해고 명분은 늘고, 내부 체감과 직원 신뢰는 반대로 움직인다
미국 상장사와 경영진 사이에서 “AI 때문에 인력을 줄였다”는 말과 “아직 생산성 효과를 못 느꼈다”는 응답이 동시에 퍼지고 있다. 2026년 8월 중순 이후 포춘이 재조명한 피츠버그대 분석과, 그보다 앞서 나온 애틀랜타 연준 중심의 대규모 경영진 서베이가 그 괴리를 숫자로 보여 준다.
핵심은 단순한 ‘AI가 실패했다’가 아니다. 도구는 이미 쓰이지만, 일자리 불안·워크플로 미재설계·측정 시차가 겹치면서 기업 단위 생산성으로 잘 안 넘어가고 있다는 점이다.
확인된 사실: 두 갈래의 데이터
애틀랜타 연준 등 4개국 경영진 서베이
미국·영국·독일·호주에서 약 6,000명 가까운 CEO·CFO·고위 임원을 대상으로 한 조사(NBER 워킹페이퍼, 연준 워킹페이퍼 2026-3)의 핵심은 이렇다.
- 기업의 약 69%가 AI를 이미 쓰고 있다. 미국은 더 높아 약 78% 수준이다.
- 고위 임원 3분의 2 이상이 개인적으로 AI를 쓰지만, 평균 사용 시간은 주당 약 1.5시간에 그친다. 4분의 1은 아예 안 쓴다.
- 지난 3년간 AI가 자사 고용에 영향을 주지 않았다는 응답이 90%를 넘고, 노동생산성(종업원당 매출)에 영향이 없었다는 응답은 89%다.
- 영향을 보고한 소수에서 평균 생산성 효과는 약 0.29%로 미미하다.
- 앞으로 3년은 다르다. 경영진은 생산성 +1.4%, 산출 +0.8%, 고용 −0.7%를 예상한다. 반면 직원 측 기대는 고용 +0.5%로, 경영진과 방향이 엇갈린다.
언론이 말하는 “약 90%“는 이 서베이의 고용·생산성 ‘무영향’ 비중을 묶은 표현이다. 정확한 숫자는 지표마다 89–90%대다.
피츠버그대 Mark Ma 팀의 기업 단위 분석
포춘에 실린 글의 원본은 피츠버그대 경영학 교수 Mark Ma의 분석이다. 수백만 건의 글래스도어 리뷰, 수천 건의 재무실적, 수백 건의 AI 투자·해고 공시, 약 1만 건의 실적발표 콜 트랜스크립트를 맞췄다.
- AI 투자 발표가 늘어날수록, 기업이 AI와 연결해 설명하는 인력 감축 발표도 늘어나는 패턴이 관찰됐다.
- 직원들의 AI 관련 코멘트는 전체 직장 리뷰보다 뚜렷이 부정적이고, 그중 일자리 안정성 우려가 가장 컸다.
- AI 연계 해고 발표 이후 직원들의 AI 감정은 급격히 나빠졌다.
- 직원들의 AI 감정은 기업 생산성 지표와 통계적으로 유의한 양의 관계를 보인 반면, 경영진의 AI 낙관 톤은 생산성과 거의 연결되지 않았다.
- AI 연계 해고 공시에 대한 주가 반응은 평균적으로 거의 0에 가깝고, 절반 이상은 중립 또는 음성이었다.
즉, 경영진은 AI를 비용 절감·인력 효율화의 서사로 쓰고, 내부 체감과 현장 신뢰는 그 서사와 따로 움직인다.
왜 효과가 안 보이거나 늦게 보이는가
과제 단위 이득과 기업 단위 성적표의 간극
실험·현장 연구는 이미 다른 그림을 보여 준다. 고객지원, 컨설팅 과제, 코딩 보조 같은 개별 업무에서는 처리 속도·품질이 올라간 사례가 반복된다. 문제는 그 이득이 조직 전체의 매출·부가가치·인당 산출로 바로 찍히지 않는다는 점이다.
이유는 여러 겹이다.
- AI가 잘하는 일과 아직 못하는 일이 한 워크플로 안에 섞여 있다. 이른바 ‘울퉁불퉁한 기술 전선(jagged frontier)‘이다. 경계 안 과제는 빨라지고, 경계 밖 과제는 오히려 오류·재작업이 늘어날 수 있다.
- 절약한 시간이 더 가치 있는 일로 재배치되지 않으면, 생산성 통계에는 잘 안 잡힌다. BCG 등 현장 조사에서도 “시간은 아끼지만 그 시간을 어디에 쓸지 지침이 없다”는 응답이 반복된다.
- 일부 직장에서는 AI가 만든 초안·슬롭(저품질 산출물)을 고치는 일이 늘어 이메일·검토 시간이 오히려 길어졌다는 측정 결과도 있다.
도구 도입과 일 방식 재설계는 다른 문제다. 계정을 열어 주는 것과, 승인·검토·책임·성과지표를 다시 짜는 것은 별개다.
측정 시차와 ‘체감 vs 장부’
또 다른 연준 계열 CFO 서베이(약 700명대)는 경영진이 보고하는 AI 생산성 효과와, 매출·고용 변화로 역산한 효과가 어긋난다고 지적한다. 2025년 체감 생산성 상승은 상대적으로 크게 나오지만, 매출 실현으로 환산하면 더 작다. 연구진은 이를 매출 반영 지연, 즉 생산성 패러독스의 한 형태로 본다.
미국 전체 노동생산성도 2023년 이후 이전보다 빨라졌지만, AI만의 기여로 단정하기는 어렵다. BLS 기준으로 2025년 민간 비농업 노동생산성은 약 2%대 성장, 2026년 1분기에는 전분기 대비 소폭 둔화 후 2분기 다시 반등하는 모습이다. 일부 분석은 최근 가속의 상당 부분을 기존 노동·자본의 가동률 상승, 원격근무, 특정 업종 다운사이징으로 설명한다. AI 투자 붐은 GDP 성장의 큰 축이 됐지만, 그 투자가 광범위한 업종의 산출/시간으로 퍼진 것은 아직 제한적이다.
1980–90년대 컴퓨터가 “어디에나 보이는데 생산성 통계에는 안 보인다”던 솔로우 역설과 구조가 닮았다. 일반목적기술은 보완 투자(데이터, 프로세스, 숙련, 거버넌스)가 따라붙기 전에는 거시 숫자에 늦게 나타난다.
해고 서사가 도입 효과를 깎아 먹는 경로
Ma 팀의 핵심 주장은 여기 있다. AI를 해고 명분으로 쓰면 단기 인건비는 줄일 수 있지만, 직원이 AI를 배우고 쓰는 유인이 꺾인다. “내 일을 대체할 도구를 더 잘 쓰라”는 메시지는 채택을 늦추고, 숨기거나 형식적으로만 쓰게 만든다. 그 결과 기대했던 효율이 상쇄된다.
이 경로는 노동 측 비판만의 이야기가 아니다. 경영진 본인들이 “아직 효과가 없다”고 답하는 이유와 맞물린다. 투자는 늘고, 헤드라인은 AI를 말하지만, 현장은 불안과 파일럿 난립 상태에 가깝다.
세 가지 해석이 동시에 성립한다
노동·회의론: ROI보다 명분에 가깝다
이 시각은 데이터가 제공하는 공백을 정면으로 짚는다. 경영진은 아직 생산성 효과를 못 느끼면서도 AI를 인력 조정의 이유로 거론한다. 주가 반응이 밋밋한 점도, “시장이 그 서사를 할인한다”는 해석과 잘 맞는다. 노조·정책당국 입장에서는 AI 캡엑스와 감원이 정당한지를 따질 직접 근거가 된다.
다만 ‘효과가 전혀 없다’와 ‘아직 기업 장부에 안 찍힌다’는 같지 않다. 회의론이 강한 이유는 효과가 0이라서가 아니라, 효과가 불투명한 상태에서 고용 비용만 먼저 줄이는 사례가 늘어서다.
실무론: 도구는 쓰이지만 일이 안 바뀌었다
도입 실무자들이 반복하는 설명은 단순하다. 챗봇·코딩 보조·문서 초안은 이미 일상이다. 그러나 결재선, 품질 기준, 고객 대응 권한, 성과 평가가 그대로면 개인 시간은 아껴도 조직 산출은 안 오른다. 임원 본인의 사용 시간이 주 1.5시간대라는 사실도, 전략이 아직 ‘실험 포트폴리오’에 머물러 있음을 보여 준다.
이 해석은 낙관도 비관도 아니다. AI 실패라기보다 경영 실패, 정확히는 일 재설계 실패에 가깝다.
시차·낙관론: 2–3년에 숫자가 따라온다
같은 서베이에서 경영진은 앞으로 3년의 효과를 분명히 더 크게 본다. 고숙련 서비스·금융 등 일부 업종에서는 이미 작은 양의 효과가 보고된다. 선도 기업 일화(코드 작성 비중 상승, 회의 준비 시간 급감 등)도 존재한다.
이 입장의 약점은 ‘언제, 누구에게’가 불명확하다는 것이다. 효과가 특정 직무·특정 규모 기업에 먼저 나타나고, 나머지에는 늦게 퍼질 가능성이 크다. 그 사이 진입 일자리와 중간 숙련 직무는 먼저 줄어들 수 있다.
투자자·노조·정책이 같은 숫자를 놓고 다른 질문을 던진다
이 논쟁이 중요한 이유는 세 집단의 이해관계가 한 데이터에 겹치기 때문이다.
- 투자자: AI 설비투자와 소프트웨어 지출이 성장의 큰 축이 된 상황에서, “언제 마진·자유현금흐름으로 돌아오는가”를 묻는다. 해고로 단기 EPS를 맞추는 전략은 주가에 잘 보상받지 못하고 있다.
- 노동: 생산성 이득의 배분 문제다. 이득이 확인되기 전에 고용이 줄면, 기술 수용이 아니라 기술 저항이 합리적인 반응이 된다.
- 정책: 단기 고용 충격이 제한적이라는 연준 서베이와, 청년·진입직 노출이 크다는 다른 연구들이 동시에 존재한다. 거시적으로는 “아직 대량 실업이 아니다”, 미시적으로는 “특정 코호트는 이미 냉각 중”일 수 있다.
한국을 포함한 다른 선진국에도 같은 구조가 적용된다. 도입률은 높아지고, 임원 사용 강도는 낮고, 조직 재설계는 더디고, 감원 서사는 앞서는 패턴이다. 차이는 노동시장 경직성, 대기업 내부노동시장, 공공부문 비중일 뿐이다.
숫자가 말해 주는 한계와, 앞으로 볼 지표
주의할 점도 분명하다.
- “90%“는 과거 3년의 자사 체감이지, AI가 영원히 무용하다는 뜻이 아니다.
- 생산성 정의가 연구마다 다르다. 종업원당 매출, 산출/시간, 과제 완료 속도, 경영진 주관 평가는 같은 말이 아니다.
- 공시된 ‘AI 연계 해고’는 실제 동기와 다를 수 있다. 경기, 금리, 중복 조직, 원격근무 정책이 AI라는 포장지를 쓸 수 있다.
- 선도 기업과 평균 기업의 분산이 크다. 평균이 안 오른 것과, 상위 꼬리가 이미 벌어진 것은 함께 참일 수 있다.
앞으로 2–3년을 가르는 관찰 포인트는 세 가지다.
- 경영진 사용 시간이 주 1.5시간대에 머무는지, 업무 핵심 경로로 들어가는지
- AI 연계 감원 이후 직원 감정·이직·내부 채택률이 어떻게 바뀌는지
- 과제 단위 시간 절약이 매출·부가가치·단위노동비용으로 옮겨 가는지
지금은 “AI가 일을 대체한다”는 서사와 “AI가 아직 회사를 더 잘 만들지는 못한다”는 데이터가 한자리에 있다. 그 간극을 메우는 것은 모델 성능보다, 누가 이득을 나누고 일을 다시 설계하느냐에 더 가깝다.