🔊INSIGHT BRIEF: 빠르면 다야? 검증 없인 위험해요

"AI, 학술, 비즈니스의 흐름을 한눈에." 생산성 향상. 리스크 축적도 같이 신경써야 해요.

2026. 9. 2.

* INSIGHT BRIEF는 IDC ASIA에서 발송하는 소식지입니다.

"AI 도입 후 생산성이 올랐다는 우리 회사, 정말 안전한 걸까요?"

코드가 빨리 나오고, 보고서가 금방 완성되고, 응답 시간이 줄어들면 리더들은 안심해요. 생산성 지표가 오르고 있으니까요. 그런데 이걸 단순한 성과 신호로만 보기엔 뭔가 놓치고 있는 게 있어요. 겉으로 보이는 속도 뒤에서, 구성원의 역량은 조용히 깎여나가고 있을 수도 있거든요. 지금 우리가 목격하고 있는 건 생산성의 향상이 아니라 리스크의 축적일 수 있어요. 그 실체가 무엇인지 SERI&U 지식도서관으로 알아봤어요.

* 해당 이미지는 AI로 제작되었습니다.

🤖 생산성은 올랐는데, 왜 불안해질까요?

많은 리더들이 AI 도입 후 생산성 지표가 올라가는 걸 보고 안심해요. 코드가 빨리 나오고, 보고서가 금방 완성되고, 응답 시간이 줄었으니까요. 그런데 저희가 직접 수행한 프로젝트는 정반대 이야기를 들려줘요. AI로 인한 생산성 증대가 오히려 위험 요소가 될 수 있다는 거예요.

🏢 시가총액 세계 80위권 은행에서 벌어진 일

개발자만 1만 명이 넘는 호주의 대형 은행에서, 개발자들이 실제로 AI를 어떻게 쓰고 있는지 분석했을 때, 아래와 같은 결과가 나타났어요.

✔️ 같은 조직, 같은 AI, 비슷한 업무인데도 개발자 간 생산성이 3.5배나 차이 났어요.

✔️ 첫 프롬프트만 봐도 그 사람의 생산성이 대충 보였어요. 업무의 배경과 목표, 현재 문제를 자세히 설명하는 사람과 "이거 풀어" 한 줄로 끝내는 사람의 결과는 완전히 달랐거든요.

✔️ AI가 코드의 97%를 생성했지만, 최종 제품에 살아남은 건 겨우 19%였어요. 엄청나게 만들어내는 만큼, 엄청나게 깎아내야 하는 거죠.

✔️ 가장 우려스러운 건 무분별한 사용이었어요. AI가 결과를 내놓으면 검증 없이 그냥 제출하는 개발자가 상당수였거든요.

🤔 두 가지 부채: 제품 부채와 스킬 부채

구성원에게 "AI 활용도를 높여라"라고만 외치면 부채가 쌓여요.

✔️ 제품 부채

하나는 제품 부채예요. 검증되지 않은 AI 코드가 쌓이면 결국 사람이 하나하나 되짚어야 해요. 2024년 DORA가 수천 명의 개발자를 조사한 결과, AI 활용으로 개인 작업 속도는 올랐지만 제품 안정성 지표는 오히려 떨어졌어요. 만들어내는 속도를 기존 검증 체계가 따라가지 못한 거예요.

METR이 800명 이상의 전문 엔지니어를 분석한 2025년 연구도 비슷해요. AI를 쓰면 더 빨라질 거라고 다들 예상했지만, 실제로는 복잡한 개발 업무에서 AI 사용 그룹의 작업 시간이 오히려 19% 더 늘었어요. 코드는 빨리 나오는데, 맥락을 이해시키고 결과를 검증하는 데 시간이 더 들었던 거죠.

✔️ 스킬 부채

다른 하나는 스킬 부채예요. AI가 만든 코드를 검토 없이 제출하는 습관이 쌓이면, 제품 품질만 떨어지는 게 아니라 본인 역량도 깎여요. 예전엔 AI 없이도 코드를 잘 짜던 사람이, AI 없이는 못 짜는 사람이 되는 거예요.

📦 아마존과 클라르나에서 실제로 벌어진 일

2025년 11월, Amazon은 AI 코딩 도구 KIRO를 전면 도입했어요. 더 빠르게, 더 많이 만들라는 신호였죠. 그런데 2026년 3월, 챗봇 Amazon Q가 개입한 코드 오류로 잘못된 배송일이 떴어요. 보도에 따르면 160만 건의 웹사이트 오류와 12만 건의 주문 손실이 발생했대요. 내부 검토 결과, 엔지니어들이 AI의 코드 변경이 "충분히 간단해 보여서" 전체 검토를 건너뛴 게 원인이었어요. 이후 Amazon은 모든 코드 변경에 2인 검토를 의무화했어요.

핀테크 기업 Klarna도 비슷해요. 고객 응대 인력 700명을 AI로 대체하고 연 4천만 달러를 아꼈다고 자축했지만, 1년 뒤 문제가 드러났어요. AI는 표준화된 답변엔 능숙했지만, 금융 서비스 특유의 복잡하고 감정적인 맥락은 처리하지 못했거든요. 연체나 결제 오류처럼 고객의 생계가 걸린 문제에 대한 부실한 답변은 민원과 이탈로 이어졌어요. 결국 CEO는 "AI를 단순 인력 대체제로만 본 건 근시안적이었다"라고 인정하면서, 단순 문의는 AI가, 복잡한 고가치 상담은 사람이 맡는 이원화 구조로 바꿨어요.

👀 5년 뒤, 우리 조직의 리더가 안 보여요

요즘 만나는 리더분들이 자주 하시는 말이에요. 주니어들이 핵심 업무를 직접 익힐 기회가 사라지고 있다는 거죠. 이건 단순한 HR 이슈가 아니라, 몇 년 안에 기업의 운명을 가를 수 있는 리스크예요.

📢 결론: 리더가 지금 확인해야 할 것

AI 활용도와 생산성 데이터만 확인하는 걸로는 부족해요. 아래 질문을 먼저 던져보세요.

첫째, 우리 조직에 AI 생성물에 대한 검증 체계가 있나요?
둘째, 구성원들의 독립적 수행 능력은 유지되고 있나요?
셋째, 우리 구성원과 AI가 "어떻게" 함께 일하고 있는지 들여다보고 있나요?

"AI 활용도를 얼마나 높였냐"가 아니라 "AI와 어떻게 일하고 있나"를 묻는 것, 그게 생성형 AI 시대 리더가 해야 할 일이에요.

🎬 AI 생산성의 역설, 부채의 역습

왼쪽 영상에서 더 자세한 내용을 확인하실 수 있어요!

영상 이미지를 클릭하고 SERI&U 지식도서관에서 무료로 감상해 보세요.

(10월 2일까지 시청 가능)

📍 삼성글로벌리서치에서 제작한 고퀄리티 영상이 매주 3편씩 업데이트!

📍 3,000편 이상의 영상으로 나에게 필요한 모든 인사이트를 찾아보세요

📍 모바일에서도 SERI&U! 모바일 반응형 웹으로 언제 어디서나 시청 가능

📍 1Page Summary(PDF)와 영상 PPT 자료를 강의, 과제, 연구에 활용

📍'북리뷰', 'AI 스페셜', '인문학', '경제 경영', '트렌드', '리더십' 카테고리의 콘텐츠 제공

🙋‍♂️관련 문의: ㈜아이디씨아시아 남기정 차장 tony@igroupkorea.com / 02-6968-1715

그렇다면 이 변화는 실제 숫자로도 확인이 될까요? 호주 은행과 아마존, 클라르나에서 벌어진 일이 특정 기업만의 예외적인 사례인지, 아니면 개발 현장 전반에서 실제로 일어나고 있는 변화인지를 STATISTA의 Research AI가 제공하는 통계로 살펴봤어요.

개발자들은 실제로 AI 코딩 도구를 얼마나 신뢰하고 있을까요? Stack Overflow가 전 세계 소프트웨어 개발자 33,244명을 대상으로 조사한 결과, 개발 워크플로우에서 AI 도구의 정확도를 '매우 신뢰한다'를 선택한 비율은 단 3.1%에 그쳤어요. '어느 정도 신뢰한다'는 29.6%였지만, '다소 불신한다'(26.1%)와 '매우 불신한다'(19.6%)를 더하면 개발자 10명 중 4명 이상이 AI 결과물을 믿지 못하고 있는 거죠. 주목할 점은 신뢰와 불신 응답이 거의 팽팽하게 갈린다는 거예요. AI를 매일 쓰면서도, 그 결과물을 곧이곧대로 받아들이는 개발자는 소수라는 뜻입니다.

[AI 도구의 출력에 대한 개발자들의 신뢰도]

* 통계 이미지를 클릭하시면 크게 확인하실 수 있습니다.

결국 지금은 AI가 얼마나 빨리, 얼마나 많이 만들어내느냐가 아니라, 그 결과물을 검증하고 걸러낼 체계와 사람이 있느냐가 성패를 가르는 시대예요.

AI 도입 후, 보안 담당자들의 업무 시간은 정말 줄었을까요? ISC2가 전 세계 사이버 보안 전문가 856명을 대상으로 조사한 결과, 'AI 생성 권고를 신뢰하고 실행할지 판단하는' 업무에 오히려 더 많은 시간을 쓰게 됐다는 응답이 65%에 달했어요. AI 결과물을 검토하고 검증하는 업무도 63%가 시간이 늘었다고 답했고요. 주목할 점은 시간이 줄었다는 응답이 가장 높은 항목조차 48%(AI 도움 없이 업무 수행)에 그친다는 거예요. AI가 일을 대신해 주는 게 아니라, AI가 내놓은 결과를 판단하고 검증하는 새로운 업무가 더해진 셈이에요.

[AI 코드 검토 시간 변화]

* 통계 이미지를 클릭하시면 크게 확인하실 수 있습니다.

결국 지금은 AI가 업무 시간을 얼마나 줄여주느냐가 아니라, AI를 감시하고 검증하는 데 드는 시간까지 감당할 체계가 있느냐가 관건인 시대예요.

🙋‍♂️관련 문의: ㈜아이디씨아시아 김태형 전무 josephkim@igroupkorea.com / 02-6968-1708

AI로 인한 생산성 증가는 이제 '얼마나 빨라졌는가'를 논하는 단계를 지나, 실제로 그 속도를 뒷받침할 검증 체계가 있는가를 따져야 하는 단계에 이르렀어요. 호주 은행의 3.5배 생산성 격차와 97% 대 19%의 코드 생존율, 개발자 10명 중 4명이 AI 결과물을 믿지 못한다는 통계, 보안 담당자들이 오히려 검증에 더 많은 시간을 쓰게 됐다는 조사는 모두 같은 신호에 가까워요. AI가 만들어내는 속도가 아니라, 그 결과물을 걸러내는 조직의 역량이 성패를 가르고 있다는 신호요.

핵심은 결국 'AI가 얼마나 많이 만들어내느냐'가 아니라 '그 결과물을 누가, 어떻게 검증하느냐'예요. AI를 도입한 기업은 많지만, 검증 체계와 구성원의 독립적 수행 능력까지 함께 지켜낸 기업은 많지 않아요. 생산성 지표만 좋은 회사보다, 그 뒤에 쌓이는 제품 부채와 스킬 부채까지 들여다본 회사가 다음 라운드에서 살아남을 거예요.

INSIGHT BRIEF 이번 호의 소식이 유익하셨나요? 좋았던 점, 아쉬웠던 점 모두 남겨주세요. 보내주시는 솔직한 의견은 다음 INSIGHT를 전해드리는 데 큰 힘이 됩니다. 피드백을 보내주신 분들께 추첨을 통해 시원한 커피 한 잔을 보내드릴게요!