Article at a GlanceAI를 효과적으로 도입해 전사적으로 확장시키는 데 성공하려면
1. AI로 비즈니스 프로세스의 일부가 아니라 처음부터 끝까지 어떻게 변화시킬 수 있을지 검토해야 한다.
2. AI 프로젝트의 비용과 편익을 계산할 때 이해관계자와 데이터, 기술을 모두 고려해야 한다. AI를 도입한 이후의 변화 관리에도 투자하자.
3. 리더는 직원들이 새로운 아이디어를 테스트하고 실패할지라도 변화를 추구하도록 인센티브를 제공하고 동기부여해야 한다.
4. 새로운 프로세스를 설계하는 과정에 최종 사용자를 포함시켜라.
“전 세계 기업의 50%가 최소 1개 이상의 비즈니스 부문에 인공지능(AI) 기술을 도입했다. 하지만 AI를 활용해 이자 및 세전 이익(EBIT, 2019년)의 5% 이상을 창출한 효과를 낸 기업은 22%에 불과했다. 48%의 기업은 EBIT 창출 효과가 5% 미만이라고 답했다.”
글로벌 컨설팅 기업 맥킨지가 2020년 진행한 글로벌 서베이
1
에서 나온 결과다. 전 세계적으로 많은 CEO가 AI를 기존 비즈니스 판도를 완전히 뒤바꿀 혁신적인 기술로 인식하고 투자를 늘리고 있지만 실질적인 성과를 내는 기업은 드물다. 대부분 기업이 시범적으로 AI 관련 사업을 진행하거나 비즈니스 프로세스의 일부에 AI를 적용하는 데 성공한다. 하지만 파일럿 프로젝트에 많은 자원을 투자하고도 예상한 만큼의 이익이 나오지 않거나 또 일부 프로젝트에 성공하고도 전사적으로 확장시키는 데 어려움을 겪기도 한다. 왜 이런 일이 벌어지는 걸까? AI의 잠재력을 극대화함으로써 비즈니스를 획기적으로 바꾸려면 어떻게 해야 할까? DBR(동아비즈니스리뷰)가 그 해답을 찾기 위해 팀 폰테인 맥킨지 시니어 파트너를 인터뷰했다. 그는 수백 곳의 글로벌 기업과 AI 프로젝트를 진행한 경험이 있다.
비즈니스를 재구상하라기업에서 AI 프로젝트가 빈번하게 실패하는 이유는 무엇이라고 생각하는가?기업 리더가 실패하는 지름길은 바로 AI가 도입 즉시 즉각적인 혜택을 가져다줄 수 있는 일종의 플러그앤드플레이(plug-and-play) 기술
2
이라고 생각하는 것이다. 리더는 AI를 도입할 때 비즈니스 프로세스가 어떻게 변화해야 하는지, 사람들은 미래에 어떻게 협력하게 될지, 기술적인 측면 외에도 다른 어떤 스킬이 필요할지 등 조직 및 문화적 변화를 총체적으로 검토해야 한다.
AI로 고객 가치 관리를 혁신하는 데 초점을 맞춘 통신 회사의 사례를 살펴보자. 이 회사는 처음부터 서비스 해지 고객을 줄이기 위한 AI 예측 모델을 개발하는 데 초점을 맞췄다. 하지만 비즈니스 모델 자체에 대해서는 사전에 충분히 검토하지 않았다. 그래서 AI를 도입한 후 캠페인 매니저가 AI 모델이 내놓은 결과를 받고도 어떤 조치를 취해야 할지 몰라 헷갈려 했다. 또 캠페인 프로세스 자체가 비효율적이었고 새로운 캠페인을 실행하는 데 시간이 너무 오래 걸렸다. 그래서 AI가 서비스 해지 가능성이 높은 고객에게 새로운 플랜을 제안하기도 전에 이 고객이 이탈해버리고 말았다. 조직 내에서도 채널별로 인센티브 프로그램을 정비하지 않아 팀들이 서로 다른 우선순위에 따라 제각각 움직였다.
이 통신 회사는 리더가 캠페인 프로세스를 처음부터 다시 설계함으로써 캠페인의 비효율성과 지연 문제를 해결하고 난 뒤에서야 목표를 달성할 수 있었다. 비즈니스를 재구상하는 가장 좋은 방법은 최종 목표를 먼저 상상한 다음에 그로부터 생각을 거꾸로 진전시키는 것이다. 예컨대 5성급 고객 경험은 어떠해야 하는지를 상상한 다음에 그것을 달성할 방법을 구상하는 것이다. 또 팀원들에게 스스로 업무에서 부딪히는 한계와 그것을 없애려면 무엇이 개선돼야 하는지를 나열해보게 하는 방법도 있다. 이처럼 사고방식을 바꾸는 일은 결코 쉽지 않으며 상당한 창의력을 요구한다. 하지만 실천하게 되면 충분한 보상이 뒤따를 것이다.
기업에 AI 기술을 필요로 하는 업무 영역은 수도 없이 많다. 그중에서 어떤 영역에 AI를 먼저 도입할지 우선순위를 정할 때 리더가 고려해야 할 요소는 무엇일까?대부분 기업은 처음에 잠재적 고객 이탈 또는 장비 고장 등 프로세스의 세부적인 단계를 개선하는 ‘활용 사례(use case)’
3
들의 목록을 검토한다. 그러나 이렇게 리스트에서 아이템을 찾는 방식은 의미 있는 변화를 도출하기에 범위가 너무 좁다는 한계가 있다. 이런 방식으로는 회사에 의미 있는 변화를 이뤄내기 힘들다. 또 이런 케이스들은 대개 개별 사업 부서에 분산돼 있기 때문에 나중에 조직 전체에 걸쳐 AI를 확장하려면 다시 설계하는 데 더 많은 비용과 복잡한 업무가 수반될 수 있다.
리더는 기업의 핵심 워크플로, 고객 여정, 도메인에 영향을 미치는 비즈니스 과제를 발굴하는 작업에서 출발해야 한다. 그리고 기존 업무가 앞으로 어떻게 수행돼야 하는지를 재검토해야 한다. 예컨대, 제조 장비의 고장이 너무 잦다면 리더는 앞으로 어떤 장비가 고장 날지를 예측하려고 하기보다는 유지 보수 프로세스를 처음부터 끝까지(end-to-end) 검토해 AI가 어떻게 작업 방식을 바꿀 수 있을지를 고민해야 한다. 이런 접근 방식이 진정한 변화를 이끌어낼 수 있다. 예컨대, 한 통신 기업은 고객과 소통하는 방식 전반을 최적화하기 위해 AI를 활용해 고객 가치 관리(customer value management) 프로세스를 재설계했다. 그랬더니 마케팅 캠페인에 소요되는 시간을 75% 줄이면서도 고객 이탈률을 3%포인트가량 줄일 수 있었다.
닫기
