AI 도입률 70%, 정착률 12.5%, 마케팅 조직의 AX가 멈추는 지점
AI를 쓰는 조직은 대부분인데, 업무의 표준으로 정착한 조직은 소수입니다. 마케팅 조직의 AX가 도구 도입에서 멈추는 이유와, 실제로 바뀐 팀들이 먼저 한 일을 정리했습니다.
2026. 09. 23
💡포스팅 3줄 요약
국내 기업 69.5%가 AI를 도입했지만 업무 표준으로 정착한 곳은 12.5%입니다. 글로벌 조사도 모양이 같아서, 응답자의 89%가 소속 조직이 AI를 정기적으로 쓴다고 답했지만, 이익에 영향이 있었다는 응답은 37%에 그칩니다.
차이는 도구의 수가 아니라 일하는 방식에서 갈립니다. 기존 업무 위에 AI를 얹은 조직과 AI를 전제로 업무 흐름을 다시 짠 조직의 성과 차이가 모든 조사에서 가장 컸습니다.
마케팅 조직의 AX는 넓은 PoC보다, 반복되는 업무 하나를 처음부터 끝까지 맡기는 것에서 시작할 때 정착 확률이 높습니다.
지난 한두 해 사이 마케팅 팀의 풍경은 꽤 달라졌습니다. 카피 초안은 챗봇에 맡기고, 광고 관리자는 AI 추천을 띄우고, 리포트 요약 툴도 하나쯤 쓰고 있습니다. 그런데 월말 세팅 야근과 검수 실수, 보고서용 데이터 정리는 그대로인 팀이 많습니다. AI를 쓰는 것과 일이 바뀌는 것은 다른 이야기라는 걸, 올해 나온 국내외 조사들이 숫자로 보여주고 있습니다.
이 글에서는 AX(AI 전환)를 다룬 국내외 보고서를 마케팅 조직 기준으로 다시 읽고, 도입에서 정착으로 넘어간 팀들이 먼저 한 일을 정리했습니다.
도입은 했는데, 정착은 못 한 조직들
국내 수치부터 보겠습니다. 2026년 7월 말부터 8월 초까지 국내 기업 관계자 2,078명을 대상으로 진행된 하반기 AX 트렌드 조사에서 AI를 도입한 기업은 69.5%였습니다. 그중 AI가 업무 표준으로 정착했다고 답한 기업은 12.5%에 그쳤습니다. 개인 단위로는 91%가 하루 한 번 이상 AI를 쓰고 있다고 답했으니, 쓰지 않아서 생긴 격차는 아닙니다.
글로벌 조사도 같은 모양입니다. 맥킨지가 2026년 8월 발표한 'The state of AI in 2026'에서 응답자의 89%는 조직이 최소 한 부문에서 AI를 정기적으로 쓴다고 답했고, 업무에 AI를 쓰는 응답자의 80%는 개인 생산성이 올랐다고 했습니다. 하지만 전사 이익(EBIT)에 AI가 영향을 줬다고 답한 비율은 37%로, 1년 전과 같았습니다. 이익(EBIT)의 5% 이상이 AI에서 나왔고 그 효과가 크다고 답한 고성과 응답자는 전체의 6% 정도입니다.
한국은행이 2026년 6월 낸 이슈노트도 같은 방향을 가리킵니다. 취업자 5,512명을 조사했더니 51.8%가 업무에 AI를 쓰고 있었고, 이들의 업무 시간은 평균 3.8%(주당 약 1.5시간) 줄었습니다. 하지만 이렇게 아낀 시간과 실제 생산 증가 사이의 상관계수는 0이었습니다.
개인은 분명 빨라졌는데 조직 성과는 그대로인 상황을 메가존클라우드의 공성배 CAIO는 이렇게 설명합니다.
"상당수 기업은 구성원이 개별적으로 AI를 사용하는 수준에 머물거나 적용 업무를 선정하는 단계에 있다"
마케팅 팀에 대입하면 익숙한 장면입니다. 담당자마다 각자 챗봇으로 카피를 뽑고 각자 방식으로 리포트를 요약하지만, 팀의 업무 흐름 자체는 AI가 없던 때와 같습니다.
차이는 도구가 아니라 일하는 방식에서 갈립니다
정착한 소수 조직의 공통점은 여러 조사에서 같은 단어로 요약됩니다. 워크플로우 재설계입니다.
BCG가 2026년 6월 발표한 'AI at Work' 조사(직원과 리더 약 12,000명)에서 AI로 업무 흐름을 다시 짜거나 새 방식을 만든 조직은 42%로, 1년 전 22%에서 크게 늘었습니다. 이런 회사에서 일하는 응답자는 그렇지 않은 회사보다 측정 가능한 사업 개선을 체감할 확률이 24%포인트, 주당 하루 이상을 아낄 확률이 22%포인트 높았습니다. 흥미로운 대목은 도구와 전략의 비교입니다. 명확한 전략은 측정 가능한 사업 효과를 25%포인트 끌어올렸지만, 전략과 재설계 없이 더 좋은 도구만 쥐여 준 경우의 효과는 5%포인트 정도였습니다.
맥킨지의 결론도 같습니다. 고성과 조직은 기존 업무에 AI를 끼워 넣는 대신, AI를 전제로 업무 흐름을 근본적으로 다시 설계했습니다. BCG는 2024년 말 낸 AI 전환 가이드에서 이를 10-20-70 원칙으로 정리했습니다. 노력의 10%는 알고리즘, 20%는 데이터와 기술, 70%는 사람과 프로세스에 쓰라는 뜻입니다.
마케팅 조직에서 이 차이는 캠페인 세팅 하나만 놓고 봐도 드러납니다. AI를 쓰는 조직에서는 담당자가 챗봇으로 카피를 뽑고, 그 값을 광고 관리자에 옮겨 세팅하고, 예산과 타겟과 URL을 직접 검수하고, 성과 데이터를 내려받아 정리한 뒤 AI에게 요약을 맡깁니다. 도구는 서너 개 늘었지만 단계마다 사람이 도구 사이를 잇는 접착제 역할을 하고 있어서, 시간은 그만큼 줄지 않습니다.
AI에게 맡기는 조직은 순서가 다릅니다. 담당자는 요청과 판단 기준을 전달하고, 세팅부터 실행 전 검수, 데이터 취합과 리포트까지 한 흐름을 에이전트가 맡습니다. 사람의 일은 결과를 검토하고 승인하는 것, 그리고 고친 판단을 다음 기준으로 남기는 것으로 바뀝니다.
이 방향은 시장 전망과도 맞물립니다. 가트너는 2026년 4월, 2028년까지 기업 절반 이상이 코파일럿 같은 보조형 AI 결제를 멈추고 업무 결과에 책임지는 플랫폼을 택할 것이라고 전망했습니다. 사람의 역할은 소프트웨어로 일을 완료하는 쪽에서, 대신 실행하는 시스템을 감독하는 쪽으로 옮겨 간다는 설명입니다. 마이크로소프트의 2025년 Work Trend Index에서도 리더의 46%가 자사가 이미 에이전트로 업무 흐름이나 프로세스를 완전히 자동화하고 있다고 답했습니다.
넓게 시작한 PoC가 멈추는 이유
그렇다고 '마케팅 전반을 AI로 혁신하자'는 과제로 시작하면 대부분 파일럿에서 멈춥니다. MIT NANDA가 2025년 7월 낸 'The GenAI Divide' 보고서는 공개된 AI 도입 사례 300여 건과 52개 조직 인터뷰, 경영진 153명 설문을 바탕으로 조직의 95%가 생성형 AI 투자에서 손익상 측정 가능한 성과를 얻지 못했다고 했습니다. 맞춤형·업무 특화 기업용 AI 시스템으로 좁혀 경로를 따라가 보면, 이를 평가한 조직은 60%, 파일럿까지 간 조직은 20%, 실제 운영에 도달한 조직은 5%였습니다.
보고서가 꼽은 원인은 모델 성능이 아니었습니다. 예외가 많은 실제 업무에 끼워 넣으면 끊기는 취약한 워크플로우, 담당자가 고친 판단을 기억하지 못해 같은 수정을 반복하는 구조, 그리고 매일 하는 일이 아니라 보여주기 좋은 과제로 시작하는 불일치였습니다. 가트너도 2027년 말까지 에이전틱 AI 프로젝트의 40% 이상이 비용 증가, 불분명한 사업 가치, 부족한 리스크 통제 등을 이유로 취소될 것이라고 봤습니다.
국내 상황도 다르지 않습니다. 한국인공지능·소프트웨어산업협회(KOSA) 산하 초거대AI추진협의회가 낸 AX 사례집은 실패 원인을 책임 소재(R&R) 불명확, 운영 모니터링 부재, 현장 데이터 편차 미대응, 거버넌스 부재 네 가지로 정리했습니다. 사례집은 이 상황을 한 문장으로 압축합니다.
"PoC는 스냅샷이지만, 실증은 사계절"
마케팅으로 옮기면 이렇습니다. 데모에서 캠페인 하나를 잘 세팅하는 것과, 프로모션이 겹치는 달에 브랜드 다섯 개의 세팅을 한 달 내내 실수 없이 처리하는 것은 다른 문제입니다. 범위가 넓은 과제일수록 누가 결과에 책임지는지, 무엇을 기준으로 맞았다고 볼지, 성과를 어떻게 잴지가 함께 흐려집니다. 반대로 좁고 반복적인 업무는 판단 기준을 글로 적을 수 있고, 결과를 숫자로 잴 수 있고, 담당자가 매번 검토할 수 있습니다. 앞서 본 국내 조사에서 정착에 성공한 조직의 93.9%는 경영진이 직접 챙기거나 지원했고, 응답 조직의 58.6%는 데이터 기준 자체가 없었다는 점도 같은 방향을 가리킵니다.
먼저 바뀐 마케팅 팀들이 한 일
퍼비스가 만난 팀들 중 도입에서 정착으로 넘어간 팀들의 공통점도 여기에 있습니다. 넓게 시작하지 않았습니다. 캠페인 세팅과 검수, 월간 보고서용 데이터 정리처럼 매달 반복되고 시간을 잴 수 있는 업무 하나를 골라, 그 일을 처음부터 끝까지 에이전트에게 맡겼습니다.
그라비티는 캠페인 세팅 시간을 91.6% 줄였고, 뷰티 브랜드 세 개를 마케터 한 명이 운영하는 일레븐코퍼레이션은 63분 걸리던 세팅을 8분으로 줄이면서 매체별 데이터 취합과 리포팅까지 넘겼습니다. 수입 브랜드 여러 개의 광고를 직접 운영하는 그레이스는 오후 다섯 시에 월말 세팅을 시작하고도 퇴근 전에 끝내고 있습니다.
세 팀이 밟은 순서는 비슷합니다.
반복되고 측정 가능한 업무 하나를 고릅니다 : 매달 같은 방식으로 돌아가고, 걸리는 시간과 실수 건수를 셀 수 있는 일이어야 성과를 바로 확인할 수 있습니다.
판단 기준을 글로 남깁니다 : 브랜드 운영 기준과 승인 조건을 문서로 만들어 에이전트가 우리 팀의 기준으로 일하게 합니다. 담당자 머릿속에만 있던 기준이 이때 처음 밖으로 나옵니다.
결과를 검토하고, 고친 판단을 기준으로 쌓습니다 : 담당자는 실행 대신 검토와 승인을 맡고, 수정한 판단은 다음 캠페인의 규칙으로 남깁니다. 수정률이 낮아지는 만큼 맡기는 범위를 넓힙니다.
이렇게 사람의 역할은 실행에서 판단으로 옮겨 갑니다. 마이크로소프트의 2026년 Work Trend Index에서 AI 사용자 66%가 고부가가치 업무에 더 많은 시간을 쓰게 됐다고 답한 것도 같은 변화입니다. 도입률과 정착률의 격차는 결국 이 전환을 조직 차원에서 했는지, 개인의 요령에 맡겨 두었는지에서 생깁니다.
AI를 쓰는 조직과 AI에게 맡기는 조직의 차이는 도구의 수가 아니라, 업무 하나를 끝까지 맡겨 본 경험이 있는지에서 시작됩니다. 지금 우리 팀에서 매달 반복되는 일 중 무엇을 먼저 맡길 수 있을지 고민하고 있다면 기업 AX 페이지에서 문의를 남겨주세요. 운영 구조에 맞춰 어떤 업무부터 시작할 수 있을지 안내해 드릴게요.
참고 자료
ⓒPervis, 무단 전재 및 배포 금지
