우리가 적어둔 문제는 2026년에 아무도 돈을 안 내는 문제다

87%가 쓰고 있다. 나아진 곳은 13%다

외부 공식자료. Glean의 Work AI Institute가 2025년 12월~2026년 1월에 미국(3,000)·영국(1,500)·호주(1,500) 정규직 디지털 노동자 6,000명을 조사했다. 연령·성별·소득 기준 국가 대표 표본이다. 결과는 세 줄로 요약된다.

무엇을 물었나	답
업무에 AI를 쓴다	87%
AI가 생산성을 높였다	75% (자동화로 주 11시간 절감 체감)
우리 조직 성과가 유의하게 좋아졌다	13%

87과 13 사이의 74포인트가 어디로 갔는지 보고서는 이름을 붙였다. botsitting — 맥락을 다시 먹이고, 출력을 검수하고, 틀린 걸 고치고, 프롬프트를 다시 돌리는 노동. 주 6.4시간. AI로 실제 산출물을 만드는 시간보다 길다. 세션의 36%는 아예 실패해 재시작이나 상당한 재작업을 부른다. 그래서 사람들은 결국 검수를 건너뛴다. 69%가 스스로 설명하거나 방어할 수 없는 AI 산출물을 그대로 내보낸 적이 있다고 답했다.

우리 정본의 한 줄이 옛 문제를 말한다

제품 정본(2026-09-07 brand-context). Key Problem은 이렇게 적혀 있다. "요청 파악, 자료 검색, 초안 작성, 다른 도구에 기록, 진행 보고가 분절되고 반복된다."

문장 자체는 틀리지 않았다. 다만 이건 2024년의 구매 이유다. 2026년에 예산을 쓰게 만드는 문제는 분절이 아니라 검수와 재작업이다. Glean도 8월 26일 글에서 2026년의 대화가 "도입과 실험"에서 "터진 예산, 통제 불가"로 옮겨갔다고 직접 적었다(외부 공식자료, 단 발행자는 경쟁사이자 이해당사자).

주목할 점은 우리 Key Metrics에 이미 업무별 순절감시간과 검수 통과율이 들어 있다는 것이다. 측정하겠다는 목록은 맞는데, 팔겠다는 문장이 그 목록과 다른 세계를 가리킨다. 총절감시간은 경쟁사 전부가 말하고, 아무도 순절감을 말하지 않는다.

팔 것은 "AI로 11시간 아낀다"가 아니라 "그 11시간에서 6.4시간을 되찾는다"다.

그리고 축적은 그때 기능 설명이 아니라 메커니즘이 된다. 승인된 절차가 쌓이면 같은 맥락을 다시 먹이는 시간이 줄어든다 — 미검증 가설이다. 우리는 아직 이걸 재현한 데이터가 한 건도 없다.

반대 의견 셋

표본에 한국이 없다. 미·영·호 숫자를 국내 미팅에서 그대로 읊으면 근거가 아니라 인용이 된다.
발행자가 경쟁사다. 방향은 참고할 값이지만, 절대값을 우리 랜딩 페이지에 박으면 남의 논리로 우리를 파는 꼴이다.
순절감 측정은 파일럿을 무겁게 만든다. 계측하자고 하면 고객은 도망간다. 그래서 지표는 세 개를 넘기면 안 된다.

이번 주에 할 일

Key Problem 한 줄을 다시 쓴 제안을 올린다. '분절과 반복' → '검수·재작업에 들어가는 시간'. brand-context에 제안 표기로 MR을 만들고, 정본 승인은 별도로 받는다.
파일럿 계측 3개를 확정한다. ① 세션 실패율 ② 검수에 쓴 시간 ③ 같은 업무 재실행 횟수. 이 셋이 현재 소스에서 로그로 뽑히는지 먼저 코드에서 확인한다 — 아직 안 봤다. 안 나오면 계측 코드가 곧 제품 로드맵 항목이다.
한국 기준선을 직접 만든다. 데모 미팅마다 같은 질문 세 개를 묻고 기록한다. "지난주 AI 결과물을 고치는 데 몇 시간 썼나 / 다시 시킨 적은 몇 번인가 / 검수 없이 내보낸 적 있나." 다섯 곳이면 우리 숫자가 생긴다. 남의 보고서를 인용하지 않아도 되는 숫자다.

87%가 쓰고 있다. 나아진 곳은 13%다

우리 정본의 한 줄이 옛 문제를 말한다

반대 의견 셋

이번 주에 할 일

출처