행정·기업·산업 전반에 스며드는 AI, 그리고 ‘문서의 한계’가 남긴 과제
한국 사회는 지금 유례없는 속도로 생성형 AI를 수용하고 있다. 한국은행이 발표한 ‘AI 활용 실태 조사(2025)’는 이를 실증적으로 보여주는 첫 대표 표본 조사로, AI가 이미 일상의 도구이자 생산성 자원이 되었음을 분명히 드러낸다.
하지만 동시에, 현장에서 우리가 마주하고 있는 또 하나의 질문도 선명해진다.
“조직은 AI 활용 수준만큼 준비되어 있는가?”
특히 공공·기업의 방대한 문서 환경이 여전히 비정형 데이터로 남아 있다는 점에서, 생산성 향상의 잠재력은 절반밖에 실현되지 못하고 있다.
아래에서는 한국은행 조사 결과를 정리하고, 한국딥러닝(KDL)의 관점에서 우리가 주목해야 할 구조적 변화를 분석한다.
한국은 이미 ‘AI 일상국가’: 근로자의 63.5%가 생성형 AI 사용
불과 3년 만에 도달한 수치다.
한국 근로자의 63.5%가 생성형 AI를 사용해 본 경험이 있으며, 업무 목적 사용만 따져도 절반(51.8%)을 넘었다. 이는 미국(26.5%)의 두 배, 인터넷 상용화 초기 확산 속도의 8배에 해당한다.
한국이 이렇게 빠르게 AI를 흡수한 이유는 명확하다.
디지털 환경이 이미 고도화되어 있었고, AI가 특정 직업군이 아니라 모든 업무에 적용 가능한 범용 기술이기 때문이다.
하지만 이 수치가 보여주는 더 중요한 사실은 다음이다.
개인은 이미 AI 시대에 들어섰다. 그러나 조직의 데이터 환경은 여전히 10년 전의 문서 중심 패러다임에 머물러 있다.
남성·청년·고소득·고학력일수록 활용률 높아
조사는 AI 활용의 ‘격차’도 드러냈다.
청년층(18~29세)의 AI 활용률은 67.5%
장년층(50~64세)은 35.6%
대학원 이상 학력자는 72.9%
대졸 이하 근로자는 38.4%
AI는 분명 ‘모두의 기술’이지만, 실제 업무 성과를 내는 데 유리한 집단은 명확하다.이 결과는 조직 입장에서 중요한 질문을 던진다.
“우리 조직은 다양한 연령·직무·숙련도를 가진 구성원들에게 AI 활용 역량을 충분히 분배하고 있는가?”
많은 공공기관과 기업이 이 지점에서 막혀 있다. 특히 후술할 문서 기반 업무 비중이 높은 직무에서는 AI 적용 난도가 더욱 높아진다.
한국 근로자의 AI 사용 시간, 미국의 2~7배
AI 활용 강도 역시 압도적이다.
한국 근로자는 주당 5~7시간을 AI 활용에 사용
미국은 0.5~2.2시간
한국의 ‘헤비 유저(하루 1시간 이상)’ 비중 78.6%
미국은 31.8%
한국은 단순히 AI를 “알아본 수준”이 아니라, 이미 업무 인프라의 일부로 받아들인 것이다.
하지만 이 수치 또한 다음 질문을 남긴다. “개인은 이렇게 많이 쓰는데, 실제 조직의 업무 생산성은 얼마나 따라오고 있는가?”
생산성 1.0% 상승 — 그러나 절반의 근로자는 효과를 체감 못했다
AI를 활용한 근로자의 주간 업무시간은 3.8% 감소(약 1.5시간) 했고, 그에 따른 잠재 생산성 향상폭은 1.0%로 측정됐다.
하지만 중요한 관찰이 있다. AI를 써도 업무시간이 줄지 않았다고 응답한 비중이 54.1%에 달한다.
즉, 개인은 AI를 열심히 쓰고 있지만 조직의 업무 구조나 문서 환경이 이를 뒷받침하지 못하는 경우가 매우 많다는 의미다.
특히 문서 의존도가 높고, PDF·HWP·스캔 이미지 등 비정형 데이터가 많은 직무에서는 AI 활용 시간이 오히려 ‘검토’에 소모되는 역효과도 나타난다.
한국딥러닝이 현장에서 반복적으로 확인하는 문제와 정확히 동일하다.
생산성 격차를 키우는 ‘문서 구조화의 부재’
한국은행 보고서는 직접적으로 “문서 AI”를 다루고 있지 않지만, 데이터를 해석해보면 생산성 격차의 핵심 원인이 매우 명확해진다.
✔ AI를 쓰는 개인의 생산성은 증가하고 있음
✘ 하지만 조직의 문서 생태계는 AI가 읽기 어려운 형태로 남아 있음
현재 공공과 기업 문서의 90% 이상이
PDF
HWP
스캔 이미지
비정형 표와 문단
서식 단위 데이터
등으로 존재한다.
AI는 자연어는 잘 읽지만, 문서를 그대로 AI에게 던지면 구조화·정합성·표 정보·레이아웃 이해가 어긋난다.
즉, AI는 사람보다 빨리 읽지만, 문서는 AI가 읽기 힘들다.
이것이 바로 ‘생산성의 병목지점’이며, 한국딥러닝은 이 구간을 해결하는 기술(DEEP OCR, DEEP Parser)을 제공하고 있다.
재교육·직무 전환 의지는 높게 나타나… 조직은 준비되었는가
근로자는 아래와 같은 것을 이미 진행중이다.
33.4%가 재교육 계획,
31.1%가 직무 전환을 준비
AI 시대에 개인은 빠르게 움직이고 있다. 그러나 개인의 변화가 조직의 변화로 이어지려면, 데이터·문서·업무 프로세스 자체가 AI 친화적으로 재설계되어야 한다.
KDL이 공공기관·대기업·금융권에서 반복해 해결하고 있는 지점이 바로 이것이다.
KDL의 인사이트: “AI 활용의 1차 과실은 끝났다, 이제 구조화를 해야 한다”
한국은행 조사 결과가 의미하는 바는 분명하다.
① 한국은 이미 AI 활용률 세계 최상위 국가
② 생산성 향상폭은 1% 수준에 머물러 있다
그 이유는 단 하나다.
👉 대부분의 업무가 ‘문서 기반’이기 때문
👉 그리고 그 문서가 AI가 읽을 수 있는 형태로 구조화되어 있지 않기 때문
이제 생산성을 한 단계 더 끌어올리고 싶다면,
LLM을 더 많이 쓰는 것이 아니라
문서 구조화(Structured Document Intelligence) 를 먼저 해야 한다.
문단·표·항목 체계 자동 파싱
PDF/HWP 스캔 문서의 정밀 OCR
레이아웃·문맥 이해 기반 문서 AI
RAG(검색 기반 생성)용 문서 정규화
공공 대규모 문서 아카이브의 대량 자동 변환
한국딥러닝이 바로 이 구간을 담당한다.
결론
한국은행의 조사는 AI 확산이 ‘개인의 변화’ 중심으로 진행되고 있음을 보여준다.
한국은 세계에서 가장 빠르게 생성형 AI를 받아들였지만, 조직의 문서·데이터 구조는 여전히 기존 방식에 묶여 있다.
따라서 지금 필요한 것은
AI 사용 확대가 아니라 AI가 읽을 수 있는 데이터 환경을 만드는 일,
즉 문서 구조화 인프라 구축이다.
한국딥러닝은 앞으로도
한국 사회가 AI 기반 생산성 시대에 완전히 진입할 수 있도록
문서 AI 인프라 구축을 선도하는 기술과 솔루션을 제공할 것이다.