아폴로 이코노미스트의 'AI 손익 효과 0' 진단: AI 에이전트 도입 효과는 무엇으로 재야 하나
아폴로 글로벌 매니지먼트의 수석 이코노미스트 토르스텐 슬록은 2026년 10월 24일 대형 기술 기업 7곳을 뺀 S&P 493 기업의 직원 1인당 매출과 이익률이 평평하고 AI가 생산성을 높였다는 신호가 아직 없다고 썼습니다. 회사 전체 손익보다 먼저 업무 하나에서 처리량·오류·검토 시간·건당 비용을 도입 전후로 재야 하는 이유와 측정 지표표, 도입 전에 정할 다섯 가지, 구축 업체에 물을 질문을 정리합니다.
AI 에이전트 도입 효과를 재려면 도입 전에 지금 업무의 처리량·오류·검토 시간·건당 비용을 먼저 재 두고 운영 뒤 같은 방식으로 다시 재서 비교해야 합니다. 아폴로 글로벌 매니지먼트의 수석 이코노미스트 토르스텐 슬록은 2026년 10월 24일 메모에서 대형 기술 기업 7곳을 뺀 미국 S&P 500 기업(S&P 493)의 직원 1인당 매출과 이익률이 평평하고 AI가 생산성을 높였다는 신호가 아직 없다고 썼습니다. 회사 전체 손익에 효과가 드러나기까지는 시간이 걸리지만 업무 하나의 수치는 몇 주 안에 잴 수 있습니다. 기준선 없이 시작한 도입은 나중에 효과가 있었는지 말할 수 없습니다.
아폴로 메모는 무엇을 말했나
슬록은 알파벳·아마존·애플·메타·마이크로소프트·엔비디아·테슬라 7곳과 나머지 S&P 493을 나눠 봤습니다. 7곳은 직원 1인당 매출과 이익률이 오르고 있지만 S&P 493은 둘 다 평평했습니다. 샌프란시스코 연방준비은행의 총요소생산성 자료에서도 AI가 생산성 증가율을 끌어올린 신호는 아직 보이지 않는다고 했습니다. 손익에 효과가 없자 일반 기업들은 한발 물러서 토큰 지출을 성장의 원천이 아니라 이익률을 깎는 비용으로 보기 시작했다고 그는 진단했습니다.
그는 벤처 투자를 받은 회사들은 토큰 지출을 계속 늘리지만 일반 기업은 최신 모델이 필요하지 않고 그 값을 낼 생각도 없다고 봤습니다. 업무에서 지능은 대부분 판단이고 판단은 맥락에 따라 달라지며 AI는 책임·신뢰·조직 문화·불문율·윤리적 절충·공정성을 이해하지 못한다고도 썼습니다.
원문의 한 문장은 이렇습니다. "AI may be a great calculator, but in business, intelligence is mostly judgment."
이 메모는 미국 상장 대기업 전체를 묶어 본 거시 지표입니다. 한 회사의 특정 업무에서 AI가 효과를 냈는지는 이 자료로 알 수 없습니다. TechCrunch는 이 메모를 전하며 다른 최근 연구들도 아직 큰 생산성 향상을 확인하지 못했다고 덧붙였습니다. 그래서 회사가 할 일은 AI에 효과가 있느냐를 따지기보다 우리 업무 하나에서 효과를 잴 수 있게 설계하는 것입니다.
손익까지 이어지는 측정 지표는 무엇인가
| 지표 | 재는 법 | 손익과 잇는 법 | 흔한 실수 |
|---|---|---|---|
| 처리량 | 주당 처리 건수(사람만 처리할 때와 에이전트·사람이 함께 처리할 때) | 같은 인원으로 더 처리한 건수, 다른 일로 돌린 시간 | 쉬운 건만 에이전트에 넘기고 전체 처리량이 늘었다고 보고 |
| 오류 | 정답지·검수 결과로 센 틀린 건수와 종류 | 재작업·고객 불만·환불 건수 | 사람이 고쳐 준 건을 오류에서 빼기 |
| 검토 시간 | 담당자가 에이전트 결과를 확인·수정하는 데 쓴 시간 | 절감 시간에서 빼야 하는 비용 | 검토 시간을 재지 않아 절감 시간이 부풀려짐 |
| 처리 시간 | 접수부터 완료까지 걸린 시간 | 응답이 빨라져 달라진 전환·재계약(회사가 이미 재는 경우) | 업무 시간 밖 대기 시간을 섞어 비교 |
| 건당 비용 | 모델 사용료·운영비·유지보수를 처리 건수로 나눈 값 | 사람이 처리할 때의 건당 원가와 비교 | 모델 사용료만 넣고 운영비·유지보수·검토 시간을 빼기 |
| 사람에게 넘긴 비율 | 에이전트가 멈추고 담당자에게 넘긴 건의 비율 | 이 비율만큼은 사람 원가가 그대로 남음 | 넘긴 건을 처리 완료로 집계 |
도입 전에 정할 다섯 가지
- 업무 하나: 효과를 잴 업무를 하나로 정합니다. 여러 업무에 동시에 넣으면 무엇 때문에 숫자가 바뀌었는지 알 수 없습니다.
- 기준선: 도입 전 몇 주 동안 같은 업무의 처리량·오류·검토 시간·처리 시간을 사람이 처리한 그대로 기록합니다.
- 정답지와 합격선: 과거 처리 사례로 정답지를 만들고 운영으로 넘길 점수를 착수 전에 정합니다.
- 비용 항목: 구축비, 모델 사용료, 월 운영비, 유지보수, 담당자 검토 시간을 모두 건당 비용에 넣습니다.
- 판정 날짜와 다음 행동: 언제 다시 잴지, 합격선에 못 미치면 범위 축소·사람 검토 유지·중단 중 무엇을 할지 정합니다.
'판단은 사람 몫'이라는 지적은 설계에 어떻게 반영하나
슬록의 지적처럼 책임과 신뢰가 걸린 판단은 AI에 맡기기 어렵습니다. 그렇다고 도입을 미룰 이유는 아닙니다. 반복되는 처리는 에이전트가 하고 판단이 필요한 지점에서는 멈춰 담당자에게 넘기도록 나누면 됩니다. 이때 넘긴 건수와 담당자 검토 시간을 함께 재야 효과가 제대로 나옵니다. 최신 모델이 꼭 필요한지도 업무별로 따져 볼 만합니다. 분류나 초안처럼 정답지로 채점할 수 있는 일은 더 싼 모델로 같은 점수가 나오는지 시험해 보고 고르면 건당 비용이 달라집니다.
구축 업체에 물을 질문 다섯 가지
- 도입 전 기준선은 누가 어떻게 재나요? 우리 쪽에서 준비할 자료는 무엇인가요?
- 운영 보고에 처리량·오류·검토 시간·사람에게 넘긴 비율이 들어가나요? 보고 주기는 얼마인가요?
- 건당 비용을 모델 사용료 외에 운영비·유지보수·담당자 검토 시간까지 넣어 계산해 주나요?
- 같은 정답지로 더 싼 모델을 시험해 보고 모델을 고르나요?
- 합격선에 못 미치면 범위 축소·사람 검토 유지·중단 중 무엇을 하나요? 그때 비용은 어떻게 되나요?
노벤티스는 어떻게 하나
노벤티스는 AX 진단, 에이전트 설계, 구축·PoC, 운영·고도화 네 단계로 진행합니다. 운영 단계에서는 처리량·오류·검토 시간을 측정하고 같은 기준으로 다시 재서 에이전트 범위를 넓힙니다. 성과 보장 문구는 쓰지 않고 이 측정값으로 보고하며 측정 방법이 없는 성과 보장은 하지 않습니다. 특정 모델에 묶지 않고 평가 체계로 모델을 바꿔 가며 검증합니다. 첫 프로젝트는 접점 하나를 대상으로 4~8주 안에 PoC까지 진행하고 범위와 비용은 진단 미팅 후 서면 견적으로 정합니다.
이 글이 맞는 독자: AI 에이전트·업무 자동화 도입 효과를 경영진에게 보고해야 하는 기획·재무·IT 담당자입니다.
자주 묻는 질문
- 아폴로 이코노미스트는 AI 효과에 대해 무엇이라고 했나요?
- 아폴로 글로벌 매니지먼트의 수석 이코노미스트 토르스텐 슬록은 2026년 10월 24일 메모에서 대형 기술 기업 7곳을 뺀 S&P 493 기업의 직원 1인당 매출과 이익률이 평평하고 AI가 생산성을 높였다는 신호가 아직 없다고 썼습니다. 일반 기업들이 토큰 지출을 이익률을 깎는 비용으로 보기 시작했다고도 진단했습니다.
- AI 에이전트 도입 효과(ROI)는 무엇으로 재나요?
- 업무 하나를 정해 도입 전후의 처리량, 오류, 담당자 검토 시간, 처리 시간, 건당 비용, 사람에게 넘긴 비율을 같은 방식으로 재서 비교합니다. 건당 비용에는 모델 사용료뿐 아니라 운영비·유지보수·검토 시간을 넣어야 합니다.
- AI 에이전트 도입 전에 꼭 해야 할 일은 무엇인가요?
- 지금 업무의 수치를 기준선으로 기록하고 정답지와 합격선, 다시 잴 날짜를 정하는 것입니다. 기준선이 없으면 도입 뒤 효과가 있었는지 말할 수 없습니다.
- 최신 모델을 써야 효과가 나나요?
- 업무마다 다릅니다. 분류나 초안처럼 정답지로 채점할 수 있는 일은 같은 정답지로 더 싼 모델을 시험해 같은 점수가 나오면 그 모델을 쓰는 편이 건당 비용에 유리합니다.