대졸 직원과 고졸 직원이 같은 비즈니스 과제를 풀면, 보통 대졸 쪽이 잘하잖아요. 당연하다고 생각했던 이 격차가 AI 하나로 4분의 1 수준으로 쪼그라들었어요. NBER에 발표된 무작위 대조 실험(RCT) 결과예요.
이게 뭔데?
아르헨티나·영국 연구팀(Cruces, Galiani 등)이 25~45세 성인 1,174명을 대상으로 온라인 무작위 대조 실험을 했어요. 참가자들은 교육 수준이 다양했고(고졸~대학원졸), 실제 직장에서 만날 법한 비즈니스 문제 해결 과제를 수행했어요.
절반에게는 생성형 AI 어시스턴트를 제공하고, 나머지 절반은 AI 없이 같은 과제를 풀게 했어요. 핵심 발견은 이거예요:
AI 없이 과제를 수행하면 고학력 참가자가 저학력 참가자보다 0.548 표준편차 높은 성과를 냈어요. 그런데 AI를 사용하면 이 격차가 0.139 표준편차로 줄었어요. 교육 수준에 따른 생산성 격차의 75%가 사라진 거예요.1
중요한 건 이 결과가 기존 회사 내부 연구와 다른 점이에요. 기존 연구들은 같은 회사, 같은 직군 안에서 상위-하위 성과자를 비교했어요. 하지만 이 연구는 교육 수준이 근본적으로 다른 사람들을 비교했다는 점에서 더 강력해요. 회사가 이미 비슷한 사람들만 뽑는 채용 필터를 거친 뒤가 아니라, 진짜 다양한 배경의 사람들을 대상으로 한 실험이에요.
한 가지 더. 연구팀은 AI를 사용한 뒤 다시 AI 없이 과제를 수행하게 했는데, 교육 격차가 그대로 남아 있었어요. 이건 AI가 근본적인 역량을 바꾼 게 아니라, 역량 차이의 영향을 완충해준다는 뜻이에요. AI는 교사가 아니라 이퀄라이저인 셈이죠.
뭐가 달라지는 건데?
이 연구 하나만 있으면 우연일 수 있어요. 그런데 같은 방향을 가리키는 연구가 계속 나오고 있어요.
| 연구 | 대상 | AI의 격차 해소 효과 |
|---|---|---|
| Cruces et al. (2026)1 | 성인 1,174명 (다양한 교육 수준) | 교육 격차 75% 감소 |
| Dell'Acqua et al. (2025)2 | P&G 전문가 776명 | 전문 분야 경계 소멸, 비전문가→전문가급 성과 |
| Dell'Acqua et al. (2023)3 | BCG 컨설턴트 758명 | 하위 50% 성과 43%↑ vs 상위 50% 17%↑ |
| Brynjolfsson et al. (2023)4 | 고객 지원 상담사 5,179명 | 하위 성과자 생산성 35%↑, 상위는 미미한 변화 |
P&G에서 진행된 Cybernetic Teammate 실험이 특히 인상적이에요. 776명의 R&D와 마케팅 전문가가 실제 제품 혁신 과제를 수행했는데, AI를 사용한 개인이 AI 없는 팀(2인)과 동일한 성과를 냈어요. 더 놀라운 건 전문성 경계가 무너진 거예요 — R&D 전문가도 AI와 함께하면 마케팅 관점의 솔루션을, 마케팅 전문가도 기술적 솔루션을 내놓았어요.
BCG 컨설턴트 실험에서는 이미 엘리트 중의 엘리트인 집단에서도 격차 축소가 확인됐어요. 하위 50% 컨설턴트의 성과가 AI로 43% 올랐지만, 상위 50%는 17%만 올랐어요. AI가 상향 평준화를 만드는 도구라는 뜻이에요.
이 연구들의 공통 패턴을 한마디로 정리하면 이래요:
AI는 모든 사람의 성과를 높이지만, 덜 가진 사람에게 더 많이 준다.
핵심만 정리: 우리 조직에 적용하는 법
AI가 교육 격차를 75% 줄인다면, 4년제 학위를 필수 자격으로 거는 게 과연 합리적인지 다시 생각해볼 때예요. 특히 AI 도구를 적극 활용하는 포지션이라면, 학력보다 AI 활용 역량과 문제 해결 접근법을 평가하는 게 더 나을 수 있어요.
기존 교육이 "이 분야의 지식을 채워주겠다"였다면, 이제는 "AI를 써서 어떤 분야든 빠르게 파악하는 법"을 가르치는 게 ROI가 높아요. BCG 실험에서도 프롬프트 훈련을 받은 그룹이 안 받은 그룹보다 더 높은 품질의 결과물을 냈어요.
P&G 실험에서 AI를 사용한 개인이 AI 없는 2인 팀과 같은 성과를 냈어요. 이건 "전문가 2명이 필요한 일"을 "AI를 쓰는 1명"이 해낼 수 있다는 뜻이에요. 팀을 크게 만드는 대신, 소수 인원 + AI 조합으로 실험해보세요. 단, 상위 10% 수준의 탁월한 결과는 여전히 사람+AI 팀에서 나왔어요.
AI가 격차를 줄이는 건 좋지만, 근본 역량까지 바뀌는 건 아니에요. AI를 빼면 격차가 다시 나타났거든요. 그래서 "AI와 함께한 성과"와 "AI 없이 내린 판단력"을 모두 평가하는 이중 프레임이 필요해요. 특히 관리자 역할에서는 AI 결과물의 오류를 잡아내는 능력이 여전히 중요해요.
Cruces et al.의 원문. 1,174명 RCT 설계, 교육 수준별 성과 비교, AI 사용 후 격차 75% 감소의 통계적 근거를 상세히 볼 수 있어요.
P&G 776명 현장 실험의 핵심 결과를 Mollick 교수가 직접 정리한 글이에요. AI가 팀워크, 전문성, 감정까지 바꾸는 과정이 잘 정리되어 있어요.
시카고대 경제학 교수가 AI 생산성 연구들의 마이크로-매크로 증거를 종합 정리한 리빙 문서예요. 개별 연구들을 큰 그림에서 이해하고 싶을 때 좋아요.
