AI Nativeness Company · AI는 언제 회사의 역량이 되는가
AI 역량 경영 · 1화
어제 AI 네이티브 기업에 관한 글을 쓰면서 한 가지 질문을 붙들었다. 보고서 작성에 한 시간이 걸리던 회사가 이제 십 분 만에 초안을 만든다면, 그 회사는 얼마나 달라진 걸까? 초안을 만들고 검토하는 방식은 빨라졌을지 모른다. 하지만 보고서가 같은 회의에서 같은 방식으로 읽히고, 판단의 근거도 그대로라면, 우선 달라진 것은 시간이다.
나는 이 차이를 압축과 변화로 생각한다. 압축은 한 업무를 끝내는 데 필요한 시간을 줄인다. 회사의 변화는 어떤 정보를 보고, 누가 판단하며, 그 판단의 결과를 다음번에 어떻게 활용하는지가 달라질 때 시작된다.
AI Nativeness는 의사결정에서 드러난다
《뉴머신과 IT전략》의 전략경영 수업은 AI Nativeness를 조직의 전략적 역량으로 다룬다. AI가 분석을 돕는 단계에서 출발해, 계획 수립과 대안 검토, 실행 결과를 반영하는 과정까지 들어오는 모습을 살펴본다. 여기서 내가 주목한 것은 의사결정의 질이다. 이전보다 더 많은 대안을 비교했는지, 중요한 가정이 틀렸을 때 알아차릴 수 있는지, 그 판단이 실제 결과와 어떻게 달랐는지를 확인할 수 있는지가 중요하다.
하버드 비즈니스 리뷰에서 마르코 이안시티와 카림 라카니는 데이터와 알고리즘이 운영에 깊이 들어오면 기업이 사업을 확장하고 경험에서 배우는 방식도 달라진다고 설명한다. 앤드루 응은 작은 파일럿에서 출발해 그 경험을 교육과 전략으로 이어가자고 제안한다. 두 관점을 함께 보면, 파일럿에서 절약한 시간과 파일럿 이후 회사가 새로 할 수 있게 된 일을 구분해서 볼 수 있다.
월간 실적회의에서 무엇이 달라질 수 있을까
AI가 영업 실적을 요약하고 발표 자료 초안을 만들면 준비 시간이 줄어든다. 그 시간을 활용해 팀이 수요 전망을 여러 시나리오로 비교하고, 채용이나 마케팅 비용을 어느 조건에서 늘릴지 정한다면 회의의 역할도 달라진다. 예를 들어 어느 시장에 예산을 더 배정하면서 예상 수주율과 납기라는 두 가지 가정을 기록해 둘 수 있다. 다음 달에는 실적과 전망의 차이를 확인하고, 그 차이가 어떤 가정에서 시작됐는지 검토한다. 이렇게 하면 회의록에 남은 숫자가 다음 달에 다시 검토할 판단 근거가 된다.
파브리치오 델라쿠아와 이선 몰릭 등이 참여한 BCG 현장 실험에서는 AI가 일부 과제의 속도와 품질을 높였고, 다른 과제에서는 AI를 사용한 참가자의 정답 가능성이 낮아졌다. 실적회의에 적용한다면 AI에게 차이를 찾아 설명 후보를 제시하게 하고, 팀은 그 설명이 실제 수치와 현장 상황에 맞는지 확인할 수 있다. 예산을 바꾸는 결정에는 담당자와 판단 근거가 남아야 한다.
일반 기업과 소프트웨어 기업에 던지는 질문
일반 기업에서는 반복되는 의사결정 하나를 살펴볼 수 있다. 재고를 늘릴지 결정할 때 판매 추세뿐 아니라 납기, 품절 비용, 반품 가능성까지 검토하는가? AI가 대안을 만드는 데 시간을 줄였다면, 의사결정이 빨라졌는지와 함께 품절과 과잉 재고가 어떻게 달라졌는지도 볼 수 있다.
소프트웨어 기업에는 고객의 업무를 어떻게 바꿀 것인가라는 질문도 있다. 예를 들어 재무 소프트웨어가 월별 실적표를 보여주는 데서 나아가 계획과 실적의 차이를 설명하고, 근거가 된 거래 내역까지 바로 확인하게 해준다면 고객은 검토를 더 빨리 끝낼 수 있다. 제품의 가치는 고객이 자료를 찾고 차이를 확인해 결론을 내리기까지 걸린 시간에서 드러난다.
다음 실적회의에서 내가 확인하고 싶은 것은 간단하다. 지난달에 우리가 무엇을 전제로 결정했고, 그 전제가 틀렸을 때 이번 달에는 무엇을 바꿨는가? 팀이 그 질문에 답할 수 있다면, AI로 줄인 시간이 회사가 더 나은 판단을 내리는 데 쓰인 셈이다.
초안이 빨라졌다는 실험 결과는 어디까지 설명할까
노이와 장이 《Science》에 발표한 글쓰기 실험에서는 ChatGPT를 쓴 참가자의 평균 소요 시간이 40% 줄었고 결과물의 품질 점수는 18% 높았다. 이 실험에서 참가자가 끝낸 일은 주어진 글쓰기 과제였다. 회사 전체의 의사결정이 빨라졌는지 보려면 자료 작성 이후의 검토, 승인, 실행까지 별도로 살펴야 한다. Noy·Zhang, 글쓰기 실험
BCG 컨설턴트를 대상으로 한 델라쿠아 등의 현장 실험에서는 AI가 여러 과제에서 작업을 빠르게 했지만, 연구진이 별도로 설계한 한 과제에서는 AI 이용 집단이 정답을 낼 확률이 19%포인트 낮았다. 실적회의에 두 연구를 함께 적용한다면, 자료 작성에 걸린 시간과 의사결정의 근거가 얼마나 타당했는지를 따로 기록할 수 있다. 예컨대 생산량을 늘린 회의에서 가정한 수주율과 실제 수주율을 다음 달에 비교한다. 초안 작성 시간은 그 기록의 한 항목이다. Dell’Acqua 외, BCG 현장 실험
보고서 작성 시간이 줄어든 뒤
예를 들어 한 시장의 매출이 계획을 밑돌았다고 하자. AI는 차이가 큰 거래를 추려주고, 팀은 수요 부족과 납기 지연이라는 두 가설을 놓고 본다. 수주 자체가 줄었는지, 이미 수주한 물량이 다음 달로 넘어갔는지에 따라 대응은 마케팅 투자와 공급 일정 조정으로 달라진다.
- 초안 작성
- 근거와 대안 검토
- 결정과 가정 기록
- 다음 회의에서 결과 대조
60분과 10분은 본문의 가정이다. 초안 작성 뒤 근거 검토에 25분이 더 들면 실제 절감 시간은 25분이다.
회의록에는 선택한 대응, 판단에 쓴 자료, 다른 가설을 다시 검토할 시점을 한 줄씩 적는다. 다음 회의에서 수주가 회복됐는지와 지연 물량이 출하됐는지를 각각 확인해야 지난달 판단의 어느 부분이 맞았는지 알 수 있다.