미리보기
미리듣기
AI의 성패를 기술 성능이 아니라 기업 내부 조건에서 찾는다. 데이터 역량, 의사 결정 방식, 인적 자본, 경쟁 구조가 생산성의 차이를 만든다. 생산성 역설과 상보성 이론, 한국 기업 자료를 바탕으로 도입 격차와 혁신 효과를 분석한다. AI를 사는 것이 아니라 AI가 작동할 조직을 설계해야 한다고 말한다.
생산성 역설에 대한 이론적 틀은 현재의 AI 확산 현황을 해석하는 데도 유효하다. 현재 기업의 AI 도입률은 빠르게 높아지고 있을 것으로 예상되지만, 도입 기업 내에서 AI의 활용이 체계적으로 정착되고 조직 전체로 확산되기까지는 어느 정도 시간이 필요할 것이다. 더구나 AI는 이전의 IT 기술보다 더 큰 폭의 조직적 변화를 요구할 수 있다. AI를 효과적으로 활용하기 위해서는(즉, 가시적인 성과를 얻기 위해서는) 데이터 수집과 관리의 체계, 의사 결정 과정의 재설계, 인력 구성의 변화가 필수적이며, 이러한 보완적 조건이 갖추어지기까지의 조정 비용(adjustment cost)은 상당할 수 있다. 현시점에서 AI의 생산성 효과를 속단하는 것은 이르며, 어떤 조건하에서, 어떤 기업에서, 어떤 방식으로 AI의 생산성 효과가 실현되는가를 이해하는 것이 중요할 것이다.
－01_“일반목적기술과 생산성 역설” 중에서
상보성 이론이 AI 시대에 갖는 함의는 명확하다. AI 도입은 기술을 ‘사는’ 행위가 아니라 기업 시스템 전체를 재편하는 과정이다. 데이터를 수집하고 관리하는 인프라, 데이터에 기반하여 의사 결정을 내리는 조직 문화, AI 기술을 이해하고 활용할 수 있는 인적 자본, 그리고 이 모든 요소를 조율하는 경영진의 전략이 함께 갖추어져야 AI 도입이 유의미한 성과로 이어진다. 상보성이 높은 활동들 중 하나만 빠져도 전체 시스템의 성과는 크게 저하될 수 있으며, 이것이 동일한 AI 기술을 도입하고도 기업 간에 성과 격차가 발생하는 핵심 원인이다.
－03_“상보성의 경제학” 중에서
종합하면, AI 도입의 결정 요인은 기업의 규모, IT 투자 수준, 데이터 활용 역량, 산업 및 지역적 특성이 복합적으로 작용하는 것으로 확인된다. 이는 상보성의 이론과도 부합하는 것으로 볼 수 있는데, AI 도입이 단일 요인에 의해 결정되는 것이 아니라 여러 조건이 동시에 갖추어져야 함을 실증적으로 확인시켜 준 결과라고 할 수 있다. 이러한 발견은 AI 확산 정책이 단순한 기술 보급이 아니라는 점을 상기시켜 준다. 기업의 AI 도입 결정은 종합적인 디지털 역량 강화에 따르는 것이며 산업과 지역 등의 특성에 따라 다르게 나타나고 있음을 고려해야 한다.
－06_“AI 도입의 결정 요인” 중에서
이 이론은 AI 산업의 혁신 환경을 분석하는 데도 중요한 시사점을 제공한다. 현재 생성형 AI 분야는 오픈AI(OpenAI), 앤트로픽(Anthropic), 구글(Google), 메타(Meta) 등 몇몇 선도 기업이 기술적으로 비슷한 수준에서 치열하게 경쟁하는 막상막하(neck-and-neck)의 상황에 가깝다. 아기옹의 이론에 따르면 이러한 상황은 탈출 효과가 지배적으로 작용하여 혁신이 촉진되는 구간에 해당한다. 그러나 일부 기업이 막대한 데이터와 컴퓨팅 인프라를 독점적으로 확보하여 기술 격차가 벌어질 경우, 점차 슘페터 효과가 우세해지면서 전체 산업의 혁신 활력이 약해질 수 있다. 이러한 결과를 한국의 주요 산업군에 적용하면, 시장 집중도가 적정 수준을 초과한 산업에서는 경쟁 촉진 정책이, 반대로 시장 집중도가 지나치게 낮아 혁신 유인이 부족한 산업에서는 선도 기업의 R&D를 지원하는 정책이 보다 효과적일 수 있다는 차별화된 정책적 시사점을 도출할 수 있다.
－09_“경쟁과 혁신의 관계” 중에서