생성형 AI와 생산성 수수께끼: 제도와 조직의 중요성

도널드 트럼프 미국 대통령이 세계 주요국가와 무역 전쟁에 이어 중동에서 무력 전쟁을 벌이는 와중에도 미국 경제는 크게 충격을 받지 않은 것으로 보인다. 관세 인상과 유가 상승에도 불구하고 1분기 미국 경제는 회복 탄력성을 보였다. 경제 전문가들은 그러한 성장 동력에 인공지능(AI)이 작동하고 있다고 본다. 이러한 AI 엔진이 미국 경제의 장기적인 생산성과 물가에 미치는 영향이 관건이다.

AI는 최근 경제 성장의 핵심 동력으로 들어서면서, 갈수록 주도적인 역할을 하고 있다. 이것이 단기적인 투자 거품을 형성하는 것인지, 아니면 1990년대 IT 혁명과 같은 지속적인 생산성 호황으로 이어질지 여부가 중요해졌다. 케빈 워시(Kevin Warsh) 미국 연방준비제도(연준) 차기 의장에게 이는 사활이 걸린 문제이며, 워시 의장의 판단에 따른 미국 기준금리의 향방은 기업과 금융시장 투자자에게도 중대한 문제다.

최근 미국 경제 지표와 AI 투자 및 활용 추세를 살펴보면 몇 가지 특이한 시사점이 발견된다. 올해 1분기 미국 경제 성장률과 고용 동향은 양호했지만, 생산성과 물가 지표는 악화되어 서로 다른 신호를 보냈다. 개별 조사에서 생산성 효과가 뚜렷하게 확인되는 데도 여전히 낮은 국가 통계 상 생산성 지표의 수수께끼와 그 해법에 대해 살펴보자. 

미국 경제 성장 엔진: AI 투자

2026년 1분기 미국 국내총생산(GDP)은 전분기 대비 연율 2.0%의 성장률을 기록했다. 기대했던 것보다는 다소 완만하지만 충분히 건강한 수준이었다.^[1]미국 경제는 앞서 2025년에 연간 2.1% 성장했는데 분기별로 보면 트럼프 행정부의 관세 정책과 연방정부 셧다운 등의 영향으로 인해 성장률이 큰 변화를 보였다. 2025년 1분기에는 수입 급증, 2025년 4분기에는 연방정부 셧다운 요인이 각각 성장률을 1%포인트 끌어내리는 역할을 했다.

실질 GDP 성장률의 단점과 변동성을 제거하기 위해 고안된 필라델피아 연방준비은행의 GDP플러스(GDPplus) 지표로 보면, 미국 경제는 2% 초중반의 성장률 추세를 이어가고 있다.^[2] 

출처: FRB of Philadelphia. 딜로이트 인사이트

소비자 지출은 한 분기 동안 1.6% 증가하는 데 그쳤다. 특히 상품에 대한 소비 지출은 증가하지 않았고 서비스 지출이 증가했는데 이 중에서도 의료 지출이 절반 정도를 차지했다. 기초 소비가 약화된 것이다. 소비 지출은 미국 GDP의 약 3분의 2를 차지하며, 올해 1분기로만 보면 68.1% 비중을 기록했다.^[3]

막대한 데이터센터 구축을 위한 투자가 없었다면 미국 경제는 거의 성장하지 못했을 것이다. 1분기 비주거용 고정투자는 무려 10.4% 증가했는데, 이 중에서 장비 투자가 17.2%, 지식재산권(소프트웨어, 연구개발) 투자는 13.0% 각각 늘어났다. 구조물에 대한 투자는 6.7% 감소했다.^[4] 

출처: U.S. BEA, 딜로이트 인사이트

전체 투자 증가의 96%는 정보화기술(IT) 장비 투자와 소프트웨어 투자 두 가지 범주에 기인했다. 이 두 가지 부문의 투자가 GDP를 1.34%포인트 끌어 올렸다. 이것은 주로 AI 투자와 관련된 것으로, 1분기 미국 경제 성장의 67%를 담당하는 가장 중요한 요인이었다.^[5]

이 같은 IT 부문의 분기 성장률 기여도는 1999년 인터넷 거품 시기보다도 높은 사상 최대 규모 기록이다. 또한 최근 5개 분기 성장률 기여도는 평균 0.9%포인트로, 역시 역대 최고치다. 최근 1년 이상 미국 경제 성장은 AI에 의존한 셈이다.^[6] 

출처: U.S. BEA, 딜로이트 인사이트

양호한 미국 경제 여건은 최근 고용 보고서를 통해서도 확인된다. 미국 노동통계국의 조사에 따르면 비농업 부문 신규 일자리 수가 3월에 18만 5,000개, 4월에 11만 5,000개 각각 창출됐다. 2025년 월 평균 일자리 창출 규모가 4만 9,000개 수준인 것과 비교하면 양호한 수치다.^[7]

다만 고용 창출은 특정 부문에 집중되고 있다. 3월 고용 증가분의 절반은 의료 및 사회복지 부문이 차지했고, 4월에도 의료 및 사회복지, 택배 및 배달 서비스, 소매업 등 세 부문을 제외한 다른 모든 부문에서 고용 창출이 미미하거나 감소했다. 4월에는 제조업(-2,000개), 정보산업(-1만 3,000개), 금융서비스(-1만 1,000개) 부문의 고용이 감소했다. 정보산업의 일자리 수는 2022년 11월 고점대비로 34만 2,000개, 약 11% 감소했으며, 최근 12개월 동안 전산 인프라, 데이터 처리, 웹호스팅 및 관련 서비스업의 일자리 수는 2만 3,600개, 약 5% 감소했다.^[8] 

출처: U.S. Bureau of Labor Statistics. 딜로이트 인사이트

부진한 생산성 지표, AI 도입 추세와 괴리

2026년 1분기 비농업 기업 부문의 노동 생산성 증가율은 전분기 대비 연율로 0.8%를 기록, 2025년 1분기 이후 최저 수준을 나타냈다. 전년동기 대비 증가율은 2.8%에 달했지만, 대부분 지난해 2분기와 3분기에 기술 부문의 생산성 향상에 의해 이루어진 것이다. 1분기에 시간당 임금은 3.1% 증가했는데, 생산성 향상을 감안하면 단위노동비용은 2.3% 증가했다.^[9]

출처: U.S. Bureau of Labor Statistics. 딜로이트 인사이트

1947년 이후 미국 비농업 기업 부문의 장기 노동 생산성 증가율은 연평균 2.1% 수준이다. 최근 추세를 보면 미국발 글로벌 금융 위기가 발생한 2007년 이후 2019년까지의 경기주기 때는 노동 생산성이 연평균 1.5%로 하락했다가 2019년 이후에는 연평균 1.8% 수준까지 상승했지만, 여전히 장기 평균치에 미달한다.

생산성 증가율 둔화를 설명하기 위해 여러 가설이 제시되고 있다. 일각에서는 1990년대 IT 혁명으로 인한 생산성 향상 이후 1970~80년대 생산성 증가 추세(1970~1989년 연평균 노동 생산성 증가율 1.7%, 연평균 총요소생산성(TFP)은 0.8%)로 회귀한 현상이라고 본다. 기업이 조직을 재편하고 신기술을 도입하여 생산성 증가율이 크게 높아졌다가 시간이 지나면서 효과가 줄었다는 것이다.^[10]

최근 기술 혁신이 1990년대보다 변혁적인 효과가 덜하다는 주장도 있지만, 기업이 혁신을 받아들일 만큼 규모를 확장하지 못했기 때문이라는 의견도 있다. 이런 맥락에서 다시 강력한 혁신 기술의 도입이 생산성 둔화 추세를 역전시킬 것이란 기대가 있는 한편, 혁신은 항상 기하급수적 성장보다는 누적 성장을 가져오기 때문에 시간이 지나면 성장 속도는 둔화되는 것이 당연하다고 보는 의견도 있다.

또한 경쟁 장벽, 소득불평등 심화, 인구증가율 감소, 부문 간 및 부문 내 혁신의 불균등성으로 인한 병목현상 등이 복합적으로 작용한 결과 생산성이 둔화되었다는 주장도 있다. 

출처: U.S. Congress(2025). 딜로이트 인사이트

생산성이 둔화된 것이 아니라 신기술로 인한 경제의 체질 변화로 생산성이 과소평가된다는 의견도 있다. 디지털 재화 및 서비스 발전으로 인해 과거에는 비용을 많이 지불하던 것이 무료나 저렴한 재화 및 서비스로 제공되어 총 생산량 추정치가 낮게 평가된다는 주장이다.

이러한 견해에 따르면 최근 AI 열풍은 대규모언어모델(LLM) 학습 및 배포에 필요한 전산 능력과 물리적 인프라에 대한 막대한 자본투자가 중심이 되고 있어 생산성 요소를 놓치고 있다. 대규모 모델 학습과 데이터 세트 정제, 새로운 애플리케이션 개발 비용이 자산이 아니라 비용으로 처리되며, 반도체도 지식재산권을 담는 매개체가 아닌 중간재 취급을 받고 있다. 이 때문에 당장 막대한 자본지출은 GDP에 반영되어 AI의 기여도를 과대평가하지만, 그에 따른 생산성 파급효과는 누락된다는 것이다.^[11]

최근 논의는 AI가 결국 장기 생산성 및 성장 강화를 이끌어낼 것인지, 그 경로는 어떻게 될 것인지에 대한 것이다. 과거 역사를 보면 증기기관, 전기, 컴퓨터 등 범용기술(general purpose technology)의 성과는 숙련된 인력, 경영 방식, 제도적 적응 등 보완적인 투자가 수년간 지속된 후에 나타난다. 전기와 ICT 기술이 총생산성을 향상시킬 만큼 널리 보급되기까지는 수십 년이 걸렸다.^[12]

실제로 생성형 AI가 등장한 2023년 이후에는 미국 경제의 노동 생산성이 다시 연평균 2% 수준을 회복했다. 경제전문가들은 AI 도입으로 인해 10년 내에 생산성 향상이 두드러질 것으로 기대한다.^[13]최신 생산성 지표만 보자면 아직은 그런 조짐이 보이지 않는다. AI 도입이 빠르게 늘어나고 있기는 하지만, 기술 부문에 집중되어 있기 때문이다. 기술 부문이 미국 경제에서 차지하는 비중은 10% 정도에 그친다.

미국 인구조사국의 최신 ‘기업 동향 및 전망 조사’(BTOS, 2025년 11월~2026년 1월) 결과에 따르면, 전체 기업들 중 약 18%가 비즈니스 프로세스에 AI를 도입했으며, 6개월 이내에 도입률이 22%에 이를 것으로 예상됐다. 고용가중치로 보면 현재 도입률은 35%에 이르며, 향후 40%를 넘어설 것으로 보인다.^[14] 

출처: U.S. Census Bureau. 딜로이트 인사이트

특히 AI 활용률은 대기업과 지식 집약적 산업에서 높게 나타난다. 정보, 전문 서비스, 금융 부문의 초대형 기업에서는 AI 활용률이 50~60%(고용 가중치 적용 시 60~70%)에 달했다. 활용 범위는 아직 제한적인 것으로 나타난다.

또한 AI 활용 기업들 중 57%정도만 세 가지 이하의 비즈니스 기능에 AI를 통합하고 있으며, 가장 흔한 기능은 영업 및 마케팅(52%), 전략 및 사업 개발(45%), IT(41%)이었다. 기업의 23%(고용 가중치 적용 시 41%)는 직원의 업무 관련 작업에 AI를 활용하고 있는 것으로 나타났다. 글쓰기, 문서 분석, 정보 검색이 생성형 AI를 활용하는 주요 작업이지만, 기업의 65%는 세 가지 이하의 작업으로 제한하고 있었다.^[15] 

생성형 AI는 만병통치약이 될 것인가?

혁신 기술이 경제에 영향을 미치는 주요 경로는 노동 생산성과 총요소생산성(TFP)에 미치는 잠재적 영향이다. 골드만삭스는 AI가 10년 동안 폭넓게 도입될 경우 노동 생산성 증가율이 연간 1.5%포인트(0.3~3.0%포인트 범위 중간값) 높아질 수 있다고 전망했다.^[16]또 세인트루이스 연방준비은행은 생성형 AI로 인한 시간 절약이 근로자의 시간당 생산성을 33% 향상시키고, 전체 노동 생산성을 1.1% 증가시킨다고 추정했다.^[17]

세인트루이스 연방준비은행이 자체적으로 분기별 조사를 통해 발표하는 생성형 AI 양산 제품 출시 3년 내 도입률은 2025년 11월 현재 미국 18~64세 성인인구의 55.9%에 이른다. 또한 업무용 도입률은 40.7%에 이르며 이들이 절약한 근로시간은 약 2% 수준이었다. 이는 PC 제품 출시 이후 도입률(업무용 25.1%, 비업무용 5.5%)을 크게 넘어선 것이다.^[18] 

출처: FRB of St. Louis Real-Time Population Survey. 딜로이트 인사이트

갤럽의 최신 조사(2026년 2월)에서는 미국 피고용자들의 약 28%가 일주일에 수 차례 이상 업무에 AI를 사용하는 것으로 나타났다. 매일 사용한다는 응답은 13% 수준이었다. 전체 AI 사용자 비중은 50%에 달했다. AI의 업무 도입률을 끌어올리는 데에는 기업 관리자들이 지원이 중요한 역할을 하는 것으로 나타났다. 자신이 속한 기업이 업무 방식 개선을 위해 AI 기술이나 도구를 도입했다는 응답자 비중은 41%에 달했다.^[19]

AI를 사용하는 근로자 중 66%가 업무 생산성과 효율성에 긍정적인 영향을 미쳤다고 응답했고, 영향이 없거나 부정적이라는 응답은 34% 정도로 나타났다. 그런데 AI가 업무 방식을 바꾸고 있는지 여부에 대해 강력하게 동의하는 응답 비중은 12%에 그쳤다. 강한 반대 의견이 18%, 반대 의견도 24%에 달해 AI가 업무 방식을 혁신하기 보다는 기존 업무 프로세스 내에서 생산성을 향상시키는 도구 정도라는 견해가 많았다. 또한 자신이 속한 기업이 AI를 통합하기 위한 명확한 전략이 있다는데 동의한 비중도 26%에 그쳐, AI에 대한 신뢰도 향상과 도입률 강화에 부정적인 여건이었다.^[20] 

출처: GALLUP. 딜로이트 인사이트

생산성은 경제적 투입이 얼마나 효율적으로 재화와 서비스로 전환되는지를 보여주는 경제 효율성의 척도이다. 더 적은 자원으로 더 많은 재화와 서비스(산출물)를 생산할수록 생산성은 높아진다. 장기적으로 생산성 증가는 경제 성장과 생활 수준 향상으로 이어진다. 생산성은 대개 노동 생산성을 일컫지만, 노동을 제외한 자본이나 기타 투입 요소도 고려해서 도출하는 것이 총요소생산성(TFP)이다. TFP는 노동과 같은 단일 투입 요소 외에 자본 및 기타 계산 가능한 모든 투입 요소의 효율성을 측정한다.

노동 생산성은 더 나은 도구와 장비, 숙련 정도, 나아가 더 나은 조직 운영 등 다양한 요인에 의해 향상될 수 있다. TFP는 모든 투입 요소의 전반적인 효율성을 고려하며, 모든 투입 요소 대비 산출량을 평가함으로써 보다 포괄적인 생산성 지표를 제공한다. 노동의 투입을 넘어 기술 발전과 전반적인 생산 효율성 향상까지 반영하는 것이다. 이를 통해 성장에 기여할 수 있는 여러 요인들을 구분할 수 있다.

생성형 AI 도입은 TFP에도 영향을 미칠 수 있는데, 이는 연구개발 속도를 빨라지게 하기 때문이다. 일부 연구에 따르면 생성형 AI 도입 후 단기간(10년)에 TFP에 미치는 누적 영향은 약 0.53%로 예상된다.^[21]

생성형 AI 도입이 확산되더라도 그 효과가 생산성 데이터에 의미 있게 나타나기까지는 시간이 걸릴 수 있다. 이는 부분적으로 제도적 요인이나 기업 운영 방식 또는 절차 상 요인 때문이다. 일례로 노동자가 AI를 비공식적으로 업무에 사용하면 당장 작업 생산성은 향상될 수 있지만, 이로 인해 절약된 시간을 ‘업무 중 여가’로 활용한다면 전반적인 생산성 향상에는 도움이 되지 않을 수 있다.^[22]

실제로 생성형 AI 도입과 노동 생산성, TFP 사이의 상관관계를 아직 명확하게 찾아내기는 힘들다. 더구나 최근 생산성 및 TFP 지표가 부진하기 때문에 괴리가 발생하고 있다. 샌프란시스코 연방준비은행이 실시간으로 집계하는 TFP 데이터에 따르면, 2026년 1분기까지 4개 분기 동안 TFP는 1.88% 증가했지만, 자본 및 노동의 가동률(utilization rate)을 감안하고 보면 0.4%에 그쳤다. 2026년 1분기 자체로만 보면 TFP는 0.6% 증가했는데, 가동률이 2.77%나 증가했기 때문에 조정치는 마이너스 2.18%로 나타났다.^[23] 

출처: FRB of San Francisco. 딜로이트 인사이트

최근 생산성 지표 약화는 AI 업계의 자신감과 대조적으로, 이번 AI 기술 혁신이 과거 IT 혁명 수준이라도 되면 다행이라는 부정적인 견해도 제기된다. 이는 생성형 AI 기술이 과거 PC와 인터넷 기술보다 혁신성이 떨어지기 보다는, 과거 IT 기술에 비해 자동화 구현 방식이 근본적으로 다르고, 이로 인해 이전에는 피해갔던 병목 현상이 두드러지기 때문이다.^[24]

미국 의회조사국의 연구 결과 현재까지 드러난 초기 데이터는 AI가 의미 있는 노동 생산성 향상을 가져올 수 있음을 보여주지만, 이러한 생산성 향상이 완전히 실현되지는 않았을 수도 있음을 보여준다.^[25] 

AI 생산성 수수께끼 해법: ‘조직의 변화 역량’

PC와 인터넷 기술은 핵심 작업이 이미 결정된 논리 구조로 수행되며, 인간의 입력 실수가 아니라면 결과가 달라지지 않는다. 그러나 AI는 인지적 결과물의 생성 자체, 예를 들어 글쓰기나 코딩과 같은 과정을 자동화하고, 그 과정에서 흔치 않지만 결정적으로 중대한 오류를 범하기도 한다.

이 때문에 AI가 어떤 결과물을 생산하는 한계비용이 제로(0)로 수렴한다고 해도, 인간이 최종적으로 개입하고 전문적인 지식으로 검증해야 한다면, 절약한 시간과 비용은 AI의 추론 과정을 재구성하고 최종적인 주장이나 결과물을 검증하고, 나아가 결과에 대한 책임을 지는 데 필요한 시간과 비용으로 일부 혹은 거의 전부가 상쇄될 수 있다.

게다가 AI가 범한 오류의 대가가 심각한 수준에 이를 수 있다는 위험이 있다. 핵심 코드를 변경하거나 자금을 이체하거나 데이터베이스를 삭제하거나 시스템 에이전트가 전광석화와 같은 속도로 피해를 만들 수 있기 때문이다. 결국 AI로 얻은 생산성 자체는 신뢰성 검증에 필요한 시간과 비용을 제외해야 순수한 생산성 효과를 가려낼 수 있다.^[26]

금융시장과 AI 업계 내부자들은 2030년까지 생성형 AI로 인한 지식근로자의 생산성이 몇 배나 증가할 것이라고 예측하기도 한다. 하지만 국가 생산성 통계에는 이런 주장이 현실화된다는 증거가 없다. 다양한 학자들의 연구 결과, 해답은 제도적 변화에 시간이 소요된다는 점과 기업 차원에서는 새로운 기술에 적응할 수 있는 제도적, 조직적 혁신 노력에 있는 것으로 보인다.

최근 미국 학자들이 66개 기업의 7,137명에 이르는 근로자들을 대상으로 실시한 현장 실험에 따르면, 6개월간 실무에 사용하는 애플리케이션에 생성형 AI 도구(MS365 코파일럿)를 통합해준 결과 전체 참여자의 80%가 매주 이메일 확인 시간을 2시간 줄였고 정규 근무 시간 외 일하는 시간이 감소하는 효과가 발생했다. 하지만 AI로 인해 근로자들의 업무량이나 업무 방식 구성에 특별한 변화는 나타나지 않았다.^[27]

생성형 AI 도구를 도입해도 화상 회의나 문서 작성에 소요되는 총 시간에서는 평균적으로 유의미한 변화가 없었으며, 근로자의 업무에 의미 있는 변화가 나타나지 않고 업무 재조직을 위한 혁신은 감지하지 못했다. 직원들은 동일한 수의 이메일 스레드에 답하고, 같은 수의 팀즈(Teams) 회의에 참여했으며, 같은 횟수의 워드 문서 작성을 완료했다.

이러한 연구 결과는 새로운 기술 혁신이 도입되는 초기 단계의 특징을 보여준다. 주된 생산성 향상은 이러한 새로운 역량에 맞춰 업무의 성격을 바꾸는 보완적인 프로세스 혁신에서 비롯된다는 것이다. 이러한 제도적 변화는 시간이 많이 소요되는 과정이다.

한 유럽 테크 기업 최고경영자(CEO) 겸 AI 전문가는 풀리지 않는 생산성 수수께끼를 풀기 위한 다양한 논의의 연결고리는 바로 기업 조직의 ‘가소성’(plasticity, 탄력적 적응성)에 있다고 주장했다. 조직이 새로운 혁신 기술에 적응하여 최선의 성과를 내려면 근로자의 행위에 대한 AI의 가독성, 모듈화 가능성, 경로대체 가능성, 재설계 권한의 부여 등을 통해 개별 근로자 단위의 성과를 기업의 조직적 산출물로 전환하는 역량이 중요하며, 이를 위한 기업의 변화 역량과 적응을 위한 탄력성, 유연성이 필요하다는 것이다.^[28]

이상과 같이 제도적, 조직적 관점의 분석으로 보면, 기존 AI의 생산성 분석은 근본적인 결함을 가지고 있다. 고립되고 표준화된 작업 환경에서 측정된 개별 생산성 향상이 기업과 국가 경제 전체에서는 합으로 드러나지 못하는 제도적, 조직적 구조의 한계점이 존재한다.

한편, 신기술 도입에 대해 가소성이 높은 조직이 최대의 성과를 낼 수 있다는 것은 사실이지만, 서비스 산업에서는 가소성이 낮은 기업도 생존할 수 있다. AI가 확장하기 힘든 공간이 존재하기 때문이다.

법률사무소나 회계, 시스템통합, 보험서비스업 등은 재화 시장과 달리 기성품이 아니라, ‘관계’와 ‘평판’ 혹은 ‘신뢰’를 판다. 여기에는 서비스의 가격과 무관한 전환 비용이 존재한다. 고객은 당장 인간 변호사보다 반값에 AI 변호사를 이용할 수 있다고 해도 10년간 함께 한 변호사를 떠나기 힘들다. 최고의 브랜드를 가진 회계 컨설팅 회사는 높은 평판 때문에 구매자의 구매 결정에 따르는 위험을 줄여준다. 기업의 선택에서는 위험 회피가 가격 민감도보다 높다.^[29]