로그인|회원가입|고객센터
Top
검색버튼 메뉴버튼

MIT Sloan Management Review

AI 활용에 필요한 5가지 역량

모니디파 타라프다르,신시아 M. 베이드,잔 W. 로스 | 281호 (2019년 9월 Issue 2)
Article at a Glance
질문
기업 운영을 개선하기 위해 기업은 AI 활용 역량을 어떻게 키울 수 있을까?

연구를 통해 얻은 해답
1. 최고경영자는 기업 운영을 개선하고 가치를 창출하는 데 있어 AI가 가지는 잠재력을 알고 있지만 그것을 구현하는 데 어려움을 겪는다.
2. 데이터 과학과 사업 가치를 연결하려면 작업과 작업의 흐름, 기존 프로세스의 논리를 깊이 있게 이해할 수 있는 비즈니스 도메인 숙련도가 필요하다.
3. 시간이 지나도 AI 알고리즘이 변화하는 상황에 맞게 현실을 정확히 반영하려면 ECC 애플리케이션을 생애주기 전반에 걸쳐 계속 관리해야 한다.

편집자주
이 글은 MIT 슬론 매니지먼트 리뷰(SMR) 2019년 여름 호에 실린 ‘Using AI to Enhance Business Operations’를 번역한 것입니다.




인공지능(AI) 하면 항상 자율주행차, 지능형 개인 비서, 지능형 로봇이 제시하는 비전 등이 떠오른다. 하지만 AI는 이런 제품들 못지않게 기업 운영에도 큰 영향을 미친다.

기업 운영을 개선하기 위해 AI를 활용하는 엔터프라이즈 인지 컴퓨팅(Enterprise Cognitive Computing, 이하 ECC)은 조직 프로세스를 지원하는 응용 소프트웨어에 알고리즘을 끼워 넣는다. 1 ECC 애플리케이션은 반복적이고 정형화된 작업을 자동화하고, 이를 통해 정보 분석 속도는 물론 그 결과물의 신뢰도와 정확도를 극적으로 높여준다. 일례로 콜센터용 ECC 애플리케이션은 1년 365일, 하루 24시간 내내 고객 전화를 5초 안에 응대할 수 있게 해준다. 또 고객 불편사항의 90%를 첫 통화에서 처리할 수 있도록 해주고, 복잡한 문제는 직원에게 전달해줄 수도 있다. 게다가 고객들 가운데 자신이 기계와 통화하고 있다는 사실을 인지하는 사람들이 절반도 채 안 된다. 2 ECC 애플리케이션이 가진 이런 강력한 힘은 검색 시간을 단축하고, 의사결정 과정에 더 많은 데이터를 활용할 수 있도록 해준다. 이는 직원의 생산성을 높여주고, 직원들이 더 수준 높은 임무, 특히 인간의 융통성과 창의성을 요하는 일에 집중할 수 있게 한다. 결과적으로 ECC 애플리케이션은 운영 효율성을 높이고 고객 만족, 직원의 직무 경험을 개선한다. 3



ECC 애플리케이션은 다양한 형태로 존재한다. 콜센터 프로그램뿐 아니라 대출 신청서를 처리하고 잠재적 사기 피해를 감지하는 은행 애플리케이션, 유사한 재판 판례를 확인하는 법무 애플리케이션, 주식의 매수 및 매도량을 예측하고 추천하는 투자 애플리케이션, 장비 관리 일정을 알려주는 제조 애플리케이션, 개발 중인 신약의 성공 확률을 예측하는 제약 R&D 애플리케이션 등 활용 분야가 다양하다.

이렇게 보면 대부분의 기업인과 기술 리더들이 ECC의 잠재적 가치 창출 능력을 낙관하는 것은 당연하다. 2017년 여러 국가, 업종, 규모에 속한 기업들의 고위 임원 3000명을 대상으로 설문 조사를 수행한 결과, 응답자 중 63%가 ECC 애플리케이션이 5년 안에 회사 사업에 지대한 영향을 미칠 것으로 전망했다. 4 그러나 실제 ECC 채택률은 낮았고 채택한 조직들도 대부분 확실한 성과를 얻지 못했다. 필자들이 2017년에 106개 기업의 고위 임원들을 대상으로 직접 설문 조사를 진행한 결과, 응답자의 절반 정도는 회사에 아직 ECC 애플리케이션이 없다고 답했다. 관련 애플리케이션을 사용하고 있는 기업들의 경우도 절반 정도만 가시적인 성과를 얻었다고 답했다. 다른 연구 결과들도 이와 비슷했다. 5


이런 상황을 보면 ECC 애플리케이션으로 가치를 창출하는 것이 결코 쉽지 않고, 실제 현실에서는 많은 기업 리더가 어려움을 겪고 있다는 것을 알 수 있다. 또한 ECC를 향한 높은 관심의 일부는 ‘지능형 기계’가 가진 힘에 대한 비현실적인 기대에서 비롯됐다는 것을 알 수 있었다. 게다가 ECC로 효과를 보려 했던 많은 기업의 시도는 그에 필요한 조직적 역량을 구축하지 못해 실패했다. 이 문제를 해결하기 위해 필자들은 ECC 경쟁력의 토대를 파악하기 위한 연구를 진행했다. 그 결과 조직 DNA에 ECC 유전자를 주입하기 위해서는 5가지 역량과 4가지 실천사항이 필요하다는 것을 발견했다.


5가지 주요 역량

본 연구 결과 ECC 애플리케이션을 통해 가치를 창출한 기업들은 5가지 역량을 공통적으로 갖고 있었다. 사업 프로세스를 근본적으로 개선해 비용을 절감하거나 새로운 매출을 만들어낸 기업들이었다. 이 5가지는 바로 데이터 과학 역량(data science competence), 사업 도메인 숙련도(business domain proficiency), 엔터프라이즈 아키텍처 전문성(enterprise architecture expertise), 운영 IT 중추(operational IT backbone), 디지털 호기심(digital inquisitiveness)을 말한다.

데이터 과학 역량. 데이터 과학 역량에는 ECC 활용에 꼭 필요한 여러 기술이 포함돼 있다. 이는 방대한 데이터의 가용성과 활용도를 높이는 데 필요한 역량이다. 즉, 조직 안팎의 다양한 소스에서 데이터를 수집하고, 정제하고, 분류하고, 태깅(tagging)하고, 분석하는 능력을 말한다. 또 데이터 과학 역량에는 데이터 간 관계를 파악하고 설명하는 능력은 물론 데이터에서 패턴과 확률을 도출하는 방법을 학습한 AI 알고리즘 개발 역량도 포함된다.

최고의 데이터 과학자들은 인간이 쓰는 언어를 컴퓨터가 인식하고 처리하게 하는 자연어 처리는 물론 통계적 추론에 대한 방대한 지식을 갖고 있다. 또한 사실과 관계성 등을 부호화해 지식 베이스에 저장하는 지식 표현, 학습 알고리즘 등에 대한 지식도 보유하고 있다. 인도의 IT 서비스 기업인 위프로(Wipro)도 이런 역량을 기반으로 한 데이터 과학 전문성을 갖추고 있다. 위프로의 데이터 과학자들은 기술과 다양한 툴을 활용해 기업 애플리케이션에 포함될 AI 알고리즘들을 개발한다.

내부에서 관련 역량을 육성할 수 없는 조직의 경우 데이터 과학 역량을 확보하는 데 많은 비용이 든다. 소프트웨어 개발 회사나 기술 컨설팅 회사, AI 스타트업, 관련 분야 대학원에서 새로운 인력을 여럿 뽑아야 할 수도 있다. 본 연구에서 다루고 있는 금융 서비스 회사 한 곳을 살펴보자. 필자들이 원뱅크어슈어(OneBankAssure)라 부르는 이 회사 CEO는 자신에게 직접 보고할 임원 한 명을 고용했다. 그는 데이터 과학 분야에서 기술적으로 뛰어난 성과를 거둔 학자이자 컨설턴트였다. 이 임원은 곧바로 데이터 과학자 20명을 고용했고, 이들을 중심으로 ECC 개발팀을 꾸렸다. 이처럼 ECC 개발을 진지하게 고려하는 기업이라면 데이터 과학 분야의 적합한 인재를 고용하기 위해 투자를 아끼지 않는다. 필자들이 연구한 한 제약회사는 ECC 개발 비용을 확보하기 위해 시스템에서 중복되는 요소를 없애고, 사업부 전반의 프로세스를 표준화하는 방식으로 IT 운영 비용을 줄였다. 그리고 이렇게 절감한 비용을 데이터 과학 기술을 확보하는 데 썼다.

사업 도메인 숙련도. 도메인 숙련도는 작업 및 작업 흐름, 기존 기업 프로세스의 논리를 이해하고 ECC 애플리케이션이 이들 영역을 어떻게 개선할 수 있는지를 구상하는 데 필요하다. 많은 기업이 방대한 데이터로 무언가를 예측하고 분류하는 방법을 학습한 AI 알고리즘을 힘겹게 개발해 놓고도 실제로 사업 개선 효과를 내지 못하고 있다. 이런 경우는 생각보다 흔하다. 올바른 실무 기술만 갖춰서는 충분치 않다는 얘기다. 데이터 과학 역량을 통해 기업 가치를 창출하기 위해서는 도메인 숙련도가 필요하다.

가령, 데이터 과학자들이 데이터를 효과적으로 분류하고, 태깅하고, 분석하는 능력은 데이터 사이의 관계들을 프로세스와 기업 관점에서 명확히 파악할 수 있는지에 달려 있다. 이렇게 데이터 간 관계를 명확하게 처리하는 능력은 보통 온톨리지(ontology)라 불리며 이런 능력은 도메인 숙련도를 통해 얻어진다. 데이터 온톨로지는 때때로 상당히 복잡하고 반직관적이다. 한 제약회사의 도메인 전문가는 회사가 진행 중인 당뇨병 연구에 필요한 데이터 온톨로지를 확보하면서 느낀 난해함을 이렇게 설명했다.

“당뇨병은 상당 부분 과체중과 관련돼 있습니다. 그럼 우리 회사의 당뇨병 온톨로지에 비만을 당뇨병의 속성으로 반영해야 할까요? 아니면 당뇨병을 비만의 속성으로 봐야 할까요? 아, 또 있습니다. 과체중인 사람들은 종종 관절에도 문제가 생겨 많이들 인공관절 수술을 받습니다. 비만이면서 관절에 문제가 있는 당뇨병 환자들은 우울증에 걸릴 확률이 매우 높습니다. 결과적으로 우울증 치료가 당뇨병 치료 효과를 높이는 데 중요한 역할을 하고요. 그렇다면 당뇨병 알고리즘은 우울증에 대해서도 학습해야 할까요?”


DBR mini box I: 연구 과정

이 글의 바탕이 된 연구 활동은 2016년 1월부터 2017년 12월까지 북미, 유럽, 아시아, 호주에 있는 다양한 업종의 기업을 대상으로 수행됐다. 필자들은 33개 기업에서 일하는 IT와 혁신 담당 고위 임원들은 물론 엔터프라이즈 인지 컴퓨팅 기술을 개발하고 유통하는 8개 회사의 산업 및 기술 전문가들을 만났다. 그런 뒤 조직과 업계에서 ECC 애플리케이션을 어떻게 활용하고 있는지, 그 과정에서 어떤 난관과 기회를 접하는지를 인터뷰했다. 본 연구에서는 51개의 ECC 활용 사례를 살펴봤다. 이 중 37%는 실행 단계, 48%는 아이디어 구상 및 설계 단계에 있었고, 나머지 15%는 개발되기 전 중단됐다. 필자들은 106개 기업에서 IT와 기술 분야를 책임지는 리더들을 대상으로 현재 조직에서 어떤 ECC 애플리케이션을 활용하고 있고 있는지, 애플리케이션을 개발하고 관리하면서 어떤 문제들에 직면했는지, 이로부터 어떤 성과를 얻었는지를 설문을 통해 파악했다. 마지막으로는 3개 회사에서 개발한 3가지 활용 사례를 더 깊이 있게 연구했다. 이를 위해 필자들은 IT, 마케팅, 영업, 전략 부문의 기능적 책임자들과 더불어 데이터 과학자와 도메인/프로세스 전문가 등 C레벨에 속하는 35명의 임원을 인터뷰했다.



도메인 숙련도는 알고리즘으로 산출한 결과들을 ECC 애플리케이션으로 어떻게 처리할 것인지 관련 원칙을 정할 때에도 중요하다. 예를 들어, 어떤 고객이 대출금을 제때 상환할 가능성이 가장 높은지를 예측하는 은행 ECC 애플리케이션에는 이 알고리즘의 예측을 어떤 식으로 적용할지에 대한 회사의 원칙이 함께 포함돼 있어야 한다. 즉, 일부 대출 건을 자동으로 승인해도 될까? 만약 된다면 어떤 경우에 그래도 될까? 예측 결과를 누구와 공유해야 할까? 어떤 상황에서는 예측 결과를 무시해야 할까? 등에 대한 기준들이 있어야 한다는 의미다.

어떤 ECC 애플리케이션이든 핵심 프로세스를 작동하는 데 영향을 미치거나 이해관계자들이 관여하는 기능적 영역에는 모두 도메인 숙련도가 필요하다. 예컨대, 금융 사기를 방지하기 위해 ECC 애플리케이션을 개발한 미국의 한 은행 사례를 보자. 이 은행은 사기 거래를 식별하고 방지하는 능력은 물론, 은행법과 컴플라이언스 같은 분야에 대한 숙련도도 필요로 할 것이다.

도메인 숙련도를 갖춘 사람들은 프로세스 관련 지식도 많이 가지고 있다. 이들은 일상적인 실무를 담당하는 경우가 많지만 동시에 프로세스 책임자 역할도 맡는다. 일부 회사는 도메인 전문성을 가진 데이터 과학자를 고용하기도 한다. 실제로 이런 인재들은 회사의 도메인 전문가들에게 좋은 파트너가 될 수 있다. 그러나 그렇다고 해서 ECC 애플리케이션 개발 작업까지 대행할 수는 없다. 데이터 과학자들의 경우 대부분 현재 실행 중인 프로세스나 정책, 실무 등에 있어 기업에 특화된 지식이 부족하기 때문이다.



엔터프라이즈 아키텍처 전문성. 엔터프라이즈 시스템을 운영할 때 우리는 실망스러운 리더들의 모습을 자주 봐 왔다. 이런 리더들은 시스템에서 가치를 얻는 데 필요한 조직 차원의 변화를 과소평가한다. 문제는 ECC 애플리케이션 운영에 있어서도 이런 실망스러운 모습을 그대로 재현하는 리더들이 너무 많다는 점이다. 데이터를 처리하고 그 산출물만 단순 전달해서는 ECC 애플리케이션이 가치를 창출할 수 없다. 진짜 가치를 얻기 위해서는 조직이 행동을 바꿔야 한다. 즉, ECC 결과에서 통찰을 얻고 배운 바를 실행하기 위해 프로세스와 정책, 관행 등을 바꾸어야만 비로소 가치를 창출할 수 있다는 얘기다. 엔터프라이즈 아키텍처 전문가들은 ECC 애플리케이션에서 기업 가치를 창출할 수 있도록 조직을 새롭게 설계한다. 그리고 낡은 조직이 새로운 조직으로 탈바꿈할 수 있도록 돕는다.

원대한 포부를 가진 ECC 애플리케이션들은 성격이 다른 여러 기업 프로세스에 영향을 미친다. 이런 경우 조직의 여러 부문을 아우르면서 시스템, 프로세스, 직무들을 다시 설계하는 과정을 조율할 엔터프라이즈 아키텍처 전문가가 필요하다. ECC 애플리케이션에 거는 기대가 클수록 더 광범위한 조직 변화가 필요하기 때문이다.

조직 설계 및 변화와 관련된 문제들은 규모가 작은 애플리케이션에서도 나타날 수 있다. 한 의약품 유통사는 ECC 애플리케이션에 대한 투자비를 회수하는 데 실패했다. 온라인 고객들이 보험금을 청구할 때 고객이 가입하고 있는 보험이 청구 건의 90% 정도는 처리할 것인지를 정확히 예측할 수 있는 ECC 애플리케이션을 도입하려 했다 말았기 때문이다. 이 같은 애플리케이션을 지원하려면 큰돈을 들여 프로세스를 바꿔야 했고, 회사의 회계팀은 변화를 망설였다. 만약 엔터프라이즈 아키텍처 전문가가 처음부터 프로젝트에 참여했다면 이렇게 변화를 지체하다 손실을 입는 상황은 피할 수 있었을 것이다.

ECC 애플리케이션이 가진 잠재력을 실현하는 데 필요한 조직 변화는 복잡하게 얽혀 있을 수 있다. 엔터프라이즈 아키텍처 전문가들은 ECC 개발 비용을 높이고 영향력을 좀먹는 조직의 장애물들을 잘 알고 있다. 위프로의 경우 엔터프라이즈 아키텍처에 대한 전문 지식 덕분에 사내 안내 데스크용 ECC 애플리케이션을 원활하게 구축할 수 있었다. 회사는 일단 ECC 애플리케이션을 기존에 있던 안내 데스크 애플리케이션과 결합했고, 결함 처리 업무의 유형을 3000건에서 2200건으로 줄였으며, 중복되는 지원 활동들을 없앴다. 회사는 ECC 애플리케이션을 개발하기에 앞서 안내 데스크 업무 프로세스를 단순화하고 표준화했다. 그리고 이를 통해 AI 알고리즘 학습에 필요한 데이터를 확보하고, 알고리즘을 개발하고, 관련 프로세스를 자동화해 부가가치를 창출할 수 있었다.

엔터프라이즈 아키텍처 전문가는 ECC 애플리케이션으로 인해 언제쯤 직원들 직무에 변화가 생길지도 안다. 이들은 언제 직원들의 역량 강화나 재교육이 필요할지, 또 언제 완전히 새로운 직무를 마련해야 할지도 알고 있다. 원뱅크어슈어는 은행 직원들이 잠재 고객들을 더 많이 접촉하고 목표 고객 위주로 영업을 할 수 있도록 영업 리드(sales lead, 영업 대상이 되는 잠재적 고객 명단-역주)를 생성하는 ECC 애플리케이션을 개발했다. 겉보기엔 단순한 애플리케이션이었지만 이 회사의 엔터프라이즈 아키텍처 전문가들은 영업사원들에게 도움을 주고자 교육 담당 직무를 새로 만들었다. 그리고 이는 ECC 애플리케이션 도입 효과를 높이는 데 중요한 역할을 했다.

엔터프라이즈 아키텍처 전문가에게 필요한 폭넓은 역량들을 감안할 때 이런 전문성을 개발하기는 결코 만만치 않다. 이런 역량은 주로 조직 설계와 변화 관리에 익숙한 사람들에게서 쉽게 발견된다. 기술 중심의 혁신이나 조직 개편을 지휘해 본 기업 리더들이 주로 이런 부류다. 조직의 다양한 직무를 두루 꿰고 있는 인사 전문가들도 좋은 후보다. 이들은 직무 설계 및 재설계, 교육 측면에서 아키텍처 전문성을 발휘할 수 있다. IT 담당자들도 잘 키우면 엔터프라이즈 아키텍처 전문가가 될 수 있다. 이들은 직무 특성상 다양한 기업 프로세스를 접할 수 있고, 프로세스 간소화와 ECC 애플리케이션과 직원들 사이의 적절한 업무 분장을 담당하기 때문에 후보로 적합하다.

운영 IT 중추.회사가 기존에 보유하던 기술 및 데이터 기반 관련 업무를 책임지는 사람들도 ECC 애플리케이션의 개발과 운영을 지원한다. 이런 데이터 기반은 사업 운영을 위한 IT 중추다. 이들은 중요한 데이터의 저장 및 접근, ECC 애플리케이션과 다른 애플리케이션의 통합, 안정적인 애플리케이션 운영, 개인정보 보호와 보안 유지에 필요한 IT 기능들을 제공한다.

앞서 언급했던 것처럼 AI 알고리즘이 데이터를 학습하려면 회사는 정제와 태깅 과정을 마친 고품질 데이터를 대량으로 마련해야 한다. 이런 고품질 데이터의 부족은 AI 알고리즘을 개발하는 데 있어 가장 위험하고, 절대 있어서는 안 될 장애물이다. 원뱅크어슈어는 AI 알고리즘 개발 업무와 데이터 제공 업무를 각각 다른 직원이 책임지게 함으로써 이런 장벽을 극복하고 ECC 애플리케이션의 활용 속도를 높였다. 회사의 IT팀은 이미 기본 운영 인프라와 고품질의 운영 데이터를 관리하고 있었기 때문에 알고리즘 개발자들이 운영 데이터와 외부 데이터가 있는 데이터 레이크(data lake, 대량의 비가공 데이터 저장소-역주)에 접근할 수 있도록 도울 수 있었다. 또 알고리즘 개발을 위해 데이터를 구조화하는 업무는 데이터 과학자들이 책임졌다.

다른 엔터프라이즈 프로그램과 별개로 작동할 수 있는 엔터프라이즈 애플리케이션은 거의 없다. ECC 애플리케이션도 예외는 아니다. 프로그램이 적절히 통합되지 않으면 사용하기 어렵다. 존재감도 없어질 수 있다. 그래서 원뱅크어슈어의 IT팀은 새로 개발한 영업 리드 시스템을 회사의 운영 IT 중추 중 하나인 고객관계관리(CRM) 시스템에 포함했다. 해당 CRM 시스템은 잠재 고객들의 최신 연락처와 이전 데이터를 영업 리드 시스템과 연결했다. 또 CRM 시스템은 사용자들이 막힘 없이 ECC 시스템에서 영업 리드를 얻을 수 있도록 일련의 프로세스를 제공했다. 영업 리드 시스템이 IT 중추에 편입된다는 것은 시스템이 그만큼 확장 가능하고, 신뢰할 수 있으며, 안전하다는 의미였다.

기존 IT 직원들은 운영 IT 중추가 가진 전문성을 강화하기 위한 논리적 소스의 역할을 했다. 원뱅크어슈어에서는 IT 담당자들이 코드를 리팩터링(refactoring) 6 하고 재검사해 회사의 데이터 생산 환경에 맞게끔 ECC 플러그인(plug-in, 시스템 기능을 강화하도록 소프트웨어를 추가하는 것-역주)과 조정 기준을 정했다. 또한 IT팀은 ECC 애플리케이션에 큰 문제가 생겼을 때 이를 복구하고 보안을 책임졌다.

디지털 호기심. ECC 애플리케이션의 AI 알고리즘은 명확한 답을 생성하지는 않는다. 대신 확률을 바탕으로 한 예측값을 생성한다. 가령, 고객이 제품을 구입할 확률, 환자가 병에 걸릴 확률, 대출금이 상환될 확률 등을 알려주는 것이다. 프로그램 사용자는 이런 예측값을 고려해 최종 판단을 해야 한다. 즉, 어디서, 어떻게, 제품을 홍보할지, 어떤 약을 처방할지, 어떤 대출 신청서를 승인할지는 인간이 알고리즘 예측 결과를 바탕으로 결정해야 한다는 의미다. 이런 역할을 효과적으로 수행하기 위해 인간 사용자들은 소위 디지털 호기심을 가져야 한다. 디지털 호기심이란 그들 앞에 놓인 데이터에 의문을 품고 평가하는 성향을 말한다. 프로그램 사용자들은 ECC 애플리케이션이 제시한 옵션들을 더 잘 이해하고, 결과를 지속적으로 개선하기 위해 디지털 호기심을 활용해야 한다.

디지털 호기심이란 역량을 키우려면 광범위한 노력이 필요하다. 필자들이 연구한 다수의 기업은 디지털 호기심을 육성하는 메커니즘을 갖고 있었다. 원뱅크어슈어는 사내 대학에서 임원들을 상대로 의사결정에 데이터를 효과적으로 활용하는 방법을 소개하는 교육 프로그램을 운영했다. 그중에는 전략 게임을 활용하는 교육도 있었다. 이 프로그램의 참가자들은 사업적 문제에 대해 가장 가치가 높은 ECC 솔루션을 개발하는 과제를 받았다. 참가자들은 게임의 단계별로 회사의 실제 데이터를 처리하고, 의사결정 나무(decision tree)를 개발하고, 알고리즘이 패턴을 감지할 수 있게끔 학습하고, 문제 해결 모델을 개발해야 했다. 위프로의 경우 디지털 호기심 개발을 위해 e러닝 플랫폼을 도입했다. 관련 교육에 참여하는 직원들은 AI가 무엇인지, 기업 프로세스에 어떻게 활용할 수 있는지, 어떻게 하면 ECC 기반 프로세스를 통해 더 효과적으로 일할 수 있는지를 배웠다. 또 전사 차원에서 AI 챔피언 역할을 담당할 수백 명의 도메인 전문가를 선정하고 교육했다.



4가지 핵심 실천 사항

위의 5가지 역량을 개발하면 ECC 애플리케이션에서 가치를 이끌어내는 데 필요한 조건을 갖추게 된다. 하지만 실제로 가치를 얻으려면 그 역량을 실천해야 한다. 본 연구 결과 가치 창출에 특히 도움이 되는 4가지 실천 사항을 발견할 수 있었다. 이 실천 사항들은 원하는 목적을 달성하고, ECC 애플리케이션과 거기에 포함된 기본 AI 알고리즘의 최적 조건을 마련하기 위해 필요하다.

명확하고 현실적인 활용 사례 개발하기. 활용 사례는 ECC 애플리케이션이 수행할 임무를 명확히 규정하고, 어떻게 하면 그 안에 있는 AI 알고리즘으로 기업 프로세스를 효과적으로 운영해 원하는 성과를 거둘 수 있을지를 제시한다. 활용 사례를 보면 애플리케이션과 사용자가 각각 어떻게 업무를 분담하는지도 알 수 있다. 이를 통해 프로세스에 변화를 줘야 함을 확인하고, 사용자에게 필요한 새로운 역량과 더는 필요하지 않을 역량에 대한 통찰을 제시할 것이다. 활용 사례가 잘 설계되면 ECC 애플리케이션에 들어갈 대략적인 비용과 이점도 파악할 수 있다.

콜센터용 ECC 애플리케이션을 생각해 보자. 이런 애플리케이션의 활용 사례에는 고객 요청과 해결 방법을 매칭하는 단순한 버전의 AI 알고리즘이 포함될 것이다. 또한 알고리즘이 어떤 작업을 수행하고, ECC 애플리케이션이 고객에게 어떤 자동화된 해법을 제공할 것인지도 보여줄 것이다. 또 고객의 요청 사항 중 일부는 콜센터 담당 직원들에게 전달된다는 것도 제시할 것이다. 이런 활용 사례를 보면 콜센터 직원들이 담당해야 할 직무와 역량에 어떤 변화가 필요할지도 유추할 수 있다. 도메인 전문가는 이 모든 정보를 토대로 ECC 애플리케이션을 활용할 때의 전화 응대 시간, 노동력, 후속 전화 횟수, 고객 만족도, 성과들 사이의 시너지로 얻게 될 혜택, 거기서 발생할 수 있는 문제점까지 대략적으로 가늠할 수 있다.

현실적인 ECC 활용 사례를 개발하는 업무는 팀 단위의 조직이 맡아야 한다. ECC 활용 사례 개발은 대개 1차적으로 도메인 전문가와 데이터 과학자들이 책임진다. 이들이 조직 차원에서 AI 알고리즘으로 어떻게 성과를 개선하고, 이를 위해 어떤 데이터가 필요한지를 확인하는 주체들이기 때문이다. 하지만 엔터프라이즈 아키텍처 전문가들의 역할도 중요하다. 특히 새로운 애플리케이션에 직접적으로 영향을 받는 당사자일 경우 이들이 ECC 애플리케이션에 필요한 새로운 구조, 역할, 시스템을 파악할 수 있기 때문이다. IT 전문가들은 ECC 애플리케이션을 다른 애플리케이션과 통합해야 할지 여부를 평가하고, ECC 애플리케이션에 추가적인 IT 지원이 필요한지 파악한다.

활용 사례를 제대로 개발하면 기업은 엉성하거나 잘못된 ECC 애플리케이션을 개발해 자원을 낭비하거나 ECC의 도입 효과에 대한 기대를 꺾는 상황을 피할 수 있다. 또한 ECC 애플리케이션의 초창기 활용 사례의 경우 조직의 중요한 문제들이 ECC로 재빨리 해결됐다는 사실을 강조해 ECC 애플리케이션이 빠르게 조직에 확산되는 계기가 될 수 있다. 한 제약회사 연구원들은 특정 질병에 대한 환자 데이터를 채굴하는 ECC 애플리케이션을 개발하자고 제안했다. 그리고 애플리케이션의 성공적인 개발은 다른 질병에 대해서도 비슷한 프로그램을 개발하는 활용 사례가 됐다. 경우에 따라서는 기존 알고리즘을 크게 손보지 않고 그대로 재활용하는 것도 가능하다. 위프로는 금융 서비스 분야에서 신규 고객을 인증하는 활용 사례를 개발했다. AI 알고리즘이 고객의 금융 거래 서류에서 필요한 정보를 자동으로 추출하고 해석하는 애플리케이션이었다. 이 같은 활용 사례는 엔지니어링 분야에서도 ECC 애플리케이션을 도입하는 발판이 됐다. ECC로 디지털 설계도 청사진에서 정보를 추출하고 해석할 수 있기 때문이다.



ECC 애플리케이션의 학습 관리하기. 스마트폰 같은 제품에 있는 AI 알고리즘은 인간의 개입 없이 스스로 기능을 개선할 수 있도록 데이터를 처리하고 활용한다. 반면 ECC 애플리케이션의 피드백 순환(feedback loop) 7 은 훨씬 더 복잡하다. 사업 환경과 시장의 요구가 계속 변하기 때문이다. 그 결과 AI 알고리즘을 만드는 데 사용되는 데이터는 시간이 지남에 따라 현실을 정확히 반영하지 못하게 되고, 알고리즘은 이로 인해 표류하게 된다. 따라서 ECC 애플리케이션의 학습을 생애주기 전반에 걸쳐 관리해야 한다.

알고리즘의 표류 현상은 의류 상품의 매출을 예측할 때처럼 빨리 일어나기도 하고 질병의 존재를 예측할 때처럼 천천히 일어나기도 한다. 기업들은 일반적으로 이런 표류 현상을 막고 ECC 애플리케이션을 최신 상태로 관리하기 위해 IT 중추, 데이터 과학, 도메인 숙련도 등의 역량을 결합한다. ECC 애플리케이션에 보고 체계를 구축함으로써 ECC 애플리케이션의 산출값을 통해 결정된 사업 결과가 조직 목표에 부합하지 않거나, 알고리즘이 제안한 내용이 미리 설정된 오차범위를 벗어나거나, 프로그램이 적절히 작동하지 않는 경우 경고를 보내게 한다.

이런 일탈이 발생하면 AI 알고리즘을 재교육하고 ECC 애플리케이션도 재가동해야 한다. 도메인 전문가들과 데이터 과학자들은 AI 알고리즘의 정확성과 ECC 애플리케이션의 유용성을 높이는 새로운 소스의 데이터를 파악하고, 접근하고, 정제하고, 태깅하고, 구축하기 위해 협력해야 한다. 또 알고리즘의 성능을 더 잘 이해하고 사용자가 애플리케이션을 더 능숙하게 사용하게 되면 애플리케이션의 가치를 높이기 위한 새로운 규칙과 프로세스를 만들어야 할 수도 있다.

원뱅크어슈어는 도메인 전문가와 데이터 과학자들이 영업 리드의 생산성을 높일 수 있도록 새로운 데이터 소스를 외부에서 발견했다. 그리고는 이에 따라 기존 AI 알고리즘을 재교육하기로 했다. 그들은 또한 영업사원의 경험이 영업의 성공에 영향을 미친다는 사실을 발견하고 ECC 애플리케이션이 리드를 제시하는 방법에 관한 규칙을 한층 더 세심하게 개발했다. 새로운 데이터와 사업 규칙들을 개발함으로써 원뱅크어슈어는 한층 더 복잡하지만 만족스러운 ECC 애플리케이션을 만들 수 있었다. 회사의 경쟁력도 꾸준히 개선됐다.

애플리케이션 생애주기 전반에 걸쳐 공동 창조하기. 데이터 과학자나 사업 도메인 전문가가 혼자서 ECC 애플리케이션을 개발하고 유지할 수는 없다. AI를 효과적으로 활용하는 기업의 사람들이 필자들과 인터뷰하면서 공통적으로 한 말이 있다. ECC를 가지고 성공하려면 다양한 분야의 전문가가 협력하는 공동 창조(co-creation)가 필요한데, 그 중요성을 처음에 너무 과소평가했다는 것이다. 그들은 ECC 애플리케이션을 제대로 운영하려면 이질적인 지식과 전문성을 가진 사람들이 한 팀으로 일해야 하고, 이 사실을 깨달은 뒤 비로소 성과가 나기 시작했다고 증언했다. 또한 그런 공동 노력은 초기 개발 및 이행 단계에서만 필요한 게 아니라 애플리케이션의 생애주기 전반에 걸쳐 지속적으로 이뤄져야 한다고 덧붙였다.

ECC에 있어서 공동 창조가 중요한 이유는 기업 전문가들이 AI로 할 수 있는 것이 무엇이고, 할 수 없는 것이 무엇인지 제대로 이해하지 못하기 때문이다. 그런데 ECC를 개발하는 동안 다양한 분야의 전문가가 긴밀하고 지속적으로 협력하면 이런 문제를 개선할 수 있다. 원뱅크어슈어는 시행착오 끝에 모든 ECC 애플리케이션은 프로세스 책임자와 도메인 전문가, 엔터프라이즈 아키텍처 전문가, 데이터 과학자 사용자로 구성된 팀이 IT 부서의 보조를 받아 개발해야 한다는 방침을 세웠다. 그 결과 팀 안에서 서로를 밀쳐 내는 일도 거의 생기지 않았고, 완전히 혼자서 일하는 팀원이 없기 때문에 결과적으로 성공이나 실패에 대한 책임도 혼자서 질 필요가 없어졌다. 팀원들은 상호 작용을 통해 사업적 요구와 잠재적 솔루션에 대한 공통 용어를 사용하고, 사람들이 실제 애플리케이션을 어떻게 활용할 것인지도 더 잘 이해하고 시각화할 수 있게 됐다.

애플리케이션을 실행하는 단계에서는 운영 IT 중추 담당자들이 일을 완전히 넘겨받는 대신 ECC 애플리케이션팀과 협력한다. 그리고 애플리케이션이 개발되는 대로 IT 중추 시스템과 통합될 만한 솔루션을 공동 창조한다. 앞서 언급한 대로 ECC 애플리케이션은 실행 단계에 서도 유지와 관리 책임에 있어 높은 상호 의존성을 가진다.



‘인지적’ 사고하기. ECC 애플리케이션을 성공적으로 개발하고 사용하는 기업들은 AI 활용에 있어서도 경쟁 우위를 점한다. 이는 AI에 대한 직원들의 긍정적 반응과 적극적 활용을 유도한다. 이런 기업들은 또한 직원들이 ECC 애플리케이션을 활용해 본인 업무를 개선할 아이디어를 내도록 독려한다.

ECC에 대한 직원들의 반응은 각양각색이다. 어떤 사람들은 처음에는 ECC가 가진 잠재력을 인식하지 못한다. 또 ECC 애플리케이션이 까다로운 사업 문제들을 자동으로 해결해 줄 것으로 여기거나 과도한 기대를 거는 사람들도 있다. 반면, AI를 믿지 못하고 ECC 기반의 기업 프로세스에서 생길 리스크 요인만 생각하는 사람들도 있다. AI 알고리즘과 기능에서 이상이 나타나거나 일자리를 빼앗길 수도 있다고 여기는 것이다.

AI가 가능케 할 일들을 실제로 목격해 온 도메인 전문가들은 기업 안에서 ECC에 대한 현실적이고 믿을 만한 대화를 이어 나가는 최선의 관리자가 될 수 있다. 도메인 전문가들은 그 특성상 AI를 무조건 지지하는 부류로 간주되는 데이터 과학자나 IT 전문가보다 ECC에 대해 더 긍정적인 반응을 만들어낼 수 있다. 실제로 위프로에서는 도메인 전문가들이 AI 챔피언으로서 다양한 부서에 관련 내용을 소개한다. 또 ECC 전도사로서 동료들이 제시한 아이디어에 귀를 기울이기도 한다.

새로운 ECC 애플리케이션과 관련된 아이디어를 낼 가능성이 가장 높은 이들은 도메인 숙련도나 데이터 과학 역량, 혹은 두 가지 모두를 갖춘 사람들이다. 원뱅크어슈어에서는 운영 관리자들이 데이터 과학 전문가들과 함께 수개월간 논의하면서 회사가 향후 AI에 의해 어떤 영향을 받을지를 예측했다. 또 새로운 ECC 애플리케이션을 위한 아이디어를 개발하고, 그런 아이디어들이 개발로 이어져 사업화될 수 있도록 로드맵을 작성했다.

데이터 과학 분야의 적극적인 리더들도 좋은 아이디어를 낼 때가 많다. 필자들이 연구한 제약회사에서 탄생한 ECC 프로젝트의 사례를 보자. 한 임원이 점심식사 자리에서 데이터 과학자에게 사업 현안 하나를 이야기한 게 프로젝트의 발단이 됐다. 이야기를 들은 데이터 과학자가 이미 개발된 AI 알고리즘을 활용해 간단한 솔루션을 제안하면서 사업이 시작된 것이다. 또 다른 회사에서는 데이터 과학 부문 책임자가 ECC 애플리케이션이 가장 큰 도움을 줄 만한 분야들을 파악하기 위해 기능별, 사업별 리더 대상 세미나를 마련했다.

전 직원의 디지털 호기심도 활용해야 한다. 예를 들어, 위프로는 직원들의 아이디어를 크라우드 소싱 방식으로 수집한다. 회사는 직원들이 새로운 ECC 애플리케이션을 구상하고 제안할 수 있도록 독려하고, 그들이 낸 아이디어가 회사의 매출과 이익, 고객만족도와 직원만족도에 잠재적으로 얼마나 기여할 수 있는지를 평가한다.

기업에서 활용하는 AI 애플리케이션이 자율주행차만큼의 입소문을 내거나 화제를 낳을 수는 없을 것이다. 그러나 사업 실적, 이익률, 매출, 고객 만족도의 극적인 개선 등 훌륭한 성과를 창출하는 데 도움을 줄 수는 있다. 비즈니스 리더들은 이 글에서 설명한 5가지 역량을 육성하고 4가지 실천사항을 적용해야 한다. 그래야 ECC 유전자를 조직 DNA에 심고, 이 같은 성과를 확보하기 위한 환경을 마련할 수 있다.

이는 선순환을 낳을 수도 있다. 직원들은 5가지 역량을 가지고 4가지 실천사항을 이행하고, 반대로 실천사항을 이행하면서 역량을 더 강화할 수 있다. 기업은 이런 선순환 구조를 바탕으로 조직 운영을 개선하게 될 것이다. 또 사업 가치를 창출하는 ECC 애플리케이션을 더 능숙하게 개발하고 활용할 수 있을 것으로 보인다.

번역 |김성아 dazzlingkim@gmail.com


DBR mini box II : 실행을 통해 학습하기

기업이 4가지 핵심 실천사항을 통해 엔터프라이즈 인지 컴퓨팅 역량을 발휘하면 조직의 역량도 강화할 수 있다. 결국 실행이 또 다른 실행의 기회를 낳는 것이다.

필자들이 연구한 제약회사가 좋은 예다. 이 회사는 데이터 과학과 ECC 애플리케이션이 질병 치료와 예방에 점점 더 중요한 역할을 할 것으로 생각했다. 이에 따라 데이터 과학자들을 채용하고 관련 워크숍을 열었다. 임원과 관리자들, 주로 비즈니스 도메인 전문가와 엔터프라이즈 아키텍처 전문가들을 불러 이런 데이터 과학과 ECC의 가능성을 직접 그려보게 하기 위해서였다. 데이터 과학자들은 비즈니스 리더들과 함께 신약 개발, 임상실험, 생산, 사업화 등 과정을 지연시키는 정보 처리의 장애물들을 파악했다. 장애물들을 확인하자 AI 애플리케이션을 통해 어떻게 조직 내 분석가들과 의사결정자들이 당면한 문제를 해결할 수 있을지에 대한 실마리도 더 명확해졌다.

이런 초기 노력들 덕분에 사업 가치는 꾸준히 높아졌다. 하지만 비즈니스 리더들은 사업 판도를 바꾸는 애플리케이션을 개발하는 것보다 조직 역량 개발에 훨씬 더 많은 힘을 쏟았다. 그들은 ‘인지적’ 사고를 타고난 사람들의 요구를 충족하는 활용 사례들을 신중하게 선정했다. 그런 뒤 데이터 과학자, 도메인 전문가, IT 전문가 등 필요한 인력들을 모두 작업에 참여시켜 공동 창조 방식으로 애플리케이션을 개발하고 관리했다. 이런 전문가들은 애플리케이션이 조직에 주는 영향력을 한층 더 깊이 있게 파악했다. 그리고는 보다 원대한 목표를 달성하기 위한 ECC 애플리케이션의 조건을 확인하고, 개발에 필요한 역량들을 키웠다. 이런 전문가 집단이 이룬 효율성과 생산성은 회사의 다른 직원들로 하여금 이와 비슷한 활용 사례를 모색하고 개인 역량을 강화하도록 자극했다. 지속적인 조직 학습의 선순환이 생기면서 AI 투자로 인한 리스크는 점차 낮아졌고 회사는 ECC 분야에서 경쟁 우위를 점하게 됐다. i
인기기사