Executive Summary

영란은행 통화정책보고서는 분기마다 나오는 영국 경제의 공식 진단서다. 2026년 11월 5일에 나온 판은 전날 끝난 통화정책위원회의 결정을 함께 실었다. 위원 아홉 중 여덟이 기준금리를 0.25%p 올려 4%로 하자는 데 찬성했고, 한 사람은 그보다 큰 폭의 인상을 주장했다. 본문 전체에서 AI가 등장하는 자리는 두 곳, 보고서가 "상자"라 부르는 별도 해설 두 개뿐이다.

먼저 Box C는 AI가 성장에 얼마를 보탰는지를 다룬다. 영란은행 실무진은 AI 자체를 세는 통계가 없으니 대리지표를 만들었다. 표준산업분류 세 가지의 산출을 합친 값이다. 출판업(SIC 58)에는 생성형 AI 에이전트와 응용 소프트웨어 개발이 들어가고, 컴퓨터 프로그래밍·컨설팅(SIC 62)에는 AI 모델 선정과 시스템 컨설팅이, 정보서비스업(SIC 63)에는 AI 데이터 처리와 데이터센터 서비스가 들어간다. 보고서는 그 합계에서 기술 관련 활동의 장기 확장 추세를 뺀 뒤 남은 잔차를 "새로운 AI 관련 활동"이라 부른다.

보고서는 같은 상자에서 두 가지를 스스로 단서로 붙인다. 하나는 "이 부문 산출 전부가 AI 활동을 담아내지는 않는다"는 것이고, 다른 하나는 대리지표가 잡아낸 성장 일부가 기술 관련 활동의 장기 확장일 수 있다는 것이다. 다만 그 추세를 몇 퍼센트로 잡았는지는 보고서에 없다. 빼기 전 값도, 뺀 값도 적히지 않았고 결과인 "5분의 1"만 남아 있다.

두 번째 자리인 Box D가 이 글이 따라갈 상자다. 여기서 보고서는 기업 설문 하나를 근거로 AI의 생산성 효과를 세 문장에 나눠 적는다. 설문 이름은 Decision Maker Panel, 영란은행이 2016년부터 영국 기업 임원을 대상으로 매달 돌리는 패널 조사다. 머리글자를 따 DMP라 부른다.

이 세 문장이 보도된 방식은 정확했다. 보고서 발표 당일과 이튿날 이 상자를 다룬 두 매체는 0.5%가 3년 누적이고 0.9%p가 연간이라는 점을 가렸고, 출처가 기업 임원 설문이라는 사실도 본문에 적었다. 그래서 이 글은 보도 쪽을 겨누지 않는다. 압축은 그보다 앞에서, 보고서 안에서 일어난다.

한 가지 배경을 Box D가 함께 적는다. 영국 통계청은 2026년 9월에 노동투입을 재는 방식을 바꿨다. 기존 방식은 노동력조사에서 근로시간을 받아 썼는데, 응답률이 낮은 탓에 그 시간이 실제보다 길게 잡혔다. 행정자료를 섞어 쓰는 새 방식으로 바꾸자 2009~2024년 시간당 산출 증가율이 연 약 0.5%에서 1% 가까이로 올라갔다. 산출은 그대로이고 분모가 바뀐 것이다. 새 방식으로 만든 분기 통계는 2026년 11월 17일에 공표되고, 산업별 수치는 보고서 표기로 2027년 2월에 나온다. 이 글의 수치는 모두 2026년 11월 8일 기준이다.

영란은행이 이 설문 문항을 보고서에 적은 것은 11월호가 처음이 아니다. 2026년 2월호와 7월호에도 같은 문항의 결과가 한 문장씩 실렸다. 세 판본을 내려받아 해당 대목을 나란히 놓으면, 반년 사이에 세 가지가 동시에 움직인 것이 보인다. 수가 올랐고, 단위 이름이 바뀌었고, 출처가 붙었다.

세 판본의 PDF 전문에서 해당 문장을 꺼내 옮겼다. 2월호와 7월호 전문에는 Yotzov라는 낱말이 한 번도 나오지 않는다(두 PDF 검색 결과 0건).

수가 0.6에서 0.9로 오른 데에는 분명한 이유가 있다. 설문 회차가 바뀌었다. 2월호가 쓴 것은 2025년 11월부터 2026년 1월까지 받은 겨울 회차이고, 7월호와 11월호가 쓴 것은 2026년 5월부터 7월까지 받은 여름 회차다. 같은 질문에 반년 뒤 기업들이 더 큰 기대를 적어 냈다.

움직인 두 번째는 단위 이름이다. 7월호의 "연 0.9%"는 생산성 수준에 대한 연간 효과로 읽히고, 11월호의 "연 0.9%p"는 생산성 증가율에 대한 기여로 읽힌다. 두 문장이 가리키는 양은 같지 않다. 그런데 수는 움직이지 않았다. 숫자만 놓고 비교하는 도구에는 이런 변화가 잡히지 않는다. 0.9와 0.9는 같은 값이기 때문이다.

세 번째로, 11월호에 와서야 출처 인용과 "절반씩 나뉜다"는 분해가 붙었다. 이 대목은 영란은행에 유리한 증거로 읽어야 한다. 세 판본 중 11월호가 가장 정확하다. 수가 어느 논문에서 왔는지 밝혔고, 그 수가 고용 쪽과 산출 쪽으로 어떻게 갈리는지까지 적었다. 요점은 다른 데 있다. 소수 한 자리로 줄인 수는 자기가 어느 단계에서 나왔는지를 스스로 말해 주지 못한다. 그 말을 해 주는 것은 옆에 붙은 단위 이름과 출처뿐이고, 둘 다 판본마다 있었다 없었다 한다.

2.10.5%와 0.9%p를 나란히 놓으면 차이가 줄어 보인다

Box D의 세 문장 중 첫째와 셋째를 그대로 옆에 놓으면 0.5와 0.9가 된다. 1.8배 차이로 보인다. 그런데 앞은 지난 3년의 누적 실적이고 뒤는 향후 3년의 연간 기여다. 잣대가 다르다. 보고서 자신이 첫 문장에서 0.5%를 "연 0.1~0.2%p"로 환산해 둔다. 그 환산값으로 다시 재면 실적과 기대의 거리는 4.5배에서 9배다. 단위를 맞추는 순간 차이는 줄지 않고 늘어난다.

2.2같은 보고서의 생산성 전망은 그보다 낮다

같은 보고서 부록에는 영란은행 자신의 생산성 전망이 실려 있다. 부표 A1.C의 노동생산성(근로자당 산출) 전망은 2026년 0.4%, 2027년 0.7%, 2028년과 2029년 각각 0.8%다. 기업들이 기대한 것은 AI 한 가지만의 기여가 연 0.9%p이고, 영란은행 중심 전망의 생산성 증가율 전체가 향후 3년간 연 0.7~0.8%다. 단위는 맞는다. 논문이 계산한 0.85%p는 1인당 부가가치 기준이고 부표의 전망도 근로자당 산출 기준이다.

사실과 해석을 가른다. 보고서는 이 두 수를 나란히 놓지 않는다. 둘 다 같은 문서 안에 있을 뿐이고, 나란히 놓은 것은 우리다. 그리고 이 대조가 말해 주는 것은 보고서가 모순됐다는 것이 아니다. 영란은행은 설문값을 전하되 자기 전망에는 넣지 않았다. 보고서 스스로 그렇게 적는다.

이 대목이 이 글의 균형을 잡아 준다. 영란은행은 설문값을 믿고 정책을 바꾸지 않았다. 인용하고, 출처를 밝히고, 자기 전망과 분리해 뒀다. 긴장은 기관의 부주의에서 생기지 않는다. 그 문장이 보고서 밖으로 나가는 순간 분리 표시가 떨어져 나간다는 데서 생긴다.

보고서가 인용한 논문은 Yotzov 외, Firm Data on AI(NBER 워킹페이퍼 34836)다. 2026년 2월에 쓰이고 10월에 개정됐다. 이 논문의 저자들은 일곱 나라 기업 설문에 같은 다섯 문항을 얹었고, 영국 몫은 DMP가 맡았다. 논문 본문과 집계 데이터를 따라가 보면, 보고서의 "약 0.9%p"에 도달하기까지 네 번의 변환이 있다. 그리고 그 수를 적어 낸 기업은 한 곳도 없다. 기업이 한 일은 객관식 보기 하나를 고른 것이다.

먼저 기업이 받은 질문부터 정확히 옮겨야 한다. 논문의 문항 축자는 "the volume of sales per employee", 곧 1인당 매출 물량(volume of sales per employee)이다. 논문 자신도 "우리는 생산성을 1인당 매출 물량으로 정의한다"고 적는다. 매출액이 아니라 물량이라는 점이 중요하다. 물량이어야 가격 상승과 구분되고, 그래야 이 응답을 "생산성"으로 옮긴 보고서의 한 걸음이 보인다. 아래에서는 줄여서 1인당 매출이라 적는다.

임원이 고를 수 있는 칸은 다섯이다. 5% 초과 감소, 5% 미만 감소, 영향 없음, 5% 미만 증가, 5% 초과 증가. 숫자를 적어 넣는 칸은 없다. 다음 네 단계를 거쳐 그 선택이 보고서 문장이 된다.

3단계의 평균도 규칙 하나를 고른 결과다. 흩어진 답을 한 수로 줄이려면 어느 기업의 답을 얼마나 무겁게 셀지부터 정해야 하고, 영국 열에 쓰인 규칙은 고용 가중이다. 사람을 많이 쓰는 큰 기업의 답이 그만큼 무겁게 들어간다. 논문은 그림 주석마다 이 규칙을 밝혀 두는데, 미국·영국·독일·멕시코는 고용 가중이고 캐나다·호주·남아프리카공화국은 균등 가중이라 나라마다 같지도 않다. 규칙을 바꾸면 수가 얼마나 움직이는지는 논문이 다른 문항에서 직접 재 뒀다. 가중 방식만 갈아 끼워도 영국의 AI 사용률이 5%p 움직인다(6.3절). 공개된 집계표의 비율도 이미 이 규칙을 거친 값이라, 다음 절에서 값만 다시 넣으면 같은 평균이 복원된다.

3.1맨 끝 칸은 위가 열려 있다

2단계의 값 할당에서 가장 약한 고리는 양쪽 맨 끝 칸이다. "5% 초과 증가"라는 라벨에는 위쪽 경계가 없다. 6%를 생각하며 고른 사람과 40%를 생각하며 고른 사람이 같은 칸에 들어간다. 연구진은 거기에 7.5를 넣기로 했다. 닫힌 칸이라면 중점을 쓰면 되지만, 위가 열린 칸에는 중점이라는 것이 정의되지 않는다. 무엇을 넣든 그것은 가정이다.

3.24단계의 가정 넷

3단계에서 나온 설문 평균을 생산성 증가율 기여로 바꾸려면 경제 전체의 그림이 필요하다. 논문 표 3의 주석은 쓴 가정을 네 줄로 밝힌다. AI 지출은 1인당 연 313파운드(지난 3년)와 537파운드(향후 3년)로 잡고, 그 지출이 고용에 비례해 중간투입을 늘린다고 보고, 노동 분배율 0.67과 자본 분배율 0.33을 쓰고, 자본심화분은 총자본스톡의 6%에 해당하는 AI 지출로 가정했다. 그 결과가 표 3의 세 줄이다.

NBER 워킹페이퍼 34836 표 3의 영국 열. 보고서가 쓴 "약 0.9%p"는 가운데 줄에서 왔다. 어느 줄을 고르느냐에 따라 같은 설문에서 0.7과 0.9가 갈린다.

3.3두 갈래가 소수 한 자리에서 만난다

여기서 보고서의 0.9%p가 어느 쪽인지 가리기 어려워지는 지점이 하나 있다. 3단계의 설문 평균 2.6190%를 3년으로 나누면 연 0.873이 나온다. 4단계의 성장회계를 거치면 0.85가 나온다. 서로 다른 단계를 거친 두 값인데, 소수 첫째 자리로 반올림하면 둘 다 0.9가 된다. 보고서 문장만 읽고는 어느 쪽인지 알 수 없다.

두 길 가운데 3으로 나누는 쪽은 앞 판본들에 자취가 남아 있다. 2월호가 적은 "연 0.6%"부터 그렇다. 겨울 회차 영국 열의 3년 누적 +1.8585%를 3으로 나누면 0.6195다. 7월호의 "연 0.9%"는 바로 위에서 나온 0.8730이고, 7월호가 같은 문장에 적은 고용 "연 0.4%"도 여름 회차 고용 기대 −1.3130%를 3으로 나눈 −0.4377에서 나온다. 세 수가 전부 설문 평균을 3으로 나눈 값으로 재현된다. 앞의 두 판본이 적은 것은 성장회계를 거치지 않은 설문 평균 그 자체였다.

11월호가 Yotzov 외를 인용하므로 성장회계 쪽일 가능성이 높다. 다만 7월호의 "연 0.9%"는 인용도 성장회계도 없던 시점에 적혔으니 설문 평균을 3으로 나눈 값일 수밖에 없다. 한쪽을 단정하지 않고 사실만 적는다. 반올림은 수를 줄이는 일이 아니라 수가 지나온 단계를 지우는 일이다. 두 길이 같은 자리에서 만나면, 그 자리에 선 사람은 자기가 어느 길로 왔는지 말할 수 없게 된다.

"절반씩 나뉜다"는 11월호의 분해도 같은 방식으로 확인된다. 집계 데이터에서 영국의 향후 3년 생산성 기대는 +2.619%, 고용 기대는 −1.313%다. 각각 3으로 나누면 연 +0.873%와 −0.438%이고, 생산성에서 고용 감소분을 빼면 산출 쪽 기대가 연 +0.435%로 남는다. 고용 쪽 0.438과 산출 쪽 0.435는 소수 셋째 자리에서 갈린다. 보고서의 "대략 절반씩"은 정확한 서술이다.

이 글이 여기까지 올 수 있었던 것은 논문 프로젝트가 집계 데이터를 표 계산 파일로 공개해 뒀기 때문이다. 문항별·나라별로 다섯 칸의 응답 비율이 소수 넷째 자리까지 적혀 있다. 비율 다섯 개와 값 할당 규칙이 있으면 평균은 누구나 다시 만들 수 있다. 그래서 다시 만들어 봤다.

서로 베끼지 않은 코드 두 벌로 따로 계산했고, 두 번 다 같은 수가 나왔다. 영국의 지난 3년 누적 평균 +0.5355%, 향후 3년 누적 평균 +2.6190%, 향후 3년 고용 기대 −1.3130%. 공개된 수치와 소수 넷째 자리까지 일치한다. 이 글의 주장은 숫자가 틀렸다는 것이 아니다. 산술은 어느 단계에서도 어긋나지 않았다.

다시 만드는 과정에서 평균이 가린 것이 드러난다. 지난 3년에 대해 영국 기업 열에 여덟(82.24%)이 "영향 없음"에 표시했다. 생산성이 늘었다고 답한 기업은 작은 폭 14.40%와 큰 폭 2.66%를 합쳐 열에 둘이 채 안 된다. 보고서가 적은 0.5%는 그 소수가 끌어올린 평균이다. 향후 3년 기대로 넘어가면 그림이 달라진다. "영향 없음"은 35.17%로 내려가고, 작은 폭 증가 38.05%와 큰 폭 증가 23.71%가 자리를 메운다.

4.1반년 사이에 움직인 것은 칸을 옮긴 사람 수다

공개 파일에는 여름 회차 아래에 겨울 회차 블록이 따로 붙어 있다. 두 회차의 영국 열을 같이 놓으면 평균이 오른 경로가 보인다. 지난 3년에 대한 "영향 없음"은 89.32%에서 82.24%로, 향후 3년에 대한 "영향 없음"은 53.24%에서 35.17%로 내려갔다. 그만큼의 응답자가 증가 쪽 칸으로 옮겨 갔고, 누적 평균은 +0.292%에서 +0.5355%로, +1.859%에서 +2.619%로 올랐다.

여기서 눈여겨볼 것은 평균을 끌어올린 힘의 정체다. 누군가 더 큰 수를 적어 냈기 때문이라면 이야기가 간단하다. 그런데 적어 낼 수 있는 수가 애초에 없다. 고를 수 있는 값은 ±7.5와 ±2.5와 0, 다섯 개뿐이고 응답자는 그중 하나를 고를 뿐이다. 움직인 것은 값이 아니라 칸을 옮긴 사람 수다. 같은 변화가 "기업들이 AI 효과를 더 크게 본다"는 문장이 되어 나간다.

4.2맨 끝 칸의 7.5를 흔들어 본다

위가 열린 칸에 넣은 7.5가 평균을 얼마나 떠받치고 있는지는, 그 값만 바꿔 평균을 다시 만들어 보면 알 수 있다. 나머지 칸의 값과 응답 비율은 그대로 두고 "5% 초과 증가"에 들어가는 수만 갈아 끼웠다.

집계 데이터의 영국 향후 3년 분포에 값만 바꿔 넣어 다시 계산했다. 오른쪽 열은 3년 누적을 단순히 3으로 나눈 값으로, 성장회계를 거친 보고서 수치와는 다른 잣대다.

아무도 고르지 않은 한 수를 6과 10 사이로만 움직여도 설문 평균은 2.27%에서 3.20% 사이를 오간다. 가운데 값보다 13% 낮아지거나 22% 높아지는 폭이다. 다만 여기서 한 걸음 넘어가지 않는다. 이 민감도는 설문 평균 자체의 것이고, 보고서의 0.9%p는 그 평균에 성장회계를 한 번 더 얹은 값이라 비례가 정확히 같지는 않다. 정확히 말할 수 있는 것은 보고서 수치가 출발한 2.6%라는 평균이 2.3%에서 4.3% 사이에 놓일 수 있다는 것까지다.

4.3민감도를 함께 내보내는 것이 표준 처방이다

범주형 구간 자료에서 평균을 복원하는 문제는 소득·자산 분포 통계학이 오래 다뤄 왔다. 그 문헌의 결론 셋은 이 자리에 그대로 들어맞는다. 첫째, 닫힌 칸에 중점을 넣는 방식은 대체로 잘 듣는다. 둘째, 오차는 위가 열린 맨 끝 칸에 몰린다. 그 칸에는 중점이 정의되지 않기 때문에, 전체 평균 오차의 대부분이 거기서 나온다. 셋째, 그래서 표준 처방은 꼬리를 추정해 넣거나, 따로 공표된 전체 평균으로 맨 끝 칸을 역산해 묶거나, 값 하나를 못 박는 대신 민감도를 함께 내보내는 것이다.

다만 옮겨 올 수 없는 것도 분명히 해 둔다. 그 문헌이 다루는 것은 위가 진짜로 무한히 열린 소득 분포이고, 여기 맨 끝 칸은 "1인당 매출 물량 5% 초과 증가"다. 소득처럼 두꺼운 꼬리를 전제할 근거가 없으니 기법을 그대로 가져다 쓸 수는 없다. 옮겨 오는 것은 세 가지 사실이다. 열린 맨 끝 칸이 평균 오차를 지배하고, 결정론적인 값 하나는 칸 안의 분산을 지우며, 좋은 관행은 그 값에 대한 민감도를 숫자와 함께 내보내는 것이다.

같은 설문에는 고용을 묻는 문항도 있었다. 앞으로 3년간 AI가 자사 고용에 어떤 영향을 줄 것 같으냐는 질문에, 영국 기업 절반 가까이(46.9%)가 줄어든다는 쪽 칸을 골랐다. 그중 여덟에 하나(12.1%)는 5%를 넘게 줄어든다고 답했다. 보고서에 남은 것은 평균 −1.3%와 "대략 절반씩 나뉜다"는 한 줄이다.

출처: NBER 워킹페이퍼 34836 공개 집계 데이터, 영국 DMP 2026년 5~7월 조사분. 같은 문항의 지난 3년 실적은 "영향 없음"이 87.54%이고 누적 평균이 −0.0925%로, 보고서가 적은 "0에 가깝다"와 맞는다.

과거와 미래는 이렇게 갈린다. 지난 3년에 대해서는 열에 아홉 가까이가 고용에 변화가 없었다고 답했다. 그 기업들이 앞으로 3년에 대해서는 절반 가까이 감소를 고른다. 영란은행 지역조사역이 기업에서 들은 이야기도 같은 방향이다. AI는 "채용하거나 결원을 채울 가능성을 낮추지만, 해고 가능성을 크게 높이지는 않는다."

5.1"절반씩"은 반년 전에는 맞지 않는 말이었다

앞 절에서 확인한 대로 11월호의 "대략 절반씩"은 여름 회차 수치와 정확히 맞는다. 그런데 겨울 회차의 영국 열로 같은 계산을 하면 다른 그림이 나온다. 생산성 기대에서 고용 감소분을 빼 산출 쪽 기대를 구하고, 둘의 비를 내 봤다.

이 구성비는 우리 계산이다. 보고서도 논문도 이렇게 적지 않는다. 공개 집계 데이터의 두 회차 블록에서 영국 열을 꺼내 뺄셈 한 번으로 만들었고, 같은 파일을 받으면 누구나 재현할 수 있다.

반년 전 영국 기업들의 기대는 "사람을 줄여서 생산성을 올린다"가 네 중 셋에 가까웠다. 여름에는 반반이 됐다. 생산성 기대가 커진 것은 거의 전부 산출 쪽이 커졌기 때문이고, 고용 기대는 −1.36에서 −1.31로 거의 움직이지 않았다. 2월호가 "절반씩 나뉜다"고 썼다면 그 문장은 틀렸을 것이다. 보고서에 적힌 한 줄은 그 회차의 사진이지 기업들의 성질이 아니다.

논문도 같은 방향을 다른 방식으로 확인한다. 영국 기업의 기대 고용 영향과 기대 생산성 영향의 관계는 음이고 통계적으로 유의하지만, 기울기가 −0.07로 1보다 한참 작다. 논문의 해석 축자는 이렇다. "따라서 기업들은 AI의 생산성 이득 상당 부분이 인원 감축보다 산출 증가를 통해 올 것으로 기대한다."

5.2보고서는 같은 현상에 설명 셋을 나란히 둔다

고용이 둔화되는데 산출이 늘어나는 최근 영국의 모습을 두고, Box D의 표 D.A는 설명 셋을 나란히 적는다. 첫째는 경기적 조정으로, 코로나 시기에 기업들이 붙들고 있던 인력이 풀리는 과정이다. 둘째는 인건비 상승이다. 최저임금과 고용주 사회보험료가 올라 저임금 일자리가 줄면 평균 생산성은 기계적으로 올라간다. 셋째가 AI다. 보고서는 앞의 둘에 "지속 효과 없음"을, AI에만 "구조적·지속적"을 붙인다. 셋 중 어느 것이 얼마를 설명하는지는 적지 않는다.

한국은행도 같은 다섯 문항을 돌렸다. 2026년 6월 15일부터 26일까지 온라인으로, 상용 근로자 50인 이상 749개 기업의 임원을 대상으로 했다. 논문 부록 C의 설명에 따르면 "구조와 경제 개념, 수치 문턱, 응답 범주를 보존해" 한국어로 옮겼고, 2024년 전국사업체조사의 고용 비중으로 산업 가중을 했다. 문항이 같고 번역이 충실하면 결과를 나란히 놓을 수 있다. 놓아 보면 한국 쪽 수치가 크게 뛴다.

출처: NBER 워킹페이퍼 34836 부록 C. 세 번째 줄의 7개국 값 +0.4%는 부록 C의 표기이고, 같은 논문 본문과 집계 데이터는 같은 수(0.4647)를 "약 0.5%"로 적는다. 한국과 대조할 때는 부록 C의 잣대에 맞췄다.

지난 3년 실적은 네 배, 향후 3년 기대는 두 배다. 두 배율이 다르다는 점을 뭉뚱그리지 않는 편이 낫다. 실적 쪽 격차가 기대 쪽보다 훨씬 크다.

6.1논문은 그 차이를 "설문의 맥락" 탓으로 적는다

저자들은 한국 결과를 7개국 평균에 섞지 않고 부록에 따로 실었다. 뺀 이유도 적어 뒀다.

한국 기업이 더 생산적이라는 뜻으로 읽으면 틀린다. 논문이 말하는 것은 생산성의 차이가 아니라 누가 설문지 앞에 앉았는가의 차이다. 그리고 그 설명은 추측에 머물지 않는다. 본표본 자신의 자료 안에 같은 모양의 곡선이 이미 그려져 있다.

6.2답한 사람이 AI를 얼마나 쓰는지가 답을 예측한다

논문은 응답자 본인의 주당 AI 사용 시간을 따로 물었고, 그 시간대별로 생산성 기대가 어떻게 갈리는지를 각주에 적어 뒀다. AI를 전혀 쓰지 않는 응답자의 기대는 +1.1%, 주 5시간 넘게 쓰는 응답자의 기대는 +3.9%다. 고용 쪽도 −0.7%에서 −2.2%로 벌어진다. 한국 응답자의 평균 사용 시간은 4.1시간이고 한국 기대치는 +3.3%다.

한국 응답자는 본표본이 스스로 그린 곡선의 오른쪽 끝에 거의 정확히 얹힌다. 논문은 이것을 단순한 낙관으로 읽지 않는다. AI에 더 직접 노출된 응답자는 이득과 대체를 둘 다 크게 본다는 쪽으로 해석한다. 기대 고용 감소도 같이 커지기 때문이다.

이 곡선에는 앞 절에서 본 수가 한 번 더 등장한다. 가로축의 사용 시간 자체가 객관식 응답에 값을 넣어 만든 것이다. 논문 그림 주석의 축자는 이렇다. "각 보기에 값을 할당한다. '전혀 안 씀'에 0, '주 1시간 이하'에 0.5, '주 1~5시간'에 3, '주 5시간 초과'에 7.5." 위가 열린 맨 끝 칸에 7.5를 넣는 규칙이 여기서도 쓰인다. 검증에 쓴 잣대가 검증 대상과 같은 잣대인 셈이다. 그렇다고 이 곡선이 쓸모없어지지는 않는다. 논문이 자기 결과를 흔들어 보려고 실은 진단이고, 진단으로서 제 일을 한다.

6.3"설문마다 숫자가 다르다"는 논문이 한 절을 들여 재어 둔 문제다

이 글이 하려는 말을, 수치의 출처가 된 논문이 이미 한 절로 적어 뒀다. 저자들은 최근 연구들의 AI 도입률이 크게 갈린다는 점을 지적하고, 설문 설계의 세 가지 특징으로 그 격차의 일부를 설명한다. 그리고 각 요인이 영국 DMP 안에서 얼마나 큰 폭을 만드는지 직접 쟀다.

출처: NBER 워킹페이퍼 34836 본문과 부표 A2·그림 A7. 세 요인 모두 "AI를 사용하는가"라는 같은 질문에 대한 같은 응답 묶음에서 나온 수치다.

논문의 결론 축자는 이렇다. "이 세 요인은 각각 측정 도입률을 5~12%p만큼 움직이고, 서로 복합한다. 소기업을 사업체 수로 가중해 비임원이 답한 설문은, 대기업을 고용으로 가중해 최고경영자가 답한 설문보다 훨씬 낮은 도입률을 보고할 것이다. 따라서 이 요인들은 문헌의 추정 범위를 좁히기는 하되 닫지는 못한다. 문항 표현의 차이와 조사 시점의 차이가 여전히 중요한 추가 설명으로 남는다."

최고경영자가 더 높게 답하는 현상에 논문이 붙인 해석은 둘이고, 둘 중 하나를 고르지 않는다. 임원이 조직 전체의 AI 사용을 더 온전히 볼 수도 있고(그렇다면 하급자 설문이 과소 보고다), 직접 보지 않은 사용까지 보고할 의향이 더 클 수도 있다(그렇다면 임원 설문이 과대 보고다). 어느 쪽이든 설문 간 도입률 비교는 누가 설문지에 답했는지를 셈에 넣어야 한다는 것이 논문의 결론이다. 우리도 둘 중 하나를 고르지 않는다. 임원이 적어 낸 답이 업계 지표가 되는 다른 사례를 다룬 글이 이 블로그에 있다(베세머·베인의 병원 AI 도입 조사).

6.4미국도 한국도 한 나라에 숫자가 셋씩 있다

같은 일이 미국에서도 벌어진다. 연방준비제도이사회가 2026년 4월 3일에 낸 FEDS Note는 미국의 AI 도입률을 재는 세 조사를 나란히 놓고, 왜 다른지를 스스로 설명한다.

출처: 연방준비제도이사회 FEDS Note "Monitoring AI adoption in the U.S. economy"(2026-04-03). 이 메모는 도입률만 다루고 생산성 효과는 다루지 않는다.

연준의 설명 축자는 이렇다. "표본 분포가 다르다는 점과 기업 규모 계층별 도입률의 이질성이 결합해 BTOS와 SBU 추정치 사이 격차의 상당 부분을 만들어 냈을 가능성이 높다." 거기에 문항 표현의 차이, 응답자가 자기 회사에 대해 아는 정도, 그리고 사회적 바람직성 편의를 추가 요인으로 든다. 임원이 AI 도입을 효율성의 증표로 보고해야 한다는 압력이다.

세 조사 중 가장 높은 수를 내는 SBU가 바로 이 논문 7개국 본표본의 미국 쪽 자료원이다. 연준 자신의 메모가 그 조사에 사회적 바람직성 편의 가능성을 적어 둔 셈이다. 다만 그 메모는 도입률만 다루므로, 여기서 생산성 수치로 번역해 가져가지 않는다.

한국에도 같은 구조가 있다. 기업활동조사(2024년) 기준 기업 단위 AI 활용률은 9.6%이고, 한국은행 가계조사에서 근로자 개인 기준은 51.8%이며, 이 논문 부록 C의 임원 응답 기준은 89%다. 세 수는 제각각으로 보이지만, 각자 서로 다른 것을 센다. 한국은행 이슈노트 자신이 기업 9.6%와 근로자 51.8%의 간극을 두고 AI 확산이 기업 단위의 업무흐름 변화보다 개별 근로자 단위에서 이뤄지고 있음을 나타낸다고 적는다. 참고로 같은 기업활동조사를 다른 연구팀이 상용 50인 이상·자본금 3억원 이상 회사법인으로 좁혀 분석하면 9.2%가 나온다. 출처는 같고 모집단 필터가 다르다.

6.5"7개국 평균"의 가장 큰 덩어리는 1월에 받은 답이다

분모 쪽에도 짚어 둘 것이 하나 있다. 집계 데이터에서 독일 열은 겨울 회차와 여름 회차의 값이 소수점까지 같다. 독일은 여름 회차에서 이 문항을 받지 않았고 2026년 1월 자료가 그대로 다시 쓰였다. 그 독일 열은 7개국 평균에서 응답 수 가중 26.7%로 단일 최대 블록이고, 영국(23.3%)보다 크다. 논문은 이 사실을 표 주석에 명시한다. 우리가 들춘 것이 아니라 논문이 먼저 적어 둔 것을 옮겼다. 다만 "7개국 평균"을 지금 시점의 수로 읽으면 반년 묵은 한 나라가 가장 무겁게 들어 있다는 점은 알고 읽어야 한다. 겨울 회차에는 참여국이 영국·미국·호주·독일 넷이었고, 일곱 나라가 된 것은 여름 회차부터다.

여기까지 보면 설문이 문제인 것처럼 읽히기 쉽다. 그런데 설문 말고 다른 수단이 있는지를 실제로 찾아보면, 2026년 현재 답은 "사실상 없다"에 가깝다. 중앙은행도 통계기관도 AI 효과를 직접 계측하는 장치를 갖고 있지 않다. 기관을 가르는 것은 설문을 쓰느냐가 아니라 그 설문값과 맞대 볼 두 번째 것을 두었느냐다. 맞대 본 사례 셋을 적는다.

7.1한국은행은 문항을 하나 더 물었다

한국은행 조사국은 2025년 5~6월에 전국 만 15~64세 취업자 5,512명을 대상으로 가계조사를 했다. 지역별고용조사 원시자료를 표본틀로 삼아 직업 중분류·연령대·성별을 층화변수로 쓰고 사후층화 가중을 적용했다. 그 결과가 BOK 이슈노트 제2026-12호 「AI 도입은 생산성을 높이는가? 초기 3년의 효과 분석」이다. 저자 셋 가운데 오삼일은 앞서 나온 NBER 논문의 공저자이기도 하다. 같은 사람이 한쪽에서는 임원에게 묻고 다른 쪽에서는 근로자에게 물었다.

근로자 조사가 찾은 것은 이렇다. 생성형 AI를 쓰는 근로자는 같은 일을 하는 데 평균 3.8% 짧은 시간을 쓴다. 주 40시간 기준으로 주 1.5시간이다. 절감된 시간이 전부 생산 활동에 다시 투입된다고 가정하면 잠재 생산성 효과는 약 1.0%p로 환산되는데, 이슈노트의 각주는 그것을 상한치로 해석하라고 명시한다. 가정이 강하다는 것을 저자들이 먼저 적어 둔 것이다.

중요한 것은 그다음이다. 한국은행은 "시간이 얼마나 줄었나"와 "일을 얼마나 더 했나"를 따로 물었고, 둘을 견줘 봤다. 근로자 개인 단위에서 업무시간 절감률과 업무처리량 증가율의 상관계수는 0.00이었다. 개인 특성과 고정효과를 통제한 회귀에서도 계수는 0.011, 표준오차는 0.166으로 유의하지 않았다. 연구진은 이 현상에 「AI 생산성 단절」이라는 이름을 붙였다. 절감된 시간이 산출로 이어졌는지를 확인할 두 번째 문항이 있었기에 나올 수 있었던 결론이다. 같은 문제를 다른 자료로 다룬 글이 이 블로그에 있다(METR 개발자 실험 246건 재분석).

7.2유럽중앙은행은 설문 지표를 회계자료에 맞대 봤다

유럽중앙은행도 AI를 설문으로 센다. 유로지역 기업 약 5,000곳을 대상으로 하는 SAFE 조사에 특별문항을 얹어 AI 사용률을 받고, 근로자 쪽은 소비자기대조사로 받는다. 다른 점은 설문으로 만든 지표를 그대로 쓰지 않았다는 데 있다. Occasional Paper 395는 SAFE 응답으로 기업 노동생산성 대리지표를 만든 뒤, 그 지표를 ORBIS 기업 회계자료와 유로지역 노동생산성 지수로 벤치마크했다. AI 효과를 실측한 연구가 아니라 설문으로 만든 생산성 지표가 회계자료와 얼마나 맞는지를 본 연구다. 그래도 설문값 옆에 둘 두 번째 자료원의 실례로는 정확하다.

유럽중앙은행 블로그는 추정 범위도 함께 밝힌다. 10년에 걸친 AI의 연간 추가 생산성 증가율 추정치가 기관마다 0.1%에서 3.4% 사이에 흩어져 있고, 유럽중앙은행 자신의 추정은 유로지역 연 약 0.35%p다. 서른 배가 넘는 폭이 같은 질문에 대한 답으로 유통되는 중이다.

7.3DMP에도 검증 장치가 있다, 다만 AI 문항에는 닿지 않는다

세 번째 사례는 DMP 자신이다. 영란은행 Staff Working Paper 1096 「The Decision Maker Panel: a user's guide」 6장은 이 패널의 예측 정확도를 공개된 방식으로 점검한다. 패널 기업은 매출·가격·고용·투자에 대해 다섯 시나리오를 제시받고 각각에 확률을 매기며, 거기서 평균과 표준편차가 나온다. 그림 25는 그 기대치를 1년 뒤 실제 결과와 견준다. 축자로는 "기업들은 횡단면에서 상당히 정확한 예측을 하며, 기대 성장률과 1년 뒤 실현치 사이에 강한 상관이 있다." 집계 단위로도 대체로 정확하되, "경제가 큰 예상 밖 충격을 겪은 시기에는 예측이 덜 정확했다"고 적는다. 매출 성장률은 ±100% 밖을, 가격·고용·비용·임금은 ±50% 밖을 이상치로 처리한다.

그런데 AI 특별문항은 이 장치 전부의 바깥에 있다. 다섯 시나리오에 확률을 매기는 형식이 아니라 다섯 칸 중 하나를 고르는 형식이라 표준편차가 없다. 1년 뒤에 대조할 실적 관측치가 없으니 그림 25와 26 같은 검증을 할 수가 없다. 칸에서 나온 값이라 ±5%를 벗어날 수 없으니 이상치 규칙이 걸릴 일도 없다. 여기서 DMP를 깎아내릴 생각은 없다. 정반대로, 핵심 변수에 대해 공개된 사후 검증 체계를 갖춘 드문 기업 설문이다. 요점은 그 체계가 특별문항에는 구조적으로 닿지 못하는데, 보고서 문장은 두 종류를 똑같이 "기업들이 답했다"로 적는다는 것이다.

닿지 못하는 자리에서 논문은 옆길로 들어간다. 저자들은 "기대가 큰 건 그냥 낙관적인 회사라서"라는 가장 흔한 반론을 먼저 의심하고 검사했다. 그림 A23의 축자는 이렇다. "AI의 기대 생산성 효과와 기업의 매출 성장 예측 오차 사이에 체계적 관계가 없다. AI로부터 더 큰 생산성 효과를 기대하는 것은 기업의 일반적 예측 낙관과 결부되지 않는다." 고용 쪽을 본 그림 A18도 같다. 그 검사를 할 수 있었던 것은 같은 기업의 과거 예측 오차가 패널에 쌓여 있기 때문이다. AI 문항 자체에는 닿지 못하는 검증 체계가, 그 문항에 답한 기업의 평소 버릇을 통해 옆에서 닿았다.

7.4지금 있는 수단을 모아 놓으면

주요 중앙은행과 통계기관이 2026년에 AI를 재는 데 쓰는 수단을 모으면 아래와 같다. 계측 장치를 가진 기관은 없다.

출처: 각 기관의 2026년 공개 자료. 오른쪽 열이 이 글이 보는 자리다.

중앙은행이 설문에 기대는 데에는 게으름 말고 다른 이유가 있다. 지금 존재하는 수단이 그것뿐이다. 그러니 기관을 평가하는 기준도 설문을 썼느냐가 될 수 없다. 설문값 옆에 맞대 볼 것을 하나 더 두었느냐가 기준이고, 그 자리에 한국은행의 두 번째 문항이 있고 유럽중앙은행의 회계자료가 있고 DMP의 사후 검증 체계가 있다. 영란은행이 한 일 중에 이 기준으로 가장 잘한 것은, 설문값을 중심 전망에 넣지 않고 상방 위험으로 분리해 둔 일이다.

이 글에서 우리가 한 일은 데이터클리닉이 고객 지표에 처음 들어갈 때 하는 일과 같다. 보고서에 적힌 수를 믿는 대신 원 집계표를 열어 분포를 보고, 평균을 다시 만들고, 그 평균이 무엇에 민감한지 흔들어 본다. 그렇게 해서 "0.9%p"가 다섯 칸 객관식에서 출발해 네 번 변환된 값이고, 열에 여덟은 빈 칸에 표시했으며, 평균이 아무도 고르지 않은 수 하나에 매달려 있다는 것을 찾았다. 이번에 하나를 더 배웠다. 같은 문항을 보고서 판본 셋에 걸쳐 대조하자 단위 이름이 바뀐 자리가 드러났다. 지표 리뷰에서 가장 싸고 가장 자주 건지는 점검이 같은 지표의 과거 판본과 맞대 보기다. 이 종류의 역추적은 자동화할 수 있다.

8.1데이터 품질 쪽 교훈 셋

첫째, 단위가 계보보다 먼저 깨진다. 3년 누적과 연간 기여를 나란히 놓으면 4.5~9배 차이가 1.8배로 보인다. 그리고 "연 0.9%"와 "연 0.9%p"는 수가 같아서 값 비교로는 잡히지 않는다. 단위 이름은 값이 아니라 라벨이고, 라벨은 보통 함께 옮겨지지 않는다.

둘째, 범주형 응답에 넣은 값은 데이터가 아니라 설정이다. "5% 초과"에 7.5를 넣은 것은 기록이 아니라 선택이고, 그 수를 6과 10 사이로만 바꿔도 설문 평균이 13% 낮아지거나 22% 높아진다. 설정은 값과 함께 흘러가야 한다. 지금은 논문 본문에만 남고 보고서 문장에는 따라오지 않는다.

셋째, 평균은 분포를 지우고, 귀속은 공정을 지우고, 반올림은 단계를 지운다. 열에 여덟이 0인 분포의 평균이 "기업들의 추정"이 되고, 네 단계를 거친 값이 "기업들이 답했다"가 되고, 0.873과 0.85가 소수 한 자리에서 같은 0.9가 된다. 셋 다 고객 지표 리뷰에서 매번 나오는 모양이다.

8.2'AI 도입 효과'를 내보내기 전에 물어야 할 다섯

회사가 만드는 "AI 도입 효과" 숫자도 어딘가에서 누군가가 설문에 적어 낸 값일 가능성이 높다. 그 값을 슬라이드에 올리기 전에 다섯 가지를 확인하면 이 글에서 본 사고 대부분을 피할 수 있다.

• 기록된 값인가, 고른 칸에 넣은 값인가. 넣었다면 넣은 규칙이 지표와 함께 나가는가.
• 단위가 끝까지 같은가. 누적과 연간, 수준과 성장률이 한 슬라이드에 섞여 있지 않은가. 지난 분기 같은 지표의 단위 표기와 글자까지 같은지 확인했는가.
• 평균 뒤의 분포는 어떤 모양인가. 응답자 몇 퍼센트가 0인가.
• 누가 답했는가. 답한 사람의 AI 사용 시간이 답을 예측하지 않는가. 직급이 답을 예측하지 않는가.
• 맞대 볼 두 번째 것이 있는가. 두 번째 문항이든, 회계자료든, 사후 실적이든.

다섯 다 중앙은행 바깥에서도 그대로 쓰인다. 이 설문에서는 답한 사람의 AI 사용 시간이 기대치를 세 배 넘게 벌렸고, 직급이 도입률을 4~7%p 움직였다. 사내 설문이라고 다를 이유가 없다.

8.3페블러스가 서 있는 자리

이 블로그의 앞선 글들은 대체로 재는 방법을 따졌다. 요약 규칙을 어떻게 고르는지, 비교 설계가 무엇을 가릴 수 있는지, 분모가 어디서 바뀌는지를 봤다. 이 글이 본 것은 조금 다르다. 값이 지나온 단계의 기록이다. 다섯 칸 객관식에서 출발한 수가 네 번의 변환을 거쳐 중앙은행 보고서의 한 문장이 되기까지, 각 단계에서 무엇이 덧붙고 무엇이 떨어져 나가는지를 따라갔다.

본문 수치의 출처를 성격별로 나눠 적는다. 1번부터 7번까지가 기관이 직접 낸 보고서와 공식 자료이고, 8번부터 11번까지가 수치가 나온 논문과 방법론 문헌이다. 12번부터 14번까지는 다른 중앙은행과 정책기관의 2026년 자료다. 15번부터는 이 보고서를 다룬 매체와, 같은 질문을 다른 자리에서 다룬 페블러스 블로그 글이다.

기관 보고서와 공식 자료

• 1.Bank of England, Monetary Policy Report — November 2026, 2026년 11월 5일. bankofengland.co.uk 1절의 Box C·Box D, 2절의 부표 A1.C와 상방 위험 축자가 여기서 나왔다.
• 2.Bank of England, Monetary Policy Report — July 2026, 2026년 7월. 2절 세 판본 대조표의 "연 0.9%" 표기가 이 판본의 문장이다.
• 3.Bank of England, Monetary Policy Report — February 2026, 2026년 2월. 2절 세 판본 대조표의 "연 0.6%" 표기가 이 판본의 문장이다.
• 4.Bank of England Staff Working Paper No. 1096, The Decision Maker Panel: a user's guide, 2024년 11월. 7.3절의 예측 정확도 점검과 이상치 처리 규칙이 이 문서 6장에 있다.
• 5.한국은행, BOK 이슈노트 제2026-12호 「AI 도입은 생산성을 높이는가? 초기 3년의 효과 분석」, 서동현·오삼일·윤종원, 2026년 6월. 7.1절의 표본 설계·3.8%·상관계수 0.00·회귀 계수가 본문 17쪽판에서 나왔다.
• 6.한국은행, BOK 이슈노트 제2025-22호 「AI의 빠른 확산과 생산성 효과: 가계조사를 바탕으로」, 2025년 8월 18일. 6.4절의 근로자 기준 51.8%가 이 글의 최초 출처다.
• 7.Office for National Statistics, "Measuring labour productivity: our new approach", ONS Blog, 2026년 9월 17일. 1절의 노동투입 측정 방식 변경 배경. ⛔ 본문의 2009~2024년 수치 쌍은 보고서 Box D 표기를 따랐다.

논문과 방법론 문헌

• 8.Yotzov, V. 외, Firm Data on AI, NBER Working Paper 34836, 2026년 2월 작성 / 10월 개정. 집계 데이터 파일은 프로젝트 사이트 공개분(2026년 10월 6일 갱신)을 썼다. 3절의 다섯 단계와 표 3, 4절의 분포와 재현, 5절의 그림 A24, 6절의 부록 C와 설문 설계 세 요인, 7.3절의 그림 A18·A23이 전부 이 논문에서 나왔다.
• 9.Bick, A., Blandin, A., Deming, D. J., Fuchs-Schündeln, N. & Jessen, J., Mind the Gap: AI Adoption in Europe and the U.S., NBER Working Paper 34995, 2026년. 보고서가 도입률 비교의 근거로 함께 인용한 논문이다. 이 글은 도입률 수치를 가져다 쓰지 않았다.
• 10.von Hippel, P., Scarpino, S. & Holas, I., "Robust estimation of inequality from binned incomes", Sociological Methodology. 4.3절의 열린 맨 끝 칸 논의가 이 계열 문헌에서 나왔다.
• 11.Jargowsky, P. A. & Wheeler, C. A., "Estimating Income Statistics from Grouped Data: Mean-constrained Integration over Brackets", Sociological Methodology, 2018년. 4.3절의 평균 정합 처방이 이 논문의 방법이다.

다른 중앙은행과 정책기관

• 12.Federal Reserve Board, "Monitoring AI adoption in the U.S. economy", FEDS Notes, 2026년 4월 3일. 6.4절의 18%·41%·78%와 사회적 바람직성 편의 서술이 여기 있다.
• 13.European Central Bank, Adoption and investment in AI across the euro area, Occasional Paper No. 395, 2026년. 7.2절의 ORBIS 회계자료 벤치마크가 이 논문의 작업이다.
• 14.Dias da Silva, A., Lebastard, L. & Sondermann, D., "AI adoption and the productivity promise: what workers report", ECB Blog, 2026년 8월 26일. 7.2절의 0.1~3.4% 추정 범위와 유로지역 연 약 0.35%p가 여기서 나왔다.

보도와 페블러스 블로그 인접 글

• 15.ppc.land, "AI accounts for nearly a fifth of UK growth in 2026, Bank of England finds", 2026년 11월 5일. 1절에서 확인한 보도 두 건 중 하나로, 누적과 연간을 가려 적었다.
• 16.The Register, Carly Page, "Bank of England pours cold water on AI productivity boom", 2026년 11월 6일. 같은 상자를 다룬 두 번째 보도다.
• 17.METR 실험, AI가 아낀 시간만 세고 놓친 오류는 안 센다 — 아낀 시간이 산출로 이어졌는지를 다룬 글. 7.1절의 「AI 생산성 단절」과 같은 질문을 개발자 실험 자료로 본다.
• 18.토르스텐 슬로크의 'AI 효과 0', 없을까 안 보일까? — 같은 질문을 거시 지표 쪽에서 본 글이다.
• 19.베세머·베인 조사, 병원은 왜 진료만 AI에 못 맡길까? — 임원 설문이 지표가 되는 또 다른 사례다.
• 20.영국 상장사 AI 위험 공시는 늘었는데, 사고 자리는 빈칸이다 — 같은 나라 기업 공시를 다룬 글이다.
• 21.기업 카드 회사 Ramp, AI 사용은 늘고 지출은 뒤처진다 — 분모가 무엇인지에 따라 AI 도입 수치가 갈리는 사례다.