AI 도입 69.5%인데 정착은 12.5%뿐인 이유

📰 2026년 9월 5일 기준 최신 소식 | 이 글은 특정 시점의 뉴스를 다루고 있어요.

핵심 요약 — 조코딩AX파트너스가 9월 2일 공개한 ‘2026 하반기 AX 트렌드 리포트’에 따르면, AI를 도입한 기업은 69.5%인데 업무 표준으로 정착한 기업은 12.5%뿐이에요. 정착 여부를 가른 건 도구가 아니라 경영진의 직접 관여였고, 경영진이 AX팀을 직접 이끈 조직은 정착률이 34%까지 올라갔어요. 자체 AI 마케팅 CDP(고객 데이터 플랫폼)를 직접 운영해온 개발사 기준으로, 도입과 정착 사이에서 무엇이 갈리는지 정리했어요.

“우리 회사도 AI 도입했어요”라는 말과 “우리 회사는 AI로 일해요”라는 말은 다른 이야기예요. 이번 리포트가 숫자로 보여준 것도 바로 이 간극이에요.

1. 도입 69.5%, 정착 12.5% — 숫자로 본 격차

리포트가 정의한 ‘도입’은 회사 안 어딘가에서 AI 도구를 쓰기 시작했다는 뜻이고, ‘정착’은 그 도구가 특정 팀의 실험이 아니라 업무 표준으로 자리 잡았다는 뜻이에요. 도입 기업 열 곳 중 정착까지 간 곳은 한두 곳뿐인 셈이라, 나머지는 어딘가에서 멈춰 있다는 얘기예요.

이 숫자만 보면 “역시 AI는 아직 이르다”고 넘기기 쉬운데, 리포트는 정착까지 간 기업들이 무엇을 다르게 했는지도 함께 짚었어요.

2. 정착을 가른 건 도구가 아니라 경영진이었어요

정착 여부를 가른 핵심 변수는 경영진의 직접 관여였어요. 경영진이 AX(AI 전환) 팀을 직접 이끈 조직은 정착률이 34%로, 전체 평균(12.5%)의 두 배를 훌쩍 넘었어요.

이 결과가 말해주는 건 단순해요. AI 도구를 골라주는 건 실무팀이 할 수 있지만, “이걸 왜 전사가 써야 하는지”, “어느 업무부터 표준을 바꿀지”를 정하는 건 결국 의사결정권자의 몫이라는 거예요. 담당자 한두 명에게 맡겨두고 지켜보기만 하면, 그 담당자 선에서 멈추는 경우가 많아요.

3. 개인 활용 91%, 조직 정착 12.5% — 왜 이렇게 벌어질까요

생성형 AI를 하루 한 번 이상 쓰는 개인은 91%예요. 개인 단위로 보면 이미 AI는 일상 도구예요. 그런데 이게 조직의 업무 표준 정착(12.5%)으로는 거의 이어지지 않았어요.

이유는 명확해요. 개인이 챗봇 창에 질문을 던지는 것과, 회사 데이터·승인 절차·업무 시스템에 AI가 구조적으로 연결되는 것은 완전히 다른 난이도의 일이에요. 전자는 개인의 선택이지만, 후자는 데이터를 정리하고 권한 체계를 다시 설계하는 조직의 일이거든요.

4. 보안·정보 유출이 대기업의 가장 큰 도입 장애물이에요

대기업이 꼽은 AI 도입 장애 요인 1위는 보안·정보 유출(55.9%)이었고, 데이터 분산(39%)이 뒤를 이었어요. 두 요인은 사실 하나로 이어져 있어요. 사내 데이터가 부서마다 흩어져 있으면, 그걸 AI에 연결하는 순간 “어디까지 보여줘도 되는지”를 판단하기가 훨씬 어려워지거든요.

역설적으로, 데이터가 잘 정리·통합돼 있는 조직일수록 오히려 접근 권한을 세밀하게 설계하기가 쉬워요. 무엇이 어디에 있는지 알아야 무엇을 막을지도 정할 수 있으니까요.

5. 대기업 59.3% vs 중소기업 17% — 벌어지는 교육 격차

하반기 AI 교육을 확정한 대기업은 59.3%였는데, 중소기업은 17%에 그쳤어요. 3배 넘게 벌어진 셈이에요.

예산과 전담 인력의 차이가 크게 작용해요. 도구 하나를 도입하는 건 어렵지 않지만, 조직 전체가 같은 방식으로 쓰게 만들려면 교육·가이드라인·운영 체계까지 챙겨야 하는데, 여기에 손이 닿는 중소기업이 상대적으로 적은 거예요.

6. 데이터가 정리돼야 정착도 가능해요 — 직접 CDP를 운영하며 느낀 것

저희는 자체 AI 마케팅 CDP(고객 데이터 플랫폼) ‘D:VALUEUP’을 직접 운영하면서, 데이터 통합이 생각보다 훨씬 어려운 일이라는 걸 체감했어요. 흩어져 있던 회원 정보·구매 이력·행동 데이터를 한곳에 모아야 AI가 제대로 된 답을 내는데, 그 ‘모으는 작업’이 AI 자체보다 시간이 더 걸리는 경우가 많아요.

이번 리포트가 짚은 “보안·정보 유출”과 “데이터 분산”도 결국 같은 지점을 가리켜요. 데이터가 정리돼 있지 않으면 AI를 붙이는 것도, 그 위에 보안 규칙을 세우는 것도 둘 다 늦어져요.

7. 그래서 지금, 무엇부터 확인해야 할까요

리포트가 던진 메시지를 실무 체크리스트로 옮기면 이렇게 정리돼요.

• 지금 AI 도입이 특정 담당자·부서의 실험 단계에 머물러 있지는 않은가요?
• 경영진이 AX 방향을 직접 정하고 있나요, 아니면 실무팀에 전부 맡겨두고 있나요?
• 우리 회사 데이터는 AI가 바로 쓸 수 있는 형태로 정리돼 있나요, 아니면 여러 시스템에 흩어져 있나요?
• 전사 교육·가이드라인 계획이 세워져 있나요?

이 네 가지 중 어디서 막혀 있는지 파악하는 것부터가, 도입과 정착 사이의 간극을 좁히는 첫걸음이에요. 저희는 자체 SaaS 4종을 10년 이상 직접 운영하고 50개가 넘는 프로젝트를 진행하며 데이터를 다뤄온 개발사예요. 롯데·캐논 같은 곳과도 함께해 왔고요. 어디서부터 정리해야 할지 막막하시다면 방향부터 함께 잡아드릴게요 →

자주 묻는 질문

AI를 도입만 하고 정착이 안 되는 회사는 무엇부터 점검해야 하나요?

리포트에서 정착 여부를 가른 핵심 변수는 경영진의 직접 관여였어요. 담당 부서에 맡겨두고 지켜보기만 하면 개인 단위 활용에서 멈추기 쉬워요. 경영진이 AX(AI 전환) 팀을 직접 이끄는지, 그리고 부서마다 흩어진 데이터를 통합해 AI가 실제로 쓸 수 있는 형태로 정리했는지부터 확인해보시는 걸 권해드려요.

직원들이 이미 챗봇을 잘 쓰고 있으면 정착된 것 아닌가요?

그렇지 않아요. 리포트를 보면 생성형 AI를 하루 한 번 이상 쓰는 개인은 91%로 이미 널리 퍼져 있는데, 그게 조직의 업무 표준 정착(12.5%)으로는 거의 이어지지 않았어요. 개인이 챗봇 창에 질문을 던지는 것과, 회사 데이터·업무 프로세스에 AI가 구조적으로 붙어 있는 것은 완전히 다른 단계예요.

중소기업은 대기업보다 AI 정착이 왜 더 어려운가요?

교육 격차가 커요. 리포트에 따르면 하반기 AI 교육을 확정한 대기업은 59.3%였는데 중소기업은 17%에 그쳤어요. 예산과 전담 인력이 부족하면 도입은 할 수 있어도 조직 전체가 같은 방식으로 쓰게 만드는 교육·운영 체계까지는 손이 안 가는 경우가 많아요.