AI 도입을 고민하는 임원에게: 기술보다 먼저 결정해야 할 3가지
무작정 AX를 외치는 임원단에게 놓는 일침
TY KIM
Swiss School of Management - AI 박사 Imaginethat Research Editor in Chief
요즘 임원분들을 만나면 거의 빠지지 않고 나오는 이야기가 하나 있습니다.
바로 AI 도입입니다.
“우리도 AI를 해야 하지 않을까요?”
“다른 회사들은 이미 시작했다는데, 우리는 너무 늦은 것 아닙니까?”
“직원들은 이미 ChatGPT를 쓰고 있는데 회사 차원에서는 어떻게 도입해야 합니까?”
“AI 에이전트까지 나온다는데 앞으로 사람을 덜 뽑아도 되는 겁니까?”
아마 이 글을 읽고 계신 경영진이나 실무 책임자 중에서도 비슷한 고민을 하고 있는 분들이 많을 겁니다.
AI를 하지 않자니 불안합니다.
그렇다고 막상 시작하려고 하면 더 막막합니다.
무엇을 도입해야 하는지,
어디에 적용해야 하는지,
누구에게 맡겨야 하는지,
얼마를 투자해야 하는지,
그리고 어떤 숫자가 나와야 “AI 도입에 성공했다”**고 말할 수 있는지 명확하지 않습니다.
그래서 많은 기업이 비슷한 순서로 움직입니다.
전 직원 AI 교육을 시작합니다.
프롬프트 교육을 합니다.
ChatGPT나 Copilot 같은 AI 라이선스를 구매합니다.
AI TF를 구성합니다.
사내 챗봇을 만들어봅니다.
PoC도 몇 개 진행합니다.
그런데 몇 달이 지나면 결국 이런 질문이 돌아옵니다.
“그래서 무엇이 실제로 좋아졌습니까?”
이 질문에 명확하게 답하지 못하는 회사가 의외로 많습니다.
제가 오늘 이야기하고 싶은 것은 AI 솔루션도 아니고, 프롬프트 작성법도 아닙니다.
그보다 앞에 있는 문제입니다.
기업이 AI를 도입하기 전에 경영진은 무엇을 먼저 결정해야 하는가.
이 글에서는 그 질문에 대해 이야기해보려고 합니다.
결론부터 말하면, AI 도입은 기술 프로젝트가 아닙니다
기업의 AI 도입 전략은 크게 세 가지 질문에서 시작해야 합니다.
첫째, AI부터 고르지 말고 목적지부터 결정해야 합니다.
둘째, 완벽한 AI 프로젝트보다 작게 실패하고 빠르게 배우는 구조를 만들어야 합니다.
셋째, AI로 사람을 줄이는 것보다 AI 이후 사람이 해야 할 일을 다시 정의해야 합니다.
결국 AI 도입의 본질은 특정 AI 제품을 구매하는 것이 아닙니다.
조직과 업무를 다시 설계하는 일입니다.
1. AI부터 도입하지 말고 목적지부터 결정해야 합니다
최근 교육 혁신가 조벽 교수의 인터뷰를 읽다가 눈에 들어온 표현이 있었습니다.
AI 시대에는 미래를 정확히 예측하려 하기보다 자신이 원하는 미래를 상상하고 만들어가야 한다는 취지의 이야기였습니다.
저는 이 이야기가 교육뿐 아니라 기업 경영에도 상당히 중요하게 적용될 수 있다고 생각했습니다.
지금 많은 기업이 AI의 미래를 예측하려고 합니다.
어떤 AI 모델이 가장 좋아질까.
어떤 직업이 사라질까.
AI 에이전트가 어디까지 발전할까.
어떤 솔루션을 구매해야 할까.
3년 뒤 생성형 AI는 어디까지 갈까.
그런데 문제가 하나 있습니다.
우리가 그 답을 고민하는 동안 기술은 계속 바뀝니다.
오늘 가장 뛰어나다고 평가받는 AI 모델이 몇 달 후에는 바뀔 수 있습니다.
오늘 어렵다고 생각했던 업무가 어느 날 갑자기 자동화될 수도 있습니다.
이 정도 속도라면 AI 기술의 미래를 정확하게 맞히는 능력 자체가 기업의 지속적인 경쟁력이 되기는 어렵습니다.
오히려 더 중요한 질문이 있습니다.
“AI가 앞으로 얼마나 발전할 것인가?”가 아니라
“AI가 충분히 좋아진다는 전제에서 우리 회사는 어떤 회사가 되어야 하는가?”
저는 이것이 AI 전략의 출발점이라고 생각합니다.
AI는 목적지가 아니라 교통수단입니다
조벽 교수의 인터뷰에 흥미로운 비유가 하나 나옵니다.
사람들이 진로를 고민할 때 자꾸 수단부터 생각한다는 것입니다.
어느 대학을 갈까.
어느 학과를 선택할까.
어떤 직업을 가질까.
그런데 이것은 마치 목적지를 결정하지 않은 상태에서
“비행기를 탈까, KTX를 탈까, 배를 탈까?”
라고 묻는 것과 비슷합니다.
부산을 갈지, 제주도를 갈지, 도쿄를 갈지도 정하지 않았는데 교통수단부터 토론하고 있는 셈입니다.
이상한 일처럼 보이지만 기업의 AI 도입에서도 정확히 같은 일이 벌어지고 있습니다.
“ChatGPT Enterprise를 도입할까요?”
“Microsoft Copilot을 써야 할까요?”
“Claude가 더 좋다고 하던데요?”
“사내 데이터를 연결해서 RAG를 만들어야 하지 않을까요?”
“AI 에이전트를 구축해야 하지 않습니까?”
물론 중요한 질문입니다.
그러나 그보다 먼저 결정해야 하는 것이 있습니다.
우리는 어디로 가려고 하는가.
AI는 목적지가 아닙니다.
AI는 목적지로 가기 위한 하나의 수단입니다.
AI 도입 전에 경영진이 먼저 물어야 할 3가지 질문
AI 도입을 고민하는 회사라면 저는 기술 검토보다 먼저 다음 세 가지 질문을 적어보라고 말씀드리고 싶습니다.
1. 우리 회사의 돈은 어디에서 반복적으로 새고 있는가?
2. 직원들의 시간은 어떤 업무에서 반복적으로 사라지고 있는가?
3. 고객은 우리 회사의 어떤 순간에서 가장 큰 불편을 겪고 있는가?
이 세 가지를 제대로 찾으면 AI를 적용해야 할 영역이 상당히 선명해집니다.
예를 들어 매주 1,500시간이 사라지는 회사가 있다고 해보겠습니다
어떤 회사에서 직원들이 매주 월요일마다 경영 보고서를 작성한다고 가정해보겠습니다.
데이터를 다운로드합니다.
엑셀 파일을 정리합니다.
지난주 숫자와 비교합니다.
그래프를 만듭니다.
PPT에 붙입니다.
코멘트를 작성합니다.
팀 하나가 이 작업에 매주 3시간을 사용한다고 해보겠습니다.
10개 팀이면 매주 30시간입니다.
연간으로 환산하면 약 1,500시간에 달합니다.
그런데 이런 회사에서 AI 도입을 논의하면서 첫 번째 프로젝트로
“전 직원에게 프롬프트 교육을 합시다.”
라고 결정한다면 순서가 뒤집힌 것일 수 있습니다.
교육이 목적이 되어서는 안 됩니다.
먼저 이렇게 정의해야 합니다.
“매년 1,500시간이 들어가는 경영 보고 프로세스를 500시간 수준으로 줄여보자.”
그다음 AI를 보는 것입니다.
데이터 수집을 어떻게 자동화할 것인가.
AI가 분석을 어디까지 수행할 수 있는가.
보고서 초안을 자동으로 만들 수 있는가.
사람은 마지막에 어떤 판단과 검토만 담당해야 하는가.
이렇게 문제와 목표가 정해지면 AI 기술을 선택하는 것은 훨씬 쉬워집니다.
그리고 무엇보다 성과를 측정할 수 있습니다.
기존 3시간짜리 업무가 40분으로 줄었는가.
오류율이 감소했는가.
보고서가 더 빠르게 나오는가.
팀장이 숫자를 정리하는 대신 의사결정과 문제 해결에 더 많은 시간을 쓰게 되었는가.
여기까지 봐야 합니다.
저는 이것을 단순한 AI 도입이 아니라 업무 재설계라고 생각합니다.
AI 자동화와 업무 재설계는 다릅니다
기존 업무 방식은 그대로 유지한 채 AI만 추가한다면 생산성은 조금 높아질 수 있습니다.
그러나 그것만으로는 혁신이라고 말하기 어렵습니다.
예전에는 사람이 작성했던 보고서를 AI가 대신 작성하게 만드는 것에서 끝나서는 안 됩니다.
한 단계 더 질문해야 합니다.
“애초에 이 보고서를 매주 만들어야 하는가?”
“이 결재는 왜 세 단계를 거쳐야 하는가?”
“왜 같은 데이터를 영업팀과 마케팅팀이 각각 정리하고 있는가?”“고객 문의를 왜 상담사가 처음부터 끝까지 읽어야 하는가?”
AI가 등장하면 기존 업무 프로세스의 비효율이 오히려 더 잘 보이기 시작합니다.
그래서 기업 AI 도입의 본질은 단순 자동화가 아니라 프로세스 재설계입니다.
이 차이는 굉장히 중요합니다.
기존 업무를 그대로 두고 AI를 적용하면 사람이 조금 빨라집니다.
하지만 기존 업무 자체를 다시 설계하면 회사가 달라질 수 있습니다.
AI로 절약한 시간을 어디에 다시 투자할 것인가
예를 들어 마케팅팀이 있다고 해보겠습니다.
과거에는 시장조사에 3일,
아이디어 정리에 2일,
카피 작성에 하루,
보고서 작성에 하루가 걸렸습니다.
생성형 AI를 활용해 이 시간을 절반으로 줄였다면 분명 생산성 향상입니다.
하지만 더 중요한 질문은 이것입니다.
“남은 시간을 무엇에 사용할 것인가?”
여기에서 경영진의 역할이 등장합니다.
시간 절감만 목표로 설정하면 AI 도입의 목적은 결국 인건비 절감으로 귀결되기 쉽습니다.
하지만 확보된 시간을
고객 인터뷰,
신규 실험,
제품 개선,
고객 관계,
전략적 사고,
창의적 문제 해결
등에 다시 투자한다면 AI는 단순한 비용 절감 도구가 아니라 기업 성장 도구가 됩니다.
같은 AI를 도입했는데도 회사마다 결과가 달라지는 이유가 여기에 있습니다.
그래서 AI 도입을 고민하는 임원에게 저는 이런 질문을 권하고 싶습니다.
“AI를 이용해 무엇을 할 것인가?”보다
“AI를 이용해 무엇을 없애고, 무엇을 더 늘릴 것인가?”
없앨 업무를 먼저 정해봅니다.
반복 보고.
자료 검색.
회의록 작성.
단순 문의.
문서 초안.
데이터 취합.
반복 검토.
그리고 그 시간을 어디에 다시 투자할지 결정합니다.
고객 이해.
의사결정.
실험.
창의적 문제 해결.
구성원과의 대화.
제품 개선.
이것이 AI 전략의 목적지입니다.
2. 완벽한 AI 프로젝트보다 실패할 수 있는 구조를 만들어야 합니다
AI 도입을 어렵게 만드는 가장 큰 문제가 기술이라고 생각하기 쉽습니다.
하지만 실제 조직에서는 기술보다 더 어려운 문제가 있습니다.
실패하면 안 된다는 조직문화입니다.
특히 조직의 규모가 커질수록 새로운 프로젝트를 시작하는 과정은 복잡해집니다.
기획서를 작성합니다.
예산 승인을 받습니다.
보안팀과 협의합니다.
IT팀과 논의합니다.
법무 검토를 받습니다.
임원 보고를 합니다.
몇 달이 지나갑니다.
문제는 AI 기술의 변화 속도가 기업의 의사결정 속도보다 훨씬 빠를 수 있다는 것입니다.
6개월 동안 완벽하게 준비했는데 프로젝트를 시작할 즈음에는 기술 환경 자체가 달라져 있을 수 있습니다.
따라서 AI 시대에는 계획의 정확성보다 학습의 속도가 중요해집니다.
AI 시대에는 ‘정답 찾기’보다 ‘작게 실험하기’가 중요합니다
기업 AI 도입에는 처음부터 정답이 존재하지 않는 경우가 많습니다.
직접 적용해보고 데이터를 확인해야 합니다.
따라서 경영진이 해야 할 일은
성공할 것 같은 AI 프로젝트 하나를 완벽하게 고르는 것이 아니라
싸게 실패하고 빠르게 배우는 시스템을 만드는 것에 가깝습니다.
예를 들어 초기 단계에서 전사 AI 프로젝트 하나에 막대한 금액을 투입하기보다 여러 업무에 작은 실험을 진행할 수 있습니다.
영업팀에서는 제안서 초안을 자동화합니다.
고객센터에서는 문의 분류를 실험합니다.
인사팀에서는 사내 규정 검색을 적용합니다.
마케팅팀에서는 리서치 업무를 자동화합니다.
재무팀에서는 정기 경영 보고서 작성 시간을 줄여봅니다.
그리고 모든 실험에 숫자를 붙입니다.
-
기존 업무 시간
-
AI 적용 후 업무 시간
-
오류율
-
활용 빈도
-
직원 만족도
-
고객 응답 시간
-
비용
-
품질 변화
일정 기간이 지나면 프로젝트는 세 가지 중 하나로 정리합니다.
중단한다.
개선한다.
확장한다.
이 원칙이 중요합니다.
효과 없는 AI 프로젝트를 중단할 수 있어야 합니다
기업에서 혁신이 느려지는 이유 중 하나는 이미 시작한 프로젝트를 쉽게 중단하지 못하기 때문입니다.
누군가 임원에게 보고했습니다.
예산을 승인받았습니다.
전담 인력이 투입됐습니다.
그래서 성과가 부족해도 프로젝트가 계속됩니다.
하지만 AI 프로젝트는 오히려 많이 실험하고, 많이 중단할 수 있어야 합니다.
10개를 실험해서 2개가 살아남더라도 괜찮습니다.
그 2개가 회사 전체의 생산성과 경쟁력을 크게 바꿀 수 있다면 충분히 의미가 있습니다.
여기에서 말하는 실패 허용은 무조건 실패를 용인하자는 이야기가 아닙니다.
핵심은 실패 비용을 작게 설계하는 것입니다.
저는 이것을 ‘작은 베팅’이라고 생각합니다.
처음부터 전사 도입을 하지 않습니다.
한 팀에서 시작합니다.
모든 업무를 바꾸지 않습니다.
하나의 프로세스만 바꿉니다.
6개월짜리 대형 프로젝트보다 몇 주 안에 검증할 수 있는 범위로 줄입니다.
그리고 숫자를 봅니다.
효과가 없으면 중단합니다.
효과가 있으면 확장합니다.
AI 혁신에서 필요한 것은 ‘실패하지 않는 조직’이 아닙니다
AI 시대에 회복탄력성이 높은 조직은 실패가 없는 조직이 아닙니다.
실패해도 다시 시도할 수 있을 만큼 작게 실험하는 조직입니다.
그래서 경영진의 역할이 중요합니다.
직원들에게
“AI 활용 아이디어를 자유롭게 제안하세요.”
라고 말하면서 실패한 프로젝트의 담당자를 질책한다면 아무도 새로운 시도를 하지 않습니다.
회의에서는 혁신을 이야기하면서 평가에서는 실수를 하지 않은 사람에게 높은 점수를 준다면 구성원들은 회사의 실제 메시지를 금방 이해합니다.
“새로운 것은 하지 않는 것이 안전하구나.”
AI 혁신을 위해서는 기술적 안전장치뿐 아니라 조직적 안전장치도 필요합니다.
어디까지 실험할 수 있는가.
어떤 데이터는 AI에 입력하면 안 되는가.
어느 수준의 비용까지 소규모 실험이 가능한가.
어떤 지표가 나오면 중단해야 하는가.
어떤 결과는 반드시 사람이 검증해야 하는가.
이러한 기준을 명확하게 만드는 것이 중요합니다.
AI 거버넌스는 규제가 아니라 실험의 경계선입니다
AI를 자유롭게 활용하게 하자는 말과 아무 규칙 없이 사용하게 하자는 말은 전혀 다릅니다.
보안.
개인정보.
저작권.
데이터 관리.
결과 검증.
최종 의사결정 책임.
이 영역에는 분명한 AI 거버넌스가 필요합니다.
그러나 그 경계가 정해진 안에서는 구성원들이 최대한 많이 실험할 수 있도록 해야 합니다.
축구장에 선이 있기 때문에 선수들이 그 안에서 자유롭게 플레이할 수 있는 것과 비슷합니다.
저라면 전사 AI 혁신을 시작할 때 거대한 슬로건보다 이런 질문을 던지겠습니다.
“우리 회사에서 매달 100개의 작은 AI 실험이 일어나게 하려면 무엇을 바꿔야 하는가?”
AI 시대의 경쟁력은 AI 라이선스를 얼마나 많이 구매했느냐가 아니라 조직이 얼마나 빠르게 배우느냐에서 만들어질 가능성이 높습니다.
3. AI로 사람을 줄이기보다 사람이 해야 할 일을 다시 정의해야 합니다
마지막이 가장 중요합니다.
많은 경영진이 AI를 보면서 가장 먼저 떠올리는 숫자는 생산성입니다.
10명이 하던 일을 7명이 할 수 있을까.
7명이 하던 일을 5명이 할 수 있을까.
앞으로 사람을 덜 채용할 수 있을까.
당연한 질문입니다.
기업은 생산성을 고민해야 하고 비용 구조도 개선해야 합니다.
그러나 AI 전략이 여기에서 끝난다면 중요한 문제가 남습니다.
회사에 남아 있는 사람들의 역할이 달라지지 않기 때문입니다.
AI가 기존 업무의 30%를 대신해줬는데 사람에게 남은 역할이 나머지 70%를 더 빨리 처리하는 것뿐이라면 조직은 본질적으로 달라지지 않습니다.
AI 시대에는 오히려 다음 질문이 더 중요합니다.
“AI가 반복적인 일을 대신하게 된 뒤 우리 사람들은 어떤 문제를 풀어야 하는가?”
AI가 답을 만드는 비용을 낮출수록 사람의 가치는 질문과 판단으로 이동합니다
AI가 잘하는 일은 계속 늘어나고 있습니다.
요약합니다.
검색합니다.
정리합니다.
문서 초안을 만듭니다.
비교합니다.
패턴을 찾습니다.
코드를 작성합니다.
이미지를 생성합니다.
데이터를 분석합니다.
그렇다면 사람이 AI보다 이런 업무를 조금 더 잘하는 것을 목표로 삼는 것이 최선일까요?
저는 사람이 맡는 문제 자체가 달라져야 한다고 생각합니다.
과거의 마케터가 카피를 작성하는 사람이었다면,
AI 시대의 마케터는 어떤 이야기를 해야 고객이 움직이는지를 결정하는 사람이 되어야 합니다.
과거의 디자이너가 이미지를 만드는 사람이었다면,
AI 시대의 디자이너는 무엇을 보여주고 무엇을 보여주지 않을지를 결정하는 사람이 되어야 합니다.
과거의 재무 담당자가 숫자를 정리하는 사람이었다면,
AI 시대에는 그 숫자가 경영적으로 무엇을 의미하는지 해석하고 판단하는 사람이 되어야 합니다.
과거의 HR 담당자가 지원서를 읽고 분류하는 사람이었다면,
앞으로는 우리 조직에 어떤 사람이 필요한지를 정의하는 사람이 되어야 합니다.
AI가 답을 만드는 비용을 계속 낮춘다면 인간의 가치는 자연스럽게 질문·판단·책임 쪽으로 이동하게 됩니다.
AI 시대에 더 중요해지는 인간의 역량 3가지
저는 앞으로 기업에서 다음 세 가지 역량의 가치가 더 커질 가능성이 높다고 생각합니다.
1. 문제 정의 능력
무엇을 풀어야 하는지 정확히 정하는 능력입니다.
AI에게 “시장조사를 해줘”라고 요청하면 상당히 많은 정보를 만들어낼 수 있습니다.
하지만 우리 회사가 어떤 시장을 포기하고 어떤 시장에 집중할지는 별개의 문제입니다.
2. 판단 능력
AI는 여러 대안을 만들 수 있습니다.
하지만 어떤 리스크를 감수하고 무엇을 선택할지는 결국 조직의 책임입니다.
3. 관계와 맥락을 이해하는 능력
AI가 수백 개의 고객 리뷰를 분석할 수는 있습니다.
그러나 그중 어떤 불만을 해결하는 것이 우리 회사의 브랜드와 전략에 부합하는지 결정하는 것은 또 다른 문제입니다.
AI가 강해질수록 리더십은 오히려 더 중요해질 수 있습니다
예전에는 정보가 부족해서 판단이 어려웠습니다.
앞으로는 반대로 정보와 선택지가 너무 많아서 판단이 어려워질 수 있습니다.
AI는 임원에게 30개의 전략을 제안할 수 있습니다.
그 순간 임원의 역할이 사라지는 것이 아닙니다.
오히려 더 분명해집니다.
30개 중 무엇을 하지 않을지 결정해야 하기 때문입니다.
경영은 결국 선택입니다.
그리고 선택은 필연적으로 포기를 동반합니다.
AI가 아무리 발전해도
회사가 무엇을 위해 존재하는지,
어떤 고객을 섬길지,
어떤 문제를 해결할지,
어떤 시장을 포기할지,
어떤 원칙만큼은 효율보다 우선할지
결정하는 것은 여전히 경영의 영역입니다.
AI가 이런 결정까지 대신하도록 두면 회사는 기술적으로는 빨라질 수 있어도 방향을 잃을 수 있습니다.
그렇다면 경영진은 AI 도입을 어디서부터 시작해야 할까요?
여기까지 읽으면 이런 질문이 생길 수 있습니다.
“좋습니다. 그런데 다음 주 월요일 출근하면 무엇부터 해야 합니까?”
저라면 AI 전략 보고서 100페이지를 만들기 전에 임원들과 한 장짜리 종이를 놓고 세 가지를 적겠습니다.
첫째, 우리 회사에서 가장 많은 시간이 낭비되는 업무 10개
둘째, 고객이 가장 불편해하는 순간 10개
셋째, 사람이 반드시 판단해야 하는 중요한 의사결정 10개
30개의 항목을 펼쳐놓고 AI가 적용될 수 있는 영역을 찾는 것입니다.
AI 도입 우선순위를 정하는 4가지 기준
저는 초기 AI 프로젝트를 선정할 때 최소한 다음 네 가지를 보겠습니다.
빈도(Frequency)
얼마나 자주 반복되는가.
시간(Time)
얼마나 많은 시간이 들어가는가.
가치(Value)
해결했을 때 얼마나 큰 가치가 발생하는가.
위험(Risk)
AI가 틀렸을 때 발생하는 위험이 어느 정도인가.
초기 AI 프로젝트로 좋은 업무는 대체로 다음과 같은 특성을 가집니다.
반복적입니다.
데이터가 존재합니다.
결과를 검증할 수 있습니다.
빈도가 높습니다.
시간이 많이 들어갑니다.
효과를 숫자로 측정하기 쉽습니다.
그리고 실패했을 때의 위험은 상대적으로 낮습니다.
반대로 1년에 한 번 발생하고 CEO의 전략적 판단이 필요하며 잘못됐을 때 회사에 막대한 손실을 줄 수 있는 문제라면 처음부터 완전 자동화할 이유가 없습니다.
AI 전략에서 중요한 것은 가장 화려한 프로젝트를 고르는 것이 아닙니다.
가장 빠르게 학습할 수 있는 프로젝트를 선택하는 것입니다.
작은 성공 하나가 전사 AI 교육보다 강력할 수 있습니다
예를 들어 이런 결과를 만들어봅니다.
매주 3시간 걸리던 보고서 작성이 40분으로 줄었습니다.
고객 문의 응답 시간이 15분에서 3분으로 줄었습니다.
영업 제안서 초안 작성이 이틀에서 두 시간으로 줄었습니다.
회의 이후 후속 업무 누락이 절반으로 감소했습니다.
이런 성공 사례가 하나 나오면 조직의 태도가 달라지기 시작합니다.
사람은 기술에 대한 설명만으로 쉽게 움직이지 않습니다.
자신의 일이 실제로 편해지는 경험을 하면 움직입니다.
제가 AI 도입에서 전 직원 교육보다 현장의 작은 성공 사례를 중요하게 보는 이유입니다.
AI에 회의적인 직원에게
“AI 시대가 왔습니다.”
“AI를 안 쓰면 뒤처집니다.”
라고 백 번 말하는 것보다,
매주 금요일 두 시간 걸리던 업무가 15분 만에 끝나는 경험을 한 번 제공하는 것이 훨씬 강력할 수 있습니다.
AI 변화관리는 설득의 문제가 아니라 경험 설계의 문제입니다.
AI 성과를 ‘사용자 수’로만 측정하지 마십시오
AI 도입 후 기업이 자주 확인하는 숫자가 있습니다.
AI 라이선스가 몇 개인가.
직원 중 몇 퍼센트가 접속했는가.
프롬프트를 몇 번 입력했는가.
교육을 몇 명이 수료했는가.
필요한 지표입니다.
하지만 이것들은 대부분 성과지표라기보다 활동지표입니다.
헬스장 회원권을 직원 1,000명에게 지급했다고 해서 회사 전체가 건강해지는 것은 아닙니다.
마찬가지로 AI 계정을 1,000개 만들었다고 해서 AI 전환에 성공한 회사가 되는 것도 아닙니다.
경영진이 봐야 할 숫자는 조금 달라야 합니다.
얼마의 업무 시간이 줄었는가.
얼마의 비용이 감소했는가.
고객 응답 속도가 얼마나 빨라졌는가.
오류율이 얼마나 감소했는가.
의사결정 속도가 얼마나 빨라졌는가.
새로운 매출 기회가 만들어졌는가.
그리고 반드시 하나를 더 봐야 합니다.
사람의 시간이 더 가치 있는 곳으로 이동했는가?
이 마지막 질문이 중요합니다.
AI 덕분에 직원이 매주 5시간을 절약했는데 그 시간이 다시 의미 없는 보고와 회의로 채워진다면 회사는 실질적으로 얻은 것이 많지 않습니다.
시간 절감 자체가 성과는 아닙니다.
절약된 시간이 더 높은 가치의 활동으로 재투자되었을 때 비로소 성과가 됩니다.
AI 시대에 가장 위험한 회사는 어떤 회사일까요?
AI를 늦게 도입하는 회사보다 어쩌면 더 위험한 회사가 있습니다.
AI를 굉장히 빠르게 도입했지만 왜 도입했는지 모르는 회사입니다.
모든 직원에게 AI를 지급합니다.
모든 부서에서 AI 프로젝트를 합니다.
발표자료에는 AI라는 단어가 계속 등장합니다.
그런데 고객 경험은 그대로입니다.
일하는 방식도 그대로입니다.
회의도 그대로입니다.
결재도 그대로입니다.
보고서도 그대로입니다.
사람들이 해결하는 문제도 그대로입니다.
도구만 바뀌었습니다.
이 장면은 과거 디지털 전환에서도 많이 보았습니다.
종이 결재를 전자결재로 바꿨는데 결재 단계는 여전히 일곱 단계입니다.
종이가 디지털 화면으로 바뀌었을 뿐 일하는 방식은 바뀌지 않았습니다.
AI에서도 같은 실수를 반복할 수 있습니다.
사람이 하던 비효율을 AI에게 더 빨리 시키는 것입니다.
따라서 경영진은 계속 두 가지 질문을 해야 합니다.
첫 번째 질문입니다.
“이 업무를 AI로 더 빨리 할 수 있는가?”
그리고 반드시 한 번 더 물어야 합니다.
“AI가 있다면 이 업무를 애초에 지금과 같은 방식으로 할 필요가 있는가?”
혁신은 두 번째 질문에서 시작됩니다.
AI 도입의 목표는 ‘AI 회사’가 되는 것이 아닙니다
다시 처음 이야기로 돌아가겠습니다.
앞으로 대부분의 회사가 AI를 사용하게 될 가능성이 높습니다.
AI로 문서를 만들고,
AI로 데이터를 분석하고,
AI로 소프트웨어를 개발하고,
AI로 고객을 응대하고,
AI 에이전트가 반복 업무를 수행하게 될 것입니다.
그러면 AI 자체는 점점 차별화 요소가 되기 어려워질 수 있습니다.
같은 AI 모델을 수천 개의 기업이 사용할 수 있기 때문입니다.
그렇다면 무엇이 차이를 만들까요?
어떤 고객을 선택할 것인가.
어떤 문제에 집중할 것인가.
어떤 데이터를 축적할 것인가.
어떤 브랜드를 만들 것인가.
어떤 고객 경험을 제공할 것인가.
어떤 조직문화를 만들 것인가.
이 선택들은 회사마다 다를 수 있습니다.
바로 여기에 기업의 고유성이 있습니다.
AI가 평준화될수록 전략은 더 중요해집니다.
AI가 답을 쉽게 만들수록 좋은 질문은 더 중요해집니다.
AI가 실행을 빠르게 할수록 방향을 결정하는 리더는 더 중요해집니다.
AI 시대, 임원이 반드시 알아야 하는 것은 따로 있습니다
경영진이 모든 AI 기술을 깊이 알아야 하는 것은 아닙니다.
최신 AI 모델의 파라미터 수,
각종 벤치마크 점수,
새로운 기능,
기술 구조를 모두 직접 이해할 필요는 없습니다.
그러나 이것은 알아야 합니다.
우리 고객은 무엇 때문에 불편해하는가.
우리 직원들의 시간은 어디에서 낭비되고 있는가.
우리 회사만이 잘할 수 있는 일은 무엇인가.
AI에게 맡겨야 할 일과 사람이 책임져야 할 일은 무엇인가.
그리고 가장 중요하게,
우리는 AI를 이용해 어떤 회사가 되고 싶은가.
이 질문에는 경영진이 답할 수 있어야 합니다.
AI 도입 전략, 세 가지만 기억하십시오
첫째. AI를 도입하기 전에 목적지부터 정하십시오
AI는 목적이 아니라 수단입니다.
어떤 솔루션을 구매할지 고민하기 전에 우리 회사에서 가장 비싸고 반복적인 문제를 찾으십시오.
고객이 가장 불편해하는 문제를 찾으십시오.
사람의 시간이 가장 많이 사라지는 문제를 찾으십시오.
그리고 AI를 통해 무엇을 줄이고 무엇을 늘릴지 결정하십시오.
둘째. 완벽한 AI 프로젝트를 만들려고 하지 마십시오
작게 시작하십시오.
빠르게 검증하십시오.
효과가 없으면 중단하십시오.
효과가 있으면 확장하십시오.
AI 시대의 경쟁력은 한 번에 정답을 맞히는 능력보다 낮은 비용으로 빠르게 실험하고 학습하는 능력에서 나올 가능성이 높습니다.
셋째. AI로 사람을 줄이는 것에서 전략을 끝내지 마십시오
AI가 반복 업무를 가져간 자리에서 사람이 무엇을 해야 하는지 다시 정의해야 합니다.
문제 정의.
판단.
관계.
창의적 문제 해결.
고객 이해.
책임 있는 선택.
AI가 강해질수록 이런 인간의 역할은 오히려 더 선명해질 수 있습니다.
다음 임원회의에서 이 질문부터 던져보십시오
AI를 어떻게 도입해야 할지 고민하고 있다면 오늘 당장 거대한 AI 전략을 만들 필요는 없습니다.
다음 임원회의에서 질문 하나만 바꿔보십시오.
“AI를 어디에 쓸까요?”
대신 이렇게 물어보는 것입니다.
“우리 회사에서 지금 가장 먼저 풀어야 할 문제는 무엇입니까?”
그리고 한 번 더 질문해보십시오.
“그 문제를 AI가 있다는 전제에서 처음부터 다시 설계한다면 어떻게 달라질까요?”
저는 여기에서 기업의 AI 전략이 시작된다고 생각합니다.
기술은 계속 바뀔 것입니다.
오늘 사용하는 AI가 내년에는 달라질 수 있습니다.
지금 최고의 모델이 몇 달 후에도 최고라는 보장은 없습니다.
따라서 특정 기술 하나에 회사의 미래를 거는 것은 위험합니다.
하지만
문제를 발견하고,
작게 실험하고,
빠르게 학습하고,
사람과 기술의 역할을 다시 설계하는 능력은
AI 기술이 달라져도 남습니다.
결국 AI 시대에 필요한 것은 미래를 완벽하게 예측하는 능력이 아닙니다.
불확실한 상황에서도 우리가 원하는 미래를 그리고 그 방향으로 계속 문제를 해결해가는 힘입니다.
이매진댓이 이야기하는 Creative Problem Solving도 결국 그 지점에 있습니다.
도구를 배우는 것보다 문제를 발견하는 것.
정답을 외우는 것보다 질문을 다시 만드는 것.
한 번에 맞히는 것보다 빠르게 시도하고 학습하는 것.
그리고 기술이 무엇을 할 수 있는지에서 끝나지 않고,
그 기술이 사람과 조직에 어떤 의미가 있는지를 묻는 것.
AI 도입도 결국 같은 문제입니다.
AI를 도입하는 회사가 아니라,
AI를 이용해 더 중요한 문제를 해결하는 회사.
우리가 만들어야 하는 조직은 그런 조직이지 않을까요.
Let’s Solve It.
이매진댓이었습니다.
AI 도입 관련 자주 묻는 질문 FAQ
Q1. 기업은 AI 도입을 어디서부터 시작해야 하나요?
AI 솔루션 선정부터 시작하기보다 반복 빈도가 높고 많은 시간이 소요되며 결과 검증이 가능한 업무를 먼저 찾는 것이 좋습니다. 업무 빈도, 투입 시간, 기대 가치, 실패 위험을 기준으로 초기 AI 프로젝트 후보를 선정할 수 있습니다.
Q2. AI 도입 성과는 어떤 KPI로 측정해야 하나요?
단순한 로그인 수나 AI 사용 횟수보다 업무시간 절감, 오류율 감소, 고객 응답시간 단축, 비용 절감, 의사결정 속도 개선, 신규 매출 기회 등을 측정하는 것이 중요합니다. 특히 절약된 시간이 더 높은 가치의 업무에 재투자됐는지도 확인해야 합니다.
Q3. AI 도입 전에 전 직원 교육부터 해야 하나요?
기본적인 AI 리터러시 교육은 필요하지만 교육 자체가 AI 전략이 되어서는 안 됩니다. 현장에서 체감할 수 있는 작은 성공 사례를 먼저 만들어 직원들이 AI의 가치를 직접 경험하게 하는 것이 변화관리에 더 효과적일 수 있습니다.
Q4. AI 에이전트 도입은 언제 시작하는 것이 좋나요?
반복성이 높고 업무 절차가 비교적 명확하며 결과를 검증할 수 있고 오류 발생 시 위험이 낮은 프로세스가 우선 대상입니다. 중요한 의사결정이나 고위험 업무는 사람의 검토와 책임 체계를 함께 설계해야 합니다.
Q5. AI 도입은 결국 인력 감축으로 이어지나요?
AI를 비용 절감 목적으로 활용할 수 있지만 그것만으로 전략을 끝내면 조직 변화의 잠재력을 충분히 활용하기 어렵습니다. AI가 반복 업무를 담당한 이후 직원의 시간을 고객 이해, 판단, 문제 정의, 제품 개선, 전략적 사고와 같은 고부가가치 활동으로 재배치하는 것이 중요합니다.
Newsletter
이런 노트를 이메일로 받아보세요
새로운 리서치 노트가 발행되면 가장 먼저 알려드립니다.
