Google은 인공지능 (AI)이 실제로 우리의 일상에서 무엇을 하는지 알아내기 위해 자사의 AI 도구와 관련된 1,500만 건의 상호작용을 면밀히 조사했습니다. 첫 번째 연구인 AI & Economy ATLAS는 서로 다른 이야기를 들려주는 두 가지 측정치를 도출했습니다. Gemini는 직업의 68%에서 사용되고 있지만, 각 직업 내의 업무 (tasks) 중에서는 21%에만 관여합니다. 이 두 수치 사이에는 설치된 기술과 실제로 작동하는 기술 사이의 간극이 존재합니다.

어디에나 있지만, 소수의 업무에만 적용되는 기술

확산은 실질적이고 광범위합니다. 분석된 800개 이상의 직업 중 68%가 Gemini 사용을 보여주었으며, 이는 미국 전체 고용의 90%에 해당하는 수준입니다. 이 정도의 커버리지라면 AI는 더 이상 혁신 서비스의 호기심 대상이 아니라, 미국 노동 시장의 거의 전체에 도달한 것입니다.

두 번째 수치는 훨씬 덜 알려져 있습니다. 동일한 직무 내에서 AI는 평균적으로 업무의 21%에만 관여하며, 주로 가장 반복적인 임무 (missions)에 집중되어 있습니다. 다섯 가지 업무 중 네 가지는 여전히 AI 없이 수행됩니다. 채택은 수평적이지만, 사용은 일시적입니다.

이 비율은 배포를 계획할 때 보고서에서 가장 유용한 데이터입니다. 68%의 채택률은 발표 자료에 들어가는 수치라면, 업무의 21%는 실제 계획 (planning)에 반영되는 수치입니다.

10번 중 1번 미만이 완전한 위임을 목표로 함

Google은 또한 이러한 상호작용 뒤에 숨겨진 의도를 분류했습니다. 전문적인 상호작용 중 10% 미만이 업무의 완전한 자동화 (automation)를 목표로 합니다. 나머지는 협업 (collaboration)에 해당합니다: 아이디어 구상 (idéation), 전략, 정보 검색 등입니다. 일을 기계에 맡기는 것이 아니라, 일을 준비하기 위해 기계를 사용하는 것입니다.

비정형 인지 작업 (non-routine cognitive tasks)은 전문적인 상호작용의 65%를 차지하지만, 경제 내 실제 업무에서는 35%에 불과합니다. 따라서 AI는 업무가 가장 표준화되어 있지 않은 곳, 즉 현재 상태에서 자동화가 가장 어려운 곳에 우선적으로 호출됩니다.

관찰된 1,500만 건의 상호작용 중에서, 엔드 투 엔드 위임 (end-to-end delegation)은 자율 에이전트 (autonomous agent)가 경영진에게 사용 가능한 제품으로 판매되고 있는 바로 이 시점에도 통계적인 예외로 남아 있습니다.

Claude를 대상으로 동일한 분석을 수행한 Anthropic은 전혀 다른 결과에 도달했습니다. 일반 사용자 대화의 45%가 자동화 (automation)로 분류된 반면, 52%는 증강 (augmentation)으로 분류되었습니다. 이러한 차이는 우선적으로 양측이 채택한 정의에서 비롯되며, 이는 이러한 백분율 중 그 어느 것도 해당 수치를 산출한 기준 틀(grid) 밖에서는 유효하지 않음을 상기시켜 줍니다.

4월 14일간의 데이터, 그리고 오직 Google의 도구들만 포함

이 정도 규모의 수치는 그것이 어떻게 만들어졌는지 살펴볼 가치가 있습니다. 1,500만 건의 상호작용은 2026년 4월 6일부터 19일 사이에 오직 세 가지 영역에서 수집되었습니다: Gemini 애플리케이션, Google 검색의 AI 모드, 그리고 Gemini API (개발자들이 모델을 자신의 도구에 연결하는 프로그래밍 인터페이스)입니다. 조사 범위는 800개 이상의 직업, 4,000개의 작업, 150개국, 140개 언어를 포괄합니다.

여기서 세 가지 한계가 도출됩니다. 첫째는 기간(window)입니다. 14일이라는 기간은 계절성(seasonality)이나 한 분기 동안의 사용자 숙련도 향상을 포착하지 못합니다. 둘째는 범위(perimeter)입니다. Google이 측정하는 것은 Google의 사용량입니다. 다른 모델을 기반으로 기업에 배포된 에이전트나 업무용 도구에 내장된 에이전트는 이 백분율 어디에도 나타나지 않습니다.

마지막으로 측정의 성격(nature) 문제입니다. 4,000개의 작업 그리드 중 하나로 분류된 대화는 여전히 하나의 해석일 뿐입니다. 해당 대화가 결과물(deliverable)을 만들어냈는지, 혹은 시간을 얼마나 절약했는지는 아무도 말해주지 않습니다. 이 보고서는 관찰된 생산성이 아니라 사용 의도(intentions d'usage)를 기술하고 있습니다. 동일한 척도로 기업의 배포 사례를 측정하더라도, 마찬가지로 매력적인 채택률과 찾을 수 없는 이득을 보여줄 것입니다.

정비사는 사용하지만, 계산원은 사용하지 않는다

직업별 매핑은 화이트칼라(white-collar)에 대한 직관을 확인시켜 줍니다. 금융 분석가, 소프트웨어 개발자, 네트워크 및 IT 시스템 관리자가 과잉 대표된 카테고리에 포함되어 있습니다. 반대편에는 가사 도우미, 패스트푸드 종사자, 계산원 등이 있으며 이들의 사용량은 거의 관찰되지 않았습니다.

육체 노동직은 두 부류로 나뉩니다. 매우 육체적인 직무의 약 3분의 1은 사용 사례가 전혀 나타나지 않았습니다. 반면 다른 직무들은 매일 AI를 사용하고 있으며, 특히 사진과 질문을 하나의 요청(query)으로 처리하는 멀티모달 (multimodal) AI의 비중이 이례적으로 높았습니다. Google은 복잡한 테스트 결과를 해석하거나, 전기 배선을 진단하거나, 마모를 감지하기 위해 기계를 검사하는 자동차 기술자와 산업 정비사들을 예로 들었습니다.

이러한 사용 사례들은 어떠한 전환 프로젝트, 협상된 라이선스, 또는 위원회를 거치지 않습니다. 이는 전화기 한 대, 사진 한 장, 그리고 고장 상황 앞에서 던지는 질문 하나로부터 탄생합니다.

사용량의 86%는 업무와 무관함

더 나아가, 이 보고서는 다른 수치들을 압도하는 비율을 제시합니다. Google의 AI 도구와의 상호작용 중 86% 이상이 업무 범위를 벗어난 곳에서 발생한다는 점입니다. 여가와 휴식 활동만으로도 Gemini 대화의 30.6%를 차지합니다. 공론화된 논의는 업무에 집중되어 있었지만, 실제 사용은 경제 통계가 포착하지 못하는 가사 및 행정 활동 등 다른 영역으로 흘러갔습니다.

Google은 이 숨겨진 가치를 수치화하려고 시도합니다. 미국 내에서만 연간 최대 1,490억 달러에 달하며, 이는 어떤 GDP 집계에도 나타나지 않는 잠재력입니다. 보고서 자체도 이 금액을 다룰 때 주의가 필요하다고 인정하는데, 이는 비시장적 시간 (non-market time)의 가치를 산정하기 위해 채택된 가설에 전적으로 의존하기 때문입니다. 소수점 단위보다는 그 규모(order of magnitude)를 기억하십시오.

더 불편한 사실은, 이 연구가 사용 강도를 소득 수준과 연결 짓고 있다는 점입니다. 절약된 시간은 이미 더 많은 자원을 가진 사람들에게 집중되어 있으며, 이는 이러한 도구들이 생산성 레버리지(lever)인 동시에 격차를 심화시키는 가속기임을 의미합니다.

채택률에서 작업 목록으로의 전환

이 보고서는 즉각적인 유용성을 가집니다. 각자가 추측에 의존해 진행하던 영역에 공공의 척도를 제공하기 때문입니다. 만약 어떤 공급업체가 전체 프로세스를 실행하는 에이전트 (agents)를 홍보하는데, 가용한 가장 광범위한 측정치에서 완전 자동화 의도가 10%를 넘지 않는다면, 그 격차는 귀하의 조직이 기술적으로 뒤처졌기 때문이 아닌 다른 이유로 설명되어야 합니다.

이번 주 팀원들에게 던질 수 있는 구체적인 질문은 다음과 같습니다. "귀하의 21%를 구성하는 구체적인 작업은 무엇입니까?" 전체 채택률을 따지는 것보다 작업들을 명명하는 것이 더 가치 있습니다. 왜냐하면 바로 그 지점에서 다음 단계가 결정되기 때문입니다. ATLAS의 두 번째 판은 이 비율이 상승할지 알려줄 것입니다. 이 비율이 정체되어 있는 한, 자율 에이전트 (autonomous agent)는 귀하의 일정표에 들어오기보다는 판매 브로슈어의 한 줄 문구로 남게 될 것입니다.