# 수천 명의 CEO들이 AI가 고용이나 생산성에 영향을 주지 않았다고 인정함 > Clean Markdown view of GeekNews topic #26778. Use the original source for factual precision when an external source URL is present. ## Metadata - GeekNews HTML: [https://news.hada.io/topic?id=26778](https://news.hada.io/topic?id=26778) - GeekNews Markdown: [https://news.hada.io/topic/26778.md](https://news.hada.io/topic/26778.md) - Type: GN+ - Author: [xguru](https://news.hada.io/@xguru) - Published: 2026-02-18T13:52:56+09:00 - Updated: 2026-02-18T13:52:56+09:00 - Original source: [fortune.com](https://fortune.com/2026/02/17/ai-productivity-paradox-ceo-study-robert-solow-information-technology-age/) - Points: 17 - Comments: 1 ## Summary 수천 명의 경영진이 AI를 언급하지만, 실제 **고용과 생산성에는 뚜렷한 변화가 없다는 조사 결과**가 나왔습니다. NBER 연구에 따르면 경영진의 AI 사용 시간은 **주당 1.5시간**에 불과하며, **90%는 지난 3년간 영향이 없었다**고 답했습니다. 열광은 넘치지만, 생산성은 아직 꿈쩍하지 않는 모양새인데요. 1987년 Solow가 말했듯, “컴퓨터 시대는 어디에나 있지만 생산성 통계에는 없다”는 장면이 다시 떠오릅니다. IT도 처음에는 조용했지만, 몇 년 뒤 급격히 생산성이 상승한 전례가 있습니다. AI가 지금의 침묵을 준비 운동으로 삼고 있는지, 아니면 기대가 앞선 것인지는 아직 판단하기 이릅니다. ## Topic Body - S&P 500 기업 중 374곳이 실적 발표에서 AI를 언급했지만, **6,000명의 경영진 대상 조사**에서 약 90%가 지난 3년간 AI가 고용이나 생산성에 영향을 미치지 않았다고 응답 - 1987년 노벨 경제학상 수상자 Robert Solow가 제시한 **생산성 패러독스**가 AI 시대에 재현되고 있으며, 거시경제 데이터에서 AI 효과가 관측되지 않는 상황 - 경영진의 AI 사용 시간은 **주당 약 1.5시간**에 불과하고, 응답자의 25%는 직장에서 AI를 전혀 사용하지 않음 - ManpowerGroup 조사에서 2025년 AI 정기 사용은 13% 증가했지만, 기술에 대한 **신뢰도는 18% 하락** - 1970~80년대 IT 붐이 1990년대 생산성 급등으로 이어진 전례가 있어, AI도 **J커브 형태**의 지연 후 성장 가능성 존재 --- ### Solow의 생산성 패러독스와 AI - 1987년 경제학자 Robert Solow는 트랜지스터, 마이크로프로세서, 집적회로, 메모리 칩 등장 이후에도 **생산성 증가율이 1948~1973년 2.9%에서 1973년 이후 1.1%로 하락**했다고 관측 - "컴퓨터 시대는 어디에서나 보이지만 **생산성 통계에서는 보이지 않는다**"는 유명한 표현을 남김 - 당시 컴퓨터는 오히려 **과도한 정보를 생산**하며, 지나치게 상세한 보고서를 대량 인쇄하는 등 생산성을 저해 ### CEO 설문 결과: AI의 실질적 영향 미미 - 2024년 9월~2025년 사이 S&P 500 기업 374곳이 실적 발표에서 **AI 언급** 및 긍정적 도입 평가 - 그러나 거시적 생산성 지표에는 뚜렷한 반영 없음 - **NBER(National Bureau of Economic Research)** 이 이번 달 발표한 연구에서, 미국·영국·독일·호주의 6,000명 경영진 대상 조사 수행 - 약 3분의 2가 AI를 사용한다고 응답했으나, 사용 시간은 **주당 약 1.5시간**에 불과 - **25%의 응답자**는 직장에서 AI를 전혀 사용하지 않음 - 약 **90%의 기업**이 지난 3년간 AI가 고용이나 생산성에 영향을 미치지 않았다고 답변 - 그럼에도 경영진은 향후 3년간 AI가 **생산성을 1.4%, 산출량을 0.8% 증가**시킬 것으로 전망 - 기업은 고용이 0.7% 감소할 것으로 예상했으나, 개별 근로자들은 오히려 **0.5% 고용 증가**를 예상 ### 학술 연구 간 엇갈리는 결과 - 2023년 MIT 연구는 AI 도입 시 **근로자 성과가 최대 40% 향상**될 수 있다고 주장 - 그러나 2024년까지 기업의 AI 투자가 **2,500억 달러 이상**으로 급증했음에도 약속된 생산성 향상이 실현되지 않는 상황 - Apollo 수석 이코노미스트 Torsten Slok는 "**AI는 고용 데이터, 생산성 데이터, 인플레이션 데이터** 어디에도 보이지 않는다"고 언급 - Magnificent Seven을 제외하면 **이익률이나 수익 전망**에서도 AI 효과의 징후가 없음 - 세인트루이스 연방준비은행은 ChatGPT 도입 이후 **누적 생산성 성장률이 1.9% 초과 증가**했다고 발표 - 반면 2024년 MIT 연구(노벨상 수상자 Daron Acemoglu)는 향후 10년간 **0.5% 생산성 증가**라는 더 보수적인 수치 제시 - Acemoglu는 "0.5%를 과소평가해서는 안 되지만, 업계와 언론이 약속한 것에 비하면 **실망스러운 수준**"이라고 평가 ### 근로자 신뢰 저하와 기업 대응 - **ManpowerGroup의 2026 Global Talent Barometer** 조사(19개국 약 14,000명 근로자 대상)에서 2025년 AI 정기 사용은 13% 증가했으나, 기술의 유용성에 대한 **신뢰도는 18% 하락** - IBM의 CHRO Nickle LaMoreaux는 [지난주 **신입 채용을 3배로 늘리겠다**고 발표](https://news.hada.io/topic?id=26705) - AI가 일부 업무를 자동화할 수 있지만, 신입 인력을 대체하면 향후 **중간 관리자 부족**과 리더십 파이프라인 위기를 초래할 수 있다는 판단 ### AI 생산성의 미래 전망 - 1970~80년대 IT 붐은 수십 년의 침체 후 1995~2005년 **생산성 증가율 1.5% 상승**으로 이어진 전례 존재 - Stanford 디지털경제연구소장 Erik Brynjolfsson은 4분기 GDP가 **3.7% 성장률**을 기록하고 있는 반면, 일자리 증가는 181,000건으로 하향 조정된 점에서 생산성 급등 신호를 포착 - 자체 분석에 따르면 미국의 작년 생산성은 **2.7% 상승**했으며, 이를 AI 투자에서 실제 혜택 수확 단계로의 전환으로 해석 - 전 Pimco CEO Mohamed El-Erian도 AI 도입으로 인해 **일자리 성장과 GDP 성장의 디커플링**이 진행 중이라고 언급, 1990년대 사무 자동화 시기와 유사한 현상 - Slok는 AI의 미래 영향이 초기 성과 둔화 후 급등하는 **J커브 형태**를 따를 수 있다고 분석 - 다만 1980년대 IT와 달리 현재 AI 도구는 LLM 간 **치열한 경쟁**으로 가격이 하락하여 쉽게 접근 가능 - 따라서 AI 생산성의 미래는 제품 자체의 가치가 아니라, **각 경제 부문에서 생성형 AI를 어떻게 활용하고 구현하느냐**에 달려 있음 ## Comments ### Comment 51330 - Author: neo - Created: 2026-02-18T13:52:56+09:00 - Points: 1 ###### [Hacker News 의견들](https://news.ycombinator.com/item?id=47055979) - 이 글은 AI 생산성 논란을 비판하는 게 아니라, **Solow의 생산성 역설**([Productivity paradox](https://en.wikipedia.org/wiki/Productivity_paradox))에 따라 ‘예상된 현상’으로 설명하고 있음 1970~80년대에도 IT 투자가 막대했지만 경제 전체의 순이익은 한참 뒤인 1990년대 중후반에야 나타났음 초기에는 **비용이 너무 크고 시행착오가 많았기 때문**임. AI도 마찬가지로 지금은 돈과 시간이 많이 들지만, 점차 통합과 효율화가 이루어지면 생산성이 오를 것이라 봄 - 아직 많은 사람들이 AI를 제대로 **활용할 줄 모름** 기술에 익숙한 Hacker News에서도 “AI가 코드 생성 못 한다”고 믿는 사람이 많음 Amazon 출신 친구조차 ChatGPT의 “thinking” 기능을 켜야 고품질 결과가 나온다는 걸 몰랐음. 혁신적 영향은 사용법이 익숙해질 때까지는 기대하기 어려움 - 이 주제의 고전적 해답으로 **Paul David의 『The Dynamo and the Computer』** 를 추천함 [PDF 원문 링크](https://www.almendron.com/tribuna/wp-content/uploads/2018/03/the-dynamo-and-the-computer-an-historical-perspective-on-the-modern-productivity-paradox.pdf) - 비용 측면에서 비교가 부적절하다고 느낌 예를 들어 Claude 구독료는 직원당 월 20달러 수준으로 Slack 같은 도구와 비슷함 1970년대 사무직이 컴퓨터 배우던 시절과 달리 **온보딩이 매우 간단함**, 단기적 효과도 이미 일부 나타나고 있음 - 1990년대 IT 생산성 붐은 **인터넷 연결성(connectivity)** 덕분이었음 수백만 대의 컴퓨터가 네트워크에 연결되면서 진정한 경제적 효과가 발생했음 - 최근 [Fortune 기사](https://fortune.com/2026/02/15/ai-productivity-liftoff-doubling-2025-jobs-report-transition-harvest-phase-j-curve/)에서도 AI가 ‘**J-커브 구간**’에 진입했다는 데이터를 제시함 관련 분석은 [FT 기사](https://www.ft.com/content/4b51d0b4-bbfe-4f05-b50a-1d485d419dc5)와 [Apollo Academy 글](https://www.apolloacademy.com/waiting-for-the-ai-j-curve/)에서도 확인 가능함 - 나는 대기업을 **결함 있는 하드웨어(인간)** 위에서 돌아가는 분산 시스템으로 봄 각 개인(CPU)은 빠르지만, 회의·승인 대기·병렬 불가능한 업무 등으로 지연이 큼 업그레이드 전에 I/O 병목인지 CPU 병목인지 파악해야 함 - 우리 회사가 AI 도입을 밀기 시작했을 때, 시니어 개발자가 “문제는 코딩 속도가 아니라 **I/O 병목**”이라 했음 프로젝트가 너무 많아 집중이 안 되니 캐싱 문제도 생기고, 결국 병목이 더 심해졌음 - 숙련된 직원은 일종의 **L2 캐시** 같음 조직의 기억을 빠르게 꺼내 쓸 수 있게 해야 함. 캐시가 없으면 문제 해결이 오래 걸리고, 잘못된 정보가 캐시에 들어가면 모두가 그걸 믿고 잘못된 방향으로 감 - 신생 스타트업은 처음부터 **에이전트 중심 구조(agent-first)** 로 설계할 수 있어 유리함 완성도는 낮을 수 있지만 훨씬 민첩하고 비용 효율적임 - 분산 시스템과 조직 역학을 비교하는 이 비유가 흥미로움 - 그런데 그렇다면, 왜 **개인 개발자나 소규모 기업**이 AI로 만든 놀라운 오픈소스 프로젝트가 아직 안 보이는지 의문임 - 화이트칼라 업무의 대부분은 **생각하고 말하는 일**임 코딩은 생각보다 구현이 더 큰 비중을 차지했지만, 다른 직종은 회의·정렬·슬라이드 제작·시장 포지셔닝 등으로 구성됨 Cowork 같은 도구가 파일 탐색, 티켓 정리, 엑셀 수식 작성 등을 도와줄 수 있음 하지만 코드는 비즈니스 결정의 결과물이므로 **LLM 자동화에 가장 적합한 형태**임 반면 다른 직종은 단순히 속도만 빨라질 뿐, 완전 자동화는 아직 멀었다고 생각함 - 어떤 엔지니어링 직무가 회의나 조율 없이 가능한지 모르겠음 대부분의 엔지니어링은 결국 협의와 정렬이 필수적임 - 나에게는 **생각이 가장 큰 병목**임 코딩보다 두 배는 더 생각해야 좋은 품질의 코드를 만들 수 있음 - 슬라이드 제작은 이미 많은 사람이 LLM에 맡기지만, **생산성 향상은 선형적이지 않음** 한 시간 절약해도 그만큼 더 가치 있는 일을 하는 건 아님. 오히려 부정확한 슬라이드가 생겨 다른 사람이 수정해야 하는 손실이 생김 - 나는 항상 **생각:코딩 비율이 80:20**이었음 LLM 덕분에 같은 양의 생각으로 더 많은 코드를 생산할 수 있게 된 정도임 - 규칙이 많고 문법이 모호한 영역은 AI가 자동화할 가능성이 큼 예를 들어 [Hazel.ai](https://hazel.ai/tax-planning)는 미국 RIA의 90%보다 나은 세금·투자 계획을 제공함 이로 인해 RIA 수수료가 1%에서 0.1~0.2% 수준으로 떨어질 것이라 봄 - 시니어 엔지니어로서 느끼기에 느린 부분은 **코드 작성이 아니라 리뷰와 승인 절차**임 코드 리뷰, 이해관계자 의견 수렴, 테스트 지연, 문서화, 프레젠테이션 등 이런 검토 과정이 내부에서도 계속 반복되어 병목을 만듦 - 특이점(singularity)에 가까워질수록 세상이 **혼란스럽고 예측 불가능**해짐 급격한 변화 속에서는 모든 게 소음처럼 느껴짐 지금은 단순히 “세상이 더 예측 가능해졌는가, 덜해졌는가”를 자문할 시점임 - [NBER 원문 논문](https://www.nber.org/system/files/working_papers/w34836/w34836.pdf)을 보면 산업별 AI 도입률(A6), 고용 영향(A11), 생산성 영향(A12)이 나와 있음 고객 접점이 많거나 물리적 제품 중심 산업(건설, 소매)은 AI 영향이 낮음 의외로 숙박·음식업이 **생산성 영향 4위**로 높게 나와 흥미로움 - 우리 회사는 아직 AI 도입이 느림 오늘 “AI 사용량이 너무 낮으면 안 좋을 수 있다”는 압박을 받았음 아마 6개월~1년 뒤 “이건 돈 낭비였네”라는 결론이 날 듯함 - 결국 **경영진이 방향을 모르고 직원에게 알아서 하라**는 식임 자기 성과평가도 스스로 쓰게 하는 것과 다를 바 없음 - Microsoft Copilot을 포함한 Fortune 500의 AI 시범 도입을 보면, 여전히 많은 대기업이 **AI 기능을 제대로 이해하지 못함** 고위 경영진은 게으름 탓에 직접 써보지도 않음 - LLM은 반복적이고 명확한 작업에는 유용하지만, **일반 사무직에는 과대평가**된 면이 있음 이메일 작성, 슬라이드 제작, 검색 등은 이미 충분히 쉬움 진짜 강점은 **전사, 번역, 이미지 인식, API 기반 문제 해결** 같은 저수준 작업임 혁신은 있지만 ‘만능 가속기’는 아님 - “낚싯대를 줘도 **릴 쓰는 법을 안 가르치면** 낚시를 못 한다”는 말처럼 교육 부재가 생산성 저하의 원인임 - 지금 AI에 감탄하는 사람은 대부분 개발자이고, 회의적인 사람은 비개발직임 특히 Microsoft Copilot은 **AI 중 최악의 구현**이라 실망스러움 덕분에 실제 생산성 향상을 체감하는 사람이 거의 없음 - 직원 입장에서는 LLM이 숙제 치트키처럼 느껴질 수 있지만, CEO 입장에서는 **검토해야 할 콘텐츠 폭증(DDoS)** 으로 보임 155페이지짜리 문서를 WhatsApp으로 받거나, PR이 쏟아지는 상황에서 “이걸 누가 다 검토하느냐”는 문제가 생김 - 결국 AI는 **리스크 증폭기**임 지금 우리는 컴퓨팅 세계의 **지구온난화급 사건** 속으로 맹목적으로 들어가고 있음