자체적으로 시도한 AI 이니셔티브의 성과를 체감하지 못하는 기업들이 흔하다. 일부 전문가들에 따르면 문제의 원인은 ‘조직 학습(Organizat
AI를 사용하여 예측을 더 잘 하거나 수동 작업을 자동화하는 등 비즈니스 프로세스를 최적화하는 것으로는 부족하다. 기업들은 한 걸음 더 나아가 AI 프로젝트로부터 얻은 교훈이 조직 전체에 스며들도록 해야 한다.
대부분의 조직들은 성공과 실패로부터 배운다고 말하겠지만 이런 학습 내용을 도입하고 기업 전반에 걸쳐 널리 알리는 공식적인 프로세스를 갖춘 기업은 거의 없으며 AI 사용의 경우에는 더욱 그렇다. 그 결과, 기업들 중 11%만이 2020년에 AI 이니셔티브에서 큰 혜택을 입었다고 보스턴 컨설팅 그룹과 협업하여 진행한 MIT SMR(Sloan Management Review)의 최근 보고서에서 밝혔다.
예를 들어, 스코어링 대출 신청의 경우 대출 관계자들이 수동으로 지루하게 데이터를 입력하는 작업이 요구된다. AI 또는 머신러닝을 사용하면 프로세스를 극적으로 최적화하여 비용과 많은 대출 관계자 인력의 필요성을 낮출 수 있다. 하지만 이에 따른 혜택은 기업 측에 국한된다. 기업만이 많은 돈을 절약할 수 있기 때문에 직원들은 자신들의 일자리를 잃게 될 수도 있는 프로젝트를 지원하기를 꺼려한다.
한편, AI를 사용하여 같은 대출 신청 데이터로부터 새로운 인사이트를 얻을 수도 있다. 이를테면 은행은 서비스가 충분하지못한 고객 세그먼트 등을 발견하여 비즈니스를 극적으로 확장할 수 있다. 또는 은행이 신용등급 손상에 대한 우려 때문에 대출 신청을 두려워하는 사람들이 있음을 발견할 수 있다고 보스턴대학교의 CSOM(Carroll School of Management) 정보시스템 교수이자 MIT 슬론 보고서의 공동 저자인 샘 랜스보담이 말하며, 그들의 신용등급에 영향을 미치지 않는 비위험 평가에 대한 기회를 제공하면 이것이 바뀔 수 있다고 덧붙였다.
그는 “대출 프로세스를 자동화할 뿐 아니라 대출 프로세스를 근본적으로 바꾸는 것이다”라고 말했다.
이러한 활용 사례에서는 성장 잠재력에 한계가 없으며 직원들은 추가적인 흥미로운 업무 기회를 제공하는 새로운 기술을 지원할 수 있다.
CIO는 일반적으로 효율성에 더 관심을 갖기 때문에 이런 각도를 인지해야 한다고 랜스보담이 말했다. 그는 “일부 CIO들은 다소 서비스 지향적이다. IT 운영 비용을 낮추는 것만 중시한다. 다르게 접근하는 대신에 이미 하고 있는 일을 자동화하는 경향이 있을 수 있다”라고 지적했다.
3,000명 이상을 대상으로 하는 설문조사에서 MIT 슬론과 BCG는 기업들 중 11%가 ‘상당한 재정적 이익’을 보고했다며, 이들에게 도움이 된 여러 요소를 확인했다.
인간과 AI 사이에서 지식을 공유하고 AI를 전체적인 비즈니스 전략에 통합하며 단순한 자동화를 위해 AI를 사용하는 수준을 넘어서고 인간과 AI가 협력하여 AI가 인간을 돕고 인간이 AI를 도울 수 있는 방법을 찾는 것 등이 이에 해당한다.
랜스보담은 “사람들이 이런 조직 학습 지향적인 조치를 수행할 때 그 11% 그룹에 속할 수 있는 가능성이 거의 80%나 높아질 수 있다는 사실을 발견했다”라고 강조했다.
AI에 사활을 걸다
1월 말, 존슨앤존슨(Johnson & Johnson)은 급속 냉동이 아닌 일반 냉장이 요구되는 자사의 단일 투여식 코로나19 백신을 발표했다. 존슨앤존슨에 따르면 해당 백신은 전체적으로 66% 효과적이지만 심각한 사례를 방지하는 데 85% 효과적이며 사망 방지에는 100% 효과적이다.
존슨앤존슨의 CIO 짐 스완슨은 AI가 없었다면 해당 백신을 만들 수 없었을 것이라고 전했다. 8~9개월 전에는 1개 배치(Batch)의 백신을 만드는 데 2주가 소요되었다. 이제는 1주일에 2개 배치를 만들 수 있다. 4배나 개선된 것이다.
그는 “우리는 AI를 사용하여 발효 프로세스부터 산출량 흐름까지 모든 것을 개선했다. 많은 인사이트가 있으며 모든 조각들이 결과에 기여했다”라고 말했다.
여러 전문지식 영역에 걸친 협력도 그 프로세스를 가속화했다고 그가 말했다. 스완슨은 “다중 영역을 이애하는 데이터 사이언티스트에 대한 아이디어를 추진했다. 연구 및 개발 또는 공급망을 제대로 이해하는 사람이다”라고 설명했다.
AI를 활용하여 코로나19 개발을 가속화하는 것이 중요하지만 존슨앤존슨은 이제 AI를 사용하여 완전히 새로운 비즈니스 기회를 만들고 있다. 예를 들어, AI와 ML을 사용하여 망막 스캔을 검사하고 환자에게 녹내장이 있는지 여부를 판단한다.
해당 기업은 수술 로봇도 개발하고 있다. “정밀도가 높아지고 절차가 개선된다”라고 스완슨이 말했다.
그리고 여기에서 멈추지 않는다. 궁극적인 목표는 환자 조치를 개선하는 것이다. 해당 기업은 수술 전후 프로세스를 모두 고려하고 있다. 그는 “AI를 활용하여 적절한 환자가 적절한 시술을 받도록 하여 그들이 가장 잘 회복되도록 도울 수 있다. 환자에 대한 E2E(End to End) 시야를 확보했으며, 이 덕분에 완전히 새로운 기회가 생겨난다”라고 말했다.
이 접근방식은 존슨앤존슨 전반에 걸쳐 적용되고 있다고 스완슨이 말했다. 아베나(Avena) 피부 관리 제품군을 예로 들면 AI를 통해 소비자는 피부의 사진을 촬영하여 개인화된 제품 추천을 받을 수 있다.
그리고 존슨앤존슨이 이 이미지를 사용하여 사람들이 직면하고 있는 피부 문제를 찾아내는 과정에서 조직 학습이 개입하게 된다. 그는 “이제 갑자기 제품 제공 과정이 가속화되었다. 관련된 제품을 지속적으로 만드는 데이터 피드백 루프가 생긴 것이다”라고 말했다.
이 피드백 루프의 관건 중 하나는 프라이버시와 보안을 지원하는 적절한 데이터 인프라를 마련하는 것이다. “데이터를 안전하게 공유할 수 없다면 공유할 수 없다”라고 스완슨이 말했다. 이것은 특정 조건을 가진 연령 그룹 등의 표현형에 집중하기 위한 데이터의 개인정보를 제거한다는 의미일 수도 있다.
존슨앤존슨의 조직 학습 전략의 마지막 조각에는 총체적인 AI 전문지식의 성장이 수반된다. 스완슨은 “데이터 사용에 익숙하지 않다면 이를 활용할 수 없다. 그래서 우리는 진보적 사고를 하는 R&D 과학자, 비즈니스 전문가, 공급망 전문가를 보유하고 있다. 우리는 데이터 사이언스 위원회를 만들었고, 나는 거기에서 R&D 책임자와 협력한다. 우리는 AI를 비즈니스 전반에 분산시키기로 결정했다”라고 전했다.
게다가 존슨앤존슨의 AI 전략은 상부의 지원도 받고 있다. “우리는 AI와 기술을 기업의 핵심으로 삼았다. 부업처럼 접근해서는 할 수 없다”라고 그는 말했다.
복음 전파하기
존슨앤존슨과 마찬가지로 AI 이니셔티브에 성공한 기업들은 AI를 소규모 그룹에 국한시키지 않는다고 프라이스워터하우스쿠퍼스(PwC)의 파트너 겸 글로벌 AI 리더 아난드 라오가 강조했다. 그들 또한 AI를 회사 전반에 걸쳐 적용하여 기술 또는 분석 배경 지식이 없는 직원들도 사용하고 있다.
그는 “기업들이 ROI를 얻지 못하는 등의 문제가 발생하는 이유는 적절한 교육, 코칭, 관리를 받지 못하고 있기 때문이다. 한 명의 개인이나 하나의 그룹이 여기에서 배우는 것이 아니라 여기에서 조직 전체가 배워야 한다”라고 말했다.
여기에는 ‘다국어를 구사하는’ 사람들, 즉 비즈니스 측면, 주제 영역, 소프트웨어, AI 알고리즘을 이해하는 사람들에게 도움이 된다고 그가 말했다. “아니면 협력할 수 있는 팀을 찾아야 한다. 그것이 가장 어려운 점이다. 마음가짐이 다른 사람들이 협력하도록 하기는 어렵다”라고 그가 덧붙였다.
인간-기계 협업
조직 학습 원칙을 도입한 또 다른 기업은 GE의 비즈니스 프로세스 사업부로 출발한 글로벌 전문 서비스 기업 젠팩트(Genpact)다. 2005년에 분사한 젠팩트는 현재 약 10만 명의 직원을 고용하고 있으며 2019년 35억 달러의 매출을 보고했다.
팬데믹은 잰팩트가 속한 업종에 큰 타격을 입혔다. 이로 인해 1만 명을 정리해고하는 방안을 고려하기도 했다고 해당 기업의 CIO(Chief Innovation Officer) 쟈니 쟈코멜리가 말했다.
그는 이어 “그러나 우리는 AI를 이용해 실시간으로 재교육한다는 결정을 내렸다”라고 말했다. 그는 해당 기업의 학습 및 개발 책임자이기도 하다. 쟈코멜리는 “때로는 몇 주 만에 그들을 재교육하여 새로운 업무에 투입할 수 있었다. 우리는 실제로 코로나19 중에도 경쟁사들과 비교하여 더 성장할 수 있었다”라고 말했다.
재교육은 해당 기업에서 AI를 두 가지 용도로 활용했기 때문에 가능했다. 우선, 젠팩트는 프로세스 마이닝, NLP, 네트워크 분석을 활용하여 업무 처리 방식을 파악하고 예외를 확인하며 해당 기업에서 누구에게 어떤 스킬과 분야 전문지식이 있는지 파악했다.
이 정보는 해당 기업이 직원들을 새로운 업무에 배치하는 데 도움이 되었고, 직원이 새로운 역할을 시작하면 AI 시스템을 통해 특정 작업에 대한 프로세스를 설명하거나 관련된 전문가와 연결해 주어 신속하게 속도를 높일 수 있었다.
“이를 통해 우리가 처한 상황에 더 빠르게 대응할 수 있었다”라고 쟈코멜리가 말했다.
과거에는 지식 관리에도 어려움이 있었다. 5년 전, 이런 프로그램의 실패율은 약 50%였던 것으로 KM 인스티튜트(KM Institute)의 조사 결과 나타났다. 하지만 NLP와 기타 AI 기술의 상당한 발전 덕분에 상황이 극적으로 바뀌었다.
쟈코멜리는 “지난 2~3년 동안 기계가 스스로 할 수 있는 온톨로지(Ontology) 생성 품질이 훨씬 정확해졌다. 이를 통해 훨씬 높은 정밀도를 얻게 된다”라고 말했다.
젠팩트에서는 AI가 IT 부서만의 영역이 아니다. 그리고 그것이 AI에서 상당한 ROI를 볼 수 있는 기업과 없는 기업의 중요한 차이라고 BAH(Booz Allen Hamilton)의 AI 전략 및 교육 책임자 케이틀린 피더링엄이 말했다.
그녀는 “AI는 4차 산업 혁명이다. 이로 인해 상황이 완전히 뒤바뀐다. 단순히 IT 문제가 아니라, 모든 역할이 발전하고 있다”라고 말했다.
AI에 기반한 기업 변혁에는 성과 목표, 교육 목표에 대한 재평가가 요구된다고 그녀가 말했다. 그리고 조직의 비전과 미션에도 연계되어야 한다. 그녀는 “경험상 AI는 비전과 미션에 연계되지 않는 경우가 많았다”라고 말했다.
새로운 비즈니스 부문 만들기
조직 학습의 원칙 중 하나는 AI를 사용하여 직원을 강화하고 그들과 협력하며 그들의 스킬을 보완하는 것이다.
“기계가 잘 하는 것과 인간의 직관 및 지식이 필요한 것 사이에서 협업하면 엄청난 비즈니스적 이점을 얻게 된다”고 H&A(Hurwitz and Associates)의 사장 겸 설립자이자 리더십, 기술, 분석에 대한 10권의 서적을 집필한 주디스 허브비츠가 말했다.
소프트웨어 개발 기업 글로반트(Globant)가 바로 이러한 시도를 하고 있다. 자체적인 AI 기반 강화 코딩을 통해서다. NLP를 사용하여 개발자들이 코드를 기능별로 검색할 수 있도록 함으로써 학습 곡선이 짧고 빨라지며 개발이 더욱 정확해졌다. 또한 이 시스템은 문서를 작성하고 컨텍스트에서 코드를 자동으로 완성한다.
글로반트의 북미 CTO 니콜라스 아빌라는 “AI가 개발자의 중요성을 대체하지는 않을 것이다. 기술이 아직 완성되지는 않았을 뿐더러 우리를 대체하는 것도 아니다”라고 말했다.
대신에 강화된 코딩 기술은 일상적인 업무의 많은 어려운 부분을 해소해준다. 그는 “(개발자에게) 특정한 문제와 고객에 적합한 것에서부터 시작하기 위한 기준을 제공한다. 우리는 단지 그들의 시간을 더욱 효과적으로 이용하는 것이다”라고 말했다.
글로반트는 5년 전 처음으로 AI 역량에 투자했으며, 특히 교육을 보급했다고 아빌라가 말했다. 그 대상에는 개발자뿐 아니라 HR 또는 구매 또는 기타 부서에 소속된 사람들도 어느 정도 포함되어 있었다. “최소한 높은 수준에서 AI 역량에 대해 생각하여 모든 직원들이 기회를 확인할 수 있도록 해야 했다”라고 아빌라는 말했다.
이것이 채용과 유지 등 회사의 다른 영역에서도 AI 기반 애플리케이션으로 발전했다.
코딩이 강화되면서 결국 2019년 초 NLP를 프로그래밍 언어에 적용하는 실험으로까지 발전했다. 이 노력을 통해 일련의 내부 개발 도구가 완성되었고 상업적인 제품으로까지 출시되었다. 아빌라는 “우리는 분명 비즈니스 기회가 성장하고 있다고 생각한다”라고 말했다.dl-ciokorea@foundryco.com
