미래의 조직

앞으로 십 년 동안, 기업들이 학습률 경쟁을 해야 하는 필요성은 더욱 커질 것이다. 기술이 결정적인 역할을 할 것은 분명하다. 인공지능은 엄청나게 빠른 속도로 어마어마한 규모의 복잡한 데이터세트의 패턴을 찾아낼 수 있으며, 이는 역동적 학습을 가능케 한다. 이로 인해 조직들은 변화하는 현실에 계속해서 적응할 수 있고, 새로운 기회가 대두될 수 있을 것이며, 이는 불확실성이 커지는 급변하는 환경에서 더욱 중요해지는 용소이다.

하지만, 학습률 경쟁을 하는 기업들이 AI를 단순히 도입하는 것만으로는 충분치 않다. AI 도입만으로는 개별 활동들의 학습만 강화시킬 수 있기 때문이다. 이전의 혁신적인 기술들과 마찬가지로, AI-와 인간-의 잠재력을 온전히 실현하기 위해서는 근본적인 조직혁신이 필요할 것이다. ₁ 다시 말해서 2020년대에 승리하기 위해서, 리더들은 기업을 차세대학습조직으로 재탄생시켜야 한다.

 

조직을 재구상하라

차세대학습조직은 다음의 중요기능을 충족시킬 수 있도록 재구성되어야 할 것이다. (보기 1 참조.)

보기 1. 차세대 학습조직

• 모든 시간척도에 대한 학습. 기술혁신으로 인해 더 빠른 시간 내에 학습할 수 있는 가능성과 필요성이 증가하는 것은 주지의 사실이다.-알고리즘 트레이딩(algorithmic trading), 가격변동제(dynamic pricing), 실시간 고객맞춤형 상품제안은 이미 많은 비즈니스에서 현실이다. 하지만, 느리게 변화하는 요소들 역시 더욱 중요해지고 있다. 예를 들어, 무역기관, 정치 구조, 부의 계층화 및 사회적 태도 등은 비즈니스에 막대한 영향을 줄 수 있는 방식으로 서서히 변화 중이다. 비즈니스 리더들이 비즈니스에만 집중하면서, 비즈니스 외의 더 광범위한 변수들을 제한요소나 안정적인 트렌드로 취급할 수 있는 시대는 지나갔다. 하지만 이런 전환은 수 년 혹은 수 십 년에 걸쳐 진행된다. 지속가능한 방식으로 성공을 유지하기 위해서, 기업들은 모든 시간척도에 대해 동시에 학습할 수 있어야 한다.

• 인간과 기계를 최적으로 조합. 기계들은 이미 수 세기 동안 비즈니스에서 중요한 역할을 해 왔지만, AI 의 시대에 이르러서는 전통적으로 화이트칼라 직업이라고 여겨졌던 부분까지 그 역할이 급격히 확대될 가능성이 높다. 기계들은 단순히 인간이 지시한 대로 인간이 설계한 프로세스를 실행하는 것이 아니라, 스스로 배우고 적응할 수 있게 될 것이고, 따라서 미래의 조직에서 훨씬 더 큰 역할을 담당하게 될 것이다. 인간은 여전히 없어서는 안 되는 존재이겠지만 그들의 역할은 지능형 기계에 의해 보완되거나 대체되면서 상당히 다른 모습이 될 것이다.

• 기업 경계를 넘어 경제활동 통합. 점점 더 많은 기업들이 다양한 주체들이 포함된 다기업 생태계 속에서 활동하고 있다. 실제로, 세계 최대 기업 중 7개 기업들과 가장 수익성이 좋은 기업들 중 대다수가 현재 플랫폼 업체들이다. 생태계는 학습 잠재력을 대폭 확대시킨다. 기하급수적으로 많은 데이터에 접근할 수 있고, 빠른 실험이 가능하며, 더 큰 고객 공급업체 네트워크에 연결할 수 있다. 이런 잠재력을 최대한 활용하기 위해서는 기업의 경계를 재설정하고 조정을 담당하는 기업 이외에도 경제 활동에 실질적으로 영향을 주어야 한다.

• 조직을 지속적으로 발전. 역동적 학습에 대한 필요는 고객대면 기능에만 국한되어 적용되는 것이 아니다. 기업의 내부 운영에도 해당된다. 새로운 정보를 활용하고 역동적이고 불확실한 환경에서 경쟁하기 위해, 조직의 맥락 자체가 변화하는 외부 환경에 따라 발전가능해야 한다.

보다 안정적인 비즈니스 환경에 맞게 설계된 오늘의 조직들은 이런 기능을 실행하는데 적합하지 못하다. 다음 십 년을 위해 조직을 재구성하기 위해서는 다섯 가지 핵심사항을 기억해야 할 것이다. (보기 2 참조.)

1. 끊김없는(seamless) 학습을 위해 기술 통합.
2. 인간의 인지를 새로운, 더 높은 수준의 활동에 적용.
3. 기계와 인간의 관계 재설정.
4. 더 폭넓은 생태계 육성.
5. 경영 및 리더십의 적절한 재고.

보기 2. 미래의 조직을 위한 5가지 핵심사항

 

끊김없는 학습을 위해 기술 통합

오늘날 새롭게 대두되는 기술들은 강력하다고는 해도, 단순히 기존 프로세스의 개별 단계들만을 개선시킨다면 혜택이 그만큼 증가하기만 할 것이다. 조직의 실질적인 학습률은 새로운 인사이트를 활용하는 능력에 따라 달라진다. 또한 전통적인 조직은, 인간의 의사결정과정과 계층구조에 대한 의존성으로 인해, 느리게 움직인다.

학습 속도를 알고리즘의 시간기준에 맞게 진짜로 상승시키기 위해, 조직들은 비즈니스의 상당부분을 자동화뿐만 아니라 ‘자율화‘ 해야 한다. 전통적인 자동화에서는, 기계들이 이미 설계된 프로세스를 반복적으로 끊임없이 실행한다. 자율화에서는, 기계가 계속적인 피드백을 통해 인간의 개입으로 인한 병목현상 없이 스스로 행동하고, 학습하고, 적응한다.

자율 시스템은 다양한 기술을 통합 학습 루프로 결합해 만들어진다. 디지털 플랫폼에서 얻은 데이터는 자동으로 AI 알고리즘으로 흘러 들어가고, 알고리즘은 실시간으로 정보를 찾아내 새로운 인사이트를 도출하고 결정을 내리는 데 활용한다. 이는 행동 시스템과 직결되고, 행동시스템은 변화하는 조건 속에서 결과물을 끊임없이 최적화한다. 이 행동은 이 순환고리에 다시 투입될 수 있는 새로운 데이터를 또 만들어내어, 루프를 닫고 조직이 알고리즘의 속도로 학습할 수 있도록 해준다.

일부 조직들은 이미 자율 학습 시스템을 실행 중이다. 한 예로, 아마존(Amazon)의 수십 가지 기능들 중 가격결정 및 상품 추천 엔진은 새로운 정보가 나올 때마다 학습하고 적응하는 AI 시스템들에 의해 운영된다. 그리고 이 시스템들은 상호 연결되어 있어서 비즈니스 한 부분에서의 새로운 데이터나 인사이트는 다른 모든 기능에 전달되고 그에 적절한 대응이 일어난다. ₂

이와는 반대로, 전통적인 조직의 접근법은-예를 들어, 불변의 법칙이나 서열구조를 기반으로 하는 의사결정 프로세스- 기술로 인해 실현된 빠른 학습 잠재력을 활용하려는 기업의 역량에 오히려 방해가 될 수 있다. BCG의 스마트한 단순성(Smart Simplicity) 연구를 통해 알 수 있듯이, 오늘날의 조직들은 이미 원활한 협업을 하기 위해 관료주의와 복잡성을 줄여야 하는 필요에 직면해 있다. AI 및 기타 새로운 기술의 도입됨에 따라, 리더들은 사람 대 사람의 효과적인 협동뿐 아니라 자율적인 학습을 가능하게 하기 위해, 조직을 단순화하려는 노력을 배가해야 한다.

자율적인 학습을 활용하기 위해 기업들이 취해야 하는 대책들은 다음과 같다.
• 플랫폼, 사물인터넷 및 기타 새로운 기술을 활용해 비즈니스의 모든 부분에 대해 실시간 데이터 수집

• 데이터 및 의사결정 시스템과 통합해, 확장형 AI 적용.

• 인적 서열구조를 일상적인, 데이터 기반 의사결정의 ‘루프에서 제외‘

 

인간의 인지를 새로운 높은 수준의 활동에 적용

자율학습 기계의 광범위한 도입은 자연스럽게 근로자들이 미래의 조직에서 어떤 역할을 수행할 것인가에 대한 의문을 제기하게 만든다. 현재, 기술이 일의 미래를 파괴적으로 혁신할 속도에 대해서는 이미 많은 우려가 있다. 이 미래를 만들어나가기 위해-그리고 조직의 학습역량을 극대화하기 위해- 비즈니스들은 인간의 인지력을 그만의 고유한 강점에 집중해야 한다.

AI는 물론 강력하고 잠재력이 막대하지만, 여전히 인지적인 범위에서는 본질적으로 한계가 있다. AI는 매우 빠른 속도로, 매우 복잡하고, 매우 큰 용량의 데이터들의 상관관계(어떤 논리가 있는가‘)를 분석할 수 있다. 하지만 인과적 추론(왜 그런 논리가 성립되는가)이나 조건법적 사고(지금은 논리가 성립되지 않지만 그럴 수 있는 것) 등 높은 수준의 합리적 분석을 할 수는 없다. ₃

사람들은 점점 더 이처럼 높은 수준의 활동에 노력을 집중해야 한다. 예를 들어, 상관관계 분석은 빠른 시간척도의 반복행동을 학습하기에는 보통 충분하지만, 정치, 사회, 경제적 동향 등과 같이 서서히 변화하는 요소들을 학습하기에는 유용성이 떨어진다. 이 요소들의 변화는 고유한 것으로, 역사적인 맥락과 궤적에 따라 달라지며 즉, 패턴을 파악할 수 있는 반복적인 데이터 세트가 존재하지 않는다는 의미이다. 인과관계를 이해하고 제한된 데이터에서 일반화를 하는 것과 같은 인간의 능력은 이런 요인들을 해석하고 그에 적합하게 조직을 적응시키기 위해 필수적이다.

기업들의 상상력 경쟁에 대한 필요성이 커지는 상황에서, 조건법적 사고 역시 중요하다. 기존 비즈니스 모델들은 빠르게 고갈되고 있고, 장기성장률은 하락하고 있으며 이는 곧 지속가능한 성장을 위해서는 기업들이 새로운 아이디어를 끊임없이 만들어야 한다는 뜻이다. 하지만 오늘날의 비즈니스들은, 많은 경우 암묵적으로 효율성과 단기적 재무성과 극대화를 위해 설계되어 있기 때문에, 상상력에 큰 도움이 되지 않는다. 조직들은 개인 및 집합적인 상상력을 더욱 잘 발휘할 필요가 있다.

애플(Apple)은 선견지명을 보인 사례라고 할 수 있다. 1997년 스티브 잡스(Steve Jobs)가 CEO로 애플에 복귀했을 때, 그는 그 전까지 지배적이었던 엔지니어링이나 재무와 같은 기능이 아닌, 디자인을 애플 문화의 핵심으로 만들었다. 디자인-인간의 창의력과 상상력을 이용해 새로운 아이디어를 만들어내는-에 집중함으로써 애플은 후에 애플이 세계 최고 가치의 기업이 되는 데 기여한 아이폰 등 참신한 상품들을 만들어 낼 수 있었다.

상상력과 반복적이지 않은 사건을 이해하는 것 외에도, 조직적 설계, 알고리즘 지배구조, 윤리, 대의 등 인간이 유리한 활동들이 많이 있다. 이처럼 사람의 활동이 지배적인 부분에서, 조직들은 더욱 효과적으로 역동적인 협업을 추진해 팀들의 역량을 최대한 이끌어 내야 한다. 이를 위해서는 직접적인 지시에 의존하기 보다는 대응적인 의사결정과 학습이 활발하게 일어날 수 있는 조직 분위기를 조성하는 등의 방법을 통해 자율조직과 실험을 강조할 필요가 있다.

마지막으로, 조직들은 이 새로운 활동이 인지적으로 까다로운 것임을 인식해야 할 것이다. 받은메일함이 넘쳐나고, 끊임없는 회의와, 어디에나 존재하는 정보가 있는 시대에서는 특히 어려운 일이다. 조직들은 사람들이 스스로를 돌아볼 수 있는 방법을 키워 인지적 과부하를 막도록 해야 할 것이다.

조직은 어떻게 사람들이 가치를 극대화하는데 도움을 줄 수 있을 것인가?

• 상상력을 자극하기 위해 직원들을 익숙하지 않거나 변칙적인 정보에 노출시켜라.

• 비정형적으로 생각을 정리할 수 있는 시간을 마련하고 이를 지키도록 하라.

• 역동적인 학습과 적응을 가능하게 하는 새로운 업무방식을 장려하라.

 

인간과 기계간의 관계 재정립

앞서 살펴본 두 가지 핵심사항을 위해서는 혼합 학습조직, 즉 기계와 인간의 비교우위를 종합한 조직이 필요하다. 빅데이터의 복잡한 패턴을 빠르게 파악할 수 있는 기계의 능력과 복잡한 인과관계를 해석하고 새로운 가능성을 상상할 수 있는 인간의 능력을 조합하는 것이다. 이 두 역량이 합쳐져, 조직이 다양한 시간척도- 짧은 주기와 느린 주기 모두-에 대해 학습할 수 있다.

혼합조직에서 인간과 기계는 더욱 새롭고 효과적인 방식으로 협업해야 할 것이다. 이는 동시에 다양한 차원이나 다양한 시간척도를 고려해야 하는 일이며, 현시점에서는 인간이 훨씬 더 효과적인 또 하나의 요소인 사회적 상호작용을 필요로 하는 일이다. 따라서, 조직들은 인간과 기계간의 관계를 재설정해 두 주체의 최대 역량을 이끌어 내고 시너지효과를 극대화해야 할 것이다.

일과 업무의 형태가 변함에 따라 인간과 AI관계의 형태 역시 변화해야 한다.₄

• 특히 빠른 속도와 큰 규모에서의, 최적화 혹은 패턴 인식이 주를 이루는 일에서는 인간이 기계에 의해 대체될 가능성이 높을 것이다. 예를 들어 현재 개인대출심사자가 하고 있는 많은 일들이 AI에 의해 수행될 수 있다. 이런 경우에, 인간은 보다 높은 수준의 가치창출 업무에 주력해야 할 것이다.

• 사회적 상호작용이 필요한 일에서도, 기계들이 최적화와 관련된 요소는 담당할 수 있지만, ‘인간적인 요소‘가 여전히 공감과 연민을 담은 메시지를 전달하는데 중요할 것이다. 예를 들어, MIT는 간호사들과 환자를 연결해주고 환자 기록, 스케쥴 제약, 이전 기록 등에 따라 부족한 자원을 산부인과 병동에 분배하는 로봇을 개발했다. 5 결과적으로, 간호사와 의사들은 환자들과 더 많은 시간을 보내며 직접적으로 공감하고 개개인에 적합한 맞춤형 케어를 제공할 수 있다.

• 최적화보다는 창조성을 더 필요로 하는 일에서는, 인간들이 창조력과 상상력을 강화해 주는 지능형 기계의 도움을 받을 수 있을 것이다. 혁신 및 기술 전문가인 모리스 콘티(Maurice Conti)는 미리 설정된 매개변수들을 기준으로 새로운 가능성을 자동으로 만들어내는 ‘생성형 디자인 툴‘을 그 예로 드는데, 이 툴은 인간 디자이너들에게 새로운 아이디어를 떠오르게 하는 역할을 한다.

• 마지막으로, 창조성과 사회적 상호작용을 모두 필요로 하는 일에서는, 인간이 지금처럼 많은 핵심 업무를 담당하게 될 것이지만 대상을 설정한 AI 어플리케이션이 그 역량을 극대화하는데 도움이 될 것이다. 한 예로, 구글(Google)과 전 구글 직원들이 창립한 한 스타트업은 넛지 엔진(Nudge Engine)을 개발했는데, 이 엔진은 직원들이나 관리자들에게 그들의 효율성을 증대시킬 수 있는 개인맞춤형 제안을 제공하는데 AI를 이용하고 있다. ₆

이처럼 새로운 유형의 인간-기계 관계가 성공하기 위해서는, 조직이 끊김없는 협업을 위해 효과적인 인간-기계 인터페이스를 개발해야 한다. 현재의 AI 모델은 해석이 가능하도록 설계되지 않은 ‘블랙박스‘인 경우가 많기 때문에 신뢰도가 떨어질 수 있다. 조직들은 이런 장애물을 극복하기 위해 AI가 제안을 하는 방식에 투명성을 더해 인간들이 기계의 행동을 이해하고 검증할 수 있는 인터페이스를 개발하고 실행해야 한다. 또한, 인간과 알고리즘은 대역폭이나 복잡성에 있어서 거의 비교가 되지 않는다. 인간과 컴퓨터의 소통을 위해 적절한 수준의 추상화와 요약을 결정하는 것이 매우 중요하다. 너무 많은 축약은 미묘한 차이를 간과하는 것이고, 인적 혁신의 진행에 방해가 될 수 있는 반면 너무 약한 축약은 인간 관리자들에게 너무 큰 부담이 될 것이다.

예를 들어, 안 질환을 찾아내는 구글의 딥마인드(DeepMind) AI 시스템은 두 단계로 운영되도록 설계됐다. 우선, 이미지의 어떤 특징이 안 질환과 관련 있는지 파악한 후 그 특징들을 기초로 질병을 진단하는 것이다. 이런 구조로 인해 의사들은 이미지에서 어떤 부분이 각각 어떤 질환의 진단과 연결되는지 알 수 있게 되어 시스템에 대한 신뢰도가 상승하게 된다. ₇

인간과 기계 관계에서의 경계는 아직 모호하지만 몇 가지 핵심사항이 있다.

• 관련 어려움에 따라 과업 및 일을 나누어 정리하고 인간과 기계를 적절히 배치하라.

• 협력적인 인간-기계 관계를 더욱 강력하게 활용하라.

• 인간이 신뢰하고 이해할 수 있는 설명가능한 알고리즘을 개발하라.

 

더 폭넓은 생태계 육성

전통적인 생산모델에서, 기업들은 선형적인 가치사슬을 운영해 좁은 범위의 상품을 생산했다. 하지만 이제 점점 더 많은 경제활동이 생태계, 즉 전통적인 산업의 경계를 넘나드는 복잡하고, 반유동적인 기업의 네트워크 속에서 조직되고 있다.

생태계는 다양한 주체들의 정보와 역량을 조합해 시장에 대한 새로운 접근경로를 모색하고 학습하는 종합적인 역량을 향상시킨다. 또한 예측할 수 없었던 기회가 생길 경우에 새로운 상품 및 서비스를 빠르게 개발할 수 있다. 이는 과거보다 더욱 복잡하고 예측하기 어려워질 가능성이 높은 미래의 비즈니스 환경에서 특히 중요한 혜택이 될 것이다.

하지만, 이런 혜택을 실현하기 위해서는 새로운 조직 논리가 필요하다. 의도적인 계획과 통제로는 생태계를 성공적으로 관리할 수 없다. 조직은 생태계에서 발생하는 신호에 따라 유연하고 대응적인 내부 프로세스를 실행하는 등 적응성을 높여야 한다. 또한 생태계에 간접적인 영향을 통해 혜택을 증대시킬 수 있는 역량을 개발할 필요가 있다. 이는 예를 들어, 다른 이해관계자들이 특정 방식으로 행동하는 것에 대해 인센티브를 부과하는 플랫폼을 만들어내는 등의 방식을 통해 가능하다.

생태계는 상품을 개발하고 생산하는 새로운 방식일 뿐만 아니라, 조직의 ‘백오피스‘에 새로운 기회를 제공해 준다. ‘긱 경제(gig economy)’가 점점 성장함에 따라, 기업들은 외부의 프리랜서 인재를 대대적으로 활용할 수 있고 이로 인해 매우 다양한 스킬에 대한 유연한 접근이 가능해진다. 하지만 노동공유 플랫폼을 이용하는 것 역시 전통적인 지휘통제 기법보다는 간접적인 형태의 관리가 필요한 일이다.

예를 들어, 네덜란드 기술기업인 필립스(Philips)는 비즈니스의 많은 영역에서 생태계를 조율하고 있다. 상품분야에서는, 헬스 케어 부서가 다양한 가치창출 단계에서 여러 생태계에 참여한다. 대학 실험실, 로봇공학업체, 스타트업 등이 함께 하는 혁신 생태계, 여러 디지털 헬스케어 협력업체들을 연결하는 온라인 건강 앱을 기반으로 하는 영업 및 서비스 생태계 등이 포함된다. 필립스는 또한 필립스 탤런트 풀(Philips Talent Pool)이라는 노동공유 플랫폼을 개발해 필립스와 관련 있는 프리랜서들의 풀을 관리하고 업무의 질을 모니터하고 있다.

조직의 외부 및 내부 업무운영을 유연하고 진화하는 생태계로 재구상하면, 기업들은 훨씬 더 큰 역동성과 복잡성을 다룰 수 있다. 이를 위해서는 조직의 모든 요소들이 시장요소에 따라 변화할 수 있어야 하며, 즉 새로운 기회가 있을 때 이를 학습하고 적응할 수 있어야 한다. 또한, 새로운 정보에 대해 자동으로 조정되어 알고리즘의 속도로 학습 및 자원 재분배를 가능하게 하는 내부 시스템이 필요하다. 이 모든 역량이 조화를 이루면, 환경에 따라 끊임없이 학습하고 진화하는 ‘자율 조정 기업‘이 만들어질 것이다. (보기 3 참조.)

보기 3. 자율조정 조직은 역동성과 복잡성을 수용한다.

조직전체에 그리고 조직을 넘어서 생태계의 힘을 활용하기 위해, 리더들은 반드시 다음사항을 실행해야 한다.

• 외부 파트너와 협력해 공동의 미래 비전을 수립.

• 대규모의 협력 및 정보 공유를 위해 플랫폼이나 API 등의 역량 개발.

• 내부 프로세스 재설계를 통해 적응성과 데이터 중심성을 강화해 조직을 ‘자율조정‘ 조직으로 재탄생.

 

리더십 재고

전체적으로, 이상의 핵심사항들은 이제는 조직을 이전과는 다른 방식으로 설계하고 운영해야 한다는 의미이며, 이는 결국 리더십의 역할을 상당히 변화시킬 것이다. 특히, 관리자들과 리더들은 몇 가지 새로운 도전과제에 집중해야 한다.

AI 및 자율 기계를 위한 지배구조 원칙 수립. 기계가 학습과 행동에서 더욱 많은 역할을 하게 됨에 따라, 가이드라인과 우선순위를 설정하는 리더십의 역할은 더욱 중요하게 될 것이다. 지난 십 년간, 기술기업들이 이 문제를 회피할 수 있었던 것은 새로운 기술에 대한 전망과 가능성 덕분에 기업들이 일단 신속히 움직일 수 있도록 일종의 허가를 받았기 때문이다. 하지만 기술에 대한 사회적 감시가 강화되면서, 지배구조, 신뢰, 윤리에 대한 질문들에 대한 관심이 커지고 있다. 또한, AI가 더욱 광범위하게 도입됨에 따라, 모든 기업들이 이 어려운 문제를 다룰 수 밖에 없게 될 것이다.

어떤 조직들은 이미 이 문제들에 대한 대처를 시작하고 있다. 예를 들어, 마이크로소프트 (Microsoft)는 기업들이 공정성, 책임감, 투명성 등 AI 시스템 실행 시 윤리원칙 활용법을 배울 수 있도록 지원하는 새로운 리더십 직책을 만들기도 했다.₈

지속적인 인적 학습역량 발휘. 인간은 점점 더 고차원적인 사고에 집중하면서, 새로운 스킬을 학습하고 연습해야 할 것이다. 이런 전환은 ‘일회성‘ 학습으로 이루어질 수는 없다. 필요한 역량은 예측할 수 없는 방식으로 계속해서 진화할 것이다. 따라서, 학습은 직무실행 초기에 일괄적으로 실시되기보다는 업무 흐름에 내재되어 있어야 하고 변화하는 니즈에 맞게 대응해야 한다. 조직들은 또한 직원들과의 ‘학습 계약‘에 투자해, 새로운 역할에 필요한 새로운 스킬을 지속적으로 개발하기 위해 노력할 것을 상호 약속해야 할 것이다.

생태계 주도. 조직의 범위가 더 광범위한 생태계로 확장됨에 따라, 리더들은 새로운 접근법을 도입해야 할 것이다. 전통적인 ‘기계적‘ 접근은 조직적 행동이 완벽하게 계획되고 통제될 수 있다는 가정에 의존하고 있는데 이는 더 이상 유효하지 않다. 그보다는, 리더들이 ‘생태학적‘ 마인드를 갖출 필요가 있다. 즉, 비즈니스가 예측불가능하게 진화하는 복잡한 시스템에 내재되어 있다는 것을 인식하는 것이다. 이는 기존 지식이 충분하다고 가정하기보다는 환경에 대해 학습하는 실험적 접근을 통한 관리를 말한다. 또한 예측할 수 없는 결과에 대비하기 위해 회복력에 우선순위를 두는 것도 필요하다.

적응력 있는 조직의 조율. 마찬가지로, 자율조정 기업을 운영하기 위해서는 조직 리더십 역할에 대해 색다른 관점이 필요하다. 팀들에게 통제권을 행사하고 운영에 직접 관여하는 대신, 리더들은 그들이 해야 할 역할을 개인과 기계가 얽힌 복잡하고 역동적인 시스템을 조율해 생산적인 결과를 도출해내는 것으로 재설정해야 한다. 이는 BCG의 전 CEO였던 존 클락슨(John Clarkseon)이 1990년 선견지명을 갖고 표현했던 것처럼, ‘클랙식 음악 작곡가/지휘자‘ 에서 ‘즉흥적인 재즈 그룹 리더‘로 리더십 마인드가 전환되는 것의 연장선상으로 볼 수 있다.

결과적으로, 관리자들의 일상적인 업무가 변할 것이다. 조직에서 실제로 ‘관리될‘ 수 있는 것들이 줄어들 것이기 때문에, 직접적인 의사결정의 형태로 이루어지는 전통적인 관리는 줄어들 것이다. 이제 관리자들은 스스로를 의사결정자보다는 코치로 생각하고 그들의 활동을 기업의 환경이나 맥락을 형성하는 보다 고차원적인 활동으로 변화시킬 필요가 있다.

2020년대에 승리하는 기업들은 오늘날의 기업들과는 매우 다른 모습일 것이다. 사용하는 역량이 다를 것이고, 지금과는 다른 영향력의 속도와 규모로 운영될 것이며, 구조와 의무의 내용이 다를 것이다. 또한 이상의 모든 것을 실천하기 위해 다른 리더십 모델을 구현할 것이다.

하지만, 한 곳에서 다른 곳으로의 전환을 실제로 이루어 내는 것은 쉽지 않을 것이다. 2020년대에 승리하기 시리즈의 다음 보고서에서는, 리더들이 조직에 필요한 변혁을 실행하기 위해 어떻게 복잡한 변화의 과학을 어떻게 능숙하게 활용할 것인지에 대해 보다 자세히 살펴본다.

참조

1. T. Bresnahan, E. Brynjolfsson, and L. Hitt, “Information Technology, Workplace Organization and the Demand for Skilled Labor: Firm-Level Evidence,” The Quarterly Journal of Economics, MIT Press, 2002.
2. V. Granville, “21 data science systems used by Amazon to operate its business,” Data Science Central, 2015.
3. J. Pearl and D. Mackenzie, The Book of Why: The New Science of Cause and Effect, Basic Books, 2018.
4. Kai-Fu Lee, AI Superpowers, Houghton Mifflin Harcourt, 2018.
5. S. O’Brien, “MIT robot helps deliver babies,” CNN, July 2016.
6. D. Wakabayashi, “Firm Led by Google Veterans Uses A.I. to ‘Nudge’ Workers Toward Happiness,” New York Times, December 2018.
7. J. Kahn, “Artificial Intelligence Has Some Explain¬ing to Do,” Bloomberg Businessweek, December 2018.
8. S. Castellanos, “Microsoft AI Ethicist Guides Businesses on Responsible Algorithm Design,” Wall Street Journal, October 2018.