사람이 소프트웨어보다 싸진 시대, 기업은 무엇을 바꿔야 하나
사람과 AI의 건당 총비용을 비교해 자동화 손익분기점을 계산하는 실무 가이드입니다.
편집 및 재구성: AXMOS 콘텐츠팀 | 최종 수정 2026-10-01
핵심 요약
- 사람이 소프트웨어보다 싸다는 말은 모든 업무에 적용되지 않습니다. AI의 모델 사용료, 도구 호출, 검수, 재작업을 합친 건당 총비용이 사람의 건당 인건비보다 클 때만 성립합니다.
- 에이전트는 한 업무를 처리하면서 모델을 여러 번 호출하고 재시도할 수 있으므로, 낮은 토큰 단가만으로 전체 비용을 판단하면 오차가 커집니다.
- AI는 반복량이 많고 입력과 판정 기준이 일정한 업무에서 경제성이 높아집니다. 예외가 많고 책임 판단이 필요한 업무는 사람의 검수 비용이 손익을 좌우합니다.
- 기업은 도입 전에 사람과 AI의 건당 총비용을 같은 단위로 계산하고, 실제 처리량·오류율·재작업률을 반영해 손익분기점을 다시 측정해야 합니다.
사람이 소프트웨어보다 싸졌다는 말은 맞나?
일부 업무에서는 맞지만, 기업 전체와 모든 업무에 적용되는 일반적인 비용 법칙은 아닙니다.
생성형 AI와 에이전트의 비용은 기존 소프트웨어 구독료와 다르게 움직입니다. 사용자가 한 번 실행했다고 해서 모델 호출이 한 번으로 끝나지 않습니다. 에이전트는 계획을 세우고, 도구를 호출하고, 결과를 읽고, 오류가 나면 재시도합니다. OpenAI의 에이전트 운영 문서도 한 작업에서 여러 모델 호출이 발생할 수 있으며, 루트 에이전트와 하위 에이전트의 호출, 재시도, 도구, 실행 환경, 제3자 서비스 비용을 함께 계산해야 한다고 설명합니다(OpenAI, Observability and usage).
따라서 비교 대상은 월 구독료와 월급이 아닙니다. 같은 품질의 결과물 한 건을 완성하는 총비용을 비교해야 합니다. 사람이 처리한 한 건의 비용과 AI가 초안을 만들고 사람이 검수해 완료한 한 건의 비용을 같은 기준에 놓아야 합니다.
경제성이 기술적 가능성과 다르다는 점은 MIT 연구에서도 확인됩니다. 연구진은 컴퓨터 비전으로 수행할 수 있는 업무를 대상으로 구축비, 운영 규모, 임금 절감액을 함께 계산했습니다. 그 결과 2024년 당시 미국 기업이 경제적으로 자동화할 유인이 있는 범위는 비전 업무에 지급되는 임금의 23%였습니다. 이 수치는 모든 생성형 AI 업무가 아니라 컴퓨터 비전 과업에 한정된 결과입니다(MIT FutureTech, Beyond AI Exposure).
AI 비용은 왜 토큰 단가보다 커지나?
토큰 단가는 AI 총비용의 한 항목입니다. 실제 운영에서는 모델이 읽는 문맥, 생성하는 답변, 추론 과정, 외부 검색과 데이터베이스 호출, 실행 환경, 관측 도구, 실패한 작업의 재시도까지 비용에 포함됩니다. 입력 문맥이 길어지고 에이전트가 여러 단계로 움직일수록 한 건을 끝내는 호출 횟수도 늘어납니다.
사람의 비용도 급여만으로 계산하면 안 됩니다. 회사가 부담하는 복리후생과 관리비를 포함한 시간당 인건비를 사용하고, 실제 처리 시간과 재작업 시간을 더해야 합니다. 비교 단위가 다르면 AI가 싸 보이거나 사람이 싸 보이는 착시가 생깁니다.
| 비용 항목 | 사람이 처리할 때 | AI·에이전트가 처리할 때 |
|---|---|---|
| 직접비 | 시간당 총인건비 × 처리 시간 | 입력·출력·추론 토큰, 도구 호출, 실행 환경 비용 |
| 품질 관리 | 상급자 검토와 승인 시간 | 사실 확인, 예외 처리, 보안·규정 검토 시간 |
| 실패 비용 | 오류 수정과 재작업 시간 | 재시도 호출, 잘못된 결과의 수정, 장애 대응 비용 |
| 고정비 | 채용, 교육, 관리 체계 | 연동 개발, 데이터 정비, 평가 세트, 모니터링 체계 |
| 확장 비용 | 인력과 관리 범위가 함께 증가 | 처리량에 따라 사용료가 늘고, 통제가 없으면 호출량이 급증 |
에이전트를 많이 연결했는데 업무가 오히려 느려지는 이유는 AI 에이전트를 100개 깔았는데 왜 더 느려지나에서 자세히 다뤘습니다. 에이전트 수가 늘면 조정, 전달, 검증 단계도 늘 수 있습니다. 기술 구성보다 업무 경계와 승인 기준을 먼저 정해야 하는 이유입니다.
어떤 업무에서 사람이 더 싸질까?
사람이 더 경제적인 업무에는 공통점이 있습니다. 처리 건수가 적고, 매번 상황이 다르며, 오류가 발생했을 때 책임 판단이 필요합니다. 이런 업무는 AI가 초안을 빨리 만들어도 사람이 처음부터 다시 확인해야 하므로 검수 시간이 줄지 않습니다.
1. 예외가 많고 규칙이 자주 바뀌는 업무
고객별 계약 조건, 현장별 안전 기준, 국가별 규제가 다른 업무는 문서마다 판단 기준이 달라집니다. 예외를 프롬프트와 규칙으로 계속 추가하면 문맥이 길어지고 유지보수 비용이 커집니다. 처리량이 적다면 숙련자가 직접 판단하는 편이 더 저렴할 수 있습니다.
2. 오답 한 건의 손실이 큰 업무
재무 승인, 채용 결정, 법률 검토처럼 오답 비용이 큰 업무는 사람의 최종 책임을 없애기 어렵습니다. AI 사용료가 낮아도 검수에 원래 업무의 80~100% 시간이 든다면 자동화의 경제성은 떨어집니다. 이때 AI는 대체 수단보다 검색, 분류, 초안 작성에 쓰는 보조 수단이 적합합니다.
3. 완료 조건을 측정하기 어려운 업무
좋은 전략, 설득력 있는 제안, 관계 형성처럼 품질을 수치로 바로 판정하기 어려운 업무는 자동 평가가 어렵습니다. 사람이 결과를 읽고 맥락을 확인해야 하므로 에이전트가 작업한 시간과 별도로 판단 비용이 발생합니다.
4. 호출량과 재시도를 통제하지 않은 업무
에이전트가 실패 원인을 구분하지 못한 채 같은 작업을 반복하면 사용료는 누적됩니다. 최대 호출 횟수, 작업별 예산, 중단 조건, 사람에게 넘기는 기준을 두지 않으면 값싼 모델도 비싼 운영 시스템이 됩니다. 챗봇과 에이전틱 워크플로우의 차이는 에이전틱 워크플로우란 무엇인가에서 확인할 수 있습니다.
반대로 AI가 더 싸지는 조건은 무엇인가?
AI의 경제성은 반복량, 표준화, 검증 가능성에서 나옵니다. 같은 형식의 입력이 충분히 많이 들어오고, 정답이나 합격 기준을 기계적으로 확인할 수 있으며, 실패한 건만 사람에게 보내면 사람의 검수 비중이 낮아집니다.
NBER에 공개된 고객지원 현장 연구는 5,179명의 상담원을 분석했습니다. 생성형 AI 지원 도구를 사용한 집단은 시간당 해결 건수가 평균 14% 늘었고, 초보·저숙련 상담원에서는 34% 개선됐습니다. 숙련자와 고성과자에게는 영향이 작았습니다. 이 결과는 고객지원이라는 특정 환경에서 관찰됐으며, AI 효과가 직무와 숙련도에 따라 달라진다는 점을 보여줍니다(Brynjolfsson, Li & Raymond, Generative AI at Work).
실무에서는 다음 네 가지 조건이 갖춰진 업무부터 검토하는 편이 안전합니다.
- 반복량이 충분합니다. 연동 개발과 평가에 든 고정비를 여러 건에 나눌 수 있어야 합니다.
- 입력 형식이 안정적입니다. 문서 구조와 필요한 데이터가 일정할수록 예외 처리가 줄어듭니다.
- 완료 조건을 검사할 수 있습니다. 정답 대조, 필수 항목, 허용 오차처럼 결과를 자동 판정할 기준이 필요합니다.
- 사람에게 넘길 경계가 분명합니다. 신뢰도가 낮거나 규정상 승인이 필요한 건만 담당자에게 전달해야 합니다.
사람이 소프트웨어보다 싸지는 손익분기점은 어떻게 계산하나?
손익분기점은 월 고정비를 건당 절감액으로 나누어 계산합니다. 여기서 건당 절감액은 사람의 건당 총비용에서 AI의 건당 총비용을 뺀 값입니다.
월 손익분기 처리량 = 월 고정비 ÷ (사람의 건당 총비용 - AI의 건당 총비용)
예를 들어 시간당 총인건비가 4만 원이고 사람이 한 건을 처리하는 데 20분이 걸린다고 가정해 보겠습니다. 사람의 건당 비용은 약 1만3,333원입니다. AI 모델과 도구 비용이 1,200원, 사람의 검수가 7분으로 4,667원, 평균 재작업 비용이 1,000원이라면 AI의 건당 총비용은 약 6,867원입니다. 건당 절감액은 약 6,466원입니다.
연동 개발과 평가, 모니터링에 월 300만 원이 든다면 손익분기점은 약 464건입니다. 월 처리량이 200건이라면 사람이 더 쌀 수 있고, 1,000건이라면 AI가 경제적일 가능성이 높습니다. 이 숫자는 계산법을 설명하기 위한 가정이며, 실제 판단에는 회사의 인건비와 사용량 데이터를 넣어야 합니다.
| 계산 순서 | 확인할 값 | 주의할 점 |
|---|---|---|
| 1. 사람 기준선 | 처리 시간, 총인건비, 오류율, 재작업 시간 | 급여만 쓰지 말고 회사가 부담하는 비용을 반영합니다. |
| 2. AI 변동비 | 건당 모델 호출, 도구 비용, 검수 시간, 재시도율 | 성공한 호출만 집계하지 않습니다. |
| 3. AI 고정비 | 연동, 데이터 정비, 평가, 보안, 운영 인력 | PoC 개발비와 운영비를 구분합니다. |
| 4. 품질 보정 | 완료율, 오류 손실, 사람 이관률 | 처리량이 늘어도 품질이 낮아지면 절감액이 사라집니다. |
| 5. 실제 재측정 | 도입 전후 건당 비용과 리드타임 | 모델 가격과 업무량이 바뀌므로 정기적으로 갱신합니다. |
AI 도구의 계정 수와 사용률만으로 ROI를 계산하면 검수와 재작업이 빠집니다. 구독 이후 성과가 나지 않는 구조는 직원에게 ChatGPT를 사줬는데 왜 ROI가 마이너스인가에서 이어서 설명합니다.
시간 절감이 비용 절감으로 이어지지 않는 이유는?
사람의 업무시간이 줄었다고 인건비나 산출이 자동으로 바뀌지는 않습니다. 한국은행은 직업 분포를 반영한 대표 가계조사 자료를 분석해, 생성형 AI 활용이 업무시간을 평균 3.8%, 주당 약 1.5시간 줄인 것으로 추정했습니다. 줄어든 시간을 모두 생산 활동에 다시 쓴다고 가정하면 잠재적 생산성 향상은 약 1.0%였습니다.
그러나 시간 절감률과 실제 업무 처리량 증가율의 상관계수는 0이었습니다. 보고서는 개별 작업의 효율이 업무 흐름 개선, 조직 구조 변화, 인력 재배치로 이어지지 않은 상태를 ‘생산성 단절’로 설명했습니다. 이 결과는 가계조사 기반 분석이므로 모든 기업에 같은 인과효과가 발생한다고 해석해서는 안 됩니다(한국은행 BOK 이슈노트 제2026-12호).
McKinsey의 2025년 기업 조사에서도 생성형 AI의 EBIT 효과와 가장 관련이 큰 요인은 워크플로 재설계였습니다. 일부 워크플로를 근본적으로 재설계했다고 답한 비율은 21%였습니다. 이 결과는 2024년 7월 전 세계 응답자 1,491명을 대상으로 한 설문과 분석에 기반하므로, 재설계가 성과를 보장한다는 뜻은 아닙니다. 다만 비용 계산의 단위를 도구가 아니라 업무 흐름으로 잡아야 한다는 근거가 됩니다(McKinsey, The State of AI 2025).
자주 묻는 질문
AI 에이전트는 사람보다 항상 저렴한가요?
아닙니다. 모델과 도구 사용료에 검수, 재시도, 오류 수정, 운영 인력 비용을 더한 건당 총비용이 사람의 건당 총비용보다 낮을 때만 경제적입니다. 업무량이 적거나 예외가 많으면 사람이 더 저렴할 수 있습니다.
AI 비용을 계산할 때 토큰 비용만 보면 되나요?
토큰 비용만으로는 부족합니다. 외부 도구 호출, 실행 환경, 데이터 저장, 관측, 실패한 작업의 재시도, 사람의 검수와 재작업을 함께 계산해야 합니다.
어떤 업무부터 자동화 후보로 골라야 하나요?
반복량이 많고 입력 형식이 일정하며 결과를 자동으로 검사할 수 있는 업무부터 고르는 편이 좋습니다. 오류가 큰 손실로 이어지거나 책임 판단이 필요한 업무는 사람 승인 단계를 유지해야 합니다.
손익분기점은 한 번만 계산하면 되나요?
아닙니다. 모델 가격, 호출 방식, 업무량, 검수 시간은 계속 바뀝니다. 도입 후 실제 데이터를 기준으로 건당 비용과 완료율을 정기적으로 다시 계산해야 합니다.
시간을 줄였는데 ROI가 오르지 않는 이유는 무엇인가요?
절약된 시간을 어떤 고부가가치 업무에 다시 쓸지 정하지 않았거나, 기존 승인 단계와 조직 구조가 그대로이기 때문일 수 있습니다. 시간 절감과 함께 처리량, 오류율, 매출, 비용 같은 최종 성과 지표를 측정해야 합니다.
그래서 기업은 무엇을 바꿔야 하나?
AXMOS는 AI 투자의 출발점을 모델 선택이 아니라 업무별 비용 구조의 진단으로 봅니다. 먼저 반복 업무의 처리량과 사람의 건당 총비용을 측정하고, AI가 맡을 구간과 사람이 책임질 구간을 나눠야 합니다. 이후 한 개 업무 흐름을 실제 운영 환경에 연결해 검수 시간과 재시도율까지 기록해야 합니다.
검증 단계에서는 ‘AI가 답을 만들었는가’보다 ‘같은 품질의 결과를 더 낮은 총비용으로 완성했는가’를 확인합니다. 손익분기점을 넘긴 업무만 확장하고, 넘지 못한 업무는 보조 도구로 범위를 줄이거나 사람 중심으로 되돌리는 판단도 필요합니다. 관련 전략 글은 AX 전략에서 확인할 수 있습니다.
기업의 업무별 AI 경제성을 진단하고 실행 구조를 설계하려면 AX 진단 문의하기를 이용해 주세요.
