생존한 사례만 남는 통계 — 도입 성과 수치의 함정 (2026)

2026-09-09

결론부터 말하면, “도입한 기업의 평균 수익률”이라는 문장에는 대개 실패해서 사라진 사례가 빠져 있습니다.

시작한 프로젝트 중 상당수가 중단되고, 살아남은 것만 성과를 보고합니다.

그 성과를 평균 내면 숫자는 당연히 좋게 나옵니다.

이 숫자를 근거로 “도입하면 이만큼 얻는다”고 읽으면 기대값을 크게 부풀리게 됩니다.

실제 도입 효과가 실적으로 넘어오는지는 기업 실적 화면의 분기 흐름에서 확인할 수 있습니다. Passive에서 보기

생존 편향이 숫자를 만드는 방식

성과 통계는 보통 세 단계를 거칩니다.

시작한 프로젝트가 있고, 그중 일부가 운영 단계에 진입하고, 진입한 것 중 일부가 성과를 공개합니다.

각 단계마다 표본이 줄어드는데, 줄어드는 방향은 무작위가 아닙니다.

성과가 나쁜 쪽이 먼저 빠집니다.

2026년 기업용 인공지능 에이전트 통계가 이 구조를 잘 보여줍니다.

시범 도입의 상당수가 운영 단계에 도달하지 못한다는 집계가 있는 반면, 운영에 도달한 사례의 평균 투자수익률은 세 자릿수로 보고됩니다.

두 숫자는 서로 모순이 아니라 같은 깔때기의 위아래입니다.

전체 기대값은 통과율과 성과를 곱해야 나옵니다.

분모를 확인한다

“도입 기업의 평균”인지 “시작한 프로젝트의 평균”인지에 따라 의미가 완전히 달라집니다.

분모가 밝혀져 있지 않은 성과 수치는 비교에 쓸 수 없습니다.

통과율을 곱한다

운영 진입률과 성과 평균을 곱하면 시작 기준의 기대값이 나옵니다.

진입률이 낮으면 화려한 성과 수치도 기대값에서는 크게 줄어듭니다.

실패의 비용을 뺀다

중단된 프로젝트도 인건비와 도구 비용을 씁니다.

성공 사례의 이익만 더하고 실패 사례의 비용을 빼지 않으면 순효과가 과대평가됩니다.

회수 기간을 함께 본다

같은 수익률이라도 회수까지 몇 개월이 걸리는지에 따라 자본의 부담이 다릅니다.

기능별로 회수 기간이 크게 갈리는 경우가 많으므로 평균 하나로 묶지 않습니다.

성과 통계보다 실용적인 정보는 실패 사유의 분포입니다.

2026년 조사에서는 성공 기준이 불명확했던 경우, 필요한 데이터나 도구에 접근하지 못한 경우, 평가 범위가 시간이 지나며 어긋난 경우가 주된 사유로 꼽혔습니다.

세 가지 모두 기술의 한계가 아니라 설계의 문제입니다.

투자 판단에서 보면, 이런 사유는 도입 기업 쪽 비용 구조에 계속 남는 항목이라는 뜻이기도 합니다.

공급 기업의 매출로 잡히는 지출과 도입 기업의 성과로 잡히는 이익은 시점도 크기도 다릅니다.

관련 종목의 실적 반영 시점은 캘린더에서 미리 확인합니다. Passive 열어보기

이 구조는 신기술 도입 통계에만 있는 것이 아닙니다.

펀드 수익률에서 청산된 펀드가 빠지는 경우, 창업 성과 통계에서 폐업 기업이 빠지는 경우, 백테스트에서 상장폐지 종목이 빠지는 경우가 모두 같은 형태입니다.

판별 질문은 하나로 정리됩니다.

이 표본에서 빠진 사례들은 어디로 갔고, 왜 빠졌는가.

높은 성과 수치를 볼 때 먼저 확인할 것은 크기가 아니라 분모입니다.

통과율을 곱하고 실패 비용을 빼면 대부분의 인상적인 숫자는 상당히 작아집니다.

작아진 숫자가 여전히 의미 있다면 그때 판단의 근거로 쓸 수 있습니다.

실적 반영 여부는 종목 스크리너에서 지표로 걸러 확인합니다. Passive 바로가기