AI 도입 예산을 쏟아붓고 있는데, 정작 실적 발표에는 그 효과가 어디에도 안 보인다면 어떤 기분일까요? 수천 명의 CEO가 지금 정확히 그 기분을 느끼고 있어요.

3초 요약
6,000명 임원 중 90%가 AI 효과 없음 → 1987년 솔로우 역설 재현 → J커브: 투자 후 지연, 그다음 폭발

이게 뭔데?

2026년 2월, 미국 경제연구소(NBER)가 미국·영국·독일·호주 4개국 임원 6,000명을 대상으로 조사한 결과를 발표했어요. 결론은 충격적이었어요. 응답 기업의 약 90%가 지난 3년간 AI가 고용이나 생산성에 아무런 영향을 미치지 않았다고 답했어요.

AI를 사용한다고 답한 임원 비율은 약 66%였지만, 실제 사용 시간은 주당 1.5시간에 불과했어요. S&P 500 기업의 374개사가 실적 발표에서 AI를 언급하며 대부분 긍정적 평가를 내놓았지만, 거시경제 데이터 어디에도 생산성 상승은 보이지 않고 있어요.

바로 이 현상을 경제학자들이 주목하고 있어요. Apollo 수석 이코노미스트 Torsten Slok은 이렇게 표현했어요.

AI는 어디에나 있다. 단, 거시경제 데이터만 빼고. 고용 데이터에도 없고, 생산성 데이터에도 없고, 물가 데이터에도 없다.

이 말은 어디선가 들어본 것 같지 않나요? 맞아요. 딱 40년 전에 노벨 경제학상 수상자 로버트 솔로가 컴퓨터를 두고 한 말과 구조가 완전히 같아요.

90%
AI 효과 없다고 답한 기업 비율
1.5시간
임원들의 주당 AI 평균 사용 시간
$2,500억
2024년 전 세계 AI 투자 규모

뭐가 달라지는 건데?

솔로우 역설(Solow Paradox)은 1987년에 처음 등장했어요. 당시 IBM 매출이 10년 만에 3배 급증했고, 기업들은 앞다퉈 컴퓨터를 도입했는데, 정작 1인당 생산성 성장률은 1948~1973년의 2.9%에서 1.1%로 오히려 떨어졌어요. 솔로가 직접 뉴욕타임즈에 썼죠. "컴퓨터 시대를 어디서나 볼 수 있다. 단, 생산성 통계만 빼고."

이 역설은 세 가지 이유로 설명돼요.

역설의 원인 1980년대 컴퓨터 2020년대 AI
측정 문제 서비스 질 개선이 GDP에 반영 안 됨 AI가 절감한 시간 → 업무 확장에 소비 (측정 불가)
도입 시차 집적회로 → 생산성 반영까지 30년 AI 파일럿 → 실제 프로세스 재설계까지 수년
조직 미적응 기존 업무 그대로 + 컴퓨터만 추가 기존 워크플로 그대로 + AI만 추가

LinkedIn의 컨설턴트 매튜 에드워즈는 이렇게 정리해요. 1980년대에 항공사가 예약 시스템을 스크린으로 옮겼을 때, 이 자체만으로는 생산성이 오르지 않았어요. Sabre 같은 시스템으로 좌석 재고를 동적으로 관리하고 네트워크를 조율할 수 있게 됐을 때야 비로소 효과가 나타났어요. AI도 마찬가지예요. 영업팀이 AI로 이메일을 10배 더 빨리 쓸 수 있어도, CRM 데이터가 엉망이라면 전환율은 그대로예요.

한편 조용히 반전의 신호도 나오고 있어요. 스탠퍼드 디지털경제연구소의 에릭 브린욜프슨은 2025년 미국 생산성이 2.7% 급등했다고 추정해요. 10년 평균 1.4%의 거의 두 배죠. 그는 이것이 AI의 J커브 효과, 즉 투자 초기 성과 하락 뒤 급반등 패턴이 시작되는 신호라고 봐요.

MIT의 노벨상 수상자 다론 아체모글루는 조금 더 신중해요. 향후 10년 동안 AI로 인한 생산성 향상이 약 0.5%에 불과할 것이라고 예측하면서도 이렇게 말했어요.

0.5%가 초라해 보일 수 있어요. 하지만 0보다는 나아요. 문제는 테크 업계와 저널리즘이 만들어낸 기대치와의 괴리예요.

BCG가 1,488명의 미국 직장인을 대상으로 실시한 연구는 또 다른 함정을 보여줘요. AI 툴 3개 이하를 사용하면 생산성이 올라가지만, 4개 이상이 되면 오히려 뇌 피로(AI brain fry)가 생기며 성과가 떨어졌어요.

핵심만 정리: 시작하는 법

솔로우 역설을 반복하지 않으려면, 도구 도입보다 프로세스 재설계가 먼저예요. 전기가 발명되고 공장 전반에 확산되는 데 30년이 걸렸지만, 공장 구조 자체를 전기에 맞게 재설계한 기업들만 생산성 폭발을 누렸어요.

  1. 측정 기준 먼저 정하기
    AI 도입 전, "무엇이 개선되면 성공인지" 구체적 지표를 정해요. "빠르게 느껴진다"가 아닌 "계약 검토 시간이 2일 → 4시간으로 단축"처럼요.
  2. 프로세스를 재설계하고 나서 AI를 얹기
    기존 워크플로에 AI를 붙이면 기존 병목이 더 빨라질 뿐이에요. 먼저 "왜 이 단계가 필요한가"를 따지고, 불필요한 단계를 제거한 뒤 AI를 도입하세요.
  3. AI 툴은 3개 이하로 집중하기
    BCG 연구 기준, 툴이 4개를 넘으면 뇌 부하가 생산성 이득을 잡아먹어요. 하나를 제대로 쓰는 게 셋을 어중간하게 쓰는 것보다 낫습니다.
  4. 보완 투자를 과소평가하지 않기
    브린욜프슨은 IT 투자 효과를 내려면 기술 투자 비용의 최대 10배에 달하는 보완 투자(교육, 조직 개편, 거버넌스)가 필요하다고 했어요. AI도 다르지 않아요.
  5. J커브 구간을 버티기 위한 기대 관리
    도입 초기 성과가 안 보이는 건 실패가 아니에요. 지금이 J커브의 바닥 구간일 수 있어요. 분기별 ROI를 요구하는 보고 구조가 이 구간에서 투자를 끊게 만드는 가장 큰 위험이에요.
🔗

더 깊이 파고 싶다면

NBER Working Paper #34836
6,000명 C-suite 임원 대상 AI 인식 원본 논문. 수치의 근거가 여기 있어요.
The Productivity J-Curve: How Intangibles Complement General Purpose Technologies
브린욜프슨이 J커브 이론을 처음 정립한 MIT 원논문. AI 생산성 지연의 경제적 근거예요.
Back to the Future: Solow's Productivity Paradox in the Age of AI
1980년대 IT 역설과 오늘날 AI의 유사점을 구체적 사례로 분석한 아티클.
The Productivity J-Curve and the Hidden Economics of AI Transformation
조직 내 무형자산 투자가 AI 성과의 결정 변수라는 실전 분석.
AI 효과인가 착시인가 — 미국 생산성 상승 놓고 엇갈린 해석
제롬 파월 연준의장, 바클레이스 분석가의 신중론까지 정리한 국내 기사.
제4차 산업혁명과 재등장한 생산성 역설 논쟁
SPRI(소프트웨어정책연구소)의 솔로우 역설 심층 분석. 전기·집적회로·인터넷의 시차 사례까지 포함.