한국은행은 생성형 AI 활용이 업무시간 단축과 실제 생산 증가에 미치는 영향을 실증 분석한 보고서를 발표하였다.
- 최근 생성형 AI가 빠르게 확산되면서 생산성 혁신에 대한 기대가 커지고 있으나, 거시적 생산성 지표에서는 아직 뚜렷한 선이 관찰되지 않고 있음. 본고는 가계조사를 활용해 AI 활용이 업무시간 단축을 통해 잠재적 생산성 향상(potential productivity)을 유발하는지, 그리고 시간 절감이 실제 생산 증가(realized productivity)로 이어지는지를 실증적으로 분석함.
- 분석 결과, AI 활용은 업무시간을 평균 3.8%(주당 약 1.5시간) 단축시키는 것으로 나타남. 특히 저숙련자와 AI 고강도 사용자에게 이러한 효과가 두드러졌음. 업무시간 단축을 생산성 증가로 환산할 경우, 약 1.0%의 잠재적 생산성 향상 효과가 추정됨.
- 그러나 이러한 시간 절감이 실제 생산 증가로 이어지지는 않았음(상관계수 0). AI가 개별 작업 수준의 효율은 높였지만, 업무 흐름(workflow) 개선, 조직 구조 변화, 인력 재배치로 확장되지 못하면서 ‘생산성 단절(disconnect)’ 현상이 나타나고 있는 것으로 해석됨. 다만 예외적으로 자영업자, 전문직, AI 고강도 사용자 등 성과 유인과 업무 자율성이 높은 집단에서는 생산성 증가가 관찰되었는데, 이는 AI의 효과가 기술 자체보다 작업 구조와 유인 체계에 의해 결정될 수 있음을 보여줌.
- 현재 AI는 ‘효율성(efficiency)’ 단계에는 진입했으나 아직 ‘생산성(productivity)’ 단계로는 충분히 전환되지 못한 상태로 평가됨. 이는 범용기술 도입 초기의 전형적인 전환 과정(J-curve, Solow 역설)으로 볼 수 있으며, 향후 정책 대응과 기업조직 및 노동시장 구조의 전환에 따라 생산성 경로는 크게 달라질 수 있음. AI의 생산성 효과를 실현하기 위해서는 업무 프로세스와 조직 구조의 재설계(표준화 업무 vs. 열린 업무), 직무 재배치, 성과 기반 유인체계 구축 등이 중요하며, 청년층의 숙련 형성 경로 변화에 대한 지속적인 점검도 필요함.