외부 파트너의 AI가 더 잘 적용됐을까요? MIT NANDA 보고서의 ‘67% 대 33%’
MIT Project NANDA의 2025년 보고서에서 자주 인용되는 67% 대 33%는 보편적인 성공 확률이 아닙니다. 보고서의 조사 방법과 한계를 확인하고, 제조기업이 외부 파트너와 과제를 시작할 때 업무 정의·검수 기준·변경 대응·인수 자료를 어떻게 남겨야 하는지 정리했습니다.
최재현 · 2026.10.02
자료 기준일: 2025년 7월. MIT NANDA 「The GenAI Divide: State of AI in Business 2025」 v0.1 표지에 적힌 시점이며(일자 미표기), 조사 기간은 2025년 1~6월입니다. 2026-10-03에 원문 PDF 전체를 다시 확인했습니다.
다음은 인수 과정에서 생길 수 있는 문제를 설명하는 가상 예시입니다. 외부 파트너가 시연을 시작합니다. 생산일보 파일을 올리자 주간 요약표와 그래프가 곧 나옵니다. 참석자들은 “이제 매주 쓸 수 있겠다”고 말합니다. 그런데 다음 주 파일에는 열 이름이 조금 달라졌고, 일부 제품의 수량 단위가 개에서 묶음으로 바뀌었습니다. 그래프는 생성됐지만 합계가 맞지 않습니다. 파트너는 계약 범위에 없는 변경이라고 하고, 현업 담당자는 어떤 규칙으로 계산했는지 알지 못합니다.
시연이 성공했어도 인수는 실패할 수 있습니다. 외부 파트너 활용의 성과는 누가 만들었는지만으로 결정되지 않습니다. 업무 규칙을 누가 설명했고, 결과를 어떤 기준으로 검수했으며, 입력이 바뀌었을 때 내부에서 어디까지 대응할 수 있는지가 더 오래 영향을 줍니다.
MIT NANDA 보고서의 67% 대 33%를 읽는 법
2025년 7월 공개된 The GenAI Divide: State of AI in Business 2025는 MIT Project NANDA와 협력해 작성된 26쪽짜리 v0.1 보고서입니다. 문서 첫머리는 이를 2025년 1월부터 6월까지 수행한 “Preliminary Findings”라고 부릅니다. 연구진은 공개된 AI 추진 사례와 발표 300건 이상을 검토하고, 52개 조직 관계자와 구조화 인터뷰를 했으며, 주요 산업 행사 4곳에서 수집한 리더 153명의 설문을 함께 사용했습니다.
보고서가 제시한 외부 파트너십 약 67%, 내부 단독 개발 약 33%는 전체 시장에서 각각 그만큼 성공했다는 통계가 아닙니다. 52개 인터뷰 표본에서 학습과 맞춤 설정이 가능한 외부 도구를 도입한 방식과 내부에서 전부 만든 방식을 비교했을 때, 배포 단계에 도달했다고 보고한 비율입니다(본문은 약 67%, 같은 쪽 그림은 66%로 표기). 혼합 방식은 자료가 부족해 수치화하지 못했습니다.
보고서 자체도 한계를 명확히 적었습니다. 비율은 인터뷰 응답에 따른 자기보고이며, 조직마다 성공의 정의가 달랐습니다. 관찰 기간도 서로 달랐고, 외부 파트너를 선택한 조직은 위험 감수 성향, 구매 역량, 내부 기술 역량이 원래부터 다를 수 있습니다. 연구진은 외부 파트너십과 성공의 상관관계가 인과관계를 증명하지 않는다고 썼습니다. 방법론 부록도 구축·구매 비율이 포괄적인 시장 데이터가 아니라 인터뷰 응답에 근거했다고 밝힙니다.
또 다른 유명 수치인 “95% 실패”도 같은 주의가 필요합니다. 보고서 6쪽은 맞춤형·업무특화 AI 도구의 5%만 성공적으로 구현됐다고 설명하지만, 이 수치가 회사 공식 보고가 아니라 개별 인터뷰를 바탕으로 한 방향성 수치라고 밝힙니다. 7쪽의 성공 정의도 사용자나 책임자가 지속적인 생산성 또는 손익 영향을 언급한 경우입니다. 방법론 부록은 성공을 측정 가능한 KPI가 있는 시범 이후 배포로 정의해, 두 정의가 같은 문서 안에서도 다르게 쓰입니다. 부록은 표본 대표성, 참여 선택 편향, 조직별 지표 차이, 6개월 관찰 기간, 여러 개선 활동이 동시에 진행된 데 따른 측정 한계를 적었습니다.
따라서 “외부에 맡기면 성공 확률이 2배”라고 쓰면 연구 범위를 벗어납니다. 이 보고서에서 가져올 수 있는 내용은 다른 데 있습니다. 잘된 구매 조직은 파트너에게 내부 프로세스와 데이터에 맞춘 조정을 요구했고, 모델 성능표보다 실제 운영 결과로 평가했으며, 초기 실패를 함께 수정했습니다. 과제 후보도 중앙 조직이 일방적으로 정하기보다 업무를 잘 아는 담당자가 제안했습니다.
보고서가 인터뷰에서 반복해 찾은 구매 조건도 구체적입니다. 신뢰하는 공급자인지, 내부 승인과 데이터 흐름을 이해하는지, 기존 도구와 무리 없이 연결되는지, 데이터 경계가 분명한지, 시간이 지나며 개선되는지, 업무가 바뀔 때 대응할 수 있는지를 봤습니다. 보고서가 성공 사례로 든 스타트업 분야는 통화 요약·라우팅, 계약서·양식 문서 자동화, 반복 엔지니어링 작업의 코드 생성처럼 범위가 좁고 결과를 확인하기 쉬운 업무였습니다. 설정 부담이 크고 내부 논리가 복잡한 과제는 시범 운영에서 멈추는 경우가 많았다고 설명합니다.
이 관찰도 제품군별 객관적 비교 실험은 아닙니다. 인터뷰에서 나온 주제를 연구진이 분류한 결과이며, 익명 처리 때문에 어떤 조직이 어떤 기준을 얼마나 충족했는지 재검증하기 어렵습니다. 외부 파트너 선정 기준을 만드는 참고자료로는 쓸 수 있지만, 특정 계약 방식의 성과를 보장하는 근거로 쓸 수는 없습니다.
계약서보다 먼저 업무 한 건을 끝까지 설명합니다
파트너에게 “생산 보고 자동화”를 요청하기 전에 보고서 한 건이 만들어지는 과정을 보여줘야 합니다. 어떤 파일을 누가 언제 모으는지, 제품 수를 고유 제품코드로 세는지 생산 실행 횟수로 세는지, 불량률의 분모가 투입 수량인지 검사 수량인지, 미확정 원인은 어떻게 표시하는지 적습니다.
제조 AX 리더 과정 1단원은 후보 업무를 입력·처리·검토·실행으로 정리하고, 현재 주간 시간과 AI 적용 뒤의 시간을 검토까지 포함해 계산하게 합니다. 안전 승인이 없는 후보는 점수 계산 전에 보류하고, AI의 추출과 실제 승인 권한도 분리합니다. 외부 파트너에게 넘길 요구사항도 같은 방식으로 쓰면 제품 이름이 아니라 업무 완료 조건을 설명할 수 있습니다.
예를 들어 첫 과제를 “매주 월요일 오전 생산일보 5개를 모아 주간 요약 초안을 만든다”로 한정할 수 있습니다. 입력 열, 단위, 허용되는 빈칸, 오류 표기 방식, 원본 대조 담당자, 승인 전 외부 발송 금지를 함께 적습니다. 목표 시간만 쓰지 말고 합계 오차 0건, 누락 항목 표시율, 검토 후 반려 사유처럼 품질 조건도 둡니다.
본문의 제조 AX 적용 예시. 개발 결과를 인수하려면 입력·규칙·검수·권한·변경·장애·종료 자료를 함께 정해야 합니다. 도식 크게 보기
인수 자료는 사용 설명서보다 넓어야 합니다
운영을 이어받을 사람에게 필요한 자료는 화면 사용법만이 아닙니다. 다음 변경이 생겼을 때 판단할 근거가 있어야 합니다.
- 입력 사양: 파일 형식, 열 이름, 단위, 필수값과 허용 빈칸
- 업무 규칙: 계산식, 분류 기준, 예외 처리 순서
- 검수 자료: 정상 사례와 실패 사례, 기대 결과, 재시험 방법
- 권한 기록: 읽을 수 있는 자료, 수정 가능한 항목, 승인자
- 변경 기록: 어떤 요청을 왜 반영했고 결과가 어떻게 달라졌는지
- 장애 대응: 멈출 조건, 기존 방식으로 처리하는 방법, 연락 역할
- 종료 시 인수: 설정 내보내기, 데이터 삭제, 계정과 연결 해제 절차
리더 과정 6단원은 목적, 제한 운영 과제, 확대 조건, 허용 입력, 금지 입력과 하지 않을 일, 책임자, 사람의 검증·승인, 판정 기준을 착수서에 적게 합니다. 중간 결과는 시간·품질·배포 조건으로 따로 판정하고, 평균 시간이 줄었어도 규격 연결 오류가 있으면 확대를 멈춘 뒤 수정하고 재시험합니다.
외부 파트너는 부족한 개발 역량과 경험을 보완할 수 있습니다. 그러나 업무 정의와 승인 기준까지 외부에 넘겨서는 운영을 이어받기 어렵습니다. 파트너가 떠난 뒤에도 내부 담당자가 계산 근거를 설명하고, 잘못된 결과를 발견하고, 중단과 재시험을 결정할 수 있어야 과제가 인수된 것입니다.