SR1. Interview: 팀 폰테인 맥킨지 시니어 파트너

“AI 설계 과정에 최종 사용자 포함하고
도입 이후의 변화 관리에 적극 투자를”

325호 (2021년 07월 Issue 2)

Article at a Glance

AI를 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 서베이1 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.

027

비즈니스를 재구상하라

기업에서 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) 기술2 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.

어떤 도메인을 개선할지 정할 때는 첫째, 강력한 스폰서가 있고, 둘째, 개선돼야 할 상호 연결된 비즈니스 활동이 명확하게 정의돼 있으며, 셋째, 프로젝트와 관련된 이해관계자(stakeholder)와 데이터, 기술 요건을 모두 만족시키는 영역을 찾아야 한다. 이런 요소들이 시너지 효과를 발휘하면서 팀은 새로운 AI 역량을 더 신속하게 구축, 활용할 수 있다.

이에 따라 리더가 AI를 도입해 사업을 변화시킬 수 있는 대략 8개에서 10개로 구성된 도메인 리스트를 만들었다면 실현 가능성(feasibility)과 사업적 가치에 따라 도입의 우선순위를 정해야 한다. 앞서 예로 든 통신 기업은 리더가 5개의 서로 다른 분야를 후보군으로 두고 AI가 가져올 변화의 잠재적 영향을 분석한 끝에 고객 가치 관리 부문부터 시작하기로 정했다. 이 분야가 7000만 달러가 넘는 가장 큰 이익을 가져올 수 있으며, 해당 사업부의 지원(스폰서)을 받을 수 있고, 이미 필요한 데이터도 수집한 상태였기 때문이다.

이해관계자, 데이터, 기술의 균형 맞추기

AI 프로젝트의 가치를 평가하는 게 쉽지 않다. AI 프로젝트의 비용(cost)과 편익(benefit)을 평가하는 데 유용한 방법론이 있을까?

가치를 결정할 때 리더는 궁극적으로 해당 프로젝트가 얼마나 편익을 증대하는 동시에 서비스 제공 비용을 절감할 수 있을지를 평가한다. 하지만 그와 동시에 고객과 직원의 경험을 얼마나 개선할 수 있을지, 예컨대 고객 만족도와 참여도 등도 고려해야 한다. 편익은 세밀하게 측정하는 게 핵심이다. 한 항공사는 스마트 화물 예약 시스템을 도입하면서 시장 전반에 미칠 영향을 평가했는데 대략 3000만 달러의 추가 이익을 창출할 수 있다고 추산했다.

비용을 따질 때는 다음 사항들을 고려해야 한다. 프로젝트에 필요한 적절한 품질의 데이터 소스가 있나? AI 모델은 얼마나 복잡하며, 기존 코드를 기반으로 구축할 수 있는가? 현재의 기술 아키텍처가 새로운 작업 방식을 지원하는가, 아니면 다른 새로운 요소를 통합해야 하는가? 새로운 솔루션을 지원할 인력과 역량이 있는가? 마지막으로 어떤 주요 프로세스의 변경이 필요한가? 이런 질문들은 이해관계자와 데이터, 기술 이 세 가지 요건을 모두 만족시키는 도메인을 선택하는 게 중요함을 보여준다. 이러한 검토 끝에 도입된 개별 솔루션이 더 신속하게 비용 절감과 편익 증대를 실현할 수 있다.

이런 판단을 하는 데 적용할 수 있는 간단한 수학 공식 같은 것은 없다. 예컨대 그 자체로는 가치가 낮지만 가치가 큰 다른 솔루션을 실현시키는 데 필요한 솔루션을 우선순위에 놓을 수도 있다. 리더는 이런 모든 요소를 균형적으로 고려해 프로젝트의 전체적 비용과 편익을 이해해야 한다.

비즈니스, IT, 애널리틱스 리더의 3각 편대 구축

AI 프로젝트의 수행 기간은 보통 어느 정도로 잡는 게 가장 효과적일까?

회사가 집중해야 할 분야를 정했다면 진행 초기, 즉 수개월 안에 추진력을 얻어 18∼24개월 안에는 성능을 크게 개선할 수 있는 도메인 찾기를 추천한다. 구체적인 타임라인은 업무 영역의 규모와 복잡성에 따라 달라질 수 있다.

AI 프로젝트팀의 인원은 몇 명이 적당한가? 팀 빌딩은 어떻게 하는 게 좋을까?

팀의 규모는 작업 범위에 따라 달라질 것이다. 새로운 작업 방식을 디자인하고 구축하고 지원하는 데 필요한 모든 인원을 확보해야 한다. 비즈니스 측면에서 솔루션 제공을 책임지는 전담 비즈니스 리더, 애널리틱스 영역과 사업 영역을 연결해주는 ‘번역자(translator)’, 프로세스 변경과 적용을 감독할 변화 관리(change management) 리더가 필요하다. 기술 측면에서는 데이터 사이언스와 엔지니어링 전문가, 디자이너, 비즈니스 애널리스트, 스크럼 마스터(scrum master)4 가 필요하다.

그동안 컨설팅 경험에 비춰보면 보통 한 팀에 8명에서 10명 정도의 인원이 함께 일하는 경우가 많다. 필요한 역할을 전부 소화하는 데 더 많은 인원이 필요하다면 해당 팀의 팀원을 늘리기보다는 팀을 여러 개의 스쿼드로 나눠서 같은 목표 아래서 각 스쿼드가 서로 다른 과제를 해결하도록 하는 게 더 낫다.

AI 프로젝트의 예산을 짤 때 리더는 어떤 요소를 고려해야 할까? 다른 프로젝트와 달리 AI 프로젝트를 진행할 때 특별히 고려해야 할 점이 있다면 무엇일까?

먼저 AI 전반에 할당한 예산이 어느 정도인지를 생각해보라. 맥킨지가 매년 실시하는 글로벌 AI 설문 조사에 따르면 AI로 상당한 수익을 거둔 기업은 다른 기업보다 디지털 예산의 많은 부분을 AI 솔루션에 투자한다는 사실이 반복적으로 발견된다. 가장 최근인 2020년 설문 조사에서는 이런 기업이 다른 기업보다 신종 코로나바이러스 감염증과 디지털 가속화에 대비해 AI 투자를 늘릴 계획이 있다고 말했다.

다음으로 프로젝트에 수반되는 변화 관리를 과소평가해서는 안 된다는 점을 강조하고 싶다. 한 연구에 따르면 AI를 확장한 기업들의 90%에 달하는 대다수는 AI 예산의 절반 이상을 프로세스 재설계, 소통, 트레이닝 등의 변화 관리에 투자했다. 예컨대 한 통신 사업자는 AI 중심의 고객 유지 프로그램을 개발하면서 콜센터 직원들이 새로운 방식에 적응하도록 지원했다. 세일즈 트레이닝과 현장 코칭에 투자해 콜센터 직원들이 새롭고 보다 능동적으로 고객 관계를 형성하는 역할을 수행하도록 도왔다. 직원들은 서비스를 해지할 가능성이 높은 고객에게 연락해 AI의 맞춤형 추천 서비스를 바탕으로 해당 고객이 받아들일 만한 새로운 통신비 플랜을 제안했다. 이는 콜센터 직원들이 이전까지 일해온 방식과 상당히 달랐다.

031

AI 리더십의 핵심은 변화 관리

AI 프로젝트를 성공시키기 위해 리더에게 필요한 중요한 덕목이 무엇이라고 생각하는가? 기술적 역량이 중요한가?

AI 이니셔티브가 성공하는 데는 리더십의 역할이 무엇보다 중요하다. 우리가 연구한 결과에 따르면 AI를 잘하는 조직은 그렇지 않은 조직보다 AI뿐 아니라 C레벨 경영진의 전반적인 리더십 수준도 2.3배 높을 가능성이 클 것으로 나타났다. 또 AI에서 가장 큰 가치를 창출하는 기업은 그렇지 않은 기업보다 C레벨 경영진이 AI 이니셔티브에 적극적으로 관여하며 뛰어난 수준의 관련 지식을 갖추고 있을 가능성이 높았다.

물론 리더는 AI가 어떻게 작동하며 이를 적용해 어떻게 효과적인 AI 전략을 발전시키고 올바른 투자 결정을 할지에 대한 이해 수준이 높아야 한다. 독서와 온라인 강의, AI를 성공적으로 도입한 다른 기업의 사례를 학습함으로써 이런 지식을 얻을 수 있다.

하지만 내가 생각하는 리더의 가장 중요한 덕목은 직원들이 AI를 활용해 다르게 사고하고 일할 수 있도록 영감을 불어넣고 동기를 부여하는 능력이라고 생각한다. 리더는 왜 AI가 중요한지를 적극적으로 설명하고, 직원들로 하여금 새로운 아이디어를 테스트하고 그것이 실패할지라도 계속해서 변화를 추구하도록 인센티브를 제공해야 한다.

한 예로 전문 소매업체의 CEO는 몇 주에 한 번씩 정기적으로 비즈니스와 애널리틱스 담당자를 만나서 그들이 무슨 일을 하는지 확인했다. 그녀는 미팅을 시작할 때마다 제품 관리자(PM), 데이터 사이언티스트, 현장 직원들이 회사를 AI 중심으로 바꾸기 위해 노력하고 있는 점을 치하했다. 그리고 본인이 발언하기 전에 다른 미팅 참가자들이 먼저 그들의 경험과 의견을 이야기하도록 했다. 이런 그녀의 노력은 조직 전체에 AI의 중요성과 AI 도입 이후 요구되는 변화를 강조하는 데 도움이 됐다.

특히 일선 현장의 직원들은 AI로 인해 밀려날 것이 두려워 AI 프로젝트에 소극적일 수 있다. 리더는 어떻게 이들을 설득해 프로젝트에 참여하도록 이끌 수 있을까?

첫째, 교육에 투자하라. 기술이 어떻게 작동하는지, 그들에게 도움이 될지, 왜 필요한지, AI 툴을 어떻게 사용하는지 등을 이해하지 못한 직원이 변화에 회의적이거나 저항하는 것은 당연하다. 우리가 아는 많은 회사가 애널리틱스 아카데미를 설립해 리더부터 최종 사용자에 이르기까지 AI 중심 조직에서 성공하는 데 필요한 기본적인 AI 기술과 지식을 갖추도록 교육하고 있다.

둘째, 직원들에게 프로젝트 기획에 대한 비즈니스 오너십과 책임을 부여하라. 직원들에게 스스로 도전 과제를 해결할 수 있도록 권한을 부여하는 것만큼 개개인의 참여도를 높이는 데 좋은 방법은 없다.

마지막으로, 새로운 프로세스를 매핑하고 AI 애플리케이션을 설계하는 과정에 반드시 최종 사용자를 포함시켜라. 예를 들어 한 항공사의 화물 팀은 선적 공간의 활용도를 높이는 AI 프로젝트를 진행하면서 먼저 선적 요청의 수락 여부를 결정하는 업무를 하는 세일즈 및 예약 담당자를 인터뷰했다. 그들이 어떤 정보에 의존하는지, 어떻게 서로 다른 정보의 중요성을 따지는지, (더 중요하게는) 의사결정을 내릴 때 중요하게 여기는 이슈가 무엇인지를 물었다. 그리고 나서 그들의 의견을 활용해 가장 이상적인 프로세스가 무엇인지를 제시했다. 업무 담당자의 의사결정을 지원하는 AI 기반 상황판(dashboard)의 프로토타입을 개발하고 그것을 국제항공 노선 중 대표적인 12개 노선을 선정해 담당자와 테스트했다. 또 그들의 피드백을 받아 최종 제품을 다듬었다. 이렇게 최종 사용자를 조기에 프로세스에 참여시키면 새로운 AI 시스템이 전사적으로 채택될 가능성이 높아진다.5

변화를 확장하기

AI 프로젝트의 결과를 전사적으로 확산시키려면 어떤 노력을 해야 할까?

기업은 처음에는 마케팅과 세일즈 혹은 공급망 같은 한두 개의 도메인에서 시작해 그 경험을 바탕으로 전사적으로 성공하는 데 필요한 스킬, 예컨대 사일로를 없애고 팀의 권한을 강화하는 능력을 키워야 한다. 이렇게 초기 도메인에서 AI 개발이 어느 정도 진행되면 리더는 이 작업을 전사적인 변화로 발전시킬 방법을 찾아야 한다.

일례로 공급망과 물류처럼 공통되는 데이터와 스킬이 있는 사업 영역을 우선할 수 있다. 아니면 다양한 사업부에 공통으로 있는 영역을 우선할 수도 있다. 그래서 한 사업부에 도입한 새로운 프로세스, 워크플로, 여정을 다른 비즈니스 사업부에 구현하는 것이다. 한 전력 회사는 제품 부서에서 고객 가치 관리를 개선한 프로젝트 결과로 수익을 12% 증가시키는 데 성공했다. 그리고 이 프로젝트 내용의 80% 정도를 동일하게 다른 사업부서에도 재활용해 성장 속도를 높이기로 했다.

그렇게 해서 AI가 표준이 된 회사의 조직 형태는 어떤 모습일까?

AI를 활용하는 기업은 일하는 방식이 다르다. 이들은 상호 협업이 가능한 방식으로 팀을 조직하고 운영한다. 평평한 조직 구조에서 일선 직원들은 기나긴 승인 절차를 거치지 않고도 스스로 데이터에 기반한 의사결정을 내릴 수 있다. 또 실험과 학습을 반복하는 애자일 실천 방식에 기반해 AI의 규모를 키워나간다.

AI가 중심인 기업은 사고하는 방식도 다르다. AI를 활용해 지속적인 학습과 개선을 추구한다. 또 비즈니스 프로세스를 처음부터 끝까지(end-to-end) 검토하는 사고방식에 익숙하다. 이를 바탕으로 모든 도메인을 최적화하고 기존 현실을 뛰어넘는 새로운 표준을 세울 수 있다.
동아비즈니스리뷰 329호 Fly to the Metaverse 2021년 09월 Issue 2 목차보기