히 기획자와 관리자, 경영자에게는 기술 이해를 넘어 문제를 구조적으로 바라보는 역량이 중요해지고 있다.

결국 AI 시대의 경쟁력은 ‘무엇을 도입했는가’가 아니라 ‘무엇을 해결하고 있는가’에서 결정된다. 기술이 보편화될수록, 문제를 정의하고 조직에 맞게 적용하는 능력이 기업 간 성과 격차를 만들어내고 있다.

한편, 고려사이버대학교는 2026학년도 2학기 일반대학원과 경영전문대학원 신입생을 7월 1일까지 모집한다.

일반대학원은 AI·빅데이터 기반 연구·실무 통합 교육을 통해 조직과 사회의 복잡한 의사결정을 신속하고 합리적으로 지원할 수 있는 데이터 분석·해석 역량을 갖춘 융합형 연구 인재 양성을 목표로 한다. 경영전문대학원은 ‘AX(AI Transformation)’ 기반 교육과정을 도입해 정통 경영학 교육에 AI·빅데이터 분석 역량을 결합한 교육을 제공한다.