지난 1년간 생산성에 관한 모든 대화는 결국 AI로 이어졌습니다. 연구자로서 구매자들에게 가장 자주 듣는 질문은 "실제로 어떻게 효과적으로 활용할 수 있을까요?"입니다.
이 모든 기대가 현실과 얼마나 일치하는지 확인하고자, 저희 팀은 전 세계 지식 근로자 3,000명 이상을 대상으로 설문조사를 실시하고, 일상 업무에서 AI를 적극적으로 테스트 중인 의사결정자 및 팀과 85건 이상의 인터뷰를 진행했습니다. 결과는 놀라웠습니다. 응답자의 93%가 AI가 현대 생산성 소프트웨어에 필수적이라고 답했으며, 80%는 AI 기능을 제공하는 플랫폼으로 전환할 가능성이 있다고 밝혔습니다.¹
그러나 문제는 지식 근로자의 20%만이 AI가 자사 도구에 깊게 통합되었다고 응답했다는 점입니다.²
사람들이 원하는 것과 실제로 가진 것 사이의 격차는 직장에서 AI 활용의 현실을 보여주는 중요한 시사점을 제공합니다. 문제는 실제 적용입니다.
팀이 실제로 AI에 바라는 것
AI를 도입하려는 배경에는 업무가 더 가볍고 빨라지면서, 보다 집중할 수 있는 환경을 만들어 주기를 바라는 분명한 기대가 있습니다. AI가 단순히 신기한 도구로 여겨지던 시대는 지났습니다. 이제 팀들은 일회성 작업에만 도움을 주는 AI가 아니라, 반복적이고 인지적으로 부담이 큰 업무를 자동화해 많은 시간을 절약할 수 있는 AI를 원합니다.
리서치 결과에 따르면, AI가 가장 큰 영향을 미칠 기회로 부상한 세 가지 사용 사례는 자동으로 작성되는 프로젝트 업데이트(응답자의 53%), 자동으로 최신 상태를 유지하는 지식 허브(45%), 팀 목표에 기반해 프로젝트와 워크플로를 설정하는 스마트 템플릿(45%)³이 있습니다.
한 응답자는 “제 바람은 AI가 사업 운영의 행정적 부담을 완전히 덜어줄 수 있는 수준에 도달하는 것입니다.”라고 말했습니다. 사람, 프로젝트, 시간에 걸친 이러한 반복적인 업무들은 AI가 처리할 수 있으며, 이러한 기능 변화는 AI를 단순한 보조자가 아닌 팀 동료로 자리매김하게 합니다.
하지만 대부분의 팀은 아직 그 수준에는 이르지 못했습니다.
실제 적용이 까다로운 이유
수요가 증가하고 있음에도, 대부분의 기업은 여전히 AI를 실제 업무에 적용하는 방법을 찾고 있습니다. 미국의 도구 의사결정권자 1,000명을 대상으로 한 설문조사에서, 가장 큰 과제는 기존 프로세스에 AI를 통합하는 것이었습니다.⁴ 예산도, 동기도, 시간도 아닙니다. 핵심은 통합입니다.
AI 통합을 어렵게 하는 장애 요소는 구체적이고 명확합니다. 일관되게 나타난 네 가지 주제는 다음과 같습니다.
데이터 보안 및 품질. 한 응답자는 “AI의 할루시네이션은 실제로 발생하기 때문에 정보를 자주 확인해야 합니다”라고 말했습니다. AI 에이전트에 대해 구체적으로 물었을 때, 많은 사람들이 잘못되거나 되돌릴 수 없는 변경 사항과 무단 데이터 노출을 우려했습니다. 이처럼 신뢰가 중요합니다.
불확실한 AI 전략. 한 응답자는 “어떤 프로그램이 가장 효과적일지, 어느 정도까지 통합해야 할지, 그리고 AI 활용을 통해 어떤 가치를 얻을 수 있을지 확실하지 않습니다”라고 말했습니다. 성공 기준이 명확하지 않으면 팀들은 AI 도입을 주저합니다. 실험을 해도, 응답자의 40%는 AI를 제대로 활용하기 위한 적절한 검토 및 승인 절차가 부족하다고 답했습니다.
리소스 제약. 한 응답자는 “AI 도구를 통합하는 데는 비용이 많이 들 수 있습니다”라면서, “구매 비용, 기존 프로세스에 맞춘 커스터마이징 비용, 직원 교육 비용, 유지 관리 비용이 발생합니다”라고 설명했습니다. 많은 팀에게 AI 도입 부담은 특히 성과가 불확실할 때 더욱 크게 느껴집니다.
호환성 문제. AI가 기존 워크플로와 분리되어 있으면, 마찰을 줄이기는커녕 여러 도구를 오가느라 오히려 일이 늘어나는 경우가 많습니다. 한 응답자는 “AI 도구를 기존 프로세스에 통합하려면, 그 전에 상당한 양의 데이터를 수동으로 가져와야 합니다”라고 말했습니다.
많은 팀이 AI를 실험하고 있지만, 모든 요건을 충족하는 해법을 찾은 경우는 드뭅니다. 그렇다면 실제로 해답을 찾은 팀과 여전히 어려움을 겪는 팀의 차이는 어디에서 오는 걸까요?
AI가 제대로 작동하는 조건
성공하는 팀들에는 한 가지 공통점이 있습니다. AI가 이미 업무가 이루어지는 흐름 안에 있다는 점입니다.
AI가 업무와 나란히 작동하면 맥락은 유지되고 데이터는 안전하게 보호되며, AI가 실제 워크플로를 학습해 나갈수록, 업무 결과도 점차 개선됩니다. 이는 프로세스와 분리된 채 따로 존재하는 AI 도구와는 근본적으로 다릅니다. 그런 도구에는 실제 업무를 이해하는 데 필요한 공유된 맥락이 없기 때문입니다.
온라인 도매 마켓플레이스인 Faire의 사례를 살펴보겠습니다. Faire는 수년간 Notion의 단일 워크스페이스에서 연결된 지식과 정돈된 워크플로를 구축해 왔습니다.⁵ 여기에 Notion AI를 더하자, 변화는 즉각적으로 나타났습니다.
팀의 81%는 AI가 전체 맥락을 담아 회의록과 액션 아이템을 자동으로 정리해 주면서, 회의가 더 원활해졌다고 답했습니다. 덕분에 문서 작업이 아니라 논의 자체에 집중할 수 있게 됐습니다.
모든 업무가 하나의 연결된 허브에 모이면서 워크플로 실행 속도는 30% 빨라졌고, AI는 전체 지식 베이스를 바탕으로 추론을 적용할 수 있게 됐습니다.
설문조사에 응답한 직원의 71%는 Notion AI를 가장 가치 있는 AI 도구로 꼽았습니다.
앞으로의 방향
AI 분야에서는 매달 새로운 돌파구가 등장하고 있습니다. 대부분의 팀은 여전히 작은 단위로 실험하며, 무엇이 효과적인지(그리고 무엇이 그렇지 않은지)를 검증하고, 업무 방식에 새로운 습관을 만들어 가고 있습니다. 바로 그 접근이 옳습니다.
이제 경쟁력은 모든 워크플로를 실험의 대상으로 바라보는 팀에게 있습니다. AI가 일회성 도구를 넘어 강력한 워크플로 자동화 수단으로 진화하기 시작하면서, 그 어느 때보다 더 큰 기회가 열리고 있습니다.
Wiremind의 CTO Charles Pierre는 이렇게 말했습니다. “우리는 AI를 단순한 효율성 도구가 아니라, 혁신을 이끄는 촉매제로 보고 있습니다. AI는 프로세스를 간소화할 뿐만 아니라, 창의성과 호기심으로 가득 찬 문화를 만들어 가도록 돕습니다.”
실험해 볼 준비가 되셨나요? 인터랙티브한 Notion AI 데모를 통해 AI가 팀의 지식과 어떻게 함께 작동하는지 직접 확인해 보세요.
출처
[1] 출처: Qualtrics 생산성 연구(Qualtrics Productivity Study). Notion 의뢰 조사. 2025년 10월 실시. 응답자 수: 3,636명. 대상 지역: 미국, 영국, 프랑스, 일본, 대한민국, 호주, 뉴질랜드, 싱가포르, 독일, 오스트리아, 스위스. 질문: 생산성 소프트웨어에 AI 기능이 포함되는 것이 얼마나 중요하다고 생각하십니까?
[2] 출처: Numerious B2C2B 연구(Numerious B2C2B Study). Notion 의뢰 조사. 2025년 10월 실시. 응답자 수: 400명. 대상 지역: 미국. 질문: 귀사는 생산성 소프트웨어 도구에 AI를 통합하는 데 있어 현재 어느 단계에 있습니까?
[3] 출처: Notion 내부 AI 설문조사(Notion Internal AI Survey). 2025년 11월 실시. 응답자 수: 397명. 대상 지역: 미국, 영국, 프랑스, 일본, 대한민국, 브라질, 호주, 인도, 캐나다. 질문: 다음 중 어떤 커스텀 AI 에이전트가 가장 유용합니까?
[4] 출처: Notion x Numerious 생산성 소프트웨어 설문조사(Notion x Numerious Productivity Software Survey). 2025년 2월 실시. 응답자 수: 1,000명. 대상 지역: 미국. 질문: 지난 12개월 동안 귀사/팀에 가장 큰 어려움이 되었던 항목과 가장 덜 어려웠던 항목을 선택해 주세요.
