AI 비용이 너무 높다고 느끼는 기업은 또 무엇을 우려할까요?
브라질 기업 설문조사는 AI 비용이 높다고 응답한 기업에서 인력과 데이터에 대한 우려가 어떻게 겹치는지 보여 줍니다. 이 결과는 AI 제안을 더 구체적으로 만드는 데 활용할 수 있습니다.
2025년 2월부터 2026년 1월까지 브라질에서 면접 조사한 TIC Empresas 2025에 대한 Influence IQ 자체 분석입니다.
초록
분석에서 정의한 브라질 설문 집단 중 AI 비용이 높다고 응답한 기업의 약 37.5%가 필요한 역량을 갖춘 직원 부족과 데이터 확보 가능성 또는 품질의 어려움이 모두 있다고 응답했습니다. 이 가중 추정치의 95% 표본추출 불확실성 구간은 29.8%–45.2%입니다. 해당 기업은 IT 조직이나 부서 또는 전문 인력이 있고, 제시된 AI 기술 7개 중 어느 것도 사용한다고 응답하지 않았으며, 비용이 너무 높게 느껴진다고 답한 기업입니다.[1][2][8]
설문이 다루는 업종에서 종사자가 10명 이상인 공식 등록 민간 기업을 대상으로 2025년 2월부터 2026년 1월까지 실시한 TIC Empresas 2025를 분석했습니다. 주요 분석 집단에는 공개 기록 547개가 포함됩니다. 실무적으로는 가격과 함께 제안하는 작업, 그 작업을 검토할 사람, 필요한 정보를 물어볼 수 있습니다. 이는 응답된 우려에서 도출한 계획 수립 조언이며, 가격 인하나 교육 제공이 도입을 유발한다는 증거는 아닙니다.
AI 제안이 사업주의 책상에 올라오지만 가격에서 논의가 멈춥니다. 다음 회의는 더 저렴한 도구를 찾는 자리가 될 수도 있습니다. 하지만 먼저 물어볼 만한 질문이 하나 더 있습니다. 팀이 이 도구를 쓰려면 어떤 일이 필요할까요?
이 장면은 설명을 위한 예시이며 설문 면접 내용이 아닙니다. 자주 응답된 AI 도입의 어려움을 나열하는 데서 더 나아가 살펴본 이유를 설명합니다. 비용을 우려한 바로 그 기업이 인력과 데이터에 대한 우려도 제기했는지 알고자 했습니다.
새로운 작업을 검토하는 마케팅 팀에는 이 구별이 중요합니다. 가격은 스프레드시트로 비교할 수 있습니다. 작업을 확인할 사람과 그 사람이 참고할 정보는 별도로 논의해야 합니다. 이 분석은 그러한 우려가 어떻게 겹치는지 설명합니다. 아래 예시는 이 구별을 실제로 쓸 수 있는 의사결정 브리프로 바꾸는 한 가지 방법을 보여 줍니다.
제안과 그에 수반되는 작업

인력과 데이터에 대한 우려는 어떻게 겹칠까요?
AI 비용이 높다고 응답한 분석 대상 기업 547개 중 197개가 필요한 역량을 갖춘 직원 부족과 데이터 확보 가능성 또는 품질의 어려움이 모두 있다고 응답했습니다. 설문 가중치를 적용한 추정치는 37.5%이고, 가중치를 적용하지 않은 비율은 36.0%입니다.[1][8]
두 비율은 같은 기업과 같은 응답을 사용합니다. 비가중 수치는 기업마다 똑같이 계산합니다. 가중 수치는 설문 설계에 따라 각 기록에 부여된 기여도를 적용하므로 주요 추정치로 사용합니다. 가중치가 바꾸는 것은 추정치이지, 어떤 응답을 두 우려 모두에 대한 응답으로 세는지가 아닙니다.
비용을 언급한 기업이 함께 응답한 인력과 데이터 우려
IT 조직이나 부서 또는 전문 인력이 있고, 제시된 AI 기술 7개 중 어느 것도 사용한다고 응답하지 않았으며, 비용이 높게 느껴진다고 우려한 기업입니다. 인력과 데이터에 대한 우려가 모두 있다고 명시적으로 응답한 비율을 측정했습니다.
| 설문 집단 | 설문 가중치 적용 | 설문 가중치 미적용 | 95% 구간: 하한 | 95% 구간: 상한 | 표본 집단의 기업 수 |
|---|---|---|---|---|---|
| AI 비용이 높다고 응답한 분석 대상 기업 | 37.5% | 36.0% | 29.8% | 45.2% | 547 |
95% 표본추출 불확실성 구간은 29.8%에서 45.2%까지입니다. 이 범위를 고려하면 37.5%가 비슷한 모든 기업을 정확히 나타내는 값인 것처럼 표현하기보다 대략 10개 중 4개라고 설명하는 편이 적절합니다.
세 응답이 모두 같은 기록에서 나오므로 우려의 겹침을 직접 측정할 수 있습니다. 비용을 우려한 기업이 인력과 데이터에 대한 우려가 모두 있다고 명시적으로 응답했는지 확인할 수 있습니다.
나머지 응답의 가능성도 열어 둡니다. 두 우려가 모두 확인된 집단에 속하지 않는 기업은 한 가지 우려만 있다고 답했거나, 두 우려 모두 없다고 답했거나, 알 수 없다고 답했을 수 있습니다. 나머지를 가격만 문제인 집단으로 설명할 수는 없습니다. 설문에는 다른 이유도 있으며, 대표 결과는 그 순위를 매기지 않습니다.
이 비율은 과거 브라질 설문의 해당 집단을 설명합니다. 다른 지역의 기업은 이 구별을 자체 조사 질문을 구성하는 데 활용할 수 있습니다.
여기서 ‘비용’, ‘역량’, ‘데이터’가 뜻하는 것
비용 질문은 비용이 너무 높게 느껴지는지를 묻습니다. 공급업체의 견적, 기업이 감당할 수 있는 금액, 응답자가 염두에 둔 비용 항목은 기록하지 않습니다. 따라서 비용에 대한 인식상의 우려라고 표현합니다. 응답만으로는 가격이 얼마나 내려가야 하는지, 할인이 결정을 바꿀지 알 수 없습니다.[2]
인력 질문은 해당 기술을 사용할 역량이 있는 사내 인력에 관한 것입니다. 설문은 먼저 IT 조직이나 부서 또는 전문 인력의 유무를 확인합니다. 그러한 지원이 있다는 사실만으로 제안된 AI 작업에 필요한 역량을 관련 인력이 갖추었는지 알 수는 없습니다.
데이터 질문은 확보 가능성과 품질을 함께 묻습니다. ‘예’라는 답은 적절한 정보가 있는지, 활용할 수 있는지, 또는 두 가지 모두에 관한 것일 수 있습니다. 설문은 이 가능성을 구분하지 않으므로 특정 기업에 어떤 준비가 필요한지 밝힐 수 없습니다.
AI 사용에 관한 질문 7개는 생성형 AI보다 넓은 범위를 다룹니다. 텍스트 분석, 음성 인식, 머신러닝, 워크플로 자동화 같은 기술이 포함됩니다. 따라서 결과도 이 더 넓은 기술 목록에 관한 것입니다.
알 수 없는 인력·데이터 응답도 전체 비용 우려 집단에 남깁니다. 주요 비율은 두 우려 모두를 명시적으로 확인한 응답을 세며, 미응답을 추측으로 채우지 않습니다. AI 사용 응답을 알 수 없거나 비어 있어도 분석 대상이 될 수 있으므로, ‘사용한다고 응답하지 않았다’를 미사용이 확인되었다는 뜻으로 읽어서는 안 됩니다.
가격에 대한 반대를 더 명확한 계획 질문으로 바꾸세요
사업주나 마케팅 책임자에게 실무적으로 유용한 점은 세 질문을 구분하는 것입니다. 제안한 작업의 비용은 얼마인지, 누가 작업을 판단할 수 있는지, 어떤 정보가 필요한지를 따로 물어보세요. 관찰된 겹침은 이 질문들을 함께 물어볼 이유를 제공합니다. 회사의 AI 구현상 어려움을 조사하려면 작업 범위를 정하고 실제 작업할 사람들의 근거에서 출발하세요.
누군가 확인할 수 있는 작업 설명부터 시작하세요. ‘마케팅에 AI 사용’은 팀에 무엇이 필요한지 드러내기에는 너무 넓습니다. ‘들어오는 제품 문의를 영업팀이 검토할 주제별로 묶기’는 산출물과 이를 사용할 사람을 명시합니다. 작업 범위를 좁히면 구체적인 대상의 가격을 논의할 수 있습니다.
그다음 제안 가격에 무엇이 포함되는지 물어보세요. 도구 구독료와 정보 준비 또는 결과 검토에 필요한 직원의 시간은 계획에서 서로 다른 항목입니다. 이는 계획을 위한 구별 제안이며, 설문에서 측정한 비용 내역이 아닙니다. 낯선 작업은 비쌀 것이라거나 시간을 절약할 것이라고 가정하지 않고도 이 항목들을 기록할 수 있습니다.
검토에 관한 질문은 AI에 대한 자신감을 막연하게 묻는 것보다 유용할 수 있습니다. 잘못 묶인 문의를 누가 알아볼 수 있을까요? 답이 불확실할 때 어떤 자료를 참고할까요? 결과를 사용할 수 있는지는 누가 결정할까요? 이는 제안한 작업의 책임을 확인하는 질문입니다. 설문 통계로 개인의 역량을 진단하는 질문이 아닙니다.
다음 단계는 결정의 규모에 맞추세요. 견적을 명확히 하거나, 기준이 되는 제품 문서를 찾거나, 동료에게 작은 예시를 검토해 달라고 요청해야 할 수도 있습니다. 더 큰 프로젝트를 확정하기 전에 구체적으로 해결되지 않은 질문에 답할 수 있는 점검을 선택하세요.
가상의 도매업체가 제안된 작업 하나를 검토하는 과정
웹사이트, 이메일, 소셜 메시지로 제품 문의를 받는 가상의 지역 도매업체를 생각해 보겠습니다. 매니저는 AI로 문의를 주제별로 묶자고 제안합니다. 팀은 어떤 질문에 더 명확한 제품 정보가 필요하고 어떤 질문을 영업 담당자에게 전달해야 하는지 알고 싶어 합니다. 이는 계획을 설명하는 예시이며, 설문에서 관찰된 기업이 아닙니다.
첫 논의는 가격에서 막힙니다. 매니저는 모든 이유를 비용으로 단정하는 대신 제안한 산출물을 적습니다. 사람이 검토할 수 있도록 원본 메시지와 연결된 문의 주제 목록입니다. 이 제안에는 고객에게 자동으로 답장을 보내거나 제품을 추천하는 일은 포함되지 않습니다.
영업 책임자는 비슷한 제품명을 혼동할 수 있다는 점을 알아차립니다. 현재 카탈로그와 대조해 분류를 검토하고, 의미가 불분명한 문의를 표시하기로 합니다. 중요한 질문은 사내 누군가가 전반적으로 ‘AI를 잘 다루는지’가 아니라, 그 책임자가 검토에 필요한 정보를 갖고 내용을 충분히 알고 있는지가 됩니다.
동료가 작업에 사용할 정보를 확인합니다. 제품 설명은 여러 문서에 나뉘어 있고, 일부 문의 메시지에는 고객 정보가 들어 있습니다. 팀은 예시를 준비하기 전에 최신 제품 정보의 출처를 확인하고 어떤 메시지를 적절하게 사용할 수 있는지 점검하기로 합니다.
이제 매니저는 더 구체적인 제안을 요청할 수 있습니다. 도구가 무엇을 하고, 사람이 무엇을 확인해야 하며, 어떤 정보를 준비해야 할까요? 팀은 이 작업들을 견적 가격과 함께 기록합니다.
다음 결정은 제한적인 검토로 남은 질문에 답할 수 있는지입니다. 팀은 진행하거나, 작업을 수정하거나, 보류할 수 있습니다. 매니저는 결정의 이유와 어떤 새로운 정보가 생기면 다시 검토할지를 기록합니다.
다음 AI 제안 전에 복사해서 쓸 작성 양식
이 양식을 기존 프로젝트 브리프나 회의록에 복사하세요. Influence 계정은 필요하지 않습니다. 제안하는 작업 하나를 대상으로 작성하세요.
1. 목표 작업: [구체적인 작업] → [누군가 확인할 수 있는 산출물] → [이를 사용하는 사람 또는 팀]. 제안에 포함되는 것과 제외되는 것을 함께 적으세요.
2. 비용 질문: [논의 중인 견적 또는 예상 금액] · [포함 항목] · [아직 모르는 점]. 관련이 있다면 직원의 준비나 검토 작업을 따로 기록하세요. 제안을 정당화하려고 절감 효과를 지어내지 마세요.
3. 검토 책임: [검토자 이름] · [확인할 내용] · [참고할 수 있는 출처] · [확신이 없을 때의 처리 방법]. 직함만으로는 이 질문에 답하지 못할 수 있습니다.
4. 필요한 정보: [원본 문서 또는 기록] · [관리 담당자] · [최신 상태인지, 사용해도 적절한지] · [확보 가능성이나 품질에 관해 해결되지 않은 질문].
5. 다음의 작은 점검: [해결할 질문] · [담당자] · [결정에 도움이 될 근거]. 결과를 해석하기 전에 점검 내용을 설명하세요.
6. 결정 기록: [진행, 수정, 보류] · [점검으로 뒷받침되는 이유] · [남은 불확실성]. 우려가 있다는 사실과 그 우려가 해결되었다는 증거를 구분하세요.
가상의 도매업체 예시에서는 산출물이 문의 주제 목록이고, 영업 책임자가 이를 검토하며, 현재 카탈로그를 제품 정보 기준으로 사용합니다. 다음 점검은 이 구성이 영업팀이 평가할 수 있는 결과를 만드는지에 관한 것입니다. 이런 항목을 적으면 관련 없는 설문의 성공률을 빌려오지 않고도 제안을 구체화할 수 있습니다.
설문 분석 방법
NIC.br/Cetic.br가 비밀보호 처리 후 공개한 TIC Empresas 2025 마이크로데이터를 사용했습니다. 면접 조사는 2025년 2월부터 2026년 1월까지 브라질에서 이루어졌습니다. 설문은 정해진 업종에서 활동하는 종사자 10명 이상의 공식 등록 민간 기업을 대상으로 합니다.[1][3][4]
분석은 설문의 IT 조직이나 부서 또는 전문 인력 확인 질문에서 출발합니다. 이후 제시된 AI 기술 7개 중 어느 것에도 사용한다고 답하지 않았고 비용 인식 질문에는 ‘예’라고 답한 기업을 남겼습니다. 주요 계산은 인력과 데이터에 대한 우려가 모두 있다고 명시적으로 응답한 기업의 설문 가중치 합을 전체 분석 대상 비용 우려 집단의 가중치 합으로 나눕니다. 인력이나 데이터 응답을 알 수 없는 경우도 분모에 남깁니다.
제공된 결합 부트스트랩 반복표본 가중치 200개로 표본추출 불확실성을 계산했습니다. 구간은 개별 추정치의 불확실성을 나타내며, 가능한 모든 오차 원인을 나타내지는 않습니다. 사전에 정한 근거 충족 기준과 공개 규칙을 충족하는 결과만 표시합니다. 생략된 세부 결과를 0으로 해석해서는 안 됩니다.[8]
공동 응답 결과를 살펴보기 전에 연구 질문과 계산 방식을 정했습니다. 원자료 점검 중 분석 집단 밖의 공개 응답 코드에서 불일치를 기록했고, 공개 기준표와의 비교를 지나치게 정밀하게 표현한 부분을 바로잡았습니다. 무엇을 언제 바꿨는지는 다운로드에 기록했습니다. 이 변경은 분석 대상 집단이나 목표 계산을 바꾸지 않았습니다. 독립적인 계산에서도 발표 결과가 재현되었습니다.[8]
공개 파일은 비밀보호 처리를 거쳤습니다. Cetic.br는 공개 표와 대조해 유용성을 점검하지만, 그렇다고 모든 새로운 공동 응답 분석이 원래 면접 자료를 사용한 분석과 같다고 인증하는 것은 아닙니다.[7]
인력, 데이터, 재무적 우려가 함께 존재할 수 있다는 일반적인 생각은 이미 알려져 있습니다. 선행 연구는 장벽의 조합에 따라 기업을 묶었고, 2025년 조사기관 보고서는 구현 요건 중 인력과 데이터를 다룹니다. 이 분석의 기여는 특정 비용 우려 집단 안에서 선택한 우려를 함께 응답한 비율을 직접 추정한 것입니다. 미도입의 새로운 원인을 발견한 것이 아닙니다.[5][6]
가입은 필요하지 않습니다. 표에는 과거 집계 결과가 들어 있습니다. 패키지에는 분석 방법, 원자료 점검, 공개 결과 보호 조치에 대한 번역된 설명이 포함되며, 개인별 설문 기록을 재배포하지 않습니다.
출처 및 주석
- NIC.br/Cetic.br, 비밀보호 처리 후 공개한 TIC Empresas 2025 기본 마이크로데이터, 버전 1.0, 2026년 6월 15일 공개. 원자료는 CC BY 4.0에 따라 출처를 표시합니다. 여기에 제시한 비율은 공개 기록에서 Influence IQ가 계산한 값이며, 발표된 대표 결과를 인용한 것이 아닙니다.
- TIC Empresas 2025 설문지, H9 및 H13. H9는 IT 조직이나 부서 또는 전문 인력 확인 후 AI 기술 7개를 다룹니다. 사용 응답을 알 수 없거나 비어 있는 경우를 포함해 해당 사용 응답 중 ‘예’가 하나도 없으면 H13으로 이어집니다. H13_A는 너무 높게 느껴지는 비용, H13_B는 직원 역량, H13_D는 데이터 확보 가능성과 품질을 함께 묻습니다.
- TIC Empresas 2025 방법론 보고서. 표본틀은 지정된 Cempre/CNAE 업종에서 활동하는 종사자 10명 이상의 공식 등록 민간 기업을 다룹니다. 브라질의 모든 조직, 영세기업, 1인 크리에이터, 개별 근로자를 대상으로 한 표본이 아닙니다. 모듈 H는 설문 3차수 모두에서 수집되었습니다.
- TIC Empresas 2025 수집 보고서. 현장 조사는 2025년 2월부터 2026년 1월까지 진행되었습니다. 보고서에는 완료된 면접이 4,174건으로 기재되어 있지만, 공개 릴리스에는 기록이 4,171개 있습니다. 검토한 문서에는 이 차이에 대한 설명이 없습니다. 면접 수에 맞추려고 기록을 추가하지 않고 버전을 고정한 공개 릴리스를 사용했습니다.
- Emerson Gomes dos Santos와 Márcia Siqueira Rapini, Barreiras na Adoção Combinada de Tecnologias Digitais por Empresas Brasileiras: uma proposta de tipologia (2024). 이 선행 분석은 TIC Empresas 2021과 군집 분석을 사용해 장벽의 조합을 연구합니다. 관련 선행 연구이지만, 이 분석의 2025년 조건부 집단과 직접 비교할 수 있는 추정치는 아닙니다.
- TIC Empresas 2025 조사기관 보고서, 특히 Natália Marroni Borges가 AI 도입과 제도화를 논의한 94–95쪽. 이 논의는 데이터, 인력, 역량, 거버넌스를 구현 시 고려 사항으로 제시합니다. 이 분석은 이러한 일반적인 생각이 새롭다고 주장하지 않습니다.
- Cetic.br 마이크로데이터 지침은 비밀보호를 위한 재코딩과 비공개 처리, 공개 집계 계획을 기준으로 한 유용성 평가를 설명합니다. 특정 공개 기록이 어떤 처리를 받았는지 밝히거나, 모든 새로운 공동 관계가 원래 면접 자료와 똑같이 유지된다고 보장하지는 않습니다. NIC.br/Cetic.br는 이 분석이나 해석을 보증하지 않습니다.
- Influence IQ 분석 방법 및 재현 패키지. 공개 기록 11개는 AI 사용 항목 7개 모두를 해당 없음으로 표시하면서 이유 필드 9개에는 다른 응답 코드를 사용했습니다. 이 기록들은 이미 정의한 분석 대상 집단 밖에 있었습니다. 모든 기록을 보존했습니다. 목표 결과를 살펴보기 전, 공개 표를 검토한 뒤 대조 정밀도 비교도 수정했습니다. 패키지에는 두 수정 사항, 불확실성 계산, 공개 결과 보호 조치가 기록되어 있습니다. 개인별 기록은 포함하지 않습니다.
기사와 표 라벨은 각 언어판에서 모두 제공됩니다. 원본 설문지는 포르투갈어이며, 기술 재현 패키지에는 번역된 설명이 포함됩니다. 브라질 연구 대상 집단과 2025년 2월–2026년 1월의 설문 기간은 모든 버전에서 같습니다.
