[아이티데일리] FT의 경고: AI는 앱을 만들지만, 가치는 만들지 못하고 있다

파이낸셜타임스(FT)의 수석 데이터 저널리스트 존 번-머독(John Burn-Murdoch)은 최근 기고문 ‘AI는 실제로 얼마나 많은 가치를 만들고 있는가?’에서 현재 AI 붐의 구조적 역설을 지적했다.

그가 제시한 데이터는 이 구조적 역설을 명확히 드러낸다. 에이전틱 AI(Agentic AI) 시대가 본격화된 2025년 이후, iOS 앱 출시 건수는 2024년 평균 대비 약 180 수준으로 거의 두 배 가까이 폭증했다. AI 코딩 도구가 누구나 빠르게 앱을 만들 수 있게 한 결과다. 그러나 같은 기간 실사용 앱(significant usage)의 수는 단 한 건도 늘지 않았고, 앱 리뷰 수는 오히려 감소했다.

번-머독은 이를 ‘활동(Activity)과 생산성(Productivity)의 혼동’으로 규정한다. AI가 초안 작성, 코딩, 요약의 속도를 높이는 것은 사실이지만, 그것은 활동의 증가일 뿐, 진정한 생산성은 오류 수정, 검토 및 검증 비용, 리스크를 포함한 총 투입 대비 유용한 산출물이어야 한다는 것이다.

이는 단순한 통계적 관찰을 넘어 경쟁 우위의 축이 근본적으로 이동하고 있음을 시사한다. 소프트웨어 네이티브(Software-native) 환경에서 경쟁 우위는 더 이상 코드를 작성하거나 소프트웨어를 개발하는 능력 자체에 있지 않다. 생성형 AI가 코딩의 진입 장벽을 사실상 제거해버렸기 때문이다. 이제 진짜 가치는 현실 세계의 복잡하고 이기종으로 얽힌 비즈니스 시스템을 깊이 이해하고, 이를 오류 없이 안정적으로 자동화하는 운영 역량으로 옮겨가고 있다.

[가속화가 가중시킨 병목 현상 — AI는 왜 조직의 시스템 문제를 드러내는가?]

번-머독은 AI가 가치를 만들지 못하는 원인을 기술 자체의 결함이 아닌, 조직과 시스템의 문제에서 찾는다. AI를 활용해 처리량을 늘리면, 그에 비례해 오류와 불확실성의 총량도 함께 증가한다. 생성형 AI의 환각(Hallucination) 현상이 대표적이다. 결국 늘어난 산출물을 검토·검증하고, 품질을 제어(QC)하며, 규제를 준수하는 데 더 많은 인간의 시간과 비용이 투입되는 병목 현상이 구조적으로 발생한다.

비즈니스 모델 차원의 경고도 존재한다. 현재 기업들이 체감하는 AI 사용 비용은 오픈AI, 엔트로픽(Anthropic) 등 빅테크 모델 제공업체의 대규모 보조금 덕분에 낮게 유지되고 있다. 그러나 이들이 누적 손실을 메우기 위해 정상 가격을 청구하기 시작하면, AI 활용 비용이 인력을 운영하는 비용을 초과할 수 있다는 구조적 리스크가 잠재해 있다.

이는 과거 기술 혁명의 J-곡선 효과와 맥을 같이한다. 1990년대 컴퓨터와 스프레드시트가 처음 도입됐을 때도 초기 수년간 생산성 지표는 오히려 정체되었다. 기술을 다루는 인간의 역량, 조직의 워크플로우 재설계, 비즈니스 모델의 혁신이라는 보완적 자산이 성숙한 이후에야 비로소 가치가 가시화됐다.

지금의 AI 열풍 역시 기술의 발전 속도에 비해 조직의 수용 체계가 뒤처져 있는 상태다. 기존 업무 프로세스 위에 AI를 단순히 얹는 방식으로는 진정한 가치 창출이 어렵다는 것이 FT의 진단이다.

메시지는 명확하다. AI 인프라와 공급 측면에만 수조 달러가 집중되는 현재의 구조는 지속 가능하지 않으며, 실제 사용자가 인정할 수 있는 유용성을 입증하지 못한다면 AI 버블론의 직격탄을 맞을 수 있다는 것이다.

[엔터프라이즈의 현실: DB 쿼리 병목은 모든 산업의 공통 과제다]

금융·공공·제조·유통을 막론하고 RDBMS 기반 시스템을 운영하는 모든 엔터프라이즈의 IT 인프라 핵심에는 대형 상용 데이터베이스가 자리하고 있다. 이들 시스템은 하루 수억 건의 트랜잭션을 처리하며, 단 수십 밀리초의 응답 지연도 고객 이탈, 컴플라이언스 위반, 서비스 장애로 직결될 수 있다.

DB 성능 저하의 핵심 원인은 비효율적인 SQL 쿼리다. Buffer Gets 과다, 최적화 되지 않은 실행계획, 최적화 되지 않은 인덱스 등 이러한 문제들은 시스템이 운영되는 동안 조용히 누적되다 임계점에서 폭발한다.

AI가 처리량을 늘릴수록 DB에 유입되는 쿼리 부하도 함께 증가하기 때문에, AI 도입 이후 오히려 DB 병목이 심화되는 역설적 상황이 현장에서 나타나고 있다. DBA의 SQL 튜닝 작업은 고도의 전문성과 막대한 시간을 요구하며, 이것이 바로 AI 전환기 조직이 직면한 내부 병목의 실체다.

오픈메이드컨설팅은 이 현장의 문제를 20년 이상 직접 경험하고 연구해왔다. 그 결과물이 바로 AI LLM기반 SQL 자동튜닝 솔루션 ‘쿼리메딕(QueryMedic)’이다.

[쿼리메딕 : AI LLM 기반 자율형 데이터베이스 SQL 최적화 플랫폼]

쿼리메딕(QueryMedic)은 단순한 AI SQL 튜너(Tuner)가 아니다. Generate → Analyze → Rewrite → Validate → Predict Impact로 이어지는 End-to-End 자동 튜닝 파이프라인을 구현해 놓은 AI 코파일럿(Co-pilot) 기반의 데이터베이스 SQL 성능 최적화 플랫폼이다.

FT가 지적한 AI의 핵심 결함인 ‘활동의 증가를 가치 창출로 착각하는 것’을 정면으로 극복하도록 설계되었다. 쿼리메딕(QueryMedic)의 가치는 작업 완료 건수가 아니라 성능 개선이라는 단 하나의 지표로 증명된다.

[생산성 역설을 깨는 조건: 조직 재설계 없이 즉시 측정 가능한 ROI]

번-머독이 지적한 생산성 역설의 핵심 조건은 두 가지이다.

첫째는 기술이 기존 업무 방식 위에 그냥 올려진 경우이고. 둘째는 성과가 측정되지 않는 경우이다. 쿼리메딕(QueryMedic)은 이 두 조건을 모두 근본적으로 해소한다.

• 일반 AI 앱 - 앱 출시는 폭발적으로 증가,그러나 실사용자는 늘지 않음. '활동'만 증가.

• AI 코딩 어시스턴트 - 코드 작성 속도는 향상. 그러나 버그·검토 및 검증 비용 별도로 측정이 어려움.

• QueryMedic - SQL 튜닝 효과를 수치로 제시하고, 튜닝 SQL을 실행 결과값 오류 여부를 자동으로 검증.

쿼리메딕(QueryMedic)은 기존 DBA(성능관리자)의 업무 방식과 역할을 바꾸지 않는다. AI가 분석 및 튜닝과 결과를 제공하고, DBA가 판단과 적용을 결정한다. 이는 번-머독이 언급한 ‘보완적 투자 없이 기존 레이아웃에 기술을 얹는 실패’와 정반대의 접근이다. DBA의 전문성은 유지되고, AI는 반복적이고 시간 소모적인 DB 성능 장애요인 탐색과 성능 개선(튜닝) 과정을 맡는다. 그 결과는 수치로 즉시 확인된다.

[가치는 상위 20%가 독식한다 — DB를 운영하는 기업이 선택해야 하는 이유]

PwC의 2026년 AI 성과 연구에 따르면, 상위 20% 기업이 AI가 창출하는 경제적 가치의 74%를 가져간다. 이 격차의 원인은 투자 규모가 아니다. AI를 효율(efficiency)이 아닌 성장(growth)에 적용했는지, 그리고 측정 가능한 기반을 갖췄는지 여부다.

RDBMS 기반 시스템을 운영하는 모든 엔터프라이즈에서 쿼리 성능은 단순한 IT 운영 지표가 아니다. 금융의 실시간 거래 처리, 공공기관의 민원 시스템 응답성, 제조·유통의 ERP·SCM 처리 속도 등 업무의 핵심 흐름은 모두 DB 쿼리 성능과 직결된다.

쿼리메딕(QueryMedic)으로 SQL 튜닝 사이클을 단축하고, 시스템 부하를 줄이고, DB 운영자원을 효율화하고, DBA 역량을 가치중심적 전략적 과제에 집중시키고, App 개발생산성을 높이는 조직만이 AI 가치의 상위 20%에 진입할 수 있다.

이제 시장의 평가 기준도 달라지고 있다. ‘누가 더 큰 기술을 보유했는가’에서 ‘누가 가장 효율적으로 비즈니스 가치를 입증하는가’로 이동하고 있다. 무작정 인프라와 인력을 확대하며 비용 압박을 자초하는 방식은 더 이상 지속 가능하지 않다. 결국 AI 전환기 기업의 성패는 내부 자원 활용의 효율성을 극한으로 끌어올려 실질적인 비용 통제권을 확보하고 정보시스템의 서비스 장애를 제로(Zero)화하는 데 달려 있다. DB 성능 최적화는 그 출발점이다.

[결론: AI의 가치는 측정될 때 비로소 존재한다]

FT 존 번-머독의 문제의식은 정확한다. AI는 활동을 폭발적으로 증가시키지만, 그 활동이 가치로 전환되지 않는다면 생산성 역설의 또 다른 장이 될 뿐이다. 쿼리메딕(QueryMedic)은 Generate → Analyze → Rewrite → Validate → Predict Impact의 End-to-End 파이프라인으로 이 역설을 DB 성능이라는 측정 가능한 영역에서 구체적으로 해소한다. 이 수치들이 바로 DB SQL 성능최적화 엔지니어링을 위한 AI 코파일럿 쿼리메딕(QueryMedic)이 실무 현장에서 실제로 만드는 가치의 증거이다.

제품 도입 및 컨설팅 등 영업 문의

02-6310-6167 / qm@openmade.co.kr

출처 : 아이티데일리 ( http://www.itdaily.kr/news/articleView.html?idxno=239842 )

#SQL튜닝 #AI튜닝 #데이터베이스성능 #쿼리메딕 #QueryMedic #오픈메이드컨설팅 #DB최적화 #자동화솔루션 #DBA #개발자 #IT운영 #비용절감 #성능개선