기업의 AX(AI Transformation) 전면 적용에 따른 생산성 향상, 조직 합리화의 기대는 점점 커지고 있습니다. AI 기술을 통한 변화와 혁신을 기대하게 되었고 단순한 디지털 전환을 넘어 경영혁신, 조직관리에도 큰 영향을 미치기를 기대하고 있습니다. 하지만 대다수의 기업은 AX의 도입에 있어 효과성에 대한 막연한 우려를 하고 있습니다. 아직 AI를 본격적으로 활용하는 직무나 스킬에 대한 정의가 없기 때문입니다. 해야 하나? 해야겠지? 하면 뭐가 좋아지지? 그런데 어떻게? 그래서 기업에서 바라보는 AX 전면 활용은 관망 수준입니다. 예산을 투입해 일단 도입하고 볼 수 있는 단순한 소프트웨어나 패키지 솔루션이 아니기 때문입니다. 지금은 그저 개인차원에서 사용을 허용하는 수준에서 효과성을 측정해보는 단계일 뿐 실효성에 대한 사례나 증명이 없으면 절대로 도입이든 설치든 어떤 개념으로도 받아들이기 쉽지 않습니다. 소수 기업은 AX 도입 후 고려할만한 효과성을 파악하기 위해 조사나 공부를 하고 있습니다. 그럴 기업은 없겠지만 별 생각없이 도입한다고 자동적으로 변화가 생기거나 생산성 향상이 되지는 않기 때문입니다. 면밀한 검토와 스킬 중심 업무체제 전환이라는 분명한 목적이 없다면 도입 자체에 큰 의미를 두고 투자를 진행할 수 없기 때문입니다. 사실 투자대상으로 생각하지 않는 경우가 더 많습니다. 알아서 일을 잘해주기를 바랄 뿐입니다.
"딜로이트 AI 연구소는 'AI활용서: 6대 산업별 활용사례'라는 보고서에서 AI를 활용할 경우 △비용 절감 △실행 속도 단축 △복잡성 단축 △관계의 전환 △혁신 촉진 △신뢰 강화 등의 기업 가치를 창출할 수 있을 것이라고 소개한 바 있습니다. AI 기술을 통해 업무 효율을 높일 수 있을 뿐만 아니라 고객과의 관계를 재정립하고 새로운 성공 전략을 마련할 수 있을 거라는 분석을 했습니다."
스킬 중심의 업무체제 전환을 얘기할 때 '기존의 기업관점의 특정 세력을 위한 것이 아닌 Unit 관점의 접근'이라는 점을 언급한 바 있습니다. AX의 전면 적용을 논할 때 가장 효과적인 접근 방법이라는 점을 얘기하는 것입니다. 스킬 중심의 업무체제에서 중요한 점은 스킬의 차별성입니다. Unit 중심의 스킬을 강조하는 이유는 스킬의 근본적인 변화를 주도하는 주체가 Unit, 즉 AI 스킬을 보유한 직원이기 때문입니다. 그래서 스킬 중심의 업무체제 전환을 논하는 이유는 바로 스킬의 AX화가 스킬 중심의 업무체제 전환의 Key라는 점입니다. 그래서 기업 중심의 업무체제 전환 관점에서보다 Unit 중심의 업무체제 전환 관점에서 스킬 DB화가 효율적일 것이라는 예상이 가능해집니다. 놓치기 싫은 권력구조를 위해 기업 중심의 업무체제 전환을 꾀한다면 AX화의 효과성 예측과 효율적 적용이 어렵기 때문에 실패할 가능성이 높아질 것도 예상이 가능해집니다. 결국 스킬 중심 업무체제 전환의 축은 AX라는 점을 인식하게 됩니다. 인식해야 합니다.
스킬 (AX화 된) 중심의 업무체제 전환
AI는 이미 우리의 일상에 상당한 수준으로 침투했습니다. ChatGPT와 같은 생성형 AI는 이제 단순히 검색을 대신한 질의응답을 넘어 이메일 자동화, 블로그 자동화, 아이디어 브레인스토밍, 고객 서비스 지원 등 다양한 분야에서 활발히 검증되고 있습니다. AI 시스템은 실존하는 기존 업무 수행 프로세스를 간소화하며 생산성을 극대화할 가능성이 매우 커진 상태입니다. 사람들은 수많은 어플리케이션을 만들어 AI에 적용해 본인만의 GPT를 생성해 사용하기 시작했습니다. 아직은 개발자나 얼리어답터로 분류되는 개인에 의한 수준이지만 급속도로 퍼지고 있습니다. Data를 명령에 맞게 처리하는 수준에서 프롬프트 엔지니어링을 통한 활용성의 확대, 연계작업을 통한 자동화 등 실제로 생산성 향상이나 업무 효율성 강화에 가능성을 보이기 시작한 것입니다.
앞서 아직 미미한 비율이지만 실제 직무에 활용이 가능한 스킬로 자리를 잡기 시작한 이 중요 스킬이 바로 스킬 중심의 업무체제 전환을 가능하게 하는 Key라고 언급했습니다. 그렇다면 지난 칼럼에서 얘기한 스킬 중심의 업무체제 전환 작업을 빠르게 검토하기 시작해야 할 필요성은 충분히 이해할 수 있습니다. 기업의 근본적인 목적에 이만큼 부합하는 현상은 당연히 검토가 되어야 합니다. 이제 스킬 중심의 업무체제 전환을 검토할 때 고려해야 할 스킬이 어떤 것인지 방향은 잡았다고 볼 수 있습니다. 다만 그 스킬의 수준, 적용 범위, 기술의 안정성 등 검토해야 할 것은 매우 많고 복잡하기 때문에 충분한 시간이라는 투자요소를 검토해야 할 것입니다. 충분한 시간이 없다면 빠르게 적용하기 위한 방안도 고려해야 합니다. 철저한 검토와 계획, 목적, 방향 설정없이 대세를 따르기 위한 모방에 그칠 것이라면 중장기적 관점에서 업계 사례를 분석해야 합니다.
스킬 중심 업무체제 전환의 성공 요건
1. 명확한 목표 설정
AI 도입을 통해 무엇을 달성하고자 하는지 명확하게 정의해야 합니다. 이미 가지고 있는 스킬로 충분한 생산성을 확보하고 있다면 그 이상의 혁신을 기대할 수 있는지 검증해야 합니다. AI를 활용하는 부분의 산업인력공단이나 글로벌 기준 자격증은 없습니다. 철저하게 사용자 기준에서 활용과 검증을 통해 적용 가능한 영역을 찾고 혁신의 가능성을 찾아야 합니다.
2. 데이터 확보 및 관리
AI 적용에 앞서 스킬 활용을 위한 충분한 양의 고품질 데이터를 확보하고 관리하는 것이 중요합니다. 과거 Big Data 관리의 필요성이 대두될 때 충분한 고민을 한 경험이 있다면 그 이유를 더 설명할 필요는 없습니다. 현 시스템이 보유한 Raw Data를 어떻게 활용할 것인지 새로운 Raw Data 확보가 필요할 지 검토도 동반되어야 합니다.
3. AI 기술 및 인력 확보
AI 기술 전문가 및 AI 활용 능력을 갖춘 인력을 확보해야 합니다. AI 기술이 등장했을 때 AI가 인간의 영역을 어디까지 침범하고 대체할 수 있는가 논의가 있었지만 AI 자체가 아니라 AI를 활용할 수 있는 사람에 의해 AI를 활용할 줄 모르는 사람이 대체 대상이라는 것이 현재까지의 결론입니다. 인지가 빠른 기업들은 이미 전 구성원에게 AI기술 확보를 권장하고 있습니다. 적극적으로 보안문제를 해결하고 활용할 것을 촉구하고 있습니다.
4. 기존 시스템과의 통합
AI 시스템을 기존 업무 시스템과 원활하게 통합해야 합니다. 이미 고도의 최적화를 이룬 시스템에 AI라는 강점을 더한다는 방향을 설정하는 것을 권장합니다. 현재 AI는 엔터프라이즈급 시스템을 표방하지 않습니다. 어플리케이션으로 기존 시스템을 보조하는 것을 검토해야 합니다. 인간이나 기존의 시스템을 완전히 대체할 수 있는 단계는 아직 미래의 이야기입니다.
5. 지속적인 교육 및 훈련
직원들이 AI 기술을 효과적으로 활용할 수 있도록 지속적인 교육과 훈련을 제공해야 합니다. 활용을 권장한다고 해서 모든 직원들이 스스로 학습을 하는 것이 아닙니다. 기존 시스템이나 신기술 도입 시 전사 대상 교육을 진행했지만 지금까지도 교육이 필요한 상황임을 인지해야 합니다. HRD의 영원한 과제이자 직무입니다.
기업의 AX(AI Transformation) 전면 적용에 따른 생산성 향상, 조직 합리화의 기대는 점점 커지고 있습니다. AI 기술을 통한 변화와 혁신을 기대하게 되었고 단순한 디지털 전환을 넘어 경영혁신, 조직관리에도 큰 영향을 미치기를 기대하고 있습니다. 하지만 대다수의 기업은 AX의 도입에 있어 효과성에 대한 막연한 우려를 하고 있습니다. 아직 AI를 본격적으로 활용하는 직무나 스킬에 대한 정의가 없기 때문입니다. 해야 하나? 해야겠지? 하면 뭐가 좋아지지? 그런데 어떻게? 그래서 기업에서 바라보는 AX 전면 활용은 관망 수준입니다. 예산을 투입해 일단 도입하고 볼 수 있는 단순한 소프트웨어나 패키지 솔루션이 아니기 때문입니다. 지금은 그저 개인차원에서 사용을 허용하는 수준에서 효과성을 측정해보는 단계일 뿐 실효성에 대한 사례나 증명이 없으면 절대로 도입이든 설치든 어떤 개념으로도 받아들이기 쉽지 않습니다. 소수 기업은 AX 도입 후 고려할만한 효과성을 파악하기 위해 조사나 공부를 하고 있습니다. 그럴 기업은 없겠지만 별 생각없이 도입한다고 자동적으로 변화가 생기거나 생산성 향상이 되지는 않기 때문입니다. 면밀한 검토와 스킬 중심 업무체제 전환이라는 분명한 목적이 없다면 도입 자체에 큰 의미를 두고 투자를 진행할 수 없기 때문입니다. 사실 투자대상으로 생각하지 않는 경우가 더 많습니다. 알아서 일을 잘해주기를 바랄 뿐입니다.
"딜로이트 AI 연구소는 'AI활용서: 6대 산업별 활용사례'라는 보고서에서 AI를 활용할 경우 △비용 절감 △실행 속도 단축 △복잡성 단축 △관계의 전환 △혁신 촉진 △신뢰 강화 등의 기업 가치를 창출할 수 있을 것이라고 소개한 바 있습니다. AI 기술을 통해 업무 효율을 높일 수 있을 뿐만 아니라 고객과의 관계를 재정립하고 새로운 성공 전략을 마련할 수 있을 거라는 분석을 했습니다."
스킬 중심의 업무체제 전환을 얘기할 때 '기존의 기업관점의 특정 세력을 위한 것이 아닌 Unit 관점의 접근'이라는 점을 언급한 바 있습니다. AX의 전면 적용을 논할 때 가장 효과적인 접근 방법이라는 점을 얘기하는 것입니다. 스킬 중심의 업무체제에서 중요한 점은 스킬의 차별성입니다. Unit 중심의 스킬을 강조하는 이유는 스킬의 근본적인 변화를 주도하는 주체가 Unit, 즉 AI 스킬을 보유한 직원이기 때문입니다. 그래서 스킬 중심의 업무체제 전환을 논하는 이유는 바로 스킬의 AX화가 스킬 중심의 업무체제 전환의 Key라는 점입니다. 그래서 기업 중심의 업무체제 전환 관점에서보다 Unit 중심의 업무체제 전환 관점에서 스킬 DB화가 효율적일 것이라는 예상이 가능해집니다. 놓치기 싫은 권력구조를 위해 기업 중심의 업무체제 전환을 꾀한다면 AX화의 효과성 예측과 효율적 적용이 어렵기 때문에 실패할 가능성이 높아질 것도 예상이 가능해집니다. 결국 스킬 중심 업무체제 전환의 축은 AX라는 점을 인식하게 됩니다. 인식해야 합니다.
스킬 (AX화 된) 중심의 업무체제 전환
AI는 이미 우리의 일상에 상당한 수준으로 침투했습니다. ChatGPT와 같은 생성형 AI는 이제 단순히 검색을 대신한 질의응답을 넘어 이메일 자동화, 블로그 자동화, 아이디어 브레인스토밍, 고객 서비스 지원 등 다양한 분야에서 활발히 검증되고 있습니다. AI 시스템은 실존하는 기존 업무 수행 프로세스를 간소화하며 생산성을 극대화할 가능성이 매우 커진 상태입니다. 사람들은 수많은 어플리케이션을 만들어 AI에 적용해 본인만의 GPT를 생성해 사용하기 시작했습니다. 아직은 개발자나 얼리어답터로 분류되는 개인에 의한 수준이지만 급속도로 퍼지고 있습니다. Data를 명령에 맞게 처리하는 수준에서 프롬프트 엔지니어링을 통한 활용성의 확대, 연계작업을 통한 자동화 등 실제로 생산성 향상이나 업무 효율성 강화에 가능성을 보이기 시작한 것입니다.
앞서 아직 미미한 비율이지만 실제 직무에 활용이 가능한 스킬로 자리를 잡기 시작한 이 중요 스킬이 바로 스킬 중심의 업무체제 전환을 가능하게 하는 Key라고 언급했습니다. 그렇다면 지난 칼럼에서 얘기한 스킬 중심의 업무체제 전환 작업을 빠르게 검토하기 시작해야 할 필요성은 충분히 이해할 수 있습니다. 기업의 근본적인 목적에 이만큼 부합하는 현상은 당연히 검토가 되어야 합니다. 이제 스킬 중심의 업무체제 전환을 검토할 때 고려해야 할 스킬이 어떤 것인지 방향은 잡았다고 볼 수 있습니다. 다만 그 스킬의 수준, 적용 범위, 기술의 안정성 등 검토해야 할 것은 매우 많고 복잡하기 때문에 충분한 시간이라는 투자요소를 검토해야 할 것입니다. 충분한 시간이 없다면 빠르게 적용하기 위한 방안도 고려해야 합니다. 철저한 검토와 계획, 목적, 방향 설정없이 대세를 따르기 위한 모방에 그칠 것이라면 중장기적 관점에서 업계 사례를 분석해야 합니다.
스킬 중심 업무체제 전환의 성공 요건
1. 명확한 목표 설정
AI 도입을 통해 무엇을 달성하고자 하는지 명확하게 정의해야 합니다. 이미 가지고 있는 스킬로 충분한 생산성을 확보하고 있다면 그 이상의 혁신을 기대할 수 있는지 검증해야 합니다. AI를 활용하는 부분의 산업인력공단이나 글로벌 기준 자격증은 없습니다. 철저하게 사용자 기준에서 활용과 검증을 통해 적용 가능한 영역을 찾고 혁신의 가능성을 찾아야 합니다.
2. 데이터 확보 및 관리
AI 적용에 앞서 스킬 활용을 위한 충분한 양의 고품질 데이터를 확보하고 관리하는 것이 중요합니다. 과거 Big Data 관리의 필요성이 대두될 때 충분한 고민을 한 경험이 있다면 그 이유를 더 설명할 필요는 없습니다. 현 시스템이 보유한 Raw Data를 어떻게 활용할 것인지 새로운 Raw Data 확보가 필요할 지 검토도 동반되어야 합니다.
3. AI 기술 및 인력 확보
AI 기술 전문가 및 AI 활용 능력을 갖춘 인력을 확보해야 합니다. AI 기술이 등장했을 때 AI가 인간의 영역을 어디까지 침범하고 대체할 수 있는가 논의가 있었지만 AI 자체가 아니라 AI를 활용할 수 있는 사람에 의해 AI를 활용할 줄 모르는 사람이 대체 대상이라는 것이 현재까지의 결론입니다. 인지가 빠른 기업들은 이미 전 구성원에게 AI기술 확보를 권장하고 있습니다. 적극적으로 보안문제를 해결하고 활용할 것을 촉구하고 있습니다.
4. 기존 시스템과의 통합
AI 시스템을 기존 업무 시스템과 원활하게 통합해야 합니다. 이미 고도의 최적화를 이룬 시스템에 AI라는 강점을 더한다는 방향을 설정하는 것을 권장합니다. 현재 AI는 엔터프라이즈급 시스템을 표방하지 않습니다. 어플리케이션으로 기존 시스템을 보조하는 것을 검토해야 합니다. 인간이나 기존의 시스템을 완전히 대체할 수 있는 단계는 아직 미래의 이야기입니다.
5. 지속적인 교육 및 훈련
직원들이 AI 기술을 효과적으로 활용할 수 있도록 지속적인 교육과 훈련을 제공해야 합니다. 활용을 권장한다고 해서 모든 직원들이 스스로 학습을 하는 것이 아닙니다. 기존 시스템이나 신기술 도입 시 전사 대상 교육을 진행했지만 지금까지도 교육이 필요한 상황임을 인지해야 합니다. HRD의 영원한 과제이자 직무입니다.
Miil Greg Jang (장미일)
Head Consultant at COYS
L&D, OD, Job, Speech, Teaching
100만큼 사람을 사랑하는 일을 도모합니다.
사회인의 건강한 일탈을 위한 COYS를 이끌어 갑니다.
■ 브런치 스토리
- 실패한 직장의 온갖 핑계 (2022)