AI@Work: 리더들이 보지 못하는 가장 중요한 업무 문제

AI, 보이지 않는 업무 패턴을 드러내 성과 창출의 열쇠를 쥐다

마이크로소프트(MSFT)의 AI@Work 시리즈는 리더들이 간과하기 쉬운 업무의 숨겨진 패턴을 AI가 어떻게 밝혀내고, 이를 통해 의사결정, 병목 현상, 그리고 최종 성과를 개선할 수 있는지 심층적으로 분석합니다. 재러드 스파타로 마이크로소프트 AI@Work CMO는 리더들이 전략 자체의 문제보다는 '성과'의 문제에 직면하는 경우가 많다고 지적하며, AI가 이러한 문제 해결의 새로운 지평을 열고 있다고 강조합니다.

대부분의 리더들은 전략에 문제가 있다고 생각하지 않습니다. 의사결정은 합리적이고, 팀은 바쁘게 움직이며, 대시보드 역시 긍정적인 신호를 보냅니다. 하지만 기대했던 만큼 성과가 향상되지 않는 경우가 많습니다. 이는 성과가 단 하나의 결정이나 팀에 의해 좌우되는 것이 아니라, 여러 역할, 부서, 그리고 시간을 가로지르는 복잡한 패턴에 의해 형성되기 때문입니다. 문제는 이러한 패턴들이 업무가 진행되는 동안에는 좀처럼 드러나지 않는다는 것입니다. 성과 지표에 나타날 때쯤이면 이미 패턴을 개선할 기회를 놓친 후입니다.

하지만 이제 AI가 등장하면서 상황이 달라지고 있습니다. AI는 개별 직원이나 팀이 파악하기 어려운 숨겨진 패턴을 수면 위로 끌어올려, 일상적인 의사결정이 실제 결과로 이어지는 과정을 이해할 수 있게 합니다. 이는 조직 내 전문성의 작동 방식과 리더가 성과에 대해 책임지는 방식에 근본적인 변화를 가져올 것입니다.

개인의 전문성은 조직적 성과로 확장되기 어렵습니다.

조직 내 전문성은 본질적으로 패턴 인식 능력입니다. 이는 경험을 통해 축적되며 개인에게 내재되어 있어 문서화하기 어려운 경우가 많습니다. 이러한 현실은 조직이 인력을 채용하고 업무를 구조화하는 방식에 영향을 미쳐왔습니다. 결과적으로, 업무의 질이 참여하는 사람에 따라 달라지고 전문성이 희소해지는 제약이 발생합니다.

이는 취약한 시스템을 만듭니다. 전문성이 개인에게 집중될 때, 실행은 해당 직원의 가용성, 연속성, 그리고 근접성에 의존하게 됩니다. 조직은 승인 절차와 장기 근속 직원의 경험을 통해 이를 보완하려 하지만, 근본적인 제약은 여전합니다. 즉, 실제 조직적 성과를 견인하는 패턴은 한 사람의 머리에 담기에는 너무 크며, 단순히 사람을 더 많이 투입한다고 해서 해결되지 않습니다.

결과적으로 구조적인 괴리가 발생합니다. 개인 수준에서의 개선이 반드시 조직 전체의 성과로 이어지지 않는 것입니다. 직원들은 각자의 업무를 더 빠르게 처리할 수 있지만, 그 업무가 속한 시스템 자체는 변하지 않습니다. 부서 간의 사일로는 여전히 존재하며, 리더들은 이를 연결하는 데 어려움을 겪습니다. 이는 성과를 만들어내는 패턴이 개별 업무에 국한되지 않고, 업무들 간의 상호작용 속에서 발생하기 때문입니다.

AI는 이러한 제약을 해소합니다. 시간, 팀, 데이터를 동시에 넘나들며 작동하는 AI는 개별 직원이나 부서가 독립적으로 파악하기 어려운 패턴을 드러낼 수 있습니다. 이러한 능력은 조직의 패턴 시스템을 가시화하고, 처음으로 이를 운영 가능하게 만듭니다.

인간의 지식과 조직이 보아야 할 것

전문성은 맥락 속에서 패턴을 인식합니다. AI는 이러한 패턴들이 어떻게 결합하여 성과를 창출하는지 밝혀냅니다.

예측이 설계 역량이 될 때

패턴은 성과를 예측 가능하게 만들기 때문에 중요합니다. 완벽하지는 않더라도, 행동을 취할 만큼 충분히 방향성을 제시합니다. 조직은 항상 계획과 예측을 통해 이를 시도해왔습니다. 하지만 이제는 예측을 신속하게 생성하고, 저렴하게 탐색하며, 자원을 투입하기 전에 테스트할 수 있다는 점이 다릅니다.

최근 AI 기반 시뮬레이션 스타트업인 Simile의 팀을 만났습니다. Simile은 고객 행동 및 의사결정 패턴을 기반으로 AI 시뮬레이션을 구축합니다. 기업이 제품 가격을 재조정하거나, 신제품을 출시하거나, 메시지를 변경하기 전에 Simile은 특정 그룹이 어떻게 반응할지 모델링하여, 자원 투입 전에 의사결정의 근거를 테스트할 수 있습니다.

예를 들어, CVS는 9,000개 이상의 매장을 운영합니다. 각 매장에는 상품 진열 방식이 있으며, 이는 어떤 제품을 어디에 배치할지에 대한 상품 기획팀의 결정입니다. 이러한 결정은 항상 경험과 데이터를 기반으로 이루어졌지만, 피드백은 사후에야 얻을 수 있었습니다. Simile을 통해 CVS 상품 기획자들은 이제 변경 사항을 확정하기 전에 진열 방식 옵션에 대한 소비자 반응을 시뮬레이션으로 확인할 수 있게 되어, 잘못된 배치로 인한 매출 손실을 사전에 방지할 수 있습니다. 의사결정의 근거가 비용으로 이어지기 전에 검토되는 것입니다. 이는 5년 전의 조직과는 다른 형태입니다.

이러한 논리는 조직 내 기존 패턴에도 동일하게 적용됩니다. 감사 업무를 예로 들어보겠습니다. 핵심 패턴은 명확합니다. 구조화된 검증과 확인을 통해 재무 기록이 신뢰할 수 있다는 진술을 도출하는 것입니다. 이것이 바로 가치입니다. 하지만 시간이 지남에 따라 이 핵심 활동 주변에 많은 활동이 축적되었습니다. 출장, 현장 조정, 문서 처리, 여러 단계의 검토 등이 그것입니다. 이러한 활동들은 신뢰의 원천이 아니었습니다. 당시의 제약 조건 하에서 패턴을 실행 가능하게 만드는 인프라였습니다. 문제는 조직이 이 둘을 쉽게 구분하지 못해, 마치 핵심 활동인 것처럼 해당 활동들을 중심으로 팀, 워크플로우, 예산을 구축했다는 것입니다. 비계가 구조가 되어버린 것입니다.

AI가 밝혀낼 수 있는 것이 바로 이러한 구분입니다. 감사뿐만 아니라 다양한 부서와 산업 전반에 걸쳐 적용될 수 있습니다. 어떤 활동이 지속적으로 성과에 기여하는지 파악할 수 있다면, 조직은 가장 큰 영향을 미치는 패턴을 중심으로 업무를 재설계하고, 단순히 과정에 포함된 활동들은 줄여나갈 수 있습니다.

리더십의 역할

더 많은 실행이 AI 시스템으로 이전됨에 따라, 리더십은 단순히 업무를 감독하는 것을 넘어 성과를 형성하는 패턴에 대한 책임을 지는 것으로 변화합니다. 이는 어떤 패턴을 강화하고 어떤 패턴을 해체할지 의도적으로 선택하고, 그 선택의 결과에 대한 책임을 수용하는 것을 의미합니다. 이는 용량 관리에 덜 집중하고 규모에 따른 가치 창출 구조를 이해하는 데 더 집중하는, 다른 종류의 책임입니다.

리더들을 위한 실질적인 시험은 간단하지만 불편합니다. 조직 내에서 어떤 패턴이 일관되게 당신이 지지하는 성과를 만들어내고, 어떤 패턴은 결과를 바꾸지 않고 단순히 노력을 조직하는 데 그치는가? 최근까지 이러한 질문에 답하는 것은 운영상 불가능했습니다. 하지만 이제는 가능하며, 리더십은 그 답이 드러내는 것에 어떻게 행동하느냐에 따라 점점 더 정의될 것입니다.

어떤 패턴은 경쟁 우위의 원천입니다. 바로 당신의 조직만이 잘 수행할 수 있는 판단, 고객 관계, 의사결정 등입니다. 다른 패턴들은 단순히 인프라입니다. 필수적이지만 차별화되지 않는 것들입니다. 수년 동안 조직은 이 둘을 쉽게 구분하지 못해, 둘 모두를 중심으로 팀과 예산을 구축해왔습니다. 이러한 패턴들이 명확하게 가시화될 때, 리더십의 결정은 쉽지는 않더라도 명확합니다. 차별화되지 않는 것은 자동화하고, 차별화되는 것에 자원을 전환하는 것입니다.