12. 88%의 실험, 19%의 성과

이 챕터를 다 읽고 나면 알게 될 것: AI 도입-성과 격차의 다섯 가지 구조적 원인. 그리고 이 격차를 넘으려면 어디서 시작해야 하는가.

한국 기업의 AI 도입률은 88%다. 성과를 보고하는 기업은 39%다. 기업 전사 통합에 이른 곳은 7%다. 이 격차의 원인은 기술이 아니다. 과제 선정, 데이터, ROI, 조직, 스케일링. 다섯 곳에서 막힌다.

숫자의 진실

2026년 한경 AX 서밋에서 한국 기업의 AI 현황이 진단되었다[1].

도입률 88%. 높다. 그런데 "도입"의 정의가 문제다. 챗봇을 하나 달았다. 도입이다. 회의록 요약 도구를 쓴다. 도입이다. 이메일 초안을 AI가 쓴다. 도입이다.

성과 39%. 절반도 안 된다. "성과"의 정의도 문제다. 비용이 줄었다고 보고한 기업이 39%다. 이 중에서 정량적으로 측정한 기업은 더 적다.

전사 통합 7%. 이것이 진짜 숫자다. AI가 기업의 핵심 업무 프로세스에 통합된 곳. 100개 기업 중 7개.

글로벌도 다르지 않다. 가트너는 2027년까지 에이전틱 AI 프로젝트의 40% 이상이 취소될 것으로 예측한다[2]. 이유는 세 가지다. 비용 폭주. 가치 불명확. 리스크 통제 부재.

격차의 원인을 구조적으로 분석하면 다섯 가지가 나온다.

첫째, 과제 선정의 실패다. 프롤로그의 127개 과제를 기억하자. 기술에서 출발한다. "AI로 할 수 있는 것"을 먼저 찾는다. "비즈니스가 필요로 하는 것"에서 출발하지 않는다. 과제와 현실의 미스매치다.

둘째, 데이터의 부재다. AI 프로젝트를 시작하면 데이터가 없다는 것을 발견한다. 있어도 품질이 나쁘다. 부서마다 다른 형식이다. 통합하는 데 전체 프로젝트 기간의 60~80%가 소요된다.

셋째, ROI 증명의 실패다. CFO가 묻는다. "얼마를 벌어다 주는가?" 대답하지 못한다. 전통적 ROI 공식에 AI 투자를 넣으면 항상 부적격이 나온다. 비용은 즉시 발생하지만 효과는 지연되기 때문이다.

넷째, 조직의 저항이다. 현업이 원하지 않는다. "내 일을 빼앗는 것 아닌가." 중간 관리자가 막는다. "지금 방식이 잘 되고 있는데 왜 바꾸나." 기술이 아니라 사람이 병목이다.

다섯째, 스케일링 실패다. Pilot은 통제된 환경에서 성공한다. 데이터가 깨끗하다. 전담팀이 집중한다. 운영 환경은 다르다. 데이터가 지저분하다. 전담팀이 없다. 예외 상황이 발생한다. Pilot에서 프로덕션으로 넘어가는 구간에서 대부분 죽는다.

반대편도 보자. 성과를 내는 7%는 무엇이 다른가.

기술에서 출발하지 않는다. 비즈니스 문제에서 출발한다. "이 프로세스의 어떤 단계가 병목인가?"를 먼저 묻는다.

작게 시작한다. 127개를 동시에 하지 않는다. 1개를 제대로 한다. 성과를 증명한 뒤 확장한다.

경영진이 관여한다. AI를 IT 부서에만 맡기지 않는다. CxO 레벨에서 과제를 선정하고, 자원을 배분하고, 장애물을 제거한다.

데이터를 먼저 정리한다. AI 모델을 만들기 전에, 데이터 품질을 확보한다. 데이터 거버넌스를 수립한다. 지루하지만 필수적인 작업이다.

ROI를 새로운 언어로 말한다. "비용 절감"만으로 설명하지 않는다. "프로세스 혁신", "전략적 역량 확보"까지 포함하는 다층적 ROI를 제시한다.

격차를 넘으려면 세 가지 도구가 필요하다.

첫 과제를 고르는 프레임워크. 다음 챕터(Ch.13)의 RAPIDS다. ROI를 증명하는 모델. Ch.14의 3계층 ROI다. 앞으로 5년의 지도. Ch.15의 2026~2030 로드맵이다.

이 세 도구로 Part 4를 마무리한다.

격차의 원인을 봤다. 이제 첫 번째 도구다. 127개 과제에서 1개를 고르는 눈. RAPIDS 프레임워크다.

[1] 한경 AX Summit, '한국 기업 AI 도입 현황', 2026. — 도입률 88%, 성과 39%, 전사 통합 7%