Wipro에서 AI가 만든 것은 2만명의 해고가 아니라 2만명분의 여유였다

Wipro CTO Sandhya Arun은 AI 도입으로 직원 약 2만명에 해당하는 capacity가 확보됐다고 Reuters에 밝혔다. 회사 전체 인력은 6월 기준 약 24만3000명이다.

중요한 점은 Wipro가 이 2만명을 해고했다고 말한 것이 아니라는 사실이다. 회사는 확보된 capacity를 다른 역할로 재배치했고, 10만명 이상의 직원에게 advanced AI skill 교육을 진행했다고 설명했다.

따라서 이 숫자의 핵심은 Headcount Reduction보다 Capability Reallocation이다. 같은 조직이 더 적은 시간으로 기존 업무를 처리하게 됐을 때, 남는 사람과 시간을 어디에서 새로운 가치로 바꿀 것인가가 문제가 된다.

생산성이 올라가면 IT서비스 회사는 자동으로 더 많이 벌까

제조업에서는 같은 공장에서 더 많은 제품을 만들 수 있으면 생산성 향상이 곧 판매 가능한 output 증가로 이어질 수 있다. 사람의 시간을 팔아온 서비스업은 구조가 다르다.

과거 100시간이 필요했던 일을 AI와 함께 40시간에 끝낼 수 있다면 회사의 생산성은 높아진다. 하지만 고객은 예전 100시간 가격을 그대로 지불해야 하는지 묻게 된다.

Reuters는 인도 IT서비스 기업들이 AI가 줄인 delivery effort를 가격에 반영하라는 고객 압력을 받고 있으며, 전통적인 billable-hours model이 흔들리고 있다고 보도했다. Productivity가 올라갈수록 기존 상품인 human hour 자체의 가격은 오히려 압박받을 수 있다.

그래서 Productivity ↑가 Pricing Power ↑와 같은 뜻은 아니다

AI로 같은 프로젝트를 더 빨리 끝내는 것은 운영적으로 좋은 일이다. 하지만 고객도 AI가 생산성을 높인다는 사실을 알고 있다.

서비스회사가 절감된 시간을 모두 margin으로 남기려 하면 고객은 더 적은 인력과 더 짧은 delivery time을 근거로 가격 재협상을 요구할 수 있다. AI Productivity ↑ → Required Hours ↓ → Pricing Pressure ↑라는 역설이 생긴다.

10월 1일 Reuters가 인용한 5개 brokerage 전망에서 인도 상위 6개 IT기업의 9월 분기 순차 매출 성장률은 0.7~3.5% 범위로 예상됐다. Reuters는 이를 최근 3년 중 가장 약한 분기 흐름으로 설명했다. Nifty IT 지수는 2026년 들어 약 27% 하락했다. 물론 고객의 신중한 지출과 거시경제 요인도 함께 작용한다.

인도 IT서비스가 큰 이유는 사람이 많아서가 아니라 사람의 시간을 사업으로 만들었기 때문이다

인도 IT서비스 산업은 약 3150억달러 규모이며 거의 600만명을 고용한다. TCS, Infosys, HCLTech, Wipro 같은 기업들은 글로벌 고객의 개발·운영·컨설팅·아웃소싱을 대규모 인력으로 수행해왔다.

실제 계약구조는 fixed price, managed service, transaction pricing 등 다양하지만 오랫동안 사람의 투입량과 매출 사이에는 강한 연결이 있었다.

AI는 이 연결을 약하게 만든다. 더 많은 프로젝트를 수주해도 과거처럼 인력수를 같은 비율로 늘리지 않을 수 있다면, 성장공식은 Headcount × Utilization × Billable Rate 하나로 설명하기 어려워진다.

시간 대신 결과에 가격을 붙이면 무엇이 달라질까

TCS는 AI 시대 consulting에서 전통적인 billable hour가 완전히 사라지기보다 outcome-based pricing, subscription, shared-risk model 같은 방식과 함께 존재할 것으로 보고 있다. 회사의 2025~26 연차보고서도 outcome-based engagement 확대를 중기 방향으로 제시한다.

차이는 Input과 Outcome이다. 시간 기반 계약은 몇 명이 얼마나 오래 일했는지가 가격의 중요한 근거가 된다. 결과 기반 계약은 비용 절감, 처리시간 단축, 장애 감소, 매출 증가처럼 고객의 실제 사업결과에 가격을 연결한다.

AI가 execution cost를 낮출수록 서비스회사는 사람의 시간보다 고객에게 어떤 결과를 만들었는지를 더 명확하게 증명해야 할 수 있다.

Outcome을 팔면 더 높은 가격을 받을 수 있지만 더 큰 책임도 진다

TCS는 북미 에너지기업과의 AI-driven outcome-based engagement에서 critical operation의 total cost of ownership을 약 50% 줄였다고 공개했다. 이 수치는 특정 고객사와 장기 partnership의 사례이며 업계 평균이 아니다.

결과 기반 모델에서는 고객비용 20% 절감 같은 약속을 했다면 baseline을 정하고 실제 변화가 무엇 때문인지 측정해야 한다. AI 적용, 시장변화, 고객 내부조치 중 어느 것이 결과에 기여했는지도 나눠야 한다.

그래서 Outcome Pricing은 단순 Delivery보다 Measurement, Governance, Domain Knowledge, Commercial Design, Risk Sharing을 더 요구한다. 결과에 가격을 붙이는 순간 결과에 대한 책임도 함께 커진다.

사업모델이 바뀌면 사람의 가치도 투입량에서 판단력으로 이동한다

Billable Hour 중심 모델에서는 많은 qualified engineer를 확보하고 높은 utilization을 유지하는 것이 경쟁력의 큰 부분이었다. 사람 수 자체가 delivery capacity였다.

Outcome 중심 모델에서는 고객 문제를 정의하고, 산업 맥락을 이해하고, AI와 기존 시스템을 연결하고, 결과지표를 설계하고, 실제 현장에 정착시키는 사람이 더 중요해질 수 있다.

Wipro CTO도 AI 도입을 productivity만으로 보지 말고 customer experience, new revenue, business goal 같은 outcome-driven metric으로 봐야 한다고 강조했다. AI가 routine execution을 줄일수록 Domain Expert, AI Orchestrator, Deployment Owner, Outcome Judge의 조합이 더 중요해질 수 있다.

BANSEOG VIEW | AI가 싸게 만드는 것은 사람보다 사람의 한 시간일 수 있다

Wipro의 2만명분 capacity를 AI가 2만명의 일자리를 없앴다고 읽으면 핵심을 놓친다. 회사는 해당 capacity를 다른 역할로 재배치했다고 밝혔다.

더 큰 변화는 IT서비스 회사가 오랫동안 판매해온 단위다. AI가 같은 결과를 더 짧은 시간에 만들면 human hour 자체는 희소한 상품이 아니게 되고, 고객은 그 절감분을 가격에 반영하라고 요구할 수 있다.

Banseog는 이를 Hour → Outcome, Headcount → Capability, Productivity → Reallocation의 변화로 본다. AI가 서비스업에서 가장 먼저 싸게 만드는 것은 사람 자체가 아니라 사람의 한 시간에 붙어 있던 가격일 수 있다.

BANSEOG VIEW

Banseog View — Hour → Outcome

AI Productivity가 높아질수록 billable hour에는 가격하락 압력이 생길 수 있다.

Wipro의 2만명분 capacity는 Headcount Reduction보다 Capability Reallocation 문제를 보여준다.

서비스기업의 가격근거는 Human Hours에서 Domain Knowledge + AI + Measurable Outcome으로 이동할 수 있다.

SOURCES

근거가 된 원자료

Wipro의 2만명은 해고인원이 아니라 AI 생산성 향상으로 확보됐다고 회사가 밝힌 capacity equivalent이며 재배치됐다고 설명됐다. 상위 IT기업 실적약화는 AI 하나만으로 설명되지 않고 고객지출·거시환경이 함께 작용한다. Hour → Outcome, Productivity Deflation, Capability Reallocation은 공개자료를 연결한 Banseog 분석 프레임이다.