Executive Summary
AI 에이전트가 기업 거래의 숨은 비용 네 가지를 동시에 무너뜨리고 있다. 거래 상대를 찾고, 협상하고, 감시하고, 제재하는 비용이다. 이것은 단순한 효율화가 아니라 "기업은 왜 존재하는가"라는 근본 질문을 흔드는 변화다. 그러나 AI가 아무리 발전해도 사라지지 않는 비용이 있다. "이 거래를 해야 하는가"를 판단하는 비용이다.
핵심 수치
- 계약서 검토 연 36만 시간 → 수초: JPMorgan COIN
- 불량 탐지율 95% → 99.7%, 검수 인력 30%↓: Siemens
- 사기 탐지 정확도 99.9%, 연 10억 달러+ 피해 방지: Visa
- 기업 구매 AI 자동화 23% → 2027년 50% 전망: Accenture
- 로보어드바이저의 대리인 비용 90%↓
기업은 왜 존재하는가
1937년, 영국의 경제학자 Ronald Coase는 단순한 질문을 던졌다. 시장에서 자유롭게 거래하면 될 텐데, 왜 사람들은 굳이 회사라는 조직을 만드는가[1].
답은 거래비용이었다. 시장에서 거래하려면 눈에 보이지 않는 비용이 든다. 물건을 팔 사람을 찾는 비용. 가격을 흥정하는 비용. 약속대로 했는지 확인하는 비용. 약속을 어겼을 때 따지는 비용. 이 비용이 너무 크면, 차라리 사람을 고용해서 조직 안에서 처리하는 편이 낫다. 그래서 기업이 생겼다.
88년 동안 이 설명은 유효했다. 인터넷이 나와도, 클라우드가 보급돼도, 거래비용은 줄었을 뿐 사라지지는 않았다.
AI 에이전트가 이 균형을 근본적으로 흔들고 있다.
네 가지 숨은 비용
찾는 비용 — 수 주가 수 초로
기업이 거래 상대를 찾고, 가격을 비교하고, 적합한 사람을 채용하는 데 드는 비용이다.
Coupa라는 조달 AI는 공급업체를 찾는 과정을 50~70% 단축했다[2]. LinkedIn의 AI 채용 매칭은 후보자 탐색 시간을 60% 줄였다. AI가 수백 건의 제안서를 몇 초 만에 분석하고, 가장 적합한 상대를 골라준다.
이전의 기술은 찾을 수 있는 범위를 넓혔다. AI는 찾는 행위 자체를 대신한다.
협상 비용 — 36만 시간이 수 초로
계약서를 쓰고, 조건을 조율하고, 법률 검토를 받는 데 드는 비용이다.
JPMorgan Chase의 COIN이라는 시스템은 대출 계약서 검토에 들어가던 연간 36만 시간을 몇 초로 줄였다[3]. Ironclad의 AI 계약 서비스는 검토 시간을 80% 줄이고 법무팀이 처리하는 양을 3배로 늘렸다. Harvey라는 법률 AI는 미국 대형 로펌의 계약 검토 비용을 40~60% 절감하고 있다[4].
감시 비용 — 문제가 터진 후에서 터지기 전으로
상대방이 약속대로 했는지 확인하는 비용이다. 물건 품질 검사, 납기 관리, 성과 확인이 여기에 해당한다.
Siemens의 AI 검수 시스템은 불량품 발견율을 95%에서 99.7%로 올리면서 검수 인력은 30% 줄였다[5]. Walmart의 공급망 AI는 납품 확인을 자동화해서 공급업체와의 분쟁을 40% 줄였다.
과거의 감시는 사후적이었다. 문제가 터진 다음에 발견했다. AI의 감시는 예측적이다. 문제가 터지기 전에 경고한다.
제재 비용 — 소송 대신 자동 처리
약속을 어겼을 때 따지고 해결하는 비용이다.
Visa의 AI 사기 탐지는 99.9% 정확도로 연간 10억 달러 이상의 피해를 막고 있다[6]. HSBC의 무역금융 AI는 서류 위조를 95% 정확도로 잡아내고 인력 비용을 60% 줄였다.
더 근본적인 변화도 있다. 스마트 계약이라는 기술은 조건 충족 여부를 AI가 판단하고, 조건이 맞으면 자동 지급, 안 맞으면 자동 제재한다. 법원에 갈 필요가 없는 집행이다.
그래도 사라지지 않는 비용
네 가지 비용이 모두 0에 가까워져도, 하나는 남는다. "판단 비용"이다.
AI가 거래 상대를 찾고, 계약서를 쓰고, 이행을 감시하고, 위반을 처리할 수 있다. 그러나 "이 거래를 해야 하는가?"라는 질문에는 답하지 못한다. 이것이 Human in the Loop(사람이 최종 판단에 참여하는 것)의 경제학적 본질이다.
사람의 판단이 꼭 필요한 지점은 세 가지다.
첫째, 목표를 정하는 일이다. AI는 주어진 목표를 달성하는 데 뛰어나다. 그러나 무엇을 목표로 삼을지를 정하는 것은 사람의 몫이다. AI 판매 에이전트가 당장의 매출을 높이면서 고객의 장기 신뢰를 망가뜨린 사례가 이미 나오고 있다.
둘째, 예외를 처리하는 일이다. AI가 배우지 않은 상황, 규정이 애매한 영역, 이해관계가 부딪히는 경우가 해당된다. 이런 예외는 전체의 5~15%에 불과하지만, 가치의 대부분이 여기에 몰려 있다.
셋째, 옳고 그름을 판단하는 일이다. 법적으로 문제없지만 적절하지 않은 결정, 당장은 이득이지만 장기적으로 위험한 선택이 여기에 속한다.
McKinsey에 따르면, 지식 노동의 6070%는 AI가 대신할 수 있다[7]. 그러나 나머지 3040%가 전체 가치의 80%를 만든다. AI가 처리하는 일은 양은 많지만 가치는 20%에 그친다. 사람이 판단하는 일은 양은 적지만 가치는 80%다. AI 전환의 성패는 자동화 비율이 아니라 "어떤 판단을 사람에게 남길 것인가"의 설계에 달려 있다.
회사의 경계가 달라진다
경제학자 Oliver Williamson은 거래의 성격에 따라 회사가 직접 할지, 외부에 맡길지가 달라진다고 설명했다[8]. AI가 이 판단 기준을 바꾸고 있다.
첫째, 회사만의 특수한 지식이 덜 특수해진다. 과거에는 특정 회사의 회계 방식이나 고객 취향 같은 지식이 그 회사 안에서만 쓸 수 있었다. AI는 이런 지식을 학습하고 옮길 수 있게 만든다. 회사 안에 가둬둘 이유가 줄어든다.
둘째, 불확실성이 줄어든다. AI 예측 모델은 거래 상대가 약속을 지킬 확률, 고객이 떠날 가능성, 가격 변동 폭을 미리 계산한다. 불확실성이 줄면 굳이 장기 계약을 맺거나 직접 고용할 필요도 줄어든다.
셋째, 상대방의 꼼수가 통하지 않는다. 정보를 한쪽만 가지고 있을 때 꼼수가 가능하다. AI가 실시간으로 이행을 추적하고 이상 징후를 잡아내면, 정보 격차가 해소된다.
결과는 분명하다. 거래비용이 높으면 회사가 커지고, 낮아지면 시장 거래가 늘어난다. Accenture에 따르면, 기업 구매의 23%가 이미 AI로 자동 처리되고 있으며, 2027년에는 50%를 넘을 전망이다[9].
그렇다고 회사가 사라지는 것은 아니다. 전략적 판단, 이해관계 조율, 윤리적 결정은 여전히 조직이 필요하다. 회사의 모양이 바뀌는 것이지, 회사 자체가 없어지는 것은 아니다.
AI도 대리인이다
회사에서 사장이 직원에게 일을 맡기면, 직원이 사장의 뜻대로만 움직이지는 않는다. 이것을 경제학에서 "대리인 문제"라고 부른다[10].
AI는 이 문제의 한쪽을 해결한다. 모든 거래가 기록되고, 모든 판단 과정이 추적 가능하니 감시 비용이 거의 0이 된다. 로보어드바이저는 펀드매니저의 대리인 비용을 90% 줄였다.
그러나 새로운 대리인 문제가 생긴다.
AI에게 "매출을 올려라"고 지시했는데, AI가 해석한 "매출 올리기"와 사장이 원하는 "매출 올리기"가 다를 수 있다. 이것이 AI 정렬 문제다. 또한 사람이 AI에게 지시하고, 그 AI가 다른 AI에게 다시 지시하는 다층 구조에서는 각 단계마다 의도가 어긋날 수 있다. 이 문제는 아직 풀리지 않았다.
JK's Take
기업 비용의 상당 부분은 "일을 하는 비용"이 아니다. "일을 시키고, 확인하고, 제대로 했는지 검증하는 비용"이다. 이것이 거래비용의 본질이다.
AI가 이 비용을 무너뜨리고 있다. 그러나 무너지는 비용만 보면 절반만 보는 것이다.
사라지지 않는 비용이 있다. "이 거래를 해야 하는가", "이 정도면 충분한가", "이것이 옳은 판단인가". 이런 질문은 AI가 대신할 수 없다.
AI 전환에서 진짜 질문은 "무엇을 자동화할 것인가"가 아니다. "어떤 판단을 사람에게 남길 것인가"다. 전자는 효율화다. 후자는 구조 전환이다.
What to Watch
— AI 에이전트끼리 직접 거래하는 시대가 오고 있다. B2B 구매에서 AI가 직접 협상하고 계약하는 비율이 2027년 50%로 예측된다. 회사의 경계가 실시간으로 재편되기 시작한다.
— 자동화 비율보다 중요한 것은 사람이 판단하는 지점의 설계 품질이다. 어떤 판단을 사람에게 남기느냐가 AI 전환의 승패를 가른다.
— "AI도 대리인이다"라는 인식이 확산될 것이다. AI의 목표가 회사의 진짜 목표와 일치하는가, 여러 AI가 연쇄적으로 일할 때 누가 책임지는가가 핵심 의제로 떠오를 전망이다.
References
[1] Coase, R., "The Nature of the Firm", Economica, 1937. — 거래비용(transaction cost, 거래를 성사시키는 데 드는 모든 숨은 비용)이 기업 존재의 근본 이유라고 주장한 논문이다.
[2] Coupa, "AI-Powered Procurement", 2024. https://www.coupa.com/products/ai — 소싱 사이클(sourcing cycle, 조달 요청부터 공급업체 계약까지의 전체 과정) 단축 사례다.
[3] JPMorgan Chase, "COIN: Contract Intelligence Platform Results", 2024. — COIN(Contract Intelligence, 계약서 자동 분석 시스템)은 JPMorgan이 개발한 AI 계약 검토 플랫폼이다.
[4] Harvey AI, "Legal AI Adoption in Am Law 100 Firms", 2025. https://www.harvey.ai — Am Law 100(미국 매출 상위 100대 로펌 순위) 기준 법률 AI 도입 현황이다.
[5] Siemens, "AI Quality Inspection: Defect Detection Improvement", 2024. https://www.siemens.com/digital-industries — 불량 탐지율 99.7%는 100만 개 중 불량이 3,400개 이하인 수준이다.
[6] Visa, "AI Fraud Detection Annual Savings Report", 2024. https://usa.visa.com/about-visa/security.html — 스마트 계약(smart contract, 조건 충족 시 자동 실행되는 디지털 계약) 관련 사례도 포함했다.
[7] McKinsey, "The Economic Potential of Generative AI", 2024. https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier — 60~70% 자동화 가능성은 직업 전체가 아니라 개별 업무 단위(task-level)로 분석한 결과다.
[8] Williamson, O., "The Economic Institutions of Capitalism", Free Press, 1985. — 자산 특정성(asset specificity, 특정 거래에서만 가치 있는 투자)이 기업 경계를 결정한다는 이론이다. 예를 들어 한 고객만을 위해 만든 금형은 다른 고객에게 쓸 수 없다.
[9] Accenture, "Technology Vision 2024", 2024. https://www.accenture.com/us-en/insights/technology/technology-trends — 자율 조달(autonomous procurement, AI가 발주부터 계약까지 사람 없이 처리하는 방식)이 2027년 50%에 달할 것으로 전망했다.
[10] Jensen & Meckling, "Theory of the Firm", Journal of Financial Economics, 1976. — 대리인 문제(agency problem, 일을 맡긴 사람과 실행하는 사람의 이해관계 불일치로 생기는 비효율)를 정의한 논문이다.
