월간 사용자가 늘고 만족도도 높다. 그런데 재무 책임자가 “그래서 현금이 얼마나 덜 나갔고 매출이 얼마나 더 들어왔습니까?”라고 묻는 순간 AI 프로젝트의 성과 보고서는 멈춘다. 사용량, 데모 성공, 처리 시간 단축은 중요한 신호지만 투자수익률과 같은 숫자가 아니다. 모델 사용료만 비용으로 잡고 절약된 시간을 곧바로 돈으로 환산하면, 실제 현금흐름과는 멀어진 화려한 ROI가 만들어진다.
이 책은 AI 도입을 기술 시연이 아니라 자본 배분의 문제로 다시 설계한다. 도입 전 기준선과 비교집단을 어떻게 잡는지, 모델 비용 외에 데이터 정비·시스템 연결·보안·교육·사람 검수·운영 지원을 총비용에 어떻게 넣는지, 시간 절감이 실제 인건비 절감이나 처리량 증가로 이어졌는지를 어떻게 확인하는지 단계별로 설명한다. 오류와 재작업, 품질 저하, 고객 이탈 같은 비용을 성과의 반대편에 놓고, 매출 증가도 전환율·평균 주문액·리드·수주율 같은 가치 사슬의 어느 연결고리가 바뀌었는지 분리해 본다.
특히 ‘AI가 없었어도 이 변화가 생겼을까’라는 반사실 질문을 중심에 둔다. 전후 비교, 비교집단, 시계열, 실험 설계를 상황에 맞게 선택하고, 생산성 지표를 활동량과 결과량으로 나누며, 매출 기여를 다른 마케팅·가격·신제품 효과와 섞지 않는 방법을 다룬다. 자동화율이 높아져도 검수 시간이 늘면 경제적 성과가 없을 수 있고, 작은 사용량이라도 고비용 업무를 정확히 줄이면 투자 가치는 커질 수 있다는 점을 실제 운영의 언어로 보여 준다.
이 책의 목적은 모든 AI 프로젝트를 숫자 하나로 재단하는 것이 아니다. 비용·성과·위험을 한 화면에서 보고 재무·현업·기술 책임자가 같은 질문을 하게 만드는 것이다. 파일럿을 계속할지, 범위를 넓힐지, 다시 설계할지, 중단할지를 월간 검토와 분기 재승인으로 연결한다. AI 예산을 ‘유행을 놓치지 않기 위한 비용’이 아니라 검증 가능한 자본으로 운영하려는 경영자, 기획자, 재무·전략·데이터 실무자에게 필요한 측정 프레임을 제공한다.
※.....