가이드

엑셀 AI, 수식·정리·해석 중 어디서 시간이 줄어드는가

엑셀 AI를 도입해도 업무 시간이 고르게 줄지 않습니다. KISDI·NIA·KIAT 조사로 수식 작성·데이터 정리·해석 세 단계에서 절감 구간과 검수 구간이 왜 다른지 짚습니다.

2026-09-02

엑셀 업무에 AI를 붙인다고 모든 작업이 고르게 빨라지지 않습니다. 수식을 작성하는 구간은 규칙이 명확해 AI가 시간을 확실히 줄여주지만, 데이터를 정리하고 결과를 해석하는 구간은 여전히 사람이 검수해야 합니다. 엑셀 AI를 도입할 때는 이 세 구간을 나눠 어디서 시간이 줄고 어디서 검수 비용이 남는지부터 확인해야 합니다.

세 구간이 왜 다르게 반응하는지는 업무 성격과 관련이 있습니다. 규칙이 정해진 작업, 형식이 어중간한 작업, 판단이 필요한 작업은 AI를 붙였을 때 결과가 다르게 나타납니다. 순서대로 짚습니다.

엑셀 AI, 업무 현장에는 이미 들어와 있는가

정보통신정책연구원(KISDI)이 한국미디어패널조사를 분석한 결과, 생성형 AI 서비스에 대한 인지도('아는 편이다'+'잘 알고 있다')는 20대가 70.7%, 30대가 65.2%로 다른 연령대보다 높았습니다. 반면 50대는 '들어본 적은 있다'는 응답이 60.6%로 많았지만 '잘 알고 있다'는 응답은 2.3%에 그쳤습니다.

주로 이용하는 서비스도 실무 연차가 쌓인 세대에서 한 곳으로 몰립니다. 30대의 92.5%, 40대의 90.0%가 챗GPT를 주로 쓴다고 답했고, 생성형 AI 서비스를 유료로 써본 적 있다는 응답은 30대 14.1%, 40대 15.9%로 연령이 높아질수록 늘었습니다. 필요를 느껴 비용을 들이는 이용자가 30~40대에서 늘고 있다는 뜻으로 볼 수 있습니다. 엑셀처럼 실무 도구에 AI를 붙이는 흐름은 이미 시작됐다고 볼 수 있습니다.

엑셀 업무를 하나로 묶어 판단하면 안 되는 이유

여기서 하나 짚어둘 점이 있습니다. '엑셀 업무에 AI를 쓴다'는 조사 문항 자체는 존재하지 않습니다. 위 통계는 생성형 AI 전반의 이용 현황이고, 이 글에서 다루는 수식 작성·데이터 정리·해석 세 구간 구분은 통계가 아니라 업무 성격에 따른 분석 틀입니다. 다만 이 구분이 왜 필요한지는 아래 조사들이 뒷받침합니다.

한국지능정보사회진흥원(NIA)이 제조업을 중심으로 조사한 결과, AI 도입에 있어 가장 많이 꼽힌 애로사항은 '적합한 정보 및 인프라 부족'(36.8%)이었고, '전문 인력 부족'(34.7%)이 뒤를 이었습니다.

애로사항	제조업	비제조업
적합한 정보 및 인프라 부족	36.8%	45.3%
전문 인력 부족	34.7%	33.7%
양질의 AI 기술 및 서비스 부족	28.3%	28.4%
자금 부족	27.1%	25.3%

이런 조건에서는 업무를 하나로 묶어 'AI로 자동화했다/안 했다'로 나누기 어렵습니다. 규칙이 정해진 작업은 인프라와 인력이 부족해도 결과가 크게 흔들리지 않지만, 판단이 필요한 작업은 정보와 인력이 갖춰지지 않은 만큼 결과를 그대로 믿기 어렵습니다.

수식 작성 — 규칙이 명확해 절감 여지가 큽니다

한국산업기술진흥원(KIAT)이 OECD·BCG·INSEAD 공동조사를 정리한 자료에 따르면, 산업 분야를 막론하고 기업에서 가장 보편적으로 지속적으로 사용되는 애플리케이션은 R&D용 AI였으며, 인사 관리 부문의 AI 활용 빈도가 가장 낮은 편이었습니다. 보고서는 인사 관리처럼 채용 과정에서 의도치 않은 오용 문제가 발생할 수 있는 업무일수록 활용이 늦다고 설명합니다.

이 격차는 규칙성과 관련이 있습니다. R&D 업무는 절차와 기준이 비교적 명확하지만, 인사 판단은 맥락과 형평성을 함께 고려해야 합니다. 엑셀의 수식 작성도 마찬가지입니다. 셀 참조, 조건문, 함수 조합은 입력값과 결과가 정해진 규칙으로 연결되므로, AI가 초안을 만들어도 검산 절차 하나만 지키면 신뢰도를 확인하기 쉽습니다.

데이터 정리 — 반정형이라 검수가 남습니다

같은 NIA 조사의 정성조사 결과를 보면, 제조업 현장의 데이터 상태를 이렇게 설명합니다.

제조 데이터가 설비별로 분절적으로 구축되어 파편화되어 있을 뿐 아니라, 정보화 인식 부족으로 인해 실무자가 데이터를 수작업으로 찾아야 하거나 데이터셋 구축이 업무 우선순위에서 밀려 체계적인 관리가 이루어지지 않는 상황

엑셀로 넘어오는 데이터도 이런 상태로 들어오는 경우가 많습니다. 표 형식이 통일되지 않고, 병합된 셀과 빈 칸이 섞여 있고, 같은 항목이 다른 이름으로 적혀 있습니다. OECD·BCG·INSEAD 공동조사에서는 설문 참여 기업의 78%가 하나 이상의 데이터 관리 솔루션을 쓰고 있다고 답했지만, 기업 규모가 작을수록 그 비율이 낮아지는 경향이 나타났습니다. 정리 규칙이 회사마다, 부서마다 다르다는 뜻이고, 그 규칙을 AI가 알아서 판단하게 두면 정리 결과를 사람이 다시 확인해야 하는 이유가 됩니다.

해석 — 판단 영역이라 절감이 어렵습니다

정리된 데이터를 보고 무엇을 할지 정하는 해석 단계는 더 어렵습니다. 같은 조사에서 제조업체의 약 62%, ICT 기업의 56%가 'AI 애플리케이션의 투자수익률을 사전에 추정하기 어렵다'고 답했습니다. 결과를 보고 다음 판단으로 연결하는 일 자체가 조사 대상 기업들에도 쉽지 않은 과제라는 뜻입니다.

NIA 조사에서도 비슷한 흐름이 보입니다. AI를 도입한 제조업 기업 중 '영업이익 변화 없음'이라고 답한 비율은 63.7%였고, '증가'는 32.2%에 그쳤습니다. 정책이나 조직을 AI 도입에 맞춰 바꿨는지 물었을 때도 '변화 혹은 계획 없음'이 72.9%로 가장 많았습니다. 도구를 들이는 것과 그 결과를 조직의 판단으로 연결하는 것은 별개의 과제라는 뜻입니다.

그래서 무엇부터 확인해야 하나요

세 구간의 성격이 다르다는 것을 알면 도입 순서가 정해집니다.

수식 작성부터 AI에 맡깁니다. 규칙이 명확한 만큼 검산 절차 하나만 정해두면 검수 비용이 적게 듭니다.
데이터 정리는 규칙을 먼저 문서로 만듭니다. 컬럼명, 병합 셀 처리 기준, 표기 통일 규칙을 정해두지 않으면 실무자가 매번 수작업으로 데이터를 다시 찾아야 합니다.
해석은 AI에 전면 위임하지 않습니다. 투자수익률조차 사전에 추정하기 어렵다고 답한 기업이 절반을 넘는 조사 결과를 감안하면, 해석 결과는 결정권자가 다시 확인하는 절차를 남겨둬야 합니다.

이 순서를 반대로 두면, 해석까지 AI에 맡기고 정작 수식 검산은 사람이 붙잡고 있는 비효율이 생깁니다.

자주 묻는 질문

엑셀 AI를 도입하면 업무 시간이 전반적으로 줄어드나요?
균등하게 줄지 않습니다. 규칙이 명확한 수식 작성은 절감 여지가 크지만, 데이터 정리와 해석은 NIA·KIAT 조사에서 나타난 인프라 부족(36.8%)과 투자수익률 추정 어려움(제조업 약 62%) 때문에 검수 시간이 남습니다.
데이터 정리도 AI에 전부 맡겨도 되나요?
정리 규칙을 먼저 문서로 정해야 합니다. NIA 정성조사는 데이터가 설비·부서별로 흩어져 있고 실무자가 수작업으로 찾는 경우가 많다고 지적합니다. 규칙이 없으면 정리 결과를 사람이 다시 확인해야 합니다.
해석 결과까지 AI에 맡기면 안 되나요?
결정권자의 확인 절차를 남겨둬야 합니다. OECD·BCG·INSEAD 조사에서 제조업체의 약 62%, ICT 기업의 56%가 AI 투자수익률을 사전에 추정하기 어렵다고 답했습니다. 해석을 판단으로 연결하는 일은 조사 대상 기업들에도 쉽지 않은 과제입니다.
수식 작성부터 시작하는 이유는 뭔가요?
규칙이 정해져 있어 검산 절차 하나만 지키면 결과를 확인하기 쉽기 때문입니다. KIAT 자료에 따르면 산업 전반에서 R&D처럼 절차가 명확한 업무의 AI 활용 빈도가 가장 높았고, 판단이 끼는 인사 관리 업무는 가장 낮았습니다.
회사 규모가 작으면 엑셀 AI 도입 순서가 달라지나요?
OECD·BCG·INSEAD 조사에서는 참여 기업의 78%가 데이터 관리 솔루션을 하나 이상 쓰고 있었지만, 규모가 작을수록 그 비율이 낮아지는 경향이 나타났습니다. 규모가 작을수록 데이터 정리 단계에 쓸 규칙을 문서로 먼저 만드는 절차가 더 중요해집니다.