AI adoption and the future of work: 5개 AI 고노출 산업에서 AI 도입은 5%의 순일자리 감소와 9.6%의 생산성 향상을 가져왔다

개요

이 AlphaWise 설문은 AI가 5개국의 은행, 소프트웨어 및 서비스, 기술 하드웨어 및 장비, 반도체, 전문 서비스 부문의 고용, 생산성, 사용 사례, 거버넌스 및 도입 과제에 미치는 영향을 조사한다. 보고서는 상당한 인력 재배치와 함께 효율성 개선이 이미 측정 가능하며, 향후 1년 동안 생산성 효과가 강화될 것으로 본다.

핵심 견해

모건스탠리의 두 번째 AlphaWise 설문은 미국, 영국, 독일, 일본 및 호주에서 기업 AI 전략과 구현에 정통한 808명의 전문가를 대상으로 했다. 표본은 5개 AI 고노출 산업에서 AI 솔루션을 최소 12개월간 구현 또는 개발했고 다음 해에도 계속할 계획인 기업으로 제한됐다. 기업들은 지난 12개월 동안 포지션이 평균 5% 순감소했다고 보고했으며, 이는 상대적으로 AI 도입이 진전된 기업에서 AI가 이미 인력 재편으로 이어지고 있음을 시사한다. 총인력 영향은 순감소보다 훨씬 컸다. 일자리의 12%가 제거됐고 추가로 15%의 포지션이 충원되지 않아 합계 27%에 달했다. 이는 22%의 신규 채용으로 일부 상쇄됐으며, 동시에 직원의 25%는 재교육을 받고 16%는 재배치됐다. AI 도입의 영향을 받지 않은 포지션은 11%에 불과했다. 일본은 순일자리 감소가 10%로 가장 컸고, 영국 6%, 미국 5%, 호주 4%가 뒤를 이었다. 반면 독일은 1%의 순증을 기록한 유일한 시장이었다. 독일은 제거 또는 미충원 비중도 21%로 가장 낮았고, 제거 비율은 9%로 최저, 재교육 비율은 27%로 최고였다. 산업별 결과는 크게 달랐다. 반도체는 순일자리 감소가 8%로 가장 높고, 제거와 미충원의 합산 비율도 29%로 가장 높았다. 그러나 재배치도 가장 많아 인력 조정이 단순한 인원 감축만은 아님을 보여준다. 소프트웨어 및 서비스의 순감소는 7%, 기술 하드웨어는 5%, 전문 서비스는 4%, 은행은 가장 낮은 3%였다. 다만 은행도 포지션의 25%가 제거 또는 미충원이었고 신규 채용은 23%였으며, 재교육이 특히 두드러졌다. 보고서는 근로자 집단별 영향이 고르지 않음을 보여준다. 제거 또는 미충원 포지션의 영향을 가장 많이 받은 집단은 오프쇼어 직원으로 41%였고, 정규직 38%, 계약직 또는 임시직 26%가 뒤를 이었다. 산업별로는 은행과 소프트웨어 및 서비스에서 오프쇼어 역할의 영향이 더 컸고, 반도체에서는 정규직의 영향이 더 컸다. 경력 2년에서 10년인 직원은 제거와 미충원에서 각각 35%로 가장 큰 비중을 차지했으며, 특히 경력 2년에서 5년인 직원은 제거의 18%, 미충원의 19%를 차지했다. 그러나 이 집단은 조정의 중심이기도 했다. 경력 2년에서 10년인 직원은 채용의 41%, 재교육의 39%, 재배치의 40%를 차지했다. 향후 72%의 기업은 경력 6년에서 10년인 후보자를, 65%는 경력 2년에서 5년인 후보자를 채용할 가능성이 가장 높다고 답했고, 신입 졸업생 채용은 약 40%가 될 수 있다. 생산성 데이터는 인력 영향의 반대편을 보여준다. 지난 12개월 동안 순생산성은 평균 9.6% 상승했다. 영국이 10.3%로 국가 중 가장 높았고 미국이 10.2%로 뒤를 이었으며, 독일은 8.4%로 가장 낮았다. 소프트웨어 및 서비스가 10.4%로 산업 중 가장 높았고, 은행 10.0%, 전문 서비스 9.6%, 기술 하드웨어 8.6%, 반도체 8.2%가 뒤를 이었다. 직원 수 50명 미만 기업은 11.3%로 가장 높은 증가율을 보고했고, 2025년 매출이 $1 million 미만인 기업은 13.3%를 보고했지만, 보고서는 일부 소규모 매출 범주의 낮은 표본 수를 지적했다. IT/소프트웨어 개발은 국가, 기업 규모, 매출 구간 및 AI 도입 성숙도 전반에서 생산성 개선의 선도 영역이었다. 전문 서비스는 다소 달랐으며, 고객 서비스/지원이 52%로 IT/소프트웨어 개발의 49%와 법무 및 컴플라이언스의 48%를 앞섰다. 이 표본에서 AI 구현은 더 이상 초기 단계가 아니다. 기업들은 AI 솔루션을 평균 2.9년 구현했으며, 35%는 3년 이상 구현했다. 일본은 평균 AI 구현 기간이 3.1년으로 가장 길었고 미국은 2.7년으로 가장 짧았다. 은행, 기술 하드웨어 및 반도체 부문은 평균 3년, 전문 서비스는 2.8년이었다. 고매출 기업과 대기업은 일반적으로 더 긴 구현 이력을 보였다. 보고서는 산업별 사용 사례도 제시한다. 은행에서는 개인화된 뱅킹 및 고객 인사이트, 소프트웨어 및 서비스에서는 검색과 소프트웨어 개발 자동화, 기술 하드웨어에서는 검색과 AI 강화 BI 대시보드, 반도체에서는 반도체 테스트 자동화, 전문 서비스에서는 검색, 자동 콘텐츠 생성 및 자동 요약이 두드러졌다. 기업들은 향후 12개월 동안 AI 관련 순생산성이 평균 11.7% 증가할 것으로 예상한다. 일본의 국가별 예상치가 12.3%로 가장 높았고 미국이 12.1%로 뒤를 이었다. 산업별 예상치는 기술 하드웨어의 10.9%에서 전문 서비스의 12.2%까지였다. AI를 1년 구현한 기업은 향후 1년에 가장 높은 15.7%의 순생산성 향상을 예상했다. IT/소프트웨어 개발은 다시 대부분의 그룹에서 가장 큰 생산성 향상 영역으로 예상되지만, 저매출 기업은 마케팅이 주도할 것으로 예상했다. 오프쇼어 직원은 향후에도 제거 또는 미충원의 대상이 될 가능성이 가장 높고, 미국, 일본, 반도체 및 전문 서비스에서는 정규직이 가장 큰 영향을 받을 것으로 예상된다. 도입 제약과 거버넌스는 AI 도입을 해석하는 데 여전히 핵심이다. 데이터 준비도와 접근성, AI 기술 부족, 레거시 시스템 통합, 신뢰, 보안, 개인정보 보호 및 평판 리스크가 반복적으로 과제로 지목됐다. 은행에서는 보안, 레거시 시스템 통합, 데이터 준비도, 기술 부족이 모두 주요 문제였고, 반도체 응답자는 특히 신뢰, 보안, 개인정보 보호 및 평판 리스크를 강조했다. 응답자의 대다수는 이미 거버넌스 조치를 갖추고 있었다. 93%가 책임 있는 AI 정책을 보유했고, 이 중 54%는 포괄적 정책, 39%는 초점형 정책이었다. 전체 시장에서 53%는 인간을 인간의 판단으로 AI 결과물을 보완하는 협업 파트너로 보았고, 33%는 책임 있는 사용, 컴플라이언스 및 리스크 관리를 위한 감독 역할을 선호했다.

분석 프레임워크

이 보고서는 5개국 기업 설문을 통해 AI 주도의 인력 결과, 생산성 향상, 사용 사례, 도입 성숙도, 거버넌스 및 구현 장애를 비교한다. 국가, 산업, 기업 규모, 매출, 직원 유형, 경력 및 AI 구현 연수별로 결과를 분석하고, 지난 12개월과 향후 12개월의 기대를 대조한다.

방법론 메모

• 기타기타

  AlphaWise 기업 AI 도입 설문

  모건스탠리는 2026년 4월에 소속 기업이 최소 1년간 AI를 구현 또는 개발해 온 808명의 전문가를 설문했다. 이 조사는 국가와 산업별로 자가 보고된 고용, 생산성 및 도입 결과를 비교한다.

• 기업 펀더멘털 및 재무 프레임워크이익의 질 분석

  사업 성과 KPI 추적

  보고서는 고용 변화만 보지 않고 품질 및 정확성, 생산성 및 시간 절감, 재무적 영향 또는 ROI와 기타 운영 KPI를 통해 AI 성과를 평가한다.

핵심 데이터

• 설문 표본808 online interviews2026년 4월에 실시됐으며 5개국과 5개 AI 고노출 산업을 대상으로 함
• 평균 순인력 변화-5%지난 12개월간 포지션의 평균 순감소
• 제거 또는 미충원 포지션27%22%의 신규 채용으로 일부 상쇄됨
• 지난 12개월 순생산성 향상9.6%AI 구현에 따른 평균 보고 증가율
• 향후 12개월 예상 순생산성 향상11.7%기업의 평균 기대치
• 일본 순일자리 감소10%국가별 최대 순감소
• 반도체 순일자리 감소8%산업별 최대 순감소
• 책임 있는 AI 정책 도입률93%54%는 포괄적 정책, 39%는 초점형 정책

영향과 시사점

보고서는 AI 도입이 단순히 일자리를 줄이는 것이 아니라 인력 구성을 변화시키고 있음을 시사한다. 재교육, 재배치 및 선택적 채용은 제거 및 미충원과 공존한다. 또한 생산성 효과는 확대되고 가속이 예상되지만, 실현 여부는 데이터 준비도, 기술, 레거시 시스템 통합, 보안 및 거버넌스에 달려 있다.

위험

• 데이터 준비도와 접근성이 AI 배포와 성과를 제약할 수 있다.
• AI 기술과 전문성 부족은 여전히 보고된 도입 과제다.
• 레거시 시스템 및 업무 흐름 통합이 구현을 저해할 수 있다.
• 신뢰, 보안, 개인정보 보호, 평판 리스크, 환각 및 사실 정확성 우려가 도입을 제한할 수 있다.
• 일부 소규모 산업, 기업 규모 및 매출 하위 그룹은 표본 수가 낮다.

주시할 점

• 기업이 보고한 향후 12개월 11.7% 생산성 향상 기대가 실현되는지 여부.
• 오프쇼어 직원과 경력 2년에서 10년인 직원에 대한 인력 압력이 지속되는지 여부.
• 반도체의 인력 혼란이 다른 설문 대상 산업보다 큰 상태로 유지되는지 여부.
• 데이터 준비도, AI 인재, 레거시 시스템 통합 및 책임 있는 AI 정책 도입의 진전.