로그인|회원가입|고객센터
Top
검색버튼 메뉴버튼

4차 산업혁명 시대의 비즈니스 전략

물리적 가치보다 정보의 가치 중요“시장을 바꿀 수 있나?” 묻고 또 물어야

임일 | 236호 (2017년 11월 Issue 1)


Article at a Glance

기존 산업군별 4차 산업혁명 대응 전략

1. 제조업 : 정보기술(IT)과의 결합을 통해 제품의 물리적 가치 외에 고객에게 새로운 정보(서비스) 가치를 제공

2. 소프트웨어 산업 : 인공지능(AI)에 대한 경험과 기술을 축적해 각 고객의 상황에 맞게 최적화

3. 서비스/금융산업 : 네트워크 효과를 극대화할 수 있도록 IT와 금융 서비스를 결합

4. 의료 산업 : 국가별 환자의 체질과 질병 양상이 다른 만큼 AI 도입과 함께 데이터, 특히 ‘로컬’ 데이터 확보에 주력


편집자주

4차 산업혁명이 핵심 이슈로 떠오르면서 관련 논의가 쏟아지고 있습니다. 마치 4차 산업혁명이 곧 세상을 뒤바꿀 것같이 소란스럽지만 아직 4차 산업혁명의 본질을 제대로 이해하는 이들은 많지 않습니다. 임일 교수가 ‘4차 산업시대의 비즈니스전략’을 통해 4차 산업혁명의 흐름을 장기적인 관점에서 이해할 수 있도록 ‘큰 그림’을 제시하려 합니다. 이 원고는 저서의 내용에 최근 현황을 덧붙여 작성했습니다.
 

4차 산업혁명에 대한 논의는 자율주행 자동차나 로봇과 같은 첨단산업을 중심으로 진행되고 있다. 첨단산업에서 큰 혁신이 일어나고 기존에 존재하지 않던 새로운 비즈니스가 출현할 것으로 기대되기 때문에 이 같은 논의는 자연스러운 일이다. 4차 산업혁명은 정도의 차이는 있겠지만 첨단 산업에 국한되지 않고 전 산업에 영향을 미칠 것이다. 또 우리나라를 포함한 대부분의 국가에서는 제조, 서비스, 금융과 같은 기존 산업이 경제에서 차지하는 비중이 절대적으로 크다. 따라서 4차 산업혁명과 관련된 변화의 속도나 혁신의 정도는 첨단 분야에서 더 클지 모르지만 전체 국가경제에 미치는 영향은 기존 산업에서 더 크다고 볼 수 있다. 이번 글에서는 4차 산업혁명이 기존 산업에 미치는 영향을 다뤄보려고 한다.

20230619_161209


제조업

정보기술(IT)을 제조 기술에 적용해 제조 공정(스마트 팩토리)을 한층 유연하게 만드는 것을 ‘인더스트리 4.0’이라 부른다는 것은 이미 설명했다. 또한 사물인터넷(IoT)이 제조기업의 공장에 어떤 변화를 가져올 것이고, 이에 대한 전략이 어떠해야 하는지는 지난 DBR 233호에서 다룬 바 있다. (‘플랫폼의 플랫폼 역할 하는 인공지능, 더 많은 데이터를 확보하는 자가 승리’ 참고.) 이번 호에선 제조업체의 공장이 아니라 판매나 마케팅과 같은 시장 관련 전략에 초점을 맞추기로 하겠다.

4차 산업혁명 시대가 도래했음에도 IT가 제조업에 큰 변화를 가져올 수 없을 것이라고 생각하는 사람이 많다. 제조업은 제품의 물리적 디자인과 가공이 중요한데 IT가 아무리 발전해도 제품의 물리적인 속성을 바꿔주지는 못하기 때문이다. 예컨대 IT가 자동차 엔진의 출력을 직접적으로 향상시켜 주거나 2차 전지의 에너지 밀도를 높여주지는 못한다는 얘기다. 그렇지만 IT가 물리적인 제품의 ‘가치’를 높여줄 수는 있다. 고객이 어떤 제품에 대해 느끼는 가치는 크게 ‘물리적인 가치’와 ‘정보(서비스)의 가치’로 이뤄져 있다.

예를 들어 자동차라는 제품의 경우 출력이나 내구성 같은 자동차의 물리적인 속성에 따른 가치가 기본적으로 중요하지만 여기에 할부 서비스와 같은 정보의 가치가 더해져 최종적인 가치를 이루게 된다. 우리가 잘 알고 있는 자동차 리스는 자동차를 구입하는 데 목돈을 소비하는 대신 매달 사용료를 내고 싶어 하는 소비자의 니즈를 충족시켜 새로운 가치를 제공한다. 리스를 하든, 구매를 하든 자동차의 물리적인 속성은 동일하지만 소비자가 느끼는 가치는 다르다. 그 가치의 차이가 바로 ‘서비스(정보)의 가치’다. 리스라는 새로운 판매 모델이 가능해 진 것은 다양한 정보를 바탕으로 각 고객의 신용도를 정확히 판단할 수 있게 된 데다 차종별, 주행거리별 차량의 잔존 가치(구입가나 설치비용에서 감가상각 비용을 뺀 자산가치)를 정확히 예측할 수 있게 됐기 때문이다. 즉, 정보를 토대로 한 분석을 통해 새로운 가치를 제공하게 된 것이다.

4차 산업혁명에서 이런 정보의 가치를 잘 실현한 기업으로 많은 사람들이 GE를 꼽고 있다. GE는 제트엔진이라는 물리적인 제품에 정보를 더해 새로운 가치를 만들고 있다.1  GE는 제트엔진에 수많은 센서를 부착, 데이터를 실시간으로 분석해 엔진의 고장 징후를 미리 감지하고 예방정비를 할 수 있도록 만들었다. 여기에 더해 GE의 제트엔진을 구매하는 항공사에 엔진가격의 일부만 먼저 받고 특정 시간(가령 5000시간) 동안 고장이 나지 않으면 나머지 비용을 지불받는 식의 새로운 판매모델을 개발했다. 항공사 입장에서는 정해진 시간 내에 고장이 나면 나머지 비용을 내지 않아도 돼서 좋고, 고장이 나지 않을 경우에도 그만큼 운행을 많이 할 수 있으니 이득이다. 엔진의 추력이나 연료 효율과 같은 제트엔진의 물리적인 가치는 바뀐 것이 없었음에도 불구하고 이렇듯 서비스의 가치가 증가하면서 고객이 느끼는 전체 가치는 크게 높아졌다. GE가 이 같은 혁신을 할 수 있었던 것은 다량의 데이터를 실시간으로 수집할 수 있는데다 이를 정확히 분석해 고장을 예측하고 그에 따른 손익분석을 할 수 있는 능력까지 갖췄기 때문이다.

IT가 발전하고 IT와 제조기술, 제품기술이 결합함에 따라 머지않아 다른 제조 회사들도 생산라인과 제품에서 실시간(혹은 실시간에 가깝게)으로 데이터를 수집할 수 있게 될 가능성이 높다. 따라서 기업들은 현재 수집되는 데이터뿐 아니라 앞으로 추가로 데이터를 수집하게 될 상황을 가정하고 ‘고객에게 새로운 정보 가치를 어떻게 제공할 수 있을까’를 고민해야 한다. 스마트폰이나 전기자동차용 2차 전지를 생산하는 회사를 예로 들어보자. 전지에 들어가는 센서가 늘어나고 이를 통해 다양한 데이터를 실시간으로 수집할 수 있는 상황을 가정해 보면 어떻게 추가적인 ‘정보 가치’를 제공할 수 있을지에 대한 아이디어를 얻을 수 있다. 예를 들어 고객별로 전기 사용패턴을 분석해 맞춤형 컨설팅을 제공할 수 있을 것이다. 특히 자동차용 전지의 경우 차종별, 운행 지역별, 운전 습관별 전기사용 패턴을 분석해 전지 성능을 개선함은 물론이고 충전시설의 최적 설치 지점을 분석하거나 더 나아가 자동차를 개발하는 데도 도움을 얻을 수 있을 것이다.

 


소프트웨어 산업

소프트웨어 산업, 예를 들어 삼성SDS, LG CNS, SK C&C와 같은 시스템통합(System integration·SI) 업체들은 4차 산업혁명, 특히 인공지능(AI)의 영향을 가장 직접적으로 받을 가능성이 높다. AI를 음성인식 비서나 가전제품과 같이 소비자에게 판매하는 제품에 직접 적용할 수도 있고, 재고관리나 물류관리 등 내부 프로세스 개선을 위해서도 활용할 수 있다. AI가 내부에 적용되느냐, 아니면 외부용 소비재에 적용되느냐에 따라 중요한 경쟁우위는 조금 달라진다.

우선 가전제품과 같은 일반 소비재의 경우, 내부 역량이 갖춰진 큰 가전 회사에서는 자체적으로 AI를 개발해 자사 제품에 적용할 것이고 그런 역량이 없는 회사는 SI 업체 등과 같이 일하게 될 공산이 크다. 지난 DBR 233호에서 언급했듯이 소비재용 AI의 경우 네트워크 효과(어떤 재화의 수요자가 늘어나면 그 재화의 객관적 가치, 즉 재화 이용자들이 느끼는 가치도 더불어 변하는 효과)가 상당히 강하게 작용할 것으로 예상되기 때문에 고객이 아마존의 알렉사(Alexa)나 IBM의 왓슨(Watson)과 같은 글로벌 표준 AI를 요구하는 경우도 많아질 것이다. 이런 경우 SI 업체 중 ‘누가 글로벌 표준 AI를 가장 잘 이해하고 잘 적용할 수 있는가’가 SI 업체 간 경쟁을 좌우하는 핵심 요소가 될 것이다. 단, 한 가지 유념할 점은 글로벌 표준 AI를 적용해야 한다 하더라도 자체적인 AI 개발 경험과 능력을 쌓아야 한다는 것이다. AI는 전사적 자원관리(ERP)처럼 명확하게 정해진 업무를 지원하는 시스템이 아니라 같은 문제를 해결하는 데도 수많은 처리방법을 동원할 수 있는, 자유도가 매우 높은 시스템이다. 그러므로 글로벌 AI를 고객사의 제품에 잘 적용할 수 있으려면 AI에 대한 근본적인 기술과 경험을 많이 축적해서 고객의 상황에 맞게 ‘최적화’할 수 있는 능력을 키워야 할 것이다.

내부 프로세스에 AI가 적용되는 경우를 생각해 보자. 현재 사람이 하고 있는 재고 관리나 물류관리 등의 업무를 AI가 대신하게 되면 정확성과 세밀함이 크게 향상되고 효율성이 개선될 여지가 높다. 따라서 이처럼 내부 프로세스에 AI를 적용하려는 수요가 많을 것이다. 다양한 산업의 선도기업들이 재고관리나 제품기획 등의 프로세스에 AI를 적용해 성공을 거두기 시작하면 나머지 회사들도 앞다퉈 AI를 도입하려 할 것이다. 이때 대부분의 회사들은 AI를 자사의 업무 프로세스에 적용할 역량이 부족한 경우가 많기 때문에 SI 업체에 의뢰하게 될 것이다. 이는 어쩌면 ERP 이후에 다시 한번 소프트웨어 산업이 크게 성장하는 계기가 될 수도 있다. 결국 SI 업체는 경쟁에서 이기기 위해 AI 역량을 키워야 한다. 내부 업무에 적용되는 AI는 소비재에 적용되는 AI와는 성격이 다르다. 내부적으로 사용되는 AI는 한 회사의 데이터를 주로 다루기 때문에 소비재용 AI보다 다루는 데이터의 크기가 작고 네트워크 효과도 크지 않다. 이에 따라 적용되는 AI가 글로벌 표준인가보다는 얼마나 해당 회사의 프로세스에 맞게 최적화가 잘돼 있고 상황에 맞춰 얼마나 민첩하게 변경되는가 등이 더 중요할 것이다. 따라서 내부 프로세스나 스마트 팩토리에는 글로벌 표준 AI가 아니라 자체 개발 AI도 충분히 사용할 수 있고, 어떤 SI 회사가 자체 AI 개발 역량을 가지고 있는가가 상대적으로 중요할 것이다.

 

서비스/금융 산업

서비스 산업에는 다양한 업종이 존재한다. 호텔과 같이 물리성이 강한 업종도 있지만 금융처럼 가상성(데이터화)이 강한 업종도 있다. 같은 서비스 기업이라도 업종 특성에 따라 다양한 전략이 필요할 것으로 생각된다. 고객이 느끼는 가치가 물리적인 가치와 서비스(정보) 가치의 합으로 구성되는 것은 서비스 산업도 마찬가지다. 예를 들어 호텔의 경우 시설의 규모나 고급스러움, 위치와 같은 물리적인 특성도 고객이 느끼는 가치에 영향을 미치지만 ‘얼마나 빨리 체크인이 되는지’ 혹은 ‘내가 원하는 서비스를 미리 알아서 제공해 주는가’와 같은 서비스(정보)의 가치도 고객이 느끼는 최종 가치에 영향을 미친다. 앞서 설명했듯이 물리성이 강한 기술보다는 가상성이 강한 IT의 발전이 빠를 것으로 예상되기 때문에 물리적인 가치를 변화시키거나 향상시키는 것보다는 정보의 가치를 향상시키는 것이 상대적으로 속도도 더 빠르고 비용이 적게 들 것이다. 이런 상황에서 IT를 경쟁자보다 빨리 잘 활용해서 정보의 가치를 높이는 기업이 경쟁우위를 가질 수밖에 없다.

서비스 산업에 IT가 더 강력하게 결합되면 네트워크 효과가 강해질 것으로 예상된다. 금융 서비스를 예로 들어보자. 금융산업에서 자금에 대한 기록과 거래 정보는 완벽하게 데이터로 처리돼 가상화될 수 있는 부분이다. 이에 비해 지점에 찾아온 고객에 대한 대면 서비스나 ATM에서 현금을 찾는 것은 가상화되기 어려운 물리적인 서비스다. 금융산업의 가장 중요한 부분인 자금의 처리는 완벽하게 가상화될 수 있기 때문에 이미 IT는 금융산업에서 절대적인 역할을 차지하고 있다. 4차 산업혁명에 따른 금융산업의 전략적 과제는 크게 두 가지로 요약해 볼 수 있다. 첫째는 IT 발전에 따른 글로벌화에 대한 것이고, 두 번째는 IT를 활용해 등장하는 새로운 금융 서비스와 어떻게 경쟁할 것인가의 문제다.

현재 금융 서비스는 다른 산업에 비해 글로벌화가 많이 진척되지는 않았다. 각 국가가 자국의 경제 시스템이 외국 자본에 휘둘리는 것을 막기 위해 다양한 규제를 두고 있는 영향이 크다. 하지만 소비자들은 국경을 넘나드는 거래를 선호한다. 국내 온라인 쇼핑 사이트뿐 아니라 아마존이나 타오바오 같은 외국 사이트에서도 쉽게 결제하고 물건을 구입하고 싶어 한다. IT의 발전에 따라 각종 불법행위를 실시간으로 감시할 수 있게 되면 금융규제 역시 완화될 가능성이 많다. 그렇게 되면 앞으로 전 세계를 대상으로 하는 글로벌 금융회사가 등장할 가능성이 있다. 해외 송금이 지금처럼 2∼3일이 걸리는 것이 아니라 즉시 수수료 없이 가능해지는 셈이다. 단일 금융회사가 전 세계를 무대로 비즈니스를 하는 형태보다는 각국의 로컬 금융회사들이 ‘제휴’를 통해 연합서비스를 제공할 가능성이 높다고 생각된다. 항공사가 글로벌 제휴 네트워크를 통해 고객에게 ‘코드셰어링(code-sharing·편명 공유)’과 같은 더 좋은 서비스를 제공하는 것을 생각하면 이해가 쉬울 것이다. 지금도 글로벌 제휴 네트워크가 존재하기는 하지만 앞으로 제휴의 정도가 더 강해질 수 있으므로 금융회사는 이에 대한 준비에 나서야 할 것이다. 금융회사들의 대응이 늦으면 다른 서비스가 현재의 금융회사를 대체할 수도 있다. 국제 송금을 수수료 없이 즉시 할 수 있는 ‘비트코인’이 이미 등장한 것이 바로 그 예다.

기존 금융산업에서는 네트워크 효과가 크지 않았다. 예금이나 대출과 같은 전통 거래는 기본적으로 은행과 자신 간 1대1 거래로 이뤄져 왔기 때문에 이른바 ‘연결의 가치’는 상대적으로 낮게 평가됐다. 그러나 최근에 온라인 페이먼트(online payment)가 활성화되면서 상황이 바뀌고 있다. 페이팔이나 비트코인을 통한 개인 간 거래가 온라인에서 일반화되기 시작했는데 이처럼 새로운 거래 방식에선 얼마나 많은 사람과 거래할 수 있는가가 중요해진다. 또한 IT의 발전에 따라 개인 간 대출(peer lending)이나 크라우드 펀딩(crowd funding) 형태의 자금조달 방식도 등장했다. 전통적인 금융산업에서는 은행이라는 소수의 기관이 대출 시 신용도 평가나 이자율 결정 권한을 독점하고 있지만 새로운 방식에서는 모든 참여자가 그 권한을 갖게 된다. 참여자가 많을수록 자금 공급자에게는 더 높은 수익이 가능해지고, 자금 수요자에게는 더 공정한 이자율 평가가 이뤄지기 때문에 그 가치가 올라간다고 할 수 있다.

즉, 금융 산업에서도 네트워크 효과가 작동하며 기존의 금융 시스템을 일부 대체해 가고 있다는 얘기다. IT가 금융과 결합하면서 기존의 금융 산업이 하지 못한 새로운 서비스를 만들어 내고 있다. 금융 산업의 다른 분야, 예를 들어 자산관리나 보험 등에도 비슷한 변화를 예상해볼 수 있다. 따라서 이에 빨리 대처하는 금융회사가 전략적 우위를 가지게 될 것이다.

20230619_161225


의료 산업

미래 의료 산업에선 AI가 의사를 대체할 것이라는 전망이 있지만 과연 그럴지 한번 생각해 볼 필요가 있다. 의사는 진단 정보를 바탕으로 환자의 질병을 정확히 진단하는 일도 하지만 환자가 병을 이겨내도록 힘을 주는 역할도 한다. 정보의 처리에 강점이 있는 AI가 질병을 진단할 수는 있겠지만 환자의 아픔을 공감하고 용기를 주긴 어렵다. 또한 진단에는 법적 책임도 따르기에 과도기에는 인간 의사가 AI를 도구로 사용하면서 환자를 진료하는 것이 일반적인 형태가 될 것이다.

그렇지만 AI가 어떤 형태로 사용되더라도 환자들은 당연히 AI가 도입된 병원을 선호할 것이고 다양한 AI 진단 시스템이 존재한다면 그중에서도 진단이 가장 정확한 AI가 있는 병원을 선호할 것이다. 그렇다면 무엇이 AI가 정확한 진단을 내리도록 도와주는가? 바로 어떤 AI가 더 많은 데이터를 가지고 있는지에 달려 있다. 기계학습(머신러닝) 방식을 사용하는 딥러닝과 같은 AI에는 데이터가 학습교재이기 때문에 좋은 데이터를 많이 가지고 있는 AI가 더 잘 학습을 할 수 있고, 더 정확한 결과를 낼 수 있게 된다. 따라서 AI 진단 시스템 중에서도 많은 병원에서 사용되며, 더 많은 환자의 데이터를 모을 수 있는 IBM의 왓슨 같은 글로벌 AI의 진단이 일반적으로 더 정확할 것이다.

그렇다면 병원에서는 글로벌 AI를 도입해야 할까? 글로벌 AI가 더 방대한 데이터를 보유하게 되지만 각국 환자의 체질과 질병의 양상은 조금씩 다르다. 좀 더 정확히 말하면 각 환자의 DNA 구성에 따라 질병의 발생 정도나 처방 효과가 다르다. 미국 환자의 데이터로 학습을 한 AI를 한국 환자에게 적용할 경우 일반적인 진단과 처방은 잘하겠지만 한국 환자의 특성이 크게 나타나는 질병에서는 정확하지 않을 수 있다. 따라서 의료기관으로서는 한국 환자의 데이터가 한국에서의 의료 경쟁력을 강화시켜주는 가장 중요한 자산이라고도 할 수 있다. 이 자산을 확보하기 위해서는 자체 AI를 개발하든가, 글로벌 AI를 사용하는 경우라도 로컬 데이터에 대한 소유권이나 사용권을 보장받는 것이 중요할 것이다.

연재를 마치며

4차 산업혁명에 대비하는 전략을 수립함에 있어서 가장 중요한 것은 냉철한 분석과 판단이다. 4차 산업혁명 관련 기술의 발전에 따라 새로운 제품과 서비스가 하루가 다르게 등장하고 있다. 이럴 때 새로운 제품과 서비스가 시장에서 어떻게 성공 혹은 실패할지, 앞으로 우리 산업의 기술 발전은 어느 쪽으로 이뤄질지 등에 대해 자신만의 명확한 기준이 없으면 혼란만 더 커질 것이다. 연재를 통해 다룬 ‘가상성/물리성’ ‘네트워크 효과’ 등이 이런 기준을 세우는 데 도움을 주겠지만 스스로 자신만의 시각을 가지려고 노력할 필요가 있다.

이때 명심할 것은 기술에 대해 막연한 장밋빛 기대도, 과도한 비관적 생각도 피하는 것이다. 새로운 기술이 하나 등장하면 마치 당장에라도 그 기술이 시장에 보급돼 세상을 바꿀 것처럼 얘기하는 이들이 많다. 하지만 그렇게 되기까지는 많은 변수가 있다. 기술의 근본 특성, 시장에서의 니즈, 경쟁기술 등 다양한 요인이 복합적으로 작용해 시장 확산을 결정한다. 기술적 우월성과 제품의 성공이 꼭 비례하지는 않는다는 사실 또한 잊어서는 안 된다. 동시에 초기 시장에서 보급이 예상보다 늦다고 해서 그 제품의 영향력에 대해 지나치게 과소평가해도 안 된다. PC처럼 보급에 시간이 걸리되 일단 시장에 전파되면 전체 산업을 뒤집어버리는 제품들이 상당수 있다. 결국 어떤 기술이나 제품을 평가할 때에는 장기적인 관점에서 “만일 이 제품이 널리 퍼지면 시장이 크게 바뀔 가능성이 있는가?”라는 질문을 던지는 게 중요하다. 지나친 기대도, 비관도 하지 않고 냉정하고 균형 잡힌 시각을 유지하는 기업만이 4차 산업혁명 시대의 높은 파고를 헤쳐나갈 수 있을 것이다.   


임일 연세대 경영대 교수 il.im@yonsei.ac.kr
 
필자는 서울대에서 경영학 학사와 석사를 받은 후 서던캘리포니아대(University of Southern California)에서 정보시스템 분야 경영학 박사 학위를 받았다. New Jersey Institute of Technology 교수를 거쳐 2005년부터 연세대 경영대학 교수로 있다. 주요 관심 분야는IT의 사용과 영향, 개인화, 추천 시스템 등이다.

  • 임일 임일 | 연세대 경영대학 교수

    필자는 서울대에서 경영학 학사와 석사를 받은 후 University of Southern California에서 정보시스템 분야 경영학 박사학위를 받았다. New jersey Institute of Technology 교수를 거쳐 2005년부터 연세대 경영대학 교수로 재직 중이다. 주요 관심 분야는 디지털 트랜스포메이션, 개인화, 추천 시스템 등이다
    il.lim@younsei.ac.kr
    이 필자의 다른 기사 보기
인기기사