ILO 중국 기업 AI 보고서: 21곳 중 13곳은 효과를 측정 못 한다

ILO가 새로 낸 브리프에 인터뷰이로 나온 중국 기업 21곳 가운데 13곳은 AI가 자사 생산성에 무엇을 했는지 숫자로 말하지 못했습니다. 나머지 8곳은 말했고, 그 숫자는 큽니다. 채용 사이클이 30일에서 13일로, 300명 규모 고객센터의 하루 처리 건수가 6,000건에서 15,000건으로, 10명 넘던 문서 판독 팀이 2~3명으로. 이 두 사실을 같이 놓고 읽어야 중국 기업 AI 도입이 실제로 어디쯤 와 있는지 보입니다.

브리프 제목은 「중국 기업의 인공지능 도입: 생산성 효과, 인력 함의, 정책 과제」이고, ILO 연구부가 2026년 9월 15일에 발행했습니다. ILO의 에케하르트 에른스트가 중국 인민대학교의 공저자 6명(자오 중, 주 후이린, 리 위후이, 웨이 신, 장 하오, 천 쩌양)과 함께 썼고, 인터뷰와 설문은 인민대 연구진이 2026년 상반기에 수행했습니다. 12쪽 PDF를 전부 읽었고, 아래 수치는 모두 거기서 나옵니다.

데이터가 둘, 하나는 작고 하나는 넓다

[사실] 첫 번째 원천은 21개 기업의 임원·부서장·핵심 직원을 대상으로 한 반구조화 인터뷰입니다. 제조 6곳, 금융·보험·부동산 4곳, 비즈니스 서비스 4곳, 통신·건설·에듀테크 각 1곳이고, 브리프의 표 1 기준으로 4곳은 「미분류」입니다. 규모 편차가 극단적입니다. 한쪽 끝에는 직원 8명의 미디어 스타트업과 21명의 벤처캐피털이, 반대쪽 끝에는 2만 명 넘는 광전자 제조사와 직원 27만 명·연매출 1조 1,400억 위안 이상의 보험 그룹이 있습니다.

[사실] 두 번째 원천은 중국 전문직 1,591명 설문입니다. 산업, 소유 형태(국유·민영·외자), 신입부터 고위 관리직까지 직급을 아우릅니다. 브리프가 뽑은 헤드라인 수치는 넷입니다. 56%가 AI 도입을 불가피한 추세로 보고, 47%는 AI가 없애는 일자리보다 만드는 일자리가 많다고 믿으며, 대략 3분의 1은 사회 안정이나 「인간 고유성」을 걱정하고, 39%는 AI 때문에 자기 소득이 줄 것으로 예상합니다.

두 원천은 하는 일이 다릅니다. 인터뷰는 기업이 어떻게 도입하는지를 설명하고, 설문은 노동자가 어떻게 느끼는지를 말합니다. 둘 다 고용에 실제로 무슨 일이 일어났는지는 측정하지 않습니다.

숫자를 낸 8곳이 보고한 것

[사실] 광전자 제조사의 「등대 공장」은 2021년 소형 AI 모델 배치 후 생산 효율이 30% 올랐고, 다른 고객 공장은 20% 안팎이라고 보고했습니다. 같은 회사가 고객 사양서 판독 팀을 10명 이상에서 2~3명으로 줄였고, 파라미터 전환 시간을 120분에서 60분으로 절반으로 만들었으며, 특정 생산 시나리오에서는 자사 AI 제품이 인건비를 약 80% 줄인다고 말합니다.

[사실] 서비스 쪽에서는 한 보험사가 고객서비스 직원 300명의 하루 처리 건수를 6,000건에서 15,000건으로 올렸다고 했습니다. 최대 보험 그룹의 인사 부서는 채용 사이클을 30일에서 13일로 줄였습니다. AI 네이티브 인재관리 회사는 프로젝트 매니저 1인당 동시 진행 프로젝트가 2~3개에서 5~6개로 늘고, 고객 응답 속도가 30% 빨라졌으며, 핵심 효율 지표가 30~100% 개선됐다고 했습니다. HR 서비스 회사는 1분기 R&D 공수 30% 감소와 3분기 1인당 고객서비스 산출 28% 증가를 측정했습니다. 여행 서비스 회사는 AI 데이터 처리가 정규직 5~6명 몫이라고 추산했습니다. 에듀테크 회사는 서비스 가격을 절반으로 내렸고, AI 스터디룸 운영비가 전통 과외 수업보다 80% 낮다고 했습니다.

[추정] 브리프가 하지 않은 산수를 몇 개 해 봤습니다. 보험사 고객센터 수치는 같은 인원으로 상담원 1인당 하루 20건에서 50건이 된 셈입니다. 사양서 팀 감축은 그 업무 인력의 70~80% 삭감입니다. 그리고 생산성 표(표 3)에는 8개 기업의 13개 지표가 실려 있는데, 뒤집으면 인터뷰 기업 21곳 중 13곳, 즉 62%는 정량화된 성과를 하나도 내놓지 못했다는 뜻입니다. 브리프가 다수를 두고 쓴 표현은 「대부분의 기업에 체계적 평가 틀이 없다」입니다. 최대 보험사는 「사업 쪽 공식 지표가 없다」고 했고, VC는 리서치 보고서 품질이 좋아졌지만 「정량 측정은 전혀 없다」고 했으며, 미디어 회사는 「정량 평가가 전혀 없다」고 답했습니다.

제가 정책 담당자라면 이 62%를 맨 앞에 두겠습니다. 기업들이 효과를 판별할 방법도 없이 AI에 돈을 쓰고 있다는 뜻이니까요.

들어가는 길 셋, 깊이 셋

[사실] 브리프는 도입 방식을 세 가지 조직 모델로 나눕니다. 중앙 전문팀이 자체 도구를 만드는 모델(광전자 제조사, 인재관리 회사). 기존 사업부와 워크플로에 AI를 심는 업무 내장형 모델로, 보험과 은행이 이 패턴입니다. 그리고 작고 유연한 회사에서 아래로부터 번지는 자생적 확산 모델. VC에서는 회사가 공식 지원을 마련하기 전에 직원들이 먼저 AI 도구를 쓰기 시작했습니다.

[사실] 영향의 깊이도 세 단계로 나눕니다. 기존 작업을 빠르게 하는 도구 보조 효율, AI 중심으로 워크플로를 다시 짜는 프로세스 내장 최적화, 그리고 비즈니스 모델 혁신. 표본 기업 대부분은 1단계나 2단계에 있습니다. 3단계 조짐을 보이는 곳은 인재관리 회사, 광전자 제조사, 에듀테크 세 곳뿐입니다.

「중국이 앞서 달린다」는 프레임과 어긋나는 디테일이 하나 있습니다. 여러 기업이 일부러 기다렸다고 말했습니다. 국유 계열 디지털 서비스 회사는 조기 투자의 「매몰 비용」 위험을 들며 오픈소스 파운데이션 모델이 성숙하고 컴퓨팅 비용이 내려간 뒤에야 들어갔습니다. 이들이 이름을 댄 도구는 대개 범용입니다. 더우바오, 키미, 위안바오, 코파일럿, 협업 플랫폼 페이슈. 여러 개를 나란히 써 보고 하나를 고르는 식입니다.

장벽 목록은 다른 나라와 똑같이 생겼다

[사실] 가장 많이 언급된 문제는 출력 품질로, 8곳 이상입니다. HR 서비스 회사는 AI 고객서비스 정확도가 고객에게 직접 답하게 하려면 필요한 95% 문턱에 못 미친다고 합니다. 에듀테크는 교정 비용이 감당이 안 돼 AI 생성 교육 애니메이션을 포기했습니다. 미디어 창업자는 AI 출력을 「평범한 사무직 한 명」 수준으로 평가합니다. 광전자 제조사는 특정 생산 문제를 안정적으로 푸는 소형 모델과, 「기술적 환멸」 단계에 있다고 표현한 생성형 AI 사이에 선을 긋습니다.

[사실] 다음이 스킬과 저항(6곳 이상), 규제와 데이터 보안(6곳 이상), 시스템 통합(5곳 이상), 비용 대비 수익(5곳 이상)입니다. 에듀테크는 40세 이상 직원의 AI 활용 역량이 「눈에 띄게 약하다」고 보고합니다. 최대 보험사는 AI를 자기 자리 위협으로 보는 인사 직원들의 명시적 저항과, 적응하는 본사 직원과 덜 적응하는 지점 직원 사이의 격차를 보고합니다. 다국적 기업의 중국 자회사에는 층이 하나 더 있습니다. HR 서비스 회사에 따르면 일부 해외 본사는 프라이빗 모델 배치만 허용하고 오픈 모델 사용은 금지합니다.

데이터 품질이나 주석 작업을 장벽으로 꼽은 곳은 2곳뿐입니다. 제조업 비중이 큰 표본치고는 예상보다 낮은데, 무엇이 어려운지보다 누구를 인터뷰했는지가 반영된 수치일 수 있습니다.

낙관과 사례가 나란히 앉기 불편하다

브리프가 짚기는 하지만 풀지는 않는 긴장이 여기 있습니다. 설문 응답자의 47%는 AI가 없애는 것보다 많은 일자리를 만든다고 믿고, 저자들은 이것이 OECD 여러 나라 설문보다 낙관적이라고 적습니다. 그런데 인터뷰에는 70~80% 줄어든 사양서 팀, 5~6명 채용을 피한 여행사, 주니어 컨설턴트가 「예전에는 중견·시니어 전문성이 필요했던 일」을 해내는 인재관리 회사, 그리고 앞으로 「이 업계 사람들은 더 '싸질' 것」이라고 말한 VC 파트너가 들어 있습니다.

[주장] 브리프 스스로 주니어 컨설턴트 사례가 「신입 일자리가 사라질 위험을 둘러싼 현재 미국의 논의와 눈에 띄게 다르다」고 지적하면서 스탠퍼드 디지털경제연구소의 「탄광 속 카나리아」 논문을 인용합니다. 공정한 대조이긴 한데, 한 회사의 진술과 급여 데이터 연구 사이의 대조이지 두 측정값 사이의 대조가 아닙니다. 여기 있는 중국 쪽 증거는 주니어의 생산성이 높아지고 있다는 것이고, 그 결과 주니어를 덜 뽑게 되는지는 이 브리프가 답할 수 없는 질문입니다. 브리프 자신의 표현으로 인터뷰는 「노동자의 목소리를 직접 포함하지 않으며」, 설문은 「객관적 고용 결과가 아니라 태도 측정에 한정」되기 때문입니다.

사례와 이어지는 숫자는 소득 감소를 예상한 39%입니다. 브리프는 성별 패턴을 보고합니다. 남성 직원은 AI의 소득 효과에 대해 낙관과 비관이 모두 더 강하고, 고숙련 남성은 이득을 기대하는 쪽에 과대 대표됩니다. 교차표는 없어서 47%와 39%가 얼마나 겹치는지는 알 수 없습니다. 두 입장은 서로 배타적이지 않습니다. AI가 순 일자리를 만든다고 믿으면서 동시에 내 월급은 깎일 거라고 믿는 노동자는 얼마든지 있습니다.

브리프가 여기서 끌어내라고 하는 것

[사실] 저자들의 정책 절은 다섯 영역을 듭니다. 스킬과 평생학습(중년·고령 노동자를 특정), 대체 관리(성과가 「정형 사무·행정·고객서비스 직무」에 집중된다고 씀), 국가·산업·다국적 기업 층위를 아우르는 AI 거버넌스, 1인당 산출만이 아니라 일자리 질까지 담는 표준화된 생산성 측정, 그리고 중소기업 접근성. 많은 소기업이 「감히 투자하지 못하고, 어떻게 투자할지도 모른다」고 했기 때문입니다.

[주장] 기억해 둘 만한 문장이 하나 있습니다. 광전자 제조사는 제조 현장에서 「블랙박스」 운전은 위험이 너무 크다며 AI를 「자율 시스템으로」 일상 생산에 넣지 않았고, 일부 공정에서는 필요한 문서를 먼저 참조하지 않았으면 결과를 내놓지 않도록 시스템을 설계했다고 합니다. 이건 구호가 아니라 공학적 통제 장치로서의 휴먼 인 더 루프이고, 지난주 다룬 ILO 제조업 회의 결론문의 방향과 맞아떨어집니다.

한계, 저자의 말과 내 말로

[사실] 브리프의 한계 절은 보기 드물게 직설적입니다. 21개 기업은 「무작위가 아니라 의도적으로 선정」됐고 「통계적으로 일반화할 수 없다」. 모든 생산성 데이터는 관리자가 자가 보고한 것으로 「독립적으로 검증되지 않았고」 「낙관 편향, 측정 불일치, 선택적 보고를 반영할 수 있다」. 통제된 평가를 한 기업은 없으므로 성과를 「AI 도입에 엄밀히 귀속시킬 수 없다」. 지표는 이질적이라 「직접 합산하거나 비교할 수 없다」. 일부 기업은 「요약 불릿 포인트」로만 대표된다.

제가 덧붙일 건 둘입니다. 첫째, 설문의 표집 방법·응답률·조사 시기가 브리프에 없으므로 1,591이라는 숫자는 대표 표본이 아니라 큰 편의 표본으로 읽어야 합니다. 둘째, 올해 우리가 다룬 중국 데이터는 이걸로 세 번째인데 같은 것을 재지 않습니다. 7억 5,200만 건 구인공고 분석은 고용주가 무엇을 올리는지를 추적했고, 이 브리프는 관리자가 무엇을 말하는지를 추적하며, 둘 다 노동자가 하루 종일 실제로 무엇을 하는지는 관찰하지 않습니다. 최근 다룬 글 중 그에 가장 가까운 건 ECB 노동자 설문인데, 그건 유럽입니다.

내 직업이라면

브리프가 AI에 먹히고 있다고 말하는 과업은 구체적입니다. 이력서 선별, 정형 문의 처리, 문서 판독, 데이터 수집. 고객서비스나 인사 직무라면 중국 사례는 AI 배치 뒤에 따라오는 처리량 기대치의 예고편이고, 하루 15,000건을 처리하는 300명 상담 조직이 그 템플릿입니다. 생산 관리 쪽이라면 소형 모델 먼저, 생성형 AI는 나중이라는 그 제조사의 순서는 따라 할 만합니다. 코드를 쓴다면, HR 서비스 회사의 R&D 공수 30% 절감에는 생성 품질의 「지속적 병목」이 붙어 있었고, 이는 다른 곳의 소프트웨어 개발자들이 보고하는 것과 일치합니다.

표본의 모든 기업이 동의한 단 하나는 「AI 리터러시」, 더 구체적으로는 「AI 마인드셋」을 보고 뽑겠다는 것입니다. 도구가 어디에 맞는지 알고, 프롬프트를 쓰고, 출력을 검증하는 능력. 그 마인드셋이 일자리를 지켜 주는지는 브리프의 누구도 아직 재지 않았습니다. 잰 것은 그걸 보고 뽑고 있다는 사실뿐입니다.

출처

• ILO, 「Artificial intelligence adoption in Chinese enterprises: Productivity effects, workforce implications, and policy challenges」, Research Brief, Ernst·Zhao·Zhu·Li·Wei·Zhang·Chen, 2026년 9월 15일. CC BY 4.0. https://www.ilo.org/publications/artificial-intelligence-adoption-chinese-enterprises-productivity-effects (PDF: https://doi.org/10.54394/00035342)

상담원 1인당 처리량(하루 20건→50건), 70~80% 팀 감축, 「21곳 중 13곳 정량 성과 없음」 계산은 브리프의 표를 바탕으로 한 이 사이트의 산수입니다. 직업 페이지 링크는 이 사이트의 매핑이며, 브리프는 O*NET 분류를 쓰지 않습니다.