AI 도입률은 24%인가 89%인가 — 같은 미국 기업을 세 개의 자로 재면 생기는 일

크게 보기

들어가며: 같은 달, 세 개의 숫자

2026년 9월, 미국 기업의 AI 도입률에 관한 숫자 세 개가 나란히 나왔습니다.

• 23.8% — 미국 인구조사국 기업 동향·전망 조사(BTOS), 9월 24일 발표
• 56.1% — 핀테크 회사 Ramp의 AI Index, 9월 9일 발표(8월 값)
• 89% — 맥킨지 「The state of AI in 2026」, 8월 25일 발표

가장 낮은 값과 가장 높은 값이 네 배 가까이 차이 납니다. 기사 제목에는 이 중 하나만 들어갑니다. "AI 도입이 정체됐다"고 쓰고 싶으면 인구조사국을, "이미 대세"라고 쓰고 싶으면 맥킨지를 인용하면 됩니다.

이 글의 결론부터 말하면, 세 숫자는 모두 맞습니다. 각자 다른 것을 쟀을 뿐입니다. 그리고 그 차이를 알면 우리 회사가 지금 어디쯤 있는지, 어떤 숫자를 내부 보고서에 써야 하는지가 보입니다.

1. 세 개의 자는 무엇을 재나

세 조사를 같은 표에 놓으면 차이가 바로 보입니다.

세 조사는 사실상 서로 다른 모집단을 봅니다. 인구조사국의 분모에는 직원 서너 명의 식당과 세탁소가 대부분을 차지합니다. 미국 고용 기업의 대다수가 작은 회사이기 때문입니다. Ramp 고객은 법인카드와 지출 관리 소프트웨어를 쓰는 회사, 즉 이미 디지털 도구에 익숙한 회사입니다. 맥킨지는 회사가 아니라 사람에게 묻고, 그 사람들은 주로 큰 회사의 관리자입니다.

그러니 이렇게 읽는 것이 정확합니다.

• 미국 기업 전체로 보면 네 곳 중 한 곳이 AI를 씁니다(인구조사국).
• 디지털 결제 도구를 쓰는 회사 중에서는 절반 이상이 AI에 돈을 냅니다(Ramp).
• 큰 회사는 거의 다 어딘가에서 AI를 씁니다(맥킨지).

2. 문구 하나로 7%포인트

위 차트에서 가장 눈에 띄는 것은 2025년 11월의 계단입니다. 회색 선(옛 문항)이 10.0%에서 끝나고, 초록 선(새 문항)이 17.3%에서 시작합니다. 한 달 사이에 미국 기업이 갑자기 AI를 더 쓰게 된 것이 아닙니다. 질문이 바뀌었습니다.

인구조사국이 2025년 12월 3일 낸 설명 자료에는 문구를 바꾼 이유가 적혀 있습니다. 2025년 초부터 응답자와 인지 면접을 해 보니 두 가지 일이 있었습니다.

1. "우리는 재화나 서비스를 생산하는 회사가 아니라서 해당 없다"고 생각한 응답자가 있었습니다.
2. 처음에는 '아니오'라고 답했지만 대화를 해 보니 실제로는 AI를 쓰고 있던 응답자가 있었습니다. 채용, 프로젝트 관리, 회계, 연구 개발, 또는 쓰던 소프트웨어에 딸려 온 AI 도구였습니다.

인구조사국은 두 시계열을 이어 붙이지 않고 새 시계열을 따로 시작했습니다. 기초 통계 기관이 '수준이 달라졌다(level shift)'며 시계열을 끊은 것은, 이 숫자가 질문에 얼마나 민감한지를 스스로 인정한 셈입니다.

이 일화가 기업 담당자에게 주는 교훈은 간단합니다. 사내 AI 활용 설문을 할 때 질문을 좁게 쓰면 실제보다 훨씬 낮게 나옵니다. "업무에 AI를 쓰십니까?"와 "메일 작성, 회의 요약, 번역, 검색, 코드 작성, 쓰는 소프트웨어의 자동 기능 중 하나라도 쓰십니까?"는 다른 숫자를 냅니다. 둘 중 무엇을 썼는지 보고서에 함께 적어야 합니다.

Ramp는 바로 이 점을 들어 "설문은 AI 도입을 과소 집계한다"고 주장합니다. 실제로 문구를 바꾼 뒤 인구조사국 값이 두 배 가까이 됐으니 일리가 있습니다. 다만 Ramp 쪽도 완전하지 않습니다. Ramp 스스로 방법론에 "무료 AI 도구나 직원 개인 계정은 잡히지 않아 실제보다 낮게 나올 가능성이 크다"고 적어 두었습니다. 반대로 Ramp 고객 자체가 디지털 도구를 잘 쓰는 쪽으로 치우쳐 있어 미국 전체보다 높게 나올 이유도 있습니다.

3. 우리 회사는 몇 퍼센트에 들어갈까

분모와 문구가 어떻게 숫자를 바꾸는지는 구체적인 회사에 대어 보면 가장 잘 보입니다. 아래 다섯 회사는 가상의 사례지만, 하나하나가 인구조사국 인지 면접이나 Ramp 방법론에서 실제로 언급된 유형입니다.

크게 보기

4. 회사 크기가 숫자를 만든다

도입률을 가장 크게 가르는 변수는 업종보다도 회사 크기입니다. 인구조사국 최신 조사(2026년 9월 20일까지)를 규모별로 보면 이렇습니다.

(막대 길이는 50%를 끝으로 잡았습니다.)

흥미롭게도 1~4명짜리 아주 작은 회사가 5~49명 회사와 비슷하거나 조금 높습니다. 1인 창업자와 프리랜서형 사업체가 생성형 AI를 빠르게 받아들인 결과로 보입니다. 하지만 50명을 넘으면서 값이 뚜렷하게 오르고, 250명 이상은 44.0%입니다. 업종별로는 정보 산업 49.0%, 전문·과학·기술 서비스 43.9%, 금융·보험 41.0%가 높고 소매 16.5%, 제조 19.5%가 낮습니다.

유럽도 같은 모양입니다. 유럽연합 통계청(Eurostat)에 따르면 직원 10명 이상 기업 중 AI 기술을 하나라도 쓰는 곳은 2025년 19.95%였습니다. 규모별로는 10~49명 17.0%, 50~249명 30.36%, 250명 이상 55.03%입니다. 1년 전(13.48%)보다 6.5%포인트 올랐습니다.

이것으로 맥킨지의 89%도 설명됩니다. 응답자의 36%가 매출 10억 달러 이상 회사 소속이고, 응답자가 회사 전체가 아니라 "어느 한 기능에서라도" 정기적으로 쓰는지를 답합니다. 대기업이라면 수십 개 부서 중 한 곳만 AI를 써도 '예'가 됩니다.

5. 한국은 몇 퍼센트인가

한국에도 숫자가 두 개 있고, 역시 분모와 질문이 다릅니다.

과기정통부 조사는 "AI 서비스를 쓰는가"를 넓게 묻기 때문에 32.9%가 나옵니다. 국가데이터처 조사는 회사가 주요 기술로 AI를 개발하거나 사업에 활용하는지를 묻기 때문에 훨씬 낮습니다. 50인 이상이라는 더 큰 회사만 보는데도 그렇습니다.

한국의 32.9%를 유럽의 19.95%와 바로 비교해 "한국이 유럽보다 앞선다"고 말하기는 어렵습니다. 둘 다 10인 이상 기업이 분모라는 점은 같지만, 유럽은 텍스트 분석·음성 인식·이미지 인식 같은 구체적인 AI 기술 목록을 제시하고 하나라도 쓰는지 묻습니다. 한국은 'AI 기술 및 서비스 이용'을 묻습니다. 문구가 넓을수록 값이 높게 나온다는 것은 앞에서 인구조사국이 보여 줬습니다.

사람 단위 통계도 있습니다. 마이크로소프트가 9월 21일 낸 AI 확산 보고서는 세계 15~64세 인구의 18.8%가 2026년 6월 생성형 AI를 썼다고 추정했고, 한국이 전 분기 대비 가장 큰 폭(+3.5%포인트)으로 늘었다고 했습니다. 이것은 기업이 아니라 사람을, 설문이 아니라 사용 기록(텔레메트리)을 센 숫자입니다. 또 다른 자입니다.

6. 도입했다와 효과를 봤다는 다르다

도입률 논쟁보다 더 중요한 질문이 있습니다. 쓰는 회사들이 실제로 덕을 보고 있는가입니다.

맥킨지 2026년 조사에서 "AI 덕분에 영업이익(EBIT)에 조금이라도 영향이 있었다"고 답한 비율은 37%입니다. 1년 전 39%와 거의 같습니다. 89%가 쓰지만, 이익으로 이어졌다고 말하는 곳은 그 절반이 안 됩니다. 보고서 부제가 'ROI로 가는 길 위에서(On the road to ROI)'인 이유입니다.

같은 보고서에 새로운 숫자도 있습니다. AI를 정기적으로 쓰는 조직의 응답자 중 32%가 "AI 코딩 도구로 직접 만들 수 있어서 소프트웨어 제품이나 기능 하나 이상을 사지 않기로 했다"고 답했습니다. 기술 업종은 41%, 공공 부문은 17%였습니다. 사는 대신 만드는 흐름은 이미 소프트웨어 시장에 영향을 주고 있습니다(SaaS 종말론, 그 후에서 자세히 다뤘습니다).

반대 방향의 경고도 있습니다. 가트너는 9월 29일 "2028년까지 기업의 70%가 벤더의 현장 파견 엔지니어(FDE)가 만들어 준 에이전트 AI를 버릴 것"이라고 예측했습니다. 비용이 치솟고, 고객사 스스로는 그것을 발전시킬 수 없어서라는 이유입니다. 도입률 통계는 이렇게 '만들어 놓고 버려지는' 에이전트도 도입으로 셉니다. 벤더 엔지니어가 들어와 만들어 주는 방식의 명암은 전문성의 힘 글에서 다뤘습니다.

크게 보기

7. 토큰값이 내리면 더 쓸까, 덜 낼까

AI 도입을 재는 또 다른 방법은 돈의 흐름을 보는 것입니다. 여기서는 오래된 경제학 개념 하나가 등장합니다. 석탄을 효율적으로 쓰는 증기기관이 나오자 석탄 소비가 오히려 늘었다는 제번스의 역설입니다. AI에 대입하면, 토큰값이 내려가면 기업이 훨씬 많이 써서 총지출은 오히려 늘어난다는 이야기입니다(추론 경제학과 제번스의 역설에서 원리를 설명했습니다).

장기 흐름은 이 이야기와 맞습니다. 벤처캐피털 a16z는 같은 성능의 LLM을 쓰는 비용이 해마다 10분의 1로 줄어든다고 분석했고, 연구 기관 Epoch AI는 일정 성능에 도달하는 가격이 과제에 따라 연 9배에서 900배까지(중간값 50배) 떨어졌다고 추정했습니다. 그런데도 기업 AI 지출은 계속 늘었습니다.

Ramp가 공개한 주간 토큰 데이터로 2026년을 들여다보면 그림이 조금 복잡해집니다.

올해 1월 초부터 7월 말까지는 교과서적인 제번스였습니다. 사용량이 6배 넘게 늘어 지출이 7배 넘게 늘었습니다. 그런데 7월 말부터 9월 말까지는 사용량이 39% 늘었는데 지출은 15% 줄었습니다. 같은 기간 100만 토큰당 실효 단가가 38% 떨어졌기 때문입니다. Ramp 이코노미스트도 9월 글에서 "사용량 증가가 실효 가격 하락을 상쇄할 만큼 크지 않을 수 있다"고 썼습니다.

단가가 떨어진 이유 중 하나는 어떤 모델을 쓰느냐가 바뀐 것입니다. Ramp에 따르면 가장 비싼 최상위 모델(Opus, Fable, Sol 계열)이 전체 토큰에서 차지하는 비중이 8월 정점 53%에서 45%로 내려왔습니다. 기업들이 쉬운 일은 싼 모델로 돌리기 시작한 것입니다. AI 지출 상위 1% 기업의 직원 1인당 월 AI 지출 중간값도 7월 7,976달러에서 8월 7,205달러로 9.7% 줄었습니다.

두 달치 데이터로 추세가 바뀌었다고 말하기는 이릅니다. 8월은 휴가철이고, Ramp의 토큰 표본은 구성이 계속 바뀝니다. 다만 '토큰값이 싸지면 무조건 더 많이 쓴다'는 가정이 항상 맞지는 않는다는 것은 확인됩니다. AI 회사의 매출 전망이나 데이터센터 투자 계획이 그 가정 위에 서 있다면, 이 숫자를 계속 지켜볼 필요가 있습니다. 같은 흐름은 지능의 상품화에서도 다뤘습니다.

Ramp 데이터에서 하나 더 볼 것이 있습니다. 8월 기준으로 Anthropic에 돈을 낸 미국 기업은 43.8%, OpenAI는 39.8%였습니다. 기업 시장에서는 두 회사의 순위가 소비자 시장과 반대입니다.

크게 보기

8. AI 통계를 읽을 때 물어볼 다섯 가지

사내 보고서에도 같은 원칙을 쓰면 됩니다. "우리 회사 AI 도입률 70%"라고 쓰기 전에, 그것이 '계정이 있는 직원 비율'인지, '지난주에 한 번이라도 쓴 직원 비율'인지, '업무 절차에 AI가 들어간 팀 비율'인지를 정해야 합니다. 셋은 쉽게 70%, 30%, 10%로 갈립니다.

맺으며: 숫자를 고르기 전에 자를 고른다

"AI 도입률은 몇 퍼센트인가?"라는 질문에는 하나의 답이 없습니다. 다만 2026년 가을의 숫자들이 공통으로 말하는 것은 있습니다.

• 미국 기업 전체로 보면 아직 네 곳 중 한 곳이지만, 꾸준히 오르고 있습니다(10개월에 6.5%포인트).
• 큰 회사일수록, 정보·금융·전문 서비스일수록 훨씬 높습니다. 한국과 유럽도 같은 모양입니다.
• 쓰는 것과 덕을 보는 것 사이에는 아직 큰 간격이 있습니다(맥킨지 89% 대 37%).
• 토큰값 하락이 늘 지출 증가로 이어지지는 않습니다. 최근 두 달이 그 예입니다.

다음에 AI 도입률 기사를 보면, 숫자보다 먼저 자를 확인해 보세요. 누구를, 어떤 크기를, 무엇을 물었는지. 그것만 알아도 24%와 89% 사이에서 길을 잃지 않습니다.

참고 자료

• U.S. Census Bureau, Business Trends and Outlook Survey — 전국·규모별·업종별 AI 사용 시계열(2026-09-24 발표분까지), 「BTOS AI Core Question Updates」(2025-12-03)
• Ramp Economics Lab, Ramp AI Index — 방법론, 월별 지표, 토큰 지출 관리 표본 데이터
• Ramp Economics Lab, Cracks in the AI Thesis Part 2 (2026-09-09)
• McKinsey & Company, The state of AI in 2026: On the road to ROI (2026-08-25)
• McKinsey & Company, The state of AI in 2025 (2025-11-05)
• Gartner, Gartner Predicts 70% of Enterprises Will Abandon Agentic AI Built by Vendor Forward-Deployed Engineering by 2028 (2026-09-29)
• Eurostat, Artificial intelligence by size class of enterprise (isoc_eb_ai) (2026-06-15 갱신)
• 과학기술정보통신부, 2025년 기업정보화통계조사 결과 (2025-12-29)
• 국가데이터처, 2024년 기준 기업활동조사 결과(잠정) (2025-12-16)
• Microsoft, The continued state of global AI diffusion in 2026 (2026-09-21)
• a16z, Welcome to LLMflation (2024-11-12)
• Epoch AI, LLM inference prices have fallen rapidly but unequally across tasks (2025-03-12)