핵심 내용
Deutsche Telekom은 10월 5일 Bonn에서 열린 AI Investor Day에서 2023년 대비 2030년까지 약 25억 유로의 간접비를 AI와 자동화로 절감하겠다는 목표를 공개했다. 미국 외 기업고객 대상 AI 관련 매출도 2030년 약 8억 유로까지 늘리는 것이 목표다. 회사는 기존 중기 재무전망을 유지하면서 AI를 별도의 실험비용이 아니라 비용절감과 신규매출 양쪽의 재무 항목으로 제시했다. 출처
실제 운영사례도 공개했다. 상반기 독일의 고객상담 chatbot ‘Frag Magenta’는 약 260만 건의 고객 서비스 통화를 처리했고, T-Mobile US에서는 고객센터 통화량이 55% 줄었으며 AI Agent가 고객 접점의 약 40%를 처리한다고 회사는 밝혔다. 네트워크 운영에서는 AI로 트래픽 peak를 더 일찍 감지하고, 소프트웨어 개발에서는 legacy 시스템 교체와 코드 작성에 AI를 사용하고 있다. 출처
2027년에는 미국 외 사업에서 AI·자동화로 2023년 대비 약 11억 유로의 gross savings를 기대하며, 절감분 일부를 독일 광섬유망 확장과 디지털 전환에 재투자할 계획이다. 이는 회사의 목표와 내부 측정치로, 2030년 실적이 이미 확정된 것은 아니다. 출처
배경
기업 AI 발표는 사용 직원 수나 PoC 수로 성과를 표현하는 경우가 많았지만, 투자자는 AI가 실제 비용구조와 매출을 얼마나 바꾸는지 요구하기 시작했다. 특히 통신사는 고객센터, 네트워크 운영, 소프트웨어 유지보수처럼 반복작업 비중이 높아 AI의 비용절감 효과를 비교적 정량화하기 쉽다.
산업·시장에 미치는 영향
대형 기업에서 AI 투자 기준이 “직원이 많이 쓰는가”에서 얼마를 절감하고 얼마의 신규 매출을 만드는가로 이동할 가능성이 커진다. 모델 공급자와 SI 업체도 생산성 향상을 추상적인 시간절감이 아니라 고객센터 contact rate, 장애복구시간, 개발비, 운영비 같은 기존 KPI로 입증해야 할 가능성이 높다.
실무에서 바로 활용할 수 있는 시사점
기업 AI 프로젝트는 사용자 수나 prompt 수보다 기존 baseline 비용 → 자동화 비율 → 사람 재처리율 → 실제 절감액을 연결해 측정하는 것이 좋다. 특히 사람 업무를 AI로 옮겼더라도 검수·오류처리 비용이 증가할 수 있으므로 gross saving과 net saving을 분리해야 한다.
출처
Deutsche Telekom — Telekom steigert Wachstum, Effizienz und Qualität durch Einsatz von KI Reuters — Deutsche Telekom sees €2.5 billion in savings from AI, automation by 2030