회의실에서 자주 보는 장면이 있다. AI 과제 수는 늘었고, 교육 참석자도 늘었고, 사내 포털에는 챗봇 링크가 붙었다. 그런데 임원이 묻는다. “그래서 손익에 뭐가 남았나?” 이 질문 앞에서 대시보드가 멈춘다. AX 투자는 기술 현황판이 아니라 경영 판단 자료여야 한다.
McKinsey의 2025년 조사도 같은 균열을 보여준다. 조직의 AI 사용은 넓어졌지만, 기업 단위 EBIT 영향을 보고한 응답은 제한적이고, 다수는 여전히 실험·파일럿 단계에 머문다. Deloitte 2026 보고서도 AI 접근성은 커졌지만 운영 준비도와 거버넌스가 뒤처진다고 적는다. 이 자료들이 말하는 바는 단순하다. 이제 임원 대시보드는 “얼마나 해봤나”가 아니라 “어디까지 운영 성과로 잠겼나”를 보여야 한다. (mckinsey.com)
첫 지표는 실현 손익이어야 한다
AX 투자 대시보드의 첫 줄은 ROI가 아니다. 실현 손익이다. ROI는 계산 방식 논쟁으로 쉽게 흐른다. 실현 손익은 더 거칠지만 더 정직하다.
산식은 단순하게 둔다. 확정 절감, 증분 매출, 회피 손실에서 모델 비용, SaaS 비용, 구축비, 운영 인력, 검수 시간을 뺀다. 중요한 것은 금액의 정밀도가 아니라 재무 책임자가 서명한 기준이다.
Wharton과 GBK Collective의 2025년 보고서는 기업들이 Gen AI ROI를 공식 측정하는 흐름으로 이동했다고 정리한다. 이 흐름을 그대로 받아들이면 부족하다. 임원에게 필요한 것은 “측정한다”는 사실이 아니라, 어떤 손익 항목이 월별로 닫혔는지다. (knowledge.wharton.upenn.edu)
AX 대시보드에서 PoC 개수는 보조 지표다. 첫 지표는 손익으로 닫힌 운영 성과다.
두 번째부터는 운영률로 본다
좋은 AX 투자는 배포 순간이 아니라 운영 반복에서 값이 나온다. 그래서 다음 네 지표는 기술 성공이 아니라 운영 정착을 본다.
| 지표 | 임원이 묻는 질문 | 대시보드 정의 |
|---|---|---|
| 1. 실현 손익 | 손익계산서에 무엇이 남았나 | 확정 재무 효과 - 총소유비용 |
| 2. 운영 전환율 | 파일럿이 실제 업무로 들어갔나 | 대상 업무 중 운영 SLA로 도는 비중 |
| 3. 사용 깊이 | 직원이 진짜 일을 넘겼나 | 적격 업무 중 AI 경유 완료 비중, 재작업률 포함 |
| 4. 단위경제성 | 한 건 처리 비용이 낮아졌나 | 업무 1건당 모델·도구·검수·운영 비용과 리드타임 |
| 5. 신뢰·통제율 | 자동화가 사고 없이 확장되나 | 승인률, 에스컬레이션률, 예외·사고, 감사 추적률 |
이 표에서 핵심은 ‘사용자 수’가 빠졌다는 점이다. 로그인 계정은 채택의 흔적이지 성과가 아니다. 특히 에이전트형 업무에서는 사용량이 늘수록 비용과 리스크도 같이 늘 수 있다. 따라서 사용량은 반드시 완료 업무, 검수 부담, 예외 처리와 함께 봐야 한다.
OpenAI가 2025년에 Responses API, Agents SDK, tracing·evaluation 도구를 묶어 발표한 것도 같은 방향이다. 에이전트는 만들기보다 관찰하고 평가하며 운영하는 일이 더 어렵다. 임원 대시보드도 이 구조를 따라야 한다. (openai.com)
책임자가 없는 지표는 버린다
AX 대시보드가 실패하는 이유는 지표가 부족해서가 아니다. 책임자가 없는 지표가 많아서다. “AI 활용률”은 좋아 보여도, 어느 본부장이 업무 절차를 바꿨는지 드러내지 않는다. “자동화 건수”는 많아 보여도, 현업 검수 시간이 늘었는지 숨긴다.
각 지표에는 한 명의 오너가 붙어야 한다.
- 실현 손익: CFO 또는 사업관리 책임자
- 운영 전환율: 업무 프로세스 오너
- 사용 깊이: 현업 조직장
- 단위경제성: IT·플랫폼 운영 책임자
- 신뢰·통제율: 리스크·보안·컴플라이언스 책임자
이 다섯 명이 같은 숫자를 보고 말해야 AX가 투자 안건이 된다. 서로 다른 엑셀을 들고 오면 AI는 다시 실험 예산으로 밀린다.
참고: 다음 회의에는 다섯 줄만 올린다
최근 자료는 한 방향을 가리킨다. AI 사용은 넓어졌고, 임원은 더 강하게 ROI를 묻고, 에이전트 운영은 거버넌스와 평가 없이는 확장되지 않는다. 그래서 다음 투자 회의 자료는 과제 목록이 아니라 다섯 줄짜리 운영 대시보드로 시작해야 한다.
참고 자료:
- McKinsey, “The state of AI in 2025: Agents, innovation, and transformation” (2025): https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
- Deloitte, “The State of AI in the Enterprise” (2026): https://www.deloitte.com/us/en/what-we-do/capabilities/applied-artificial-intelligence/content/state-of-ai-in-the-enterprise.html
- Wharton Human-AI Research & GBK Collective, “2025 AI Adoption Report” (2025): https://knowledge.wharton.upenn.edu/special-report/2025-ai-adoption-report/
- MIT Project NANDA, “The GenAI Divide: State of AI in Business 2025” (2025, 공식 공개 URL은 현재 리다이렉트될 수 있음): https://nanda.media.mit.edu/ai_report_2025.pdf
- OpenAI, “Introducing AgentKit” (2025): https://openai.com/index/introducing-agentkit/
AX 투자를 방어하려 하지 말고, 운영 성과로 심사받게 만들어야 한다. 그 설계가 필요하면 AX Ops 방법론 →