기업의 AI 투자, 투자수익률 증명에 많은 기업이 어려움을 겪고 있다

많은 기업이 AI 투자로부터 명확한 성과를 보여주지 못하고 있는 반면, 생산성 향상이나 매출 증가라는 형태로 구체적인 효과를 얻고 있는 기업도 존재한다. AI 활용의 확산과 함께 '투자에 합당한 가치가 있는가'라는 문제는 기업에게 이제 더 이상 피할 수 없는 과제가 되었다.

배경에는 AI 활용에 대한 기대값과 현실의 격차가 있다. 많은 기업이 AI 도구를 시범적으로 도입하기 시작한 것은 업무 효율화나 비용 절감을 기대했기 때문이었다. 하지만 도입의 범위가 확대되면서 투자수익률(ROI)을 사내에서 명확히 보여주는 것의 어려움이 수면 위로 떠올랐다. AI 기술은 진화 속도가 빠르고, 무엇을 어떻게 측정할 것인가라는 평가의 틀 자체가 아직 정비 중이라는 견해도 있다.

한편 ROI를 구체적으로 보여주는 데 성공한 기업들은 특정 영역에 AI를 좁혀서 활용하고 있다는 점이 공통점이다. 특히 생산성 향상이라는 분야에서는 반복적으로 발생하는 정형 업무의 자동화나 정보 수집·분석의 고속화로 담당자의 작업 시간을 대폭 단축할 수 있었던 사례가 보고되고 있다. 더 나아가 매출 성장으로 이어진 사례도 존재하며, AI를 고객 대응이나 영업 지원에 조합함으로써 수익 개선을 달성한 기업도 있다.

이러한 성공 사례에 공통되는 점은 AI 도입을 전사 일괄로 추진하는 것이 아니라 성과가 측정하기 쉬운 특정 업무나 부서에서 시작하고 있다는 점이다. 무엇을 개선하고 싶은지를 명확히 한 다음 AI를 적용함으로써 투자의 효과가 수치로 나타나기 쉬워진다. 역으로 목표가 모호한 상태에서 AI를 도입하면 비용만 증가하고 효과 설명이 안 되는 상황에 빠지기 쉽다.

기업에게 AI 투자의 ROI를 보여주는 것이 어려운 이유 중 하나는 효과가 단기적으로는 보기 어려운 점이다. 예를 들어 종업원이 AI 도구를 능숙하게 사용할 수 있을 때까지는 일정한 학습 기간이 필요하며, 그 기간의 비용은 선행 투자로 계상되지만 효과로서 측정되는 것은 이후의 일이다. 더하여 업무 효율화로 인한 '삭감할 수 있는 시간'을 금전으로 환산하는 것의 어려움도 ROI 산출을 복잡하게 만드는 요인으로 위치지어진다.

앞으로 기업이 AI 투자의 정당성을 보이기 위해서는 평가의 기준과 계측의 방식을 미리 설계해 두는 것이 중요해질 것으로 보인다. 어느 업무에 AI를 사용하고, 사용하기 전과 후에 무엇이 어느 정도 변했는지를 정량적으로 추적할 수 있는 체제를 정비하는 것이 ROI를 보이기 위한 전제 조건이 된다. 성공 사례가 보여주듯이 작게 시작하여 효과를 측정하고 거기서부터 전개하는 방식이 위험을 억제하면서 AI의 가치를 증명하는 현실적인 방법이라는 견해가 있다.

AI 기술 자체의 진화에 더하여 기업이 얼마나 잘 '활용의 ROI'를 관리할 수 있는가가 AI 도입의 다음 단계에서의 경쟁축이 되고 있다. 투자 판단의 정확성을 높이기 위해서도 다른 기업의 성공·실패 사례에서 학습하려는 자세가 앞으로의 AI 전략에서 점점 더 중요한 의미를 갖게 될 것이다.