“기업 간 AI 활용 격차 8.3배” 오픈AI, 엔터프라이즈 현황 분석 봤더니 작성일 08-13 36 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">기업용 AI, ‘도우미’서 ‘실행자’로<br>복잡한 업무 위임 단계까지 올라서<br>AI 활용 상위 10% 프런티어 기업<br>1인당 8.3배 많은 출력 토큰 생성<br>법무·영업·채용·마케팅·엔지니어링<br>지식 노동 전반서 에이전트형 AI 확산</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="2DpmiMSrC2"> <figure class="figure_frm origin_fig" contents-hash="0e207daba5d173f4573b543a306b6a34f662c9e4966a7fe5a204fa2693921cf3" dmcf-pid="Vj1kM8OcT9" dmcf-ptype="figure"> <p class="link_figure"><img alt="프런티어 및 일반 기업별 출력 토큰 비교. <출처=오픈AI>" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202608/13/mk/20260813123302694pmwj.png" data-org-width="700" dmcf-mid="BcozYSV7C8" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202608/13/mk/20260813123302694pmwj.png" width="658"></p> <figcaption class="txt_caption default_figure"> 프런티어 및 일반 기업별 출력 토큰 비교. <출처=오픈AI> </figcaption> </figure> <div contents-hash="419bf0c8e65b3f9c23cfba73a5fffb927a709c064505960c438b930d0c929ede" dmcf-pid="fAtER6IklK" dmcf-ptype="general"> 인공지능(AI)을 깊이 있게 쓰는 기업과 그렇지 못한 기업 사이의 간극이 갈수록 커지고 있다. AI를 가장 적극적으로 활용하는 상위 10% ‘프런티어 기업’이 중위권 기업보다 활성 사용자 1명당 8.3배 많은 결과물을 만들어내고 있는 것으로 조사됐다. 지난 1월 2.6배였던 격차가 반년 만에 크게 확대됐다. </div> <p contents-hash="f64c15dcfa4526436371e877e4f0735f585b8c25367248d3840dd24449d21345" dmcf-pid="4cFDePCEhb" dmcf-ptype="general">오픈AI는 13일 이러한 내용을 담은 기업 AI 활용 실태 보고서 ‘엔터프라이즈 시그널’을 발표했다.</p> <p contents-hash="c9cd72c66d60ee9f583dad5e8d5149b21f9cec91713fb37c9925d31e377a826b" dmcf-pid="8k3wdQhDCB" dmcf-ptype="general">격차를 키운 동력은 기업용 AI의 역할 변화다. 보고서는 AI가 ‘질문에 답하는 도우미’에서 ‘복잡한 업무를 대신 처리하는 실행자’로 옮겨가고 있다고 진단했다. 사람의 물음에 답하고 아이디어를 다듬는 데 그쳤던 기존 AI와 달리, 이른바 에이전트형 AI는 컴퓨터와 각종 도구를 직접 다뤄 정보를 찾고 파일을 수정하며 여러 단계의 일을 자율적으로, 또는 사람의 감독 아래 처리한다.</p> <p contents-hash="5c6cced856621312e73e76f0053849547fc390a8808a30c2d597b98792dc6ffd" dmcf-pid="6E0rJxlwWq" dmcf-ptype="general">오픈AI는 코딩 도구 ‘코덱스’와 업무용 ‘챗GPT 워크’를 대표 제품으로 꼽았다. 지난 6월 기업 고객이 만든 코덱스·챗GPT 출력 토큰 가운데 코덱스가 차지한 비중은 64%에 달했다. 토큰은 AI가 문장을 처리하는 최소 단위로, 출력 토큰이 많다는 것은 그만큼 오래 걸리는 복잡한 업무를 AI에 맡기고 있다는 뜻이라고 회사는 설명했다.</p> <figure class="figure_frm origin_fig" contents-hash="2e986f923f80cc6ba0525851bf7bfbc0e066bda60d7d1feef139d92ac3f050f9" dmcf-pid="PDpmiMSrvz" dmcf-ptype="figure"> <p class="link_figure"><img alt="프런티어 및 일반 기업의 고급 역량 도입 비교. <출처=오픈AI>" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202608/13/mk/20260813123304029ixwy.png" data-org-width="700" dmcf-mid="KU3wdQhDhf" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202608/13/mk/20260813123304029ixwy.png" width="658"></p> <figcaption class="txt_caption default_figure"> 프런티어 및 일반 기업의 고급 역량 도입 비교. <출처=오픈AI> </figcaption> </figure> <div contents-hash="e1b2461d057b8f1842bb9ef1b6ee3385f15b5dbe8e9ecba70adc7e09d67ce440" dmcf-pid="QwUsnRvmS7" dmcf-ptype="general"> 프런티어 기업은 매월 활성 사용자 1인당 출력 토큰 기준 상위 10%에 드는 기업을 가리킨다. 이들이 쓰는 AI 모델은 다른 기업과 다르지 않다. 조직의 업무 맥락과 데이터·도구에 AI를 얼마나 빠르게 연결하느냐에서 차이가 갈렸다는 게 오픈AI의 분석이다. </div> <p contents-hash="a0b55e9ee81bcb62ce6b9690b6c1abd418e54ec773a47918a3f4933fb768e8ac" dmcf-pid="xruOLeTsTu" dmcf-ptype="general">업종별로 뜯어보면 격차는 더 뚜렷했다. 프런티어 기업과 중위권 기업의 출력 토큰 차이는 정보·기술 산업에서 11.7배로 가장 컸고, 제조업에서 5.3배로 가장 작았다. 반면 중위권 기업의 사용량은 지난 1년간 1.9~2.8배 느는 데 그쳤다. 오픈AI는 상당수 기업이 여전히 단순 대화형 AI 수준에 머물러 있어 에이전트를 활용해 더 복잡한 업무로 나아갈 여지가 크다고 봤다. 다만 “짧은 답변도 큰 가치를 낼 수 있는 만큼 출력 토큰이 사업 성과를 그대로 보여주는 지표는 아니다”며 “활용의 ‘깊이’를 가늠하는 간접 지표”라고 단서를 달았다.</p> <p contents-hash="4b2496c921e4be5deba5c6a8bd738d86db3f53348aac8cc25308a95ecea8b945" dmcf-pid="ybc21GQ9vU" dmcf-ptype="general">특히 앞서가는 기업일수록 고급 기능을 적극적으로 썼다. 특정 업무 흐름을 자동화하는 ‘플러그인’을 주간 활성 사용자 기준 프런티어 기업은 21%가 활용한 반면 중위권 기업은 9%에 그쳤다. 재사용 가능한 지침을 담아둔 ‘스킬’ 사용률도 각각 19%와 3%로 벌어졌다. 오픈AI 내부에서는 활성 직원의 95%가 매주 플러그인을 써 기업들이 끌어올릴 수 있는 활용 여력이 아직 크다는 점을 보여줬다.</p> <p contents-hash="c3e95e274918ba3ca9e43989268fc303b825a72c2c6891e879e3ed68a175580c" dmcf-pid="WKkVtHx2Sp" dmcf-ptype="general">에이전트형 AI는 소프트웨어 개발을 넘어 지식 노동 전반으로 번지고 있다. 지난 2월 이후 기업의 주간 코덱스 사용자는 법무 분야에서 108배, 영업·채용에서 각각 41배, 마케팅에서 26배 늘었다. 같은 기간 엔지니어링 분야 증가폭(5배)을 크게 웃돈다.</p> <p contents-hash="c1144ee46ecfd68ff5ffc383a9b823c81cb78b01a418e2e37c03c4b0fe6d64fc" dmcf-pid="Y9EfFXMVC0" dmcf-ptype="general">또한 1000만건 이상 메시지를 분석한 결과, 챗GPT에서는 글쓰기가 가장 흔한 용도였던 반면, 에이전트형 AI 메시지에서는 코딩과 시스템·에이전트 운영이 약 75%를 차지했다. 개인의 문서 작성을 돕는 수준을 넘어 팀 단위 실무를 수행하는 방향으로 활용이 넓어지고 있다는 의미다.</p> <figure class="figure_frm origin_fig" contents-hash="2736626b0a7e2680c9d4b95ffc58df3e821a3796fd3dac5f3c144d8b6921cf2b" dmcf-pid="Gtd0SOB3y3" dmcf-ptype="figure"> <p class="link_figure"><img alt="기업 직무별 에이전트 사용자 성장세 비교. <출처=오픈AI>" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202608/13/mk/20260813123305273fznp.png" data-org-width="700" dmcf-mid="9pL7Wl2uSV" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202608/13/mk/20260813123305273fznp.png" width="658"></p> <figcaption class="txt_caption default_figure"> 기업 직무별 에이전트 사용자 성장세 비교. <출처=오픈AI> </figcaption> </figure> <div contents-hash="a3b38138018d526b4e90e93bdb35af56a4684d8bd1bdf3ef0c338b3e01084ab0" dmcf-pid="HFJpvIb0WF" dmcf-ptype="general"> 성과 사례도 제시됐다. 오픈AI에 따르면 시스코는 AI를 통해 같은 시간에 고치는 소프트웨어 결함이 10~15배 늘었고, 미국 보험사 트래블러스는 AI 비서를 쓴 고객의 85~90%가 자동차보험 청구를 끝까지 마쳤다. 런던증권거래소그룹(LSEG)은 AI 기반 제품 출시 기간을 3~6개월에서 2주로 단축했다. 초기 사내 생산성 향상에 머물던 AI 활용이 고객을 직접 상대하는 제품·서비스로 확장되고 있다는 게 오픈AI의 진단이다. </div> <p contents-hash="4af91002d196b12a72f2611690e02e6e7bd1d82c7f593df81edec76635854325" dmcf-pid="X3iUTCKplt" dmcf-ptype="general">업종별 도입 양상은 지표마다 갈렸다. 전문·과학·기술 서비스업이 코덱스 도입률과 API 활용 강도에서 모두 1위였고, 예술·엔터테인먼트·레크리에이션은 챗GPT 도입률에서, 제조업은 챗GPT 활용 강도에서 각각 가장 높았다. 다만 제조업은 코덱스와 API 활용 강도에서는 최하위권에 머물렀다. 직급별로는 입사 초반의 연차가 낮은 직원일수록 AI를 더 많이 쓰고 연차가 쌓일수록 사용량이 줄었다.</p> <p contents-hash="a75e93607368bb082575be10bb05fd694fa6551718fe7de20df458283d1cbab5" dmcf-pid="Z0nuyh9Uv1" dmcf-ptype="general">한편 이번 분석은 오픈AI가 자사 기업 고객의 익명화·집계된 사용 데이터를 바탕으로 한 것으로, 메시지 분류에는 자동화 시스템을 활용했으며 직원이 고객 메시지를 직접 열람하지는 않았다고 회사는 밝혔다.</p> </section> </div> <p class="" data-translation="true">Copyright © 매일경제 & mk.co.kr. 무단 전재, 재배포 및 AI학습 이용 금지</p> 관련자료 이전 통신회사 日 NTT가 갑자기 '물 인프라' 사업에?⋯사회문제 해결 나선 이유 08-13 다음 스타트업의 저력...모티프·업스테이지, 글로벌 평가서 SKT·LG 제쳐 08-13 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
