홍콩의 주간 AI 사용률 72%, 직장 내 준비 격차 드러내

Google News는 눈길을 끄는 주장을 전했다. 홍콩의 전문직 종사자 중 72%가 매주 인공지능을 사용하며, 이는 전 세계 평균의 두 배 수준으로 알려졌다. 이 수치는 많은 고용주가 AI에 맞춰 업무를 재설계하는 속도보다 더 빠르게 인력이 AI를 도입하고 있음을 보여준다.

South China Morning Post가 보도한 이 헤드라인은 홍콩 근로자들이 AI를 적극적으로 사용하고 있다는 축적되는 증거에 힘을 보탠다. 그러나 도입률만으로는 조직이 측정 가능한 가치를 얻고 있는지, 민감한 정보를 보호하고 있는지, 신뢰할 수 있는 인간의 감독을 유지하고 있는지는 알 수 없다.

바로 이 차이가 핵심 이야기다. 홍콩은 AI 활용이 활발한 인력을 보유하고 있지만, AI 중심 운영을 위한 준비는 상대적으로 덜 된 기관 안에 그 인력이 자리한 것으로 보인다. Microsoft, McKinsey, PwC, Cisco 및 전문 협회들은 이 격차의 서로 다른 측면을 독립적으로 문서화해 왔다.

기초 설문조사 방법론이 완전히 공개되기 전까지는 72%라는 수치를 신중하게 다뤄야 한다. 접근 가능한 Google News 목록은 보고서의 존재는 확인해 주지만, 설문 문항, 표본, 조사 기간의 세부 정보는 제공하지 않는다.

이러한 한계가 있어도 더 큰 흐름은 분명하다. 홍콩이 직면한 문제는 단순한 도입 문제가 아니다. 빈번한 개인 사용을 신뢰할 수 있고, 거버넌스가 적용되며, 조직 전반에 걸친 성과로 전환하는 문제다.

72% 수치가 바꾸는 것

이 헤드라인은 논의를 전문직 종사자들이 AI를 사용하는지 여부에서, 고용주가 그 사용을 책임 있게 관리할 수 있는지 여부로 옮긴다.

매주 사용한다는 것은 일회성 실험이 아니라 습관이 형성됐음을 뜻한다. 매주 AI 어시스턴트를 여는 전문직 종사자는 공식적인 워크플로가 없더라도 이를 반복 업무에 이미 통합했을 가능성이 높다.

그 업무에는 문서 요약, 메시지 초안 작성, 익숙하지 않은 주제 조사, 자료 번역, 스프레드시트 분석 또는 회의록 작성 등이 포함될 수 있다. 이러한 작업은 금융, 법률, 컨설팅, 기술, 마케팅, 운영 전반에서 흔하다.

하지만 사용 빈도는 활동량을 측정할 뿐, 활용의 깊이를 측정하지는 않는다. 매주 사용하는 사람은 위험이 낮은 질문 하나만 할 수도 있고, 다른 사람은 기밀 회사 정보와 관련된 여러 단계를 AI에 맡길 수도 있다.

전 세계 평균과의 보도된 비교 역시 방법론적 맥락이 필요하다. 설문 대상은 직업, 직급, 산업, 고용주 규모, 승인된 도구에 대한 접근성에 따라 달라질 수 있다.

정의도 중요하다. 일부 연구는 전통적인 머신러닝 기능을 AI로 집계하는 반면, 다른 연구는 생성형 AI나 자율 에이전트에 관해서만 묻는다. 따라서 “주간 사용”은 매우 다른 행동을 설명할 수 있다.

PwC는 유용한 비교 사례를 제공한다. PwC의 홍콩 Workforce Hopes and Fears Survey에 따르면, 현지 응답자 중 61%가 2025년 동안 직장에서 AI를 사용했다. 이는 보고된 전 세계 비율인 54%를 웃돌았다.

PwC는 49,843명의 근로자가 참여한 글로벌 연구의 일환으로 홍콩에서 1,061명을 조사했다. 질문은 주간 사용이 아니라 이전 12개월 동안의 AI 사용을 다뤘다.

같은 연구에서는 홍콩 응답자의 22%가 생성형 AI를 매일 사용한다고 답했다. 이는 전 세계 비율 25%와 아시아태평양 비율 29%보다 낮았다.

이 결과는 72% 헤드라인과 직접 모순되지 않는다. 오히려 설문 문항과 분모를 신중하게 비교해야 하는 이유를 보여준다.

더 폭넓은 범주는 더 높은 도입률을 낼 수 있다. 매일 생성형 AI를 사용하는 경우로 한정한 질문은 더 낮은 비율을 낳는다.

최신 주장이 여전히 중요한 이유는 주간 사용이 중요한 기준선이기 때문이다. 이는 조사 대상 전문직 종사자의 큰 비중에게 AI가 일상적인 업무 도구가 됐음을 시사한다.

하지만 이 수치만으로 생산성, 품질 또는 투자수익률을 입증할 수는 없다. 직원들이 승인된 시스템을 사용하는지, 아니면 회사 통제 밖의 개인 계정을 사용하는지도 보여주지 못한다.

이 빠진 맥락은 개인 도입과 조직의 준비도를 가르는 요소다. 또한 홍콩의 겉보기 우위가 더 복잡해지는 지점이기도 하다.

google news를 통해 유입된 독자에게 핵심은 홍콩이 국제 AI 경쟁에서 승리했다는 것이 아니다. 직원들의 행동이 제도적 변화보다 앞서 나갔다는 점이다.

Google News가 포착한 도입 붐과 불균등한 증거

여러 설문조사가 홍콩의 빠른 AI 도입을 뒷받침하지만, 서로 다른 집단을 측정하므로 하나의 성과표로 합쳐서는 안 된다.

McKinsey는 2026년 2월 홍콩의 전문직 종사자와 학생을 대상으로 한 또 다른 주요 연구를 발표했다. 이후 이 회사는 4,521명의 응답자를 포괄하는 확대된 결과를 공개했다.

McKinsey의 홍콩 설문조사에 따르면, 화이트칼라 근로자의 약 70%가 AI를 도입했다. 사용자 중 90% 이상은 매일 AI를 사용한다고 보고됐다.

McKinsey는 사용자 중 88%가 생산성 향상을 경험했다고도 밝혔다. 다만 AI를 전체 워크플로에 걸쳐 사용한 비율은 4분의 1 미만이었다.

이 차이는 매우 중요하다. 완전한 워크플로는 여러 단계, 의사결정, 데이터 소스, 검토 지점을 반복 가능한 프로세스로 연결한다.

AI로 문서 하나를 요약한다고 해서 반드시 조직의 운영 방식이 바뀌는 것은 아니다. 조사, 검토, 승인, 배포를 AI 중심으로 재설계하는 것은 훨씬 더 큰 전환을 의미한다.

McKinsey는 또 다른 주목할 만한 격차를 발견했다. 임원 중 빈번한 AI 사용자는 14%에 불과했으며, 이는 더 넓은 근로자 집단의 사용률을 크게 밑돌았다.

McKinsey 홍콩 오피스의 매니징 파트너인 Arthur Shek은 South China Morning Post에 이러한 리더십 격차가 기업 차원의 도입을 늦춘다고 말했다. 조직이 일관되게 변화하려면 직원들은 리더의 지속적인 행동 신호를 필요로 한다.

이는 이례적인 압력 구조를 만든다. 근로자들은 공식적인 전환 프로그램을 기다리지 않고 기술을 시험하고 있다.

이들은 브라우저와 휴대전화를 통해 ChatGPT, Copilot, Gemini, Claude 및 특화 애플리케이션에 접근할 수 있다. 조달 절차, 데이터 통제, 내부 교육 프로그램은 훨씬 더 느리게 움직인다.

Microsoft의 2026 Work Trend Index도 같은 방향을 가리킨다. AI를 사용하는 홍콩 근로자 중 18%가 “Frontier Professionals”에 해당했으며, 이는 전 세계의 16%와 비교된다.

Microsoft는 AI와 에이전트를 광범위하게 활용하는 고급 사용자를 이 용어로 부른다. 에이전트는 제한된 인간 개입으로 여러 단계의 작업을 완료하도록 설계된 시스템이다.

이 회사는 홍콩 AI 사용자 중 57%가 1년 전에는 만들어낼 수 없었던 결과물을 생산하고 있다고도 밝혔다. Frontier Professionals에서는 이 수치가 73%로 올랐다.

이 결과는 단순한 초안 작성 지원 이상의 의미를 시사한다. 일부 근로자들은 완료할 수 있는 업무의 범위나 복잡성을 확대하고 있다.

하지만 Microsoft는 이들 사용자에 대한 조직의 지원이 미흡하다고 밝혔다. 리더십이 AI에 대해 명확하고 일관되게 정렬돼 있다고 답한 비율은 19%에 불과했다.

즉각적인 성과가 나타나지 않을 때에도 AI로 업무를 재설계한 직원에게 고용주가 보상한다고 답한 비율은 10%에 그쳤다. 한편 75%는 빠르게 적응하지 않으면 뒤처질 것을 우려했다.

이 조합은 양방향에서 압력을 만든다. 직원들은 도입해야 한다는 압박을 느끼지만, 많은 이들에게는 명확한 허가, 인센티브 또는 운영 기준이 부족하다.

google news 헤드라인은 이러한 긴장을 기억하기 쉬운 하나의 통계로 압축할 수 있다. 그러나 고용주는 그 숫자 뒤에 어떤 도구, 업무, 사용자, 결과가 있는지 여전히 분석해야 한다.

설문 증거는 자기보고식 행동으로도 읽어야 한다. 응답자는 AI를 다르게 해석하거나, 사회적으로 바람직한 행동을 과장하거나, 드문 사용을 잊을 수 있다.

공급업체 후원 연구도 여전히 가치 있는 증거를 제공할 수 있다. 결론을 해석할 때는 그 정의와 상업적 동기가 드러나 있어야 한다.

단일 설문조사만으로 홍콩의 정확한 글로벌 순위를 입증할 수는 없다. 그러나 이 연구들을 종합하면 직장 내 AI는 소수의 얼리어답터 단계를 넘어섰음을 보여준다.

근로자들이 조직보다 더 빠르게 움직이고 있다

홍콩의 핵심 갈등은 직원 도입과 조직의 준비도 사이의 문제이지, 현지 근로자와 다른 지역의 전문직 종사자 사이의 문제가 아니다.

Cisco의 2025 AI Readiness Index는 도입 수치에 뚜렷한 반론을 제시했다. 조사 대상 홍콩 조직 중 AI에 완전히 준비된 것으로 평가된 곳은 2%에 불과했다.

이는 Cisco 연구에 포함된 30개 시장 중 가장 낮은 비율이었다. 전 세계적으로는 조사 대상 조직의 13%가 “pacesetters”에 해당했다.

Cisco는 26개 산업에 걸쳐 8,000명 이상의 고위 기술 및 비즈니스 리더를 조사했다. 이 회사의 준비도 프레임워크는 전략, 인프라, 데이터, 거버넌스, 인재, 문화를 평가했다.

이 회사는 pacesetters의 거의 99%가 AI 로드맵을 정의했다고 밝혔다. 조사 대상 홍콩 조직 전체에서 로드맵을 보유한 곳은 32%에 불과했다.

이는 홍콩 기업의 98%가 AI를 전혀 사용하지 않는다는 뜻은 아니다. 대부분이 반복 가능한 배포에 필요하다고 Cisco가 판단한 복합적인 기반을 갖추지 못했다는 의미다.

이 불일치는 높은 직원 사용률과 낮은 조직 준비도가 어떻게 공존할 수 있는지 설명한다. 근로자에게는 사용할 수 있는 애플리케이션에 대한 접근만 있으면 된다.

조직에는 승인된 데이터 흐름, 신원 통제, 사이버보안 보호 장치, 평가 방법, 예산, 교육, 책임 소유자가 필요하다. 실패를 처리하는 프로세스도 필요하다.

비공식적인 사용은 흔히 진입 장벽이 낮은 작업에서 시작된다. 직원이 이메일 초안을 작성하거나, 메모를 요약하거나, 어시스턴트에게 문서를 재구성해 달라고 요청한다.

이러한 행동이 공통 기준 없이 확산되면 위험은 커진다. 직원들은 고객 정보, 계약서, 소스 코드, 재무 기록 또는 미공개 계획을 승인되지 않은 서비스에 붙여넣을 수 있다.

기밀 정보가 회사 밖으로 나가지 않더라도, 일관성 없는 사용은 품질 문제를 만든다. 두 직원은 같은 모델에서 서로 다른 답변을 받고 서로 다른 검토 기준을 적용할 수 있다.

그러면 조직은 활동은 얻지만 신뢰할 수 있는 제도적 지식은 얻지 못한다. 유용한 프롬프트, 수정 사항, 소스 자료는 개인 계정과 임시 채팅에 흩어진 채 남는다.

이 지점에서 AI 지식 베이스가 중요해질 수 있다. 거버넌스가 기술과 함께 적용된다면, 승인된 맥락을 보존하고 이전 작업을 다시 찾을 수 있게 해준다.

운영상의 과제는 정보 저장을 넘어선다. 기업은 어떤 의사결정에 인간 승인이 필요한지, 어떤 작업을 안전하게 위임할 수 있는지 결정해야 한다.

허용 가능한 오류율도 정의해야 한다. 대략적인 내부 요약은 규제 자문, 신용 결정 또는 고객 대상 재무 분석과는 다른 결과를 초래한다.

서비스업 비중이 높은 홍콩 경제에서는 이 구분이 특히 중요하다. 전문 업무는 흔히 기밀성, 추적 가능한 근거, 책임 있는 판단에 의존한다.

빠른 개인 도입은 이러한 업무에서 경쟁 우위를 만들 수 있다. 동시에 법적·평판상 위험을 집중시킬 수도 있다.

Microsoft는 이 격차를 “Transformation Paradox”라고 설명했다. 그 연구는 개인의 성과가 조직 설계보다 더 빠르게 개선되고 있음을 시사한다.

회사의 조사 결과, 분석된 Microsoft 365 Copilot 대화의 49%가 인지적 업무를 지원한 것으로 나타났다. 이 범주에는 분석, 문제 해결, 평가, 창의적 사고가 포함됐다.

그러나 개인의 산출물이 개선된다고 해서 조직의 성과가 자동으로 좋아지는 것은 아니다. 초안 작성 속도가 빨라지면 병목이 검토, 승인 또는 검증 단계로 옮겨갈 수 있다.

따라서 리더들은 피할 수 없는 대응에 나서야 한다. 막연한 AI 활용 장려를 업무 단위의 정책, 승인된 시스템, 교육, 측정 체계로 대체해야 한다.

기술을 전면 금지하더라도 의욕적인 직원들이 손쉽게 접근 가능한 소비자용 도구를 사용하는 것을 막기는 어려울 가능성이 크다. 무제한적인 도입 역시 또 다른 위험을 낳는다.

더 실용적인 길은 이 두 극단 사이에 있다. 고용주는 반복적인 저위험 업무를 식별하고, 통제된 워크플로를 시험하며, 절감된 시간과 함께 오류도 측정할 수 있다.

그런 다음 증거가 확대를 뒷받침할 때에만 범위를 넓혀야 한다. 이 접근법은 주간 사용을 변화의 증거가 아니라 출발 신호로 본다.

생산성 향상은 신뢰의 문턱에서 멈춘다

가장 강력한 증거는 AI가 직원들의 생산량을 늘리는 데 도움을 준다는 점을 보여주지만, 신뢰, 고용 안정성, 책임 있는 판단은 여전히 해결되지 않은 문제다.

PwC는 AI를 사용한 홍콩 근로자 중 77%가 생산성이 향상됐다고 답한 것으로 조사했다. 또 다른 75%는 업무 품질이 개선됐다고 말했다.

이는 상당한 수준의 자기 보고식 이점이다. 고용주가 공식 지원을 제한적으로 제공하는 상황에서도 도입이 확산될 수 있는 이유를 설명해 준다.

같은 홍콩 응답자 중 AI가 고용 안정성을 높인다고 본 비율은 24%에 불과했다. 기술을 급여 인상과 연결한 비율도 19%에 그쳤다.

이 대조는 중요하다. 근로자들은 더 많은 가치를 창출하면서도 그 가치에 참여하거나 현재의 역할을 유지할 수 있다는 확신을 느끼지 못할 수 있다.

PwC가 조사한 관리자는 초급 직무 고용에 대한 압박을 예상했다. 44%는 향후 3년 동안 초급 직무가 어느 정도 감소할 것이라고 전망했다.

10%는 상당한 감소를 예상했고, 34%는 더 작은 폭의 감소를 예상했다. 이러한 견해는 확인된 고용 결과가 아니라 전망을 보여준다.

그럼에도 전망은 채용과 경력 관련 결정에 영향을 준다. 고용주는 AI가 해당 역할에서 축적되는 학습과 판단을 완전히 대체한다는 점을 입증하기도 전에 주니어 채용을 줄일 수 있다.

이는 장기적인 인재 문제를 만든다. 시니어 전문가는 일반적으로 낮은 수준의 업무, 수정, 예외 상황, 고객 피드백을 반복적으로 경험하며 판단력을 습득한다.

AI가 이러한 업무를 흡수한다면 조직은 미래의 검토자와 의사결정자를 육성할 다른 방식을 마련해야 한다. 그렇지 않으면 오늘의 효율성이 내일의 전문성을 약화시킬 수 있다.

Association of Chartered Certified Accountants는 2026년 인재 설문조사에서 유사한 우려를 기록했다. 전 세계 160개국에서 1만1,000명 이상이 참여했다.

홍콩에서는 44%가 현재 역할에서 AI를 정기적으로 사용한다고 답했으며, 전 세계 평균은 52%였다. 동시에 53%는 AI가 자신의 업무에 미칠 영향을 우려했다.

홍콩 응답자 중 AI가 공정하고 편향 없는 채용을 지원할 것이라고 신뢰한 비율은 36%에 불과했다. 중국 본토, 남아시아 및 기타 아시아태평양 지역의 비교 수치는 더 높았다.

ACCA 참가자들은 주니어 직원들이 충분한 검토 없이 AI 결과물을 수용하는 문제도 제기했다. 이런 행동은 오류를 포착하는 데 필요한 비판적 사고를 약화시킬 수 있다.

이러한 결과는 주간 사용률 72%에 관한 단순한 서사를 복잡하게 만든다. 빈번한 사용은 회의론, 취약한 감독, 경력상 결과에 대한 불안과 공존할 수 있다.

신뢰의 문턱은 특히 고위험 의사결정에서 뚜렷하게 드러난다. HSBC는 홍콩 1,200명 이상을 포함해 10개 시장의 고액 자산 투자자 약 1만 명을 조사했다.

HSBC의 2026년 조사에 따르면 홍콩 응답자의 75%는 금융 또는 투자 결정에 AI를 사용했다. 조사와 분석이 가장 일반적인 활용 분야였다.

그러나 60%는 최근의 주요 투자 아이디어를 금융 전문가나 기관의 공으로 돌렸다. AI에 그 역할을 부여한 비율은 29%에 그쳤다.

과반수는 AI와 인간 자문가를 결합한 하이브리드 미래를 선호했다. 이 패턴은 사용자가 속도와 탐색을 반기면서도 실제 결정을 내리기 전에는 책임 있는 판단을 원한다는 점을 시사한다.

같은 논리는 기업 내부에도 적용된다. AI는 패턴을 찾고, 증거를 요약하거나, 선택지를 제안할 수 있지만 최종 결정은 책임 있는 사람이 맡아야 한다.

그 책임이 암묵적으로 남아 있어서는 안 된다. 고용주는 불확실하거나 민감하거나 중요한 결과물에 대한 명확한 검토 요건과 에스컬레이션 경로를 마련해야 한다.

데이터 보호 역시 또 다른 신뢰의 경계다. 직원들은 처리해야 할 방대하고 정리되지 않은 문서 모음이 있기 때문에 AI를 찾는 경우가 많다.

이 문서에는 개인정보, 기밀 커뮤니케이션 또는 상업적으로 민감한 자료가 포함될 수 있다. 편의성은 정보가 어디로 가고 어떻게 보관되는지를 가릴 수 있다.

홍콩 Consumer Council은 2026년 소비자 1,219명을 조사해 기업의 AI 사용에 대한 상당한 우려를 확인했다. 74%는 과도한 데이터 수집을 우려했다.

또 다른 72%는 알고리즘이 실패했을 때 누구도 책임을 지지 않을 것을 걱정했다. 81%는 AI 지원 서비스를 거부할 권리를 원했다.

소비자 태도는 직장 내 행동을 직접 측정하지는 않는다. 그러나 AI가 고객과 접점에 닿는 순간 내부 도입이 외부 신뢰 문제로 번질 수 있는 이유를 보여준다.

따라서 기업은 직원들이 매우 활발하게 AI를 사용하면서도 그 결과물을 안전하게 배포하지 못할 수 있다. 개인적 사용이 제도적 가치로 전환되는지는 거버넌스에 달려 있다.

72%라는 주장은 비즈니스 가치를 측정하지 않는다

사용량은 투입 지표이며, 중요한 결과는 신뢰할 수 있는 산출물, 워크플로 완료, 경제적 가치다.

이 헤드라인을 회의적으로 읽으려면 먼저 분모부터 살펴봐야 한다. “홍콩 전문가”는 특정 산업의 종사자, 전문 네트워크 구성원 또는 더 넓은 취업 인구를 의미할 수 있다.

방법론이 공개되지 않으면 독자는 표본이 홍콩의 노동력을 대표하는지 판단할 수 없다. 응답 편향을 평가하거나 전 세계 표본과 공정하게 비교하는 것도 어렵다.

“매주 AI를 사용한다”는 표현도 비슷한 검토가 필요하다. 사용자가 거의 인식하지 못하는 내장 기능을 포함할 수도 있고, 생성형 AI 보조 도구의 의도적인 사용만 뜻할 수도 있다.

“전 세계 평균의 두 배”라는 비교 역시 설문 설계상의 차이를 숨길 수 있다. 전 세계 집단에는 디지털 도구에 접근하기 어려운 직종이 포함됐을 수 있다.

이러한 우려가 수치를 거짓으로 만들지는 않는다. 다만 그 수치가 뒷받침할 수 있는 결론의 범위를 제한한다.

설문조사의 주장을 출처와 함께 보도하는 것은 합리적이다. 홍콩 기업이 전 세계 동종 기업보다 두 배 생산적이라고 결론 내리는 것은 합리적이지 않다.

McKinsey의 전체 워크플로 조사 결과가 그 이유를 보여준다. 홍콩 응답자들의 전반적인 사용률은 높았지만, 전체 워크플로에 걸쳐 AI를 사용한 비율은 25% 미만이었다.

워크플로 측정은 로그인이나 주간 사용 지표보다 조직 변화에 더 가깝다. 그럼에도 정확성이나 재무적 수익을 입증하지는 못한다.

조직에는 다층적인 측정 체계가 필요하다. 첫 번째 층은 활성 사용자, 승인된 도구, 반복 사용 사례를 포함한 도입 현황을 추적한다.

두 번째 층은 효율성을 추적한다. 유용한 지표로는 완료 시간, 처리량, 검토 시간, 결함 있는 결과물로 인해 발생한 재작업량이 있다.

세 번째 층은 품질과 위험을 추적한다. 기업은 사실 오류, 근거 없는 주장, 개인정보 사고, 정책 위반, 인간의 개입에 따른 재정의 사례를 기록할 수 있다.

네 번째 층은 비즈니스 성과를 추적한다. 여기에는 고객 만족도, 전환율, 서비스 처리 역량, 매출 기여도 또는 운영 손실 감소가 포함될 수 있다.

리더들은 AI 지원 업무를 기준선과도 비교해야 한다. 결과를 수정하는 데 절감한 시간이 모두 소요된다면 더 빠른 완료는 큰 의미가 없다.

같은 원칙은 지식 노동에도 적용된다. 매끄러운 답변은 완성된 것처럼 보일 수 있지만, 꾸며낸 사실, 오래된 정보 또는 잘못된 추론을 포함할 수 있다.

인간의 검토는 여전히 필수적이지만, “human in the loop”만으로는 완전한 정책이 되지 않는다. 조직은 누가 검토하는지, 무엇을 확인하는지, 어떤 증거를 보관하는지를 명시해야 한다.

검토자에게는 결과물에 이의를 제기할 충분한 전문성과 시간도 필요하다. AI가 생성한 수백 건의 결정을 서둘러 승인하는 직원은 명목상의 감독만 제공할 뿐이다.

따라서 교육은 프롬프트 작성법을 넘어야 한다. 전문가는 출처 평가, 오류 탐지, 데이터 처리, 모델의 한계, 에스컬레이션에 관한 역량이 필요하다.

조직은 빈번한 사용자가 이미 그러한 역량을 갖췄다고 가정해서는 안 된다. 자신감과 역량이 항상 함께 높아지는 것은 아니다.

성숙한 AI 프로그램은 승인된 행동이 섀도 사용보다 쉬워지도록 해야 한다. 직원들에게는 위험한 지름길 없이 업무에 맞는 접근 가능한 도구가 필요하다.

또한 승인된 출처와 재사용 가능한 맥락도 필요하다. 그렇지 않으면 직원들은 같은 배경 정보를 반복해서 재구성하게 되고 일관성 없는 결과를 받게 된다.

거버넌스는 위험 수준에 비례해야 한다. 브레인스토밍 프롬프트에 자동화된 채용이나 고객 대상 금융 안내와 같은 통제가 필요하지는 않다.

위험 분류는 중요한 의사결정에 더 강력한 통제를 적용하면서도 유용한 실험을 유지할 수 있다. 이미 높은 도입률을 보이는 시장에서는 이 균형이 중요하다.

따라서 보고된 72%는 수요 신호로 보는 것이 가장 적절하다. 직원들은 AI 역량을 원하며 이미 활용 방식을 찾아가고 있다.

해결되지 않은 질문은 비공식적 습관이 굳어지기 전에 고용주가 이 수요를 신뢰할 수 있는 시스템으로 이끌 수 있는지다.

고용주와 전문가가 다음으로 주목해야 할 점

세 가지 신호는 홍콩이 빈번한 AI 사용을 지속 가능한 조직 역량으로 전환하는지 보여줄 것이다.

첫 번째 신호는 완전한 AI 지원 워크플로의 증가다. 향후 설문조사는 일회성 업무 지원과 승인된 회사 시스템에 연결된 반복 가능하고 다단계적인 프로세스를 구분해야 한다.

전체 워크플로 도입률이 McKinsey가 보고한 25% 미만 수준을 넘어선다면 변화에 관한 주장은 더 설득력을 얻는다. 이는 고용주가 흩어진 개인 사용을 넘어선다는 점을 시사할 것이다.

그러한 증가는 품질 측정과 함께 이뤄져야 한다. 신뢰할 수 있는 평가 없이 자동화 단계를 늘리면 성숙도를 입증하기보다 노출 위험을 키우게 된다.

두 번째 신호는 리더십 정렬이다. Microsoft는 홍콩 AI 사용자 중 명확하고 일관된 리더십 방향을 봤다고 답한 비율이 19%에 불과하다고 밝혔다.

의미 있는 상승은 경영진이 우선순위, 책임 주체, 허용 가능한 경계를 수립하고 있음을 보여줄 것이다. 또한 열정적인 직원과 신중한 기관 사이의 격차를 좁힐 것이다.

리더십 정렬은 구호가 아니라 행동으로 드러나야 한다. 경영진은 승인된 도구를 사용하고, 교육에 투자하며, 측정 가능한 결과를 검토하고, 실패에 대한 책임을 받아들여야 한다.

세 번째 신호는 더 강력한 거버넌스 증거다. 조직은 개인정보 보호 통제, 모델 평가, 감사 절차, 사고 처리, 인간 검토 요건을 보고해야 한다.

Cisco의 준비도 조사는 기준선을 제공한다. 조사 대상 홍콩 조직 중 완전히 준비된 것으로 분류된 곳은 2%에 불과했고, 32%는 정의된 AI 로드맵을 갖고 있었다.

이 수치가 개선된다면 도입이 제도화되고 있다는 주장이 강화될 것이다. 준비도가 정체된다면 주간 사용은 여전히 대부분 직원 주도라는 의미일 수 있다.

전문가들도 주시해야 할 신호가 있다. 첫 초안 단계뿐 아니라 검증 이후에도 AI가 시간을 절약하는지 살펴봐야 한다.

중요한 결과물을 뒷받침하는 출처를 기록해야 한다. 또한 고용주가 승인하지 않은 시스템에 민감한 정보를 입력하지 않아야 한다.

관리자는 병목이 어디로 이동하는지 연구해야 한다. AI는 분석을 가속하는 동시에 검토 업무를 늘리거나, 고객 응답 속도를 높이는 대신 더 많은 에스컬레이션을 만들 수 있다.

초급 인력 채용은 특히 주의 깊게 살펴볼 필요가 있다. 지속적인 감소는 고용주가 자동화를 중심으로 경력 사다리를 재설계하고 있음을 시사할 수 있다.

기업들은 대체 교육 경로를 마련해야 한다. 도제식 훈련, 감독하 시뮬레이션, 체계적인 검토 업무는 정형적 업무를 통해 얻던 일부 경험을 대체할 수 있다.

규제기관과 전문 단체 역시 다음 단계를 좌우할 것이다. 개인정보 보호, 자동화된 의사결정, 채용, 전문직 책임성에 관한 지침은 폭넓은 원칙을 운영 요건으로 구체화할 수 있다.

Google News를 통해 확산되는 헤드라인은 실제 변화를 포착한다. 정확한 비율이 72%이든 다소 다르든, 많은 홍콩 전문직 종사자들 사이에서 AI 활용은 이미 깊숙이 자리 잡은 것으로 보인다.

하지만 개인 활동 측면에서 도시가 앞선다고 해서 조직 역량에서도 자동으로 앞서는 것은 아니다. 공개된 연구는 리더십, 업무 흐름 재설계, 인프라, 신뢰, 거버넌스 전반의 격차를 거듭 보여준다.

이 격차는 기회이자 위험을 만든다. 고용주는 직원들에게 AI를 사용해 보라고 수년간 설득하지 않고도, 이례적으로 수용적인 인력을 기반으로 삼을 수 있다.

이제는 통제된 도구, 신뢰할 수 있는 맥락, 측정 가능한 업무 흐름, 명확한 책임 체계를 제공해야 한다. 이러한 기반이 없다면 도입은 넓게 퍼지더라도 피상적인 수준에 머물 수 있다.

다음 설문조사는 한 주 동안 누가 AI를 사용했는지만 묻는 데 그쳐서는 안 된다. 어떤 업무가 바뀌었는지, 품질이 개선됐는지, 누가 결과를 검토했는지, 누가 책임을 수용했는지를 물어야 한다.

전문직 종사자에게도 당장의 행동은 마찬가지로 구체적이다. 반복되는 업무 하나를 선택해 현재 기준선을 문서화하고, 검증 후 AI 지원 성과를 측정하라.

고용주에게는 질문이 더 날카롭다. 직원들이 스스로 규칙을 정하기 전에, 조직은 광범위한 실험을 신뢰할 수 있는 업무로 전환할 수 있는가?