AX 전략

AI를 얹은 회사와 AI로 다시 짠 회사는 무엇이 다른가

같은 AI를 써도 성과는 재설계 여부에서 갈립니다. 515개 기업 실험 데이터로 본 두 회사의 차이와 진단법.

편집 및 재구성: AXMOS 콘텐츠팀 | 최종 수정 2026-09-29

핵심 요약

"AI를 얹은 회사"는 기존 업무 흐름에 도구만 더한 회사이고, "AI로 다시 짠 회사"는 AI가 할 수 있는 일을 기준으로 업무 흐름 자체를 재설계한 회사입니다.
고성장 스타트업 515곳을 대상으로 한 현장 실험(INSEAD·하버드경영대학원 연구진, 2026)에서, 다른 기업의 AI 재설계 사례를 접하고 쓸 곳을 넓게 찾은 기업은 AI 활용 사례가 44% 늘고 매출이 1.9배 높았으며 외부 자본 수요는 39.5% 줄었습니다.
연구진은 AI 성과의 병목이 기술이 아니라 "AI를 어디에 어떻게 쓸지 찾아내는 과정"이라고 결론 내렸습니다.
대기업 조사도 같은 방향입니다. McKinsey 조사에서 생성형 AI의 영업이익 효과와 가장 강하게 연결된 요인은 워크플로 재설계였습니다.

AI를 얹은 회사와 AI로 다시 짠 회사는 무엇이 다른가?

얹은 회사는 단계를 그대로 두고 빠르게 하고, 다시 짠 회사는 단계 자체를 바꿉니다.

얹은 회사는 기존 프로세스의 각 단계에 AI 도구를 끼워 넣어 단계별 속도를 조금씩 올립니다. 다시 짠 회사는 AI가 잘하는 일을 기준으로 단계를 합치거나 없애서 흐름 자체를 짧게 만듭니다. a16z는 이 차이를 두고 성과를 낸 기업의 AI가 "기존 단계를 복제한 것이 아니라, AI가 할 수 있는 일을 중심으로 프로세스를 다시 배선했다"고 설명했습니다(a16z, 2026.6).

구분	AI를 얹은 회사	AI로 다시 짠 회사
출발 질문	"이 단계에 어떤 AI 도구를 쓸까?"	"AI가 있다면 이 결과를 어떤 흐름으로 만들까?"
업무 단계	단계 수 그대로, 일부만 빨라짐	단계 통합·제거로 흐름이 짧아짐
AI를 쓰는 범위	문서 작성 등 일부 개인 업무	제품 개발, 전략, 운영 등 회사 전반의 기능
사람의 역할	기존 역할에 도구 사용이 추가됨	예외 판단과 결과 검증으로 재정의됨
성과가 나타나는 곳	개인 생산성(체감)	처리 시간, 비용, 매출(수치)
자원 구조	구독료가 더해지고 비용 구조는 그대로	같은 인력으로 더 큰 성과, 외부 자본 의존 감소
흔한 한계	비용은 늘고 프로세스는 그대로	초기 재설계 비용과 변화 관리 부담

다시 짠 회사는 실제로 얼마나 앞서가나?

김현진(Hyunjin Kim, INSEAD)·김다현(Dahyeon Kim)·렘브란트 코닝(Rembrand Koning, 하버드경영대학원) 연구진은 고성장 스타트업 515곳을 두 집단으로 무작위로 나눴습니다. 처치군에는 다른 기업들이 AI를 중심으로 업무를 어떻게 재구성했는지에 대한 정보를 제공해, 회사의 더 넓은 기능에서 AI 활용처를 찾도록 유도했습니다. 결과는 다음과 같습니다(Kim, Kim & Koning, 2026).

지표	처치군(재설계 탐색) vs 대조군	의미
AI 활용 사례	44% 증가(평균 2.7개 추가)	제품 개발과 전략 영역에 집중
완료한 업무	12% 증가	같은 기간 더 많은 일을 끝냄
유료 고객 확보	확률 18% 증가	성과가 시장 반응으로 이어짐
매출	1.9배	상위 10% 이상 구간에서 격차가 가장 큼
외부 자본 수요	39.5% 감소	더 적은 투자로 성장
인력 수요	차이 없음	사람을 줄인 것이 아니라 같은 인력으로 더 큰 성과

이 연구가 특별한 이유는 무작위 현장 실험이라는 점입니다. "잘되는 회사가 AI도 많이 쓴다"는 상관관계가 아니라, AI를 쓸 곳을 넓게 찾도록 한 개입이 실제 성과 차이를 만들었다는 인과적 근거입니다. a16z가 정리한 분포 차트에서도 매출 최상위 5% 구간은 약 2배, 상위 10% 구간은 약 50% 높았습니다(a16z, 2026.6). 연구진은 효과가 평범한 기업을 조금 끌어올리기보다 상위권 기업의 성과 한계를 넓히는 방향으로 나타났다고 해석했습니다(Harvard Business School).

같은 연구진의 후속 연구는 AI를 전제로 설계된 'AI 네이티브' 스타트업의 조직 구조를 분석했습니다. Y Combinator 배치(W20~F24)와 2020~2024년 첫 투자를 받은 미국 스타트업을 보면, AI 네이티브 기업은 같은 산업·같은 시기 비AI 스타트업보다 인원이 25% 적고, 조직 위계는 반 단계 더 평평했지만 기업가치는 비슷했습니다. 직원 1인당 더 많은 가치를 만든다는 뜻입니다(Kim & Koning, AI-Native Firms, 2026).

1인 기업 데이터도 비슷한 흐름을 보여줍니다. Stripe의 1인 사업자 지표에서 연 매출 100만 달러를 넘긴 1인 사업자는 2023년 대비 2025년에 2배 이상, 500만·1,000만 달러를 넘긴 곳은 3배 가까이 늘었습니다. Stripe는 AI가 과거에 채용이 필요했던 역량 공백을 메우고 있다는 초기 신호로 해석했습니다. 다만 Stripe 플랫폼 기반의 대리 지표라는 한계가 있습니다(Stripe Economics, 2026.6).

왜 얹는 것만으로는 성과가 나지 않을까?

업무 흐름이 그대로면 병목도 그대로이기 때문입니다. 문서 작성이 2배 빨라져도 승인 단계가 5개면 처리 기간은 거의 줄지 않습니다. AI 산출물을 사람이 전부 다시 검토하면 인건비 구조도 바뀌지 않습니다.

대기업 대상 조사도 같은 결론입니다. McKinsey는 25개 요인을 분석한 결과, 생성형 AI로 영업이익(EBIT) 효과를 보는 데 가장 큰 영향을 준 요인이 워크플로 재설계였다고 밝혔습니다. 하지만 워크플로를 근본적으로 재설계했다는 기업은 21%에 그쳤습니다(McKinsey, 2025.3). 2026년 조사에서도 AI로 큰 성과를 낸 상위 기업(응답자의 약 6%)의 4분의 3 가까이가 워크플로를 근본적으로 재설계했다고 답했습니다(McKinsey, 2026). MIT NANDA는 ChatGPT나 Copilot 같은 도구가 널리 도입됐지만 주로 개인 생산성을 높일 뿐 손익 성과로 이어지지는 않았다고 분석했습니다(MIT NANDA, 2025). 자세한 실패 구조는 기업 AI 전환은 왜 95%가 실패하는가에서, 툴 구독이 성과로 이어지지 않는 이유는 직원에게 ChatGPT를 사줬는데 왜 ROI가 마이너스인가에서 다룹니다.

시장도 "도입"과 "성과"를 구분하기 시작했습니다. a16z에 따르면 AI 도입 수혜주로 꼽혔던 액센츄어의 잉여현금흐름(FCF) 배수는 2025년 초 30배에서 약 6배로, 장기 평균의 3분의 1 수준까지 내려왔습니다. a16z는 원인을 단정하지 않았지만, AI를 도입하는 일에는 단순한 도입 이상의 무언가가 필요하다는 점이 분명해지고 있다고 짚었습니다(a16z, 2026.6).

우리 회사는 어느 쪽인지 어떻게 진단하나?

다섯 가지 질문으로 확인할 수 있습니다. 하나라도 "아니오"라면 아직 얹은 단계에 가깝습니다.

업무 단계 수가 실제로 줄었는가? 단계가 그대로면 속도만 조금 오른 상태입니다.
AI 활용처를 개인 업무가 아니라 회사 기능 단위로 찾아봤는가? 연구에서 성과를 가른 것은 제품 개발, 전략처럼 넓은 기능으로 활용처를 확장한 것이었습니다.
성과를 체감이 아니라 프로세스 지표로 재고 있는가? 처리 시간, 건당 비용, 오류율이 대표적입니다.
AI 산출물 검증이 예외 중심으로 바뀌었는가? 전부 다시 검토한다면 사람의 역할이 재정의되지 않은 것입니다.
프로세스 단위의 전환 전후 수치가 하나라도 있는가? 숫자가 있어야 다음 확장을 결정할 수 있습니다.

얹은 단계에서 다시 짜는 단계로 넘어가는 방법은 프로세스 하나를 골라 재설계하고 전후 수치로 검증하는 것입니다. AX의 개념과 순서는 AX(AI 전환)란 무엇인가에서, 비개발 조직이 첫 업무를 자동화하는 방법은 비개발자 AI 자동화 가이드에서 확인할 수 있습니다.

자주 묻는 질문

AI를 얹었는지 다시 짰는지는 무엇으로 구분하나요?

업무 단계 수와 검증 방식으로 구분합니다. 도입 전후로 프로세스의 단계 수가 그대로이고 AI 산출물을 사람이 전부 다시 검토하고 있다면 얹은 상태입니다. 단계가 통합되거나 사라지고 사람의 역할이 예외 판단과 결과 검증으로 좁혀졌다면 다시 짠 상태입니다.

이미 AI 도구를 도입한 회사는 어떻게 다시 짜나요?

도구를 걷어낼 필요는 없습니다. 반복 업무 중 병목이 되는 프로세스 하나를 골라 현재 처리 시간과 비용을 측정하고, 그 프로세스를 AI 중심으로 재설계한 뒤 전후 수치를 비교하는 것부터 시작합니다.

고성장 스타트업 연구인데 중견·중소기업에도 적용되나요?

표본은 고성장 스타트업이라 수치를 그대로 옮길 수는 없습니다. 다만 연구가 보여준 원리, 즉 AI를 쓸 곳을 회사 전체 기능에서 체계적으로 찾고 업무 흐름을 다시 짜야 성과가 난다는 점은 규모와 관계없이 적용됩니다. 프로세스가 단순한 조직일수록 재설계 범위가 좁아 시작이 빠를 수 있습니다.

AI로 다시 짜면 인력을 줄여야 하나요?

연구에서 재설계를 시작한 기업들은 매출이 크게 늘었지만 인력 수요는 대조군과 차이가 없었습니다. 줄어든 것은 외부 자본 수요였습니다. 재설계의 목적은 감원보다 같은 인력으로 더 큰 성과를 내는 구조를 만드는 데 있습니다.

내부에 AI 구현 인력이 없으면 어떻게 하나요?

현장에 들어와 업무 흐름 진단부터 재설계, 구현까지 함께 수행하는 FDE(Forward Deployed Engineer)와 협업하는 방식이 있습니다. 내부 역량을 키우고 싶다면 교육과 공동 구축을 병행하는 방식을 선택할 수도 있습니다.

그래서 기업은 무엇을 해야 하나

AI 도입은 이미 대부분의 회사가 했습니다. 이제 차이를 만드는 것은 도입한 AI로 업무 구조를 바꿨는지입니다. 그 차이는 매출과 자본 효율이라는 숫자로 돌아옵니다. 연구가 보여준 병목, 즉 "어디에 어떻게 쓸지 찾는 일"을 푸는 것이 출발점입니다.

AXMOS는 이 과정을 현장에서 실행합니다.

진단: FDE(전방 배치 엔지니어)가 현장에 들어가 업무 흐름을 관찰하고, AI로 다시 짤 가치가 가장 큰 프로세스를 찾습니다. FDE가 어떤 역할인지는 FDE란 무엇인가에서 다룹니다.
재설계와 구축: Slack, Gmail, Excel, CRM처럼 흩어진 도구와 업무 흐름을 AI 중심으로 다시 설계하고, 기존 시스템 분석부터 구축과 운영까지 평균 3주 안에 가동합니다.
검증: 도입 전후 처리 시간과 성과를 KPI로 측정해 효과를 증명하고 조직에 내재화합니다. 실제 고객사 성과는 AXMOS 고객 사례에서 볼 수 있습니다.

빠른 구축이 필요하다면 AXMOS 팀이 직접 구축하는 AX Build를, 팀의 역량을 함께 키우고 싶다면 교육과 공동 구축을 병행하는 AX Grow를 선택할 수 있습니다. 우리 회사의 AI가 아직 "얹은" 상태라면, 가장 많이 반복되는 업무 하나를 기준으로 재설계 가능성부터 진단해 보세요. AXMOS 알아보기 또는 AX 진단 문의하기