1조 달러 쏟아붓고도 실패한 이유: AI 도입의 역설

팩트미국 기업들은 2025년 한 해 동안 IT에 1조 달러 이상을 지출했습니다. AI와 생성형 AI에 수천억 달러가 투입됐습니다. 그러나 생성형 AI를 도입한 기업의 60% 이상이 수익에 큰 변화가 없다고 답했습니다. 제조 기업 중 AI 솔루션을 전체 네트워크로 확장한 비율은 3분의 1에 불과하며, 완전히 내재화한 비율은 2%에 그쳤습니다.

팩트경영진은 AI 도입 지연의 가장 큰 이유로 인재 기술 격차(Talent skill gaps)를 꼽았습니다. 미국 경제 활동 인구의 다수를 차지하는 1억 명의 현장 근로자(제조, 소매, 의료 등)가 AI와 협업할 준비가 되지 않았기 때문입니다. 기업들은 인재보다 자본 투자에 2.8배 더 많은 비용을 쓰며 인력 양성을 소홀히 했습니다.

팩트세계경제포럼(WEF)의 글로벌 라이트하우스 네트워크에 속한 선도 기업들은 기술에 2달러를 쓸 때 프로세스 개선과 인력 양성에 8달러를 투자했습니다. Western Digital(태국)은 디지털 리더십 프로그램 도입 후 수리 시간을 75% 단축하고 수리 정확도를 20% 향상시켰습니다. Lenovo(멕시코)는 생성형 AI 코치 도입으로 생산성 40% 증가, 수리 시간 95%를 단축했습니다. SQM(광업)은 드론과 AI 분석 교육으로 생산량을 60% 늘렸습니다.

주장AI는 만능 열쇠가 아닙니다. 준비된 사람 손에 쥐여질 때만 열쇠가 됩니다. 기술에 돈을 쓰기 전에 사람에게 시간을 써야 합니다. 고가의 시스템 구축 전에 범용 AI 도구로 직원들의 AI 문해력을 높이는 교육부터 시작해야 합니다.

주장현장이 혁신의 데이터 센터입니다. 레노버와 웨스턴디지털의 사례처럼, 현장 근로자가 AI를 통해 실시간으로 문제를 해결할 때 생산성이 폭발했습니다. 현장 직원의 경험을 AI 프롬프트로 녹여낼 수 있도록 유도해야 합니다. 단순히 코딩이나 소프트웨어 조작법만 가르치는 것은 반쪽짜리 교육입니다. AI가 내놓은 데이터를 해석하고 의사결정을 내리는 문제 해결 능력이 핵심입니다.

교차검증아래 내용은 보고서 원문이 아니며 저자의 해석을 담고 있습니다. 오독의 가능성이 있습니다. 맥킨지의 분석은 주로 대기업 사례를 기반으로 합니다. 중소기업에 적용할 때는 자원 규모와 조직 구조 차이를 고려해야 합니다.

출처McKinsey & Company. (2026). A US productivity unlock: Investing in frontline workers AI skills. https://www.mckinsey.com/capabilities/operations/our-insights/a-us-productivity-unlock-investing-in-frontline-workers-ai-skills