AI 전환으로 시간 절약 확인, 하지만 생산성 증가는 ‘글쎄’

Source: VentureSquare

• AI 도입 3년, 시간 줄었지만 생산성 증가는 ‘아직’

• 한국은행 분석, AI 업무 효율 향상에도 ‘생산성 단절’

• 근로자 업무시간 3.8% 단축에도 실제 생산 증가로 미연결

• 업무 흐름 재설계와 보상 구조 등 조직적 보완 투자 시급

생성형 인공지능(AI)의 빠른 확산으로 근로자들의 업무 시간은 단축되었으나, 이것이 곧바로 조직 전체의 실질적인 생산성 향상으로 이어지지는 않고 있다는 실증적 연구 결과가 나왔다. 개별 작업의 효율성은 높아졌지만, 전체 업무 프로세스와의 연계 부족으로 이른바 ‘생산성 단절(disconnect)’ 현상이 발생하고 있는 것으로 분석된다.

한국은행 조사국 고용연구팀(서동현, 오삼일, 윤종원)은 오늘 ‘AI 도입은 생산성을 높이는가? 초기 3년의 효과 분석‘이라는 BOK 이슈노트를 발표했다. 이 보고서는 전국 만 15~64세 취업자 5,512명을 대상으로 실시한 가계조사를 바탕으로 작성되었다. 분석 결과에 따르면 AI 활용은 근로자의 업무시간을 평균 3.8%, 주당 약 1.5시간 단축시키는 것으로 나타났다. 이를 생산성 증가로 환산하면 약 1.0%의 잠재적 생산성 향상 효과가 있는 것으로 추정된다. 특히 교육자료 개발이나 통계분석 같은 인지적, 비정형 업무에서 시간 절감 효과가 두드러졌다.

스타트업 및 IT 산업계에서 AI 기술 도입은 혁신을 위한 필수 전략으로 여겨지고 있으나, 아직 거시적인 생산성 지표 개선은 지연되고 있다. 보고서는 업무시간 단축이 실제 업무처리량 증가로 이어지지 않는 원인을 업무 흐름(workflow)의 경직성, 생산 과정 내 병목 현상, 그리고 유인구조의 불일치에서 찾았다. 개인이 단축한 시간이 고부가가치 업무로 재배치되지 못하고 있다는 것이다. 다만 예외적으로 성과 보상이 직결되고 자율성이 높은 자영업자와 전문직, 그리고 AI 고강도 사용자 집단에서는 실제 생산 증가가 확인되었다. 이는 기술 자체의 성능보다 작업 구조와 유인 체계가 생산성을 좌우함을 보여준다.

한국은행 연구팀은 보고서를 통해 “현재 AI는 효율성(efficiency) 단계에는 진입했으나 아직 생산성(productivity) 단계로는 충분히 전환되지 못한 상태”라고 진단했다. 또한 “이러한 생산성 단절은 범용기술 도입 초기의 전형적인 전환 과정으로 볼 수 있으며, 향후 정책 대응과 기업조직 및 노동시장 구조의 전환에 따라 생산성 경로는 크게 달라질 수 있다”고 설명했다.

결론적으로 AI의 실질적인 생산성 파급 효과를 극대화하기 위해서는 단순한 툴 도입을 넘어 조직 전반의 보완적인 재설계가 수반되어야 한다. 기업들은 표준화 업무를 AI 중심으로 전환함과 동시에, 인간과 AI가 협업하는 열린 업무 비중을 확대해 나가야 할 것으로 분석된다. 특히 단기적 효율성 추구가 저연차 근로자의 숙련 형성 경로를 훼손하지 않도록, 조직 내부의 학습 기회를 새롭게 설계하는 장기적인 인적자본 축적 전략이 필수적이다.

Time savings confirmed from AI transition, but productivity increase ‘questionable’

Empirical research results have shown that while the rapid spread of generative artificial intelligence (AI) has reduced workers’ working hours, this has not immediately led to a substantial improvement in the overall productivity of the organization. Analysis suggests that although the efficiency of individual tasks has increased, a phenomenon known as “productivity disconnection” is occurring due to a lack of connection with the overall business process .

The Employment Research Team (Seo Dong-hyun, Oh Sam-il, and Yoon Jong-won) of the Bank of Korea’s Research Department released a BOK Issue Note today titled ” Does AI Adoption Increase Productivity? Analysis of Effects in the Initial 3 Years .” This report is based on a household survey conducted on 5,512 employed individuals aged 15 to 64 nationwide . According to the analysis results, the use of AI reduced workers’ working hours by an average of 3.8%, or approximately 1.5 hours per week . When translated into productivity growth, this is estimated to result in a potential productivity improvement of about 1.0% . The time-saving effects were particularly pronounced in cognitive and unstructured tasks, such as the development of educational materials and statistical analysis .

While the adoption of AI technology is regarded as an essential strategy for innovation in the startup and IT industries, improvements in macroscopic productivity indicators remain delayed . The report identifies workflow rigidity, bottlenecks within the production process, and mismatches in incentive structures as the reasons why reduced working hours do not translate into increased actual throughput . This suggests that the time saved by individuals is not being reallocated to high-value-added tasks . However, exceptionally, actual productivity increases were observed among self-employed individuals, professionals with high autonomy and direct performance rewards, and high-intensity AI user groups . This demonstrates that work structure and incentive systems, rather than the performance of the technology itself, determine productivity .

In a report, a research team from the Bank of Korea assessed that “currently, AI has entered the efficiency stage but has not yet sufficiently transitioned to the productivity stage .” They further explained that “this discontinuity in productivity can be viewed as a typical transition process during the early stages of general-purpose technology adoption, and the productivity path could vary significantly depending on future policy responses and transformations in corporate organizations and labor market structures . ”

In conclusion, to maximize the tangible productivity impact of AI, a complementary redesign of the entire organization must go beyond the simple adoption of tools . It is analyzed that companies must transition standardized tasks to an AI-centric model while simultaneously expanding the proportion of open work where humans and AI collaborate . In particular, a long-term human capital accumulation strategy that redesigns internal learning opportunities is essential to ensure that the pursuit of short-term efficiency does not undermine the skill development paths of junior employees .

AI転換で時間節約確認が、生産性の増加は「まあ」

生成型人工知能（AI）の急速な拡散により、労働者の業務時間は短縮されたが、これが直ちに組織全体の実質的な生産性向上につながっていないという実証的研究結果が出た。個々の作業の効率性は高まったが、全体の業務プロセスとの連携不足により、いわゆる「生産性断絶（disconnect）」現象が発生していると分析される。

韓国銀行調査局雇用研究チーム（ソ・ドンヒョン、オサムイル、ユン・ジョンウォン）は、今日「 AIの導入は生産性を高めるか？初期3年の効果分析」というBOKイシューノートを発表した。この報告書は全国満15～64歳の就業者5,512人を対象に実施した家計調査を元に作成された。分析結果によると、AIの活用は、労働者の業務時間を平均3.8％、週あたり約1.5時間短縮することが分かった。これを生産性の増加に換算すると、約1.0％の潜在的生産性向上効果があると推定される。特に教育資料の開発や統計分析などの認知的、非定型業務で時間削減効果が目立った。

スタートアップおよびIT産業界では、AI技術の導入は革新のための必須戦略とされているが、まだ巨視的な生産性指標の改善は遅れている。報告書は、業務時間の短縮が実際の業務処理量の増加につながらない原因を、業務フロー(workflow)の硬直性、生産過程内のボトルネック現象、および有人構造の不一致で見いだした。個人が短縮した時間が高付加価値業務に再配置されていないということだ。ただし、例外的に成果補償が直結され、自律性の高い自営業者と専門職、そしてAI高強度ユーザー集団では実際の生産増加が確認された。これは、技術自体の性能よりも、作業構造と誘引体系が生産性に左右されることを示している。

韓国銀行研究チームは報告書を通じて「現在AIは効率性(efficiency)段階には進入したが、まだ生産性(productivity)段階には十分に転換されていない状態」と診断した。また「このような生産性断絶は汎用技術導入初期の典型的な転換過程とみなすことができ、今後の政策対応と企業組織及び労働市場構造の転換によって生産性経路は大きく異なる可能性がある」と説明した。

結論として、AIの実質的な生産性波及効果を最大化するためには、単純なツール導入を超えて組織全体の補完的な再設計を伴わなければならない。企業は標準化業務をAI中心に転換すると同時に、人間とAIが協業する開かれた業務の割合を拡大していくべきだと分析される。特に短期的効率性の追求が低年次労働者の熟練形成経路を損なわないように、組織内部の学習機会を新たに設計する長期的な人的資本蓄積戦略が不可欠である。

人工智能转型确实能节省时间，但生产力提升“值得怀疑”。

实证研究结果表明，尽管生成式人工智能（AI）的快速普及减少了员工的工作时间，但这并未立即显著提高组织的整体生产力。分析表明，虽然单个任务的效率有所提高，但由于与整体业务流程缺乏联系，出现了一种被称为“生产力脱节”的现象。

韩国银行研究部就业研究团队（徐东铉、吴三日、尹钟元）今日发布了一份题为《 人工智能应用能否提高生产力？前三年效果分析》的韩国银行研究报告。该报告基于一项针对全国5512名15至64岁在职人员的家庭调查。分析结果显示，人工智能的应用平均减少了员工3.8%的工作时间，约合每周1.5小时。据估计，这相当于生产力提升约1.0% 。在认知性和非结构化任务中，例如教育材料开发和统计分析，节省时间的效果尤为显著。

尽管人工智能技术的应用被视为初创企业和IT行业创新的一项重要战略，但宏观生产力指标的提升仍然滞后。报告指出，工作流程僵化、生产流程瓶颈以及激励机制不匹配是导致工时减少未能转化为实际产量提升的原因。这表明，个人节省的时间并没有被重新分配到高附加值任务上。然而，也有例外，例如在个体经营者、拥有高度自主权和直接绩效奖励的专业人士以及高强度人工智能用户群体中，实际生产力有所提高。这表明，决定生产力的并非技术本身的性能，而是工作结构和激励机制。

韩国银行的一个研究团队在一份报告中评估认为，“目前人工智能已进入效率阶段，但尚未充分过渡到生产力阶段。”他们进一步解释说，“这种生产力方面的断层可以被视为通用技术早期应用阶段的典型过渡过程，而生产力路径可能会因未来的政策应对措施以及企业组织和劳动力市场结构的变革而发生显著变化。 ”

总之，为了最大限度地发挥人工智能对生产力的实际影响，对整个组织进行相应的重新设计，不能仅仅局限于工具的简单应用。分析表明，企业必须将标准化任务过渡到以人工智能为中心的模式，同时扩大人机协作的开放式工作比例。尤其重要的是，制定一项长期的人力资本积累战略，重新设计内部学习机会，对于确保追求短期效率不会损害初级员工的技能发展路径至关重要。

Gain de temps confirmé grâce à la transition vers l’IA, mais augmentation de la productivité « discutable ».

Les résultats de recherches empiriques ont montré que si la diffusion rapide de l’intelligence artificielle générative (IA) a réduit le temps de travail des employés, cela ne s’est pas traduit immédiatement par une amélioration substantielle de la productivité globale de l’organisation. L’analyse suggère que, malgré l’augmentation de l’efficacité des tâches individuelles, un phénomène appelé « déconnexion de la productivité » se produit en raison d’un manque de cohérence avec le processus métier global .

L’équipe de recherche sur l’emploi (Seo Dong-hyun, Oh Sam-il et Yoon Jong-won) du département de recherche de la Banque de Corée a publié aujourd’hui une note de synthèse intitulée « L’adoption de l’IA accroît-elle la productivité ? Analyse des effets au cours des trois premières années ». Ce rapport s’appuie sur une enquête menée auprès de 5 512 personnes actives âgées de 15 à 64 ans à l’échelle nationale . Selon les résultats de l’analyse, l’utilisation de l’IA a réduit le temps de travail des employés de 3,8 % en moyenne, soit environ 1,5 heure par semaine . En termes de productivité, cela représente un gain potentiel estimé à environ 1,0 % . Les gains de temps ont été particulièrement marqués pour les tâches cognitives et non structurées, telles que l’élaboration de supports pédagogiques et l’analyse statistique .

Bien que l’adoption de l’intelligence artificielle soit considérée comme une stratégie essentielle d’innovation dans les startups et le secteur informatique, les améliorations des indicateurs de productivité macroscopiques tardent à se manifester . Le rapport identifie la rigidité des flux de travail, les goulots d’étranglement dans le processus de production et les inadéquations des systèmes d’incitation comme autant de raisons expliquant pourquoi la réduction du temps de travail ne se traduit pas par une augmentation réelle du rendement . Cela suggère que le temps gagné par les individus n’est pas réaffecté à des tâches à forte valeur ajoutée . Toutefois, exceptionnellement, des gains de productivité ont été observés chez les travailleurs indépendants, les professionnels bénéficiant d’une grande autonomie et de primes de performance directes, ainsi que chez les groupes d’utilisateurs intensifs d’IA . Ceci démontre que ce sont l’organisation du travail et les systèmes d’incitation, plutôt que les performances de la technologie elle-même, qui déterminent la productivité .

Dans un rapport, une équipe de recherche de la Banque de Corée a estimé que « l’IA est actuellement entrée dans la phase d’efficacité, mais n’a pas encore suffisamment progressé vers la phase de productivité ». Elle a également expliqué que « cette discontinuité en matière de productivité peut être considérée comme un processus de transition typique lors des premières étapes de l’adoption d’une technologie à usage général, et que la trajectoire de productivité pourrait varier considérablement en fonction des futures politiques mises en œuvre et des transformations des organisations et des structures du marché du travail » .

En conclusion, pour maximiser l’impact concret de l’IA sur la productivité, une refonte globale de l’organisation est indispensable, au-delà de la simple adoption d’outils . Il apparaît que les entreprises doivent faire évoluer les tâches standardisées vers un modèle centré sur l’IA, tout en développant la part du travail collaboratif entre humains et IA . Plus précisément, une stratégie de développement du capital humain à long terme, repensant les opportunités de formation interne, est essentielle pour garantir que la recherche d’une efficacité à court terme ne compromette pas le développement des compétences des jeunes collaborateurs .