한눈에 보는 핵심 인사이트 2026년은 기업 AI가 실험 단계를 지나 본격적인 확장과 에이전트 도입으로 넘어간 해입니다. 맥킨지가 2026년 8월 발표한 「The state of AI in 2026」에 따르면, AI 활용이 실험·파일럿을 넘어 확장 단계에 들어섰다는 응답은 1년 전 38%에서 44%로 늘었습니다. 연매출 10억 달러 이상 대기업 중 AI 에이전트를 확장 단계로 운영하는 업무 기능이 있다는 응답도 27%에서 40%로 뛰었습니다. 코딩 에이전트로 소프트웨어를 직접 개발하며 구매를 접는 기업이 생겼고, 토큰을 포함한 운영 비용은 새로운 관리 대상이 됐습니다. 그러나 AI가 영업이익(EBIT)에 기여했다는 응답은 37%로 제자리였습니다. 성과를 낸 소수 기업은 달랐습니다. 이들은 워크플로우를 다시 설계하고 성과 측정과 비용·리스크 관리 체계를 함께 갖췄습니다. 2027년을 준비하는 기업에 필요한 것은 더 많은 도구보다 일하는 방식과 운영 체계의 전환입니다.

 

실험을 넘어 확장 단계로 들어선 기업 AI

 

 

AI는 이미 대부분의 기업에서 일상적인 업무 도구가 됐습니다. 97개국 기업을 대상으로 한 맥킨지의 「The state of AI in 2026」에서 응답자의 89%가 하나 이상의 업무 기능에서 AI를 정기적으로 쓴다고 답했습니다.

올해 눈여겨볼 변화는 활용의 성숙도입니다. 맥킨지는 AI 활용 단계를 실험, 파일럿, 확장(스케일링)으로 나눕니다. 이 가운데 AI가 기업 전반으로 확장하는 단계에 들어섰다는 응답이 38%에서 44%로 늘었습니다. 활용 범위도 넓어져, 세 개 이상의 업무 기능에서 AI를 쓴다는 응답이 51%에서 56%로 늘었습니다. 시범 운영에 머물던 AI가 기업 운영 전반으로 자리를 넓혀 가고 있습니다.

 

대기업을 중심으로 확장 단계에 들어선 AI 에이전트

 

같은 흐름은 AI 에이전트에서도 나타났습니다. 맥킨지는 AI 에이전트를 업무 흐름의 여러 단계를 스스로 계획하고 실행하는 파운데이션 모델 기반 AI 시스템으로 정의합니다. 연매출 10억 달러 이상 기업 중 AI 에이전트를 시범 운영을 넘어 확장 단계로 운영하는 업무 기능이 하나 이상 있다는 응답은 1년 사이 27%에서 40%로 늘었습니다. 같은 기간 매출 10억 달러 미만 기업은 22%에 머물렀습니다. 기업 규모에 따라 에이전트 활용의 성숙도 격차가 벌어진 셈입니다.

에이전트를 확장 단계로 운영하는 업무는 IT, 지식 관리, 소프트웨어 엔지니어링이 가장 많았습니다. 산업별로 보면 소비재·유통 기업은 마케팅·영업에 에이전트를 주로 활용했습니다. 자동차·항공우주·반도체 등 첨단 제조 기업은 공급망·재고 관리와 생산 공정에 주로 활용했습니다. 산업에 따라 비중이 큰 업무부터 에이전트를 적용하고 있는 것입니다.

 

코딩 에이전트와 토큰 비용이 바꾼 IT 예산

 

코딩 에이전트도 빠르게 자리 잡았습니다. 응답자의 약 20%가 코딩 에이전트를 확장 단계로 운영하고 있으며, 대기업에서는 31%에 이릅니다. 응답자의 32%는 코딩 에이전트로 사내에서 직접 개발할 수 있다고 판단해 외부 소프트웨어 제품이나 기능 구매를 한 건 이상 접었다고 답했습니다. 이런 응답은 기술·헬스케어 업종에서 가장 많았습니다. 맥킨지는 코딩 에이전트가 패키지 소프트웨어 구매 대신 일부 개발을 사내에서 해결할 수 있는 현실적인 선택지가 되고 있다고 분석했습니다.

다만, 활용 범위가 넓어지면서 비용 부담도 커졌습니다. 응답자 5명 중 1명은 토큰을 포함한 AI 운영 비용 때문에 AI 사용을 제한한 적이 있다고 답했습니다. 토큰당 단가는 내려갔지만, 에이전트 기반 개발이나 복잡한 추론 작업의 토큰 사용량이 더 빠르게 늘었기 때문입니다. 그래도 응답자의 60%는 내년에 AI 투자를 늘릴 계획입니다. 비용 때문에 사용을 멈추기보다, 비용을 처음부터 관리하며 활용을 넓히는 쪽으로 무게가 옮겨 가고 있습니다.

 

개인 생산성과 기업 성과 사이에 남은 간극

 

 

그렇다면 늘어난 투자는 성과로 이어지고 있을까요? 개인이 느끼는 변화는 분명합니다. 응답자의 80%가 AI로 개인 생산성이 높아졌다고 답했고, 약 절반은 더 나은 의사결정에 도움이 됐다고 답했습니다. 그러나 이러한 변화가 기업 실적으로 이어지지는 못했습니다. AI가 영업이익(EBIT)에 기여했다는 응답은 37%로 전년과 비슷했습니다. 영업이익의 5% 이상을 AI 활용으로 얻고 그 가치가 상당하다고 답한 기업도 약 6%로 전년과 같았습니다.

기능 단위의 성과는 확인되고 있습니다. 비용 절감은 공급망 관리, 서비스 운영, 생산 부문에서, 매출 증가는 마케팅·영업, 제품·서비스 개발, 소프트웨어 엔지니어링에서 가장 많이 보고됐습니다. 이런 부서별 성과를 전사 성과로 묶어 내는 일이 남은 과제입니다.

 

워크플로우부터 다시 설계한 AI 고성과 기업

 

 

이 과제를 먼저 풀어낸 곳이 앞서 언급한 약 6%의 기업입니다. 맥킨지는 영업이익의 5% 이상을 AI 활용으로 얻고 AI로 ‘상당한’ 가치를 거뒀다고 답한 기업을 ‘AI 고성과 기업(AI high performers)’으로 분류합니다. 이들은 효율화와 함께 성장·혁신을 목표로 삼았습니다. 이들 중 약 4분의 3은 AI 활용에 맞춰 워크플로우를 근본적으로 재설계했다고 답한 반면, 다른 기업은 4분의 1에 그쳤습니다.

운영 방식에서도 차이가 뚜렷했습니다. 경영진이 AI 과제에 직접 관여한다는 응답과 성과 측정 체계를 갖췄다는 응답이 다른 기업의 두 배였습니다. 더불어 사람이 검증해야 할 지점(Human-in-the-loop)을 정하고, 토큰·컴퓨팅 비용을 관리하고, 기업 데이터를 시맨틱 레이어나 지식 그래프로 구조화하는 일도 더 많이 실천했습니다.

에이전트 활용에서도 앞서 있었습니다. 고성과 기업이 AI 에이전트를 확장 단계로 운영하는 비율은 다른 기업의 세 배를 넘었습니다. 리스크 대응도 더 적극적이었습니다. AI의 승인되지 않거나 의도치 않은 행동, AI를 악용한 기술 취약점 공격 같은 리스크를 더 많이 관리했습니다. AI 도입 속도를 가르는 요인이 점차 기술보다 조직이 변화를 받아들이는 역량이 되고 있는 것입니다.

 

에이전트 도입을 기업 성과로 잇는 SK AX AXgenticWire Core

 

2026년의 데이터는 에이전트 도입 자체가 기업의 성과로 이어지지 않는다는 것을 보여 줍니다. AI에 비즈니스 맥락을 입히고, 업무 흐름을 다시 설계하고, 에이전트의 성과와 비용을 관리하는 체계가 함께 갖춰져야 합니다.

SK AX의 AXgenticWire Core는 에이전트생성부터 운영까지 전 주기를 지원하는 에이전틱 AI 플랫폼입니다. Data Gateway로 흩어진 기업 데이터를 연결하고 Ontology와 Knowledge Graph로 비즈니스 맥락을 구조화합니다. 에이전트가 늘어나도 품질과 비용, 사용 현황, 권한과 보안을 하나의 환경에서 통합 관리합니다. 여기에 Data Engineer, AI Agent Architect, Security Consultant 등 전문가와 함께하는 End-to-End AX 여정을 더해, 비즈니스 분석부터 에이전트설계, 운영 품질 개선까지 지원합니다.

 

[FAQ]

 

Q1. 기업의 AI 확장(스케일링)이란 무엇인가요?

AI를 시범 적용에 그치지 않고 여러 업무와 조직 전반으로 넓혀 운영하는 단계를 말합니다. 맥킨지는 「The state of AI in 2026」에서 기업의 AI 활용 단계를 실험, 파일럿, 확장(스케일링)으로 나눴습니다. 이 조사에서 AI가 확장 단계에 들어섰다는 응답은 44%로, 1년 전 38%보다 늘었습니다. 확장 단계에서는 데이터 연결과 운영 관리 체계가 함께 갖춰져야 합니다. SK AX AXgenticWire Core는 에이전트생성부터 운영까지 전 주기를 하나의 플랫폼에서 지원합니다.

 

Q2. 2026년 기업의 AI 에이전트 도입은 어느 수준인가요?

대기업을 중심으로 시범 운영을 넘어 확장(스케일링) 단계에 들어섰습니다. 맥킨지 조사에서 연매출 10억 달러 이상 기업의 40%는 하나 이상의 업무 기능에서 에이전트를 확장 단계로 운영하고 있었습니다. 주로 IT·지식 관리·소프트웨어 엔지니어링 분야입니다. 에이전트가 업무에 맞게 작동하려면 기업 데이터와 비즈니스 맥락이 함께 연결돼야 합니다. AXgenticWire Core는 Data Gateway와 Ontology·Knowledge Graph로 이를 지원합니다.

 

Q3. AI를 도입해도 기업 성과로 이어지지 않는 이유는 무엇인가요?

AI를 기존 업무에 덧붙이는 데 그치는 경우가 많기 때문입니다. 맥킨지는 영업이익(EBIT)의 5% 이상을 AI로 얻은 약 6%의 기업을 ‘AI 고성과 기업’으로 분류합니다. 이들 중 약 4분의 3은 워크플로우를 근본적으로 재설계했지만, 다른 기업은 4분의 1에 그쳤습니다. 업무 흐름과 데이터 맥락을 함께 설계해야 성과로 이어집니다. SK AX는 AXgenticWire Core의 전문가 여정으로 비즈니스 분석부터 에이전트설계와 운영까지 고객과 함께합니다.

 

Q4. AI 에이전트가 늘어나면서 커진 운영 비용은 어떻게 관리해야 하나요?

비용을 사후에 정산하지 말고 운영 단계부터 관리해야 합니다. 맥킨지 조사에서 응답자 5명 중 1명은 토큰을 포함한 운영 비용 때문에 AI 사용을 제한한 적이 있다고 답했습니다. AI 고성과 기업일수록 토큰·컴퓨팅 비용을 적극적으로 관리했습니다. AXgenticWire Core를 활용하면 Agent의 품질과 비용, 사용 현황, 권한과 보안을 한 환경에서 통합 관리할 수 있습니다.

 

---

 

AX 컨설팅부터 비즈니스 모델 발굴까지
Global Top 10 AX Service Company｜SK AX

#AI트렌드2026, #맥킨지보고서, #StateofAI, #AI에이전트, #에이전틱AI, #AI스케일링, #코딩에이전트, #토큰비용, #워크플로우재설계, #AI고성과기업, #EBIT, #HumanintheLoop, #지식그래프, #AXgenticWireCore, #SKAX