로그인|회원가입|고객센터
Top
검색버튼 메뉴버튼

DBR mini box II : AI에 강한 LG그룹의 비결

유기적 협력-리더십-인재 양성이 혁신의 선순환으로

정두희 | 314호 (2021년 02월 Issue 1)
AI 업계에는 기대와 현실의 심각한 갭(gap)이 존재한다. MIT슬론매니지먼트리뷰 i 에 따르면 전 세계 경영자의 75%는 AI가 새로운 비즈니스 기회를 창출할 것이라고 믿는다. 반면 AI를 성공적으로 도입한 비율은 절반이 채 되지 않는 것으로 나타났다. 많은 기업이 AI에 대한 기대를 갖고 있지만 성공적으로 도입한 사례는 생각보다 많지 않다. 그런 가운데 LG가 지난 한 해 동안 보여준 변화의 노력과 결실들은 국내 기업에 AI 혁신에 대한 중요한 지침을 준다. LG 사례를 토대로 기업이 AI에 강한 회사로 거듭나기 위해 유념할 점을 4가지로 정리했다.

1. 회사 바깥에서 혁신 추진할 ‘별동 조직’이 필요

첫째, 무엇보다 혁신을 주도할 추진 세력의 역할이 중요하다. AI의 기술적 역량을 갖추고 AI를 활용해 회사의 여러 문제를 해결해 나갈 ‘별동 부대’ 같은 존재가 있어야 한다. 많은 기업이 프로젝트팀 또는 혁신 조직을 만들어 AI 혁신을 추진하고 있다. 중요한 점은 이런 조직이 기존 조직의 영향권에서 얼마나 벗어나 있느냐이다.

고(故) 클레이튼 크리스텐슨 하버드경영대학원 교수는 책 『Innovator's Dilemma』에서 혁신에 실패한 수많은 사례를 거론하며, 파괴적 혁신을 성공적으로 이루기 위해서는 기존 조직과 분리된 새로운 조직을 통해 혁신을 추진해야 한다고 일침을 가했다. 기존 조직 내에서 새로운 일을 추진하면 주류 사업을 잠식하거나 기득권자의 이익을 해칠 수도 있어 기존 세력과의 충돌을 피하기 어렵기 때문이다. 조직의 미래를 대비하기 위해 만든 혁신 조직도 기존 세력 입장에서는 눈엣가시처럼 보일 수 있다. 또한 회사 조직에는 일종의 관성(Inertia)이 존재한다. 가던 길을 계속 가는 것이 자연스럽고, 사업의 방향을 바꾸거나 새로운 시도를 하게 되면 저항이 일어나는 것이 어쩔 수 없는 조직의 생리다. 그렇다 보니 새로운 길을 가야 할 혁신 조직은 주변으로부터 견제를 받게 돼 힘도 제대로 못 쓴 채 사장되기 쉽다.

특히 AI에는 매뉴얼이나 가이드라인이 존재하지 않는다. 시장은 아직 AI 기술에 맞춰 정비돼 있지 않다. AI를 어떤 방식으로 적용할지에 대한 모범답안도 시장에 나와 있지 않다. ‘런 앤드 건(Run and Gun)’, 즉 공을 먼저 던져 놓고 달려야 하는 상황에 놓여 있다. 경쟁사보다 먼저 도입하고, 시행착오를 하면서 정답을 찾아가야 하는 게임이다. 이런 모험을 매 분기, 매년마다 수익 창출을 멈추기 어려운 기존 조직이 해내기란 어려운 일이다. 따라서 AI와 같은 새로운 종류의 혁신은 조직 내부에 영향을 받지도, 주지도 않는 별도 조직을 통해 진행해야 한다.

093


LG의 경우 LG사이언스파크, 특히 이 조직 내부의 AI추진단이 그룹의 AI 혁신을 주도했다. LG사이언스파크는 형식상으로는 LG전자 소속이지만 컴퍼니 인 컴퍼니(CIC)인 형태로 독립적으로 운영돼 타 부서 또는 어느 경영자의 입김에 영향을 받지 않는 조직이다. 기존 대기업 조직의 흐름에 얽매이지 않았기 때문에 위험 감수에서 자유로웠고, 신속하게 실패하고, 빠르게 학습하는 게 가능했다. 이러한 민첩성은 AI 혁신을 추진하기 위한 필수조건이다.

2. AI로 풀어낼 핵심 문제를 찾아내는 것이 관건

그럼 LG사이언스파크는 AI 혁신을 어떻게 추진해 나갔을까? LG사이언스파크의 AI추진단은 출범 초기부터 문제 정의에 공을 들였다. 이유가 있다. 과거에는 지금과 비교하면 변화가 상대적으로 크지 않고 반복적인 경우가 많았다. LG그룹 내에서도 계열사마다 풀어야 할 문제들이 어느 정도 정해져 있었다. 이때는 주어진 문제를 ‘어떻게’ 해결할 것인지(How to solve)가 중요하다. 그러나 AI가 새로운 시장을 만들어내고 있는 지금 시기에는 해결해야 할 문제가 주어지지 않는다. ‘어떤’ 문제를 풀어야 할지를 찾아내는 게(What to solve) 중요해진 상황이다. 특히 AI 혁신은 급진적 혁신(radical innovation)으로, 과거에 있던 기술 궤도를 따라 점진적으로 발전하는 게 아니라 새로운 기술 궤도를 만들어내는 종류다 보니 참고할 만한 선례가 많지 않다. 문제를 직접 발견하고 정의 내리는 방식으로 추진할 수밖에 없다는 이야기다. 따라서 성공적인 AI 혁신을 위한 두 번째 조건은 바로 문제를 잘 발견해야 한다는 것이다.

그렇다면 AI추진단은 어떻게 문제를 발견했을까? 이들에게 중요한 문제의 ‘조건’은 3가지였다. 바로 어려운 문제, 획기적인 문제, 개선이 있는 문제다. 쉬운 문제를 푸는 데 시간을 쓰는 것은 의미가 없다. 그동안 어렵고 불가능했던 일을 해낼 때 비로소 의미가 있다. AI는 과거에 불가능한 일을 해낼 수 있는 기술이다. 어려운 문제일수록 AI 기술의 위력을 제대로 구사할 수 있다. 이를 통해 획기적인 발견을 해낼 수 있다. 마지막으로, 실질적 개선이 있는 문제여야 한다. 각 계열사, 특히 고객한테 도움이 될 때 AI 혁신은 의미를 갖게 된다.

이런 문제를 찾기 위해 AI추진단은 처음에는 각 계열사에서 AI 기술을 잘 아는 실무자들을 만났다. 이들과 함께 각 회사가 풀어야 할 중요한 문제들을 찾고자 했다. 그러나 실무자들은 자신의 일에 얽매어 있고, 또 큰일을 함부로 벌일 수 없는 위치에 있다 보니 회사와 시장 전체적으로 획기적인 문제가 나오지 않았다. 여기에 한계를 느낀 AI추진단은 논의 대상을 CEO, CTO, CSO 등 경영자 레벨로 높여 이들과 직접 커뮤니케이션했다. 경영자들은 AI에 대해서는 자세히 모르지만 자신의 사업은 잘 알고 있다. 고객들이 갖고 있는 중요한 니즈와 우리 회사가 풀지 못한 중대한 공백 등을 시장 관점에서 이야기해준다. 경영자들이 과거의 방식으로는 풀지 못했던 일들을 제시하면 AI추진단의 AI 전문가들은 알고리즘으로 풀 수 있는지를 판단하게 된다. 이를 통해 일반적인 (쉬운) 과제와 난제를 분리했다. 이 중 중요하면서도 어려운 문제를 골라 구체화한 다음, 다시 한번 경영자들과 커뮤니케이션하며 풀어야 할 문제, 즉 프로젝트 과제를 확정했다.

3. 기술-도메인의 유기적 협력

이렇게 경영자 레벨에서 문제 정의가 이뤄지면 회사의 문제는 AI의 문제로 전환된다. 실력 있는 AI 전문가들과 각 계열사의 실무 전문가들이 붙어서 프로젝트를 시작한다. 여기서 세 번째 AI 혁신의 성공 조건이 나온다. 바로 기술 전문가와 도메인 전문가의 호환성과 유기적 협력이다. AI 기술을 회사에 도입한다고 어려운 문제들이 마법처럼 자동으로 풀리는 것이 아니다. AI는 잠재성이 있을 뿐이다. 어댑터가 맞아야 전기가 통하듯 실제 조직 안에서 AI 효과가 잘 나타나려면 기술이 조직의 프로세스 및 성격과 잘 맞아야 한다. 특히 각 도메인, 즉 산업 분야나 회사가 속해 있는 시장 영역의 특성에 따라 AI를 적용하는 방법은 달라지기 마련이다. 이런 상황에서 호환성을 높이려면 혁신을 담당하는 사람이 AI 기술에 능통한 동시에 도메인에 대해서도 잘 알아야 한다. 문제는 한 사람이 AI 기술도 잘 아는 동시에 해당 산업과 사업까지 잘 이해하기란 어렵다는 것이다. 보통 AI 전문가는 사업까지 잘 몰라서 기술을 어디에 사용해야 할지를 모르고, 도메인 및 산업 전문가는 기술을 모르기 때문에 어떻게 AI를 도입해야 할지 깜깜이다. 이런 상황에서는 AI 전문가와 도메인 전문가의 유기적 협력이 매우 중요하다.
094


LG사이언스파크의 AI추진단은 계열사들과의 긴밀한 커뮤니케이션을 통해 문제 정의부터 해결까지 이어 나갔다. LG화학 생명과학본부의 신약 개발 과정에서 혁신을 통해 3∼4년이 걸리는 신약 개발 과정을 4개월로 단축했다. AI추진단이 이 프로젝트를 위해 가장 먼저 한 일은 AI 및 데이터 전문가와 생명과학 분야의 담당자를 모두 모으는 것이었다. 생명과학 담당 본부장과 연구진, AI추진단의 AI 전문 연구위원과, 바이오 전공을 한 엔지니어 등이 머리를 맞대고 어떤 기능을 어떻게 구현해야 할지를 함께 고민하기 시작했다. 생명과학본부는 그 당시 항암약품을 위한 리드물질을 발굴하기 위해 2년을 보냈지만 마땅한 성과가 나오지 않은 상황이었다. 그동안 AI를 활용해볼 생각은 하지 못했다. LG사이언스파크의 AI 전문가가 이런 현상을 보면서 몇 가지 적절한 알고리즘을 떠올렸다. 그리고 데이터를 통해 어떻게 리드물질을 가려낼 수 있는지에 대한 새로운 접근법을 제시했다. 물론 이 데이터를 통한 접근에는 생명과학 담당 연구원들이 평상시 실험실에서 하던 노하우나 감은 포함돼 있지 않다. 따라서 생명과학 담당은 리드물질 발굴에 있어서 중요한 고려 요건 등을 공유한다. AI 전문가와 생명과학의 도메인 전문가는 데이터를 통해서 얻을 수 있는 중요한 인사이트와 그렇지 않은 것을 구분하고, 데이터를 통해 얻어야 할 중요한 기능에 대해서도 이야기했다. 이렇게 AI의 주요 기능이 도출되면 데이터 과학자들은 이 기능들을 토대로 알고리즘을 훈련하고 테스트하며, 틈틈이 나타나는 결과를 각 부문 전문가와 다시 공유한다. 생명과학본부와 AI추진단은 일회성 회의 수준이 아니라 지속적인 의견 교환을 통해 문제를 해결해 나갔다. AI 혁신이 잘 이뤄지기 위해서는 이렇게 도메인 전문가와 기술 전문가가 융화돼 유기적으로 협력할 수 있어야 한다.

4. 모든 것의 열쇠는 리더의 강력한 혁신 드라이브

끝으로, AI 혁신에 대한 리더의 추진 의지를 강조하지 않을 수 없다. 급진적 혁신에 해당되는 AI 도입은 불확실성이 크고 생소한 종류이기 때문에 리더의 결정 없이 조직 스스로 움직이는 것은 사실상 불가능하다. 따라서 리더의 강력한 추진 의지가 없으면 AI 혁신은 불가능하다. 앞서 조직은 관성을 가졌다고 이야기한 바 있다. 방향을 선회하기 위해서는 평상시보다 강력한 에너지가 필요한 법이다. 새로운 조직을 만들고 중요한 프로젝트에 투자를 하고, 각 조직 간 유기적인 협력이 이뤄지게 하려면 리더의 의지가 뒷받침돼야 한다. 리더의 강력한 의지란 단순히 강하고 크게 말하는 것을 의미하지 않는다. AI 프로젝트 실패로 회사에 타격을 줄지라도 이를 추진해야 하고, 기존 사업을 잠식할 위험이 있음에도 우선순위에 두고 추진하는 것을 의미한다. 경영진의 의지가 강할수록 AI 도입 속도는 빨라질 것이다.

LG의 경우에는 그룹 회장부터 AI 혁신을 강조했다. 2020년 5월 구광모 LG그룹 회장이 LG사이언스파크에 방문해 AI 혁신 진행 상황을 직접 검토했으며 “도전하지 않는 것이 실패라는 생각으로 일을 해줬으면 좋겠다”고 격려했다. 실패해도 좋으니 AI를 통해 어려운 문제를 푸는 도전에 주저하지 말라는 강력한 신호를 위에서 내린 것이다.

이런 의지는 파격적인 인사 체계 개편으로도 반영됐다. 대기업 전통적으로 유지돼온 직급제를 모두 폐지하고 역량제를 도입했다. 역량 레벨을 7단계로 나눠서 실제 뛰어난 역량을 갖춘 인재에게는 충분한 보상과 대우를 해줄 수 있도록 체계를 개편했다. 사실 국내 AI 업계에서 훌륭한 AI 인재들에게 대기업 진출은 후순위로 밀려 있는 게 현실이다. 해외 기업과 대우가 크게 차이 날 뿐 아니라 대기업의 고질적인 경직된 조직문화가 꺼려지는 게 사실이다. 이런 요소가 AI 인재 영입을 가로막는다는 점을 꿰뚫고 LG는 인사 체계를 프로젝트를 진행해서 성공하면 커다란 인센티브를 주는 방향으로 다듬었다. 실제 AI를 통해 신약 개발 프로젝트를 성공적으로 이끈 LG사이언스파크의 담당 연구위원은 1970년대 후반의 젊은 나이임에도 불구하고 임원으로 파격 승진했다.

095

AI 혁신을 실질적으로 주도한 인물은 배경훈 AI연구원장이다. 배 원장은 당시 LG사이언스파크의 AI 부문을 총괄했다. 원래 AI 분야에서 경험과 지식을 갖고 있던 배 원장은 AI 기술 트렌드에 대해 끊임없이 모니터링하며 LG의 문제 발굴을 위해 많은 공을 들였다. AI 신기술 지식을 바탕으로 계열사에 해결이 필요한 문제를 제시하기도 하며 혁신을 진두지휘했다. AI 인재를 등용하는 데도 배 원장은 직접 나섰다. LG의 AI 역량에 도움이 된다는 판단이 들면 인재를 영입하기 위해 직접 만나 소통하는 등 적극적인 면모를 보였다.

이를 통해 머신러닝 분야의 세계적 권위자인 이홍락 미국 미시간대 교수를 CSAI로 등용했고 외부 전문가들과의 다양한 협업도 추진해 나갔다. 외부 전문가는 왜 LG와 함께 일을 할까? AI를 연구하는 사람들 입장에서 보면 LG와 같은 곳은 매력적인 회사다. 해결해볼 문제도 많고 데이터도 풍부하다. 문제와 데이터가 있는 곳은 실험과 혁신의 천국이다. 머릿속 아이디어와 기술을 직접 구사해볼 여건이 마련된 곳이니 물 만난 물고기가 되는 것이다. 배 원장은 이러한 점들을 어필하며 외부 인사와의 교류를 만들어 나갔다.

LG가 앞으로 신경 써야 할 숙제도 있다. LG사이언스파크의 노력을 통해 다양한 기술적 성과를 거둔 것은 사실이다. 그러나 기술적 성공이 사업적 성공으로 반드시 귀결되지 않는다. BCG의 최근 연구에 따르면 전 세계 97개국 2300개 기업 중에서 지난 3년간 90%가 AI 프로젝트에 투자했으나 AI로 이익 거둔 기업은 40% 미만으로 나타났다. 대부분 AI 프로젝트가 수익을 내지 못하고 있다.ii 기술적으로 뛰어난 제품을 내놓더라도 사용자 가치에 소홀해 기술 전문가들에게는 호평을 받았지만 시장에서는 외면당한 것이다. AI 혁신을 추진할 때는 단순히 기술적 성과에만 머물러서는 안 된다. 사용자가 가치를 분명히 느낄 수 있도록 제품과 서비스에 구현해야 하며, 이를 통해 수익을 극대화할 수 있도록 비즈니스 모델을 정교하게 만들어야 한다.

다른 하나는 인재 양성이다. AI연구원이 계열사의 다양한 문제를 풀어나가려면 AI 기술과 각 계열사의 도메인 지식을 동시에 갖고 있는 양손잡이 인재(Ambidextrous talents)가 더 많이 필요하다. 계열사 간 커뮤니케이션을 원활하게 촉진하는 것도 양손잡이형 인재가 있을 때 훨씬 더 수월할 것이다. AI연구원은 이미 이런 역할을 하는 AI 컨설턴트들을 육성하고 있다. 그룹 또는 회사에 맞춤화된 양손잡이형 전문가를 체계적으로 육성하기 위해서는 ‘기술-도메인 매트릭스 조직’을 꾀할 필요가 있다. AI는 세부적으로 다양한 하위 기술을 포함하고 있다. 기능적으로 컴퓨터 비전, 자연어 처리 기술, 생성 알고리즘 등 주요 기술들이 있고 학습과 처리 방법으로는 지도학습, 비지도학습, 강화학습 등으로 나뉜다. AI도 분야가 다양하다 보니 전문가들은 이 중 특정 기능 및 방법론에 특화돼 있는 경우가 많다. 즉, 자연어 처리 기술에 능통한 엔지니어에게 컴퓨터 비전 관련 기술은 생소할 수 있고, 지도학습을 주로 활용한 전문가에게 강화학습 방식은 익숙하지 않을 수 있다. 따라서 AI의 다양한 기술 영역에 전문가를 둘 필요가 있다. 한편, 계열사 또한 다양한 업종과 산업군에 포진돼 있다. 화학 계열에서 경험을 가진 전문가는 금융산업에 대해서는 잘 모른다. 따라서 각 도메인 지식을 가진 인재들이 두루 있을수록 유리하다. 이렇게 (1) AI의 기술적 영역 (2) 계열사의 도메인 영역 등 두 가지 축을 기준으로 하는 매트릭스 조직 체계도를 만들어서 빠져 있는 영역은 어디인지를 확인하고, 기술과 도메인 전문가들이 골고루 배치될 수 있도록 AI 인재를 양성하고 확보하기를 조언한다. 이런 조직 체계가 구성될 때 계열사의 다양한 문제를 AI의 다양한 시각으로 풀어내는 게 가능해질 것이다.


정두희 교수는 서울대 박사(기술경영 전공)로 삼성경제연구소 SERI에서 10년간 일했으며, 현재 한동대 ICT창업학부 교수이다. MIT Technology Review Korea의 편집장으로 활동하고 있으며, LG인화원의 AI 교육 자문 교수로도 활동했다. 『한권으로 쓰는 AI비즈니스모델』 『3년 후 AI 초격차 시대가 온다』의 저자다.
인기기사