AI 업무 활용은 급증했지만 생산성 성과 전환은 아직 제한적
한국은행 조사에서 업무용 생성형 AI 활용률은 2025년 51. 8%에서 2026년 66. 5%로, 평균 시간절감률은 3. 8%에서 9. 2%로 상승했지만 핵심업무 적용과 처리량·품질 개선의 연결은 여전히 약합니다. 기업은 도입률보다 직무별 활용 역량과 검증 체계를 강화하고, 절감시간을 추가 산출과 고객 서비스로 전환하도록 업무흐름을 재설계해야 합니다.
AI 업무 활용은 급증했지만 생산성 성과 전환은 아직 제한적
1. 조사 목적과 방법
- 한국은행은 생성형 AI 확산이 근로자의 실제 업무성과에 미치는 영향을 파악하기 위해 2026년 8월 14일
9월 23일 전국 만 1864세 취업자 16,342명을 조사함. 표본오차는 95% 신뢰수준에서 ±0.77%p임 - 2025년 조사 응답자 중 2,024명을 재조사해 2개년 패널자료를 구축하고, 유료 서비스 이용, AI 학습·활용 습관, 업무처리량 및 품질 변화를 추가 조사함
- 분석은 AI 활용 현황과 비용·편익, 업무시간 절감, 학습효과, 처리량·품질 개선을 구분하여 살펴봄. 회귀 결과는 특성을 통제한 조건부 상관관계이며 인과효과로 단정할 수 없음
2. 생성형 AI 활용이 빠르게 확산됐으나 활용의 깊이는 제한적임
- 업무용 AI 활용률은 2025년 51.8%에서 2026년 66.5%로 14.7%p 상승했으며, 정기 사용률은 17.1%에서 30.6%로 높아짐. 업무 외 활용률도 60.1%에서 78.8%로 증가함
- 지난주 업무상 AI를 사용한 근로자의 주당 평균 사용시간은 5.9시간에서 8.0시간으로 약 36% 늘었고, 전체 생성형 AI 활용률은 81.1%로 인터넷의 초기 확산 속도를 웃돎
- 한국의 업무용 활용률 66.5%는 비교 대상 주요국 중 가장 높고, 미국·유럽 6개국 평균 33.7%의 약 두 배임
- 사용일 하루 60분 이상 활용한 비율은 78.6%에서 81.5%로 상승했으며, 지난주 매일 사용한 근로자 중에서는 90.2%에서 94.1%로 증가함
- 활용률은 18
29세 77.1%, 3039세 78.4%인 데 비해 50~64세는 53.7%였고, 학력별로는 대졸 미만 51.2%, 대졸 74.5%, 대학원 졸업 86.0%로 차이가 컸음. 성별 격차는 거의 사라져 여성 66.6%, 남성 66.5%임 - 전문직 86.0%, 관리직 84.0%, 사무직 81.3%로 높고 농림·어업 숙련직 34.6%, 단순노무직 39.6%로 낮음. 핵심업무 비중이 높은 근로자는 AI 활용 확률이 낮게 나타나, 직무의 본질적 업무에 대한 적용이 충분하지 않음을 시사함
- 핵심업무에 높은 가중치를 두고 산출한 관측된 AI 활용 수준은 이론적 가능성을 상당 폭 밑돌아, 널리 사용되는 것과 깊이 활용되는 것 사이에 격차가 존재함
3. 개인 유료 구독 및 비용·잠재편익
- 지난주 업무에 AI를 활용한 근로자 중 개인 유료 구독자는 28.4%, 개인 부담이 없는 사용자는 71.6%였으며, 회사 비용 지원을 받는 비율은 28.2%임. 개인 구독과 회사 지원은 중복될 수 있음
- 개인 유료 사용자의 월평균 지출액은 4.9만원, 중위값은 2.9만원임. 지출액 상위 10%, 5%, 1% 기준은 각각 월 8.7만원, 14만원, 35만원으로 사용자 간 편차가 큼
- 유료 이용 지출을 바탕으로 추정한 근로자 전체의 연간 생성형 AI 사용료는 약 2.8조원임. 업무시간 절감의 잠재가치는 약 61.1조원으로 추산됐으나, 대상·산출 기준이 달라 직접적인 비용·편익이나 실현된 순편익으로 해석할 수 없음
- 개인 유료 사용자와 회사 지원 이용자는 무료·미지원 사용자보다 평균 시간절감률이 높았으나, 업무 수요와 활용 의지 차이도 작용할 수 있어 서비스 비용 부담 자체의 인과효과로 단정할 수 없음
4. 업무시간 절감 효과가 크게 확대됨
- 업무상 AI 사용자 평균 시간절감률은 2025년 3.8%에서 2026년 9.2%로 2.4배 상승함. 주 40시간 근무 기준으로는 주당 약 1.5시간에서 3.7시간 절감한 수준임
- 과업별 시간절감률이 20%를 넘는 비율은 4.7%에서 17.4%로 약 3.7배 늘었으나, 절감 효과가 거의 없는 과업도 여전히 상당함
- 개인 유료 사용자의 평균 절감률은 11.4%, 회사 지원 사용자는 11.6%로 개인 비용 부담이 없는 사용자의 8.3%보다 높게 나타남
- 직업별 절감률은 관리직 11.0%, 전문직 10.9%, 사무직 11.0%로 높았고, 서비스직 5.2%, 기능직 4.3%, 장치·기계 운영직 4.2% 등으로 차이가 나타남. 모든 직업군에서 전년보다 절감률이 상승함
- AI 노출도와 실제 활용률이 높은 직업일수록 시간절감 효과가 큰 경향이 강화됐지만, 관측된 활용 수준은 기술적으로 가능한 수준에 미치지 못함
- 개인 유료 사용자는 미사용자보다 절감률이 약 1.9%p, 회사 지원 이용자는 미지원자보다 약 1.6%p 높았고, 올해는 고학력 근로자의 절감 효과도 유의하게 크게 나타남
5. 학습과 활용 습관의 관련성
- 패널 분석에서 2025년부터 AI를 사용한 기존 사용자와 2026년 신규 사용자 간 시간절감률 차이는 통계적으로 유의하지 않아, 사용 경험 축적만으로 얻는 추가 학습효과의 증거는 뚜렷하지 않음
- 기존 사용자의 절감률 변화는 전년도 사용시간이나 공식·개인 학습 경험과 유의한 관계가 없었지만, 프롬프트 실험, 결과 검증, 오류 분석, 재사용·업무절차 연계 등 적극적 활용 습관이 있는 집단은 상승폭이 3.6%p 더 컸음
- 지난 1년간 효율 개선에는 근로자의 경험·학습뿐 아니라 AI 모델 성능과 사용 편의성 등 기술 자체의 발전이 중요한 역할을 했을 가능성이 있음. 기술의 이점을 실현하려면 능동적인 활용 습관도 중요함
6. 절감된 시간의 활용과 잠재적 산출 효과
- 절감된 시간의 활용처 1순위는 핵심업무 집중 33.8%, 추가업무 처리 29.3%로 두 항목 합계가 63.1%임. 학습·자기계발 13.2%, 직장 내 여가 10.0%, 개인적 용무 6.3%, 자연스럽게 소비 5.1%, 조기 퇴근 2.3% 순임
- 절감시간을 모두 생산 활동에 재투입한다고 가정한 잠재적 산출 증대 효과는 2026년 약 2.6%로, 2025년 약 1.0%보다 높아짐. 이는 가정에 기초한 잠재치이며 실제 GDP 증가율이 아님
- 절감시간의 업무 재투입이 곧 산출 증가를 뜻하지는 않음. 업무 배정량과 수요가 고정되어 있으면 더 빨리 일해도 처리량이 늘지 않을 수 있으며, 업무흐름·조직구조 개선과 인력 재배치가 성과 전환에 필요함
7. 처리량 및 품질 개선과 시간절감의 관계
- 시간절감률과 업무처리량 증가율의 상관계수는 2025년 0.00에서 2026년 0.08로 높아졌지만 여전히 약함. 시간절감과 처리량 증가가 자동으로 연결되지 않으며, 처리량 자체가 증가하지 않았다는 뜻은 아님
- 개인 유료 사용 및 회사 비용 지원은 특성을 통제한 분석에서 처리량 증가율과 각각 7.0%p, 7.2%p의 정적 관련성을 보였으나, 선택 편향 가능성 때문에 인과효과로 볼 수 없음
- 시간절감률과 업무품질 향상률의 상관계수도 0.09로 낮아, 속도 향상과 품질 개선은 서로 다른 성과 차원임
- 핵심업무 비중이 높은 근로자는 품질 개선율이 상대적으로 높았으며, 핵심업무에서는 AI 편익이 처리량이나 속도보다 분석 보완·검토 등을 통한 질적 개선으로 나타날 가능성이 있음
- 개인 유료 사용은 처리량과 품질 모두의 개선과 관련됐지만, 회사 지원은 처리량과는 관련성이 나타난 반면 품질과의 뚜렷한 관계는 확인되지 않음. 업무에 맞는 도구 선택과 결과 검증·보완 여건이 중요함
8. 종합 및 정책적 과제
- 활용률과 시간절감 효과는 빠르게 커졌으나 핵심업무 적용과 생산성 성과로의 전환은 제한적임. 활용의 양적 확대뿐 아니라 업무에 적합한 사용 역량과 조직의 실행 여건을 개선해야 함
- 근로자가 업무에 맞는 AI 도구와 활용법을 찾고 결과물을 검증·보완하도록 지원하고, 기업은 AI를 핵심업무에 접목해 절감시간을 가치 있는 활동에 배분하도록 업무 방식과 조직 운영을 개선할 필요가 있음
- 성과 평가는 도입률·사용시간·시간절감에만 의존하지 말고 처리량, 품질, 역량 축적, 근로자 후생을 함께 살펴야 함
- 반복 조사와 패널자료를 축적하고 근로자 자료와 기업 차원의 분석을 연계해 AI 활용 성과의 전환을 촉진하거나 제약하는 요인, 성과의 배분 양상을 지속적으로 점검할 필요가 있음
🔑 시사점
- AI 도입 확대만으로 기업 생산성이 높아지는 것은 아니므로, 핵심업무별 적용 과제를 정하고 절감시간이 추가 산출·품질 개선으로 연결되도록 업무흐름과 인력 운영을 함께 재설계해야 함
- 유료 도구 제공 여부보다 직원의 업무 수요에 맞는 도구 선택, 결과 검증 역량, 안전한 실험과 개선을 지원하는 체계를 갖추는 것이 효과적인 활용의 핵심임
- 성과관리 지표에 시간절감과 처리량뿐 아니라 오류·품질, 고객 경험, 직원의 학습·후생을 포함해 AI의 단기·장기 가치를 균형 있게 평가해야 함
- 관광·호텔 산업은 예약·문의 응대, 다국어 안내, 수요예측 등에서 AI 활용 기회를 검토하되, 고객 응대의 정확성·개인화와 서비스 품질을 함께 관리해야 함. 프런트·예약·객실·식음 부문의 반복 업무 시간을 줄이는 데 그치지 않고, 절감된 시간을 현장 고객 서비스와 문제 해결에 재배분하는 운영 설계가 필요함
- 호텔은 직무·연령·디지털 숙련도에 따른 활용 격차를 고려해 역할별 교육과 현장 적용을 지원하고, AI가 생성한 안내·요금·정책 정보의 검증 절차와 개인정보·보안 기준을 마련해야 함. 도입 효과는 노동시간, 처리량, 고객 만족도, 오류율, 직원 후생을 함께 추적해 검증하는 것이 바람직함
연관 포스트
AI 시대에도 여행 어드바이저는 늘어난다…호텔이 챙겨야 할 세 가지
여행 어드바이저 업계는 향후 5년간 성장과 생성형 AI 활용 확대를 기대하지만, 호텔 예약 점유율 5~7% 등 시장 수치는 기준과 출처가 불명확하고 AI와 예약 증가의 인과도 입증되지 않았습니다. 호텔은 전망에 앞서 실제 숙박·매출·수수료 기여도를 검증하고, 예약 도구 내 정확한 콘텐츠와 수수료의 투명성·정시 지급으로 채널 신뢰를 높여야 합니다.
럭셔리 여행의 새 기준: 공간·경험·AI가 재정의하는 여행 산업
럭셔리 여행의 경쟁력은 시설 과시에서 개인화된 여정, 지역 고유의 경험과 프라이버시로 옮겨가며, 다세대 수요에 맞춘 넓은 객실·스위트와 목적지형 철도·웰니스 상품이 성장하고 있습니다. AI는 폐기·예약·운영 관리의 효율을 높이되 감정적 환대는 숙련 인력이 맡아야 하며, 장기적인 인재·지역 투자와 현지 정체성이 차별화의 핵심입니다.
에어비앤비 AI, 고객 문제 40% 해결…다음 단계는 전화 응대
에어비앤비는 고객지원 자동화로 2026년 3분기 전체 문의의 약 40%를 상담원 없이 해결하고, 예약당 지원 비용을 전년 대비 17% 넘게 낮췄다고 밝혔습니다. 8월의 45%는 AI로 시작된 문제만 포함해 단순 비교할 수 없으며, 호텔도 자동화와 직원 이관 기준을 마련하고 해결률뿐 아니라 재문의·응답시간·만족도를 함께 점검해야 합니다.