PwC가 10억 개 구인 공고를 분석했어 — AI 쓰는 회사 생산성이 4배 늘었대

생산성이 4배로 뛰었다 — PwC가 던진 한 문장

PwC의 2025 Global AI Jobs Barometer가 최근 공개 자료 중 가장 큰 숫자를 내놨어. AI에 많이 노출된 산업의 생산성이 2018–2024년 사이 27% 성장했다. 이전 4년(2018–2022)의 7%에 비해 거의 4배야. 이 숫자는 약 10억 개의 구인 공고와 수천 개 기업의 재무 데이터를 교차 분석해서 뽑은 거야.

다른 숫자 하나 더. AI 노출이 큰 산업에서 직원 1인당 매출(revenue per employee)이 AI 노출이 적은 산업의 3배 수준으로 성장했어. 금융업, 소프트웨어, 정보통신 같은 분야가 대표적이야. 제조업, 광업, 숙박업은 반대편에 있어.

임금 숫자도 강해. AI 스킬을 요구하는 직무는 비슷한 역할의 평균 대비 56%의 임금 프리미엄을 받아. 2024년 프리미엄은 25%였는데, 1년 사이 두 배 넘게 벌어졌어.

이걸 이해하려면 — PwC가 매년 내는 "AI 고용 바로미터"란

PwC는 2023년부터 AI Jobs Barometer를 매년 발표해왔어. 이 시리즈의 독특한 점은 "기업이 AI를 얼마나 쓰는가"가 아니라 "구인 공고에 AI가 얼마나 등장하는가"로 측정한다는 거야. 공고는 거짓말하기 어려운 데이터야. 회사가 실제로 사람을 뽑으려는 의지가 있어야 올라가니까.

2025년 판은 Lightcast의 글로벌 구인 공고 데이터베이스에서 약 10억 건을 스캔했어. 6개 대륙을 커버했고, 한국·일본·중국·영국·미국·독일·싱가포르·인도 등이 주요 분석 대상이야. 기간은 2018년부터 2024년까지 7년간의 변화를 추적했어. GenAI의 대중 확산 시점인 2022년 11월(ChatGPT 출시) 전후를 분기점으로 삼아.

분석 방법론은 이거야. 산업별로 "AI 노출도(AI exposure)" 점수를 매기고, 상위 20%를 "AI 노출 고(high exposure)", 하위 20%를 "AI 노출 저(low exposure)"로 분류해. 그 후 두 그룹 간의 생산성, 임금, 고용, 매출 성장 격차를 비교해. 같은 방법을 2024년, 2023년 버전에도 적용했기 때문에 연도별 비교가 가능한 게 강점이야.

출처: commons.wikimedia.org · CC BY-SA 4.0

핵심 내용 해부

1. 생산성 격차 — 4배 차이의 의미

지표	AI 노출 고 산업	AI 노출 저 산업
생산성 성장 (2018–2022)	7%	5%
생산성 성장 (2018–2024)	27%	9%
직원 1인당 매출 성장	3배 수준	기준
임금 성장 (2018–2024)	16.7%	7.9%

2018–2022와 2018–2024를 같이 보면 흐름이 명확해져. GenAI 대중화 전인 2018–2022에는 AI 노출 고 산업의 생산성도 7%로 일반적인 수준이었어. 그런데 2022년 말 ChatGPT가 확산되고 2023–2024년을 더한 순간 27%로 뛰어. 이 격차의 대부분은 2023년 이후에 벌어졌다는 얘기야.

이게 의미하는 건 하나. AI가 추가된 2년 사이에 기존 4년보다 더 큰 생산성 변화가 일어났어. 평균값이 아니라 속도의 변화야. 이 속도가 2025년, 2026년에도 유지되면 누적 격차는 복리로 벌어져.

2. 임금과 고용 — "AI가 일자리를 뺏는다"는 통념의 반전

바로미터의 가장 반직관적인 결과는 고용 지표야. AI가 자동화하기 가장 쉬운 직무(most easily automated roles)에서조차 일자리가 줄지 않고 오히려 늘었다는 거야. 고객 응대, 데이터 입력, 기본 분석 같은 업무 말이야.

한편 AI 스킬을 요구하는 구인 공고 자체는 2022년 대비 2024년에 3.5배 증가했어. 그리고 AI 스킬을 가진 사람의 임금은 같은 역할의 비-AI 버전보다 평균 56% 더 높아. 금융업은 프리미엄이 70%대, IT는 60%대, 헬스케어는 40%대야.

PwC 보고서의 해석은 이거야. AI는 직무 자체를 없애기보다는, 같은 직무 안에서 "AI를 활용하는 사람"의 가치를 높이는 방식으로 작동했어. 코드 생성을 AI에 맡기는 개발자가 더 많은 기능을 만들고, AI 도구로 리서치하는 애널리스트가 더 많은 고객을 커버하는 식이야.

3. 산업별 편차 — 누가 이기고 누가 뒤쳐졌나

AI 노출이 가장 큰 산업은 이거야: 소프트웨어 퍼블리싱, 금융 서비스, 정보 서비스, 전문 서비스. 이 분야에서 AI 스킬을 요구하는 공고가 전체 공고의 15–25%를 차지해.

이 숫자들을 한 표로 묶으면 PwC의 핵심 결론이 한눈에 보여.

지표	AI 노출 고 그룹	AI 노출 저 그룹	격차
AI 관련 공고 비중	15–25%	1–3%	약 10배
AI 스킬 임금 프리미엄	평균 56%	해당 없음	—
직원당 매출 성장	3배 기준	기준	3배
생산성 성장 (2018–2024)	27%	9%	3배
대표 산업	SW·금융·정보 서비스	건설·숙박·광업	—

출처: commons.wikimedia.org · CC BY-SA 3.0

반대편엔 건설, 숙박·요식, 광업, 운수가 있어. 이 산업들은 AI 관련 구인 공고가 전체의 1–3% 수준이야. 재미있는 건 제조업이 중간 지대에 걸쳐 있다는 점. 공장 자동화 센서·비전 시스템에 AI가 들어가기 시작했지만, 전체 공고 대비 비중은 아직 5% 미만이야.

지역별로는 미국이 AI 스킬 임금 프리미엄에서 선두고(약 60% 후반), 영국·싱가포르가 뒤를 잇고(약 50%대), 한국·일본은 20–30% 수준이야. 한국이 낮은 건 AI 스킬이 특정 직무에 집중돼 있고 전체 직무에 퍼지지 않았다는 뜻으로 해석돼.

더 넓은 그림 — 다른 리서치는 뭐라고 하나

PwC만의 주장이 아냐. MIT와 Stanford의 공동 연구(2024년, Brynjolfsson·Raymond)는 콜센터에서 GenAI 도입이 신입 직원 생산성을 34% 높인다고 보고했어. McKinsey Global Institute는 2024년 리포트에서 GenAI가 글로벌 경제에 연간 약 $2.6–$4.4조의 잠재 가치를 추가할 수 있다고 추정했고. PwC의 숫자는 이 연구들과 같은 방향을 가리켜.

다만 비판도 있어. MIT Sloan의 2024년 분석은 "AI 투자 대비 성과(ROI)를 실제로 측정하지 못하는 기업이 74%"라고 지적했어. 즉 생산성 수치가 나와도 그게 AI 덕분인지, 다른 디지털 전환 덕분인지, 경기 사이클 덕분인지 분리하기 어렵다는 거야. PwC는 "AI 노출도"라는 대리 지표를 쓰지만, 이게 인과관계까지 입증하는 건 아냐.

패턴은 분명해. AI를 많이 쓰는 회사의 생산성은 빠르게 오르고 있어. 하지만 "AI 때문에 올랐는지"를 수학적으로 증명하는 건 여전히 진행형이야.

Goldman Sachs의 2025년 1월 리포트는 또 다른 관점을 제시해. AI의 경제 효과가 "2020년대 후반에 본격화"되는 이유는 도입-조직 재설계-인력 재교육의 3단계가 모두 필요하기 때문이라고. 첫 단계(도입)만 끝난 기업이 대다수라, 생산성 격차의 진짜 폭발은 2027–2028년에 올 거라는 예측이야.

방법론 한계와 열려 있는 질문들

PwC의 방법론에도 틈이 있어. 먼저 구인 공고 기반 대리 지표의 한계야. 공고에 "AI 경험 우대"라고 적는 것과 그 회사가 실제로 AI로 운영되는 것은 다른 이야기야. 스타트업은 과장해서 올리고, 전통 대기업은 숨기는 경향이 있어서 분야별 편향이 생겨.

두 번째로 생산성 계산의 분모 문제야. PwC는 공식적으로 발표된 매출을 직원 수로 나누는 단순 지표를 써. 그런데 AI 노출 고 산업(금융·SW)은 원래도 직원당 매출이 높은 분야야. 2018년 기준값이 이미 유리한 상태에서 성장률을 비교하는 셈이라 격차가 과대평가될 가능성이 있어.

세 번째로 지역·규모 편향이야. 미국·영국 대기업 위주로 데이터가 편향돼 있어. 한국처럼 중견기업 생태계가 두꺼운 시장에서는 PwC의 결론이 그대로 적용되는지 확인된 바 없어. KAIST 경영대 2025년 초 분석은 한국 500대 기업에서 AI 스킬 프리미엄이 PwC 평균의 절반 수준이라고 보고했어. 여기도 더 많은 후속 연구가 필요해.

리더가 지금 점검할 다섯 가지

PwC 리포트를 읽고 실제 행동으로 옮기려면 이 다섯 가지 질문이 출발점이야.

첫째, 우리 직원 구인 공고에 AI 관련 스킬이 얼마나 자주 등장하는가? 최근 1년 포스팅을 역산하면 조직의 AI 성숙도가 드러나. 0~2%라면 AI 노출 저 그룹, 15% 이상이면 고 그룹이야.

둘째, 데이터 아키텍처가 AI 워크플로를 지원하는가? PwC가 강조한 상위 20%의 공통점은 "AI가 붙기 전에 데이터가 깨끗하다"는 거야. 데이터가 분산된 레거시 시스템에 있다면 LLM도 쓸 만한 출력을 못 내.

셋째, AI 스킬 직무에 시장 임금을 지불하고 있는가? 56%의 프리미엄을 맞추지 못하면 핵심 인재가 계속 빠져나가. 연봉 테이블을 Glassdoor·Levels.fyi 기준으로 재조정하는 게 첫 방어선이야.

넷째, 의사결정 프로세스 중 몇 개가 AI로 재설계됐는가? 단순히 "ChatGPT가 초안을 써주는" 수준이 아니라, 실제 RFP 심사, 채용, 예산 배정 프로세스에 AI가 정식 단계로 들어가 있는지 점검해.

다섯째, AI 투자 ROI를 측정할 지표가 있는가? MIT Sloan이 지적한 "74%가 측정 못 한다"는 문제의 탈출구야. Time-to-first-draft, 티켓 처리당 비용, 세일즈 사이클 길이 같은 운영 지표를 AI 도입 전후로 비교하면 주관적 체감보다 훨씬 신뢰성 있어.

그래서 뭐가 달라지는데

일반 직장인: AI 스킬은 "있으면 좋은 것"에서 "없으면 불리한 것"으로 넘어가고 있어. 56%의 임금 프리미엄이 2년 사이 25→56%로 커졌다는 건, 2026년 말에는 70–80%가 될 수 있다는 얘기야. 프롬프트 엔지니어링이나 AI 도구 활용은 과거 "엑셀 잘 하는 사람"과 비슷한 포지션이 돼가고 있어.

경영진(C-level) 실무 관점: "AI를 도입했나?"는 이미 질문이 아니야. "AI로 워크플로를 재설계했나?"가 새로운 질문이야. PwC 보고서는 상위 성과 기업의 공통점으로 데이터 아키텍처 재설계, 의사결정 프로세스 재배치, AI 중심 R&R 재정의를 들어. 그냥 ChatGPT 구독을 전사에 풀어주는 건 최소 요건이고, 그 위에 조직 설계를 바꿔야 해.

개발자·엔지니어 실무 관점: 코드 생성 AI(Cursor, GitHub Copilot, Claude Code)를 쓰는 개발자와 안 쓰는 개발자의 생산성 격차가 이제 "효율의 차이"가 아니라 "카테고리의 차이"가 됐어. 2025년 DORA(DevOps Research and Assessment) 리포트는 AI 코드 도구 사용자의 배포 빈도가 약 2배라고 보고했어. 이건 PwC가 말하는 "AI 노출 고 산업"에서 일어나는 일의 마이크로 버전이야.

정부·정책 입안자: 임금 프리미엄이 56%로 벌어지는 건 인재 불평등으로 직결돼. AI 스킬이 있는 20%가 급격히 부유해지고, 나머지 80%는 인플레이션 페이스에 뒤처져. PwC는 이 격차를 좁히는 정책 도구로 "직업 재교육 펀드"와 "중소기업 AI 도입 보조금"을 제시했어. 한국도 2025년 말 기획재정부가 비슷한 방향의 예산을 편성했지만 실행 속도는 OECD 중하위권이야.

스타트업 창업자: 사업 모델을 "AI-native"하게 설계할 기회야. 기존 대기업이 조직 재설계에 3–5년 걸릴 때, 스타트업은 첫날부터 AI 중심 워크플로로 시작할 수 있어. PwC는 "AI-native 스타트업이 전통 기업 대비 5–10배의 자본 효율"을 보인다고 별도 분석에서 언급했어.

참고 자료

• PwC Global AI Jobs Barometer 2025 메인 페이지
• PwC 공식 보도자료 — 생산성·임금 수치
• PwC US — 5 Takeaways for workforce strategy
• PwC Global AI Jobs Barometer 2025 PDF 리포트
• Worklytics — 실무 적용 가이드
• PwC HK — 2025 Barometer 홍콩 분석