AI 에이전트 성능은 크게 올랐고, 조직 전체 확대는 응답자 10명 중 2명입니다

핵심 요약

먼저 알아 둘 용어

• AI 에이전트는 McKinsey 2025년 보고서의 정의로 "파운데이션 모델을 바탕으로 현실에서 행동하고, 업무 흐름의 여러 단계를 계획하고 실행할 수 있는 시스템"입니다. 질문에 답만 하는 챗봇과 달리 도구를 호출하고 작업을 이어 갑니다.
• 확대(scaling) 단계는 McKinsey 설문의 도입 단계 중 하나입니다. 보고서는 이 단계를 "적어도 한 업무 기능 안에서 그 기술의 배포와 채택을 넓히는 것"이라고 풀었습니다. 그 앞에는 실험(experimenting)과 시범 운영(piloting) 단계가 있습니다. 이 글의 조직 전체 확대는 McKinsey 2026년 보고서가 "조직 전체에서 확대 단계에 이르렀다(across their organization)"고 쓴 응답을 가리킵니다. 한 기능 안의 확대보다 더 엄격한 기준입니다.
• EBIT는 이자와 세금을 빼기 전 이익으로, 영업 활동에서 번 이익을 볼 때 쓰는 지표입니다. McKinsey는 "AI 사용이 EBIT에 조금이라도 기여했다"는 응답을 따로 셉니다.
• 응답자 비율은 기업 비율과 다릅니다. McKinsey 설문은 조직에 속한 개인이 자기 조직에 대해 답한 자료이고, 국가별 응답률 차이를 보정하려고 각 응답자가 속한 국가의 세계 GDP 비중으로 가중치를 적용했습니다. 이 글은 원문대로 "응답자"라고 씁니다.
• OSWorld는 Ubuntu·Windows·macOS 환경에서 데스크톱·웹 앱, 파일 작업, 여러 앱을 오가는 작업 369개를 에이전트에게 시키는 벤치마크입니다. 사람 기준 72.35%는 컴퓨터공학 전공 학생들이 푼 비율입니다.
• 텔레메트리는 소프트웨어가 사용 중에 자동으로 남기는 사용 기록입니다. 설문처럼 사람에게 묻지 않고 기록을 집계합니다.

성능 — 벤치마크에서는 사람 기준에 가까워졌습니다

AI Index 2026은 2025년을 "에이전트가 질문에 답하는 수준을 넘어 작업을 완료하는 단계로 옮겨 간 해"로 정리했습니다. 근거는 실제 환경에서 작업을 시키고 결과 상태를 확인하는 벤치마크들입니다. 아래 값은 모두 AI Index 2026 본문과 그림에 적힌 것이고, 각 벤치마크의 원 집계처를 함께 적었습니다.

이 숫자를 옮길 때 빠지기 쉬운 단서가 두 가지 있습니다.

• "SWE-bench가 60%에서 100% 가까이 올랐다"는 해결률이 아닙니다. AI Index 요약은 SWE-bench Verified 성능이 1년 사이 약 60%에서 100% 가까이 올랐다고 적었습니다. 이 값은 AI Index가 여러 벤치마크를 같은 기준으로 비교하려고 만든 지표이며, 그해 최고 모델의 점수를 사람 기준 대비 비율로 환산한 것입니다. 같은 보고서의 본문에 적힌 실제 해결률은 2026년 2월 기준 약 76.8%이고, 상위 모델들은 70~76%에 모여 있습니다.
• "12%에서 66%로"의 12%는 한 해의 값이 아닙니다. AI Index 본문은 OSWorld에서 가장 강한 모델들이 "과거에 1~12% 성공률에 머물렀다"고 적었고, 요약에서는 이를 "약 12%에서 66.3%로"라고 줄였습니다. 같은 요약은 에이전트가 구조화된 벤치마크에서 여전히 대략 세 번에 한 번은 실패한다고 덧붙였습니다.

벤치마크 점수는 정해진 작업 묶음에서 측정한 값입니다. AI Index도 이 지표들이 "실제 배포에 필요한 능력의 폭을 다 담지 못할 수 있다"고 적었습니다. 그래서 다음 절의 기업 설문과 나란히 놓고 봐야 합니다.

기업 도입 — 설문에서는 아직 일부 기업과 일부 기능에 머물러 있습니다

AI Index 2026의 기업 도입 수치는 대부분 McKinsey 2025년 설문을 옮긴 것입니다. AI Index도 이 값들이 자기 보고 설문에서 나온 수치이므로 전체 현황이 아니라 방향을 보는 용도로 해석해야 한다고 적었습니다. McKinsey가 2026-08-25에 2026년 설문 결과를 발표했으므로, 이 글은 2025년과 2026년 결과를 나란히 놓았습니다.

표에서 세 가지를 읽을 수 있습니다.

• "AI 도입 88%"와 "에이전트 확대 한 자릿수"는 같은 설문의 다른 문항입니다. 88%는 어느 한 기능에서라도 AI를 정기적으로 쓰는지 물은 값이고, 에이전트 확대는 그보다 훨씬 좁은 질문입니다. AI Index는 2025년 설문을 두고 "대부분의 업무 기능에서 과반이 에이전트를 전혀 쓰지 않는다고 답했고, 확대 단계 사용은 거의 모든 기능에서 한 자릿수"라고 정리했습니다. 활동이 가장 많은 IT와 지식 관리에서도 응답자의 3분의 2 이상이 에이전트를 쓰지 않았습니다.
• 확대는 대기업과 기술 업종에 몰려 있습니다. 2026년 설문에서 매출 10억 달러 이상 조직의 응답자 중 에이전트를 확대한다는 비율은 27%에서 40%로 올랐고, 그보다 작은 조직은 22%로 그대로였습니다. 2025년 설문 기준으로 기술 업종은 소프트웨어 엔지니어링(24%), IT(22%), 서비스 운영(21%)에서 에이전트 확대 비율이 다른 업종보다 높았습니다(AI Index 그림 4.3.8).
• 성과는 사용 확대를 따라오지 않았습니다. AI가 EBIT에 기여했다는 응답은 39%에서 37%로 거의 같았고, EBIT의 5% 이상을 AI 덕분으로 보고 AI의 가치가 "상당하다"고 답한 "고성과 조직"은 두 해 모두 응답자의 약 6%였습니다. 반면 응답자의 80%는 AI가 자기 개인의 생산성을 높였다고 답했습니다.

에이전트 확대를 막는 요인도 따로 물었습니다. AI Index와 McKinsey가 함께 한 2025년 책임 있는 AI 설문(중국 응답 제외)에서 에이전트를 완전히 확대하는 데 가장 큰 장애로 보안·위험 우려를 꼽은 응답이 62%였고, 기술적 한계와 규제 불확실성이 각각 38%로 뒤를 이었습니다. 2026년 6월 노트가 "권한, 감사 로그, 실행 통제"를 강조한 것은 이 장애 요인과 방향이 같습니다. 다만 그 통제 장치가 확대를 실제로 앞당기는지는 이 설문들이 측정하지 않았습니다.

"도입률"이라는 같은 말이 세 가지를 셉니다

AI Index 2026의 요약 문장에는 88%, 53%, 28.3%가 모두 "도입"이라는 말로 나옵니다. 원문을 따라가면 각각 세는 대상이 다릅니다.

• 88%는 사람이 아니라 조직에 대한 응답입니다. 직원 한 명이 한 기능에서 AI를 정기적으로 써도 그 조직은 "도입"으로 셉니다.
• 53%는 미국 값입니다. AI Index 요약은 나라를 밝히지 않고 "인구 기준 53%"라고 적었지만, 본문 각주는 표본이 미국 18~64세라고 밝혔습니다.
• 같은 미국에서도 측정 방식에 따라 두 배 가까이 차이가 납니다. 설문 기준으로는 53~61.8%, Microsoft 텔레메트리 기준으로는 28.3~33.0%입니다. 대상 연령대와 시기, 측정 방식이 모두 다르므로 어느 쪽이 맞는지는 이 자료들 안에서 판정할 수 없습니다. Microsoft는 이 지표가 "사용을 반영할 뿐 능력이나 효과를 반영하지 않는다"고 적었습니다.
• 한국은 Microsoft 지표에서 증가 폭이 컸습니다. 2025년 상반기 25.9%에서 하반기 30.7%, 2026년 1분기 37.1%, 2분기 40.6%로 올랐고, Microsoft는 한국이 세 번의 집계 기간 연속으로 주요 경제권 중 증가 폭이 가장 컸다고 적었습니다. 이것은 개인의 생성형 AI 사용 지표이고, 한국 기업의 에이전트 도입률은 이 글의 자료 어디에도 따로 나오지 않습니다.

2026년 6월 노트의 주장을 다시 보면

초기 노트는 "Top 10 트렌드"와 사업 기회, 권장 아키텍처를 한꺼번에 정리했지만, 주장마다 근거를 달지 않았습니다. 이번에 확인할 수 있었던 것과 없었던 것을 나눴습니다.

체크리스트

아직 결론이 아닌 것

• 이 글은 2026-06-16 초기 노트를 2026-10-06에 현재 기준으로 다시 쓴 것입니다. 초기 노트의 Top 10 순위와 권장 아키텍처는 근거를 확인할 수 없어 뺐습니다. 이 글에서 새로 측정한 값은 없고, 모든 수치는 아래 참고자료의 원문에 적힌 값입니다.
• 벤치마크 값은 AI Index 2026이 집계한 시점의 값입니다. AI Index는 분야별 성능 값이 따로 적지 않는 한 2026년 초 기준이라고 밝혔고, 그 뒤 나온 모델의 점수는 반영되지 않았습니다. 이 글은 각 리더보드의 현재 순위를 다시 확인하지 않았습니다.
• 기업 수치는 자기 보고 설문입니다. 한 조직에서 여러 명이 답할 수 있고, 응답자는 국가 GDP 비중으로 가중됐습니다. 2025년(1,993명)과 2026년(1,719명)은 표본이 다릅니다. McKinsey는 두 해 모두 응답한 552명만 따로 봐도 인력 변화에 관한 결과가 같았다고 적었지만, 다른 문항에 대해서는 같은 확인을 밝히지 않았습니다.
• McKinsey 원문의 표기 하나는 확인하지 못했습니다. 2025년 보고서 본문은 AI를 조직 전체로 확대하는 응답을 "약 3분의 1"로 적었고, 2026년 보고서는 1년 전 값을 38%로 적었습니다. 두 표현이 같은 문항인지 기사 본문에서는 확인할 수 없었습니다.
• McKinsey 원문은 인터넷 아카이브 사본으로 읽었습니다. mckinsey.com 직접 접속이 거부되어 2026-09-21에 저장된 사본을 읽었고, 기사 본문에 없는 도표(Exhibit)의 세부 값은 확인하지 못했습니다. 업무 기능별 값은 AI Index의 재인용과 McKinsey 본문 문장만 썼습니다.
• Microsoft의 사용률 지표는 개발사가 자사 텔레메트리로 만든 값입니다. 보정 방법은 Microsoft의 기술 문서에 있고, 이 글은 그 방법을 검증하지 않았습니다. 한국의 순위와 증가 폭은 이 지표 안에서의 비교입니다.
• 한국 기업만 따로 본 에이전트 도입 자료는 이번 글에 없습니다. McKinsey 설문은 국가별 값을 기사 본문에 내지 않았습니다.

참고자료

모두 2026-10-06에 원문을 받아 대조했습니다.

2026-06-16 초기 노트를 2026-10-06에 현재 기준으로 다시 썼습니다. 초기 노트가 참고자료로 나열했던 Gartner·NVIDIA·Hugging Face 등의 자료는 이 글의 주장에 쓰지 않아 목록에서 뺐습니다. AI Index나 McKinsey가 수치를 고치면 이 글을 고치고 날짜를 적겠습니다.