2026년 국내 기업의 AI 및 AX Trend Watch

1. 개요

2026년 국내 기업의 인공지능(AI) 도입은 생성형 AI의 가능성을 탐색하는 단계를 넘어 실제 업무 프로세스에 AI를 적용하고 기존 업무체계를 재설계하는 방향으로 점차 이동하고 있다. 2023~2024년 생성형 AI 확산 초기에는 챗봇, 문서 작성, 검색·요약, 번역, 코딩지원 등 비교적 독립적인 업무를 대상으로 개념검증(PoC)과 시범사업이 활발하게 추진되었다. 2025년에는 이러한 생성형 AI의 활용이 업무지원 영역을 중심으로 확대되었으며, 2026년 들어서는 AI 에이전트가 사내 데이터와 업무시스템을 연계하여 일정한 업무를 직접 수행하도록 하는 프로젝트가 증가하는 양상을 보이고 있다.

다만 국내 기업 전체를 기준으로 보면 AI 전환이 이미 보편적인 단계에 진입했다고 평가하기는 어렵다. 날리지리서치그룹(KRG)이 제조, 정보통신·미디어, 도소매·유통, 금융 등 217개 기업을 대상으로 실시한 조사에서 전체 기업의 68.2%가 여전히 ‘AI 관심 단계’에 머물렀으며, ‘도입·실행 단계’는 16.6%, ‘확산 단계’는 8.3%로 조사됐다. 정착·최적화 단계는 0.5%, 혁신 단계는 1.8%에 그쳐 AI를 전사적 운영체계에 본격적으로 내재화한 기업은 아직 소수에 불과한 것으로 나타났다.

이는 2026년 국내 AX 시장이 전체적으로는 아직 초기 확산기에 있으면서도, 일부 선도기업에서는 PoC를 넘어 실제 업무와 기간계 시스템을 연결하는 본격적인 AX 프로젝트가 진행되고 있다는 이중적인 구조를 형성하고 있음을 의미한다. 특히 금융과 정보통신·미디어 업종의 도입 수준이 상대적으로 높다. KRG 조사에서 정보통신·미디어는 도입·실행 29.2%, 확산 14.6%, 혁신 4.2%로 조사됐으며, 금융은 도입·실행 33.3%, 확산 15.2%를 기록했다. 반면 제조는 관심 단계가 87.5%, 도소매·유통은 80.0%로 나타나 업종별 AI 성숙도 격차가 상당히 큰 것으로 분석된다.

기업의 AI 활용목적도 변화하고 있다. 초기에는 문서 작성, 검색, 상담, 번역 등 개별 임직원의 생산성을 높이는 것이 핵심이었다면 최근에는 영업, 금융심사, 고객관리, 제조, 물류, 소프트웨어 개발, 보안 등 기업의 핵심 업무 프로세스를 AI를 활용하여 재설계하는 방향으로 범위가 확대되고 있다. 이에 따라 AI의 역할도 직원에게 정보를 제공하는 ‘Copilot’에서 일정 범위의 업무를 직접 수행하는 ‘Digital Worker’ 또는 ‘AI Agent’로 발전하는 양상이 나타나고 있다.

다만 이러한 변화가 아직 전체 기업에 동일한 속도로 확산되고 있는 것은 아니다. KRG 조사에서도 실제 AI 활용분야는 생성형 AI가 47.5%, 업무자동화가 37.7%로 가장 높았으며, SW 개발 23.0%, 마케팅 13.1%, 보안 9.1% 순으로 조사됐다. 현재까지는 생성형 AI와 범용 업무자동화가 기업 AI 도입의 주요 출발점이며, AI 에이전트를 활용한 산업 특화 업무자동화는 향후 확대될 단계에 있는 것으로 볼 수 있다.

따라서 2026년은 국내 모든 기업이 이미 AX 단계에 진입한 시기라기보다는, 생성형 AI 중심의 초기 도입에서 실제 업무혁신과 AI 에이전트 중심의 AX로 이동하기 시작한 전환점으로 평가하는 것이 보다 적절하다.

2. AI 투자

기업의 AI 투자규모도 증가하고 있다. KRG 조사 결과 기업 1개사당 평균 AI 예산은 2025년 11억2,500만원에서 2026년 14억6,800만원으로 증가했으며, 2027년에는 18억1,800만원까지 확대될 것으로 예상됐다. 2025~2027년 연평균 증가율은 27.1%이며, 2027년 예상 예산은 2025년보다 약 61.6% 높은 수준이다.

2025년 대비 2026년 평균 AI 예산 증가율을 계산하면 약 30.5%에 달한다. 이는 기업의 AI 관련 투자가 일시적인 실험비용 수준을 넘어 독립적인 IT 투자영역으로 자리잡아가고 있음을 보여준다.

업종별 차이도 크다. 금융업은 기업당 평균 AI 예산이 2025년 41억9,200만원에서 2026년 56억100만원, 2027년 68억2,700만원으로 증가하는 것으로 조사됐다. 도소매·유통은 같은 기간 19억1,500만원에서 22억9,400만원, 29억400만원으로 증가할 것으로 예상됐다. 정보통신·미디어는 2025년 3억1,900만원에서 2026년 4억1,600만원, 제조는 2억500만원에서 3억900만원으로 확대되는 것으로 나타났다.

특히 제조업은 절대 투자규모는 금융이나 유통보다 작지만 2025~2027년 연평균 증가율이 38.5%로 조사대상 업종 가운데 가장 높게 나타났다. 이는 현재 AI 도입 수준은 낮지만 제조현장의 자동화, 품질관리, 예지정비, AI Factory 및 Physical AI 수요가 본격화될 경우 제조업이 향후 국내 AX 시장의 중요한 성장영역이 될 가능성을 보여준다.

AI 투자구조도 변화하고 있다. 기존에는 AI 모델이나 생성형 AI 솔루션 자체가 주요 투자대상이었다면 2026년에는 AI 에이전트, 데이터, 클라우드, GPU, 보안, 기존 시스템과의 연계 및 운영·관리까지 포함하는 종합적인 AX 투자로 확대되는 추세이다.

AI가 ERP, CRM, SCM, MES 등 핵심 업무시스템과 연결될수록 데이터 품질, 접근권한, 시스템 안정성 및 보안의 중요성이 높아진다. 이에 따라 기업의 실질적인 AI 투자범위는 LLM이나 생성형 AI 소프트웨어 구매비뿐 아니라 AI 모델 및 API, AI 에이전트 플랫폼, 데이터 구축 및 RAG, GPU와 클라우드 인프라, AI 보안, 시스템통합, 운영서비스까지 포함해 파악할 필요가 있다.

2026년 이후 기업 AI 시장은 개별 AI 솔루션 시장보다는 애플리케이션, 모델, 데이터, 컴퓨팅 인프라, 보안 및 IT서비스가 결합된 ‘AI Stack’ 시장으로 변화할 가능성이 높다.

3. AI 프로젝트 성격

2025년과 2026년 기업 AI 프로젝트의 가장 큰 차이는 AI가 수행하는 역할에서 나타난다. 초기 생성형 AI 프로젝트는 사람이 질문을 입력하면 AI가 정보를 검색하고 답변이나 문서를 생성하는 형태가 대부분이었다. 기업들은 사내 지식검색, 회의내용 요약, 보고서 작성, 고객상담, 번역 및 개발지원 등을 중심으로 생성형 AI를 도입하였다.

KRG 조사에서도 이러한 특성이 확인된다. 생성형 AI를 이미 도입·활용하고 있다는 응답은 전체의 47.5%로 가장 높았으며, 업무자동화는 37.7%로 뒤를 이었다. 생성형 AI가 기업 AI 도입의 첫 단계 역할을 하고 있으며 이후 업무자동화와 산업 특화 AI로 적용범위가 확대되는 구조라고 할 수 있다.

2026년에는 한 단계 더 나아가 AI가 사용자의 목적을 이해한 후 여러 데이터와 시스템을 활용하여 업무를 연속적으로 수행하는 AI 에이전트 방식이 부상하고 있다. 예를 들어 금융업무에서는 고객정보를 조회하고 금융상품과 관련 규정을 검색하며 신용정보를 분석한 후 보고서를 작성하고 담당자에게 승인을 요청하는 일련의 업무를 여러 AI 에이전트가 분담하여 수행할 수 있다.

이에 따라 기업 AI 프로젝트의 구조도 기존의 ‘사람-프롬프트-AI-답변’ 방식에서 ‘사람-목표 설정-AI 에이전트-업무시스템/API-업무 실행-사람의 검증’ 구조로 발전하고 있다. AI가 단순히 정보를 생성하는 도구에서 일정한 업무 실행기능을 가진 시스템으로 발전하는 것이다.

다만 KRG 조사에서 현재 AI 에이전트 자체의 별도 도입률은 측정하지 않았으므로 국내 기업 전체가 이미 Agentic AI 단계로 이동했다고 해석하는 것은 적절하지 않다. 오히려 생성형 AI와 업무자동화 활용이 일정 수준 확대되면서 AI 에이전트가 차세대 프로젝트 형태로 부상하고 있다고 해석하는 것이 타당하다.

이러한 변화는 기업 IT 아키텍처에도 영향을 미친다. AI 에이전트가 ERP, CRM, SCM, 그룹웨어, 데이터베이스 등 기존 시스템과 연결되면 시스템 간 인터페이스와 데이터 표준화가 중요해지며, AI 에이전트가 어떤 정보에 접근하고 어떤 업무를 실행할 수 있는지를 통제하는 Agent Governance 역시 새로운 IT 투자영역으로 부상할 것으로 예상된다.

4.업종별 AX 현황

• 금융업

금융업은 국내 산업 가운데 AI 도입이 상대적으로 적극적인 업종으로 나타난다. KRG 조사에서 금융기업의 33.3%가 이미 AI 도입·실행 단계에 있으며, 15.2%는 확산 단계로 조사됐다. 이는 제조와 유통에 비해 높은 수준이다.

실제 활용분야에서도 금융업의 특징은 분명하다. 업무자동화 도입·활용 비율은 56.5%로 조사대상 업종 가운데 가장 높았으며, 생성형 AI도 39.1%가 도입·활용 중인 것으로 조사됐다. 보안 분야의 AI 활용률 역시 18.2%로 조사대상 업종 중 가장 높게 나타났다.

금융권에서는 기존 상담 챗봇, AICC, OCR, 이상거래탐지(FDS), 자금세탁방지(AML), 문서검색 등을 넘어 기업여신, 자산관리, 보험심사, 내부통제 등 핵심 금융업무로 AI 적용범위가 확대되고 있다. 우리은행이 기업여신, 자산관리, 내부통제, 고객상담, 업무자동화 등 주요 업무영역에 다수의 AI 에이전트를 적용하는 프로젝트를 추진하는 사례는 이러한 변화를 보여주는 대표적인 사례라고 할 수 있다.

향후 금융 AI는 생성형 AI와 RAG를 기반으로 AI 에이전트, 멀티에이전트, 이상거래탐지, 내부통제, 보안 및 리스크관리 기술이 결합되는 방향으로 발전할 가능성이 높다. 즉 금융권 AI는 ‘상담·검색→직원 업무지원→심사·분석→AI 에이전트 기반 업무처리’의 단계로 발전할 것으로 예상된다.

금융업의 높은 AI 예산도 이러한 변화를 뒷받침한다. KRG 조사에서 2026년 금융기업의 평균 AI 예산은 56억100만원으로 조사대상 업종 가운데 가장 높았다. 이는 금융업이 AI를 고객서비스 개선뿐 아니라 업무자동화, 내부통제, 리스크관리 및 시스템 혁신을 위한 전략적 투자영역으로 인식하고 있음을 보여준다.

• 제조업

제조업은 금융이나 정보통신과 비교하면 현재 AI 도입 수준은 상대적으로 낮다. KRG 조사에서는 제조기업의 87.5%가 아직 AI 관심 단계에 있으며, 도입·실행 단계는 6.3%, 확산 단계는 3.1%에 불과했다.

그러나 실제 활용업무를 보면 변화의 기반은 이미 형성되고 있다. 생성형 AI 도입률은 46.2%, 업무자동화는 23.1%로 조사됐으며, 향후 업무자동화 도입 예정 비율은 33.3%, SW 개발 AI 도입 예정 비율은 41.0%로 나타났다.

기존 제조 AI는 머신러닝과 컴퓨터비전을 기반으로 예지정비, 제품검사, 불량탐지, 수요예측 및 공정최적화 등에 주로 적용되었다. 최근에는 생성형 AI와 AI 에이전트가 MES, 설비관리시스템, 생산 데이터와 연결되고 있으며, 로봇 및 디지털트윈까지 결합되는 방향으로 기술이 발전하고 있다.

이에 따라 제조업 AX는 ‘Smart Factory→AI Factory→Autonomous Factory’ 방향으로 진화할 가능성이 있다. AI를 생산계획, 설비상태 분석, 품질관리, 작업지시 및 물류업무에 적용하고, 장기적으로는 Physical AI와 로봇을 이용하여 생산과 물류의 일부를 자율적으로 수행하는 구조로 발전할 수 있다.

특히 제조기업의 평균 AI 예산은 2025년 2억500만원에서 2027년 3억9,400만원 수준으로 증가할 것으로 조사되어 절대규모는 작지만 조사대상 업종 가운데 가장 높은 연평균 증가율을 나타냈다. 이는 제조업이 현재의 낮은 도입 수준과 동시에 높은 성장 잠재력을 가진 시장임을 의미한다.

• 유통·물류

도소매·유통업 역시 아직 전반적인 AI 성숙도는 낮은 편이다. KRG 조사에서 관심 단계가 80.0%를 차지했으며, 도입·실행 단계 12.5%, 확산 단계 7.5%로 조사됐다.

반면 실제 AI 활용기업을 대상으로 보면 생성형 AI와 업무자동화 도입률이 각각 45.0%로 나타났다. 상품설명 자동작성, 고객상담, 상품추천, 고객분석, 운영효율화 등이 주요 활용영역으로 볼 수 있다. 향후에는 개인화 마케팅, 고객분석, 보안 및 물류자동화로 적용범위가 확대될 것으로 예상된다.

유통산업에서는 생성형 AI와 AI 에이전트가 결합되면서 소비자가 자연어로 원하는 상품 조건을 제시하면 AI가 상품을 검색하고 비교하며 구매의사결정을 지원하는 Commerce Agent가 새로운 서비스 모델로 등장하고 있다. 기업 내부에서는 상품관리, 가격관리, 프로모션, 고객관리, 재고 및 물류업무에 특화된 AI 에이전트가 확산될 가능성이 있다.

또한 물류분야에서는 수요예측과 배송경로 최적화뿐 아니라 물류로봇, 컴퓨터비전 및 AI 에이전트를 결합한 자동화가 확대되고 있다. 이에 따라 유통·물류 AX는 ‘추천·예측 AI→생성형 AI 고객서비스→AI 에이전트 기반 Commerce·Logistics’의 방향으로 발전할 것으로 전망된다.

• 정보통신·SW산업

정보통신·미디어는 KRG 조사대상 업종 가운데 AI 도입 성숙도가 가장 높은 것으로 나타났다. 도입·실행 단계가 29.2%, 확산 단계 14.6%, 혁신 단계 4.2%로 조사되면서 다른 산업보다 AI 활용의 조직 내 확산이 빠른 것으로 나타났다.

실제 활용에서도 생성형 AI 도입률이 55.0%로 업종 가운데 가장 높았으며, SW 개발 분야 AI 활용률도 47.5%에 달했다. 코드 생성, 테스트 자동화, 오류 분석, 개발문서 작성 등 소프트웨어 개발 전 과정에서 AI 활용이 확산되고 있음을 보여준다.

정보통신업의 또 다른 특징은 높은 자체 개발역량이다. KRG 조사에서 자체 개발 비율은 60.0%, AI 플랫폼 활용은 57.5%로 조사되어 클라우드 AI 서비스나 외부 솔루션을 단순 구매하는 방식보다 기업 내부 역량을 활용하여 독자적인 AI 서비스를 개발하는 비중이 상대적으로 높았다.

최근에는 Coding Copilot에서 Coding Agent로의 발전도 나타나고 있다. 기존에는 개발자가 코드를 작성할 때 AI가 일부 코드를 제안하거나 오류를 수정하는 방식이었다면, 향후에는 AI 에이전트가 요구사항 분석, 코드 작성, 테스트, 디버깅까지 연속적으로 수행하는 형태로 발전할 가능성이 높다.

이에 따라 IT·SW산업에서는 개발자의 역할도 직접 코드를 작성하는 업무에서 AI 에이전트의 업무를 설계하고 결과를 검증하는 형태로 일부 변화할 것으로 예상된다. 동시에 기존 SaaS 기능의 일부가 AI 에이전트로 대체되거나 재구성될 가능성이 있어 SW기업의 제품구조와 사업모델에도 변화가 나타날 것으로 전망된다.

• 의료·제약

의료·제약 분야에서는 기존 영상진단과 의료영상 분석 중심의 AI에서 의료 LLM, 의료정보 검색, 임상업무 지원, 신약개발 및 품질관리 등으로 적용영역이 확대되고 있다.

제약산업에서도 생성형 AI와 머신러닝을 활용하여 신약 후보물질을 발굴하거나 임상데이터를 분석하고, 규제문서 작성과 품질관리 업무를 자동화하려는 시도가 확대되고 있다. 국내에서도 제약기업의 품질평가 자동화 및 AI 신약개발 플랫폼 구축 등이 추진되면서 AI가 단순 업무지원에서 연구개발과 핵심 업무 프로세스로 확대되는 추세이다.

의료·제약 분야는 다른 산업보다 데이터의 민감성과 규제 수준이 높기 때문에 범용 퍼블릭 AI보다는 산업 특화 모델, Private AI, 폐쇄형 데이터 환경 및 AI 거버넌스의 중요성이 상대적으로 크다.

향후 의료·제약 AX 시장은 의료·제약 특화 LLM과 AI 에이전트, 의료·임상 데이터 플랫폼, 보안 및 규제 대응기술이 결합되는 형태로 발전할 것으로 예상된다.

5. 이슈 및 과제

기업의 AI 개발 및 도입 방식에서도 변화가 나타나고 있다. KRG가 AI 도입·개발 기업 122개사를 대상으로 조사한 결과 클라우드 AI 서비스 이용이 46.7%로 가장 높았으며, 자체 개발 40.2%, AI 플랫폼 활용 37.7%, 외부 AI 솔루션 도입 31.1%로 나타났다.

특정 방식 하나가 압도적인 비중을 차지하지 않는다는 점은 국내 기업이 하나의 기술 또는 공급자에게 의존하기보다 클라우드, 자체 개발, AI 플랫폼 및 외부 솔루션을 조합하는 Hybrid AI 전략을 채택하고 있음을 보여준다.

업종별 차이도 나타난다. 정보통신·미디어는 자체 개발 비율이 60.0%, AI 플랫폼 활용이 57.5%로 내부 기술역량 중심의 개발방식이 두드러졌다. 반면 도소매·유통은 클라우드 AI 서비스 활용이 50.0%, 자체 개발은 20.0%로 외부 서비스를 활용하는 비중이 높았다. 금융은 클라우드 AI 서비스 56.5%, 자체 개발과 AI 솔루션 도입이 각각 43.5%로 조사돼 규제와 보안을 고려하면서 다양한 기술을 병행하는 특징을 보였다.

향후 기업 AI 아키텍처는 Public AI, Private AI, 자체 모델, 산업 특화 모델 및 외부 AI 플랫폼을 업무 특성에 따라 조합하는 구조로 발전할 가능성이 높다.

• 과제

AI 투자와 활용이 확대되고 있지만 기업이 체감하는 도입 장벽도 여전히 높은 수준이다. KRG 조사에서는 AI 도입·확대 과정의 가장 큰 장애요인으로 비용 부담 58.2%, 내부 전문인력 부족 57.4%, 내부 데이터 구축 문제 43.4%가 지적됐다. AI 결과의 신뢰성 문제 34.4%, 필요한 데이터 부족·품질 문제 32.8%, 실질적인 효과에 대한 의문 31.1%, 기대성능 미달 30.3%도 주요 과제로 나타났다.

업종별로는 제조업에서 전문인력 부족이 61.5%로 가장 큰 문제로 나타났으며, 데이터 구축 문제 역시 51.3%로 높았다. 정보통신·미디어는 비용 부담 62.5%와 결과 신뢰성 50.0%가 주요 문제였다. 도소매·유통은 전문인력 부족이 75.0%에 달했고, 금융은 비용 56.5%, 전문인력 부족 52.2%, 데이터 구축 47.8%와 함께 규제 관련 문제가 상대적으로 높게 나타났다.

이는 국내 기업의 AX가 단순히 AI 모델 성능만으로 결정되지 않음을 보여준다. 기업이 보유한 데이터의 품질과 구조, 이를 활용할 수 있는 전문인력, 시스템 통합역량 및 실제 투자수익을 검증할 수 있는 체계가 함께 구축되어야 AI가 PoC에서 본사업으로 확대될 수 있다.

따라서 2026년 이후 국내 AX 시장에서는 단순한 AI 솔루션 공급보다 데이터 구축, AI 전문인력, 시스템통합, AI 운영관리 및 성과측정 컨설팅의 중요성이 더욱 높아질 것으로 예상된다.

• 조직측면

조직 측면에서도 국내 기업의 AI 전환은 아직 초기 단계에 있는 것으로 나타난다. KRG 조사에서 별도의 AI 조직 없이 담당 직원만 두고 있다는 기업이 42.4%로 가장 많았으며, 별도 조직과 인력이 없는 기업도 27.2%에 달했다. 공식 AI 조직을 운영하는 기업은 21.2%, TF를 운영하는 기업은 7.8%였다.

즉 전체 조사기업의 약 70%는 전담조직 없이 담당자 중심으로 AI 업무를 추진하거나 별도 인력이 없는 상태이다. 이는 앞서 확인된 AI 도입 성숙도와도 일관된 결과로, AI 관심과 개별 활용은 빠르게 증가하고 있지만 이를 전사적인 조직과 운영체계로 전환한 기업은 아직 제한적임을 보여준다.

업종별로는 금융업의 공식 AI 조직 운영비율이 30.3%로 가장 높았으며, 정보통신·미디어는 27.1%, 도소매·유통 20.0%, 제조 15.6% 순으로 나타났다. 금융은 TF 운영비율도 12.1%로 높아 AI를 조직 차원의 전략과제로 추진하는 경향이 상대적으로 강했다.

향후 AI 활용이 전사적으로 확대되면 현재의 담당자 중심 운영에서 AI TF, AI CoE(Center of Excellence), AX 전담조직으로 조직형태가 변화할 가능성이 있다. 특히 AI 에이전트가 실제 업무를 수행하기 시작할 경우 기술부서만의 프로젝트가 아니라 업무부서, IT, 데이터, 보안 및 법무·컴플라이언스 조직이 동시에 참여하는 형태의 AI 운영체계가 요구될 전망이다.

• 기대효과

기업들이 AI를 통해 기대하는 효과에서도 변화가 나타나고 있다. KRG 조사에서 생산성 및 업무효율 향상을 기대한다는 응답이 87.7%로 압도적으로 높았으며, 비용절감 43.4%, 고객 맞춤형 서비스 36.9%, 신규 비즈니스 창출 34.4%, 의사결정 지원 27.9% 등이 뒤를 이었다.

이는 기업이 AI를 단순한 비용절감 수단으로만 인식하지 않고 생산성 향상과 고객경험 개선, 의사결정 및 신규 비즈니스 창출을 위한 전략도구로 인식하기 시작했다는 것을 의미한다.

업종별로도 차이가 나타났다. 제조기업은 생산성·효율성 향상 92.3%, 비용절감 46.2%, 의사결정 지원 41.0%로 생산공정과 운영개선에 대한 기대가 높았다. 정보통신·미디어는 비용절감과 고객 맞춤형 서비스가 각각 57.5%, 신규 비즈니스 창출도 47.5%로 나타나 AI를 새로운 제품과 서비스 창출수단으로 활용하려는 성향이 상대적으로 강했다. 금융은 고객 맞춤형 서비스에 대한 기대가 47.8%로 높게 나타났다.

따라서 국내 기업의 AI 투자는 단기적으로 생산성 향상이 가장 중요한 목적이지만, AI가 기업 내부에 확산될수록 고객경험 개선과 의사결정, 신규 사업 창출 등 성장 중심의 AX로 발전할 가능성이 높다.

• 국내 기업 AX

글로벌 시장과 비교하면 국내 기업은 생성형 AI에 대한 관심과 개인·업무 단위의 활용 확산은 비교적 빠른 편이지만, AI를 전사적인 업무체계와 비즈니스 모델 변화로 연결하는 측면에서는 아직 개선할 여지가 크다.

KRG 조사에서도 이러한 특징이 명확하게 나타난다. 국내 기업의 68.2%가 아직 AI 관심 단계에 있고, 실제 도입·실행과 확산 단계 기업은 24.9% 수준이다. 정착·최적화 및 혁신 단계 기업은 2.3%에 불과하다.

반면 AI를 이미 활용하는 기업에서는 생성형 AI, 업무자동화, SW 개발 등 특정 분야의 도입이 빠르게 나타나고 있다. 이는 국내 기업이 AI를 사용하는 속도와 이를 전사적인 기업혁신으로 확장하는 속도 사이에 차이가 존재한다는 것을 의미한다.

따라서 국내 AX의 특징은 ‘AI Adoption은 빠르지만 AI Transformation은 아직 초기 단계’라고 요약할 수 있다. 특히 향후에는 단순한 AI 이용률보다 AI가 기업의 핵심 프로세스에 얼마나 깊게 적용되고 있는지, AI가 기업 조직과 의사결정 및 수익모델에 어떤 변화를 만들어내고 있는지를 중심으로 AX 수준을 평가할 필요가 있다.

• 거버넌스

기업 내 생성형 AI 이용이 확대되면서 공식적인 AI 도입과 별개로 임직원이 개인적으로 외부 AI 서비스를 사용하는 Shadow AI 역시 중요한 관리과제로 부상하고 있다.

생성형 AI에 기업 내부문서, 고객정보, 기술자료 등이 입력될 경우 정보유출 위험이 발생할 수 있으며, AI 에이전트가 기업의 업무시스템과 연결되면 단순한 정보조회 수준을 넘어 실제 업무 실행권한을 갖게 될 수 있다.

따라서 AI 에이전트 시대의 보안은 기존의 데이터 유출방지뿐 아니라 AI의 접근권한, 실행권한, 모델 이용기록, 결과 검증 및 책임소재까지 포함하는 방향으로 확대될 필요가 있다.

KRG 조사에서도 현재 보안 분야 AI 도입·활용률은 9.1%로 낮지만 향후 도입 예정 비율은 40.5%로 조사돼 모든 AI 활용분야 가운데 높은 잠재수요를 보였다. 이는 AI 보안과 거버넌스가 향후 국내 AX 시장에서 중요한 투자영역으로 부상할 가능성을 보여준다.

기업의 AI 전략 역시 AI 도입 자체에서 Enterprise AI Platform, 데이터 거버넌스, 접근권한 관리, AI 보안, 모델관리 및 Agent Governance를 포함하는 통합적인 운영체계 구축으로 확대되어야 할 것으로 판단된다.

6. 전망

2026년 국내 기업의 AI 도입은 양적 확대와 질적 전환이 동시에 진행되는 시기로 평가된다. 다만 전체 기업의 성숙도를 보면 아직 AI 관심 단계의 기업이 68.2%로 가장 큰 비중을 차지하고 있다는 점에서 2026년을 이미 ‘전면적인 AX 확산기’로 정의하기보다는 ‘AI 활용에서 AX로 이동하기 시작한 전환기’로 보는 것이 보다 적절하다.

선도기업에서는 생성형 AI 활용을 넘어 AI 에이전트가 실제 업무시스템과 연계되고 있으며 금융, 정보통신, 일부 제조 및 유통기업을 중심으로 핵심 프로세스에 AI를 적용하는 프로젝트가 증가하고 있다. 반면 상당수 기업에서는 아직 활용 가능한 업무를 탐색하거나 데이터와 인력, 예산을 준비하는 단계에 머물러 있다.

그럼에도 기업 AI 투자는 빠르게 증가하고 있다. KRG 조사에서 기업당 평균 AI 예산은 2025년 11억2,500만원에서 2026년 14억6,800만원으로 약 30.5% 증가하고, 2027년에는 18억1,800만원으로 확대될 것으로 예상됐다. 이는 AI가 단기적인 실험예산에서 점차 기업의 정규 IT·디지털 투자항목으로 이동하고 있음을 시사한다.

향후 기업의 AX 경쟁력은 AI를 도입했는지 여부보다 AI를 실제 핵심 업무에 얼마나 깊게 적용했는지에 의해 결정될 가능성이 높다. 전체 업무 가운데 AI 에이전트가 수행하는 비율, 핵심 업무 프로세스의 AI 적용범위, AI 투자 대비 생산성 및 매출 개선 효과, AI 전문인력과 조직 수준, AI와 데이터·보안·기존 시스템의 통합 정도 등이 기업 AX 수준을 평가하는 핵심 지표로 부상할 것으로 예상된다.

특히 현재 국내 기업의 가장 큰 장애요인이 비용, 전문인력 및 데이터로 나타나고 있다는 점에서 향후 AX 시장의 경쟁력은 AI 모델의 성능만으로 결정되지 않을 가능성이 높다. 기업이 보유하고 있는 데이터를 얼마나 체계적으로 활용할 수 있는지, AI 프로젝트를 실제 업무 프로세스와 연결할 수 있는 인력이 있는지, 프로젝트의 경제적 효과를 검증하고 이를 전사적으로 확산할 수 있는 조직과 거버넌스를 갖추고 있는지가 더욱 중요해질 것으로 전망된다.

업종별로는 금융과 정보통신·미디어가 상대적으로 빠르게 AI 도입과 확산 단계로 이동하고 있으며, 제조는 현재 성숙도는 낮지만 AI 예산의 증가속도가 빠르고 Physical AI, AI Factory 등의 확산에 따라 향후 시장 잠재력이 큰 것으로 평가된다. 유통·물류는 생성형 AI와 업무자동화를 기반으로 개인화와 Commerce Agent, 지능형 물류로 적용범위를 확대할 가능성이 높다.