AI 시대 생산성은 어디서 오는가: 한국생산성학회 춘계학술대회 총괄 메모
AI 시대 생산성은 어디서 오는가: 한국생산성학회 춘계학술대회 총괄 메모
이번 한국생산성학회 춘계학술대회 자료들을 정리하면서 계속 같은 질문이 남았다.
AI 시대의 생산성은 정말 더 빠르게, 더 많이, 더 싸게 만드는 능력일까?
기조강연부터 세션7까지 훑고 나면 답은 꽤 분명해진다. 생산성은 더 이상 단순한 효율의 문제가 아니다. AI를 도입했다고 생산성이 자동으로 오르지 않는다. ESG를 선언했다고 지속가능성이 만들어지지 않는다. 디지털 전환을 했다고 혁신이 보장되지 않는다. 재생에너지 설비를 깔았다고 정의로운 전환이 되는 것도 아니다.
이번 학회가 보여준 생산성의 핵심은 오히려 이쪽에 가깝다.
AI 시대의 생산성은 기술의 속도가 아니라,
기술을 사람·조직·제도·지역 안에서 성과로 바꾸는 전환 역량에서 나온다.
나는 이번 자료들을 기조강연과 세션1~7로 나누어 정리했다. 개별 글은 아래에 따로 정리해두었고, 이 글은 그 전체를 묶는 총괄 메모다.
| 글 | 핵심 렌즈 |
|---|---|
| 기조강연: AI 시대의 생산성 | 속도보다 지식 생태계, 효율보다 거버넌스 |
| 세션1: ESG, 특허품질, 스타트업 프로젝트 관리 | 자원의 양보다 성과로 바꾸는 전환 능력 |
| 세션2: 생성형 AI, 녹색무역, 저공경제 | 기술·제도·인프라의 조건부 생산성 |
| 세션3: LLM, 국제표준, CBAM | 새로운 규칙을 내면화하는 경제주체들 |
| 세션4: AI와 디지털 전환 | 디지털 전환은 자동으로 생산성을 만들지 않는다 |
| 세션5: 기술, 리더십, 근로빈곤 | 생산성은 사람에게 남아야 한다 |
| 세션6: 에너지 전환과 ESG | 에너지 전환은 기술보다 설계의 문제다 |
| 세션7: 지속가능성과 전환 역량 | 지속가능성은 평균효과가 아니라 조건부 효과다 |
1. 생산성은 속도가 아니라 지식 생태계의 문제다
기조강연의 핵심은 AI 시대 생산성을 단순 자동화나 비용절감으로 보지 않는다는 점이었다.
AI는 분명히 속도를 높인다. 문서를 더 빨리 쓰고, 코드를 더 빨리 만들고, 분석을 더 빨리 돌린다. 하지만 속도가 곧 생산성은 아니다. 더 빨리 만든 결과물이 조직의 지식으로 남지 않고, 의사결정의 질을 높이지 못하고, 검증되지 않은 채 흘러가면 그것은 생산성이 아니라 산출량 증가에 가깝다.
기조강연에서 내가 가장 중요하게 본 것은 지식 생태계라는 관점이다.
AI 생산성은 개인이 얼마나 빨리 답을 얻는가가 아니라,
조직이 얼마나 좋은 지식을 축적하고 순환시키는가에 달려 있다.
AI는 지식을 만드는 도구이면서 동시에 지식을 오염시킬 수도 있는 도구다. 그래서 거버넌스가 중요해진다. AI를 많이 쓰는 조직보다, AI가 만든 결과를 검증하고 학습하고 재사용하는 구조를 가진 조직이 더 강해진다.
이 관점은 이후 세션 전체를 읽는 기준이 된다.
2. 자원은 성과가 아니라 가능성이다
세션1은 ESG, 특허품질, 스타트업 프로젝트 관리라는 서로 다른 주제를 다뤘다. 하지만 공통점은 명확했다.
자원을 가지고 있다는 것과, 그 자원이 성과로 바뀐다는 것은 전혀 다른 문제다.
특허를 많이 보유한 기업이 환경성과가 좋은 것은 아니다. 중요한 것은 특허의 품질이다. 환경인증을 받았다고 해외직접투자가 자동으로 늘어나는 것도 아니다. 인증이 해외시장 진입에서 신뢰의 신호로 작동할 때 효과가 생긴다. 스타트업의 프로젝트 관리 역량도 혁신성과로 바로 이어지지 않는다. 흡수역량과 동적역량을 거쳐야 혁신성과가 된다.
세션1의 메시지는 이렇게 정리할 수 있다.
성과는 자원의 보유량이 아니라, 자원을 성과로 바꾸는 메커니즘에서 나온다.
이건 AI에도 그대로 적용된다. AI 도구를 많이 도입했다고 생산성이 높아지는 것이 아니다. AI를 통해 지식을 흡수하고, 조직의 문제해결 방식으로 재구성하고, 실제 업무성과로 연결하는 과정이 있어야 한다.
3. 기술과 제도는 조건부로 작동한다
세션2는 생성형 AI 수용, FTA 환경조항과 체화탄소, 디지털 경제와 저공경제를 다뤘다.
여기서 중요한 것은 조건부 생산성이다.
생성형 AI는 편익이 크면 우려가 있어도 수용된다. 반대로 편익을 체감하지 못하면 우려가 사용을 막는다. 즉 AI 수용은 “AI가 좋은가 나쁜가”가 아니라, 사용자가 편익을 체감하고 위험을 감당할 수 있는가의 문제다.
FTA 환경조항도 마찬가지다. 녹색무역 규범은 탄소를 줄일 수도 있지만, 일정 수준 이상에서는 탄소집약 활동을 다른 곳으로 이동시킬 수도 있다. 환경조항의 깊이와 산업 특성에 따라 효과가 비선형적으로 나타난다.
저공경제 역시 디지털 인프라가 있으면 자동으로 성장하는 산업이 아니다. 평지, 저산구릉, 고산고원처럼 지역 지형에 따라 디지털 인프라의 효과가 다르게 나타난다.
기술은 조건을 만나야 생산성이 된다.
제도는 설계를 만나야 효과가 된다.
인프라는 지역 맥락을 만나야 산업이 된다.
이 문장이 세션2의 핵심이었다.
4. 새로운 규칙은 경제주체의 행동을 바꾼다
세션3은 LLM의 최후통첩 게임, 국제표준 네트워크와 수출 회복탄력성, CBAM 하 중국 수출전략을 다뤘다.
겉으로 보면 서로 다른 발표지만, 모두 “규칙”을 다룬다.
LLM은 최후통첩 게임에서 순수 이익극대화자가 아니라 인간적 공정성 규범을 어느 정도 내면화한 것처럼 행동했다. 국제표준 네트워크에 깊게 연결된 기업은 지정학적 충격 속에서도 수출을 더 잘 유지했다. CBAM은 중국 고탄소 제조업의 수출전략을 기술고도화 쪽으로 압박했다.
즉 경제주체는 더 이상 가격과 비용만 보고 움직이지 않는다.
- AI는 인간 규범을 학습한다.
- 기업은 국제표준 네트워크 안에서 회복탄력성을 만든다.
- 산업은 탄소규칙 아래에서 수출전략을 바꾼다.
앞으로의 생산성은 규칙을 무시하고 효율만 높이는 능력이 아니라,
새로운 규칙을 읽고 행동방식을 재구성하는 능력에서 나온다.
AI 시대의 조직도 마찬가지다. 어떤 규칙으로 AI를 쓰는가, 어떤 기준으로 검증하는가, 어떤 지식으로 남기는가가 생산성을 가른다.
5. 디지털 전환은 기존 구조를 증폭한다
세션4는 생성형 AI 활용 유형, AI 선도구 정책과 녹색혁신, 디지털 무역장벽을 다뤘다.
여기서는 디지털 전환에 대한 낙관론이 한 번 더 조정된다.
생성형 AI를 많이 쓰는 집단은 생산성과 소득이 높게 나타난다. 하지만 그 차이의 상당 부분은 취업 여부와 노동시장 지위와 연결되어 있다. 즉 AI 격차는 단순한 기술 접근 격차가 아니라 시간 구조와 일자리 구조의 문제다.
AI 선도구 정책은 기업의 녹색혁신을 단기적으로 줄일 수 있다. AI 전환이 기업의 자원과 인력을 흡수하면서 녹색 R&D를 밀어낼 수 있기 때문이다.
디지털 무역도 마찬가지다. 디지털화는 서비스무역을 넓히지만, 상대국의 디지털 규제가 강해지면 새로운 무역장벽이 된다.
AI와 디지털화는 방향을 정해주는 힘이 아니라,
기존 제도와 자원 구조를 증폭하는 힘이다.
디지털 전환은 중립적이지 않다. 잘 설계하면 생산성을 높이지만, 보완조건 없이 들어가면 격차와 병목을 키운다.
6. 생산성은 사람에게 남아야 한다
세션5는 정보기술 도입과 근로빈곤, 공공리더십 연구동향, 포용적 리더십 연구동향을 다뤘다.
가장 인상적이었던 것은 정보기술 도입과 전일제·연중 근로자의 빈곤 연구였다. 정보기술은 일자리를 단순히 없앤 것이 아니라 저임금 노동시장을 파트타임·임시직 중심으로 재편했고, 그 결과 전일제로 꾸준히 일하는 사람도 가난해질 수 있음을 보여줬다.
이건 생산성 논의에서 매우 중요한 질문을 던진다.
기술이 효율을 높였는데, 그 효율이 일하는 사람에게 남지 않는다면 그것은 누구의 생산성인가?
공공리더십과 포용적 리더십 연구도 같은 맥락에서 읽힌다. 좋은 리더십은 성과를 만들 수 있지만, 핵심은 단순히 리더가 좋다는 것이 아니다. 구성원이 말할 수 있는 심리적 안전감, 공공가치, 조직문화, 제도적 맥락이 함께 작동해야 한다.
좋은 기술은 좋은 일자리와 함께 가야 한다.
좋은 리더십은 좋은 제도와 함께 가야 한다.
좋은 조직은 사람들이 말할 수 있는 안전감 위에서 만들어진다.
생산성은 숫자로 끝나지 않는다. 사람의 일, 임금, 안전감, 발언권으로 남아야 한다.
7. 에너지 전환은 설계된 생산성이다
세션6은 재생에너지 이익공유, 국가 ESG 성과, 주거용 시간대별 전기요금제, 개발도상국 기후금융을 다뤘다.
이 세션의 핵심은 에너지 전환이 기술 설치의 문제가 아니라 사회적 설계의 문제라는 점이었다.
재생에너지는 주민 소유와 지역 재투자가 결합될 때 지역발전의 생산성 기반이 된다. 국가 ESG 성과는 소득이 높다고 자동으로 좋아지지 않고, 디지털 연결성, 재생에너지 전환, 불평등 완화, 제도 기반이 함께 작동해야 한다. 시간대별 전기요금제는 가격 신호만으로 작동하지 않고, 생활 불편과 손실위험을 줄여야 소비자가 받아들인다. 기후금융도 국가의 흡수역량과 인프라가 있어야 에너지 접근성, 안보, 그리닝으로 이어진다.
좋은 전환은 기술을 깔아두는 것이 아니라,
기술의 이익과 위험을 사회가 감당할 수 있게 설계하는 것이다.
에너지 전환은 장기 생산성의 기반이다. 하지만 그 생산성은 설계되지 않으면 지역에도, 가계에도, 기업에도 남지 않는다.
8. 지속가능성은 평균효과가 아니라 조건부 효과다
세션7은 교통 탄소배출, 디지털 전환과 ESG, AI·녹색혁신투자와 생산성, FDI와 탄소배출, 은행 지적자본을 다뤘다.
이 세션은 평균효과의 위험을 보여준다.
교통배출과 기온의 관계는 평균보다 고온·고배출 구간에서 더 강해진다. 디지털 전환은 ESG 성과를 높일 수 있지만, 그린 혁신과 정보 투명성을 통해서 작동한다. AI와 외국인 녹색혁신투자는 자동 시너지가 아니라 기업 내부 자원을 두고 경쟁할 수도 있다. FDI는 20세기에는 오염을 늘렸지만, 21세기에는 청정기술 이전의 경로가 될 수 있다. 은행의 지적자본도 인적자본과 자본활용 효율성이 있을 때 성과로 이어진다.
세션7의 메시지는 이렇다.
지속가능한 생산성은 기술과 투자의 양이 아니라,
그것을 성과로 바꾸는 전환 역량의 질에서 나온다.
지속가능성은 평균적으로 좋다는 말로 충분하지 않다. 언제, 어디서, 누구에게, 어떤 조건에서 효과가 나는지를 봐야 한다.
9. 이번 학회를 관통하는 5개의 문장
이번 학회 자료를 모두 묶으면 나는 다섯 문장으로 정리하고 싶다.
| 문장 | 의미 |
|---|---|
| 생산성은 속도가 아니라 지식 생태계다 | AI는 빠른 답보다 좋은 지식 순환을 만들어야 한다 |
| 자원은 성과가 아니라 가능성이다 | 특허, 인증, PM 역량, AI 도구는 전환 메커니즘을 거쳐야 한다 |
| 디지털 전환은 기존 구조를 증폭한다 | 보완조건이 없으면 격차와 자원잠식을 키울 수 있다 |
| 전환은 기술보다 설계의 문제다 | 에너지, ESG, 기후금융은 소유·참여·위험분담이 중요하다 |
| 생산성은 사람에게 남아야 한다 | 일자리, 임금, 안전감, 발언권으로 이어지지 않는 효율은 반쪽짜리다 |
이 다섯 문장은 AI 시대 생산성을 보는 기준이 될 수 있다.
10. 결론: AI 시대의 생산성은 전환 역량이다
AI 시대에 생산성이라는 말은 더 자주 쓰일 것이다. 자동화, 효율, 비용절감, 빠른 의사결정, 업무 대체 같은 말도 계속 따라올 것이다.
하지만 이번 학회 자료를 통해 내가 얻은 결론은 조금 다르다.
AI 시대의 생산성은 더 빠른 산출이 아니라, 더 나은 전환이다.
기술을 지식으로 전환하는 능력. 데이터를 판단으로 전환하는 능력. 인증과 규칙을 신뢰로 전환하는 능력. 디지털 전환을 ESG 성과로 전환하는 능력. 재생에너지를 지역발전으로 전환하는 능력. 기후금융을 에너지 접근성과 안보로 전환하는 능력. 리더십을 심리적 안전감과 발언으로 전환하는 능력.
이 모든 것이 생산성이다.
그래서 앞으로의 질문은 “AI를 도입했는가?”가 아니어야 한다.
- AI가 만든 지식은 어디에 축적되는가?
- 기술의 이익은 누구에게 남는가?
- 조직은 변화의 규칙을 읽고 있는가?
- 전환의 위험은 어떻게 분담되는가?
- 생산성은 사람과 지역과 제도 안에 남고 있는가?
이 질문에 답하지 못하면 AI는 빠른 도구일 뿐이다. 답할 수 있다면 AI는 생산성의 인프라가 된다.
이번 학회가 내게 남긴 가장 큰 문장은 이것이다.
생산성의 미래는 기술을 얼마나 많이 쓰는가가 아니라,
기술을 얼마나 좋은 사회적 성과로 전환하는가에 달려 있다.
그게 AI 시대의 생산성을 다시 정의하는 출발점일 것 같다.