사람 대신 AI를 쓰면, 회사는 돈을 더 벌까? · AI 수익화 교과서 ④

Tue, 06 Oct 2026 00:00:00 +0900

식당에 자동 조리기계를 들이면 “이제 적은 인원으로도 가게를 돌릴 수 있겠네”라는 기대가 생깁니다. 하지만 음식이 제때 나오는지 확인하고, 주문이 잘못 들어왔을 때 처리하고, 기계를 관리하는 일까지 없어지는 것은 아닙니다.

메타와 아마존이 AI를 업무에 도입하는 모습을 보면 비슷한 질문이 떠오릅니다. 사람이 하던 일을 AI에 맡기면, 회사는 인건비를 아끼고 돈을 더 벌 수 있을까요?

AI를 판매하는 회사만큼 중요한 것은 AI를 업무에 사용하는 회사입니다. 직원에게 AI 도구를 주는 데서 더 나아가, 팀의 구성과 일하는 방식까지 바꾸려는 기업들은 무엇을 얻고 있을까요?

이미 비용 절감이나 구매 증가를 보여주는 사례는 있습니다. 다만 AI가 일을 해냈다는 것과, 그 일을 회사가 더 적은 비용으로 끝냈다는 것은 다릅니다. 메타와 아마존의 시도에서 출발해 그 차이를 살펴보겠습니다.

01 메타와 아마존은 왜 사람의 일을 AI에 맡기려 할까요?

아마존의 앤디 재시 CEO는 2025년 6월 직원들에게 보낸 글에서, 생성형 AI와 에이전트를 활용하면 일부 업무에는 더 적은 사람이, 다른 업무에는 더 많은 사람이 필요해질 것이라고 설명했습니다. 향후 몇 년 동안 AI에 따른 효율화로 회사의 사무직 인력 전체가 줄어들 것으로 예상한다고도 밝혔습니다. AI를 단순한 편의 도구가 아니라, 필요한 인력과 일하는 방식을 바꾸는 기술로 본 것입니다. 이는 당시 경영진의 전망이지, 그만큼의 절감액이 이미 실현됐다는 뜻은 아닙니다. 아마존 공식 발표, 2025년 6월

메타에서는 조직을 실제로 바꾸려는 시도가 나왔습니다. 로이터가 2026년 8월 보도한 ‘Project OT’는 AI 에이전트와 소규모 인력 중심으로 업무를 재편하는 프로젝트였습니다. 사람이 전혀 없는 회사가 아니라, 더 적은 사람이 AI와 함께 일하고 그 결과를 감독하는 조직을 구상한 것입니다. 메타는 프로젝트의 존재를 확인하면서, 비용 절감뿐 아니라 팀 재설계와 우선순위가 높은 업무로의 인력 이동이 포함됐다고 설명했습니다. 로이터 취재 기사 재게시본, 2026년 8월 26일

기업이 기대하는 계산은 어렵지 않습니다. AI가 반복 업무를 맡으면 같은 일을 적은 인원으로 처리하거나, 같은 인원으로 더 많은 제품과 서비스를 만들 수 있다는 것입니다.

그런데 실제 업무에서는 ‘결과물을 만드는 일’과 ‘문제없이 끝내는 일’ 사이에 거리가 있습니다. 메타의 시도에서도 바로 그 문제가 드러났습니다.

02 AI가 일을 맡으면 사람이 할 일은 없어질까요?

로이터는 메타 내부에서 AI로 생성되는 코드가 크게 늘었지만, 기대한 생산성 효과가 충분히 나타나지 않았다는 문제 제기가 나왔다고 보도했습니다. 신뢰성 문제와 장애 대응 부담도 거론됐습니다. 메타는 예정했던 두 번째 구조조정 계획을 취소했고, 모든 시나리오를 실행하려던 것은 아니라고 설명했습니다. 다만 로이터도 경영진이 방향을 바꾼 정확한 원인은 확인하지 못했습니다. 이를 ‘AI 때문에 모든 계획이 실패했다’고 단정할 수는 없습니다. 같은 로이터 기사

여기서 생각해볼 문제는 코드의 양 자체가 아닙니다. 코드가 빨리 만들어져도 사람이 검토하고, 기존 시스템에 연결하고, 오류를 고쳐야 한다면 그 시간도 회사의 비용입니다. 고객상담에서도 AI가 빨리 답했지만 고객이 다시 문의하거나 사람이 잘못된 처리를 되돌려야 한다면 비슷한 일이 생깁니다.

FIGURE 01 / AI가 만든 뒤에도 일은 남습니다

답변과 코드가 나왔다고
업무가 끝난 것은 아닙니다.

1 · 결과물 만들기AI가 초안을 만듭니다

답변·문서·코드를 빠르게 작성합니다.

2 · 실제 업무에 적용하기확인하고 연결합니다

정확성·보안을 검토하고 기존 시스템에 적용합니다.

3 · 문제없이 마무리하기오류와 예외를 처리합니다

재문의·오작동·잘못된 처리를 해결합니다.

처음 결과물이 나오는 속도보다, 검수와 수정까지 끝낸 전체 시간과 비용을 봅니다.

일반적인 업무를 단순화한 개념도입니다. 단계별로 AI와 사람이 나누는 역할은 업무에 따라 달라집니다.

이 때문에 AI의 도입 비용을 따져야 합니다. 구독료뿐 아니라 사내 자료 정리, 시스템 연결, 직원 교육에 드는 비용이 있고, 운영을 시작한 뒤에도 검수와 오류 처리 비용이 이어질 수 있습니다. 처음 한 번 드는 비용과 매달 반복되는 비용을 나눠서 봐야 합니다.

직원이 두 시간을 아꼈다고 해서 그 두 시간의 급여가 바로 통장에서 빠져나가지 않게 되는 것도 아닙니다. 그 시간에 더 많은 주문을 처리했는지, 야근이나 외주를 줄였는지까지 이어져야 돈의 변화가 보입니다.

그렇다고 사람이 확인해야 한다는 이유만으로 AI가 쓸모없다는 뜻은 아닙니다. 확인하는 데 드는 수고가 처음부터 직접 하는 수고보다 충분히 작다면 효과는 남습니다. 관건은 사람이 완전히 사라졌느냐가 아니라, 같은 품질의 일을 끝내는 데 총비용이 줄었느냐입니다.

03 실제로 비용을 아낀 회사도 있나요?

결제·후불결제 서비스를 제공하는 Klarna(클라르나)는 AI를 고객상담에 사용합니다. 회사는 2025년 연차보고서에서 AI가 상담 채팅의 80%를 처리했고, 약 5,900만 달러의 비용을 절감했다고 설명했습니다. 회사가 보고한 운영 효과입니다. 2025년 연차보고서, 본문 184쪽

그런데 같은 해 고객서비스·운영비 총액은 전년보다 2% 늘었습니다. 비용을 아꼈다는데 왜 지출은 늘었을까요? 함께 봐야 할 것은 커진 사업 규모입니다. 같은 기간 거래 건수는 25% 증가했습니다. 같은 보고서, 본문 133쪽

FIGURE 02 / 지출을 덜 늘리는 것도 효과입니다

일이 많아졌는데
비용은 조금만 늘었다면?

Klarna · 2025년 연간

회사가 보고한 AI 상담 비용 절감 효과약 5,900만 달러

전년보다 비용이 이만큼 줄었다거나, 이만큼의 AI 순이익이 생겼다는 뜻은 아닙니다.

거래 건수 · 전년 대비+25%

고객서비스·운영비 · 전년 대비+2%

출처: Klarna 2025년 연차보고서. 두 증가율의 차이 전부를 AI의 효과로 분리한 수치는 아닙니다.

식당으로 치면 손님이 크게 늘었는데 주방 운영비는 조금만 늘어난 상황과 비슷합니다. AI의 가치는 지난달보다 지출을 줄이는 데만 있지 않습니다. 사업이 성장할 때 추가로 필요했을 비용을 억제하는 데도 있을 수 있습니다. 다만 사업 규모에 따른 다른 효율화도 작용하므로, Klarna의 두 증가율 차이를 모두 AI 덕분이라고 계산해서는 안 됩니다.

Klarna는 사람 상담을 선택할 수 있는 경로도 유지한다고 설명합니다. 간단한 문의는 AI가 맡고 까다로운 문의는 사람이 처리하는 방식 역시 비용과 품질을 함께 맞추는 선택일 수 있습니다. ‘사람이 남아 있다’와 ‘AI 효과가 없다’는 같은 말이 아닙니다. SEC에 제출한 회사 설명

여기까지는 덜 쓰는 이야기였습니다. 그런데 AI로 이익을 얻는 길이 꼭 인력을 줄이는 데만 있을까요?

04 사람을 줄이지 않고 더 많이 팔 수는 없을까요?

온라인 쇼핑몰에서 원하는 상품을 검색했는데 엉뚱한 결과만 나온다고 생각해보세요. 살 마음이 있어도 상품을 찾지 못하면 다른 곳으로 가게 됩니다. AI가 검색어의 뜻을 더 잘 이해한다면, 직원 수를 줄이지 않아도 구매가 늘어날 가능성이 있습니다.

대형 해외직구 플랫폼에서 이를 시험했습니다. 아랍어·일본어·폴란드어 검색을 이용하는 약 185만 명을 무작위로 나눠, 한쪽에는 기존 번역 기반 검색을, 다른 쪽에는 생성형 AI로 검색어의 뜻을 해석·번역하는 방식을 적용했습니다. AI 적용 집단의 이용자당 구매액은 약 2.9% 높았습니다. 2024년 5~6월, 언어별로 9일씩 진행한 실험입니다. 「Generative AI and Sales Productivity」, 2026년 6월 개정본의 실험 설계·표 4

FIGURE 03 / 인건비가 아닌 구매에서 나타난 변화

검색어를 더 잘 이해하면
고객이 더 살까요?

비교 집단기존 검색

검색어를 기본 번역하는 방식

AI 적용 집단뜻을 해석한 검색

생성형 AI가 검색어의 의미를 해석하고 번역

이용자당 구매액 약 +2.9%
AI 적용 집단과 비교 집단의 차이

약185만 명 무작위 비교, 2024년5~6월 언어별9일 실험. 구매액은 플랫폼의 회계상 매출이나 순이익이 아닙니다. 출처: 논문 표4.

이것은 AI가 회사의 지출뿐 아니라 고객의 구매에도 영향을 줄 수 있다는 사례입니다. 다만 구매액에는 입점 판매자의 거래도 포함되고, 전체 AI 도입 비용을 관찰한 연구는 아니므로 회사의 순이익이나 투자수익률이 2.9% 높아졌다고 읽을 수는 없습니다.

또 같은 연구에서 광고 제목과 마케팅 알림을 AI로 바꾼 경우에는 구매액 효과가 통계적으로 뚜렷하지 않았습니다. 단일 기업의 짧은 실험이고 일부 저자가 해당 기업의 직원·자문역이라는 범위도 있습니다. 어디에 AI를 붙이든 매출이 늘어나는 것은 아닙니다. 같은 논문의 표 4·결론·이해관계 공개

투자자로서 주목할 부분은 AI 사용 자체보다, 그것이 고객의 어떤 불편을 해결했느냐입니다. 고객이 원하는 상품을 찾게 하고, 상담을 기다리다 떠나는 일을 줄이고, 주문을 정확하게 처리하는 개선도 기업이 AI로 돈을 버는 길이 될 수 있습니다.

05 투자자는 AI 도입 발표에서 무엇을 확인해야 할까요?

메타의 조직 개편, 아마존의 인력 전망, Klarna의 비용 절감 보고, 쇼핑몰의 구매 실험은 서로 다른 단계의 이야기입니다. 앞으로 기대하는 효과와 이미 관찰된 변화를 구분해서 읽는 것이 출발점입니다.

‘AI를 도입했다’거나 ‘직원을 줄였다’는 발표만으로 성공을 판단하기는 어렵습니다. 감원은 조직 정리나 투자 재원 확보 때문일 수도 있고, 직원 수가 그대로여도 처리하는 주문이 늘었다면 효과가 있을 수 있습니다.

발표에서 본 내용	이어서 확인할 질문
AI로 더 적은 인원이 일하게 된다	경영진의 계획인가, 실제 운영 결과인가?
문서와 코드가 더 빨리 만들어진다	검수·수정까지 포함해도 일이 빨리 끝나는가?
비용을 절감했다	전년보다 지출이 줄었나, 늘어날 지출을 피했나?
고객의 구매가 늘었다	추가 판매의 비용과 AI 운영비를 빼도 이익이 남나?
시범 도입이 잘됐다	범위를 넓힌 뒤에도 품질과 비용 효과가 유지되나?

회사의 이익이 좋아졌다고 해서 전부 AI 효과인 것도 아닙니다. 가격 인상이나 경기 회복이 함께 작용할 수 있습니다. 반대로 경쟁사도 같은 도구로 비용을 줄여 가격을 낮춘다면, 개선 효과의 일부는 기업의 이익보다 고객의 혜택으로 돌아갈 수 있습니다.

결국 중요한 것은 AI가 사람을 몇 명 대신했느냐 하나가 아닙니다. 고객이 받는 품질을 유지하면서, 회사가 덜 쓰거나 더 벌게 됐는가. 그리고 그 변화가 반복되는가. 이 질문에 답하는 실적을 찾아야 합니다.

정리

사람 대신 AI를 쓰면 무조건 돈이 남는 것도, 사람이 여전히 필요하면 AI 도입이 실패한 것도 아닙니다.

메타·아마존의 시도는 일하는 방식이 바뀌고 있음을 보여줍니다. 다만 조직 개편과 인력 전망 자체가 이익의 증거는 아닙니다.
AI가 만든 결과물을 실제 업무로 완성하는 비용까지 봐야 합니다. 검수·연결·오류 처리가 늘면 기대한 절감 효과가 줄어듭니다.
덜 쓰는 것뿐 아니라 더 파는 효과도 있습니다. 비용 증가를 억제하거나 고객의 구매를 돕는 방식으로도 AI가 돈과 연결될 수 있습니다.

AI 도입 기업을 볼 때는 ‘사람을 얼마나 줄였나?’보다 ‘같은 일을 끝내는 비용과 고객이 받는 가치가 어떻게 달라졌나?’를 먼저 묻고 싶습니다.

마지막 5편에서는 지금까지의 내용을 묶어, AI 기업의 실적 발표를 읽을 때 확인할 다섯 가지 질문으로 정리하겠습니다.

자료 기준: 2026년 10월 6일. 아마존은 2025년 6월 경영진 발표, 메타는 2026년 8월 로이터 취재 보도와 그 안에 실린 회사 답변, Klarna는 2025년 연간 보고서를 사용했습니다. 소매업 사례는 2024년 실험의 2026년 6월 개정 논문을 바탕으로 합니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.