기업 AI 확산 44%, 수익 기여는 37%…채용 전망은 지역 데이터와 구분해야
기업의 인공지능 도입 범위가 빠르게 넓어지고 있지만, 이를 회사 전체의 수익 개선으로 연결한 기업은 아직 제한적이라는 조사 결과가 나왔다. 다만 이 조사에서 나타난 직무 변화와 인력 수요는 글로벌 기업의 응답을 바탕으로 한 전망이다. 보스턴권에서 실제로 어떤 채용이 늘거나 줄었는지는 지역별 구인·고용 데이터로 따로 확인할 필요가 있다.
맥킨지가 8월 25일 공개한 ‘글로벌 AI 설문 2026’에 따르면 AI를 전사적으로 확장하고 있다는 응답은 44%로 전년의 38%보다 높아졌다. 연 매출 10억 달러 이상 기업에서는 이 비율이 54%였다. 대기업이 하나 이상의 업무에서 AI 에이전트를 확장한 비율도 27%에서 40%로 상승했다. AI 에이전트는 질문에 답하는 수준을 넘어 정해진 목표에 따라 여러 단계의 작업을 수행하는 시스템을 뜻한다.
이번 조사는 2026년 5월 4일부터 6월 8일까지 97개국의 기업 관계자 1,719명을 대상으로 진행됐다. 국가별 국내총생산을 반영해 응답에 가중치를 적용했지만, 보스턴이나 매사추세츠의 채용시장만을 따로 측정한 조사는 아니다.
개인 생산성과 기업 수익 사이의 간격
개인 단위의 효과는 비교적 뚜렷했다. 응답자의 80%는 AI가 자신의 생산성을 높였다고 답했고, 절반은 의사결정에도 도움이 됐다고 평가했다. 반면 AI가 회사의 영업이익에 긍정적으로 기여했다는 응답은 37%로 전년과 거의 달라지지 않았다.
AI로 영업이익이 5% 이상 개선됐고 그 효과도 상당하다고 평가한 ‘고성과 기업’은 전체의 6%에 머물렀다. 직원이 문서 작성이나 코딩 시간을 줄였다는 경험이 회사 전체의 비용 절감이나 매출 증가로 곧바로 이어지는 것은 아니라는 의미다.
차이는 업무 방식에서 나타났다. 고성과 기업의 약 4분의 3은 기존 업무에 AI 도구만 추가하지 않고 업무 흐름 자체를 다시 설계했다고 답했다. 다른 기업에서 같은 응답을 한 비율은 약 4분의 1이었다. 고성과 기업은 AI 프로젝트의 효과를 측정하는 절차와 경영진의 책임 체계도 상대적으로 더 많이 갖춘 것으로 조사됐다.
기업 입장에서는 이제 AI 사용 인원이나 질문 횟수보다 처리시간, 오류율, 고객 대응 품질, 비용, 매출 등 실제 업무 지표가 얼마나 달라졌는지가 중요해지고 있다. 현직자에게도 단순한 도구 숙련도보다 AI를 업무 과정에 연결하고 결과를 검증하는 능력이 더 구체적인 평가 근거가 될 수 있다.
자체 개발 늘지만 운영비도 변수
소프트웨어 구매 방식에도 변화가 나타났다. 응답자의 32%는 AI 코딩 도구로 필요한 기능을 내부에서 만들 수 있어 하나 이상의 소프트웨어 제품이나 기능을 구매하지 않았다고 밝혔다. 이런 선택은 기술과 의료 분야에서 특히 많이 보고됐다.
동시에 20%는 모델 사용료를 포함한 AI 운영비 때문에 활용 범위를 제한했다고 답했다. 전체 정보통신기술 예산의 10%를 넘는 금액을 AI에 쓰고 있다는 응답도 28%였다. 기업이 자체 개발을 선택하더라도 테스트, 배포, 유지관리, 보안과 개인정보 보호에 드는 비용까지 계산해야 한다는 뜻이다.
이에 따라 AI와 함께 늘어날 가능성이 있는 업무는 코드를 생성하는 일에만 국한되지 않는다. 생성된 결과를 시험하고 배포하는 엔지니어링, 데이터 품질과 평가 기준을 관리하는 업무, 여러 시스템을 연결하는 통합 작업, 모델 비용을 관리하는 AI 재무운영, 보안·규제·위험 검토 등이 함께 중요해질 수 있다.
고용 감소 전망과 실제 결과는 달랐다
고용에 대해서는 예상과 실제 결과를 구분할 필요가 있다. 지난해 조사에서는 응답자의 32%가 향후 1년간 AI 때문에 인력이 줄어들 것으로 예상했지만, 이번 조사에서 지난 1년간 실제 감소를 보고한 비율은 14%였다. 올해는 39%가 다음 1년 동안 인원 감소를 예상했고, 43%는 거의 변화가 없을 것으로 내다봤다.
이 수치는 AI가 곧 대규모 고용 감소로 이어진다는 결론보다 기업의 구조조정 기대가 실제 변화보다 앞서 움직일 수 있음을 보여준다. 별도의 리치먼드 연방준비은행 조사에서도 기업들은 AI가 전체 고용 규모보다 업무 배분과 직무 구성에 먼저 영향을 줄 가능성을 제시했다. 다만 두 조사 모두 특정 지역의 실제 채용 증감을 직접 측정한 자료는 아니다.
보스턴권 독자가 구분해서 볼 부분
맥킨지 조사에서는 제약·의료제품, 보험, 은행 분야 응답자가 AI 투자 확대를 예상한 비율이 상대적으로 높았다. 이들 산업은 의료·바이오, 금융, 보험, 대학 연구, 기업용 소프트웨어가 밀집한 보스턴 경제와 산업 구성 면에서 접점이 있다.
그러나 이를 근거로 보스턴에서 특정 직무의 채용이 늘었다고 말할 수는 없다. 지역 기업의 실제 구인 공고, 매사추세츠 고용 통계, 산업별 투자와 감원 자료가 함께 확인돼야 한다. 임상·연구 데이터 품질 관리, 규제 대상 업무의 결과 검증, 개인정보 보호, 모델 비용 관리 역량이 유용해질 수 있다는 설명도 글로벌 설문에서 읽을 수 있는 방향성이지, 보스턴 지역 채용 데이터로 입증된 결과는 아니다.
취업 준비생과 유학생은 이력서에서 ‘AI 활용 가능’이라는 표현만 제시하기보다 어떤 업무를 바꿨고 시간·비용·정확도가 어떻게 달라졌는지를 보여주는 편이 실용적이다. 소프트웨어 직무라면 생성된 코드의 테스트와 배포 경험을, 데이터 직무라면 데이터 출처와 평가 기준을, 바이오·헬스케어 직무라면 도메인 지식과 검증 절차를 함께 설명할 수 있다.
비자 스폰서십 여부는 이번 조사에서 다루지 않았다. 취업비자가 필요한 지원자는 회사의 실제 스폰서 정책, 직무의 지속성, 근무지 조건을 채용 과정에서 별도로 확인해야 한다. 이는 일반적인 점검 사항이며 개인별 비자 판단은 해당 회사 담당자나 자격을 갖춘 전문가와 확인할 사안이다.
기업 AI 도입은 실험 단계에서 업무 전반으로 넓어지고 있지만, 개인의 시간 절약을 회사의 수익으로 바꾸는 과정은 상대적으로 더디다. 단기적으로는 대기업의 AI 에이전트 확장, 소프트웨어 구매의 일부가 자체 개발로 전환되는 흐름, 운영비 부담을 주목할 만하다. 장기적으로는 현재 6%인 고성과 기업의 비중이 늘어나는지, 예상된 인력 감소가 실제 고용 통계에 얼마나 반영되는지, 보스턴권 채용 공고에서 검증·통합·비용·위험 관리 역량의 수요가 실제로 확대되는지가 관전 포인트다.