올해 4월, 미 연방준비제도(Fed)는 미국 기업의 AI 도입률을 정량적으로 추적하는 방법을 연구하는 워킹페이퍼를 발표했다. 이 사실 자체가 주목할 만하다. 통화정책 입안자들이 AI 도입을 경제 지표로 공식적으로 연구하기 시작했다는 것은, AI의 거시경제적 영향이 정책적 시야에 포함시켜야 할 정도로 심각해졌음을 의미하기 때문이다.
하지만 이 논문에서 가장 흥미로운 부분은 결론이 아니라, 동일한 대상을 세 가지 다른 방법으로 측정했을 때 전혀 다른 숫자가 나온다는 발견이다.
세 가지 데이터, 세 가지 세계
Fed 연구팀은 세 가지 주요 조사 출처를 비교했다.
BTOS(기업 기술 조사): 18%
기업 차원에서 질문: 회사에서 AI를 사용합니까? 약 18%의 기업이 도입했다고 응답.
RPS(무작위 생산성 조사): 41%
개인 차원에서 질문: 업무에서 생성형 AI를 사용한 적이 있습니까? 41%의 응답자가 사용했다고 응답.
SBU(고용 가중치 적용): 78%
대기업 가중치를 반영한 결과: 근로자의 78%가 AI를 도입한 기업에 고용되어 있다.
동일한 '미국 AI 도입률'이 18%, 41%, 78%——이 세 숫자는 모두 맞지만, 묻는 질문이 다르다.
'도입'을 어떻게 정의하느냐에 따라 보이는 세계가 직접적으로 달라진다.
'회사가 공식적으로 AI 시스템을 배포했는가'를 묻는다면 답은 18%다. '직원이 사용하고 있는가'를 묻는다면 답은 41%다. 대기업 직원(대기업의 AI 도입률이 더 높음)의 가중치를 적용하면 답은 78%로 뛰어오른다.
누가 가장 많이 사용하는가
업종별로 분석하면 격차가 상당히 크다.
| 업종 | 기업 도입률 | 개인 사용률 |
|---|---|---|
| 전문 서비스(법률, 컨설팅, 회계) | 33% | 62% |
| 금융 서비스 | 30% | 63% |
| 제조업 | 낮음 | 낮음 |
| 도매업 | 낮음 | 낮음 |
금융 및 전문 서비스 분야의 개인 사용률이 가장 높아, 금융 종사자의 63%가 업무에서 생성형 AI를 사용한다. 이는 놀라운 일이 아니다. 두 업종 모두 본래 텍스트, 데이터, 분석을 많이 다루기 때문에 AI를 직접적으로 접목하기 쉽기 때문이다.
반면, 제조업과 도매업의 도입률은 현저히 낮아 AI가 아직 물리적 생산 현장까지 깊숙이 침투하지 못했음을 보여준다.
성장률 68%, 하지만 베이스는 작다
논문에서 눈에 띄는 숫자가 하나 있다. 2025년 말 기준, 기업 차원의 AI 도입률 연간 성장률은 68%였다.
하지만 주의할 점이 있다. 성장률이 아무리 빨라도 베이스는 18%에 불과하다. 18%에서 68% 성장해도 30% 초반에 그친다.
더 흥미로운 것은 일상적인 사용 빈도다.
- 업무 관련 AI를 매일 사용하는 직원: 12%
- 적어도 주 1회 이상 사용: 35.2%
- 대규모 언어 모델(LLM)의 고용 가중치 도입률: 54%
매일 12%라는 수치는 다른 어떤 엔터프라이즈 소프트웨어에서도 '저빈도'로 간주될 수준이다. 하지만 비유하자면, 엑셀도 초기 보급 단계에서는 일간 활성 사용자 수가 이렇지 않았다. AI 도구의 '고착성(stickiness)'은 아직 초기 육성 단계에 있다.
Fed가 주목하는 이유
Fed가 AI 도입률을 연구하는 배경에는 매우 실용적인 정책적 고려 사항이 있다.
AI가 노동 생산성에 미치는 영향은 다음 세 가지 사항에 직접적으로 연결된다.
- 경제 성장 추세: 생산성 증가는 GDP 성장의 핵심 동력이다
- 인플레이션 경로: 생산성 향상은 공급 측면의 가격을 낮춰 인플레이션을 유발하지 않으면서 경제를 더 빠르게 운영할 수 있게 한다
- 노동 시장 구조: AI가 어떤 일자리를 대체하고, 어떤 고용 정책 지원이 필요한가
다시 말해, Fed는 판단을 내리려고 한다. 우리가 지금 AI 주도의 생산성 혁명 속에 있는 것인지, 아니면 단순한 디지털 거품 속에 있는 것인지.
이 판단은 금리 결정에 직접적인 영향을 미친다. AI가 체계적으로 노동 생산성을 향상시키고 있다면, 경제는 과열을 걱정하지 않고 더 오랜 기간 동안 성장을 유지할 수 있다.
이 논문은 최종적인 답을 제공하지는 않지만, 이 문제를 정량화하고 추적 가능하게 만들었다.
측정 자체가 진보다
이 논문의 솔직함은 신선하다. 'AI가 모든 것을 바꿨다'는 주장을 뒷받침하는 대신, '우리에겐 세 가지 측정 방법이 있고, 각각 편향이 있으며, 우리는 이 현상을 더 정확하게 관찰하는 방법을 아직 배우고 있다'고 말한다.
이는 AI의 경제적 영향에 대한 정량화가 아직 초기 단계에 있음을 정확히 보여준다. MIT, 스탠퍼드, 맥킨지는 각자의 방법을 가지고 있고, Fed도 나름의 방법을 가지고 있다. 이들이 산출하는 숫자는 서로 충돌한다——데이터가 가짜여서가 아니라 같은 것을 측정하고 있지 않기 때문이다.
정책 입안자들이 AI의 경제적 영향을 진지하게 정량화하기 시작한 시점부터 이러한 데이터가 실제로 통화 정책 모델에 들어가기까지는 아마도 몇 년이 더 걸릴 것이다. 하지만 방향은 정해졌다. 거시경제학에서 AI는 '화제'에서 '지표'로 이동하고 있다.
Fed가 금리 결정 성명서에서 AI 도입률 데이터를 인용하기 시작하는 날이야말로 진정으로 기록할 가치가 있는 역사적 이정표가 될 것이다. 지금 우리는 아마 그 길의 약 3분의 1 지점쯤 와 있을 것이다.
출처: Monitoring AI Adoption in the US Economy (미 연방준비제도 이사회, FEDS Notes, CocoLoop, 2026년 4월); Enterprise AI Adoption Curve Now Past the Internet at Year 3 (Asanify AI News Digest, 2026년 4월 20일)