Deloitte UK AI 지출 설문조사가 드러낸 9억 5,800만 파운드 규모의 직장 내 격차

Deloitte에 따르면 영국 근로자들은 업무에 사용하는 생성형 AI 도구에 현재 연간 약 9억 5,800만 파운드를 지출하고 있다. Deloitte UK AI 지출 설문조사는 많은 고용주가 이를 관리하거나 비용을 지원하고, 심지어 파악하는 속도보다 직원들의 기술 도입이 더 빠르게 이뤄지고 있음을 보여준다.

이 수치는 눈길을 끌지만, 그 이면의 갈등이 더 중요하다. 근로자들은 AI를 필수적인 개인용 소프트웨어로 점점 더 인식하는 반면, 고용주들은 여전히 이를 통제된 기업 시스템으로 다룬다. 직원들은 공식 조달 및 보안 절차가 따라잡기 전에 접근 권한을 구매하고, 도구를 선택하며, 업무 흐름을 구축하고 있다.

이 격차는 영국 직장 내부에 큰 규모의 섀도 AI 경제를 만들었다. 섀도 AI란 고용주의 인지나 승인 없이 생성형 AI 서비스를 사용하는 것을 의미한다. 이는 과거 무단 클라우드 소프트웨어 사용의 흐름을 잇지만, 프롬프트는 민감한 데이터를 노출할 수 있고 생성된 답변은 숨은 오류를 초래할 수 있다.

Deloitte의 조사 결과가 이 모든 지출이 동일한 가치를 만들어낸다는 점을 입증하는 것은 아니다. 조사 대상 사용자 중 절반은 시간 절약 효과가 없었다고 답했으며, 가장 일반적인 활용도 여전히 기초적인 수준에 머물렀다. 따라서 진짜 이야기는 무제한적인 AI 열광이 아니다. 기술 관련 의사결정, 비용, 위험이 고용주에서 개인 근로자에게 이전되고 있다는 점이다.

Deloitte의 UK AI 지출 설문조사가 드러낸 규모

조직이 이를 공식적으로 지원하는지와 관계없이, 직원들은 이미 생성형 AI를 업무 환경의 일부로 만들었다.

Deloitte는 2026년 9월 16일 첫 GenAI Workforce Survey 결과를 발표했다. Ipsos UK는 5월 7일부터 6월 10일까지 온라인 조사를 진행해 18세부터 70세까지의 근로자 25,000명으로부터 응답을 수집했다.

표본에는 22개 산업과 24개 직무에 걸친 직원 및 자영업자가 포함됐다. Deloitte는 더 넓은 오프라인 인구를 반영하기 위해 인구통계 및 고용 가중치를 적용했다. 회사는 이를 지금까지 실시된 단일 국가 대상 직장 내 생성형 AI 사용 설문조사 중 최대 규모라고 설명한다.

근로자 설문조사에 따르면, 응답자의 63%는 업무 목적으로 생성형 AI를 사용한 적이 있다고 답했다. 이는 전체 표본 중 16,749명에 해당한다. 또 다른 34%는 업무에 사용하지 않았다고 답했고, 3%는 알지 못한다고 답했다.

도입은 일회성 실험에 그치지 않았다. Deloitte는 전체 영국 근로자의 24%가 매일 업무에 생성형 AI를 사용한다고 밝혔다. 다만 다른 설문조사 페이지에서는 일일 사용률을 12%로 제시하며, 이는 더 좁은 응답 범주를 반영한 것으로 보인다. 이 차이는 사용 빈도 추정치를 신중히 읽어야 하는 이유를 보여준다.

도구 접근 경로도 여러 가지였다. 생성형 AI 사용자 가운데 46%는 무료 서비스를 사용했고, 34%는 고용주가 비용을 지원한 외부 도구를 사용했으며, 17%는 사내 시스템을 사용했다. 응답자는 하나 이상의 범주를 사용할 수 있었으므로, 이 수치를 합산해서는 안 된다.

무엇보다 17%는 업무에 사용한 도구 중 최소 하나에 개인 비용을 지불했다. Deloitte는 이 지출을 영국 전체 노동력 기준으로 연간 9억 5,800만 파운드로 추산했다. 이 추정치는 일반적인 기업 소프트웨어 예산에서 포착하지 못할 수 있는 시장을 담고 있다.

Deloitte의 섀도 AI 설문조사는 또 다른 중요한 세부 사항을 제시한다. 자비로 비용을 부담한 사용자 중 6%는 대체로 여러 도구에 걸쳐 월 50파운드 이상을 지출한다고 답했다. 이는 일부 직원이 하나의 범용 어시스턴트에 의존하는 대신 개인 AI 스택을 구성하고 있음을 시사한다.

이러한 스택에는 글쓰기, 조사, 코딩, 회의 요약, 이미지 생성, 문서 분석을 위한 별도 서비스가 포함될 수 있다. 근로자는 각 구독을 실용적인 지름길로 볼 수 있다. 고용주 입장에서는 서로 다른 보안 조건과 데이터 통제를 적용하는 계정들의 파편화된 집합으로 보인다.

따라서 Deloitte UK AI 지출 설문조사는 챗봇 수요 이상을 측정한다. 직원들이 업무 주변에 비공식 소프트웨어 계층을 얼마나 빠르게 만들 수 있는지를 보여준다. 이 계층은 개인 계정으로 비용이 충당되며, 대개 기업의 가시성 밖에 놓인다.

근로자들이 고용주가 제공하지 않은 도구의 비용을 부담하고 있다

근로자들이 AI 접근을 직장 복지가 아닌 필수 요건으로 여기기 때문에, 지출 격차는 고용주에게 압박을 가한다.

일부 직원은 자신이 선호하는 서비스가 승인된 대안보다 더 나은 성능을 낸다고 판단해 비용을 지불하는 것으로 보인다. 승인되지 않은 도구를 사용하거나 개인 비용을 지불한 응답자 가운데 21%는 해당 제품이 회사 도구보다 뛰어나다고 답했다. 또 14%는 그 서비스가 업무에 필수적이지만 고용주가 비용을 지원하지 않는다고 설명했다.

경력 관련 유인도 이 결정에 영향을 준다. Deloitte는 이 집단의 16%가 개인적으로 선택한 AI 도구가 승진 가능성을 높인다고 믿는다는 사실을 확인했다. 그 결과물로 조직이 혜택을 보더라도, 소프트웨어 구매는 개인 성과를 위한 비공식 투자가 된다.

이는 이례적인 경제적 구조를 만든다. 고용주는 직원들이 직접 선택하고 비용을 낸 서비스로 작성된 초안, 요약, 조사 결과, 코드 등을 받는다. 조직은 일부 산출물을 얻는 한편, 아직 평가하지 않았을 수 있는 위험도 감수하게 된다.

근로자들은 여전히 이러한 구조가 가치 있다고 볼 수 있다. 도구가 반복 업무를 없애거나 어려운 과제를 해결하는 데 도움이 된다면, 조달 승인을 몇 달간 기다리는 일은 비용이 크게 느껴진다. 소비자용 AI 서비스는 몇 분 만에 사용할 수 있지만, 기업 평가는 보안, 법무, 재무, 정보기술 검토를 거쳐야 한다.

영국 직장 내 AI 지출 양상은 승인된 접근과 선호하는 접근의 차이도 반영한다. 사내 어시스턴트 하나를 제공한다고 해서 직원들이 외부 서비스 사용을 중단한다고 보장할 수는 없다. 근로자들은 결과물의 품질, 속도, 모델 가용성, 통합 기능, 친숙함을 비교한다.

금융 서비스 분야는 이 문제를 잘 보여준다. Deloitte는 금융, 은행, 보험 분야 생성형 AI 사용자 중 28%가 사내 도구를 사용했다고 밝혔다. 이는 전체 평균인 17%와 비교된다. 회사가 비용을 지원하는 외부 도구 사용률도 41%로, 전 산업 평균 34%를 웃돌았다.

그럼에도 이 분야 생성형 AI 사용자 중 19%는 여전히 자신의 도구에 비용을 지불했다. 이는 승인된 선택지의 가용성이 더 높음에도 산업 전반의 비율을 웃돌았다. 더 많은 기업용 소프트웨어가 개인 구독을 자동으로 없애지는 못했다.

이 결과는 기업 도입의 일반적인 가정에 도전한다. 고용주는 흔히 승인된 어시스턴트가 사용을 통합할 것으로 기대한다. 그러나 직원들은 특정 업무 흐름에 더 잘 맞는 제품이 있다면 별도의 서비스를 유지할 의향이 있는 것으로 보인다.

그렇다고 모든 선호 도구가 객관적으로 우수하다는 뜻은 아니다. 사용자는 이미 익숙한 인터페이스나 제한이 적은 서비스를 선호할 수 있다. 승인된 시스템은 소비자 계정이 허용하는 민감한 작업을 차단하기 때문에 오히려 더 약하게 느껴질 수 있다.

이제 고용주는 사실상 선택을 강요받는다. 일부 서비스의 비용을 보전하거나, 내부 대안을 개선하거나, 외부 사용을 더 강하게 제한할 수 있다. 각 대응에는 비용이 따르며, 단순한 금지는 사용을 더욱 음지로 몰아갈 수 있다.

Deloitte UK AI 지출 설문조사는 이 선택을 재정적 관점에서 보여준다. 거의 10억 파운드에 이르는 개인 지출은 직원 수요가 강하다는 신호이지만, 어떤 도구가 기업 도입에 적합한지는 알려주지 않는다. 기업은 여전히 사용량, 위험, 측정 가능한 수익에 관한 근거가 필요하다.

핵심 갈등은 직원 수요와 고용주 통제의 충돌이다

근로자들은 유용한 모델에 즉시 접근하기를 원하지만, 고용주는 데이터·정확성·책임성·소프트웨어 지출에 관한 일관된 규칙이 필요하다.

Deloitte는 생성형 AI 사용자 중 31%가 고용주의 인지 없이 사용한다고 밝혔다. Deloitte의 섀도 AI 분석은 공식 정책과 실제 직원 행동 사이의 격차를 설명한다.

이는 무모한 근로자들의 단순한 컴플라이언스 실패가 아니다. 설문조사는 불완전한 리더십과 교육도 가리킨다. 직원들은 공식 지침이 불명확하거나, 제공되지 않거나, 자신의 업무와 동떨어져 있을 수 있는 환경에서 결정을 내리고 있다.

사용자 중 단 28%만이 자신의 조직에 명확하고 최신이며 이해하기 쉽고 쉽게 찾을 수 있는 생성형 AI 정책이 있다고 답했다. 또 34%는 고용주에게 정책이 없다고 했고, 23%는 그런 정책이 존재하는지 알지 못했다.

직원이 찾을 수 없는 정책은 실질적인 가치가 거의 없다. 회의록, 고객 서신, 소스 코드, 기밀 제안서를 업로드할 수 있는지에 대한 답을 제공하지 못한다. 마감 시한에 직면한 근로자들은 스스로 판단하게 된다.

생성형 AI 사용자 중 절반은 공식 교육을 받은 적이 없었다. 의무 교육을 받았다고 답한 비율은 20%에 불과했다. 이는 수백만 명의 근로자가 실험, 온라인 조언, AI 기업이 제공하는 인터페이스를 통해 학습하고 있음을 의미한다.

이러한 교육 부족은 대화형 인터페이스가 기술적 복잡성을 숨길 수 있기 때문에 중요하다. 챗봇은 검색이나 메시징 소프트웨어와 비슷해 보이지만, 입력 데이터는 서비스와 계정 유형에 따라 달라지는 조건 아래 저장, 검토 또는 처리될 수 있다.

생성된 자료 역시 평가가 필요하다. 유창한 응답에는 허위 진술, 불완전한 추론, 날조된 인용, 부적절한 표현이 포함될 수 있다. 근로자에게는 프롬프팅 기술뿐 아니라 분야 지식과 검증 습관이 필요하다.

개인 계정이 전문적인 업무 흐름의 일부가 되면 위험은 커진다. 조직은 어떤 모델이 문서를 만들었는지, 어떤 정보가 시스템에 입력됐는지, 다른 사람이 결과물을 검토했는지 알지 못할 수 있다. 이는 감사 가능성을 약화한다.

조달 문제도 있다. 분리된 개인 계정은 고용주가 전체 수요를 파악하고 실제 사용량에 맞춰 접근 권한을 협상하는 것을 어렵게 한다. 한편 조직이 직원 선호를 이해하지 못한 채 제품을 선택하면 기업 라이선스는 충분히 활용되지 않을 수 있다.

Deloitte는 고용주 감독 밖에서 도구를 사용한 사용자 중 22%가 조직이 이를 알게 되면 승인할 것이라고 믿었다고 밝혔다. 이 집단은 자신을 의미 있는 규칙을 위반하는 사람으로 여기지 않을 수 있다. 침묵을 묵시적 허가로 받아들이는 것이다.

고용주는 특히 규제 대상이거나 기밀성이 높은 업무에서 같은 행동을 다르게 해석할 수 있다. 무해한 실험조차도 사용한 서비스, 제공한 정보, 이후 적용된 검토를 아무도 기록하지 않으면 불확실성을 초래할 수 있다.

따라서 Deloitte의 섀도 AI 설문조사는 서로 맞지 않는 유인에서 비롯된 거버넌스 문제를 드러낸다. 도구가 노력을 줄여주면 근로자는 즉각적인 이익을 얻는다. 고용주는 더 장기적인 법적, 보안, 평판, 품질 위험을 부담한다.

엄격한 통제만으로는 이러한 불일치를 해결할 수 없다. 관리형 기기에서 웹사이트를 차단해도 개인 휴대전화, 가정용 컴퓨터, 복사한 텍스트까지 포괄하지는 못한다. 감시는 직원들이 공식 도구를 거부한 이유를 밝히지 못한 채 신뢰를 떨어뜨릴 수도 있다.

조직에는 승인된 실험을 위한 실용적인 경로가 필요하다. 여기에는 명확한 경계, 접근하기 쉬운 대안, 추가 서비스를 요청할 방법이 포함된다. 또한 리더들은 어떤 데이터가 외부 모델에 절대 입력되어서는 안 되는지 설명해야 한다.

지식 근로자는 신뢰할 수 있는 업무 자료를 통제된 개인 지식 기반에 보관함으로써 불필요한 복사를 줄일 수 있다. 그러나 이 시스템에도 콘텐츠의 민감도에 맞는 정책이 필요하다.

따라서 핵심 경쟁은 한 AI 벤더와 다른 AI 벤더 사이의 경쟁이 아니다. 직원 주도 도입과 고용주 주도 통제의 경쟁이다. 어느 쪽이 승리하느냐에 따라 누가 직장 내 AI를 선택하고, 실패했을 때 누가 책임을 지는지가 결정될 것이다.

높은 지출이 아직 높은 생산성을 뜻하지는 않는다

9억 5,800만 파운드라는 추정치는 지불 의향을 보여주지만, Deloitte의 증거는 확고한 생산성 전환이라기보다 광범위하지만 얕은 활용을 설명한다.

근로자들은 생성형 AI를 통해 매주 평균 70분을 절약했다고 답했다. Deloitte의 설문 결과 발표에 따르면, 절약한 시간의 대부분은 같은 고용주를 위한 추가 업무에 사용됐다.

평균치는 크게 다른 경험을 가릴 수 있다. Deloitte의 상세 생산성 결과에 따르면 사용자 절반은 시간을 전혀 절약하지 못했다. 약 8명 중 1명은 매주 3시간을 넘게 절약했다고 답했다.

전체 노동력 가운데 AI 덕분에 매주 최소 5시간을 절약했다고 답한 비율은 7%였다. 이 수치는 정보통신 분야에서 21%로 높아졌지만, 보건·사회복지 분야에서는 5%로 낮아졌다. 산업 맥락은 근로자들이 보고하는 가치에 분명한 영향을 미친다.

이 조사는 직접적인 생산성 측정이 아니라 근로자들의 기억에 의존했다. Deloitte 역시 대부분의 사람이 절약한 시간을 정확히 기억하지 못한다고 지적한다. 이 추정치는 통제된 산출 증가나 업무 품질 향상의 증거가 아니라 체감된 이점을 포착한 것이다.

일반적인 활용 사례도 비교적 소박했다. 정보 검색과 이메일 초안 작성은 각각 사용자 43%에게서 나타났다. 요약 생성은 31%로 세 번째였다.

이러한 업무는 특히 대규모 노동력 전반에서 반복될 경우 중요할 수 있다. 그러나 이메일을 더 빠르게 생성하면 동료들이 읽어야 할 텍스트의 양만 늘어날 수도 있다. 발신자가 1분을 절약하는 것이 수신자에게는 추가 업무를 만들 수 있다.

Deloitte는 전체 응답자의 31%가 시간을 전혀 절약하지 못한 채 업무에서 생성형 AI를 사용했다고 밝혔다. 생산성 분석에서는 사용자 52%가 접근 권한을 잃어도 업무가 더 어려워지지 않을 것이라고 생각했다고도 전한다. 또 다른 11%는 업무가 오히려 더 쉬워질 수 있다고 봤다.

생성형 AI가 사라지면 자신의 업무가 훨씬 어려워질 만큼 중요하다고 답한 비율은 8%에 불과했다. 이는 상당한 집단이지만, 이 기술을 사용해 본 63%에 비하면 훨씬 작다.

이러한 결과는 Deloitte UK의 AI 지출 조사를 더 복잡하게 만든다. 노동력이 일관된 생산성 향상을 입증하기도 전에 직원들은 도구에 비용을 지불하고 있다. 지출은 입증된 비즈니스 가치만큼이나 인식된 선택권의 가치를 드러낸다.

구독 서비스는 근로자에게 새로운 모델과 기능에 계속 접근할 수 있는 수단을 제공한다. 일상적 이점이 제한적이더라도 어려운 과제를 위한 보험 역할을 할 수 있다. 누군가는 긴급한 업무 하나를 잘 처리해줬다는 이유로 서비스를 계속 유지할 수 있다.

그 가치는 심리적일 수도 있다. 생성형 AI는 빈 문서나 낯선 질문이 진행을 늦출 때 출발점을 제공한다. 근로자는 전통적인 성과 지표로 쉽게 분리해 측정할 수 있는 결과를 내지 않더라도 더 유능하다고 느낄 수 있다.

시간이 절약되더라도 고용주가 그 전부를 가져가지는 않는다. Deloitte는 시간을 절약한 사람 중 27%가 그 이득의 적어도 일부를 개인적인 일에 사용했다고 밝혔다. 약 절반은 절약한 시간을 같은 업무를 더 많이 처리하는 데 썼다.

이 결과가 반드시 낭비를 뜻하는 것은 아니다. 짧은 휴식은 피로를 줄일 수 있고, 업무를 더 빨리 끝내면 직무 만족도가 높아질 수 있다. 다만 노동 시간만으로 재무적 수익을 계산하기는 더 어려워진다.

따라서 고용주는 도입 수치를 생산성 지표로 취급하지 않아야 한다. 계정 수, 프롬프트 수, 활성 사용자 수만으로는 업무가 개선됐는지 알기 어렵다. 신뢰할 수 있는 평가는 산출물 품질, 처리 주기, 오류율, 직원 경험을 살펴봐야 한다.

Deloitte의 결과는 최종 판결이 아니라 유용한 기준선이다. 계획된 6개월 단위 설문은 실험이 의존성으로 바뀌는지 보여줄 수 있다. 또한 교육이 사용자를 이메일, 검색, 요약을 넘어선 활용으로 이끄는지도 보여줄 수 있다.

그때까지 9억 5,800만 파운드라는 추정치를 그에 상응하는 경제적 이익의 증거로 제시해서는 안 된다. 이는 자기보고식 행동에서 추론한 지출을 측정한 것이다. 이익, 산출, 투자수익률을 계산한 것은 아니다.

관리자의 반응을 우려할수록 비밀주의는 커진다

Shadow AI는 부분적으로 보안 문제이지만, Deloitte의 데이터는 이를 직장 내 신뢰 문제이기도 하게 만든다.

근로자의 거의 4분의 1인 23%는 업무에서 생성형 AI를 사용하는 데 낙인이 따른다고 생각했다. 주간 사용자 가운데 64%는 관리자가 AI가 자신의 업무를 수행할 수 있다고 결론내릴 수 있다고 우려했다.

이러한 우려는 직원들이 성공적인 워크플로를 숨길 이유가 된다. 몇 시간을 절약한 근로자는 더 많은 업무 배정, 역할 변경, 인력 배치에 관한 질문을 예상할 수 있다. 그 이득을 공유하는 일은 개인적으로 위험하게 느껴질 수 있다.

이후 비밀주의는 어떤 워크플로가 가치를 제공하는지 조직이 학습하지 못하게 한다. 관리자는 성공적인 실험도 그 한계도 보지 못한다. 보안팀 역시 관행이 확산되기 전에 데이터 처리를 평가할 기회를 잃는다.

Deloitte UK 최고 AI 책임자 Hayley McKelvey는 낙인을 느끼는 근로자일수록 자신의 사용 사실을 숨길 가능성이 높다고 말했다. 그의 주장은 문화적 신호와 위험 관리를 연결한다. 공개가 위협적으로 보이는 상황에서 직원들이 실험을 공개할 것이라고 기대할 수는 없다.

리더십 커뮤니케이션은 여전히 약하다. Deloitte의 교육 연구에 따르면 사용자 65%는 리더가 생성형 AI를 명확히 이해한 상태에서 논의하는 것을 듣지 못했다.

이 집단에는 일관성 없는 메시지를 들은 사람과 아무런 메시지도 듣지 못한 사람이 모두 포함됐다. 어느 경우든 직원들은 권장되는 활용과 허용되지 않는 활용을 구분하는 데 거의 도움을 받지 못한다.

그 결과 모순적인 직장이 만들어진다. 리더들은 공개적으로 AI 도입을 요구하면서도, 관리자는 사적으로 AI 지원을 받은 업무를 불신할 수 있다. 직원들은 이 기술이 전략적이라는 말을 듣지만, 이를 적용할 안정적인 규칙은 받지 못한다.

품질 우려는 그 불신을 강화할 수 있다. 관리자는 수준 낮은 AI 생성 결과물을 접하고 모든 사용을 억제하는 방식으로 반응할 수 있다. 숙련된 사용자는 모델, 출처, 인간의 검토를 어떻게 결합하는지 설명하려는 의지가 더 약해진다.

더 나은 대응은 지원과 책임을 분리하는 데서 시작한다. 근로자는 AI를 사용해 선택지를 만들고, 메모를 재구성하고, 자료를 요약하거나 문구 초안을 작성할 수 있다. 결과를 검증하고 제한된 정보를 보호할 책임은 여전히 그들에게 있다.

공개에도 비례적인 규칙이 필요하다. 모든 맞춤법 제안에 공식 보고를 요구하면 불필요한 마찰이 생긴다. 영향력이 큰 결정, 기밀 입력, 외부에 공개되는 주장은 더 강한 문서화를 요구할 만하다.

교육은 실제 업무 시나리오를 활용해야 한다. 일반적인 시연만으로는 채용 담당자, 소프트웨어 엔지니어, 마케터, 의료 행정 담당자의 위험이 어떻게 다른지 알려주지 못한다. 근로자가 실제 업무에 정책을 적용할 수 있을 때 정책은 신뢰를 얻는다.

Deloitte는 더 넓은 노동력의 51%가 교육이 더 빈번한 AI 사용을 장려할 것이라고 답했다고 밝혔다. 현재 사용자 중 자신을 매우 능숙하다고 여긴 비율은 20%에 불과했다. 이는 도입을 강요하지 않고도 체계적인 지원을 제공할 여지가 상당하다는 뜻이다.

고용주는 내부 정보와 함께 승인된 시스템을 더 쉽게 사용할 수 있게 만들 수도 있다. 단절된 워크플로는 종종 직원들이 애플리케이션과 외부 챗봇 사이에서 자료를 복사하도록 만든다. 더 나은 knowledge blending은 유용한 답변에 필요한 맥락을 보존하면서 이러한 마찰을 줄일 수 있다.

그러나 승인된 시스템이 모든 질문을 감시하는 구실이 되어서는 안 된다. 과도한 추적은 Shadow AI 사용을 유발한 동일한 두려움을 재현할 수 있다. 거버넌스에는 무엇이 기록되는지, 누가 이를 검토할 수 있는지, 왜 그런지에 대한 투명성이 필요하다.

개인 지출 수치가 특히 많은 것을 보여주는 지점이 여기다. 근로자들은 단지 자신의 소프트웨어를 가져오는 것이 아니다. 배정된 업무를 수행하는 방식에 관한 선택권과 프라이버시를 지키기 위해 개인 돈을 쓰고 있다.

제한 조치로만 대응하는 고용주는 격차를 더 깊게 만들 위험이 있다. 행동을 무시하는 고용주는 관리되지 않는 노출을 받아들인다. 실현 가능한 중간 지대는 유용한 도구, 명확한 한계, 실용적인 교육, 보복에 대한 신뢰할 수 있는 보호를 결합한다.

Deloitte Shadow AI 설문이 입증할 수 없는 것

이 설문은 대규모 자기보고식 행동 패턴을 확인하지만, 가장 기억에 남는 수치는 직접 관찰된 거래나 생산성 기록이 아니라 여전히 추정치다.

9억 5,800만 파운드라는 수치는 온라인 설문에서 외삽됐다. Deloitte는 은행 기록, 경비 보고서, 공급업체 매출을 검토하지 않았다. 이 추정치는 응답자들이 자신의 지출과 업무상 사용을 정확하게 보고한다는 전제에 의존한다.

어떤 사람들은 주로 개인적인 이유로 구독하고 같은 서비스를 업무에서 가끔 사용할 수 있다. 다른 이들은 계정을 공유하거나 무료와 유료 접근 사이를 오갈 수 있다. 이러한 상황은 모든 결제를 전적으로 고용과 연결하기 어렵게 만든다.

이 설문은 더 넓은 노동력 정의에서 직원과 자영업 응답자를 함께 포함한다. 자영업자가 개인 계정을 통해 소프트웨어를 구매하는 것은 대기업을 지원하는 직원의 구매와는 다른 비즈니스 지출이다.

Deloitte는 일부 질문에 대해 별도 표본 기준을 제공하지만, 공개 요약만으로는 모든 방법론적 질문에 답할 수 없다. 월별 지출의 분포는 총액이 광범위한 소액 결제를 반영하는지, 아니면 소수의 헤비 유저를 반영하는지 보여주는 데 도움이 될 것이다.

이 연구는 자기보고식 도입을 측정했다. 특히 기능이 검색 엔진, 오피스 제품군, 휴대전화, 전문 소프트웨어에 내장돼 있을 때 응답자들은 생성형 AI를 서로 다르게 해석할 수 있다. Deloitte는 짧은 정의를 포함했지만, 범주의 경계는 여전히 유동적이다.

마찬가지로 고용주가 모르는 상태에서 도구를 사용하는 것이 항상 정책을 위반하는 사용과 동일한 것은 아니다. 일부 조직에는 정책이 없을 수 있고, 일부 관리자는 비공식적 사용을 용인할 수 있다. Shadow AI는 여러 다른 거버넌스 상황을 포괄한다.

별도의 뉴스 보도는 시간 절감이 직접 측정되지 않았다는 점을 언급하면서 동일한 핵심 결과를 보도했다. 직원 지출과 생산성을 연결할 때 이 단서는 중요하다.

이 설문은 이 글의 발행일 불과 이틀 전에 나왔다. 독립 연구자, 노동 단체, 보안 전문가, 고용주가 그 가정을 검토하고 대응할 시간은 제한적이었다.

Deloitte는 연구 결과의 발행자이면서 AI 컨설팅 서비스 제공자이기도 하다. 이것이 결과를 무효화하는 것은 아니며, 현장 조사는 Ipsos가 수행했다. 다만 독자는 기초 설문 결과와 컨설팅 업무와 부합하는 권고를 구분해야 한다는 뜻이다.

가장 강한 주장은 표본 내에서 충분히 뒷받침된다. 사용은 광범위하고, 개인 결제가 존재하며, 교육은 고르지 않고, 고용주의 가시성은 불완전하다. 정확한 전국 지출 총액은 이러한 방향성 있는 결론보다 불확실성이 더 크다.

계획된 후속 설문은 이 연구를 더 유용하게 만들 것이다. 일관된 방법론은 보고된 개인 지출이 증가하는지, 감소하는지, 또는 고용주 지원 접근으로 이동하는지를 보여줄 수 있다. 한 번의 설문은 스냅샷을 제공하지만, 반복 조사 파동은 추세를 확립할 수 있다.

독립적인 거래 데이터는 또 다른 층위를 더할 수 있다. 공급업체, 결제 처리업체, 경비 관리 플랫폼은 구독 행동을 관찰할 수 있지만, 개인 계정이 유급 업무를 지원하는지 아는 경우는 드물다.

고용주는 익명 근로자 조사와 승인된 도구 사용량, 워크플로 결과를 결합해 더 나은 내부 증거를 만들 수 있다. 숨겨진 사용은 여전히 감지하기 어렵기 때문에 감시 로그를 완전한 그림으로 취급해서는 안 된다.

Deloitte Shadow AI 설문은 조직의 사각지대에 관한 경고로서 가장 가치가 있다. 모든 구독이 생산적이거나 모든 미승인 프롬프트가 침해를 일으킨다고 주장하는 구실이 되어서는 안 된다.

고용주들이 따라잡고 있는지를 보여줄 세 가지 신호

다음 단계는 일상적 실험의 또 한 번의 증가가 아니라 투자, 교육, 그리고 입증된 가치로 평가될 것이다.

첫 번째 신호는 개인 결제와 고용주 지원 액세스 간의 균형이다. Deloitte의 다음 설문 조사에서는 자비 부담 비율 17%가 감소하는지 확인할 수 있어야 한다. 사용량이 안정적으로 유지되는 가운데 이 비율이 낮아진다면, 조직이 이미 직원들이 가치를 인정하는 도구를 수용하고 있음을 뜻한다.

제한적인 차단 정책 때문에 감소한 것이라면 의미는 달라진다. 고용주는 보고된 사용 현황을 직원 만족도 및 승인된 도구의 채택률과 비교해야 한다. 그렇지 않으면 눈에 보이는 지출 감소는 단지 더 깊은 은폐를 반영하는 것일 수 있다.

두 번째 신호는 정책이 집행 수단으로 바뀌기 전에 교육이 직원들에게 제공되는지 여부다. 현재 사용자 중 절반은 정식 교육을 받지 못했다고 답했으며, 고용주의 정책이 명확하고 최신 상태이며 잘 알려져 있고 접근 가능하다고 설명한 비율은 28%에 불과했다.

이 지표들이 개선된다면 기업은 더 유용한 실험을 늘리는 동시에 우발적인 데이터 노출을 줄일 수 있다. 교육이나 신뢰할 수 있는 접근 수단 없이 정책 인지도만 높아진다면, 거버넌스는 여전히 서류 작업에 그칠 것이다.

세 번째 신호는 기본적인 초안 작성, 검색, 요약을 넘어서는 변화다. Deloitte의 현재 데이터는 광범위하지만 피상적인 도입을 보여준다. 가장 강력한 검증은 단순히 생성되는 텍스트가 늘어나는 것이 아니라, 완결된 업무 워크플로우에서 측정 가능한 개선이 나타나는 것이다.

기업은 AI가 수정, 검토 부담, 후속 단계의 혼란을 늘리지 않으면서 업무 완료 시간을 줄이는지 추적해야 한다. 또한 혜택이 여러 직무에 걸쳐 나타나는지, 아니면 이미 숙련된 기술 인력에게 집중되는지도 살펴봐야 한다.

직원에게 실질적인 질문은 AI 지원 워크플로우를 안전하게 공개할 수 있는지 여부다. 직원들은 어떤 정보가 허용되는지, 결과물을 어떻게 검증해야 하는지, 그리고 승인된 대안이 자신들이 이미 사용하는 도구와 맞먹는지 이해해야 한다.

고용주에게 질문은 더 이상 생성형 AI가 직장에 들어왔는지가 아니다. Deloitte UK AI 지출 설문조사는 직원들이 수천 건의 개별 구매와 실험을 통해 이미 그 결정을 내렸음을 보여준다.

남은 선택은 누가 다음 단계를 설계하느냐에 관한 것이다. 조직은 효과적인 도구에 투자하고 직원들이 따를 수 있는 규칙을 만들 것인가, 아니면 직원들이 비공식 시스템을 홀로 조립하도록 내버려 둘 것인가?

그 답은 약 10억 파운드에 가까운 개인 지출이 더 나은 업무로 가는 다리가 될지, 아니면 지속적인 격차의 증거가 될지를 결정할 것이다. 고용주는 직원들에게 어떤 도구에 비용을 지불하는지, 그 도구가 어떤 문제를 해결하는지, 그리고 승인된 시스템 안에서 같은 업무를 안전하게 수행하지 못하게 하는 요인이 무엇인지 묻는 것부터 시작해야 한다.