AI의 최대 승자는 엔지니어가 가장 많거나 소프트웨어 예산이 가장 큰 회사가 아니라, 마진이 가장 낮은 기업들일 수 있다. 수십 년간 한 자릿수 마진으로 운영해온 제조업체, 트럭 운송사, 유통업체, 인력 파견 업체, 현장 서비스 운영사들. 누구도 AI 기업이라 부르지 않을 기업들이다.
AI 전환은 매출, 비용, 리스크라는 세 가지 레버로 가치를 만든다. 대부분의 관심은 매출에 쏠려 있지만, 저마진 기업에게 진짜 레버는 비용이다. 30% 마진의 소프트웨어 회사는 AI로 효율이 올라도 사업 궤적이 바뀌지 않지만, 3% 마진 기업은 1% 미만의 비용 절감만으로도 이익이 25% 이상 늘어날 수 있다.
먼저 움직이는 기업은 경쟁자들이 그 이득을 가격 인하로 되돌리기 전에 마진으로 챙길 수 있다. 효율성은 결국 시장 전체로 퍼지지만, 선발 주자가 이익을 벌어들이고 비용 구조를 먼저 재설정한다.
저마진 기업의 구조적 문제
저마진 기업들은 상품화된 시장에서 경쟁하며 가격 결정력이 없다. 가격은 시장이 정하기 때문에, 비용이 사실상 유일하게 통제 가능한 레버다.
이들의 비용에서 인건비는 매출의 약 25%를 차지하는데, 그중 4분의 1이 업무를 관리·조정·행정 처리하는 데 쓰인다. 매출의 약 6%에 해당한다. 스케줄링, 배차, 승인, 예외 처리, 행정 루프 같은 '조정 업무'다. 3% 마진 기업이 이 조정 부담을 10%만 줄여도 이익이 약 20% 개선된다.
실제 사례로, 한 물류 회사는 눈에 보이는 인건비(기사들) 외에 배차팀, 경로 변경, 고객 안내, 클레임, 송장, 백오피스 정산 같은 조정 인프라에 매출의 10% 가까이를 쓰고 있었다. 이 패턴은 물류, 제조, 시설 관리, 현장 서비스, 인력 파견, 의료 클리닉 등 노동 집약적 산업 전반에서 동일하게 나타난다.
걸림돌: 도입 능력의 역설
AI로 얻을 것이 가장 많은 기업들이 정작 도입 능력은 가장 부족하다. 대부분의 엔터프라이즈 AI는 직원이 새 도구를 열고, 언제 쓸지 기억하고, 결과물을 기존 워크플로에 다시 옮기는 행동 변화를 전제로 한다. 기술 친화적 기업에서도 안 되는 일이 비기술 인력 중심의 기업에서 될 리 없다.
직원들은 일을 도와주는 또 하나의 도구를 원하지 않는다. 일이 끝나 있기를 원한다.
해법: AI를 도구가 아닌 인프라로
답은 직원의 도입에 의존하지 않는 것이다. 에이전트를 회사 운영 계층의 일부로 만들어, 기존 시스템(NetSuite, 이메일, PDF, 스프레드시트 등) 위에서 그대로 돌아가게 해야 한다. 송장을 추출하고, 구매 주문서와 대조하고, 예외를 표시하고, 판단이 필요할 때만 사람에게 전달하는 식이다.
핵심 교훈은 AI를 소프트웨어가 아니라 인프라로 팔아야 한다는 것이다. 소프트웨어는 직원에게 도구 도입을 요구하지만, 인프라는 직원 아래의 운영 계층 자체를 바꾼다. 담당자는 여전히 워크플로를 멈추거나 규칙을 바꿀 수 있지만, 가치 실현이 누군가 매일 AI 사용을 기억하는 데 의존해서는 안 된다.
결론
저마진 기업이 AI 최대의 기회인 이유는 세 가지다. 작은 마진 개선이 막대한 이익 증가로 이어지는 가장 강한 경제적 동기가 있고, AI가 줄이기에 최적인 노동·조정 중심의 비용 구조를 갖고 있으며, 약간의 효율 개선만으로도 경쟁 지형이 바뀌는 산업에 속해 있기 때문이다.
이들의 마진이 얇은 것은 운영이 무겁기 때문이고, 운영이 무거운 것은 노동을 조정해야 하기 때문이다. AI는 전체 인력의 일하는 방식을 바꾸지 않고도 그 조정 업무를 제거할 수 있는 최초의 기술이다. 다음 AI 승자의 물결은 저마진 기업의 워크플로 뒤에 에이전트를 심고, 절감 효과가 운영 모델 속에서 조용히 드러나게 하는 데서 나올 것이다.
번역문 전문 읽기
원문