AI의 새로운 힘은 우리에게 익숙한 기존 비즈니스 형태를 변화시키고 있다. BCG의 AI@scale 방법론은 운영 모델을 혁신해, 기존의 조직 일부에서만 부분적으로 사용되는 AI 사용례를 뛰어넘어 회사 전반에서 AI가 활용되는 프로그램으로 이행해 AI가 가진 잠재력 전부를 활용할 수 있도록 한다.
AI는 모든 산업의 가치 풀에 변화를 가져오고 있다. 또한, 기업이 경쟁 우위를 달성하는 데 필요한 요소를 새로이 정의하고 있다. 많은 기업이 AI 솔루션 적용을 통해 인상적인 결과를 보여주고 있지만, 회사 전반에 걸쳐 체계적으로 AI의 역할을 개발한 회사는 찾아보기 어렵다.
MIT와 BCG가 공동으로 시행한 연구를 통해 명확한 패턴이 확인됐다. AI의 잠재력을 모두 발휘하려면 비즈니스 전반에 걸쳐 AI를 널리 퍼뜨려야 한다. 하지만 이 결정적인 단계에서 다수 기업이 BCG가 ‘AI 역설’이라 이름 붙인 순간에 맞닥뜨린다.
MIT-BCG 공동연구팀이 주요 디지털 프로그램을 보유한 기업의 임원 20명 이상을 인터뷰한 결과, 이들 임원은 일반적으로 자신이 이뤄낸 업적을 자랑스럽게 여기지만, 더 일찍 시작해 더 빨리 움직였다면 더 나은 성과를 거둘 수 있었을 것으로 생각했다. 동시에 이와 같은 프로그램의 대규모 도입에는 크게 2가지 방식으로 더 많은 이해관계 요소가 투입된다는 것 역시 알고 있었다.
- AI@scale을 채택하면 기존의 디지털, 빅데이터 프로그램보다 운영 모델과 기술을 훨씬 크게 바꿔야 한다.
- 모든 산업에서 가치 풀이 이동함에 따라, 기존의 경쟁 우위만 아니라 디지털 우위를 얻기 위한 치열한 경쟁이 진행되고 있으며, 이로 인해 기업 전체의 미래가 위험에 처해 있다.
AI 파일럿 프로젝트를 시작하기는 쉽다. 그렇지만, AI를 대규모로 도입하는 ‘AI@scale’ 단계로 나아가기는 매우 어렵다.
AI 시스템은 데이터를 수집하고 학습하면서 끊임없이 변화한다. 따라서 격리된 사용 사례에서는 멀쩡해 보이던 프로젝트가 회사 전반에 확장 적용 단계에서 데이터의 상호 작용에 의해 오작동을 일으킬 수 있다.
하나의 프로젝트에서 전체 프로세스로의 성숙을 위해서 AI@scale로의 전환은 피할 수 없는 선택이다. 여러 산업 분야의 AI 개척자들이 이미 도입한 AI를 확장하는 과정에서 AI 파일럿을 시작해 괜찮은 결과를 내기는 쉽지만, 이 프로그램에서 얻어낸 성과를 큰 스케일에서 달성하기는 어렵다는 것을 알게 됐다. BCG는 이를 ‘AI 역설’이라 부른다. 회사가 운영 모델을 바꾸지 않는 한, 일부 조직에서 격리 사용되던 사용 사례를 대규모로 적용 시에는 혼란과 실패로 연결되기 쉽다.
디지털과 AI 세계에서 전략적 위치
모든 회사의 디지털 및 AI 여정은 두 가지 차원으로 정의될 수 있다. 산업군 내에서 경쟁 우위를 확보하기 위한 디지털 및 AI의 중요성과 기업 자체의 디지털 및 AI의 수준이다. 각각을 차례로 살펴보자.
경쟁 우위
BCG 연구는 모든 산업군의 기업이 디지털과 AI가 앞으로 5년 동안 자사의 제품과 프로세스를 완전히 변화시킬 것으로 예상하고 있음을 확인했다. 이에 영향을 주는 두 질문은 다음과 같다.
- 비즈니스에 정보가 얼마나 중요한가?
- 기업은 AI의 혜택을 누릴 준비가 되어있는가?
두 가지 질문은 광물 및 석유 산업과 미디어 산업 각각에 들어맞는다. 광물 및 석유 생산은 항상 물리적 자산을 땅에서 끌어내야 한다. 그러나 디지털 및 AI를 추출 및 변환 프로세스에 투입한 결과, 수율을 크게 향상시킬 수 있었다.
기업의 미래 핵심 역량은 현재의 그것과 다르다.
다시 말해 AI와 디지털을 통해 로봇과 다른 자동화된 기계가 광산과 유정에서 작동할 수 있게 됐다. 이는 원격 작업이나 위험한 산업 공정에서 특히 매력적이다. 캐나다의 Suncor Energy는 일부 작업장에 자율 주행 트럭을 도입해 운영 비용을 절감했다.
물론 AI는 아직 모든 운영 프로세스를 자동화할 만큼 성숙하지 못했다. 규제 장벽 또한 남아 있다. 그러나 몇 년 안에 광업 및 석유 생산 산업은 크게 다르게 운영될 것이다.
반면 미디어는 신문이나 CD와 같은 물리적 자산과 연관성이 점점 제거돼 거의 완전히 디지털화됐다. 광고주들의 광고 소비는 거의 각 미디어의 디지털 플랫폼에 대한 수준 평가와 일치한다. 디지털 광고에 대한 지출은 2021년까지 기존 광고에 대한 지출을 능가할 것으로 관측된다.
콘텐츠 제작에 AI를 사용하는 것은 아직 초기 단계다. 하지만 기술은 창조적이라 여겨져 온 콘텐츠 제작 프로세스를 빠르게 변화시키고 있다. 배경 음악, 그래픽, 기본적인 실적 보고, 스포츠 경기 결과 등의 기사는 모두 자동화되고 있다.
경영진은 업종별, 회사에 대한 정보의 중요성 및 준비 상태를 기준으로 두 가지 방향에서 회사 위치를 분석해야 한다. 향후 수년간 해야 할 일을 이해하려면, 현재 상황을 충분히 반영해야 한다. 그리고 이로부터 대담한 미래의 목표를 준비하기 위한 중단기적인 계획을 역산해내야 한다.
연습 게임을 수행할 때는 인접 산업 디지털 공격자의 관점을 가정해야 한다. 새로운 데이터 기반 제품으로 산업을 어떻게 붕괴시키고 AI를 어떻게 적용할 것인가? 잠재적인 미래가 계획되면 경영진은 해당 산업 내 가치 풀의 미래를 평가해야 한다. 퍼스트 무버는 종종 아마존, 에어비앤비, 우버와 같이 널리 알려진 플랫폼이 보여주는 자동화 및 머신 인텔리전스를 통해 중요한 가치를 포착할 수 있다.
디지털 및 AI 수준
기업의 앞날을 정의하는 데 필요한 두 번째 차원은 업계 내에서 해당 기업이 가진 디지털 및 AI 분야 역량의 상대적 수준이다. 일반적으로 여기에는 두 가지 요소가 평가된다.
- 고품질 및 다양한 데이터에 대한 접근 및 이를 활용할 수 있는 구조와 도구를 포함한 IT, 데이터 인프라 시스템
- 필요한 기술을 포함한 사람과 프로세스, 그리고 “AI 우선”이 널리 퍼지는 상황에서 인간과 기계 모두에게 적합한 올바른 접근법
BCG는 이코노미스트의 고전적인 ‘빅맥 지수’에서 영감을 받아 또 다른 도구를 고안했다. 이코노미스트 지수는 여러 국가에서 빅맥 버거의 가격을 비교해 통화 구매력을 결정한다. BCG의 지수는 기업의 수준을 측정하고 성과를 예측하기 위해 회사의 인력에서 데이터 과학자의 비율을 계산한다.
기업은 그들이 가진 데이터와 처리 인프라가 적절히 확장될 수 있도록 해야 한다. 이러한 확장은 비용이 많이 들지만, 꼭 필요한 과정이다.
또한 기업은 직관적인 머신 러닝 도구를 통해 데이터로부터 학습을 산업화하는 능력을 평가해야 한다. 현실 세계에서 지속적으로 데이터를 수집하는 것은 비용이 많이 들고 느리다. 따라서 선도 기업은 학습 데이터를 생성하고 비용 및 속도 면에서 이점이 있는 가상 환경을 만들고 있다. 에퀴노르(Equinor)와 같은 엔지니어링 대기업은 “디지털 트윈”과 엔지니어링 및 운영을 시뮬레이션 할 수 있는 기타 방법을 추구하고 있다.
마지막으로, AI 세계에서도 인적 인재를 개발하는 것은 여전히 중요하다. AI에 대한 저항과 두려움을 극복하는 것 외에도 기업 내 인재들은 대규모로 새로운 기술을 익혀야 한다. 브라스켐(Braskem)의 최고 디지털 책임자 파비오 버커릿지(Fabio Buckeridge)는 이 회사가 새로운 디지털 운영 센터는 물론 변경 관리 및 거버넌스 이니셔티브에 많은 투자를 했다고 밝혔다.
두 가지 차원을 결합하면 기업의 강점 영역과 잠재적인 미래 전략을 강조하는 매트릭스가 만들어진다. (아래 그림 참조)
별. 미국의 구글, 아마존, 페이스북, 중국의 알리바바, 바이두, 텐센트 등이 별이다. 이들은 데이터, 데이터 인프라, 인재, 프로세스에 대한 고유한 액세스로 돈을 벌고 있다. 하지만 이들의 위치 역시 미래에는 위협받을 수 있다. 개인 정보 보호 및 보안에 대한 고객의 기대에 부응하면서 데이터에서 가치를 창출하고자 하는 욕구의 균형을 유지해야 한다.
물고기. 여기에 속한 기업은 산업군 전반에서 디지털 및 AI가 약한 편이다. 물고기는 필요한 모든 수단으로 내부 또는 외부 데이터 및 AI 기능에 접근하고 가능한 한 많은 5V(볼륨, 속도, 다양성, 정확성, 가치)에서 실력을 형상시켜야 한다.
소. 물고기와는 반대로 이에 속한 기업은 디지털과 AI에 강점이 있지만 그들의 산업이나 비즈니스 모델은 이를 가치 있게 여기지 않는다. 그들의 임무는 인접 산업 분야의 성숙을 통해 수익을 창출하는 동시에 자신의 산업의 미래를 형성하는 것이어야 한다.
개. 디지털 및 AI는 이 영역에 속한 기업이나 해당 산업에 적합하지 않다. 그렇지만 이는 언제든 변화할 수 있다. 디지털과 AI는 전통적인 산업에서 빠르게 중요해지고 있으므로 개는 물고기로 변하지 않도록 조심해야 한다.
물음표. 많은 회사들이 중간에 갇혀 있다. 이들은 업계에서 디지털 및 AI 기회를 활용하면서 이들 분야의 수준을 적극 강화할 수 있는 기회를 찾아야 한다.
AI 역설 극복하기
AI 역설을 극복하려면 회사 운영 모델을 세 가지 차원에서 변화시켜야 한다.
- 머신 아키텍처
- 조직 구조
- 인력 관리
머신 아키텍처
AI를 조직 전반에서 대규모로 활용하려면 AI 운영의 기반이 되는 머신 아키텍처를 최적화해야 한다. AI가 작동하는 아키텍처가 경쟁 우위 요인이기 때문에, 이와 같은 디테일을 소규모 기술 관리팀 직원들에게 맡길 수 없다.
구글 우버, 페이스북과 같은 AI 선두기업에서 사용하는 업무 절차를 관리하기 위한 통합(End-to-end) 플랫폼은 다른 기업의 얽히고설킨 AI 시스템에 대한 규율을 제시한다.
조직 구조
사람과 AI가 함께 일하는 세상의 조직 구조는 사람과 AI 모두의 일하는 방식에 최적화해야 한다.
- AI 기술, 데이터 거버넌스, 플랫폼 의사 결정 및 사이버 보안을 위해 전문 지식은 중앙 집중식으로 통합 관리돼야 한다.
- 업무 단위의 중앙 집중화는 교차 기능 팀이어야 하며 AI 사용 사례를 개발하는 데 필요한 전체 비즈니스 데이터 풀에 접근할 수 있어야 한다.
- 작업 현장, 시장 및 현장 등에서 분산된 방식으로 관리되는 기능과 작업은 모두 AI의 도움을 받을 수 있어야 한다.
인력 관리
AI 기술의 발전에도 유능한 인재는 AI 도입 과정에서 중요한 역할을 수행한다. 데이터 과학자와 데이터 엔지니어의 고용은 필수다. 또한, AI가 전사적 디지털 혁신을 주도할 수 있도록 인력 계획, 재숙련화, 변화 관리에 대한 전략적인 계획을 조직 전반에 스며들도록 해야 한다.
함께 하는 트랜스포메이션 프로그램
AI@Scale의 변화는 여러 탑다운(하향식), 바텀업(상향식) 조치를 통해 사내 조직 강 정렬을 이뤄내고, 임직원의 동의를 이끌어내고, 후속 조치까지 마련해야 한다. 이와 같은 과정을 통해서만 기업은 AI를 밸류체인 전반에 확산 도입할 수 있다.
- AI 도입 목표와 현재 수준 평가. 이 탑다운(하향식) 단계는 트랜스포메이션의 전체 컨텍스트를 설정하고 기업 전체 맥락에서 고립된 AI 파일럿 프로그램을 도입하지 못하게 한다. 수준 평가는 일반적으로 설문 조사와 인터뷰의 조합을 기반으로 한다.
- AI 도입과 운영 모델 평가. 이 바텀업(상향식) 단계는 현 단계 AI 도입 기준을 제공한다. 데이터 관리, 알고리즘, 성능 지표 및 사이버 보안 분석 외에도 목표, 비즈니스 사례, 책임, 작업 흐름 및 이정표가 포함돼야 한다. 현행 AI 운영 모델에 대한 검토도 이 단계에서 수행해야 한다.
- 우선순위 설정 및 갭 분석. 이번 탑다운(하향식) 단계는 쉬운 승리와 유니콘에 중점을 둔 AI 도입 우선순위 결정이다. 이 단계는 운영 모델에 도입해야 하는 변경 내용도 명확히 한다.
- AI@scale 트랜스포메이션 프로그램의 개요. 이 바텀업(하향식) 단계에서는 조직에 확산시킬 도입 순서를 포함한 트랜스포메이션 로드맵과 트랜스포메이션을 관리하기 위한 프로그램 관리 부서를 구성한다.
- AI@scale 프로그램 상세화. 마지막 단계에서는 구현, 업무 흐름, 책임, 목표, 마일스톤, 리소스를 자세히 설명한다.
이러한 단계들을 체계적으로 진행하면 디지털 트랜스포메이션 구현은 훨씬 빠르고 확실하게 진행될 것이다. 물론, 기업 조직의 복잡도에 따라, 디지털 트랜스포메이션은 1~3년이 소요될 수도 있다.
