대기업 AI 도입 현황, 어디서 정보를 얻으세요? 대부분 설문 기반 리포트예요. "AI 쓰고 계신가요?" — "네." 이런 데이터로는 실체를 알 수 없죠. a16z가 이번에 다른 걸 했어요. Fortune 500과 Global 2000의 실제 AI 계약·매출 데이터를 직접 집계한 겁니다.
이게 뭔데?
a16z의 투자 파트너 Kimberly Tan이 2026년 4월에 공개한 리포트예요. 기존 엔터프라이즈 AI 연구와 결정적으로 다른 점이 있어요.
기존 연구: "귀사에서 AI를 활용하고 있나요?" 같은 자기 보고(self-reported) 설문. 정성적 감정(sentiment)을 측정하죠.
a16z 리포트: AI 스타트업들의 실제 계약 데이터, 공개 매출 정보, 그리고 수천 건의 기업·스타트업 미팅에서 수집한 데이터를 집계했어요.
그래서 결론이 좀 다릅니다. MIT가 "AI 파일럿 95%가 실패한다"고 했는데, a16z의 데이터는 그 반대를 보여줘요.
이 수치가 얼마나 이례적인지 맥락을 붙여볼게요. Fortune 500 기업은 신기술의 얼리어답터가 아니에요. 보통 스타트업이 다른 스타트업에 먼저 팔고, 몇 년 뒤에야 대기업 첫 계약을 따내죠. 그런데 AI는 이 관행을 뒤집었어요. 불과 3년 만에 Fortune 500의 거의 1/3이 AI 스타트업의 유료 고객이 된 거예요.
다른 데이터도 같은 방향을 가리켜요. Menlo Ventures에 따르면 기업들의 생성형 AI 지출은 2024년 115억 달러에서 2025년 370억 달러로 3.2배 늘었고요, NVIDIA 조사에서는 64%의 기업이 AI를 실제 운영에 활용 중이라고 답했어요.
뭐가 달라지는 건데?
돈이 몰리는 곳은 세 군데로 명확히 갈렸어요.
유즈케이스: 코딩 > 서포트 > 검색
| 유즈케이스 | 특징 | 왜 잘 되는가 |
|---|---|---|
| 코딩 | 다른 모든 유즈케이스의 합보다 큼 | 데이터 풍부, 검증 가능, 엔지니어가 얼리어답터, 생산성 10~20배 향상 |
| 서포트 | SOP 기반, 정량 측정 가능 | 의도가 한정적, 에스컬레이션 가능, BPO 대체라 변경관리 비용 낮음 |
| 검색 | 사내 검색 + 산업 특화 검색 | ChatGPT 자체가 검색 도구, Glean·Harvey·OpenEvidence 급성장 |
코딩이 압도적인 이유를 a16z는 이렇게 설명해요. 코드는 데이터가 풍부하고(온라인에 고품질 코드가 방대), 텍스트 기반이라 모델 파싱이 쉽고, 구문이 정확해서 결과를 바로 검증할 수 있어요. Cursor의 폭발적 성장, Claude Code와 Codex의 급성장이 이를 입증하죠.
그리고 코딩 도구는 100% 완벽하지 않아도 가치가 있어요. 보일러플레이트 코드 생성, 버그 찾기 같은 부분 자동화만으로도 시간을 절약해주거든요. 개발자가 리뷰하는 human-in-the-loop 워크플로우가 자연스러워서 기업 도입 장벽이 낮아요.
서포트가 두 번째인 이유가 흥미로워요
서포트는 코딩과 정반대 포지션이에요. 코딩은 가장 투자가 많은 영역인데, 서포트는 가장 간과되는 영역이거든요. 그런데 AI에 딱 맞아요. 의도가 한정적이고("환불해주세요"), SOP가 명확하고, CSAT·해결률 같은 지표로 ROI를 바로 증명할 수 있어요. 게다가 이미 BPO에 아웃소싱하고 있으니 AI로 바꿔도 변경관리 비용이 낮아요. "매니저에게 연결해드릴게요"라는 자연스러운 에스컬레이션 경로까지 있으니, 파일럿 리스크가 최소예요.
산업: 테크(당연), 법률·헬스케어(의외)
테크 산업이 선두인 건 당연하죠. ChatGPT 비즈니스 사용자의 27%가 테크 산업이에요. 흥미로운 건 법률과 헬스케어예요.
법률은 원래 소프트웨어 도입이 느린 시장이었어요. 도입 타임라인이 길고, 기술 친화적 바이어가 적었죠. 그런데 기존 소프트웨어는 변호사에게 가치가 제한적이었던 반면, AI는 핵심 업무(대량 텍스트 분석, 추론, 요약, 초안 작성)에 직접 적용돼요. Harvey가 창업 3년 만에 ARR 2억 달러를 달성한 게 그 증거예요.
헬스케어도 비슷한 패턴이에요. EHR(전자건강기록) 시스템이 장악한 시장이라 신규 소프트웨어가 끼어들기 어려웠는데, AI는 의료 기록 작성(scribing), 의료 검색, 백오피스 자동화처럼 EHR을 대체하지 않으면서도 명확한 가치를 주는 틈새를 찾았어요. Abridge, Ambience Healthcare 같은 회사들이 빠르게 성장 중이에요.
아직 안 터졌지만 모델이 빠르게 성장하는 영역
a16z가 가장 주목하는 건 이 부분이에요. OpenAI의 GDPval 벤치마크 기준으로, 모델 성능이 폭발적으로 개선되고 있거든요.
다른 조사들도 비슷한 그림을 그려요. McKinsey는 거의 모든 기업이 AI를 사용 중이지만 2/3가 아직 스케일링 단계에 진입하지 못했다고 했고, Deloitte는 40% 이상 프로젝트가 프로덕션에 있는 기업 비율이 6개월 내 2배로 늘 것으로 전망했어요. ISG는 2025년에 프로덕션까지 간 유즈케이스가 전년 대비 2배로 늘어 31%에 달했다고 밝혔어요.
정리하면, AI 도입은 실제로 일어나고 있고 가속되고 있어요. 다만 모든 곳에서 균일하게가 아니라, 특정 유즈케이스와 산업에 집중되어 있다는 게 핵심이에요.
핵심만 정리: 시작하는 법
a16z 리포트와 여러 조사를 종합해서, 대기업 AI 도입을 검토하는 분들을 위한 프레임워크를 정리했어요.
- "검증 가능한 영역"부터 시작하기
AI가 가장 잘 작동하는 영역의 공통점이 있어요. 텍스트 기반, 반복적 업무, human-in-the-loop 자연스러움, 결과 검증 가능. 코딩·서포트·검색이 1~3위인 이유가 전부 이거예요. 우리 조직에서 이 조건에 맞는 업무를 먼저 찾으세요. - 서포트부터 해볼 것 — 파일럿 리스크가 가장 낮음
SOP가 있고, CSAT·해결률로 ROI를 바로 측정할 수 있고, 실패해도 사람에게 에스컬레이션하면 끝이에요. 코딩 도구는 개발팀이 알아서 도입하지만, 서포트는 경영진의 의사결정이 필요하고 ROI 증명이 쉬워요. - 모델 성능 트렌드를 추적하기
지금 AI가 못하는 것도 6개월 뒤엔 달라질 수 있어요. 회계·감사 분야가 4개월 만에 20%p 개선된 사례처럼. GDPval, METR 같은 벤치마크를 정기적으로 확인하면 "언제 우리 영역에 AI가 쓸 만해지는지" 타이밍을 잡을 수 있어요. - "부분 자동화"의 가치를 과소평가하지 말 것
AI가 업무의 50%만 자동화해도 나머지 50%에 집중할 수 있게 해줘요. 코딩 도구가 보일러플레이트만 만들어줘도 개발자 생산성이 10~20배 올라가듯이. 100% 자동화를 목표로 하면 실패하지만, 부분 자동화는 이미 검증된 전략이에요. - 빌더라면 — 모델은 좋은데 아직 스타트업이 없는 영역을 노리기
a16z가 빌더에게 주는 핵심 조언이에요. 현재 매출 모멘텀은 아니지만, GDPval 기준으로 모델 역량이 급격히 올라가는 영역. 현재 성공한 AI 스타트업들도 모델이 충분히 좋아지기 전에 인프라와 고객 관계를 먼저 구축해서 선점한 경우가 많아요.
설문 vs 실매출 데이터의 차이를 기억하세요
McKinsey, Deloitte, NVIDIA의 조사는 설문 기반이라 "AI를 쓰고 있다"의 정의가 넓어요. a16z 리포트는 실제 계약·매출 기준이라 더 보수적이에요. 두 유형의 데이터를 함께 보면 전체 그림이 더 정확해집니다.
