AI를 도입하면 처음에는 생산성이 떨어진다. 미국 제조업 수만 개 사업장을 4년간 추적한 센서스 데이터가 이를 확인했고, 연구자들은 이 패턴에 ‘J커브’라는 이름을 붙였다. 알파벳 J처럼 한번 밑으로 내려갔다가 결국 올라온다는 뜻이다. 이 곡선은 빠르게 경영계의 위안이 됐다. “골짜기를 견디면 생산성이 폭발한다.” 컨설팅 슬라이드마다 이 메시지가 박혔다. 그런데 정작 곡선의 회복 구간을 뜯어보면 이상한 장면이 나타난다. 생산성을 끌어올린 건 AI 알고리즘의 학습 효과가 아니라, 인력 감축과 경영관행 해체, 로봇 대체투자 — 구조조정의 고전적 도구들이다. AI 생산성 J커브의 실체는 기술 곡선이 아니라 구조조정 곡선이다.
한 줄 요약: AI 생산성 J커브에서 ‘회복’을 만드는 건 알고리즘이 아니라 AI를 명분으로 집행되는 구조조정이다 — $1:$10 투자 비율이 이를 증명한다.
−1.33%p
AI 도입 기업의 단기 생산성 하락폭 (규모·자본·IT 통제 후)
U.S. Census Bureau — 제조업 수만 개 사 추적 (2017–2021)
$1: $10
AI 라이선스 1달러당 조직 재편 보완투자 10달러 필요
산업 AI 도입 비용 구조 분석
60%
파일럿 단계에서 확장 실패하는 제조기업 비율
글로벌 제조업 AI 도입 현황 조사
77%
AI 도입 후 업무량 증가 체감 직원 비율
AI 업무 영향 설문 (2025)
1.33%p — 작아 보이는 숫자의 실체
토론토대·스탠퍼드·콜로라도대 공동 연구팀은 미국 센서스국의 제조업 데이터를 활용해 2017년과 2021년 사이 AI를 도입한 기업과 그렇지 않은 기업의 생산성을 비교했다. 기업 규모, 자본 스톡, IT 인프라 수준을 모두 통제한 뒤에도 AI 도입 기업의 생산성은 평균 1.33%p 하락했다. 수만 개 사업장의 평균이 1%p 넘게 밀린 것이다.
여기서 끝이 아니다. 연구팀이 선택편향(selection bias)을 보정하자 하락폭은 최대 60%p까지 치솟았다. 생산성에 자신 있는 기업이 먼저 AI를 도입하는 경향을 걷어내면, AI 도입의 실제 충격은 겉으로 보이는 것보다 훨씬 크다는 뜻이다. 솔직히, 이 보정치를 처음 봤을 때 오류인 줄 알았다. 하지만 논문의 로직을 따라가 보면 수긍이 된다. 이미 디지털 역량이 높은 기업이 AI를 먼저 도입하니, 그 기업들의 하락이 1.33%p에 ‘불과한’ 것이고, 역량이 낮은 기업까지 포함하면 충격은 몇 배로 불어난다.
골짜기에서 벌어지는 세 가지 — 그리고 그것의 이름
연구팀은 J커브의 하락 구간에서 기업 내부에 어떤 변화가 일어나는지를 추적했다. 결과는 세 갈래였다. 인력 감축(labor shedding) — AI를 도입한 기업은 도입하지 않은 기업보다 고용을 더 줄였다. 로봇·자동화 투자 확대 — 산업용 로봇 투입이 늘면서 기존 공정이 재편됐다. 재공품(work-in-progress) 재고 증가 — 공정 전환 과정에서 흐름이 끊기며 중간 재고가 쌓였다.
연구자들은 이 세 가지를 ‘조정비용(adjustment costs)’이라 불렀다. 중립적이고 학술적인 이름이다. 그런데 이 중립적 이름 아래를 들여다보면, 조정비용이란 결국 사람을 줄이고, 사람 대신 기계를 넣고, 그 과정에서 생산 라인이 흔들리는 현상을 가리킨다. 이건 기술 적응 과정이 아니다. 구조조정의 교과서적 정의 그 자체다.
개인적으로는, ‘조정비용’이라는 프레이밍이 이 연구에서 가장 전략적인 언어 선택이라고 본다. 구조조정이라 부르면 노동 이슈가 되고, 조정비용이라 부르면 기술 이슈로 남는다. 같은 현상에 다른 이름을 붙이는 것만으로 논의의 방향이 바뀐다.
1달러에 10달러를 태우는 방정식
J커브 연구와 함께 주목해야 할 숫자가 있다. AI 라이선스 비용 1달러당, 그것을 실제로 작동시키기 위한 보완투자가 10달러 필요하다는 산업 분석이다. 보완투자의 내용을 뜯어보면 — 데이터 인프라 구축, 워크플로 재설계, 인력 재배치와 교육, 레거시 시스템 교체 — AI 그 자체와는 거리가 먼 항목들이 대부분이다.
이 비율이 말하는 바는 단순하다. AI는 변화의 촉발자이지 변화의 본체가 아니다. 생산성이 올라가는 건 AI 알고리즘이 예측 정확도를 높여서가 아니라, AI 도입을 계기로 공정을 뜯어고치고 인력 구조를 바꾸고 관리 체계를 재편했기 때문이다. 10달러짜리 구조조정이 생산성을 만들고, 1달러짜리 AI가 그 공을 가져가는 구도다.
사례 — 세라믹 제조공장 한 세라믹 공장은 AI 기반 예지보전(predictive maintenance)을 도입한 뒤 비계획 가동중단을 43% 줄이고 투자금을 1.6년 만에 회수했다. 성과를 만든 건 AI 모델 자체가 아니라, AI 도입과 동시에 진행된 센서 인프라 교체, 정비 조직 재편, 실시간 모니터링 체계 구축이었다. AI는 방아쇠였고, 총알은 조직 변혁이었다.
오래된 공장이 더 깊이 빠지는 메커니즘
J커브의 깊이는 모든 기업에 균일하지 않다. 연구에서 가장 뚜렷한 패턴은 기업 연령에 따른 격차였다. 오래된 기업일수록 생산성 하락이 더 깊었고, 회복도 더 느렸다.
이유는 명확했다. 오래된 기업은 AI를 도입한 뒤 기존의 구조화된 경영관행(structured management practices)을 오히려 해체하는 경향을 보였다. 그리고 이 관행 해체만으로 생산성 손실의 약 3분의 1이 설명됐다. 연구팀의 표현을 빌리면, “오래된 기업은 AI 도입 후 구조화된 경영관행의 활용이 실제로 감소했다.”
이 발견의 함의는 연구자들이 명시한 것보다 넓다. 구조화된 경영관행이란 무엇인가. 표준 작업 절차, 품질 관리 매뉴얼, 정기 점검 루틴, 숙련공 중심의 의사결정 체계 — 대부분 사람에 기반한 시스템이다. AI가 들어오면 이 시스템이 불필요해지는 게 아니라, AI와 충돌하면서 먼저 무너진다. 기술이 관행을 대체한 것이 아니라, 기술 도입의 혼란이 관행을 파괴한 것이다. 그리고 그 파괴 이후 남는 건, 사람 기반 시스템이 걷어진 자리에 기계 기반 시스템이 들어선 공장이다.
살아남은 기업만 말하는 ‘회복’
J커브의 가장 매력적인 부분은 오른쪽 — 회복과 성장 구간이다. AI를 도입하고 4년 이상 버틴 기업은 결국 비도입 기업을 생산성과 시장점유율에서 앞질렀다. 성숙 단계에 도달한 기업 중 60% 이상이 25%를 초과하는 생산성 개선을 보고했다.
그러나 이 수치에는 조용한 전제가 깔려 있다. 회복을 보고한 건 살아남은 기업뿐이라는 것. 전체 AI 도입 기업 중 60%는 파일럿 단계에서 확장에 실패했고, 프로그램 목표를 달성했다고 답한 기업은 5%에 불과했다. 나머지 95%는 J커브의 골짜기에서 빠져나오지 못했거나 아예 곡선 위에 올라서지 못한 셈이다.
이건 기술 도입의 J커브가 아니라 자연선택의 곡선이다. 구조조정을 끝까지 밀어붙일 자본과 의지가 있는 기업만 오른쪽에 도달하고, 그 기업들의 성과만 J커브의 증거로 제시된다. 아쉬운 건, 골짜기에서 탈락한 95%의 기업에서 벌어진 일 — 실패한 구조조정, 원상복구 비용, 조직 혼란의 후유증 — 은 이 곡선 어디에도 표시되지 않는다는 점이다.
경고 — 생존편향의 함정 J커브 연구의 ‘회복’ 데이터는 4년간 AI 투자를 유지한 기업만을 추적한다. 도중에 프로젝트를 중단하거나 사업을 접은 기업은 표본에서 사라진다. 프로그램 목표 달성률 5%라는 수치는, 곡선의 오른쪽이 대다수 기업의 미래가 아니라 극소수의 결과임을 시사한다.
노동자에게 J커브의 오른쪽은 없다
J커브가 기업 단위의 생산성 곡선이라면, 그 안에서 일하는 사람들의 곡선은 어떤 모양일까. AI 도입 후 직원의 77%가 업무량이 늘었다고 응답했다. 연구자들은 이를 ‘워크슬롭(workslop)’이라 부르는데, AI가 생성한 결과물을 검증·수정·재입력하는 데 드는 추가 노동이다. 그 비용은 직원 1인당 월 186달러의 시간 낭비로 환산됐다.
기업의 J커브가 회복 구간에 진입하는 시점은, 인력 감축과 로봇 투자가 완료된 이후다. 기업의 생산성이 올라간 건 남은 직원이 더 잘해서가 아니라, 직원 수가 줄었기 때문이다. 해고된 노동자에게 J커브의 오른쪽은 존재하지 않는다. 그리고 남은 노동자에게 오른쪽은 더 적은 인원으로 같거나 더 많은 업무를 처리하는 현실이다.
한국 제조업, 이 곡선의 입구에 서다
한국은 지금 이 곡선의 초입에 있다. 국내 제조업의 AI 활용률은 23.8%로 서비스업(53%)의 절반에도 못 미친다. 정부가 밀어붙인 스마트공장은 누적 4만 개를 넘었지만, 그 중 75.5%가 기초 단계에 머물러 있다. AI를 도입한 뒤에도 디지털 전환 지출, 인력 비용, 영업이익, 조직 변화에 대해 ‘변화 없음’이라는 응답이 우세하다.
23.8%
한국 제조업 AI 활용률 (서비스업 53% 대비 절반 미만)
NIA — 기업 내 AI 활용 현황 분석 (2025)
75.5%
기초 단계에 머무는 스마트공장 비율 (4만+ 중)
중소벤처기업부 — 스마트제조혁신 3.0 (2025)
341만
AI 대체 가능성 높은 국내 일자리 (전체 12%)
한국은행 — AI 고용 영향 분석
15% 미만
AI가 고용시장 개선할 것이라는 한국인 응답률
글로벌 AI 인식 조사 — 한국 응답자
이건 핵심이다. 한국 제조업이 미국식 J커브를 밟을 경우, 골짜기의 충격은 한국 노동법 체계와 정면으로 충돌한다. 미국에서 J커브의 회복을 이끈 메커니즘 — 수시 해고, 유연한 인력 재배치, 경영관행의 급격한 전환 — 은 한국의 근로기준법·파견법·판례법리 아래에서 그대로 실행될 수 없다. 정리해고의 요건은 엄격하고, 직무 전환에는 근로자 동의가 필요하며, 경영상 필요에 의한 배치전환도 판례상 합리성 심사를 통과해야 한다.
그 결과 한국 기업의 J커브는 미국보다 더 길고 더 깊어질 가능성이 있다. 구조조정을 빠르게 집행할 수 없으니 골짜기 체류 기간이 늘어나고, 그 사이 AI 투자에 대한 회의가 퍼지면서 ‘파일럿 퍼거토리’에 빠지는 기업이 더 많아진다. 역설적으로, 노동 보호가 강할수록 AI 도입의 경제적 보상은 더 늦게 온다.
실무 현장 NIA 조사에 따르면 한국 제조업체 대부분은 AI 도입 후에도 인력 비용과 조직 구조에 ‘변화 없음’이라고 답했다. 이는 두 가지로 해석된다. 하나는 AI가 아직 생산 공정에 실질적으로 침투하지 못했다는 것. 다른 하나는, 구조조정 없이는 J커브의 회복 구간 자체가 시작되지 않는다는 것이다.
💡 실무 시사점 — HR이 이번 분기에 점검할 3가지:
① AI 도입 ROI를 ‘기술’이 아니라 ‘조직 재편’으로 재정의하라. AI 라이선스 비용만으로 ROI를 계산하면 실패한다. 데이터 인프라, 직무 재설계, 인력 재배치 비용을 포함한 총비용 대비 생산성 변화를 추적해야 한다. $1:$10 비율을 전제로 예산을 짜라.
② 경영관행 해체의 리스크를 사전에 매핑하라. AI 도입 시 기존의 표준 작업 절차, 품질 관리 루틴, 숙련공 의사결정 체계 중 무엇이 충돌할지를 먼저 식별하라. 관행 해체가 생산성 손실의 3분의 1을 차지한다는 데이터를 경영진에게 공유하고, 전환 계획 없는 도입을 막아라.
③ 인력 구조 변경은 한국 법제 안에서 설계하라. 미국식 수시 해고 모델은 한국에서 작동하지 않는다. 직무전환 동의, 정리해고 4요건, 고용유지지원금 등 한국 노동법의 틀 안에서 구조조정 로드맵을 그려야 J커브 골짜기의 체류 기간을 줄일 수 있다.
#AI도입#생산성J커브#구조조정#제조업HR#스마트공장
참고 링크
- MIT Sloan, “The ‘productivity paradox’ of AI adoption in manufacturing firms” (2025)
- The AI Insider, “MIT Study Shows Drop in Productivity for U.S. Manufacturers After AI Adoption” (2025)
- U.S. Census Bureau, “The Rise of Industrial AI in America: Microfoundations of the Productivity J-curve(s)” (2025)
- NIA, “기업 내 AI 활용 현황 및 애로사항 분석: 제조업을 중심으로” (2025)
작성: 서재홍 | NODE