Executive Summary

지표의 정의는 한 줄이다. 마이크로소프트는 "전 세계 15세에서 64세 사이 인구 가운데 해당 기간에 생성형 AI 제품을 사용한 사람의 비중"이라고 지표를 정의한다. 그 문장을 만드는 연산은 곱셈 세 항이고, 그중 관측되는 것은 첫 항뿐이다. 나머지 둘은 외부 데이터로 추정한다.

1.1보고서가 먼저 적어 둔 한계

아래에 나올 모든 것은 폭로가 아니라 검산이다. 데이터셋을 담은 깃허브 저장소의 README에는 "Limitations"라는 절이 따로 있고, 보고서가 스스로 네 줄을 적어 두었다.

같은 절은 이렇게 닫는다. "어떤 단일 지표도 전 세계 AI 채택을 온전히 담아내지 못한다. 이 데이터셋은 가능하면 보완적인 지표들과 함께 고려해야 한다." 9월 21일 공식 블로그의 네 번째 문단도 "어떤 지표도 완벽하지 않으며 이 지표 역시 예외가 아니다"로 시작한다. 그러니 이 글이 하는 일은 그 문장들이 실제로 얼마나 큰 한계를 가리키는지를 공개 자료로 재어 보는 것이다.

1.2방법은 이 보고서 안에 없다

2분기 보고서는 열한 쪽이고, 방법론 절이 없다. 대신 마지막 쪽의 "Citation and data availability" 절이 독자를 다른 문서로 보낸다. "이 보고서는 다음 기술 논문에 기반한다"고 적고 arXiv 논문 한 편을 지목한 뒤, 같은 문서를 aka.ms/AI_Diffusion_Technical_Report에서도 볼 수 있다고 병기한다. 두 주소가 다른 문서인지 확인해 보면 같은 문서다.

그 논문은 2025년 11월 4일에 등록된 「Measuring AI Diffusion: A Population-Normalized Metric for Tracking Global AI Usage」이고, 저자는 미스라·왕·머컬러스·화이트·라비스타 페레스 다섯 사람이다. 판본은 v1 하나뿐이고 데이터는 2025년 6월까지를 담는다. 소속 표기는 Microsoft AI for Good Lab으로, 이번 보고서를 낸 Microsoft AI Economy Institute와 다르다. 블로그 서명은 이 회사의 최고 데이터 과학자인 후안 라비스타 페레스다. 아래 §1.3부터 나오는 내용은 전부 그 논문에서 나오고, 그 논문을 읽으라고 지목한 쪽이 보고서 자신이다.

1.3관측 하나에 추정 둘을 곱한다

논문 2절의 식은 세 항의 곱이다. 첫 항은 마이크로소프트 제품 사용 기록(텔레메트리)에서 AI 사이트 방문이 관측된 사용자의 비율이다. 둘째 항은 15~64세 인구 1인당 데스크톱 기기 보유율인데, 윈도 월간 활성 기기수를 윈도의 PC·태블릿 점유율로 나눠 전체 기기수를 추정한 뒤 인구로 나눈 값이다. 셋째 항은 모바일 사용을 반영하려고 붙이는 스케일링 계수이고, 나라별 모바일 대 데스크톱 트래픽 비로 만든다. 둘째와 셋째 항의 원천 데이터는 마이크로소프트 밖에 있다. 운영체제 점유율과 플랫폼 트래픽 비는 스탯카운터, 인구는 세계은행 세계개발지표이고 결측국은 CEIC를 쓴다.

중복 사용자를 빼는 마지막 계산에 붙은 각주는 읽어 둘 값이 있다. 논문은 데스크톱과 모바일의 AI 사용이 실제로는 양의 상관을 가질 것이므로 진짜 중복은 독립 가정에서 나온 추정보다 클 것이고, 그래서 "최종 AI 사용자 비중이 약간 과대추정될 수 있다"고 덧붙인다. 지표를 만든 쪽이 방향까지 밝힌 편향이다.

논문이 스스로 적은 한계는 그 각주에서 끝나지 않는다. 4절 논의 절에 더 넓은 진술이 있다. "우리 지표는 마이크로소프트 제품 사용 기록에서 출발하므로 데스크톱 플랫폼과 마이크로소프트 사용자층 쪽으로 본질적으로 기울어 있다. 엄격한 보정과 스케일링 계수를 적용하지만, 우리 결과는 마이크로소프트 제품에서의 사용자 행동이 다른 플랫폼에서의 행동과 비슷하다고 암묵적으로 가정하며 그것이 늘 성립하지는 않을 수 있다." 완화책으로 논문이 든 것은 출처를 넓히는 방안이다. 센서 타워 같은 모바일 앱 분석 업체의 데이터를 통합하거나 셈러시와 시밀러웹 같은 웹 트래픽 분석 도구를 끌어오는 것이다. 그 가정이 실제로 얼마나 성립하는지는 5절에서 같은 나라의 설문 값과 나란히 놓고 본다.

1.4누구를 사용자로 세는가

블로그의 정의는 "해당 기간에 생성형 AI 제품을 사용한 사람"이다. 이 말은 한 번이라도 써 봤는지를 묻는 것처럼 읽힌다. 논문 2.1절이 적은 실제 기준은 그보다 좁다.

이 90분이 AI 제품을 쓴 시간인지, 관측의 기반이 되는 마이크로소프트 제품 전체를 쓴 시간인지는 논문이 명시하지 않는다. 문턱을 도입한 이유로 논문이 든 것은 사용자의 전반적인 활동이 적은 경우이니 후자로 읽는 편이 자연스럽지만, 공개 문서로는 단정할 수 없다. 어느 쪽이든 확정되는 것은 하나다. 이 지표의 분자는 경험 여부가 아니라 월 90분 문턱을 넘은 관측 사용자다.

관측 창도 분기 라벨과 다르다. 논문 2.4절은 "달리 표시하지 않는 한 모든 분석에서 2024년 말까지 거슬러 올라가는 데이터를 합산한다"고 적고, 그 이유로 나라 간 비교의 안정성과 단기 변동의 완화를 든다. 즉 "2026년 2분기"라고 적힌 값은 그 분기만의 값이 아니다.

1.5무엇을 세는지는 공개돼 있다

측정 대상 도구 목록이 공개돼 있는지는 이 글을 시작할 때 가장 궁금했던 항목이다. 답은 공개돼 있다는 것이다. 논문 부록 A가 「분석에 포함된 사이트·앱 목록」이라는 제목으로 열아홉 개를 원 표기 그대로 싣는다.

목록을 읽으면 흔한 오해 하나가 먼저 정리된다. 중국계 도구는 이미 네 개 들어 있다. 딥시크, 바이두의 어니봇, 알리바바의 통이첸원, 텐센트의 샤오웨이다. 러시아에서 나온 도구로는 얀덱스의 앨리스와 스베르의 기가챗, 나노시맨틱스가 있고, 한국 도구로는 네이버의 클로바 X가 들어 있다. "중국 도구가 통째로 빠졌다"는 서술은 틀리다. 쟁점은 무엇이 빠졌는지이고, 그 답은 4절에서 목록 대조로 나온다.

목록의 이름은 "사이트·앱"인데 관측 기반은 윈도 데스크톱 브라우징이고 모바일은 그림 1의 셋째 항으로 추정된다. 모바일 전용이거나 모바일 우선인 앱은 목록에 이름이 있어도 직접 관측되지는 않는다는 뜻이다.

1.6보정 항목이 문서마다 다르게 적혀 있다

여기에 한 가지 어긋남이 있다. 공식 블로그는 이 지표가 "운영체제와 기기 시장 점유율, 인터넷 보급률, 인구의 차이를 반영하도록 보정된다"고 쓰고, README는 같은 세 가지를 줄을 나눠 나열한다. 그런데 논문 식 (1)의 세 항 가운데 인터넷 보급률에 대응하는 항은 없다. 논문에서 국제전기통신연합의 인터넷 데이터가 쓰이는 곳은 두 군데인데, 국민소득 대비 기술 보급을 보여 주는 깔때기 그림과 별도 파생 지표인 "접속 인구 기준 AI 사용자 비중"이고, 둘 다 이 지표의 산출 바깥이다.

가장 관대하게 읽으면 셋째 항의 플랫폼 트래픽 비를 블로그와 README가 느슨하게 "인터넷 보급률"로 옮겨 적었을 수 있다. 그러나 그렇게 확인해 주는 공개 문서가 없다. 논문은 v1 하나뿐이고 2분기 보고서에는 방법론 절이 아예 없으니, 지금 이 어긋남을 해소하는 문서는 존재하지 않는다. 그래서 여기서는 어느 쪽이 틀렸다고 쓰지 않는다. 공개 문서가 뒷받침하는 것은 둘이다. 블로그와 README는 세 가지를 보정한다고 밝히고, 공개된 방법론 문서의 식은 두 항을 곱한 뒤 인구를 분모로 쓴다. 그리고 9월 21일 이후 보도에는 "기기 시장과 운영체제, 인터넷 접근, 인구를 보정했다"는 표현이 그대로 실려 나갔다.

우리가 계산한 값은 이 절에 하나도 섞지 않았다. 보고서가 말한 것만 담고, 계산은 전부 다음 절로 넘겼다.

2026년 6월 기준으로 세계 근로연령 인구의 18.8%가 생성형 AI를 썼고, 1분기보다 약 1%포인트 올랐다. 블로그는 상승이 광범위했다고 요약한다. "거의 모든 경제에서 사용이 늘었다." 리더보드 맨 위는 아랍에미리트(73.3%)와 싱가포르(64.3%)로 지난 회차와 같다. 절대 증가가 가장 컸던 나라는 한국으로 3.5%포인트 올랐고, 순위가 가장 많이 오른 나라는 사우디아라비아로 30위에서 25위가 됐다. 상대 증가가 가장 컸던 나라는 일본으로, 1분기 22.5%에서 2.2%포인트 올라 약 10% 상승했다.

그리고 이번 회차의 헤드라인은 격차였다. 블로그의 문장은 이렇다. "이번 분기는 글로벌 노스와 사우스 사이 AI 격차의 계속된 확대를 가져왔고, 사용률은 이제 북에서 28.8%, 남에서 16.2%." 아래 표는 보고서가 네 회차에 걸쳐 발표한 수치를 그대로 옮긴 것이다. 2025년 상반기 줄만 1분기 보고서에서, 나머지 세 줄은 2분기 보고서에서 가져왔다.

표 1. 보고서 표시값. 단위는 15~64세 인구 대비 %. 격차 열은 두 값의 차이로, 보고서가 직접 적은 열이다.

같은 수치를 선으로 그리면 두 선이 나란히 올라가면서 사이가 조금씩 벌어진다. 퍼센트포인트로 보면 이 그림에 이견이 없다. 3절에서는 같은 네 점을 다른 잣대로 재어 볼 것이다.

보고서가 이번에 함께 발표한 것이 둘 더 있다. 하나는 사용 의도 분석이다. 글로벌 사우스의 대화는 전역 평균에 비해 자기주도 학습과 기술 개발 쪽 비중이 29.2%, 학업 지원 쪽 비중이 32.3% 크다. 다른 하나는 오픈웨이트 모델 절인데, 응용프로그래밍 접속 토큰에서 공개 가중치 모델의 비중이 커지는 흐름이 "접근 비용을 낮춰 특히 글로벌 사우스에 도움이 될 수 있다"고 짚는다.

이제 공개 데이터셋을 연다. 저장소의 AI_Diffusion_Q22026_Update.csv는 147개 경제의 네 회차 값을 담은 표이고, 결측은 한 칸도 없다. 라이선스는 MIT다. 이 파일을 열어 둔 결정이 이 글을 가능하게 했고, 그것은 분명히 칭찬할 대목이다. 되짚은 결과는 네 갈래로 갈린다. 재현되는 것, 애초에 세어지지 않은 것, 공개된 정밀도 안에서 흔들리는 것, 그리고 재현되지 않는 것이다.

3.1재현되는 것

나라별 값과 증감은 공개 데이터로 그대로 나온다. 우리 스크립트로 다시 세면 1분기에서 2분기 사이 절대 증가 상위는 한국 3.5%포인트, 아랍에미리트 3.2, 일본 2.2, 대만과 사우디아라비아 각 2.0, 프랑스 1.8이다. 값이 내려간 경제는 파푸아뉴기니와 시리아 두 곳뿐이고 둘 다 0.1%포인트다. 순위가 한 칸도 움직이지 않은 경제는 147곳 중 71곳이고, 가장 크게 떨어진 나라는 파푸아뉴기니로 129위에서 138위가 됐다. 147개 값의 단순평균은 1분기 19.07%에서 2분기 19.87%로, 중위값은 14.8%에서 15.4%로 올랐다. 중국은 67위에서 67위로, 미국은 21위에서 21위로 제자리이고, 인도는 63위에서 64위로 한 칸 내려갔다.

보고서 본문의 리더보드와도 대조했다. PDF에 실린 상위 30위까지의 값을 한 줄씩 공개 CSV 기반 재계산과 맞춰 보면 어긋나는 행이 없다. 다만 147위까지의 전체 순위표는 PDF에 없고 CSV에만 있다. 순위 상승 폭의 최댓값은 한 가지 단서를 달아야 하는데, 그 이야기는 §3.3에서 한다.

3.2관측되지 않은 경제가 36곳 있다

보고서가 읽으라고 지목한 논문을 펴면, 공개 CSV만 보고는 알 수 없는 것이 나온다. 논문 2.4절이 나라별 분석의 대상을 어떻게 골랐는지 밝히는 대목이다.

그리고 논문 부록 B의 전체 표에는 행마다 칼표가 붙어 있고, 표 아래 범례가 그 칼표의 뜻을 한 줄로 풀어 둔다. "텔레메트리 커버리지가 불충분하여 지역 평균으로 대입한 추정치." 부록 B를 파싱해 행별로 세면 칼표가 붙은 행이 36개다. 그리고 논문 3.3절은 다른 자리에서 독립적으로 "우리 연구의 111개 경제, 즉 데이터가 불충분해 지역 평균을 쓴 경제와 달리 경제별 추정치를 낼 수 있었던 곳"이라고 말한다. 147에서 36을 빼면 111이다. 논문 자신의 숫자와 정확히 맞는다.

그러니 147개 경제의 순위표는 147개의 측정이 아니다. 관측된 경제 111곳과 지역 평균을 대입한 경제 36곳이 한 표에 섞여 있다. 대입 군집은 네 회차 내내 한 몸으로 움직이는데, 전 기간 값이 완전히 같기 때문이다. 아래가 그 여섯 군집이다.

표 2. 논문 부록 B에서 칼표가 붙은 36개 경제를 군집별로 묶은 표. 한 군집에 속한 나라는 네 회차 내내 소수 1자리까지 같은 값을 갖는다. 우리 검증 스크립트로 전 기간 일치를 확인했다.

표의 첫 줄이 이 글에서 가장 구체적인 한 자리다. 나이지리아의 공개 수치는 나이지리아를 관측한 값이 아니라 12개국이 나눠 쓰는 서아프리카 평균이다. 세계은행 2023년 확정치로 나이지리아의 15~64세 인구는 1억 2,640만 명이고, 아프리카에서 가장 인구가 많은 나라다. 에티오피아(7,400만 명)와 탄자니아(3,610만 명)의 값은 8개국이 나눠 쓰는 하나의 숫자다. 대입된 36개 경제의 15~64세 인구를 모두 더하면 약 6억 명, 세계 15~64세 인구의 11.5%다. 세계은행 2023년 확정치가 없는 소말리아를 제외했으니 실제로는 조금 더 크다.

여기서 톤을 정확히 잡아야 한다. 이것은 은폐가 아니다. 논문은 방법을 2.4절에 적고 부록 B에 행마다 표시했다. 문제는 밝힌 자리와 인용되는 자리가 다르다는 데 있다. 인용자가 보는 것은 CSV 147행과 보고서 리더보드이고, 거기에는 칼표가 없다. 데이터셋에도, 보고서에도, README에도 어느 행이 대입값인지 알려 주는 열이 없다.

논문은 이 처리를 결함이 아니라 설계로 설명한다. 4절에서 세계은행의 트래픽 기반 순위와 대조하는 대목이 그 자리다. 인터넷 사용자 1인당 챗지피티 사이트 트래픽으로 매긴 그 순위가 브루나이와 수리남, 세인트키츠 네비스 같은 경제를 상단에 올리는 것을 두고, 논문은 "소수 파워 유저의 이상치 행동이나 아주 작은 인구 안에서 트래픽을 재는 일에 내재한 데이터 민감성"을 반영한 결과일 것이라고 지적한다. 그리고 자기 방식은 "데이터 커버리지가 불충분한 시장을 의도적으로 제외하거나 비슷한 인접국과 합쳐 지역 평균을 만들어, 나라 사이에 더 안정적이고 비교 가능한 신호를 준다"고 내세운다. 취지는 타당하다. 순위 상단이 소국의 이상치로 흔들리는 것보다 안정된 신호가 낫다.

다만 그렇게 안정시킨 신호 안에 수리남이 들어 있다. 표 2의 기아나권 네 행 가운데 하나이고, 그 네 나라는 이제 서로 구분되지 않는다. 안정성을 얻고 해상도를 내준 교환이며, 교환이 일어난 행이 어디인지는 부록의 칼표에만 남는다. 걸리는 대목은 지역 평균을 쓴 판단이 아니라 그 판단의 기록이 따라오는 거리다.

그리고 대입은 두 계층 가운데 하나일 뿐이다. 논문 2.1절은 제3의 계층을 따로 둔다. 사용 기록 전송을 거부한 사용자가 대다수인 나라에서는 표본이 국내 흐름을 담기에 너무 적을 수 있으니, "평균 미만의 동의율을 가진 시장에서는 관측된 국가 수준 사용량을 세계 평균과 섞어 조정한다. 동의율이 낮을수록 세계 평균에 더 큰 가중을 준다"는 것이다. 논문은 그런 나라를 "특히 유럽 일부"라고만 적고 명단은 밝히지 않는다. 이 처리는 값을 세계 평균 쪽으로 끌어당기므로 나라 사이 차이를 압축한다.

세 계층을 한 장에 놓으면 표시가 어디까지 따라오는지가 한눈에 보인다. 행별 표시가 최종 산출물에 남는 계층은 하나도 없고, 논문 부록까지 따라오는 계층은 대입 하나다. 혼합은 몇 나라에 적용됐는지조차 알 수 없다.

3.3반올림 안에서 순위가 흔들린다

데이터셋의 값은 소수 한 자리까지만 공개된다. 그 정밀도에서 순위가 얼마나 견고한지를 두 기준으로 세었다. 147행 전체를 한 표본으로 보는 기준과, 관측된 111곳만 남기고 다시 세는 기준이다. 두 기준의 수치는 서로 섞어 읽으면 안 된다. 앞의 것은 대입 군집을 포함한 값이고, 뒤의 것은 그것을 걷어 낸 값이다.

표 3. 반올림 구간은 공개값 ±0.05%포인트로 잡았다. 왼쪽 열의 157쌍과 13개국 군집은 대부분 표 2의 대입 때문에 생긴다. 오른쪽 열이 실제 관측값 사이의 구분 가능성이다.

두 기준의 차이가 중요한 이유가 있다. 147행 전체로 세면 가장 큰 동점 군집이 10.4%를 공유하는 13개국인데, 그중 열두 나라가 표 2의 서아프리카 군집이다. 이것은 반올림의 우연이 아니라 대입의 결과다. 반올림으로 값이 같아진 나라들이라면 네 회차 내내 소수 1자리까지 똑같이 움직일 수 없다. 반면 관측된 경제끼리의 동점은 훨씬 적다. 두 기제가 한 통계에 섞여 있었다는 뜻이고, 순위 견고성을 말할 때는 갈라서 말해야 한다.

그래도 관측된 경제끼리의 진짜 동점이 순위를 흔드는 자리가 남는다. 보고서 리더보드는 25위 사우디아라비아 31.4%, 26위 이탈리아 31.4%로 싣는다. 두 나라 모두 부록 B에 칼표가 없어 관측된 경제이고, 값이 우연히 같은 자리로 반올림된 것이다. 여기서 공개 CSV에 누구나 떠올릴 법한 가장 단순한 동점 규칙, 즉 파일에 적힌 순서를 유지한다는 규칙을 적용해 독립적으로 정렬하면 정확히 반대 순서가 나온다. CSV 원본에서 이탈리아가 24번째 행, 사우디아라비아가 29번째 행이므로 안정 정렬은 이탈리아를 25위, 사우디아라비아를 26위에 놓는다.

이 한 칸이 문장 하나를 흔든다. 블로그는 사우디아라비아가 "다섯 계단 올라 순위에서 가장 크게 상승했다"고 알렸다. 사우디아라비아는 1분기에 29.4%로 30위였으니, 동점을 사우디 쪽으로 깨면 25위가 되어 다섯 계단이고 이탈리아 쪽으로 깨면 26위가 되어 네 계단이다. 네 계단이면 같은 회차의 한국(16위에서 12위)과 타이(87위에서 83위)와 같아져서, 가장 크게 올랐다는 단독 표현이 성립하지 않는다. 내부의 반올림하지 않은 값으로는 사우디아라비아가 앞설 수 있고, 그래야 보고서의 순서가 재현된다. 조작을 주장하는 것이 아니다. 소수 한 자리만 공개하면 재현자가 상식적으로 고를 규칙조차 발행자의 실제 배정과 반대로 나올 수 있다는, 정밀도가 강제하는 한계의 구체적 사례다.

3.4재현되지 않는 것

헤드라인으로 나간 집계 세 개는 공개 자료로 계산할 수 없다. 세계 18.8%, 북 28.8%, 남 16.2%다. CSV에는 147개 경제의 비율만 있고, 어떤 나라가 글로벌 노스이고 어떤 나라가 사우스인지 알려 주는 분류표가 CSV에도 1분기·2분기 보고서 본문에도 없다. 2분기 보고서는 "우리는 경제별 AI 사용량을 위와 같이 글로벌 노스와 사우스로 묶었다"고만 적고, 앞 절에도 명단은 없다. 실패 지점은 가중치 계산이 아니라 가중치를 계산할 그룹 명단이다.

명단이 없어도 그 크기는 역산된다. 세계값이 북과 남의 인구가중 평균이라고 두면 북의 인구 비중은 세계값에서 남을 뺀 값을 북과 남의 차로 나눈 값이다. 네 회차에 이 식을 적용하면 20.41%, 20.75%, 19.83%, 20.63%가 나오고, 소수 1자리 반올림 구간까지 고려하면 19.69%에서 20.83% 사이의 한 값으로 네 회차가 모순 없이 설명된다. 즉 보고서의 글로벌 노스는 세계 15~64세 인구의 약 5분의 1에 해당하는 묶음이어야 한다.

그래서 표준 정의 세 개를 세계은행 2023년 인구로 검산했다. 세계은행 고소득국 86개국은 세계 15~64세 인구의 17.19%, 경제협력개발기구 회원국 38개국은 17.22%, 국제연합이 쓰는 선진지역 58개국은 15.64%다. 셋 다 목표 구간에 들어오지 않는다. 하나같이 4~5%포인트씩 낮다. 반대 방향으로도 확인했다. 같은 세 정의로 CSV를 인구가중 평균하면 남쪽 값은 15.88%에서 16.53%로 보고서의 16.2%에 근접하는데, 북쪽 값은 30.67%에서 32.41%로 보고서의 28.8%보다 2~4%포인트 높게 나온다.

두 미스매치가 같은 방향을 가리킨다. 인구 비중은 부족하고 북쪽 평균은 넘치니, 보고서의 북쪽 명단에는 표준 고소득국 목록보다 사용률이 낮은 나라가 더 섞여 있어야 하고 그 나라들의 인구가 더해져야 비중이 20%대로 올라간다. 그 이상은 공개 자료로 확정할 수 없다. 네 번째 정의를 억지로 만들어 맞추는 대신, 공개된 정의로는 재현 불가라고 적는 것이 이 대목의 정직한 결론이다. 덧붙이면 CSV 147개 경제는 이미 세계 15~64세 인구의 97.5%를 덮는다. 빠진 것은 나라가 아니라 나라를 가르는 기준이다.

같은 보고서 안에 그 5분의 1의 무게를 보여 주는 캡션이 있다. 사용 의도 분석 그림에 붙은 설명이 "북이 트래픽의 68.5%, 남이 31.5%"다. 인구의 5분의 1이 분석 대상 대화의 3분의 2 이상을 낸다는 뜻이다.

마지막으로 "격차가 계속 벌어졌다"는 서술을 네 가지 잣대로 재 봤다. 결론부터 적으면, 퍼센트포인트만 한 방향이고 나머지 셋은 이번 회차에 방향이 바뀐다.

표 4. 전부 보고서 표시값으로 우리가 계산한 값이다. 비율과 로그 차이는 반올림 구간이 겹쳐 소수 넷째 자리를 단정할 수 없다. 1분기 비율의 가능 구간은 1.7767에서 1.7948, 2분기는 1.7692에서 1.7864로, 두 구간이 겹친다.

그래서 이 글이 근거로 쓰는 것은 상대증가율이다. 북의 28.8%와 남의 16.2%, 그리고 한 회차 앞의 27.5%와 15.4%는 모두 보고서가 공개한 표시값이므로, 거기서 나오는 상대증가율은 반올림 논쟁의 영향을 받지 않는다. 2026년 2분기는 네 회차 가운데 남쪽이 상대적으로 더 빨리 자란 첫 회차다. 같은 회차의 헤드라인은 격차의 계속된 확대이고, 그것도 참이다. 둘 다 참이며, 무엇을 재느냐가 결론을 정한다. 참고로 147개 나라를 인구가중 없이 한 표본으로 보면 지니 계수는 0.3347에서 0.3333으로, 상위 10%와 하위 10%의 배율은 4.89배에서 4.82배로 오히려 조금 줄었다. 이것은 보고서의 인구가중 블록 비교와 단위가 다른 계산이니 부록성 사실로만 읽어야 한다.

3.5재현성을 요구한 쪽은 보고서였다

지금까지의 검산은 전부 보고서가 스스로 요구한 일이다. 2분기 보고서의 인용 안내는 이 지표를 쓰는 사람에게 "위 기술 논문을 인용하고 데이터셋 링크를 포함해 재현성과 판본 투명성을 보장할 것"을 요청한다. 데이터를 열고 그렇게 요청하는 발행자는 드물다. 그런데 순위가 유통되는 동안 그 요청이 얼마나 지켜지는지를 보여 주는 사례가 두 개 있는데, 둘 다 발행사 자신의 문서에서 나온다.

하나는 순위다. 마이크로소프트가 9월에 낸 유럽·중동·아프리카 지역 보도자료는 스위스를 두고 "세계 15위로 세계 평균을 계속 웃돌았으며, 채택률은 지난 분기 37.8%에서 39.1%로 올랐다"고 소개한다. 값 두 개는 정확히 맞는다. 그런데 2분기 보고서 자신의 리더보드는 스위스를 14위 39.1%로 싣고, 공개 CSV를 내림차순으로 다시 정렬한 우리 재계산도 14위다. 1분기 기준으로도 14위다. 한 칸 차이의 원인은 공개 자료에 없으니 추정하지 않는다. 그리고 그 보도자료에는 방법론 한계도, 다음 회차의 도구 확대 예고도 없다.

다른 하나는 논문 안에 있다. 논문 3.4절 본문은 중국의 AI 사용자 비중이 "8%에서 20%로 두 배 넘게 늘어 세계 최대 AI 시장이 됐으며 추정 사용자는 1억 9,500만 명을 넘는다"고 서술한다. 그런데 같은 논문의 부록 B는 중국을 15.40%로 싣고, 공개 CSV의 중국 시계열은 15.4, 16.3, 16.4, 17.5로 어느 회차에도 20%에 닿지 않는다. 3.4절의 20%는 그림 6의 3개월 이동평균이라 구성이 다르고, 1억 9,500만 명은 20%와 중국 15~64세 인구로 정합적이다. 어느 값이 옳은지는 정하지 않는다. 적을 수 있는 것은 같은 문서 안에서 한 나라의 대표 수치가 두 개로 적히고, 공개 시계열은 그중 낮은 쪽과만 맞는다는 사실뿐이다. README가 갱신 때 과거 국가별 추정치도 개정될 수 있다고 예고한 것과 함께 놓으면, 판본 투명성이라는 요청이 왜 필요한지가 오히려 선명해진다.

앞 절들의 논지를 보고서 자신이 확인해 준 자리가 있다. 이번 회차가 다음 회차의 개정을 미리 알린 대목이다. 블로그 네 번째 문단이 이렇게 닫는다. "지난 한 해 동안 새 AI 도구와 모델이 크게 늘었다. 다음 보고서에서는 이 새 도구들의 사용까지 포함하도록 측정을 확대할 것이며, 이 갱신이 거의 모든 경제에서 AI 사용자 비중을 높일 것으로 예상하고 중국의 상승 폭이 특히 클 것으로 본다."

보고서 본문은 같은 내용을 더 길게 적으면서 한 문장을 덧붙인다. 이 글 전체가 기대는 문장이다.

다음 판에서 숫자가 오르는 것은 세상이 변한 것이 아니라 세는 방식이 변한 것이라고, 발행자가 먼저 적었다. 이만큼 분명한 진술을 지표 발행자에게서 보기는 어렵다.

4.1목록에 없는 하나가 중국 최대 앱이다

보고서는 "널리 쓰이는 국내 도구 여럿"이라고만 적고 이름을 대지 않는다. 그런데 §1.5에서 봤듯 포함된 것의 목록은 공개돼 있으므로, 빠진 것은 추측이 아니라 대조로 나온다. 중국 모바일 시장 조사기관 퀘스트모바일이 2026년 7월 14일 공개한 상반기 AI 애플리케이션 보고서의 5월 기준 월간 활성 사용자를 논문 부록 A와 맞춰 보면 이렇다.

표 5. 퀘스트모바일 『2026년 상반기 AI 애플리케이션 보고서』(2026-07-14)와 논문 부록 A의 대조. 퀘스트모바일은 중국 본토 모바일 인터넷만 재므로 딥시크와 첸원의 해외 사용자는 이 표에 없다. 그리고 이 수치는 앱 사용자 수이고 마이크로소프트 지표는 인구 대비 비율이므로, 두 값을 배수로 비교할 수는 없다.

같은 조사에서 중국 AI 네이티브 앱 전체의 월간 활성 사용자는 4억 9,900만 명으로 전년보다 85.4% 늘었고, 더우바오 하나가 그중 76.6%를 차지한다. 2위와 3위를 합친 것보다 크다. 그러니 목록에서 빠진 하나가 하필 중국 최대 앱이다. 일부 영문 매체는 이 수치를 "38억 명"으로 옮겼다. 원문 표기 3.8亿은 3억 8천만이다.

그리고 더우바오는 모바일 우선 앱이다. 이 지표의 모바일 사용은 관측되지 않고 그림 1의 셋째 항으로 추정된다. 목록에 없다는 첫 겹과 모바일은 관측되지 않는다는 둘째 겹이 같은 앱에 걸린다.

4.2이번에 드러난 한계가 아니라 줄곧 적혀 있던 한계다

중국 커버리지 문제는 새 고백이 아니다. 논문 2.4절 아래에는 「데이터 커버리지 유의」라는 별도 상자가 있고, 2025년 11월부터 이렇게 적혀 있었다. "일부 나라, 예컨대 러시아와 이란, 그리고 부분적으로 중국에서는 텔레메트리 데이터가 제한적이어서 사용 추정치가 불완전할 수 있다. 나라별 AI 채택을 볼 때는 이 공백을 염두에 두어야 한다." 이번 회차의 "국내 도구 여럿이 현재 포함돼 있지 않다"는 문장은 그 한계의 재확인이고, 달라진 것은 개정을 예고했다는 점이다.

그 연속성이 데이터 쪽에서는 이렇게 보인다. 중국의 공개 값은 네 회차에 걸쳐 15.4, 16.3, 16.4, 17.5로 올랐지만 순위는 67위에서 67위로 한 칸도 움직이지 않았다. 그 안정성을 "중국의 AI 확산이 정체돼 있다"로 읽는 것과 "중국에서 널리 쓰이는 도구의 일부를 아직 세지 못하고 있다"로 읽는 것은 완전히 다른 결론이다. 그리고 보고서 자신의 예고에 따르면 다음 판에서 이 나라의 값은 오른다. 순위가 안정적으로 보이던 이유의 일부가 측정 범위였다는 뜻이다.

이 절이 하는 일을 논문은 한 적이 없다. 논문 4절의 검증 절은 다른 지수와 순위가 얼마나 맞는지를 본다. 상위 다섯 나라가 옥스퍼드 정부 AI 준비 지수와 토터스 글로벌 AI 지수, 스탠퍼드 HAI의 지표에서도 20위 안에 든다는 정성 서술, 세계은행 연구와의 "전반적 정합", 구글 트렌드 검색 관심도가 자사 결과를 뒷받침한다는 관찰이다. 계수를 보고한 유일한 대조는 1인당 국민소득과의 순위 상관(0.83)이다. 확률표본 설문과 수준을 맞춰 본 적은 없다. 논문은 퓨리서치의 "미국 성인 23%가 챗GPT를 써 봤다"는 값을 1절에서 선행 연구의 한계로 인용하면서, 자기 미국 값을 그 설문과 나란히 놓지는 않는다. 그래서 아래 대조표는 논문이 비운 자리다.

표에는 읽는 규칙이 하나 붙는다. 각 칸의 값은 분모와 방법과 시점이 다르므로, 그냥 나란히 놓는 것 말고는 아무것도 하지 않았다. 배수를 말한 자리는 분모가 거의 같은 쌍뿐이고, 환산이 필요한 곳은 환산 과정을 본문에 남겼다.

표 6. 마이크로소프트 열은 15~64세 인구 대비 비율이고 2026년 2분기 값이다. 일본의 약 24.7%는 블로그가 밝힌 1분기 22.5%에 2.2%포인트를 더한 값이다. 오른쪽 열의 값은 각각 분모와 방법과 시점이 다르니 하나의 축으로 묶을 수 없다.

5.1중국 42.8%의 분모를 찾는 과정

중국인터넷정보센터의 이용률은 통상 네티즌을 분모로 쓴다고 알려져 있어 처음에는 재환산이 필요하다고 봤다. 그런데 산수를 맞춰 보면 이번 회차는 다르다. 발표된 이용자 6억 200만 명을 중국 전체 인구 14억 1,070만 명으로 나누면 42.68%이고, 발표된 42.8%와 반올림 오차 안에서 맞는다. 같은 시기 네티즌 규모로 보도된 11억 2,500만 명을 분모로 쓰면 53.5%가 되어 맞지 않는다. 그래서 이 글은 이번 회차의 분모를 전체 인구로 읽는다. 원문 각주를 직접 확인하지는 못했으니, 각주가 분모를 다르게 명시한다면 그것을 우선해야 한다.

마이크로소프트 지표와 분모를 맞추려면 한 걸음이 더 필요하다. 6억 200만 명이 모두 15~64세 안에 있다고 가정하고 중국의 15~64세 인구 9억 7,480만 명으로 나누면 약 61.8%다. 이 값은 상한 추정이다. 생성형 AI 이용이 아동과 고령층에서 드물다는 통상적 패턴에 기댄 가정이고, 증명된 가정이 아니다. 어느 쪽으로 계산하든 마이크로소프트의 17.5%와 벌어지는 방향은 하나이고, 그 방향은 보고서 자신의 예고와 같다. 중국인터넷정보센터의 집계에는 국내 도구가 다 들어가고 마이크로소프트의 현재 지표에는 그 일부가 빠져 있다.

5.2분모를 맞춰도 남는 격차

표에서 가장 깨끗한 사례는 미국이다. 마이크로소프트가 15~64세를, 설문이 18~64세 성인을 분모로 쓰니 여섯 나라 중 분모가 가장 가까운 쌍인데도 33.0%와 62%로 거의 두 배 차이가 난다. 분모의 차이가 아니라 제품 사용 기록과 자기응답 설문이라는 방법의 차이가 결과를 가른다. 일본도 같은 방향이다. 15~64세와 15~69세라는 가까운 분모에서 24.7%와 58.8%로 2.4배 차이다. 참고로 일본의 민간 설문 하나도 54.7%로 총무성과 비슷해, 두 설문이 함께 텔레메트리보다 훨씬 높다는 방향에서 일치한다.

한국은 반대 방향의 역설을 보여 준다. 40.6%와 44.5%로 여섯 나라 중 가장 가까운 쌍인데, 분모는 오히려 조사원 쪽이 넓다. 만 3세 이상을 분모로 쓰면 어린아이가 들어가 비율이 낮아져야 정상인데 결과는 더 높다. 원인은 측정 창으로 보인다. 조사는 생성형 AI 서비스를 써 본 경험이 있는지를 누적으로 묻고, 마이크로소프트는 해당 기간의 사용을 센다. 분모가 넓어도 측정 창이 다르면 값이 역전될 수 있다는 사례다.

인도는 격차가 가장 크다. 18.5%와 63%로 3.4배다. 가리멜라의 논문은 자기 값을 "인도의 첫 설문 기반 생성형 AI 채택 추정치"라고 소개하는데, 이 비교 자체가 인도에서는 설문 기반 대안 측정치가 최근에야 생겼다는 사실을 함께 보여 준다.

5.3채우지 못한 칸도 발견이다

나이지리아와 브라질 칸은 억지로 채우지 않았다. 표본과 방법론이 공개된 전국 대표 설문, 정부 통계, 트래픽이 아닌 인구 대비 이용률이라는 세 조건을 모두 만족하는 자료를 찾지 못했기 때문이다. 찾은 것은 조건 하나씩을 놓친 값들이다. "나이지리아 직장인의 80% 이상이 AI를 정기적으로 쓴다"는 값은 직장인 표본이고, "브라질이 챗GPT 트래픽의 5.3%를 차지한다"는 값은 트래픽 점유율이지 인구 대비 비율이 아니다. 둘 다 표 6의 형식으로 환산할 근거가 없다.

이 공백 자체가 발견이다. 표의 앞 다섯 나라에는 정부 통계나 학술 설문으로 된 대안 측정치가 있는데, 글로벌 사우스로 분류될 두 나라에는 검색 범위 안에 없다. 측정 인프라가 지역별로 고르지 않다는 뜻이고, 나이지리아의 경우에는 그 위에 한 겹이 더 얹힌다. 마이크로소프트 쪽 값조차 나이지리아를 관측한 값이 아니다.

분모 안에 무엇이 들어 있는지도 나라마다 다르다. 세계은행 응용프로그래밍 접속으로 받은 2023년 인터넷 이용률을 보면 한국 97.4%, 미국 93.5%, 중국 90.6%, 일본 85.0%, 브라질 84.2%, 인도 60.3%, 나이지리아 40.1%다. 나이지리아는 인구의 6할이 애초에 인터넷을 쓰지 않는데, 이 지표의 분모는 인터넷 이용 여부와 무관한 15~64세 인구 전체다. 국제전기통신연합의 2025년 요약도 같은 방향을 가리킨다. 고소득국 이용률은 94%이고 저소득국은 23%, 아프리카 평균은 36%다.

측정이 통계를 만드는 같은 문제를 다른 소스로 다룬 글이 이 블로그에 둘 있다. 하나는 AI 사용 통계에서 업무 필터가 대화의 절반을 걸러 낸 사례인데, 그 글의 기제는 무엇을 업무로 분류하느냐였고 이 글의 기제는 분모와 커버리지다. 다른 하나는 갤럽이 마이크로소프트와 함께 서른일곱 나라에 물은 설문인데, 그 글은 한 조사 안에서 신뢰와 걱정이 서로 어긋나는 모양을 봤고 이 글은 한 나라의 사용률이 방법에 따라 몇 배로 갈리는지를 본다.

• AI 사용 통계에서 업무 필터가 대화 절반을 걸러냈다
• AI를 가장 걱정하는 사람은 한 번도 안 써 본 사람이 아니다

이 글의 산출물은 판정 하나가 아니라 절차다. 아래 여덟 항목은 이 글을 쓰는 동안 실제로 걸린 자리를 그대로 항목으로 세운 것이다. 각 항목 뒤에 이 글의 어느 대목이 그 항목에 걸렸는지를 붙였다. 마이크로소프트 지표만 겨냥한 목록이 아니고, 외부 국가 비교 지표를 사내 문서에 끌어올 때, 그리고 사내 지표를 만들어 밖에 내보낼 때 같은 순서로 쓸 수 있다.

여덟 항목을 통과하지 못하는 지표는 버리라는 뜻이 아니다. 그러면 쓸 수 있는 국가 비교 지표가 거의 남지 않는다. 통과하지 못한 항목을 문서에 함께 적어 인용하라는 뜻이다. 그렇게 하면 "우리 나라가 몇 위"라는 한 줄이 "어떤 목록과 어떤 분모에서 몇 위"라는 한 줄이 되고, 다음 회차에 그 값이 움직였을 때 무엇이 움직인 것인지 판단할 수 있게 된다.

그 습관의 모범이 마침 같은 보고서 안에 있다. 2분기 보고서는 오픈웨이트 모델 절에서 다른 기관의 공개 토큰 통계를 인용하는데, 인용하면서 분모 한계를 스스로 붙인다.

남의 지표를 인용할 때 세 줄 안에 분모의 한계를 붙이는 습관이다. 자기 지표의 인용자에게 같은 것을 요구하면 된다. 그리고 그 요구는 이미 인용 안내 절에 절반쯤 적혀 있다.

여기까지 따라온 문제는 국가 통계에만 있지 않다. 페블러스가 데이터 품질 작업에서 반복해 만나는 것과 모양이 같다. 아래 세 대목은 제품 소개가 아니다. 앞 절들이 보여 준 구조가 실무에서 어떻게 다시 나타나는지를 본다.

7.1대치값이 표시 없이 같은 열에 앉아 있을 때

3.2절이 보인 것은 데이터 품질 실무에서 가장 익숙한 항목이다. 한 열 안에 원본값과 대치값이 섞여 있고, 어느 행이 어느 쪽인지 알려 주는 표시가 최종 산출물에 없는 상태다. 여기서는 그 대치가 이웃 나라의 평균이었고, 열두 나라가 한 값을 나눠 썼다. 대시보드를 만드는 팀은 이 질문을 매주 만난다. 이 칼럼의 어느 행이 관측이고 어느 행이 채워 넣은 값인가.

대치를 했다는 사실 자체가 문제는 아니다. 차이는 표시가 따라오는 거리에 있다. 논문은 방법을 적고 부록에 행별로 표시했으니 데이터 처리 쪽의 기록은 남겼다. 그런데 그 기록이 CSV와 리더보드와 보도자료까지는 오지 않았다. 계보를 남기는 일과 계보가 최종 소비 지점까지 따라오게 만드는 일은 다른 작업이고, 대개 뒤쪽이 빠진다. 페블러스가 데이터클리닉으로 하는 진단의 절반이 그 뒤쪽이다.

7.2수집 경로가 세계의 경계를 정한다

제품 사용 기록은 관측할 수 있는 것만 관측한다. 마이크로소프트 제품을 쓰지 않는 사용, 목록에 없는 도구를 쓰는 사용은 결측이고, 비율로 나온 값은 그 결측을 0으로 덮는다. 학습 데이터에서 만나는 구조와 정확히 같다. 수집 경로가 정의하는 세계가 모델이 아는 세계의 경계가 된다.

이번 사례는 한 걸음 더 간다. 결측을 이웃의 평균으로 채우고, 표본이 얇은 곳은 전체 평균 쪽으로 끌어당기고, 그 처리 이력이 최종 산출물의 행에는 남지 않는다. 그러니 보고서가 다음 판의 상승을 "측정의 개선"이라고 적은 문장은, 품질 실무자가 레이블이 늘어난 게 아니라 레이블링 범위가 늘었다고 말하는 것과 같은 말이다. 이 문장을 발행자가 미리 적어 두었다는 점에서 이 보고서는 오히려 드문 사례다.

진단 대상이 학습 데이터가 아니라 지표일 때도 같은 질문이 통한다는 것이 이 글에서 확인된 것이다. 6절의 여덟 항목은 결측과 편향과 커버리지라는 익숙한 축에 하나씩 대응한다. AI-Ready Data의 정의가 모델에 넣기 좋은 데이터에서 판단에 쓰기 좋은 데이터로 넓어지는 지점이다.

7.3근거를 버리는 대신 함께 적는 쪽

고객사는 외부 지표를 근거로 목표를 세운다. 우리 나라 AI 사용률이 몇 위이므로 무엇을 하겠다는 문장은 기획서에 흔하다. 이 글은 그 근거를 버리라고 하지 않는다. 함께 적어야 하는 것을 알려 준다. 분모, 커버리지 목록과 그 시점, 행별 출처 계층, 공개 정밀도, 개정 이력이다. 사내 지표를 만들어 밖에 내보내는 조직에도 같은 목록이 적용된다.

페블러스가 여기서 내세울 수 있는 것은 방법론 하나다. 남의 숫자를 반박해서 얻는 신뢰가 아니라, 공개된 자료만으로 끝까지 검산해 보이고 그 과정을 남겨서 얻는 신뢰다. 그래서 이 글의 파생값에는 하나씩 표지를 붙였다. 보고서 표에서 역산한 값, 공개 데이터로 계산한 값, 우리 스크립트로 다시 센 값이 본문에서 구분된다. 우리가 남에게 요구한 것을 우리도 지키자는 뜻이다.

본문의 근거는 세 갈래다. 1번부터 6번까지는 이 글의 뼈대가 된 마이크로소프트 쪽 1차 자료로, 블로그 본문과 두 회차 보고서 원문, 공개 데이터셋과 README, 방법론 논문 전문, 그리고 국가별 보도자료를 직접 읽고 옮겼다. 7번부터 12번까지는 분모와 보정 입력을 검산하는 데 쓴 정책·통계 자료이고, 13번 이후는 5절의 대조표와 4절의 목록 대조에 쓴 학술·조사 자료다. 특히 4번은 이 글의 핵심 근거 문서이며, 그 문서를 읽으라고 지목한 쪽이 2번이다.

1차 출처 — 마이크로소프트

• 1.Microsoft On the Issues (2026-09-21). "The continued state of global AI diffusion in 2026." 지표 정의와 헤드라인 수치, 다음 회차 도구 확대 예고가 실린 공식 블로그다. blogs.microsoft.com
• 2.Microsoft AI Economy Institute (2026-09). Global AI Diffusion Q2 2026 Trends and Insights. 11쪽. 리더보드, 글로벌 노스·사우스 표, 사용 의도 분석, 오픈웨이트 모델 절, 인용 안내 절. 방법론 절은 없다. github.com
• 3.Microsoft AI Economy Institute. Global AI Diffusion Q1 2026. 표 1의 2025년 상반기 줄과 북·남 인프라 비교 수치를 이 회차에서 가져왔다.
• 4.Misra, A., Wang, J., McCullers, S., White, K., & Lavista Ferres, J. (2025). Measuring AI Diffusion: A Population-Normalized Metric for Tracking Global AI Usage. arXiv:2511.02781 (v1, 2025-11-04). 식 (1), 90분 문턱, 200만 명 문턱과 지역 묶음, 동의율 혼합, 부록 A 도구 목록, 부록 B 행별 칼표. 이 글의 핵심 근거 문서다. arxiv.org
• 5.microsoft/ai-diffusion-report 저장소의 README와 AI_Diffusion_Q22026_Update.csv(147행 × 4회차, MIT 라이선스). 3절의 모든 재계산은 이 파일에서 나왔다. github.com
• 6.Microsoft News Source EMEA (2026-09). 스위스 보도자료. "ranking 15th worldwide with an adoption rate of 39.1%, up from 37.8%." 3.5절의 순위 대조에 쓴 축자 인용이다.

정책·통계

• 7.World Bank, World Development Indicators. 지표 코드 SP.POP.1564.TO.ZS, SP.POP.TOTL, IT.NET.USER.ZS, 2023년 확정치. 인구 비중 검산과 대입 36곳의 인구 합, 인터넷 이용률 표에 썼다.
• 8.ITU, Measuring digital development: Facts and Figures (2024/2025). 고소득국 94% 대 저소득국 23%, 아프리카 평균 36%.
• 9.中国互联网络信息中心(CNNIC), 『中国互联网络发展状况统计报告』 제57차(2025년 12월 기준). 생성식 AI 이용자 6억 200만 명, 이용률 42.8%. 5.1절의 분모 판단은 발표 수치의 산수로 했고 원문 각주는 직접 확인하지 못했다.
• 10.과학기술정보통신부·한국지능정보사회진흥원(NIA), 『2025 인터넷이용실태조사』. 2만 2,671가구 5만 750명, 만 3세 이상, 생성형 AI 서비스 경험 44.5%.
• 11.일본 총무성(MIC), 『2026년 정보통신백서』의 4개국 비교 설문. 15~69세 자기응답, 일본 58.8%, 조사 시점 2026년 1~2월.
• 12.StatCounter, Desktop & Tablet OS Market Share 및 Desktop vs Mobile. 논문 식 (1)의 둘째·셋째 항이 쓰는 보정 입력의 원천이다.

학술·조사

• 13.Bick, A., Blandin, A., & Deming, D. The Rapid Adoption of Generative AI. 실시간 인구조사 계열 전국 설문. 18~64세 성인 기준 2026년 5월 62%, 2024년 8월 45%.
• 14.Garimella, K. (2026). 인도 생성형 AI 채택 설문. 온라인 패널과 우타르프라데시 농촌 대면조사를 병행하고 전국 연령·성별·도시화로 재가중했다. 근무 외 사용 63%, 근무 중 사용 35%.
• 15.QuestMobile, 『2026년 상반기 AI 애플리케이션 보고서』(2026-07-14). 2026년 5월 기준 더우바오 3억 8,200만, 첸원 1억 6,700만, 딥시크 1억 3,000만, 중국 AI 네이티브 앱 전체 4억 9,900만. TechNode 2026-07-14 보도로 확인했다.
• 16.Google (2026-07). AI & Economy ATLAS v1.0: Mapping Gemini Usage in the Economy. 2분기 보고서가 병렬 지표로 인용한 문서다. ai.google

페블러스 인접 글

• 17.페블러스, "AI 사용 통계에서 업무 필터가 대화 절반을 걸러냈다". report/ai-use-measurement-independent-corpus-2026-08
• 18.페블러스, "AI를 가장 걱정하는 사람은 한 번도 안 써 본 사람이 아니다". report/ai-daily-use-worry-gallup-2026-09