AI 시대의 승자는 더 뛰어난 기술을 산 기업이 아니다. 맥킨지(McKinsey)가 2026년 4월 발표한 「AI 전환 매니페스토(The AI Transformation Manifesto)」는 AI 도입에 성공한 20개 선도 기업을 분석한 결과 평균 EBITDA(법인세·이자·감가상각 차감 전 이익) 20% 상승, 투자 1달러당 3달러의 증분 이익, 1~2년 내 손익분기점 도달이라는 수치를 확인했다고 밝혔다. 맥킨지 AI 매니페스토가 규정한 ‘재편 기업(Rewired Company)’이란 어떤 기술이든 효과적으로 활용할 수 있는 역량을 이미 갖춰 AI 시대에 앞서나가는 기업을 뜻한다. 왜 같은 도구를 쥐고도 어떤 기업은 판을 바꾸고 어떤 기업은 뒤처지는가에 대한 맥킨지의 답을 정리했다.
기술이 아닌 역량, 맥킨지 AI 매니페스토의 핵심 메시지
맥킨지 AI 매니페스토의 가장 명확한 주장은 AI 초기 승자가 이미 오래전부터 어떤 기술이든 효과적으로 활용할 수 있는 역량을 쌓아온 기업들이라는 점이다. 이들은 저서 『Rewired: How Leading Companies Win with Technology and AI』 2판에 정리된 ‘재편 기업’으로, 전략 로드맵, 인재, 운영 모델, 기술, 데이터, 채택·확장이라는 6가지 역량을 갖춘 조직이다. 재편 기업이란 기술 구매력보다 기술을 문제 해결로 연결하는 조직 근력이 강한 회사를 뜻하며, 맥킨지는 이 역량 구축에 시간이 들고 바로 그 시간이 경쟁 격차로 누적된다고 강조한다.
기술 자체는 누구나 살 수 있지만, 조직이 그것을 자기 몸처럼 쓰는 수준에 이르려면 몇 년의 투자가 필요하다는 뜻이다. 옆 회사가 같은 생성형 AI 라이선스를 구입해도, 한쪽은 몇 주 만에 업무에 녹여내고 다른 쪽은 몇 분기가 지나도 시범 프로젝트에 머무는 이유가 여기에 있다. 맥킨지는 경영진이 스스로에게 “우리는 일회성 솔루션을 만드는가, 지속적 역량을 만드는가”를 물어야 한다고 요구한다.
투자 1달러당 3달러 EBITDA, 선도 20개 기업의 실제 숫자
맥킨지가 분석한 20개 기업의 AI 기반 전환은 평균 EBITDA 20% 상승, 1~2년 내 손익분기점 도달, 투자 1달러당 3달러의 증분 EBITDA(Incremental EBITDA)를 기록했다. 증분 EBITDA란 AI 도입 전과 비교해 순수하게 추가로 늘어난 영업이익을 의미한다. 3배라는 배수가 작게 느껴질 수 있지만, 연간 수백억 원 단위의 IT 투자에 누적되면 수년 뒤 기업 가치 평가에서 경쟁사와의 간극을 결정적으로 벌리는 숫자가 된다.
이들의 공통점은 긴 사용 사례 목록을 한꺼번에 벌이지 않았다는 점이다. 오히려 1~3개의 비즈니스 영역에만 집중해 그 영역을 AI로 재발명했다. 맥킨지는 이것을 ‘경제 레버리지 포인트(Economic Leverage Points)’라 부르며, 개선 시 사업 전체에 가장 큰 파급을 주는 핵심 지렛대로 정의한다.
광산 기업 프리포트 맥모란(Freeport-McMoRan)은 공정 수율과 처리량을 레버리지 포인트로 삼아 판을 바꾸는 성과를 냈고, 도요타(Toyota)는 공급망 통합을 핵심 지렛대로 지정해 AI 돌파구를 만들었다. 긴 사용 사례 목록에 예산을 고르게 흩뿌리는 기업과 2~3개 영역에 자원을 몰아넣는 기업의 결과는, 초기에는 비슷해 보여도 시간이 갈수록 되돌리기 어려운 격차로 벌어진다는 것이 맥킨지의 관찰이다.
30-70 원칙과 시니어 리더가 직접 운전대를 잡는 조직
맥킨지는 성공 사례 중 시니어 비즈니스 리더가 AI 전환을 직접 주도하지 않은 경우를 단 한 건도 발견하지 못했다고 보고한다. IT 리더는 지원 역할에 머물고, 실제 운전대는 CEO 직속 1~3단계 아래의 비즈니스 리더들이 쥐고 있으며 이들은 도메인 전문성과 AI 지식을 동시에 갖춘 인물들이다.
인력 구성에서는 ’30-70 전환(30-70 Shifts)’이라는 기준이 제시된다. 30-70 전환이란 기술 인재의 70% 이상을 인하우스로 두고, 그중 70% 이상이 실제로 소프트웨어를 만드는 ‘빌더(Doer)’ 엔지니어여야 하며, 또 그중 70% 이상이 중급 이상 숙련도를 갖춰야 한다는 원칙이다.
맥킨지는 수많은 외주 저숙련 인력보다 소수 정예 내부 인력이 더 빠르고 정확한 결과를 낸다는 실증 경험에서 이 숫자가 나왔다고 설명한다. 여기에 AI 에이전트가 조율·실행·반복 의사결정을 대신 처리하면서, 사람 엔지니어는 코딩보다 아키텍처·워크플로우·품질 통제 설계에, 리더는 태스크 관리보다 목표 설정과 트레이드오프 결정에 집중하는 방향으로 역할이 상향 이동(Shift Up)하고 있다.
같은 팀의 A개발자가 여전히 보일러플레이트 코드에 시간을 쓰고 있다면, B개발자는 이미 에이전트가 만든 결과물을 검증하고 구조를 설계하고 있을 가능성이 높다. 이 간격이 맥킨지가 말하는 조직의 ‘대사율(Metabolic Rate)’, 즉 속도 경쟁력이다.
에이전틱 엔지니어링, 맥킨지가 지목한 다음 단계 경쟁력
맥킨지는 파운데이션 모델(Foundation Model)이 장시간 자율 작업이 가능해지면서 복잡한 에이전틱 워크플로우 구축이 현실화됐고, 특히 소프트웨어 개발의 생산성 향상은 놀라운 수준이라고 평가한다.
에이전틱 엔지니어링이란 AI 에이전트가 여러 단계의 작업을 스스로 수행하도록 설계하고, 그 과정에 필요한 데이터·가드레일·품질 통제를 자동화하는 기술 영역을 말한다. 선도 기업들은 비정형 데이터를 AI가 소화할 수 있도록 수용하고, 기존 AI 플랫폼에 에이전트 기능을 덧붙이며, 가드레일과 통제를 자동화하고, 반복 가능한 에이전틱 플레이북(Playbook)으로 노하우를 체계화하고 있다.
다만 맥킨지는 에이전틱 AI에 대한 흥분이 실제 위험 관리 역량을 앞질러 갈 수 있다고 경고한다. AI 시스템이 실패하면 고객·규제기관·직원·파트너·사회 전반과의 신뢰가 동시에 흔들리기 때문에, 맥킨지는 “신뢰 없이는 AI 배포 권한도 없다(No Trust, No Right to Deploy AI)”는 원칙을 제시한다.
구체적으로는 소비자 데이터 보호, 효과적 사이버 보안, 신뢰할 만한 AI 기반 제품·서비스, AI 및 데이터 사용에 대한 투명성 네 가지가 배포의 전제 조건이다. 여기에 기술 플랫폼을 전략 자산으로 관리하고, 데이터를 팀이 쉽게 꺼내 쓸 수 있는 ‘데이터 제품(Data Product)’으로 가공하는 작업이 뒤따르지 않으면 에이전틱 시대의 속도를 따라잡기 어렵다.
에이전트에게 바로 쓸 수 있는 정제된 데이터와 자동화된 리스크 통제를 넘겨주는 회사와, 매번 데이터를 정리해주고 사람이 일일이 검토하는 회사 사이에는 출력 속도의 격차가 누적될 수밖에 없다.
한국 기업이 먼저 점검해볼 지점
맥킨지의 매니페스토는 글로벌 대기업 사례를 바탕으로 쓰였고, 대표 예시로 미국의 프리포트 맥모란과 일본의 도요타가 등장한다. 국내 기업에 그대로 적용될지는 두고 볼 필요가 있다.
예를 들어 ‘기술 인재 70% 이상을 인하우스로’라는 원칙은 SI(시스템 통합) 외주 관행이 뿌리 깊은 국내 산업 구조와 상당한 거리가 있다. 이 원칙을 일괄 적용하기보다 핵심 가치 창출 영역에 한해 내부 역량을 집중 강화하는 단계적 접근이 더 현실적일 가능성이 있다. 투자 1달러당 3달러 EBITDA라는 수치 역시 맥킨지가 선정한 선도 기업 20개의 평균값이므로, 일반 기업이 동일한 수익성을 기대할 수 있을지는 아직 확인되지 않은 부분이다.
다만 ‘경제 레버리지 포인트에 집중하라’, ‘시니어 비즈니스 리더가 운전대를 잡아라’, ‘신뢰 기반 없이 AI를 배포하지 말라’는 세 가지 원칙은 산업과 규모를 가리지 않고 의미가 크다. 리스트에 쌓인 사용 사례를 펼쳐놓고, 우리 회사의 경제 레버리지 포인트는 어디인지, 그 지점을 누가 책임지고 있는지부터 확인해볼 시점이다.
FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.)
Q1. 재편 기업(Rewired Company)이란 무엇인가요?
재편 기업은 단순히 AI 도구를 구입한 회사가 아니라, 전략·인재·운영 모델·기술·데이터·확장 역량까지 조직 전반을 AI 활용에 맞춰 재배선한 기업을 말합니다. 맥킨지는 이러한 기업이 같은 기술을 써도 더 빠르게 사업 성과로 연결한다고 설명합니다.
Q2. 투자 1달러당 3달러 EBITDA라는 수치는 어느 기업에나 적용되나요?
아닙니다. 이 수치는 맥킨지가 AI 도입에 성공했다고 판단한 20개 선도 기업의 평균이며, 일반 기업이 동일 성과를 바로 얻는다는 의미는 아닙니다. 다만 사용 사례를 1~3개 핵심 영역에 집중한 기업일수록 수익성이 크다는 경향성은 참고할 만합니다.
Q3. 에이전틱 엔지니어링은 기존 AI 활용과 어떻게 다른가요?
기존 AI 활용이 단일 작업을 돕는 도우미에 가까웠다면, 에이전틱 엔지니어링은 AI 에이전트가 여러 단계 작업을 스스로 판단하고 수행하도록 설계하는 영역입니다. 소프트웨어 개발, 데이터 처리, 고객 응대 같은 복잡한 워크플로우 전체를 AI가 자율적으로 처리하도록 만든다는 점에서 차이가 있습니다.
기사에 인용된 내용의 원문은 맥킨지 앤 컴퍼니에서 확인할 수 있다.
리포트명: The AI Transformation Manifesto
이미지 출처: 맥킨지
해당 기사는 챗GPT와 클로드를 활용해 작성되었습니다.
