ONESHIM 마케팅 수치 근거 자료집
최종 업데이트: 2026-02 기준 | 목적: 랜딩페이지·피치덱·해커톤 제출물에 사용된 모든 외부 통계의 출처 검증 및 크로스체크
사용 방법
이 문서는 ONESHIM 마케팅 자료에 사용된 모든 수치의 **출처(Source of Truth)**입니다.
- ✅ 검증 완료: 복수 독립 출처로 크로스체크 완료
- ⚠️ 대체 권장: 원래 수치의 정확한 출처가 없어 검증된 대체 수치 제안
- 🔵 내부 지표: 코드베이스에서 직접 측정 가능한 수치
1. 내부 지표 (코드베이스 검증)
이 수치들은 코드베이스에서 직접 측정됩니다. 외부 출처가 필요하지 않습니다.
| 지표 | 수치 | 측정 방법 | 검증일 |
|---|---|---|---|
| DDD 도메인 수 | 14개 | ls server/domains/ (shared 제외) | 최신 CI 기준 |
| REST API 엔드포인트 | 719개 | grep @router.(get|post|put|delete|patch) | 최신 CI 기준 |
| 테스트 수 | 95,000+ (0 실패) | Python 89,710 + Backoffice 5,614 + Rust 639 | 최신 CI 기준 |
| 코드 라인 수 | 870K+ | wc -l 전체 소스 (866,336 측정) | 최신 CI 기준 |
2. 업무 시간 낭비 — "매일 2.5시간 비핵심 업무"
판정: ✅ 검증 완료 — 10개 이상의 독립 출처에서 1.3~3.3시간/일 범위로 수렴
랜딩페이지 사용 문구
- KO: "핵심 업무가 아닌 일에 매일 2.5시간을 소모합니다"
- EN: "2.5 hours daily on non-core tasks"
Primary 출처
| 출처 | 수치 | 연도 | 표본 | URL |
|---|---|---|---|---|
| IDC (Feldman & Sherman) | 2.5시간/일 (근무시간의 30%) | 2001 | 기업 대상 조사 | |
| McKinsey Global Institute | 1.8시간/일 정보검색 (주 9.3시간) | 2012 | 글로벌 기업 분석 | mckinsey.com |
Cross-Check 출처 (2024-2026)
| 출처 | 수치 | 연도 | 표본 | URL |
|---|---|---|---|---|
| Deloitte Global Human Capital Trends | 근무시간의 41%(≈3.3시간/일)가 비가치 업무 | 2025 | 글로벌 대규모 서베이 | deloitte.com |
| Atlassian State of Teams | 근무시간의 25%(≈2.0시간/일)를 답 찾는 데 소비 | 2025 | 12,000명 + 200 임원 | atlassian.com |
| Bloomfire Enterprise Intelligence | 주당 20%+(≈8시간+)를 정보 검색에 소비 | 2025 | 115개 기업, 10,000 사용자 | bloomfire.com |
| Microsoft Work Trend Index | 핵심 업무 시간 중 2분마다 인터럽트 (일 275회) | 2025 | 31,000명 × 31개국 | microsoft.com |
| Asana Anatomy of Work Index | 근무시간의 **60%**가 "work about work" | 2024 | 10,000명+ × 7개국 | asana.com |
| Slack (Salesforce) Workforce Index | 하루의 1/3(≈2.7시간)이 저가치 업무 | 2024 | 글로벌 서베이 | slack.com |
| Nakash & Bouhnik (iConference) | 응답자 22%가 주 반나절을 검색에 소비 | 2024 | 716명 (동료심사) | ResearchGate |
한국 특화 출처
| 출처 | 수치 | 연도 | 표본 | URL |
|---|---|---|---|---|
| Dropbox × YouGov | 한국 직장인 68%: 주당 최대 10시간 행정·반복 업무; 70%: 정보 검색·관리에 시간 소비 | 2025 | 한국 600명+ (7개국 10,000명) | epnc.co.kr |
| 한국경영자총협회 | 하루 8시간 중 평균 1시간 20분(17%)을 비업무 활동에 사용 | 2024 | 매출 상위 100대 기업 50개사 | 연합뉴스 |
수렴 분석
출처별 비핵심 업무 시간 (시간/일):
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Deloitte 2025 (41%) ████████████████ 3.3h
Asana 2024 (60% "work") ████████████████████████ 4.8h (광의)
Slack 2024 (1/3 day) ██████████████ 2.7h
IDC 2001 (30%) █████████████ 2.5h ← ONESHIM 사용 수치
Atlassian 2025 (25% search) ██████████ 2.0h
Bloomfire 2025 (>20%/wk) ████████ 1.6h
Atlassian AI 2025 (AI 절감) ██████ 1.3h (AI가 절감한 시간)
경총 2024 (17%) █████ 1.3h (한국, 비업무 기준)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
중앙값: ~2.0-2.5h/일
결론: "2.5시간/일"은 10개 독립 출처의 1.3~3.3시간 범위에서 보수적 중앙값으로, 마케팅 사용에 적합합니다.
권장 인용 문구
"IDC 조사에 따르면 지식 근로자는 하루 평균 2.5시간을 정보 검색에 소비하며(IDC, 2001), Deloitte(2025)는 근무시간의 41%가 비가치 업무에 사용된다고 보고했습니다."
3. 부서간 소통 실패 — 랜딩페이지 Problem Card 2
판정: ⚠️ 대체 권장 — 기존 "63%" 수치의 정확한 출처 없음. 검증된 대체 수치 제안
기존 문구 (출처 불명)
"부서간 오해 발생률 63%""회의 30분 중 20분이 용어 정리에 소모"
검증된 대체 수치
부서간 소통 실패
| 출처 | 수치 | 연도 | 표본 | URL |
|---|---|---|---|---|
| HBR Analytics Services | 조직 내 **협업 실패의 67%**가 부서 사일로에서 비롯 | 2017 (2025 HBR 재인용) | 기업 분석 | HBR PDF |
| Gallup | 직원의 **81%**가 타 부서와의 협력에 불만족 (strongly agree 19%만 만족) | 2019 | 미국 5,500명 + 유럽 4,000명 | gallup.com |
| EIU/Lucidchart | 직원·임원 **86%**가 소통 실패를 직장 내 오류의 주원인으로 지목 | 2018 | 403명 | EIU PDF |
| Salesforce | 기업 내 앱 **70%**가 서로 연결되지 않아 데이터 사일로 형성 | 2023 | 글로벌 기업 | salesforce.com |
회의 시간 낭비
| 출처 | 수치 | 연도 | 표본 | URL |
|---|---|---|---|---|
| HBR (Perlow, Hadley, Eun) | 시니어 매니저 **71%**가 회의 비생산적이라고 평가; **65%**는 회의가 실제 업무 방해 | 2017 | 182명 시니어 매니저 | hbr.org |
| MIT Sloan | 회의 40% 감축 시 생산성 71% 향상, 만족도 52%↑, 스트레스 57%↓ | 2022 | 76개 기업 실험 | sloanreview.mit.edu |
| Atlassian | 회의 시간의 72%가 비효과적; 월 31시간 비생산적 회의 | 2024 | 5,000명 지식 근로자 | atlassian.com |
| Doodle State of Meetings | 회의의 63%에 명확한 아젠다 없음 | 2019 | 6,500명 + 19M 회의 분석 | doodle.com |
권장 대체 문구
Problem Card 2 — 소통 업무:
- 설명: "부서마다 같은 단어를 다르게 씁니다. 시니어 매니저의 71%가 회의를 비생산적이라고 평가합니다."
- Stat: "협업 실패의 67%가 부서 사일로에서 비롯 — HBR"
4. 보고서 재작성 — 랜딩페이지 Problem Card 3
판정: ⚠️ 대체 권장 — "평균 3.2회" 수치의 정확한 출처 없음
기존 문구 (출처 불명)
"보고서 재작성 평균 3.2회"
검증된 대체 수치
| 출처 | 수치 | 연도 | 표본 | URL |
|---|---|---|---|---|
| Filestage State of Creative Collaboration | 최종 승인까지 평균 3회 이상 수정, 8일 소요 | 2023 | 366명 (마케터·크리에이터) | filestage.io |
| Grammarly × Harris Poll | 비효율적 커뮤니케이션으로 미국 기업 연 $1.2조 손실; 직원당 주 7.47시간 낭비 | 2022 | 리더 251명 + 근로자 1,001명 | BusinessWire |
| Forrester/Foxit | 문서 처리에 평균 8가지 도구 사용; 주당 ~1일 수동 문서 작업 | 2024 | Forrester 컨설팅 조사 | foxit.com |
권장 대체 문구
Problem Card 3 — 보고 업무:
- 설명: "데이터를 모으고, 가공하고, 보고서를 작성합니다. 최종 승인까지 평균 3회 이상의 수정이 필요합니다."
- Stat: "보고서 승인까지 평균 3회+ 수정, 8일 소요 — Filestage 2023"
5. 온톨로지 구축 타임라인 — "6개월~2년"
판정: ✅ 검증 완료 — 복수의 학술·산업 출처에서 강력히 지지
랜딩페이지 사용 문구
- KO: "6개월~2년이 1주일로" (기능 카드 2: 온톨로지 자동 생성)
출처
| 출처 | 수치 | 연도 | URL |
|---|---|---|---|
| Novo Nordisk (동료심사 논문) | 기업 온톨로지 전환에 4년 소요 | 2025 | DOI: 10.1186/s13326-025-00327-4 |
| Semantic Arts (STIDS Tutorial) | "90일 이내"를 특별 성과로 마케팅 → 통상은 훨씬 김 | 2015 | STIDS PDF |
| Semantic Arts (Sallie Mae 사례) | 50,000+ 테이블/속성 → 1,000개 클래스·속성으로 수개월 워크숍 | — | semanticarts.com |
| Noy & McGuinness (Stanford) | 온톨로지 개발 표준 방법론 — 반복적·장기적 프로세스 | 2001 | Stanford PDF |
| Laurenzi et al. (AAAI 2024) | LLM 시대에도 "높은 수작업 + 전문성" 필요 → 채택 저해 | 2024 | AAAI PDF |
결론: 6개월~2년은 업계 컨센서스의 하한~중간 범위. Novo Nordisk는 4년, Semantic Arts는 "90일이 빠른 것"이라 마케팅.
6. 프로세스 개선 타임라인 — "3~6개월"
판정: ✅ 검증 완료 — iSixSigma 대규모 벤치마킹 데이터와 정확히 일치
랜딩페이지 사용 문구
- KO: "3~6개월 걸리던 프로세스 개선이 1시간" (기능 카드 1: 자기 개선 워크플로우)
출처
| 출처 | 수치 | 연도 | 표본 | URL |
|---|---|---|---|---|
| iSixSigma Benchmarking | 블랙벨트 연평균 2.7개 프로젝트 (= 프로젝트당 ~4.4개월) | 2007/2010 | N=1,025 | isixsigma.com |
| iSixSigma (Tucci) | 일반적 DMAIC 프로젝트: 8~9개월 이상 | 2010 | 242명 리더/벨트 | isixsigma.com |
| QI Macros (Jay Arthur) | 식스시그마 프로젝트: 4~16개월 범위 | 2020 | 컨설턴트 분석 | qimacros.com |
| University of Houston | LSS DMAIC 구조화 타임라인: 14주(~3.5개월) | 2025 | 교육 프로그램 | UH Industrial Engineering |
결론: "3~6개월"은 iSixSigma 데이터(평균 4.4개월)의 중앙 범위로, 효율적 프로세스 개선의 현실적 기간입니다.
7. 추가 활용 가능 수치
ONESHIM 마케팅에 활용할 수 있는 고가치 외부 통계
AI 생산성 / 도입률
| 출처 | 수치 | 연도 | 활용 포인트 |
|---|---|---|---|
| Microsoft Work Trend Index | 근로자의 **80%**가 업무 수행에 충분한 시간·에너지 부족 | 2025 | "시간이 없다"는 Pain Point |
| Atlassian AI Collaboration | AI로 하루 1.3시간 절감 가능하나, 조직의 **96%**가 의미있는 효율 개선 미달성 | 2025 | "AI 도입만으로 부족, 맥락이 필요" |
| Atlassian State of Teams | Fortune 500 기업이 연간 250억 시간을 비효율적 협업에 낭비 | 2025 | 기업급 비효율의 규모감 |
| Grammarly × Harris Poll | 비효율적 커뮤니케이션 비용: 미국 기업 연 $1.2조 | 2022 | 소통 문제의 경제적 규모 |
| Gartner | 2026년 엔터프라이즈 앱의 **40%**에 AI Agent 탑재 (2025년 5% 미만 대비) | 2025 | AI Agent 시장 급성장 |
| Databricks | Multi-Agent 워크플로우 채택 327% 증가 | 2026 | Agentic AI 폭발적 성장 |
한국 특화
| 출처 | 수치 | 연도 | 활용 포인트 |
|---|---|---|---|
| Dropbox × YouGov | 한국 직장인 **50%**가 최근 창의력 저하 체감 (글로벌 34% 대비 +16%p) | 2025 | 한국 기업의 특수한 Pain Point |
| Dropbox × YouGov | 한국 전체 비핵심 업무 손실: 연간 251억 시간 | 2025 | 국가 단위 경제적 손실 |
| 한국경영자총협회 | 대기업 직원 하루 1시간 20분 비업무 활동 | 2024 | 국내 공신력 있는 기관 데이터 |
8. 비검증 수치 목록 (사용 시 주의)
아래 수치들은 현재 외부 출처로 검증되지 않은 ONESHIM 내부 목표치입니다. 마케팅 사용 시 "목표" 또는 "기대 효과"로 명시해야 합니다.
| 수치 | 사용 위치 | 성격 | 권장 표기 |
|---|---|---|---|
| LLM 활용률 10% → 80% | docs-site/vision/01-mission-statement.md | 목표 KPI | "도입 목표" |
| 프롬프트 시도 3-5회 → 1회 | docs-site/vision/01-mission-statement.md | 목표 KPI | "도입 목표" |
| 수동 데이터 입력 2시간 → 30분 | docs-site/vision/01-mission-statement.md | 목표 KPI | "도입 목표" |
| 노트 태깅 주 2시간 → 0 | docs-site/vision/01-mission-statement.md | 목표 KPI | "도입 목표" |
| 데이터 취합 5시간/일 → 0분 | docs-site/customer-journey/manufacturing | 기대 효과 | "기대 효과" |
| 이상 대응 2시간 → 30초 | docs-site/customer-journey/manufacturing | 기대 효과 | "기대 효과" |
| 신입 온보딩 6개월 → 2주 | docs-site/customer-journey/manufacturing | 기대 효과 | "기대 효과" |
9. 온톨로지·프로세스 교차검증 추가 출처
판정: ✅ 검증 강화 — 6개+ 신규 독립 출처로 섹션 5·6 수치를 추가 뒷받침
온톨로지 추가 출처
| 출처 | 수치 | 연도 | URL |
|---|---|---|---|
| Google Knowledge Graph | 2년 프로젝트 (2010-2012), 5억 엔티티·35억 속성 | AllThingsD/WSJ, 2012 | allthingsd.com |
| SNOMED CT | 3년 이상 집중 구축 (1999-2002), 44명 전문가, 3개 대륙 | michaelqstearns.com | michaelqstearns.com |
| Gene Ontology Consortium | 3년+ 초기 구축, 27년 지속 (1998~현재) | Nucleic Acids Research 2019 | academic.oup.com |
| FIBO (금융산업 비즈니스 온톨로지) | 최소 5년 (착수에서 첫 표준), 3,000명+ 개발 커뮤니티 | A-Team Insight, 2015 | a-teaminsight.com |
| Gartner 2024 KG 구축 가이드 | 단계적 접근 (PoC에서 Production) 권고 | Neo4j 백서 | neo4j.com |
| KISTI | 국가 R&D 과제 기반 KG 구축 1~3년 | ScienceON | scienceon.kisti.re.kr |
프로세스 개선 추가 출처
| 출처 | 수치 | 연도 | 표본 | URL |
|---|---|---|---|---|
| iSixSigma N=1,025 | Black Belt 연 2.7 프로젝트 → 4.4개월/프로젝트 역산 | iSixSigma Magazine 2007/2010 | N=1,025 | isixsigma.com |
| Air Academy Associates | Green Belt 8~12주 DMAIC cadence | 2025 | 컨설팅 기반 | airacad.com |
| Celonis × Borusan Cat | 6개월 내 100+ 인간-일 절감 | Celonis 2023 | 사례 연구 | celonis.com |
| Deloitte Switzerland | Focus → Act → Scale 3단계 (Act 단계 2~6개월) | Deloitte 2022 | 컨설팅 분석 | deloitte.com |
| 한국표준협회 (KSA) | 6시그마 GB 과정 3~6개월 국내 표준 | KSA | 교육 프로그램 | ksa.or.kr |
| McKinsey 2023 | 변환 프로그램 기대가치의 42% 후반 단계에서 소실 | McKinsey 2023 | 글로벌 기업 분석 | mckinsey.com |
수렴 결론
온톨로지 6개월~2년 = "엔터프라이즈 중규모" 범위
- Google KG(2년), SNOMED CT(3년+), FIBO(5년+), Gene Ontology(3년+) 모두 해당 범위 이상
- 6개 신규 독립 출처가 추가 지지 확인
프로세스 3~6개월 = iSixSigma N=1,025 중앙값과 정확히 일치
- 4.4개월(역산) → 3~6개월 범위의 중앙점
- KSA 국내 표준(3~6개월)과 일치
결론: 두 수치 모두 6개 이상의 신규 독립 출처로 검증이 추가로 강화되었습니다.
10. AI 도입·생산성 연구 (글로벌)
판정: ✅ 검증 완료 — 대규모 RCT 연구 포함 다수 출처에서 수렴
AI 도입률
| 출처 | 수치 | 연도 | 표본 | URL |
|---|---|---|---|---|
| McKinsey Global Survey | AI 도입 88%, 그 중 63% 실험 단계, 39%만 EBIT 효과 확인 | Nov 2025 | n≈2,000, 105개국 | mckinsey.com |
| McKinsey Global Survey | 생성형 AI 직원 활용 71% (2024년 초 65%에서 증가) | Mar 2025 | 글로벌 기업 대상 | mckinsey.com |
| Gartner | GenAI PoC 프로젝트 30% 폐기 예측 | Jul 2024 | 기업 분석 | gartner.com |
| Microsoft Work Trend Index | 지식노동자 75% AI 사용 | 2024 | n=31,000, 31개국 | microsoft.com |
| Microsoft Work Trend Index | 리더 82% "올해가 전략 전환의 분수령", 81% AI 에이전트 12-18개월 내 통합 예상 | 2025 | n=31,000, 31개국 | microsoft.com |
| Deloitte | AI 접근권 보유 직원 중 60% 미만만 일상 사용, 47%만 교육 충분 | 2024 | 글로벌 서베이 | deloitte.com |
| Worklytics/Gallup | 미국 전체 직원 28% AI 일상 사용 | 2024 | 미국 직장인 대상 | gallup.com |
AI 생산성 연구 (RCT 기반)
| 출처 | 수치 | 연도 | 표본 | URL |
|---|---|---|---|---|
| BCG/Harvard (Dell'Acqua et al.) | 작업 속도 +25%, 품질 +40%, 저성과자 +43% | 2023 | n=758 (무작위배정) | hbs.edu |
| Stanford/MIT (Brynjolfsson et al.) | 전체 생산성 +14%, 신입 직원 +35% | 2023 | n=5,179 (무작위배정) | nber.org |
| GitHub Copilot (Peng et al.) | 코딩 55% 빠름 (71분 vs 161분) | 2023 | n=95 (무작위배정) | arxiv.org |
지식관리 소프트웨어 시장
| 구분 | 2024년 | 2033/2034년 | CAGR | 출처 |
|---|---|---|---|---|
| KM 소프트웨어 전체 | $20.15B | $62.15B (2033) | 13.6% | Grand View Research |
| AI 기반 KM 시스템 | $3.0B | $102.1B (2034) | 42.3% | Market.us |
권장 인용 문구
"BCG·하버드 경영대학원 RCT 연구(n=758)에서 AI 협업 도구는 작업 속도를 25%, 품질을 40% 향상시켰습니다(Dell'Acqua et al., 2023). 그러나 McKinsey(2025)에 따르면 AI를 도입한 기업의 39%만 실질적 EBIT 효과를 확인했습니다."
11. 한국 기업 현황 (생산성·AI·DX)
판정: ✅ 검증 완료 — 국내 공신력 있는 기관(KPC, 한국은행, 중기부, 대한상공회의소) 데이터로 뒷받침
노동생산성
| 출처 | 수치 | 연도 | URL |
|---|---|---|---|
| KPC (한국생산성본부) | 한국 시간당 노동생산성 $51.1 (OECD 37개국 중 24위), 서비스업 = 제조업의 49.4% (OECD 최하위권) | 2023 | kpc.or.kr |
| KPC (한국생산성본부) | 시간당 노동생산성 $57.5 (31위), OECD 평균의 72.4% | 2024 | kpc.or.kr |
| 한국은행 | 중소기업 생산성 = 대기업의 30%대 | 2023 | bok.or.kr |
AI 도입 현황 (한국)
| 출처 | 수치 | 연도 | 표본 | URL |
|---|---|---|---|---|
| 대한상공회의소 | AI 필요성 78.4%, 실제 활용 30.6%; 제조업 23.8%, 중소기업 28.7% | 2024 | n=500개사 | korcham.net |
| 중소벤처기업부 | 중소 제조업 AI 도입 0.1%, 스마트공장 도입 19.5% (그 중 75.5% 기초단계) | 2024 | n=5,000개사 | mss.go.kr |
| 과학기술정보통신부 (MSIT) | 생성형 AI 경험률 17.6%에서 33.3%로 증가 (1년 만에 2배) | 2024 | 전국 조사 | msit.go.kr |
| NIPA (정보통신산업진흥원) | 한국 AI 시장 4.8조원(2024) → 6조원(2025F) | 2024/2025 | 시장 분석 | nipa.kr |
업무 비효율 현황 (한국)
| 출처 | 수치 | 연도 | 표본 | URL |
|---|---|---|---|---|
| 경총 (한국경영자총협회) | 하루 1시간 20분(17%) 비업무 활동 | 2024 | 100대 기업 50개사 | kef.or.kr |
| Dropbox × YouGov | 연 251억 시간 비핵심 업무, 창의력 저하 체감 50% (글로벌 34%) | 2025 | 한국 600명+ (7개국 10,000명) | epnc.co.kr |
| 한국일보 직장인 설문 | 직장인 47% "의미없는 일 경험" | 2024 | n=300 | hankookilbo.com |
권장 인용 문구
"KPC(2024)에 따르면 한국의 시간당 노동생산성은 OECD 평균의 72.4% 수준이며, 서비스업 생산성은 제조업의 절반에 못 미칩니다. 대한상공회의소(2024, n=500) 조사에서 기업의 78.4%가 AI가 필요하다고 답했지만, 실제 활용하는 기업은 30.6%에 그쳤습니다."
12. 지식 손실·암묵지·이직 비용
판정: ✅ 검증 완료 — 글로벌·국내 다수 출처로 지식 이탈 비용의 현실적 규모 확인
글로벌 지식 손실
| 출처 | 수치 | 연도 | 표본 | URL |
|---|---|---|---|---|
| Gallup | 미국 기업 자발적 이직 연 $1조 손실 | 2019 | 미국 기업 대상 | gallup.com |
| SHRM | 직원 교체 비용 = 연봉의 6 | 기관 표준 | 산업 컨센서스 | shrm.org |
| Panopto/YouGov | 기관 지식 42% 미공유, 대기업 연 $47M 지식 비효율 손실, 주당 5.3시간 동료 지식 대기 | 2018 | n=1,001 | panopto.com |
| IDC | Fortune 500 연 $31.5B 지식 미공유 손실 | 기관 추정 | Fortune 500 분석 | idc.com |
| Deloitte Human Capital Trends | 75%가 KM을 최우선 과제로 꼽지만 9%만 준비 완료 | 2021 | n=10,000+ | deloitte.com |
| SHRM/Gallup/HBR 컨센서스 | 신규 직원 완전 생산성 도달까지 6~12개월 | 다수 연구 | 산업 컨센서스 | shrm.org |
암묵지 이론
| 출처 | 핵심 개념 | 연도 |
|---|---|---|
| Polanyi | "We can know more than we can tell" (암묵지 개념 정립) | 1966 |
| Nonaka & Takeuchi | SECI 모델 (암묵지와 형식지의 상호 전환: 공동화, 표출화, 연결화, 내면화) | 1995 |
⚠️ 주의: "암묵지 80%" 수치는 특정 연구로 확인되지 않습니다. 마케팅 자료에 사용할 경우 "업계 추정" 또는 "추정치"로 명시하는 것을 권장합니다.
AI 활용 지식관리 효과
| 출처 | 수치 | 연도 | URL |
|---|---|---|---|
| Notion 유럽 리서치 | AI KM 도입 기업 비용 절감 4배, 81% KM 프로세스 개선 필요, 72% 중앙화 KM 없음 | 2024 | notion.so |
| Hitachi/iTacit | AI 온보딩 4일 단축, HR 업무 40% 절감, 1년차 직원 30% 더 오래 재직 | 2024 | itacit.com |
| BCG/Harvard (Dell'Acqua et al.) | AI 활용 가능 업무 영역에서 성과 40% 향상 | 2023 | n=758 |
한국 이직·지식 손실
| 출처 | 수치 | 연도 | 표본 | URL |
|---|---|---|---|---|
| 고용노동부 | 대기업 신입 16.1% 1년 내 퇴사, 인당 2,000만원+ 손실 | 2024 | n=315개사 | moel.go.kr |
| 잡코리아 | 직장인 73% 잠재적 이직 의향 | 2024 | n=719명 | jobkorea.co.kr |
| 사람인 | 50.2% 이직 활동 중, 28% 실제 이직 | 2025 | n=1,302명 | saramin.co.kr |
| 사람인 인재풀 | 3~5년차 핵심인재 이직 수요 최다 (27%) | 2023 | 인재풀 데이터 | saramin.co.kr |
권장 인용 문구
"Panopto/YouGov 조사(n=1,001)에 따르면 조직 지식의 42%가 공유되지 않으며, 대기업은 연간 평균 $47M의 지식 비효율 손실을 겪습니다. 국내에서는 대기업 신입 16.1%가 1년 내 퇴사하며(고용노동부 2024, n=315), 잡코리아(2024, n=719)는 직장인 73%가 이직을 고려한다고 응답했습니다."
13. "절반" 헤드라인 근거 — "불필요한 업무가 당신의 절반을 잡아먹고 있습니다"
판정: ✅ 방어 가능 — 4개 독립 대규모 서베이에서 41–61% 범위로 수렴. "절반"은 보수적 중앙값
출처
| 출처 | 수치 | 연도 | 표본 | URL |
|---|---|---|---|---|
| Asana Anatomy of Work Index | "work about work" 58% | 2023 | n=9,615 × 7개국 | asana.com |
| Slack Workforce Lab | 저가치 업무 41% | 2024 | n=10,281 × 6개국 | slack.com |
| McKinsey Global Institute | 커뮤니케이션+검색+협업 오버헤드 61% | 2012 | 글로벌 기업 분석 | mckinsey.com |
| Atlassian | 경영진 93%가 "팀이 절반의 시간에 같은 성과 가능" | 2024 | 5,000명+ | atlassian.com |
수렴 분석
출처별 비핵심/저가치 업무 비율:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
McKinsey 2012 (광의) ████████████████████████ 61%
Asana 2023 ███████████████████████ 58%
"절반" ← ONESHIM 사용 ██████████████████████ 50% ← 보수적 midpoint
Slack 2024 ████████████████ 41%
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
범위: 41–61%, 중앙: ~50%
결론: "절반"(50%)은 Slack(41%)과 McKinsey(61%)의 중앙값으로, 과장 없는 방어 가능한 헤드라인입니다.
14. AI Agent 벤치마크 논문 인용
판정: ✅ 검증 완료 — 주요 벤치마크 모두 Tier-1 학회(ACL, NeurIPS, ICLR) 발표
웹/OS 환경 벤치마크
| 벤치마크 | arXiv | 학회 | SOTA (Feb 2026) | 요약 |
|---|---|---|---|---|
| WebVoyager | 2401.13919 | ACL 2024 | 93.9% (Magnitude) | 실제 웹사이트 15개, end-to-end 브라우저 탐색 |
| OSWorld | 2404.07972 | NeurIPS 2024 | 72.6% (Agent S) | 실제 컴퓨터 환경(Ubuntu/macOS/Windows) 369개 태스크 |
| WebArena | 2307.13854 | ICLR 2024 | ~38% pass@5 | 자체 호스팅 웹 환경(Reddit, GitLab, CMS, Map, Shopping) 812개 태스크 |
소프트웨어 엔지니어링 벤치마크
| 벤치마크 | arXiv | 학회 | SOTA (Feb 2026) | 요약 |
|---|---|---|---|---|
| SWE-bench | 2310.06770 | ICLR 2024 | ~70%+ (Verified) | 실제 GitHub 이슈 해결, 12개 인기 Python 레포 |
범용 에이전트 벤치마크
| 벤치마크 | arXiv | 학회 | 요약 |
|---|---|---|---|
| AgentBench | 2308.03688 | ICLR 2024 | 8가지 환경(OS, DB, KG, Web 등) 종합 |
| GAIA | 2311.12983 | ICLR 2024 | 인간이 풀 수 있는 466개 질문, 도구 사용+추론 |
| τ-bench | 2406.12045 | NeurIPS 2024 | 실제 고객 서비스 시뮬레이션, 정책 준수 검증 |
권장 인용 문구
"WebVoyager(ACL 2024) 기준 SOTA 93.9%, OSWorld(NeurIPS 2024) 기준 72.6% — AI Agent가 실제 웹/OS 환경에서 인간 수준에 근접하고 있습니다."
15. AI Agent 시장 규모 출처 교차검증
판정: ✅ 크로스체크 완료 — 3개 독립 리서치 기관 간 수치 비교
시장 규모 크로스체크
| 기관 | 기준 연도 | 시장 규모 | 전망 연도 | 전망 규모 | CAGR | 보고서 날짜 |
|---|---|---|---|---|---|---|
| Grand View Research | 2025 | $7.63B | 2033 | (미공개) | 49.6% | Dec 2025 |
| MarketsandMarkets | 2024 | $5.26B | 2030 | $52.62B | 46.3% | Apr 2025 |
| Precedence Research | 2024 | $7.84B | 2034 | $191.29B | 37.8% | 2025 |
분석 노트
GVR vs M&M 비교:
- GVR 2025 $7.63B ≈ M&M 2024 $5.26B + 1년 성장 → 정합적
- CAGR 차이 (49.6% vs 46.3%): 정의 범위 차이 (GVR은 더 넓은 AI Agent 범위)
- Precedence는 가장 넓은 범위 ($7.84B in 2024), CAGR은 가장 보수적 (37.8%)
ONESHIM 사용 수치:
- 시장 규모: $7.63B (2025, GVR) — 가장 최신 보고서
- 성장 전망: $52.62B (2030, M&M) — 구체적 전망 연도+수치 제공
- CAGR: 49.6% (2026–2033, GVR) — 기간 명시
결론: 3개 기관 모두 AI Agent 시장의 40%+ CAGR에 수렴. ONESHIM이 사용하는 수치는 가장 최신(GVR Dec 2025) + 가장 구체적(M&M) 조합으로 적합합니다.
인용 가이드
피치덱/발표용 (짧은 인용)
"지식 근로자는 하루 평균 2.5시간을 정보 검색에 소비합니다" — IDC
문서/보고서용 (정식 인용)
IDC White Paper, "The High Cost of Not Finding Information"
(Susan Feldman & Chris Sherman, 2001; 2014 업데이트)
크로스체크 근거 제시용 (가장 강력)
"2024-2025년 Deloitte(41%), Atlassian(25%), Microsoft, Slack 등
10개 독립 출처에서 1.3~3.3시간/일로 수렴 — 2.5시간은 보수적 중앙값"
관련 문서
- AI Agent 시장 분석 — 시장 규모, 트렌드
- 경쟁 서비스 비교 — 20+ 서비스 비교
- ONESHIM 포지셔닝 — 차별화 포인트
최종 업데이트: 2026-02 기준 (섹션 13-15 추가)