현장은 80이라고 하고, 손익계산서는 37이라고 한다
보고서 가운데 한 페이지가 눈에 밟힙니다. 오늘 아주경제 보도가 인용한 맥킨지 ‘2026년 AI 현황: ROI를 향한 여정’ 보고서가 그렇습니다. 기업의 AI 여정이 ROI의 단계에까지 닿았는지를 쫓아간 보고서인데, 그 여정의 요약을 두 개의 숫자가 담고 있습니다. 같은 페이지에 나란히 놓여 있는 이 둘입니다. 80%의 기업이 AI 활용으로 개선 효과를 체감했습니다. 그리고 EBIT, 손익에 실제로 드러난 곳은 37%뿐입니다. 고성과 기업으로 꼽히는 기준은 EBIT가 5% 이상 늘어난 기업이라고 합니다. 격차가 작지 않은 셈입니다. 다만 오늘의 질문은 한 발 더 나아 있습니다. 왜 두 숫자가 안 맞는지요. 체감은 늘고 장부는 느린 회사들의 사이에 무엇이 끼어 있는지요.
오늘 다이제스트, 채택된 18건의 기사는 반도체 칩과 클라우드 인프라, AI 모델과 에이전트, 정책과 소버린 AI, 빅테크 투자, 그리고 국내 기업의 AI 도입으로 나뉩니다. 이 가운데 기업 AI 도입을 훑으면 안 맞는 숫자 쌍이 가득합니다. 도입은 갈라져 있고 속도와 거버넌스는 따로 달리고 유일하게 숫자가 일치한 곳은 따로 있습니다. 짝을 하나씩 꺼내 보겠습니다.
글의 핵심 개념을 형상화했습니다.
도입률 안에 숨은 두 개의 한국
보고서의 도입률은 매출 규모에서 갈라집니다. 연 매출 10억 달러, 약 1조 3800억 원을 넘는 기업의 40%가 AI 에이전트를 하나 이상 쓰고 있고 이는 전년 27%에서 13%포인트 오른 수치입니다. 같은 보고서의 대상에는 이 매출 미만, 중소, 중견기업까지 포함됩니다. 10억 달러 미만은 22%로 제자리입니다. 단계도 뚜렷합니다. 대기업에서는 ‘전사 확장’이 40%로 가장 많았고, 중소, 중견기업에서는 ‘미도입’이 41%로 가장 많았습니다. 체감 효과도 대기업 54%, 중소기업 33%로 온도 차가 납니다.
에이전트가 맡는 업무도 단순 실무가 아닙니다. 코딩, 마케팅, 공급망, 재고. 돈이 많이 드는 핵심 업무로 이동하고 있고 보고서가 쓰는 표현을 빌리면 기업 AI는 실험 단계에서 ‘ROI를 향한 여정’으로 넘어섰습니다. 도구별 활용도 같은 방향을 가리킵니다. AI 챗봇이 47%로 1위인 가운데, AI 에이전트와 소프트웨어 코딩 에이전트가 각각 20% 수준까지 올랐습니다. 질문에 답하던 챗봇이 보편화된 뒤, 일을 실제로 처리하는 에이전트가 다음 층으로 넘어온 셈입니다.
숫자 하나 더 있습니다. 기업의 5곳 중 1곳이 코딩 에이전트로 소프트웨어를 직접 만들어 구매를 대체하고 있고, 32%는 소프트웨어 하나 이상을 안 사본 경험이 있다고 답했습니다. AI가 소프트웨어의 소비자가던 기업을 생산자로 바꾼다는 평가가 나오는 이유입니다.
그런데 격차는 좁아지지 않습니다. 대기업은 확장하고 중소기업은 얼어붙는 구조입니다. 대기업의 에이전트 요건이 공급망을 타고 협력사까지 전이되면, 무거운 투자 없이 운영을 해야 하는 쪽이 바로 투자할 수 없는 쪽이 됩니다. 먼저 확장한 대기업이 에이전트 요건을 협력사의 표준으로 내미는 순간, 중소기업의 ‘도입할까 말까’는 ‘언제까지 버틸까’로 바뀝니다. 보고서가 ‘양극화’라고 부르는 이 구도는 시간의 문제가 아니라 구조의 문제입니다.
전선은 뛰고 손잡이는 따라오지 못했다
두 번째로 안 맞는 숫자 쌍이 선명하게 보이는 곳은 보험업입니다. EBN의 질문은 직설적입니다. 혁신 속도는 빠른데 리스크 대응책은 갖췄느냐. 푸본현대생명은 7월부터 대표를 포함한 임원부터 실무자까지 ‘AI 바이브코딩 활용 교육’을 실시하고 있고, 사내 GPT 서비스 활용 경진대회를 동시에 열었습니다. 삼성생명은 AI 고객경험 글쓰기 시스템으로 ICT 어워드 코리아 2026 AX혁신 부문 통합대상, 과기부 장관상을 받았습니다. 전선은 확실히 달리는 셈입니다.
눈에 띄는 것은 싱가포르의 가이드라인입니다. 에이전트 AI의 위험을 전사 리스크관리에 통합하자는 그 기준이, 업계에서 에이전틱 AI 시대의 감독 표준 사례로 꼽힌다고 합니다. ‘에이전트를 어떻게 통제할 것인가’의 기준선이 이미 바깥에서 먼저 서고 있다는 뜻입니다.
감독 당국의 걸음도 빠른 것입니다. 영국은 고영향 개인금융 영역을 AI 거버넌스 감독의 초점으로 삼고 있고 싱가포르 MAS는 에이전트 AI 위험을 전사 리스크관리 체계에 통합하는 가이드라인을 제시했습니다. 호주 APRA와 ASIC은 제3자, 외부 솔루션 리스크 통제를 강조하는 것입니다. 국내 ‘금융 분야 인공지능 가이드라인’도 경영진이 AI 생애주기 전반의 역할과 책임을 분담하고 이사회가 내부통제의 적정성을 점검하며, 위험관리 전담 조직을 개발 부서와 기능적으로 분리해 이해상충을 막아야 한다고 권고합니다. 만드는 팀과 통제하는 팀을 겹치게 하지 말라는 뜻이지요.
위험한 것은 이 두 속도의 차이입니다. 한국금융연구원은 세 가지 부작용을 경고합니다. 복잡한 사전 검증, 승인 프로세스로 활용이 위축되고 혁신 속도가 늦어지는 일. 실질 리스크 점검 없이 체크리스트만 확인하는 형식적 통제 문화. 그리고 승인받지 않은 외부 AI 도구를 우회 사용하는 ‘그늘 AI’, Shadow AI의 확산입니다. 전선이 càng 빨리 달리면 그 뒤에서 통제 없이 움직이는 에이전트 사용도 그만큼 커집니다.
그림이 완성되는 지점이 여기인 셈입니다. 그늘 AI가 확산되면, 현장에서는 관리 밖 도구로 체감 효과가 쌓이고 장부에는 리스크와 비용만 남습니다. 80은 더 쓰는 만큼 더 크게 느는 체감이고 37은 제대로 쓰인 것만 남는 숫자입니다. 개선은 체감되지만 측정되지도 통제되지도 않아 손익으로 내려가지 못하고 대신 리스크라는 형태로 쌓이는 곳. 80과 37의 격차는 도구가 없어서 생긴 차이가 아니라, 쓰인 자리와 통제된 자리의 차이입니다.
일치하는 쌍은 어디에 숨어 있었나
오늘 다이제스트에서 두 숫자가 일치한 기업이 하나 있습니다. KT. 신아일보 보도에 따르면 박윤영 사장 취임 반년을 맞은 KT의 선택은, 통신에서 AI 플랫폼으로 옮기는 경쟁 한가운데서 AI 상담센터, AICC의 중심 자체를 다시 쓰는 것이었습니다. 에이전틱 AICC의 중심을 상담, 즉 질문과 답변에서 업무 처리, 상담 이후의 신청과 처리로 옮긴 것입니다. 새로 적용한 ‘에이전트 커넥터’는 챗봇, 상담봇, AI 뱅커, AI 에이전트처럼 서로 다른 채널과 서비스를 연결해 고객 상담의 맥락과 정보를 유기적으로 이어줍니다. 상담봇이 대화를 끝내고 다음 단계의 신청은 그 맥락이 살아 있는 상태로 처리되는 구조지요. 고객이 매 채널에서 처음부터 다시 설명하지 않아도 되는 것은, 상담이라는 업무 자체가 처리라는 업무로 이어진다는 뜻입니다.
도구를 하나 더 붙인 이야기가 아닙니다. 업무 흐름을 다시 배선한 이야기라고 할 수 있는 셈입니다. 금융권 연속 수주가 그 뒷담입니다. 8월 10일 NH농협은행 차세대 AICC 구축 완료에 이어 우리은행 AI 챗봇, 상담봇 재구축 사업자로 선정됐고 구축형 AICC 레퍼런스는 총 34개. 금융 24, 비금융 10입니다. 그리고 숫자입니다. 2분기 AX 매출이 전년 동기 대비 22.3% 늘었습니다. 박윤영 사장은 2028년까지 AX 매출 2배, 영업이익률 9%를 목표로 한다는 구상도 함께 나옵니다. 레퍼런스는 금융을 넘어 제조, 유통, 병원 쪽으로 확장할 방침이라는 점도 눈에 띱니다. ‘상담이 처리가 된’ 곳에서 손익계산서는 따라왔고 이제 그 패턴을 다른 산업으로 복사하겠다는 뜻입니다.
한편으로는 국가가 컨트롤 타워를 먼저 갖춥니다. 머니투데이 보도에 따르면 국가AI전략위원회 2기가 구성을 마쳤습니다. 하정우 전 AI수석의 상근 부위원장 복귀로, 4월 재보궐선거 이후 약 4개월간 이어진 리더십 공백이 해소된 것입니다. 기획과 조율을 맡는 대통령실, 예산과 실행을 맡는 정부, 산학연을 결집하는 국가AI전략위. 이 삼중 체제가 자리잡고 AI데이터센터 특별법과 국가 메가프로젝트가 연료로 투입되는 구도입니다. ‘글로벌 AI 3강 도약’ 속도전과 함께, 국산 프런티어 모델 독파모, SKT와 LG, 업스테이지 3개 모델은 2차 관문을 통과했습니다. 하정우 부위원장은 수출통제 시대에 대비해 프런티어 자체 역량을 갖추자고 강조했고, 연말 ‘모두의 AI’ 출시는 첫 시험대가 됩니다. 국가 단위의 레이스는 달리기 전에 조율과 예산, 거버넌스를 먼저 세운다는 점. 그것이 기업 현장의 양극화와 가장 선명한 대비를 이루는 대목이다.
문제는 도구가 아니라 운영입니다
세 쌍을 모아 본다. 도입은 40과 41로 갈라졌고 속도는 혁신과 거버넌스로 따로 달렸고 업무 흐름을 다시 배선한 곳에서만 숫자가 일치했다. 보고서의 숫자가 가리키는 결론은 그와 같다. 우위는 도구를 몇 개 들였는가가 아니라, 워크플로 재설계와 성과 측정에 있다. 그리고 최대 애로는 AI 운영비, 토큰 비용을 포함한 운영비 부담인 셈이다. 10곳 중 2곳이 활용 제약을 호소하고 있다. 다만 10곳 중 6곳은 향후 1년 내 AI 투자 확대를 계획하고 있어, 돈을 거두어들이는 구도는 아니다. 예산은 오히려 늘어나는데 장부는 제자리이니, 조여 오는 것은 예산이 아니라 운영이다.
현장의 80과 손익의 37 사이를 채우는 것은 화려하지 않은 중간층이다. 어떤 에이전트가 어떤 정책 아래에서 무엇을 할 수 있는지. 실행에서 무엇이 있었는지, 이사회 앞에 꺼낼 수 있는지. 어느 작업에 어떤 모델로 얼마를 썼는지. 실행 환경이 폐쇄망인지, 클라우드인지. 이 네 물음에 대한 답은 도구 평가에는 없고 운영의 층에만 있다.
이 지점에 ThakiCloud의 Paxis가 렌즈로 들어옵니다. Paxis는 Agent-Native Cloud의 정식 제품, v1.1 GA입니다. Skills, Tools, Policies, Audit Logs가 부속 기능이 아니라 일급 리소스로 관리된다. 자율도 L0부터 L3까지의 거버넌스가 ‘에이전트를 어디까지 혼자 두는가’를 정책으로 쓰게 하고 정책 게이트는 실행 앞에서 막아 서며 감사 로그는 이사회에 꺼낼 수 있는 기록을 남긴다. 실행은 격리 샌드박스 안에서 이뤄지고 작업은 MCP 커넥터와 스킬 마켓으로 이어지며 CostRouter는 작업별로 모델을 골라 운영비 부담을 흡수한다. 소프트웨어 구매를 내재 개발로 바꾸는 기업이 5곳 중 1곳에 달하는 지금, 그 개발의 산출물이 스킬 마켓에서 재사용되는 자산으로 돌아오는 순환도 같은 층의 일이다. 금융과 공공처럼 실행 환경을 자기 영토에 두어야 하는 곳은 소버린, 온프레미스 K8s ai-platform이 그 답입니다. 그늘 AI도 결국 금령으로 막는 것이 아니라, 관리로 해결된다. 정책 안에 있는 실행은 감사가 되고, 감사는 장부에 드러납니다.
현장의 80과 손익의 37은 안 맞습니다. 그런데 맞기도 합니다. 에이전트의 운영이 측정 가능하고 통제 가능하고 감사 가능해지는 순간. 두 숫자가 일치한 곳에서 KT의 손익계산서는 이미 따라오고 있습니다. 각 기업이 앞으로 답해야 할 질문은 ‘도구를 하나 더 넣을까’가 아니라, ‘중간층에 무엇을 세울까’입니다.
참고 자료
이 글은 아래 뉴스를 종합해 작성했습니다.