2025년 지금, AI 도구는 모두에게 주어졌지만 활용 역량은 천차만별입니다.
OpenAI가 100개 이상 기업의 실제 사용 데이터를 분석한 결과, 같은 회사에서 같은 도구를 쓰는데도 상위 5% 직원과 평균 직원의 AI 활용량은 6배 차이가 났습니다. 코딩 작업에서는 격차가 17배까지 벌어졌습니다.
MIT의 연구에서도 비슷한 결과를 보여줍니다. 기업들이 AI에 400억 달러를 투자했지만, 실제로 의미 있는 성과를 내는 곳은 5%에 불과합니다.
흥미로운 점은 이 격차가 접근성 문제가 아니라는 것인데요. 모두가 같은 도구를 가지고 있었습니다. 진짜 원인은 따로 있었습니다.
이번 포스팅에서는 AI 활용 격차가 발생하는 원인과 해결책에 대해서 다뤄보았습니다.
AI 활용 역량, 격차는 얼마나 벌어졌나
같은 도구인데 AI 활용량 6배 차이
OpenAI는 ChatGPT Enterprise를 사용하는 기업들의 실제 데이터를 분석했습니다. 현재 전 세계 700만 사용자에게 배포되어 있고 1년 전보다 9배 증가한 규모입니다.
분석 결과, 상위 5% 사용자(95th percentile)와 중간값 사용자(median)의 AI 메시지 전송량이 6배 차이가 났습니다. 이건 단순히 더 많이 쓴다는 정도가 아닙니다. 일하는 방식 자체가 달라졌다는 뜻입니다.
업무 유형별 AI 활용 격차
코딩 관련 작업: 17배
데이터 분석: 16배
일반 업무: 6배
파워유저들은 AI로 이전에는 할 수 없었던 일을 하기 시작했습니다.
월 1회 vs 매일, AI 활용 습관의 차이
월간 활성 사용자를 보면 흥미로운 패턴이 나타납니다. 이들 중 19%는 데이터 분석 기능을 단 한 번도 사용하지 않았습니다. 14%는 추론 기능을, 12%는 검색 기능을 아예 시도하지 않았습니다.
반면 일간 사용자를 보면 완전히 다릅니다. 이들의 97%는 데이터 분석을 쓰고, 99%는 추론과 검색을 활용합니다.
월간 활성 사용자 (한 달 1회 로그인):
19%: 데이터 분석 기능 미사용
14%: 추론 기능 미사용
12%: 검색 기능 미사용
일간 사용자 (매일 사용):
97%: 데이터 분석 활용
99%: 추론, 검색 활용
차이는 명확합니다. 접근성이 아니라 ‘습관’이었습니다.
AI 활용 범위와 생산성의 관계
OpenAI 리포트에서 가장 흥미로운 발견이 있습니다. AI를 사용하는 작업 유형의 수와 절약하는 시간이 정비례한다는 점입니다.
3가지 미만 작업에만 AI를 쓰는 직원은 주당 시간 절약이 거의 없습니다. 4가지 작업에 쓰면 약 2시간을 절약합니다.
반면에, 7가지 이상 작업에 활용하면 주당 10시간 이상을 절약합니다. 격차는 시간이 갈수록 벌어집니다.
AI 활용 작업 수와 시간 절약
3가지 미만: 주당 0시간 절약
4가지: 주당 약 2시간 절약
7가지 이상: 주당 10시간 이상 절약
더 중요한 건 복리 효과입니다
다양한 작업에 시도 → 더 많은 용도 발견
더 많은 용도 → 생산성 대폭 증가
생산성 증가 → 좋은 평가, 흥미로운 업무 기회
더 많은 기회 → AI 활용 심화
AI 활용 격차의 진짜 원인은 무엇인가
기업 간 AI 활용도 격차
개인뿐 아니라 기업 간에도 동일한 격차가 나타납니다. 상위 5% 기업은 직원당 AI 메시지 전송량이 중간 기업의 2배입니다. 맞춤형 GPT 활용은 7배 차이가 납니다.
상위 5% 기업의 특징은 명확합니다. AI를 핵심 인프라에 통합했습니다. 팀별로 필요한 맞춤 도구를 만들어 공유합니다. 회사 데이터와 AI를 연결했습니다.
상위 5% 기업의 특징
AI를 핵심 인프라에 통합
팀별 맞춤 도구 개발 및 공유
회사 데이터와 AI 연결
하위 기업의 문제
기업의 25%는 AI와 회사 데이터 미연결
AI를 개인 생산성 도구로만 인식
체계적 활용 전략 부재
MIT 연구에 따르면 400억 달러를 AI에 투자한 기업들 중 실제로 의미 있는 성과를 낸 곳은 5%에 불과합니다.
직원들은 이미 개인 AI 도구를 쓰고 있다
MIT가 기업들을 조사한 결과는 더 흥미롭습니다. 공식적으로 AI 도구를 구매한 기업은 40%입니다. 그런데 개인 AI 도구를 업무에 사용하는 직원이 있는 기업은 90% 이상입니다. 회사가 모르는 곳에서 거의 모든 직원이 AI를 쓰고 있었습니다.
공식 vs 비공식 AI 활용 현황
공식 AI 도구 구매 기업: 40%
개인 AI 도구 사용 직원이 있는 기업: 90% 이상
한 제조 기업의 사례를 보겠습니다. 회사는 6개월째 ERP 데이터를 AI로 분석하는 공식 프로젝트를 기획 중이었습니다. IT팀, 데이터팀, 경영기획팀이 참여해 요구사항을 정리하고 있었습니다.
그런데 현장에서는 생산관리팀 담당자가 개인 ChatGPT로 Excel 자동화 스크립트를 이미 만들었습니다. 2주 만에 완성했고 팀 내에 공유했습니다. 생산 일보 작성 시간이 70% 줄었습니다. 다른 팀에서도 문의가 쏟아졌습니다.
회사는 위에서 프로젝트를 만들고 있었지만 진짜 변화는 아래에서 일어나고 있었습니다.
왜 개인의 AI 활용이 더 빠를까?
MIT 연구진은 명확하게 말합니다. ‘비공식 AI 활용이 공식 프로젝트보다 ROI가 더 좋다’ 이유는 간단합니다. 공식 프로젝트와 개인 AI 활용의 패턴을 비교해보면 쉽게 파악해볼 수 있습니다.
공식 프로젝트의 전형적 패턴:
경영진이 AI 전담팀 구성 (3개월)
요구사항 수집 및 기획서 작성 (2개월)
플랫폼 선정 및 구매 (2개월)
파일럿 진행 (6개월)
평가 및 전사 확산 검토 (진행 중) → 1년이 지나도 실제 사용은 미미
개인 AI 활용의 패턴:
업무에서 불편함 발견 (1일차)
개인 ChatGPT로 시도 (1주차)
효과 확인하고 동료에게 공유 (2주차)
팀 전체로 자연스럽게 확산 (1개월차) → 한 달 만에 실제 업무 개선
차이는 명확합니다. 필요를 느낀 사람이 직접 시도했느냐, 위에서 지시했느냐의 차이입니다.
AI 역량 격차가 가장 큰 영역은 바로 ‘코딩’
코딩 작업에서 17배 격차
OpenAI 데이터에서 가장 큰 격차가 나타난 영역은 코딩입니다. 파워유저는 평균 사용자보다 17배 많은 코딩 관련 메시지를 보냅니다.
더 흥미로운 발견이 있습니다. 비엔지니어링 직군(마케팅, HR, 영업 등)의 코딩 메시지가 6개월간 36% 증가했습니다.
비기술 직군의 AI 활용 변화
마케터: Python으로 광고 데이터 분석 스크립트 작성
HR 담당자: Excel 매크로 제작
영업팀: SQL로 고객 데이터 조회
이전에는 개발팀에 요청해야 했던 일을 이제 스스로 합니다. 이제는 직무의 경계가 무너지고 있습니다.
이전에 불가능했던 일을 하기 시작했습니다.
AI 파워유저들의 공통점이 있습니다. 그들은 같은 일을 빠르게 하는 게 아니라 이전에 못 하던 일을 하기 시작했습니다.
OpenAI 설문 결과, 75%가 ‘이전에는 불가능했던 작업을 수행할 수 있게 되었다’고 답했습니다.
새롭게 가능해진 작업:
프로그래밍 지원
스프레드시트 자동화
기술 문제 해결
한 마케팅 매니저의 말입니다. "예전엔 개발팀에 요청해서 2주 기다려야 했던 데이터 분석을 이제 30분 안에 직접 합니다. 저는 코딩을 배운 적이 없습니다. 그냥 ChatGPT에게 물어봤을 뿐입니다."
AI 활용자 vs 비활용자
학술 연구들은 흥미로운 발견을 하고 있습니다. AI는 평준화 효과가 있습니다. 저성과자의 성과가 고성과자보다 더 많이 향상됩니다.
하지만 여기 함정이 있습니다. 이 평준화 효과는 ‘AI를 실제로 사용하는 사람들’ 사이에서만 일어납니다.
진짜 격차:
AI 파워유저 vs 일반 사용자 ❌
AI 활용자 vs 비활용자 ✅
AI를 쓰지 않는 직원은 평준화의 혜택을 전혀 받지 못합니다. 그들은 AI를 쓰는 그룹과 점점 격차가 벌어집니다. 월 1회 로그인하는 직원과 매일 쓰는 직원의 차이가 바로 이겁니다.
AI 역량 격차를 줄이려면 어떻게 해야 할까
기술은 더 이상 문제가 아니다
OpenAI는 평균 3일마다 새로운 기능을 출시합니다. 모델의 발전 속도는 기업이 흡수할 수 있는 속도보다 훨씬 빠릅니다.
병목은 기술이 아닙니다. 조직입니다.
MIT 연구진은 이렇게 진단합니다.
"문제는 AI의 지능이 아니다. 메모리, 적응성, 학습 능력의 문제다. 규제나 모델 성능보다는 학습하고 적응하지 못하는 도구와 시스템의 문제다."
성공하는 기업의 AI 활용 전략
OpenAI가 상위 5% 기업을 분석한 결과입니다. 이들에게는 다섯 가지 공통점이 있습니다.
성공 기업의 5가지 공통점
1) 경영진의 적극적 지원
AI를 전략적 우선순위로 설정
"알아서 써봐"가 아니라 "이렇게 써보니 좋더라"
2) 데이터 준비성
AI가 회사 데이터에 접근 가능하도록 인프라 구축
ERP, MES, 레거시 시스템과 연결
3) 워크플로우 표준화
효과적인 활용 방법을 찾으면 표준화
팀 전체가 쓸 수 있도록 공유
4) 의도적인 변화 관리
교육만이 아닌 지속적 지원과 피드백
막히는 부분을 빠르게 해결
5) 맞춤 도구 개발 문화
팀별 니즈에 맞는 AI 도구 직접 제작
서로 공유하고 개선
실패하는 기업의 패턴:
AI 도구만 구매하고 개인에게 맡김
"알아서 써보세요" 식 접근
인프라 없이 자연스러운 확산만 기대
성과 측정 없음
결과는? 6배 격차였습니다.
개인과 조직, 각자 해야 할 일
OpenAI 리포트는 명확하게 말합니다.
"6배 격차는 기술의 문제가 아니라 행동의 차이다. 행동은 소프트웨어처럼 전사에 배포할 수 없다."
AI 활용 격차를 줄이고 조직 구성원의 역량을 높이기 위해서는 개인이 할 일이 있고 조직 차원에서 해야 할 일이 있습니다.
개인이 할 일
지금 당장 매일 AI 쓰는 습관 만들기
한 가지 작업에만 쓰지 말고 다양한 업무에 시도
데이터 분석, 문서 작성, 번역, 요약, 아이디어 정리 등 가능한 모든 곳에 활용
실패해도 괜찮음, 시도하는 과정에서 배우기
조직이 할 일
직원들이 개인 도구로 이미 쓰고 있다는 것 인정
막지 말고 지원하기
회사 데이터에 안전하게 접근할 수 있도록 인프라 구축
작은 성공 사례를 빠르게 공유
전사 프로젝트부터 시작하지 말고, 한 팀의 한 업무부터 시작
AI 활용 역량, 결국 행동과 습관이 중요합니다
이제 AI 도구는 모두에게 주어졌습니다. 차이는 ‘사용하기로 결정’했는지에서 나기 시작합니다. 그리고 ‘계속 사용하며 익혔는지’가 중요합니다.
AI 전환은 기술 프로젝트가 아닙니다. 조직 문화의 변화입니다.
그리고 그 변화는 위에서 아래로 내려오지 않습니다. 아래에서 위로 올라갑니다. 직원들은 이미 필요를 느끼고 있습니다. 이미 쓰고 있습니다. 회사가 할 일은 그들을 지원하는 것입니다.
AI 인사이트, 더 보고 싶으신가요?
실용적인 AI 활용 인사이트와 최신 트렌드를 더 알고 싶으시다면 디피니트의 DARVIS 블로그를 구독해보세요. (블로그 구독시 AI 관련 오프라인 행사 초대장을 우선 공유드립니다.)
DARVIS 블로그에서는 매주 업데이트되는 AI 활용 노하우와 실제 사례를 통해 업무 생산성을 높이는 방법을 공유합니다.
더 많은 AI 인사이트들이 궁금하시다면 아래의 ‘AI 인사이트 더 보러가기’를 통해서 둘러보세요.
참고 자료:
OpenAI : The state of enterprise AI(2025)
MIT Project NANDA (2024)