1. 선구기업들은 AI 추진의지를 더욱 강화하고 있다. AI가 비즈니스에서 실제로 활용되고 있는가? 어떤 면에서는, 설문조사 응답자 중 선구기업의 비율이 응답자 중 겨우 5분의 1 미만으로 기본적으로 작년과 동일하게 나타났다. 하지만, 선구기업 그룹 내에서 AI에 대한 의지의 정도는 놀라운 수준이다. 88%나 되는 기업들이 작년 대비 AI에 대한 투자를 증가시켰고, 이는 실험기업과 조사기업의 62%와 대비되는 비율이다. 선구기업들은 AI에 대한 강력한 추진의 고삐를 늦추지 않고 있다.
2. 선구기업들은 적극적으로 AI를 기업차원으로 확대하고자 한다. 보통, AI 추진에 일찍 성공한 조직들은 그 조직 내에 AI에 해박한 관리자들이 어떤 문제가, 예를 들어, 자연언어 프로세싱 등을 이용하면 더 효과적으로 해결할 수 있음을 간파한 것이 그 비결이었다. 이런 목표들을 하나하나 개별적으로 해결하면서 훌륭한 솔루션을 도출했다. 하지만, 이런 개별적인 솔루션들만으로 기업 전체가 예전보다 더욱 체계적인 역량을 갖출 수는 없다. 올해의 연구조사는 AI 활용을 기업 차원의 경쟁우위로 확장하고자 하는 의지가 더욱 강력해지고 있음에 특히 집중했다. 덴마크 선박기업인 머스크(Maersk)의 최고 디지털 책임자인 이브라힘 고켄(Ibrahim Gokcen)은 “AI 의 확장이 다음 단계의 디지털 전환이 될 것이다.“ 라고 말했다. 하지만, 어떻게 개별 솔루션을 넘어서는 방식으로 AI를 활용할 수 있을 것인가? 실제로 많은 기업들이 AI를 적용해 신속한 결과를 도출하는 것은, 뜻밖에도, 그다지 어렵지 않음을 깨달았다. 정작 어려운 것은 상호 호환되고 신뢰할 수 있는 관련 데이터 파이프라인에 적당하게AI 어플리케이션 시스템을 구축하는 부분이다. 선구기업들은 AI 전략의 필요성을 확실히 인식하고 있다. 85%가 AI 전략이 당장 필요하다는 것에 동의했고, 90%는 이미 관련 정책이 마련됐다고 답했다. 전사적으로 AI를 도입하기 위해서는 전략이 반드시 필요하다.
3. 선구기업들은 비용절감보다는 매출창출 관련 응용을 우선시한다. . AI 활용에 있어 새로운 매출과 비용 효율성 중 무엇이 더 중요한가? 기업 AI 적용의 첫 번째 물결에서는, 많은 기업들이 운영 프로세스의 효율성 개선에 집중했다. 간단하게 문서화할 수 있는 비용절감은 더 많은 지원을 요구하기에 적절한 전형적인 수단이다. 하지만, 이번 조사결과에 따르면 가장 소극적인 기업들을 제외한 모든 응답자들이 매출창출이야말로 투자대비 가장 큰 효과를 기대할 수 있는 부문이라고 보고 있다. 보다 앞선 기업일수록 이런 의견을 표출했다. 선구기업의 72%가 향후 5년간 AI로 인해 주로 매출증가가 이루어 질 것으로 예상했고 겨우 28%만이 비용절감으로 인한 혜택을 기대했다. 조사기업들 중에서는, 이 수치가 각각 59%, 41% 였다. 당분간은, AI 이니셔티브는 비용 감소보다는 매출 창출에 집중할 것이다.
4. AI에 대해 근로자들은 우려와 희망을 동시에 느끼고 있다. AI는 근로자들에게 어떤 영향을 미칠 것인가? 인간의 능력을 뛰어넘는 똑똑한 기계들의 등장으로 많은 사람들이 일자리를 잃게 될 것이라는 우려의 목소리를 흔히 들을 수 있다. 또 다른 연구조사에 따르면, AI로 인해 결국 일자리가 줄어들 것인가 새로운 일자리가 생겨날 것인가에 대해 사람들의 의견은 거의 반반으로 나뉘고 있다. 1 이 설문조사는 이 두 가지 의견을 모두 다룬다. 47%는 앞으로 5년간 AI로 인해 근로인력이 줄어들 것이라고 답했다. 하지만, 응답자의 조직 내 직급에 따라 대답에 차이가 있다. 직급이 낮은 행정 및 사무직 직원들이 정리해고가 임박했다는 우려를 가장 많이 했다. 특히 이들은 어떤 변화의 과정에 미치는 영향력이 상대적으로 적기 때문에 더욱 취약하다고 느끼는 것일 수 있다. 최고 경영진들은 AI 도입이 전체 일자리 감소로 이어질 것이라고 제일 생각하지 않는 그룹이다. 설문에 참가한 CEO들 중 38%만이 AI로 인한 인력 감소를 예상했다. AI가 인력에 미치는 영향은 획일적이지 않을 것이다. 관리자들은 재교육, 변화관리, 커뮤니케이션 등을 통해 직원들의 우려에 대처해야 한다.
또한, 중국에서 300명의 경영진을 대상으로 별도의 설문조사를 실시했다. 이 설문조사 결과에 따르면, 중국의 선구기업들은 다른 지역에 본사를 둔 기업들과는 다른 모습을 보였다. 중국의 AI 선구기업들은 더욱 공격적으로 투자를 하고 있으며 비즈니스 모델 전환을 더욱 집중적으로 추진하고 있다. 물론, 기술적 역량이 부족하거나 사업성이 불분명한 경우에는 신중한 모습을 보인다. 또 다른 현저한 차이점은 중국기업들은 AI를 통해 매출 증대보다는 비용절감을 하는 것에 더 큰 중점을 두고 있으며 AI로 인해 일자리가 사라질 것이라는 예상을 더 많이 하고 있다는 점이다. 중국식 접근의 성공여부와는 차치하더라도, 중국 기업들의 의지는 세계 다른 국가와 기업들에게 경종을 울리고 있다.
MIT 슬로안 경영리뷰와 BCG 의 두 번째 연간 연구보고서는, 기존 AI 이니셔티브를 추진한 결과 얻게 된 상당한 혜택과, 투자 증가, AI를 전사적으로 확대하고자 하는 강력한 노력 및 의지에 대해 전반적으로 다루고 있다.
연구조사에 대하여
비즈니스에서 인공지능 사용과 관련한 도전과제와 기회를 이해하기 위해, MIT 슬로안 경영리뷰는 BCG와 공동으로 전세계 조직의 경영진, 관리자, 분석전문가를 대상으로 실시한 연례 설문조사는 올해 두 번째를 맞으며, 3076명을 대상으로 실시됐다.
2018년 봄 실시한 이 설문조사에서, 전 세계 126개국, 29개 산업의 크고 작은 규모의 조직에서 일하는 개인들의 의견을 취합했다. 응답자의 3분의 2 이상이 미국 이외의 지역에 본사를 둔 기업 소속이다. 설문대상자는MIT 슬로안 경영리뷰의 구독자 및 기타 관련 부문을 포함, 다양한 출처를 통했다.
이 보고서의 분석은, 총 설문조사 대상자를 네 개의 하위 그룹으로 분류하는 것에서 시작했다. 응답자 소속조직의 AI 성숙도를 기반으로, AI 응용도구와 개념에 대한 이해도 및 AI 어플리케이션의 도입 정도를 종합해 분류가 이루어졌다. 전반적인 이해도를 파악하기 위해, 응답자들은 AI기술에 대한 친숙도에서부터 AI 적용의 어려움과 조직 행동규범에 시사하는 바에 이르기까지9개 영역에 대해 해당 조직의 이해도를 평가했다. AI 기술 도입 및 이해도를 기반으로, 설문조사 응답자를 다음의 네 그룹으로 나눴다.
• 선구기업(18%): AI를 이해하고 도입한 조직. 이 조직들은 AI를 상품 및 서비스뿐만 아니라 내부 프로세스에 통합하는 데 있어서 앞선 행보를 보인다.
• 조사기업(33%): AI를 이해하지만 파일럿 단계 이상으로 활용하고 있지는 않은 조직. 본격적인 시행에 앞서 AI 가 가져다 줄 효과에 대해 집중적으로 검토하고 있다.
• 실험기업(16%): AI를 실험하거나 도입하고 있지만 AI에 대한 깊은 이해는 없는 조직. 실행을 통해 학습하고 있다.
• 소극적 기업 (34%): AI를 도입하지 않고 있거나 이해를 많이 못하고 있는 조직.
‘인공지능‘ 은 다양한 기술을 가리키는 용어이다. 종종 광범위하게 사용되어 다른 그룹의 사람들에게 다른 것을 의미할 수 있다. 이 연구조사의 참가자들에게는 옥스퍼드 영어사전(Oxford English Dictionary)에 따른 인공지능의 정의를 알려줬다. AI는 시각 인지, 음성 인지, 의사결정, 언어간의 번역 등 일반적으로 인간의 지능을 필요로 하는 작업을 수행할 수 있는 컴퓨터 시스템의 이론과 개발을 의미한다.
설문조사 결과의 배경에 대해 이해하고 보다 심층적인 분석을 하기 위해, 연구 팀은 36명의 경영진을 대상으로 인터뷰를 실시했다. 이들은 모두 관리자 경험이 있으며 다양한 산업 및 형태의 조직을 대표한다.
도입
뮌헨에 본사를 둔 보험 대기업, 알리안츠(Allianz)의 CEO인 올리버 베이트(Oliver Bäte)는 2015년 기업 개선 계획(Renewal Agenda)을 발표했다. 경제와 경제학을 변화시키고 있는 디지털화를 통해 한 단계 높은 차원의 가치 창출을 적극적으로 추진하는 것이 목표였다. 2 알리안츠의 AI 및 고급 비즈니스 분석기술 부문의 글로벌 책임자인 젬마 가리가(Gemma Garriga) 는 이 계획을 통해 새로운 AI 어플리케이션을 찾아내려는 그룹 전체적인 노력이 힘을 얻었다고 말한다. 그 이후, 가리가가 이끄는 팀은 초기 고객 맞춤서비스에서부터 최종 보험금청구 자동화에 이르기까지 일련의 다양한 AI 기반 솔루션을 활용하고 있다. 그녀는 대부분의 프로젝트가 훌륭한 결과로 이어지고 있다고 말한다.
개선 사항의 한 가지 예로, 알리안츠의 계약심사 프로세스가 온라인 보험 신청 사기를 적발한 경우를 생각해보자. 문제는, 사용자들이 정보를 제공할 때, 올바른 보험료를 책정하는데 필요한 데이터를 솔직하게 제공하지 않을 수도 있다는 점이었다. 자동차 소유주는 보험금 미청구 이력을 과장하거나 우편번호를 가짜로 입력해 보험료 비용을 줄이려고 할 수도 있다. 이로 인해, 리스크가 제대로 계산되지 않고, 공정하게 배분되지 않아, 결국 다른 고객들의 비용 증가로 이어진다.
이 문제를 해결하기 위해, 알리안츠의 AI 및 비즈니스 분석기술 팀은 실시간으로 보험계약서의 정확성-소위 ‚‘보험계약사기방지 점수‘를 부여하면서- 뿐만 아니라 그 계약서의 승인에 따른 미래 비용을 실시간으로 계산하는 AI 모델을 개발했다. 이 모델은 약 2년전에 생산에 들어갔으며, 그 직후 ‚‘보험사기 적발 비율은 약 50% 상승했다.‘ 이 새로운 시스템을 이용해 보다 정확히 리스크 및 보험료를 계산하고 비용을 공정하게 배분함으로써, 알리안츠와 고객들이 모두 혜택을 본 것이다.
이 사례는MIT 슬로안 경영리뷰와 BCG의 2018년 인공지능 글로벌 연구 조사 보고서가 도출한 주요 결론들과 많은 부분 일치한다. 물론 알리안츠가 AI 전문기업은 아니지만, 정보기반 산업의 선도기업으로서 알리안츠는 과감하게 AI역량을 확충하면서, 중국의 평안 보험(Ping An Insurance) 등 더욱 공격적인 AI 도입기업들에게 뒤쳐지지 않기 위한 강한 의지를 보이고 있다. (MIT SMR-BCG 2017 인공지능 글로벌 연구조사 보고서 참조3)
알리안츠처럼 초기 AI 어플리케이션에서 긍정적인 결과를 얻어낸 후 AI 추진노력에 더욱 많은 투자를 하려는 기업들이 상당수 존재함을 발견했다. 그 중에서 가장 야심 찬 기업들, 소위 선구기업들은 AI 경쟁우위의 규모를 확장하려고 하고 있다. 이들은 AI가 다양한 기회를 제시할 것이라고 믿는 것에서 그치지 않고, 이 기회들의 우선순위를 결정하기 위한 전략을 수립하고AI 의 전사적 확대활용을 위한 플랫폼을 구축 중이다. 동시에 AI의 확장 활용에 따르는 근본적인 어려움들에 맞닥뜨리고 있다. 전사적인 AI 도입이 직원들에게 미치는 영향이 무엇인지, 조직적인 변화를 주도하고 관리하는 것이 얼마나 중요한지에 대해 제대로 인식하고 있다. 그들은 이 노력에 대해 조심스럽게 ‚‘초기 단계‘ 에 불과하다고 말하지만, AI 실행으로 인해 상당한 비즈니스 가치를 창출한 것이라는 부푼 기대를 품고 있다.
선구기업들은 AI 추진의지를 더욱 강화하고 있다
인공지능이 마침내 상업적인 목적으로 사용되는 실용 기술이 되는 시점에 다다랐는가? 상용화 가능성을 보여주는 한 가지 지표는 인공지능기술의 초기 도입 기업들이 조용히 프로젝트를 보류하거나 투자를 취소하지 않고, 오히려 도입 확대를 위해 적극적으로 후속 조치를 취하고 있다는 사실이다. 이것이 바로 2018년 연구보고서가 확실히 밝혀낸 한 가지 결론이다. 현재 AI 선구기업들은 AI 개발에 대한 의지를 더욱 굳건히 하고 있다.
한 예로, 에너지 대기업인 쉐브론(Chevron)의 경우를 생각해 보자. 합동 인터뷰에서 CIO 인 빌 브룬(Bill Broun)과 모델링 및 분석기술 전문 센터의 연구원인 마저리 코너(Margery Connor)는 기계 성능 진단 및 유지보수 필요성 예측에서부터 사이버보안 강화에 이르기까지 쉐브론에서 이미 효과를 보고 있는 몇 가지 인상적인 AI 응용분야에 대해 소개했다. 특히 유용한 솔루션 중 하나는 텍스트 분석기술을 이용하는 것으로 이를 통해 하청업체와의 계약을 검토하고, 이를 송장 및 결제금액과 비교해 모든 ‘지출 누락‘을 정확히 조사할 수 있다고 한다.
코너의 그룹은 여러 분야에서 성공적인 실적을 보였다. 이들은 2017년, ‘이 달의 데이터 과학‘ 기사를 쉐브론의 최고 경영진에 보내는 것에서 시작했다. “경영진들이 비행기에서 잡지를 꺼내 읽으면서, ‘잠깐, 우리는 이 기술과 관련해서 무엇을 하고 있지?‘ 라고 묻게 만들었던 것처럼, 우리는 회사 전반에 걸쳐 이런 종류의 반응을 유도하기 위해 노력하고 있다.“ 라고 브룬은 말한다. 더 많은 동료들이 ‚‘분산된 점들을 이어(connecting the dots)‘ 직접적인 사용사례들을 더 많이 찾아냈을 뿐만 아니라, 장기적인 투자를 요하는 프로젝트를 지지해야 하는 이유를 이해하게 됐다. 예를 들어, “센서라이제이션(sensorization) 과 모빌리티(mobility)는 많은 부가가치를 창출해줄 뿐만 아니라, 우리가 이미 가지고 있는 데이터의 힘을 단순히 활용하는 것 이상으로 장기적인 효과가 있는 프로젝트들이다.“라고 브룬은 말한다.
설문조사 데이터를 보면 다른 많은 기업에서도 동일한 결과가 나타난다. 전년도에 AI 투자를 증가시켰냐는 질문에 대해, 대다수의 응답자들이 그렇다고 대답했으며, 특히 선구기업들은 다른 응답자들에 비해 그렇다고 대답한 비율이 훨씬 더 높았다. (표 1 참조.)
좀 더 구체적으로 살펴보면, 선구기업의 대다수는 그 전년도에 비해 작년에 AI 관련 인력(81%), AI기술(86%), AI 알고리즘 교육에 필요한 데이터(79%) 및 프로세스(80%)에 더 많이 투자했다. 이는 절대 그냥 이루어진 것은 아니다. 선구기업들은 전년도에 비해 투자를 줄였을 수도 있지만, 그렇게 하지 않았고, AI관련 실적이 좋았기 때문에 더욱 과감하게 추진할 수 있었던 것이다.
하지만, 작년과 비교해, 선구기업이 차지하는 실제 비중은 증가하지 않았다. AI 와 관련한 기대감에도 불구하고, 2018년 4개 그룹(선구기업, 조사기업, 실험기업, 소극적 기업)에 대한 설문조사 응답자들의 분포도는 2017년도와 비슷한 수준이었다. 선구기업인 20% 중에서, 단지 상위 5%의 응답자들만이 프로세스와 상품 및 서비스 제공에 AI를 광범위하게 반영했다고 답했고 이는 2017년 결과에서 변하지 않은 수치였다.
물론, 이 선구기업들이 조사기업, 실험기업, 소극적 기업들과의 격차를 훨씬 더 크게 하고 있는 것일 수도 있다. 예를 들어, 한 해 동안의 AI 이해도(표 2 참조.)를 보면, 선구기업들은 다른 그룹보다 이해도 상승 폭이 더 큼을 알 수 있다. 소극적 기업 카테고리의 기업들이 평균적으로 미미한 상승을 기록한 반면, 선구기업들의 3분의 2 이상이 2017년 이후 AI 이해도가 ‚‘많이‘ 증가했다고 답했다.
조직들은 다양한 방법으로 인공지능에 대한 전반적인 이해를 개선할 수 있다. 실제 업무 문제해결에AI 툴 및 기술을 이용하는 직접적인 경험이 그 중 한 가지 접근법이다. AI 전문지식이 있는 새로운 인재를 채용하는 것도 또 다른 방법이 될 수 있다. 스위스의 특수 화학기업인 클라리언트(Clariant) 경영위원회의 브리타 프엔프스투에크(Britta Fuenfstueck) 는 클라리언트가 AI 프로젝트 추진 팀의 규모를 세 배로 확대했다고 말했다. 기존 직원들에게 공식적인 교육 및 훈련 프로그램을 제공하는 것 역시 조직의 AI 이해도를 증진시킬 수 있는 또 다른 방법이다. 앤하이저-부시인베브(Anheuser-Busch InBev)의 글로벌 솔루션 부문 부사장인 타씰로 페스테틱스(Tassilo Festetics)는 확대된 팀원들이 모두 UC 버클리(University of California, Berkeley)에서 1주일 간 AI 집중 교육코스를 듣게 했다. 그는 “이 팀이 머신러닝과 AI의 기본지식을 이해해 회사가 업계판도를 뒤집을 수 있는 중요한 기회-그 기회가 상업, 공급, 물류, 인력 등 어떤 것에 관한 것이든-를 포착할 수 있도록 하는 것이 매우 중요하다.“ 라고 말하며, “우리는 이를 장기 투자로 보고 있다. 이는 결국 모든 부서가 필요로 할 미래의 역량에 대한 투자이기 때문이다.“ 라고 덧붙였다. 조직의 AI 이해도를 증진시키는 이와 같은 방법들은 서로 상호보완적이며 교차사용가능 하다.
선구기업들은 또한 AI를 기회로 볼 것인가, 위기로 볼 것인가에 대한 인식에서도 차별화된 모습을 보였다. 다른 어떤 그룹보다도, 선구기업 그룹은 AI를 기회로 생각하며 경쟁업체 혹은 신규진입업체들보다 먼저 그 혜택을 누릴 수 있을 것이라는 확신을 갖고 있다. 또한, 많은 응답자들이 비즈니스 모델 자체의 변화를 예상하고 있다. 새로운 도구를 이용할 뿐 기존 모델의 성능을 향상시키는 것보다 더욱 큰 변화를 기대하는 것이다. (표3 참조.)
전체적으로 놀라운 수(28%)의 응답자들이 AI 솔루션이 그들 조직의 비즈니스 모델의 변화를 이끌어냈다고 답했다. 선구기업의 경우, 대다수가 이런 의견을 냈다. 모든 조직의 대다수(58%)가 5년 대로 AI로 인해 비즈니스모델이 변화할 것이라고 예상했다. 이는 AI 성숙 수준이나, 업종에 관계없이 모두 해당되는 내용이다. 이 결과를 보면, 조직들은 AI가 단순히 기존 비즈니스 운영을 도울 것이라고 생각하지는 않음을 알 수 있다. 그들은 AI 도입을 통해 보다 광범위하게 비즈니스 모델이 변화할 것이라고 예상한다. 뿐만 아니라, 10명 중 9명의 응답자들이 앞으로 5년 내로 AI로 인해 새로운 비즈니스 가치가 창출될 것이라고 생각했다. (표 4 참조.)
AI 성패를 좌우할 열쇠는 데이터가 될 수 있다. 당연하게도, 선구기업들은 이 근본적인 자산을 관리하는 데 있어 다른 응답자들에 비해 더욱 앞서 있다. 일반적으로 선구기업들은 뒤쳐진 다른 그룹들에 비해 더 강력한, 기업 전반적인 데이터 관리 시스템과 중앙화된 데이터 레이크(lake)를 갖추고 있다. 선구기업의 경영진은 데이터 이슈의 중요성을 인식하고 있으며, 데이터를 기업의 자산으로 간주한다. (표 5 참조.) (중국의 설문조사 응답자들은 데이터 중앙관리에 있어 한 발 더 앞서있다. ‘중국의 강력한 AI 추진노력‘ 참조.) AI사용을 적극적으로 추진한다는 것은 곧 데이터 이슈에 더 많은 관심을 쏟는다는 의미이다.
2018년 봄, BCG와 MIT 슬로안 경영리뷰는 다음의 질문들의 해답을 찾기 위해 중국의 경영진들을 대상으로 별도의 설문조사를 실시했다. 알리바바(Alibaba), 텐센트(Tencent), 바이두(Baidu) 등 중국에 본사를 둔 기업들의 비즈니스용 AI도입 현황은 어떠한가? 이는 다른 지역의 기업들과 어떤 차이가 있는가? 정확한 분석을 위해 글로벌 설문내용을 중국어로 번역해 중국에서 다양한 업종에 종사하고 있는 300명의 경영진들을 대상으로 조사를 실시했다. 선구기업에 대해서는, 그 대답을 글로벌 설문조사 대상이었던 중국 외 응답자들의 대답과 비교했다. 이를 통해 다음과 같은 세 가지 주목할 만한 결론을 도출했다.
중국 기업들은 비즈니스 목적으로 AI를 활용하기 위해 세계 다른 지역의 기업들에 비해 더욱 공격적으로 투자하고 있다. 중국기업들이 인공지능 분야에서 앞서 나갈 수 있도록 지원하고자 하는 최근 중국정부의 5개년 계획에 힘입어, 중국 기업들은 다른 지역에 비해AI 투자를 더 크게 증가시킬 것이라고 한다. 데이터에 대한 접근 역시 우위를 보이고 있다. AI엔진은 표본 데이터를 소화하면서 학습-데이터가 많을수록 더 잘 학습-하기 때문에, 기업들은 데이터 관리와 통제를 중앙화해야 하는데, 중국의 선구기업들은 이에 특히 능숙하다. 한 예로, 중국 선구기업들의 78%가 기업 데이터를 중앙화된 데이터 레이크에 보관하고 있다. 이는 유럽과 미국 선구기업들의 경우에는 각각 37%, 43%의 비율이 것과 대조된다. 또한, 설문조사대상이었던 중국 AI 선도기업들의 83%가 기업데이터를 중앙에서 관리하는데 유럽과 미국 선구기업의 경우에는 각각 겨우 39%, 40% 에 불과했다.
중국 기업들은 적극적으로 AI를 추진하는데 있어 그들만의 어려움에 직면해 있다. 예를 들어, 중국 선구기업의 거의 절반이 AI가 사업성이 없거나 불확실하다고 말하는데, 이는 투자의 적정수준을 결정하는 데 있어 난관이 될 수 있다. 중국기업들이 가장 많이 토로하는 어려움 중 하나는 AI 인재의 부족이다. 설문에 응한 중국기업들 중 대략 10개 선구기업 중 6개가 기술인재의 부족이 그들의 발목을 잡고 있다고 답했는데, 이는 미국과 유럽에 비해 훨씬 높은 수치이다. 중국기업들은 또한 AI를 이용해 비용을 절감하는데 집중하고 있으며 새로운 매출원을 찾는 것에는 상대적으로 덜 주력하고 있다. 마지막으로, 아마도 비용절감에 집중한 결과로, 인력과 관련한 우려와 변화가 더 많은 편이다. 중국 선구기업의 3분의 2이상(68%)이 AI 사용으로 인해 직원규모가 축소될 것이라고 답했다. 유럽과 미국에서는 이런 우려를 한 응답자의 수치가 각각 겨우 32%와 50%였다.
중국이 AI 부문에서 급부상한 것은 전 세계적으로 많은 국가, 산업, 기업 경영진들에게 경종을 울리고 있다. 실제로, 최근 실시된 많은 국가차원의 AI 추진 프로그램들이 중국을 위협적인 경쟁상대로 언급하고 있다.
경영진들의 개별 인터뷰에는 다양한 데이터 이슈들이 언급되며, 특히 사업기간이 길거나, 인수합병을 통해 성장한 회사의 경우에는 더욱 그렇다. 몇몇 경영진들은 AI 활용을 위해 추출할 수 있는 ‘보물’ 같은 데이터가 있다고 말한 반면, 또 어떤 이들은 아주 간단한 프로젝트에도 어려움을 호소했다. 예를 들어, 앤하이저-부시인베브의 페스테틱스는 “우리가 데이터 품질을 좀 더 일찍 검토했으면 좋았을 것이다. 우리는 데이터를 찾아내고 준비하는데 어마어마한 시간을 쏟고 있다.’ 고 고백했다. 하지만, 이런 경험을 통해 이 회사는 더 나은 방향으로 변화하고 있다. “지금까지 가지고 있던 것은 더 이상 업그레이드할 수 없을 것으로 판단해, 데이터를 이런 관점으로 분석하기로 했다. 즉, ‘만약 오늘 회사를 시작한다면, 어떻게 데이터를 분석기술에 맞게 활용할 것인가?‘ 하는 것이다. 이를 통해 알고리즘 분석에 필요한 데이터 준비가 수월해 지고, 고객선호도를 더욱 잘 분석하고, 상품서비스 제안을 최적화하며, 에너지와 쓰레기를 줄이면서 상품을 생산할 수 있을 것이다.“ 라고 그는 말했다.
페스테틱스의 발언은 사실 많은 선구기업들이 누리고 있는 우위, 바로 강력한 데이터 역량에 대한 것이다. 예를 들어, 알리안츠나 네덜란드에 본사를 둔 NN 그룹(Nationale-Nederlanden Group) 같은 보험대기업을 생각해보자. 4 NN 그룹의 내수시장 CEO인 데이비드 크니버(David 크니버e)는 18개국을 포함해, 그룹 전체 운영의 3분의 2를 책임지고 있다. 그는 이 회사가 1845년에 창립되었으며, “창립이래로 모든 데이터를 보관하고 있다고는 말할 수 없지만, 어마어마한 데이터를 보유하고 있는 것만은 확실하다“ 고 말한다. 보험계리분야에 탄탄한 배경이 있는 보험업체로서, NN 그룹은 데이터 기반 의사결정 모델을 만드는 데 있어 여타 많은 기업들에 비해 유리한 상황에 있다. 지하 작업을 오랫동안 고성능컴퓨터에 의존해왔던, 쉐브론의 경우도 마찬가지이다. “크레이(Cray) (수퍼컴퓨터)가 있던 초창기부터, CPU의 최대 소비자는 쉐브론과 정부였고, 그 후로도 수 십 년 동안 그래왔다.“ 라고 쉐브론의 브룬은 말하며, “쉐브론의 엔지니어와 과학자들은 이런 종류의 기술을 적용하는 것에 매우 뛰어났기 때문에, 기계들을 이용해 데이터 기반 결정을 증가시키는 것은 그들에게 매우 자연스러운 일이 될 것이다.“ 라고 덧붙였다.
선구기업들은 또한 다른 그룹에 비해 최고경영진이 AI 추진사업에 대해 더 많이 관여하며 그 의지 또한 남다르게 강력하다. 이들 조직에서 AI 도입 관련 3대 장애물을 꼽을 때, AI 관련 노력에 대해 ‚‘경영진의 지원 부족‘ 이나 ‚‘불확실한 사업성‘에 의해 한계가 있다고 답한 선구기업은 상대적으로 소수에 불과했다. (표 6 참조.) 새로운 투자를 필요로 하는 많은 사업프로젝트들과 마찬가지로, 경영진의 지원과 사업성은 매우 중요하다. 지금까지의 경험을 토대로 성공적인 프로젝트와 그렇지 않은 프로젝트의 차별점을 설명해 달라는 질문에 대해, 다임러(Daimler) 전략본부의 하랄드 루돌프(Harald Rudolph)는 지체 없이, “조직 전체에 AI에 대한 이해도를 증진시키는 것 다음으로, 최고경영진의 관심을 확보하고 이들이 이 기술의 잠재력에 대해 인식하고 기대하게 하는 것이 매우 중요하다.“ 고 답했다.
데이터를 좀 더 자세히 분석한 결과, 선구기업들은 경영진의 지원부족으로 노력을 중단할 가능성이 가장 낮음을 알 수 있었다. 초기의 성공으로 인해 경영진의 지원을 하게 된 것이건, 반대로 경영진의 지원이 이런 선례가 되는 성공을 달성하게 해 준 결정적인 요인이건 간에, 최고경영진의 관심은 선구기업들이 갖고 있는 또 하나의 강점이다.
인공지능기술의 추진이 발 빠르게 앞장섰던 선도기업들이 후발주자들과의 격차를 늘린 또 다른 사례가 될 것인가? 현재로서는 그 답은 알 수 없다. 빠르게 진화하는 낯선 기술의 경우에, 빠른 추격이 오히려 현명한 것일 수도 있다. 후발주자들은 앞선 이들이 빠르게 돌진하면서 실험할 때, 그들의 성공과 실패를 통해 학습할 수도 있다. 하지만, 위험을 감수하지 않고 다른 이들이 개척한 길을 빠르게 따라가고 싶어하는 이들이 주의해야 할 것이 있다. 선구기업들은 AI추진의지를 강화하면서, 고객과 노동시장에서 확고한 위치를 점하고 있기 때문에 나머지 기업들이 그들의 노력을 바싹 추격하는 것이 어렵게 될 수도 있다는 점이다. 선구기업들이 말한 이 많은 강점들을 볼 때, AI 선두기업들을 따라잡는 것은 특히나 어려울 것으로 보인다.
선구기업들은 적극적으로 AI를 기업차원으로 확대하고자 한다
NN 그룹의 크니버는 조직의 AI 어젠다에 대해 개인적으로 관심을 쏟고 있는 CEO 중에 한 명이다. 최근의 대규모 인수 건(NN의 핵심 경쟁업체 중 하나였던 델타 로이드 그룹(Delta Lloyd Group)의 인수) 등 대부분의 CEO라면 관심을 돌릴 상황에서도, 그는 여전히 AI를 최우선순위로 두고 있다. 그는, “물론 이런 대규모 통합을 추진하는 중에는 여러 가지 사안에 집중할 만한 여력이 되지 않을 수도 있다.“라고 말했다. 하지만, 그가 생각하기에 통합된 회사의 미래에 ‚‘중대한 사안‘ 중 하나이기 때문에, AI를 여전히 우선사안으로 두고 있다.
AI가 상업적인 용도로 사용되기 한참 전부터, 크니버는 언젠가 이 기술이 가치를 창출할 것이라는 확신이 있었다. “수학과 과학처럼, 이 기술로 인해 많은 혜택이 있을 것이 분명하다. 따라서, 진행중인 개선사항이건, 고객 분석기술이건, 고객 행동분석이건, 투자가 중요하다. NN 그룹이 실시한 최초의 소규모 실험들은 신속하게 진전을 보였고, 이후 다양한 솔루션을 실험하면서 발전해 나갔다. 우리는 기술을 실행에 옮겼고, 원하는 결과를 얻은 것이다.“ 라고 그는 말한다.
현재 크니버가 생각하는 도전과제는 회사에서 AI 활용 규모를 확장하는 것이며, 많은 선구기업 응답자들도 역시 유사한 의견을 보인다. AI의 잠재력을 확신하기 때문에, 개별 솔루션을 넘어 AI를 경쟁우위의 원천으로서, 체계적으로 추진하고자 하는 것이다.
확장을 위해 무엇이 필요한가? 동시다발적인 노력이 필수적이다. 전략적인 비전을 수립하고, 기존 역량을 제대로 관리하고, AI지원 프로세스와 플랫폼을 구현하고, 현업의 AI에 대한 이해도를 증진시키며 AI관련 활동을 장려하는 것 등이다. 이는 복잡한 작업이다. 대부분의 경영진들은 아직 어떻게 AI를 기업 전체로 확대할 지에 대해 진지하게 깊이 있는 고민을 한 적이 없다. IBM의 글로벌 데이터 최고 책임자인 인더팔 반다리(Inderpal Bhandari)는‚ “사람들은 기업 AI가 무엇인지를 아직 정확히 이해하지 못하고 있다.“ 라고 말한다. “소비자 차원에서는 어느 정도 이해하고 있으며, 안면인식 등의 개별 솔루션 맥락에서는 꽤 잘 알고 있다. 하지만, 기업 차원에서 어떤 형태가 될 지에 대해서는 제대로 이해하지 못하고 있다.“고 그는 덧붙였다.
확장을 위한 전략 수립
경영진이 전략을 갖추지 않는 한 그 기업은AI의 전사적 활용에 성공할 수 없다. 선구기업의 경우는 그런 전략의 필요성을 더 잘 인식하고 있다. (표 7 참조.) 그 예로, 다임러의 루돌프는 AI 전략을 수립하는 것이 우선과제라고 말한다. 그는, “우리는 모든 기능마다 명확한 목표, 야심 차지만 달성 가능한 목표를 설정하고 목표달성을 위한 구체적인 로드맵을 수립하고 있다.“ 고 말한다. 그는 전략 수립이 ‘AI 기술을 구현해 전체 가치 사슬에 걸쳐 기존 프로세스를 개선할 뿐만 아니라 새로운 상품과 서비스를 개발해 고객만족을 실현하는 핵심 수단이 될 것이며, 이는 그 무엇보다 중요하다.‘ 고 믿고 있다.
AI 활동 검토
AI를 확장 사용하기 위한 중요한 조치 중 하나는 조직 내에서 우후죽순처럼 발생하는 모든 AI 활동을 제대로 이해하는 것이다. 메이요 클리닉(Mayo Clinic)의 예를 들어보자. 이 헬스케어 조직은 미국 5개 주에 걸쳐 약 6만 5000명의 직원을 보유하고 있다. 3개 주에서 주요 의료 센터를 운영하고 있으며 미네소타 로체스터 반경 120마일 이내의 지역에서 다양한 의료업무를 담당하고 있는 메이요 클리닉 헬스 시스템(Mayo Clinic Health System)을 운영중이다. 전국적으로 50개 지역에 걸쳐 있는 연계 의료 네트워크인 메이요 클리닉 케어 네트워크(Mayo Clinic Care Network)도 있다. 클라크 오틀리(Clark Otley) 박사는 현재 아리조나 마요 클리닉의CEO인 응급의학과 전문의 와이어트 데커(Wyatt Decker)박사가 펼치고 있는 노력에 대해 설명했다. 그는, “데커 박사의 목표는 이 조직 전체에서 일어나고 있는 모든 종류의 다양한 활동을 분류하고 이해하는 것이다.“ 라고 말하며, “예비 평가에서, 약 250여 건의 인공지능 관련 이니셔티브, 프로젝트, 연구 프로그램이 조직 전체에 걸쳐 분산된 형태로 진행 중임을 파악했다.“ 고 덧붙였다. 이제 도전과제는 “이를 전사적인 관점에서 접근해 인공지능 관련 활동이 여러 지역에서 중복으로 진행되거나 혼란을 야기시키지 않고 전체적으로 시너지 효과를 창출할 수 있는 방식으로 발전할 수 있도록 하는 것이다.“ 라고 그는 강조했다.
독일 연방내무성 차관인 피터 바트(Peter Batt)는 독일 정부기관들의 알고리즘 기반 의사결정 프로세스 활용 현황에 대해 어떻게 정리했는지 설명했다.
다양하고 광범위한 피드백을 받고 우리 모두는 매우 놀랐다. 많은 기관들에서, 비록 일부는 아직 초기단계이긴 했지만, AI가 다양하게 사용되고 있었다. 국방부(Defense), 연방 보건부(Federal Ministry of Health), 로버트 코흐 연구소(Robert Koch Institute) 등은 물론이고, 독일 특허청(German Patent and Trade Mark Office), 독일 고고학 연구소 (German Archaeological Institute), 연방 경찰(Federal Police_, 연방 정보보안국 (Federal Office for Information Security), 연방 스포츠과학 연구소(Federal Institute of Sport Science), 독일 연방 통계청(Federal Statistical Office of Germany), 연방 범죄 수사청(Federal Criminal Police Office), 연방 국토개발원(Federal Agency for Cartography and Geodesy), 연방 법무부(Federal Ministry of Justice), 연방재무부(Federal Ministry of Finance) 등 그 범위는 매우 다양했다. 이 기술이 사회공공서비스를 증진시키기 위해 사용되고 있는 것이다.
AI 확장을 위한 프로세스와 플랫폼 수립
네덜란드 은행인ING의 로봇공학 및 인공지능 부문 글로벌 담당인 고르켐 코세오글루(Gorkem Koseoglu)는 특히 ING가 어떻게 AI역량을 확대할 것인가에 대해 많은 고심을 하고 있다. 물론 아직 갈 길이 멀다는 점은 인정한다. “모든 영역에서 우리는 점차 표준화된 모델로 나아갈 것이다. 물론 우리는 은행으로서, 그린필드 기술회사가 아니기 때문에, ‘자, 그러면 다시 돌아가서 모든 문제를 해결해 줄 유니버설 뱅킹 모델을 만들어 보겠습니다. 5년은 걸릴 겁니다.‘ 라고 말할 수는 없지만, 이중 프로세스를 통해 기존의 비즈니스 니즈를 충족시키면서 동시에 새로운 핵심 모델을 통합하기 위해 노력할 수 있을 것이다.“ 라고 그는 말했다.
코세오글루가 그리는 프로세스는 어떤 것인가? 그는 한 예로 가격에 관한 핵심 모델을 만드는 것을 말한다. 즉, 고객들에게 스마트한 방식으로 대출가격결정을 해 줄 수 있도록 해 주는, 모든 부문이 사용할 수 있는 핵심모델을 만드는 것이다. “이런 모델은 이것이 우리 회사의 핵심부분이 된다는 생각으로 만들어져야 하며 핵심 역량으로서 투자를 지속해야 할 것이다. 또한, 이것이 일회성 프로젝트가 아니라, 근본적인 핵심역량임을 주지하고 재원을 아낌없이 투입해 지속적인 개선을 이루어 내야 한다. 이것이 우리의 나아가고자 하는 방향이며, 동시에 일종의 진화임을 깨달았다.“ 라고 그는 덧붙였다.
전직 구글 연구원이자 현재 중국 AI 혁신기업인 이투커지(YITU Technology)의 최고혁신 담당자인 루 하우(Lu Hao)는 이투커지가 AI에 주력하기 때문에, 그의 업무 중 핵심과제는 모든 인프라 요소들이 준비되어, AI개발이 원활하게 진행되도록 하는 것이라고 말한다. 하지만, 이투커지는 사실 예외적인 경우이고, 여전히 AI 중심 기업 방식으로 AI 어플리케이션 개발용 플랫폼을 구축한 기업은 매우 드문 것이 현실이다. 보통은 스페인에 본사를 둔 아마데우스 IT 그룹(Amadeus IT Group)과 같은 상황이 일반적이다. 이 회사의 연구, 혁신, 벤처부문을 담당하고 있는 마리온 메나쥬(Marion Mesnage)는 “궁극적으로는 AI 시스템과 플랫폼을 표준화함으로써 AI투자를 통해 최대한의 효과를 기대한다.“ 라고 말하며, “이는 훌륭한 데이터 플랫폼을 갖추는 것에서 시작한다. 현재 주력하고 있는 부분이다“ 라고 강조했다. 선구기업들은 어떤 프로토콜을 사용할지, 어떤 프로세스를 따를지, 프로세스를 어떻게 문서화할 지에 대한 기준을 개발하기 시작하고 있다.
마이크로소프트(Microsoft)의 WW 커머셜 비즈니스(WW Commercial Business)그룹의 CTO인 조셉 시로쉬(Joseph Sirosh)는 마이크로소프트는 현재 ‘지능 시스템(systems of intelligence)’를 만들고 운영할 수 있는 완전한 AI 플랫폼을 구축하고 있다고 말한다. 이 플랫폼은 데이터를 분석해, AI 모델을 만들고, 생산에 활용하고, 관리하고 모니터하며, 대시보드를 이용해 성능을 보고하고, 실행한 조치에 대한 피드백을 적용하며, 이를 통해 학습하고 이 과정을 반복하는, 소위 반복적인 학습루프를 가능하게 한다.“ 라고 덧붙였다. 시로쉬는 “정말로 중요한 것은 기업들이 AI의 첫 번째 단계, 즉 데이터를 수집, 분석하고 AI 방법으로 예측을 하는 것, -사실상 기업차원의 활용에 있어 상대적으로 간단한 부분-에만 관심을 두지 말고, 이를 운영전반에 적용해 이 모델의 결함을 수정하고 생산에 적용할 수 있도록 테스트를 실시하며 기존 모델이 만족스럽지 않은 경우, 새로운 모델로 대체하는 등의 활동을 하는 것이다.“ 라고 강조했다. 시로쉬에게 AI의 확장사용이란 ‚‘기업이 AI 중심 아키텍처를 갖추고 지속적인 통합 및 활용을 통해 끊임없이 AI를 실험해 신뢰도를 높이며, 이런 실험을 통해 학습을 이어나가 결국 기업운영전반을 개선해 나가는 것‘을 의미한다.
AI 이해도를 증진하고 비즈니스에 활용
일부 조직에서, 분산되어 있는 AI 활동을 통합하는 한 가지 접근법은AI 이해도와 관련활동을 분산시키기 위해 AI전문기술을 중앙에서 집중관리하는 것이다. 기본적인 AI 기술에 대해 잘 교육받은 전문가 집단은 관련기준을 개발하고 유지하며 조직 전반에 걸쳐 AI에 대해 비즈니스 담당자들의 교육을 지원할 수 있다. AI 시스템과 이니셔티브를 확장하려는 노력이 성공을 거두고자 하는 조직이라면, 조직 내의 최대한 많은 사람들이 AI의 가능성을 이해하고 효과적인 AI 활용을 위해 필요한 것을 알고 있어야 할 것이다.
인터뷰에 응한 비즈니스 리더들 중 몇몇은 조직내의 비 IT 직원들의 인식수준을 제고하고 관심을 뜨겁게 하기 위한 다양한 노력을 펼치고 있다고 말했다. ING의 코세오글루는 “우리는 비즈니스 담당자들의 교육에 많은 투자를 하고 있는데, 단순히 데이터를 더 많이 확보하는 것보다 더욱 중요한 것이 소위 ‚‘통역사들‘-우리의 경우 상품 담당자들-을 양성하는 것이기 때문이다.“라고 표현했다. 코세오글루의 팀은 교육을 통해 비즈니스 담당자들이 AI의 사용사례뿐 아니라, 그들이 도출해 내는 솔루션을 추진하는데 필요한 변화관리에 대해서도 고민하도록 장려하고 있다. 그는 “앞으로 2년간 사내에서, AI 사용확장에 있어서 특히 중요한 인력을 대상으로3000명 이상을 교육할 계획이다.“ 라고 말했다. 보쉬(Bosch)의 기업전략개발 담당인 라파엘 미카(Raphael Micha)는 상향식 및 하향식 접근을 통해 AI와 관련한 변혁을 추진해야 한다고 말했다.
파이저(Pfizer)의 비즈니스 분석 부문 부사장인 줄리 쉬프만(Julie Schiffman) 은 인터랙티브 애널리틱 스튜디오(Interactive Analytics Studio)를 만들어, 현업 직원들이 AI의 잠재력에 대해 고민할 수 있도록 했다. 그는 “실제로 회의실을 실험실로 바꿔, 다양한 팀들이 한 데 모여 양방향 스크린 및 시스템 등을 이용해 실시간으로 데이터를 검토할 수 있었다.“라고 설명한다. “우리는 이를 통해 과학 커뮤니티, 비즈니스 커뮤니티 전반에서 인사이트 도출방식이 완전히 변화했음을 알았다. 전통적인 ‘파워포인트 문화‘에 비해, 이런 종류의 활동은 기존의 활동범위에서 벗어나 새로운 인사이트를 도출하는데 도움이 된다. 다양한 직무를 담당하는 직원들이 한 공간에 모여 기본 가정을 검토하고 테스트함으로써, 팀원들은 서로 다양한 질문을 하고 그에 대해 실시간으로 답을 얻을 수 있다.“ 라고 그녀는 말한다. 쉬프만은 이런 식의 적극적인 ‘기존환경에서 벗어나는‘ 접근법이 파이저를 더욱 발전시키고 AI 와 첨단 분석기법을 더 이상 ‘블랙박스‘기술에 머물지 않도록 하는데 도움이 될 것이라고 생각한다. 그녀는 분석기술전문가가 담당분야에 풍부한 경험이 있는 현업 담당자와 충분한 데이터를 갖고 함께 머리를 맞대고 논의해 필요한 사안에 대해 검토하는 것을 통해 훌륭한 프로젝트가 시작될 것이라고 확신한다. 그녀는 “함께 해결책을 고민하면, 마법과 같은 일이 일어날 수도 있다.“ 라고 말한다. 이 사례들의 공통점은 AI를 기업 내에서 확대실시하기 위해서는 이 기술을 비즈니스 전문가들이 활용할 수 있도록 하기 위해서는 새로운 방식을 강구해야 한다는 점이다.
경영진들은 AI를 통해 개선될 수 있는 운영사항들의 우선순위를 어떻게 정해야 할까? 설문조사결과와 경영들과의 인터뷰를 토대로 보면, 많은 경영진들은 선택에 거의 제한이 없다고 생각하고 있다. 마요 클리닉의 오틀리 박사는 “인공지능 기술을 특히 잘 활용할 수 있는 부분이 있는지 모르겠다. 내 생각에는 거의 모든 것에 폭넓게 적용 가능할 것으로 보인다.“ 라고 말했다. 설문조사 참가자들은 AI가 우리가 질문한 5개 분야 모두에 적용될 가능성이 있다고 예상했다. (표 8 참조.)
클라리언트의 프엔프스투에크 는 AI의 막대한 잠재력이 많은 운영부문을 향상시킬 수 있다고 할 때, 프로젝트의 우선순위를 어떻게 정할지에 대해 확실한 견해를 갖고 있다. 새로운 AI 역량에 대해, 그녀는, “우리는 만질 수 있는 것이라면, 거의 모든 것을 최적화할 수 있을 것이라고 확신한다. 만약 매우 복잡하지만 반복적이고, 산출물은 다양하게 나오는 프로세스가 있다면, 어떤 투입물 변수에 따라 어떤 산출물이 나오는지 알 수 있고, 이를 기초로 머신러닝 알고리즘을 개발할 수 있다.“고 말하며 “지금까지는 “취급한 거의 모든 주제에 대해 효과가 있었다.“라고 덧붙였다. 동시에, AI의 적용분야는 전략적으로 선택되어야 한다는 점을 강조했다. 클라리언트의 경우, ‘노력을 쏟은 것에 대해 가장 높은 매출 혹은 가장 높은 혜택이 예상되는 것을 우선적으로 취급해야 한다‘ 는 것이다.
프엔프스투에크 는 이 가장 큰 혜택은 내부 프로세스 개선노력보다는 매출중심 이니셔티브에서 발생할 것이라고 목소리를 높인다. 이는 ‘외부 비즈니스의 NPV(순현재가치)는 그 어떤 내부 프로세스보다도 훨씬 크기 때문‘ 이라고 그녀는 설명한다. “내부 프로세스의 개선기회를 활용하지 못한다면 그저 일년치의 EBITDA(세전영업이익)를 놓치는 셈이지만, 외부 시장에서 기회를 놓칠 경우 훨씬 더 큰 대가를 치르게 된다. 즉, 새로운 비즈니스 모델을 제 때 개발하지 못하면, 다른 누군가가 주도권을 잡을 것이고 그 기회는 영영 놓치게 된다. 따라서, 이는 우선순위의 원칙이 되어야 한다.“ 라고 그녀는 강조한다.
프엔프스투에크 는, 클라리언트가 처음 AI를 적용한 분야가 비용절감 기회이기는 했지만, -예를 들어, 대형 화학공장 생산 프로세스에서 수익을 최적화하고 에너지 비용을 절감하는 등- 그 이후 재빨리 매출증대 기회로 AI활용방향을 전환했다는 점을 강조한다. 그녀가 언급한 사례들은 복잡한 가격결정 어플리케이션, 고객 포트폴리오를 기반으로 한 고객이탈 분석, 고객 요구를 신속하게 충족시킬 수 있는 새로운 전달방식, 심지어 완전히 다른 비즈니스 모델을 기반으로 운영되는 새로운 서비스 라인 등 다양하다. AI활용의 두 번째 물결에서, 클라리언트는 회사 내의 프로세스 개선에 적용되었던 지식을 고객 프로세스 최적화에 활용하고 있다고 말한다. “전형적인 화학제품 판매업에서 벗어나 차별화를 달성하고, 기업부가가치를 창출하는 AI 솔루션을 만들어 내는 것이 우리의 2번째 우선순위이다.“ 라고 그녀는 말한다. 그 다음 우선순위는 오프라인에서 하던 활동을 단순히 온라인으로 옮기는 것이다. 클라리언트에게, 이런 것들은 희소자원을 투자할 만한 가치가 없는 프로젝트들이다. 그녀는 “최우선 순위는 디지털을 기반으로 하는 완전히 새로운 비즈니스 모델, 정말로 새로운 서비스를 만들어 내는 것이다.“ 라고 강조했다.
이 설문조사를 보면 선구기업(과 조사기업)들이 특히 AI를 이용한 새로운 매출창출제안 및 역량개발을 강조함을 알 수 있다. 이와는 대조적으로 실험기업과 소극적 기업들은 비용 절감 AI 활용을 강조한다. (표 9 참조.) 앞으로는, 전체 성숙 그룹 중에서 AI를 통한 비용절감효과를 기대하는 비중이 더 높아질 것으로 보인다.
AI를 이용해 매출을 증대하는(혹은, 사회적 기업의 경우, 설립목적을 달성하는)것은 역사가 짧은 기업 혹은 오래된 기업 내 새로운 벤처의 관리자들에게 당연히 최우선과제이다. 이들에게는 새로운 AI 어플리케이션과 시스템에 통합해야 할 오랫동안 확립된 내부 프로세스가 없다. 예를 들어, 에어비앤비(Airbnb)의 상품 관리자인 테레사 존슨(Theresa Johnson) 과 중국에 본사를 둔 호라이즌 로보틱스(Horizon Robotics)의 글로벌 사업담당 부사장인 위펑 장(Yufeng Zhang)은 인터뷰에서, 레거시 프로세스의 효율성을 증대하기 위한 자원 투자에 대해 거의 언급한 바가 없다. 개선할 레거시 프로세스 자체가 거의 없기 때문이다. 또, 스마트한 공급사슬을 통해 지속가능한 세상을 구현하는 것을 사업목표로 삼고 있는 캐나다 기술기업 OPTEL의 경우도 있다. OPTEL은 고급 AI 기술을 기반으로 엔드투엔드 추적 시스템을 이용해, 다양한 산업의 상품 경로에 대해 공급사슬의 부분부분을 연결해 많은 이들이 원하는 가시성을 제공한다. 이 회사는 가짜약, 안정성이 떨어지거나 위조인 식품, 불필요한 쓰레기와 같은 문제의 해결을 돕고 있다. OPTEL의 사장인 루이 로이(Louis Roy)는 ‘우리와 같은 기업에서, AI는 핵심 가치 제안을 고객, 나아가 인류 전체를 대상으로 실현시키는 데 있어서 핵심역할을 한다. AI 없이는 목표를 달성할 수 없다.‘ 고 표현했다.
이번 설문조사 결과와 경영진 인터뷰에 따르면 관리자들은 AI를 사용하는 것이 위기인 동시에 기회인 것으로- 정도의 차이는 있지만-간주하고 있다. AI를 전략적 기회로 보는가, 위기로 보는가 라는 질문에 대해, 응답자들에게 둘 중 하나, 혹은 둘 다 고를 수 있도록 했다. 2017년에는, 83%가 이는 온전히 기회(50%)이거나 기회와 리스크의 조합(33%)이라고 대답했다. 올해, 이와 같은 낙관적인 견해는 더욱 강해져, 88%가 이런 대답을 했다. 하지만, 흥미로운 것은 AI가 양날의 검(39%)이 될 수 있다는 의견이 6%증가했다는 점이다. 이는 아마도 어떤 기업이 추진하고자 하는 AI의 강점이, 만약 다른 경쟁업체가 더 빨리 움직여 먼저 실행할 경우, 리스크가 될 수도 있다는 인식이 생겨나고 있음을 반영한다. 쉐브론의 브룬은 “나는 이것이 장차 비즈니스에서 가장 흥미진진하고, 많은 부가가치를 창출하며, 경쟁력 있는 부분 중에 하나가 될 것이라고 생각한다. 따라서 우리는 최선을 다해 이를 활용하고 차별화의 수단으로 이용할 것이다. 이를 통해 경쟁력을 한층 더 끌어올릴 수 있을 것이라고 믿는다. 하지만, 만약 여기서 뒤쳐진다면, 우리의 경쟁자들에게 우리를 따돌릴 수 있는 기회를 주는 것이나 다름없다.“ 이라고 강조했다.
AI 에 대해 근로자들은 우려와 희망을 동시에 느끼고 있다
인공지능의 도입은 일터에 어떤 영향을 미칠까? 설문조사 응답자들은 직원들의 업무수행에 필요한 스킬에 대해 AI가 지대한 영향을 미칠 것으로 예상한다. (표 10 참조.) 하지만, AI가 인력에 미치는 전반적인 영향에 대해서는 조심스럽게 낙관적인 입장이다.
절대적으로 많은 비율의 응답자들(82%)이 AI가 조직의 생산성을 향상시켜 줄 것이라고 기대하고 있다. 하지만, AI로 인한 생산성 개선으로 인해 인력이 줄어들 것이냐는 질문에 대해서는 관리자들의 의견이 확고하게 갈리고 있다. 사실상, 의견의 거의 정확히 반으로 나뉜다. 47%는 향후 5년간 AI로 인해 ‘조직의 인력규모가 줄어들 것이다‘ 는 의견에 동의했다.
일부 직원들은 인공지능의 시대가 인력감소로 이어질 것을 두려워하고 있다. 다임러의 루돌프는 이런 우려를 진지하게 받아들이고 있으며 조직들이 이를 해결하기 위해 적극적인 조치를 취해야 한다고 말한다. 그는 “우리는 운이 좋게도, 세계적인 성장 산업에 속해 있기 때문에, 고용차원의 변화를 조절하는 데 유리한 위치에 있다.“ 고 말한다. 또한, 다임러의 AI활용 관련 전략 담당자로서, 그는 종종 ‘얼마나 많은 직원이 대체되어야 할까? 얼마나 많은 직원을 해고해야 할까?‘ 와 같은 질문을 받는다고 한다. 그는 이에 대해 ‚‘외교적인 것이 아니라 진지한‘ 대답이 필요함을 잘 알고 있다. 그는, “현재 시점에서 AI가 전체 인력에 미치는 영향을 확신할 수 있는 사람은 아무도 없다. 새로운 상품이 개발되고 있으며, 앞으로도 개발될 것이고, 이는 새로운 스킬을 요하는 것으로 아마도 새로운 일자리를 창출할 수도 있다. 우리는 프로세스를 하나하나 관찰해야 한다. 인공지능은 우리가 일하는 방식을 확실히 바꿔 놓을 것이지만, 반드시 인력감소로 이어질 것이라고는 생각하지 않는다.“ 라고 말했다.
루돌프가 말하는 다임러 사의 일자리의 미래에 대한 불확실성 수준은 전반적인 설문조사 결과를 반영한다. 인력감소에 대한 불확실성은 두 가지 견해가 충돌한 결과이다. 한편으로는, 과거에 자동화 기술을 경험한 것에 비추어, 적어도 어느 지점에서는 일자리가 줄어들기 보다는 더 늘어날 것이라고 안심한다. 반면에, 기계들이 이미 지적인 업무를 수행하고 있는 상황에서, 인간이 할 수 있도록 남겨지는 고차원적인 업무가 과연 얼마나 많을 것인가에 대해 합리적인 의심을 품을 수도 있다. (중국에서는, 이런 회의론적인 견해가 매우 일반적이다.)
유나이티드 에어라인(United Airline)의 최고 디지털 책임자인 린다 조조(Linda Jojo)는 이런 긴장감을 다음과 같이 적절히 요약했다. ‘역사적으로, 항상 새로운 기술에 대한 두려움은 있었다. 타자기를 대체한 워드 프로세서 혹은 컴퓨터, 태블릿 피씨와 노트북에 이르기까지 늘 그래왔다. 하지만, 사람들이 우려했던 일이 실제로 일어나지는 않았다. 보통은, 그 새로운 기술 덕분에, 예전과는 다른, 더 많은 부가가치가 생성되는 일을 하게 되거나, 그 새로운 기술을 통해서만 가능했기 때문에 예전에는 상상할 수도 없었던 일을 하게 된다. 시간이 지나면 결국 그렇게 될 것이라고 믿는다. 다만, 지금으로서는 미지의 영역이기 때문에 어려운 개념일 수 밖에 없다.‘
AI가 일자리에 미치는 영향이라는 주제에 대해, 올해의 설문조사 결과와 경영진인터뷰를 통한 의견은 작년과 유사했다. AI를 경험하고 이해할 수 있는 시간이 일 년 더 있었지만, 아직은 알 수 없는 부분이 많기 때문에 미래를 예측하는 것은 여전히 어려운 일이다.
AI가 미래의 일에 미치는 정확한 영향은 중요하지만, 알 수 없는 영역이다. 예를 들어, 대부분의 응답자가 앞으로 5년 내로 AI로 인해 조직 내의 다른 직원들이 새로운 스킬을 익혀야 할 것이라고 생각하고 있지만, 같은 시기에 본인의 업무가 AI로 인해 대체될 것이라고 걱정하는 응답자는 상대적으로 거의 없었다. 실제로, 두 배 이상의 사람들이 AI가 그들의 업무를 대체한다면, 지루하고 반복적인 업무를 일부 AI가 떠맡고, 자신들은 보다 창의적인 업무에 몰두할 수 있을 것이라는 희망을 품고 있다.
이렇듯 두려움과 희망이 뒤섞여 불확실성이 생겨난다. 단순한 업무와 전략적, 창의적인 업무를 동시에 담당하는 직원들은, AI가 단순업무를 담당하게 되면, 그들에게 보다 흥미로운 업무에 집중할 수 있는 시간이 늘어날 것을 기대하고 있다. 알리안츠(Allianz)의 가리가(Gariga)는 “사람들이 AI를 통해 생산성이 증대되어, 보다 중요하고 가치 있는 업무에 집중할 수 있다는 것을 깨닫는 순간, AI에 대한 거부감은 줄어들 것이다. 이는 실질적인 혜택이고, AI가 인간을 대신하는 것이 아니다. 직원들이 보다 효율적으로 일할 수 있게 되어 고객들에게 진정으로 중요한 업무에 매진할 수 있는 것이다.“ 라고 말했다. 마요 클리닉의 오틀리는 기본개념은 ‚‘쉬운 업무는 자동화‘하고 ‚‘어려운 업무는 보강‘하는 것이라고 말한다. 즉, 사람들이 지겨워하는 업무는 AI솔루션을 적용하기 적당하지만, 사람들이 정신차리기 어려울 정도로 어려운 업무도 역시 그렇다. 그는 여전히 인간이라는 요소가 의료부문에서 반드시 필요한 존재로, 환자를 돌보는 측면에서뿐만이 아니라 엄청난 양의 데이터를 해석하는 과정에서도 인간의 역할이 중요하다고 믿고 있다.
업무 유형별 설문조사 결과를 분석하는 것은 일부 미지의 영역을 명확히 하는데 도움이 된다. 예를 들어, 비즈니스 애널리스트뿐만 아니라, 사무직 및 영업직들도 ‚‘AI가 5년 내로 인력감소를 야기시킬 것이다‘ 라는 것에 동의한다. 비즈니스 애널리스트들 다음으로, 전문가들과 스페셜리스트들이 AI에게 그들의 업무를 일부 빼앗길 것을 특히 두려워하고 있다. 제트블루(JetBlue) 항공의 벤처기업인 제트블루 테크놀로지 벤처스(JetBlue Technology Ventures)의 대표인 보니 시미(Bonny Simi)는 바로 이런 우려 때문에 벤처 캐피탈리스트들이 대부분의 기업에 존재하는 반복적인 내부 업무 프로세스를 자동화하는 기업 솔루션을 주로 개발하는 AI 기업에 투자를 확대하고 있다고 말한다. 물론 AI 가 더욱 발전하는 것은 일부 일자리가 사라지는 것을 의미할 수 밖에 없다고 시미는 믿고 있다. 그는, “예를 들어, 회계담당자와 회계사는 계속 존재하겠지만, 예전처럼 많은 인력이 데이터 입력에 필요하지는 않을 것이다. 낮은 수준의 업무는 자동화될 것이고, 재교육 등을 통해 직원들의 스킬을 향상시켜 보다 고급 역량을 필요로 하는 역할을 수행할 수 있게 될 것이다.‘
이런 시나리오는 단순한 가설이 아니다. 실제로 일부 조직에서는 현실로 일어나고 있다. 그 예로, ING에서는 백오피스 데이터 입력작업에 AI 어플리케이션을 활용함으로써 400명의 정규직원들이 일자리를 잃었다. 코세오글루는 ING가 직원들이 해오던 백오피스 데이터 입력 작업 방법을 소프트웨어에게 학습시켰다고 설명했다.
결론: 통설은 사라지고, 현실이 다가온다.
MIT SMR-BCG 2018 인공지능 글로벌 연구조사 보고서에 따르면, 세계적으로 일부 업체들은 인공지능을 통해 성공적으로 사업가치를 창출하고 있으며, 이런 선구기업적인 노력은 더욱 적극적인 행보로 이어지고 있다. 개별적인 솔루션들을 실행해 인상적인 결과를 얻어내면서, 그 규모를 더욱 확정해 AI를 통해 체계적인 경쟁우위를 구축하고자 전력을 다하는 상황이다.
현재, 기업들은 AI 도입에 다양한 접근을 취하고 있다. 북유럽 인공지능 연구소(Nordic Artificial Intelligence Institute)의 소장인 크리스티안 구트만(Christian Guttmann)은 AI가 제시하는 기회와 도전과제들을 대하는 리더들의 태도에 ‚‘굉장한 차이‘ 가 있다고 말한다. 많은 이들의 관심을 끌 만한 몇몇 사례들을 통해 AI에 대한 관심이 더욱 뜨거워 지면서, 앞으로 5년간 AI로 인한 경쟁우위 확보를 위해 투자가 확대될 것이다. 결론적으로, 구트만은 ‘정부기관뿐 아니라 대기업 리더들이 그 필요성을 절감하면서, 이 모든 것이 가능해 질 것‘이라고 생각한다.
이 보고서를 통해 알 수 있었던 것 중에 하나는 이 연구조사를 통해 일부 통성이 틀렸음을 입증했다는 것이다. 비즈니스 차원의 AI사용에 대해 일반적으로 통용되는 개념들 중 일부가 더 이상 유용하지 않다.
통설: AI의 혜택은 영원히 실현되지 않을 것이다.
현실: AI는 현재, 기술연구소의 실험실에서뿐만 아니라, 실제 조직에서 실제로 가치를 창출하고 있다.
통설: 범용화된 첨단 AI 도구로 인해 모두가 균등한 기회를 누릴 것이다.
현실: 선구기업들이 AI 투자를 확대하면서, 후발주자들과의 격차를 확대하고 있다.
통설: AI에서 성공한 기업들은 소규모 실험을 통해 성공한 기업들일 것이다.
현실: AI 선도기업들은 AI 투자를 증대시키면서 AI규모를 확장하려는 전략을 구상 중이다.
통설: 전사적인 인공지능 활용을 통해 기대할 수 있는 가장 큰 혜택은 반복적인 업무를 자동화함으로써 전례 없는 수준의 운영비용절감을 이뤄 내는 것이다.
현실: 선도기업들은, 경쟁 우위를 점하기 위해, AI를 이용한 새로운 상품 서비스 제안을 하면서 새로운 매출창출에 집중하고 있다.
통설: 고위 관리자들은 AI를 인력감소에 도움이 되는 도구로 본다.
현실: 기업 조직구조에서 관리자의 직급이 높을수록, AI를 일자리 감소의 요인이라고 생각하지 않았다.
AI를 조기에 비즈니스에 도입한 기업들은 그들의 개척자적인 노력이 보답받는 것을 경험한 후, 노련함과 미래의 가능성에 대한 기대감으로, 더욱 적극적으로 AI를 추진하고 있다. 초기 도입으로 인한 혜택이 실현된 후, AI 추진에 대해 의지가 더욱 강해지고 있는 한편, AI 투자 확대 및 확장된 규모의 가치 실현 등 도전과제에 대한 냉철한 인식도 있다. 또한, 아직 그 해답을 알 수 없는 많은 질문들이 있다. 선구기업들은 이미 누구도 넘볼 수 없는 경쟁우위를 확보한 것인가? 중국의 공격적인 AI 도입이 나머지 세계에 미치는 영향은 무엇인가? AI가 경제 성장에 미치는 영향은 어떠한가? AI가 일의 미래에 미치는 영향은 무엇인가?
쉐브론의 브룬이 말한 것처럼, ‘‘AI의 봄날이 찾아왔고, 우리는 긴 여름을 예상하고 있다.“ 2019년 다시 한 번 이 조사를 실시해 새로운 경향에 대해 분석할 예정이다.
