Adobe韩国企业AI准备度调查：多数企业AI扩张停滞，组织准备度比投资规模更关键

기업 인공지능(AI) 도입 성패를 가르는 핵심 요인으로 조직 준비도가 제시됐다. 도입 기술과 투자 규모보다 책임 체계와 부서 간 협업 구조를 갖추는 것이 AI 활용을 전사적으로 확대하는 데 중요하다는 분석이다. 13일 어도비가 인사이시브와 국내 AI 투자 의사결정 권한자 468명 대상으로 조사한 '2026 AI 준비도 현황 보고서'에 따르면 국내 기업의 AI 도입 현황과 확산을 위한 과제가 이같이 나타났다. 조사 결과 국내 기업의 58%는 AI 확산이 정체된 단계에 머물렀다. 에이전틱 AI도 정체 비율이 40%에 달했다. AI를 시범 도입하거나 실제 업무에 적용하더라도 활용 범위를 넓히는 데 필요한 조직 간 조율이 충분히 이뤄지지 않고 있다는 설명이다. 기업 인공지능(AI) 도입 성패를 가르는 핵심 요인으로 조직 준비도가 제시됐다. (사진=어도비) AI를 여러 업무 흐름으로 확장하고 이를 지속적으로 지원할 운영 모델까지 구축한 선도 기업은 7.7%에 그쳤다. 이들 기업은 다른 조직보다 시범 도입을 실제 운영으로 전환하는 비율이 약 4배 높았다. 선도 기업과 나머지 기업의 차이는 조직 구조와 업무 방식에서 두드러졌다. 국내 선도 기업은 전담 책임 주체와 책임 체계를 평가하는 조직 구조 성숙도가 지역 평균보다 51% 높았다. AI의 업무 프로세스 통합 수준은 43% 높았지만 거버넌스 영역의 격차는 12%에 그쳤다. 다수 기업은 AI 도구를 업무에 적용해 초기 성과를 거두면서도 전사 차원의 운영 체계를 마련하지 못했다. 이에 따라 부서별로 AI 도입을 추진하거나 기존 시범 사업의 성과가 정체된 상황에서 새로운 시범 사업을 시작하는 문제가 나타났다. 도입에 걸리는 시간도 부담으로 작용했다. 약 3분의 2는 실험에서 초기 도입으로 넘어가는 데 최소 6개월이 걸렸으며 약 3분의 1은 12개월 이상이 소요됐다고 답했다. 조직의 41%는 첫 AI 활용 사례를 만들지 못했거나 첫 시도 실패 후 도입을 중단한 것으로 조사됐다. 투자 확대만으로 이런 문제를 해결하기는 어려운 상황이라는 것으로 나타났다. 전년보다 AI 투자를 늘린 기업은 76%에 달했지만 62%는 여전히 투자가 충분하지 않다고 인식했다. AI 아이디어 채택률도 약 16%에 그쳤다. 보고서는 현업 부서의 시스템 설계·데이터 역량 부족과 보안 검토를 주요 장벽으로 짚었다. 승인된 시스템 통합 방식과 표준화된 보안 검토 절차 등 실행을 지원할 사전 체계도 부족했다. 어도비의 2026 AI 준비도 현황 보고서에 언급된 세그먼트별 AI 준비도. (사진=어도비) 인력의 역량 부족 역시 확산을 가로막았다. 기업 10곳 중 7곳 이상은 이를 3대 주요 과제 중 하나로 꼽았다. 응답 기업의 80%는 지난 12개월 동안 역량 부족 문제가 개선되지 않았거나 심화됐다고 답했다. 선도 기업은 예산과 성과를 책임질 주체를 명확히 두는 방식으로 대응했다. 국내 선도 기업의 91%는 예산 권한과 성과 책임을 가진 AI 전담 책임자를 지정했다. 국내 기업 전체 평균인 21%를 크게 웃도는 수준이다. 성과를 측정하는 방식에도 차이가 있었다. AI 투자수익률을 종합적으로 측정하는 국내 기업은 13%에 불과했지만 선도 기업에서는 그 비율이 거의 3배에 달했다. 대부분의 기업은 결과물의 품질과 재작업 비용 등을 충분히 반영하지 못한 채 사용량만 추적했다. 협업 시점도 달랐다. 조사 기업의 75%는 현업이 요청하면 IT 부서가 해결책을 제공하는 방식으로 AI를 운영했다. 반면 선도 기업은 프로젝트 기획서를 작성하기 전부터 현업과 IT 부서가 함께 참여해 성공 기준에 합의했다. 실패 경험을 조직 차원에서 공유하는 체계도 선도 기업의 특징으로 꼽혔다. 전체 기업의 28%는 반복되는 문제를 파악하고 알리는 주체가 없어 같은 실수를 되풀이한다고 답했다. 선도 기업은 실패를 논의하고 학습하는 환경을 마련해 심각한 피해를 초래하는 실패율을 1% 미만으로 유지했다. 이번 조사는 AI 도입 과제가 기술 확보를 넘어 조직 운영의 변화로 이어져야 함을 보여준다. 예산과 성과를 책임질 담당자를 정하고 현업과 IT 부서가 초기부터 협력하며 실제 업무 성과를 측정하는 체계가 AI 실험을 지속적인 활용으로 연결하는 핵심 조건이라는 분석이다.