매킨지, 미래의 조직: 생성형 AI로 구현, 사람이 주도

하지만 리더가 생성형 AI의 기능을 폭넓게 바라보고 조직에 미치는 영향을 깊이 고려해야만 사람들에게 힘을 실어줄 수 있습니다.

https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/the-organization-of-the-future-enabled-by-gen-ai-driven-by-people

The organization of the future: Enabled by gen AI, driven by people

 

"우리는 자동화와 디지털화에서 뒤처져 있었는데, 마침내 그 격차를 좁혔습니다. 다시는 뒤처지고 싶지 않지만 제너레이티브 AI에 대해 어떻게 생각해야 할지 잘 모르겠습니다."

비즈니스 세계에서 생성형 인공 지능(gen AI)이 발전하는 속도를 고려할 때 많은 글로벌 경영진이 느끼는 감정입니다. 이 기술은 접근성이 뛰어나고 어디에나 존재하며 향후 10년 동안 조직과 경제에 큰 영향을 미칠 것으로 예상됩니다.

공식적인 교육이나 기술 노하우가 거의 또는 전혀 없이도 누구나 생성형 AI를 사용할 수 있습니다. 이메일, 워드 프로세싱 애플리케이션, 회의 소프트웨어와 같은 일상적인 도구에 내장되어 있으며, 이는 이 기술이 이미 사람들의 업무 방식을 근본적으로 변화시킬 수 있는 위치에 있다는 것을 의미합니다. 또한 McKinsey 연구에 따르면 현재와 2030년 사이에 거의 모든 직종에 걸쳐 비즈니스 활동의 최대 70%를 자동화하여 글로벌 경제에 수조 달러의 가치를 더할 수 있을 것으로 예상됩니다.

한편, 기술 전문가들은 생성형 AI가 아직 개발 및 사용 초기 단계에 불과하다는 점을 상기시켜 줍니다. 이 스마트 기술은 더욱 지능적으로 발전할 것이며, 지금부터 AI를 활용하는 방법을 배우지 않으면 뒤처지게 될 것입니다.

이러한 초고속 환경에서 조직은 어떻게 하면 단순히 '따라잡는' 것 이상의 성과를 거둘 수 있을까요? 비즈니스 리더는 어떤 전략, 구조 및 인재 관리 접근 방식을 채택하여 조직이 생성형 AI 중심의 미래에 대비할 수 있도록 해야 할까요? 이 글에서는 이러한 질문과 기타 중요한 질문에 대해 살펴봅니다.

상황은 빠르게 진화하고 있으며, 솔직히 말해서 조직 비즈니스 맥락에서 생성형 AI를 성공적으로 도입하는 방법에 대한 정답은 존재하지 않습니다.

하지만 우선 비즈니스 리더는 생성형 AI의 도입이 조직, 특히 직원들에게 어떤 영향을 미칠지 폭넓게 생각해야 합니다. 직원과 관리자는 생성형 AI의 장단점과 기술 사용이 조직의 전략적 목표와 어떻게 연결되는지 명확하게 이해해야 합니다. 자동화를 가속화할 수 있는 기술의 잠재력을 고려할 때, 고위 리더는 '대체와 상실'에 대한 직원들의 일반적인 두려움에 대응하여 '증강과 개선'에 대한 AI의 잠재력과 직원 경험을 크게 향상시킬 수 있는 능력에 대한 메시지를 전달할 수 있습니다. 예를 들어 회의 횟수가 줄어들고 생각할 시간이 더 많아지는 세상을 상상해 보세요.

그렇다면 고위 리더의 핵심 과제는 다른 사람들을 위해 기술을 이해하기 쉽게 설명하는 것입니다. 즉, 한 걸음 물러서서 생성형 AI의 전략적 의미나 산업 및 비즈니스 모델의 위험과 기회를 평가하는 것입니다. 리더는 생성형 AI 사용에 대한 설득력 있는 스토리를 구축하는 동시에, 파일럿 테스트에서 빠른 확장을 거쳐 '평소와 같은 비즈니스' 상태로 전환하는 가치 창출 여정에 직원들과 함께할 수 있는 영향력 있는 애플리케이션 두세 가지를 찾아내야 합니다. 또한 고위 리더는 현재와 미래에 필요한 역할, 기술 및 역량을 구축하는 데 전념하여 생성형 AI를 지속적으로 테스트하고 학습하여 경쟁업체보다 앞서 나갈 수 있도록 해야 합니다.

생성형 AI의 잠재적 영향력에 대한 고려

맥킨지의 연구에 따르면 생성형 AI의 등장으로 인해 오늘날 비즈니스 활동의 약 절반이 이전 예상보다 10년 일찍 자동화될 수 있다고 합니다. 생성형 AI의 자동화는 이미 시작되었으며, 연구 결과에 따르면 임금 수준과 학력에 관계없이 근로자의 근무 시간, 업무, 책임에 영향을 미칠 것으로 보입니다. 실제로 이 연구에 따르면 생성형 AI는 교육자, 변호사 등 전통적으로 높은 수준의 교육이 요구되는 직업에 특히 큰 영향을 미칠 것으로 나타났습니다.

또한 생성형 AI는 기업이 가치를 창출하는 방법과 생성형 AI의 역량을 추가함으로써 산업 또는 비즈니스 모델을 재창조할 수 있는지에 대한 최고 경영진의 논의에 영향을 미칠 가능성이 높습니다. 따라서 리더는 다음과 같이 생성형 AI 조직에서 '새로운' 업무의 특성과 관련된 다양한 중요한 질문을 스스로에게 던져야 합니다

생성형 AI 가 조직 전체에 미치는 영향

리더는 생성형 AI와 관련된 잠재적 사용 사례와 투자를 파악하는 데 수동적인 접근 방식을 취하기보다는 "공격자의 렌즈"를 통해 상황을 바라봐야 합니다. 현재 가장 우선순위가 높은 비즈니스 사용 사례는 무엇이며, 6개월, 12개월 후에 어떤 비즈니스 사용 사례가 생성형 AI 지원 후보가 될 수 있는지 등 생성형 AI의 모든 1차, 2차, 3차 효과를 고려해야 합니다. 기능적 수준에서 어떤 변화가 필요한지(예: 회사에 몇 명의 소프트웨어 엔지니어가 더 필요할까요?). 그리고 일반적인 워드 프로세싱, 이메일 및 커뮤니케이션 도구(예: Microsoft의 365 Copilot)에 생성형 AI 기능이 계속 내장됨에 따라 전체 조직의 업무 방식에 어떤 영향을 미칠까요? 생성형 AI가 주 4일 근무제로의 전환을 가속화할 수 있을까요? 더 넓게는 전체 산업이나 비즈니스 모델이 근본적으로 어떻게 변화할까요?

조직에 적합한 기술 인재와 리스크 인프라 마련

리더는 어떤 운영 모델 설계가 기술 인재의 장기적인 개발과 조직 내 AI 애플리케이션의 지속적인 진화를 보장하는 데 가장 효과적인지 고려해야 합니다. 또한 동일한 구조가 생성형 AI 감독 필요성을 충족할 수 있는지 여부도 고려해야 합니다.

기업 문화의 생성형 AI의 도입에 따른 촉진과 저해

AI 애플리케이션은 여러 가지 방식으로 문화 변화의 촉매제가 될 수 있습니다. 애플리케이션 자체가 조직의 투명성과 연결성을 높일 수 있습니다. 예를 들어, 한 기업에서는 사용자가 운영, 영업 및 기타 주제에 대해 질문할 수 있는 생성형 AI 애플리케이션을 시범 운영 중이며, 이 도구는 회사의 전체 지적 재산 컬렉션을 활용하여 사용자에게 가장 관련성이 높은 전문가와 데이터를 안내할 수 있는 답변을 제시합니다. 직원들은 더 많은 정보를 얻고 더 많이 연결되어 있다고 느낀다고 보고합니다. 또한 적응력, 속도, 민첩성, 신뢰, 성실성, 학습 및 실험, 혁신, 변화의 의지 등 최근의 경제 및 비즈니스 격변기 동안 조직의 성공에 결정적인 역할을 했던 문화적 특성은 조직이 진정한 생성형 AI의 지원을 받으려면 훨씬 더 중요해질 것입니다. 그 이유를 이해하려면 1,000개 조직을 대상으로 한 2023년 McKinsey Digital 설문조사에서 강력하고 혁신적인 문화를 가진 조직과 생성형 AI를 비롯한 새로운 디지털 기술을 통해 가치를 높이는 능력 간에 상당한 시너지 효과가 있음을 발견한 결과를 고려하십시오.6 이전 설문조사에서 응답자들은 디지털 성공의 가장 큰 장애물은 위험과 실험을 꺼리는 문화라고 답했습니다.

조직의 인재 관리 접근 방식 변화

AI 애플리케이션은 조직의 인재 관리 접근 방식에 전례 없는 영향을 미칠 것입니다. 특히 지식 업무의 경우, 생성형 AI 애플리케이션이 수습 과정에 미치는 필연적인 영향을 생각해 보세요. 마케팅 리더가 이전에는 주니어 마케팅 직원이 개발했을 크리에이티브 브리프를 작성하기 위해 생성형 AI 애플리케이션을 사용한다고 상상해 보세요. 생성형 AI에 의해 학습 과정이 중개되지 않는다면 리더와 직원 모두에게 개발 및 멘토링 기회는 어떻게 될까요? 뿐만 아니라 스킬 구축 프로그램의 콘텐츠와 전달 방식 모두 영향을 받을 것입니다. 챗봇은 신입 직원이 자신의 속도와 조건에 맞춰 새로운 기술에 대한 교육을 받을 수 있도록 안내하여 학습의 범위와 속도를 높일 수 있습니다. 한편, 강사는 생성형 AI '조교' 앱을 사용하여 개인과 그룹을 위한 매력적인 교육 모듈을 만들고 진행 상황을 모두 추적할 수 있습니다.

이는 조직에서 고려해야 할 몇 가지 주요 사항일 뿐이며, 더 많은 사항이 계속 발전하고 있습니다. 예를 들어 구조 및 운영 모델 설계에 대한 결정은 회사마다 다르겠지만, 어떤 형태이든 디지털 혁신에 대한 수십 년간의 경험에 따르면 가치 창출에 대한 논의가 중심에 있어야 합니다. 업무 프로세스는 짧고 빠른 실험 및 반복 주기와 직원, 리더, 생성형 AI 애플리케이션 간의 고품질 피드백 루프를 지원해야 합니다. 이를 위해 프로젝트와 이니셔티브에 대해 처음부터 끝까지 함께 작업하는 소규모 교차 기능 팀을 구성하는 것이 도움이 될 수 있습니다.

사람과 생성형 AI: 역량 있는 인력 구축

생성형 AI는 처음에는 위협으로 인식하는 직원들에게도 직원 역량 강화를 위한 강력한 도구가 될 수 있습니다.

직원 경험 강화

생성형 AI 애플리케이션은 많은 직원이 예상하지 못한 방식으로 직원을 지원할 수 있습니다. 예를 들어, 생성형 AI는 재무 보고 시스템을 업데이트하는 데 필요한 새로운 코드 줄을 제안하거나 마케팅 캠페인의 A 버전과 B 버전의 윤곽을 제시하거나, 실제 프로덕션 환경에서 인간 직원이 가져와 구현할 수 있는 초안을 만들 수 있습니다. 또한 교육 및 숙련도 향상 프로세스를 촉진함으로써 생성형 AI 애플리케이션은 직원들이 새로운 기술을 더 빨리 습득하도록 도울 수 있습니다. 예를 들어, 최근의 한 연구에 따르면 소프트웨어 엔지니어는 생성형 AI를 사용할 때 코딩 작업을 최대 두 배 더 빨리 완료하고 프로세스에 대한 만족도가 더 높다고 보고했습니다.

중간 관리자 역량 강화

생성형 AI의 이점은 일선 직원뿐만 아니라 중간 관리자도 누릴 수 있습니다. 실제로 중간 관리자는 직원과 가장 가까이 있는 사람으로서 직원들이 단기적인 생성형 AI 활용 업무와 장기적인 기술 협업 모두에서 편안함을 느끼는 데 중요한 역할을 합니다.11 또한 직속 부하 직원이 생성형 AI를 활용하는 방법을 배우면서 중간 관리자는 이전에는 볼 수 없었던 속도로 더 많고 다양한 종류의 업무 흐름을 감독하게 될 수 있습니다. 동시에 생성형 AI를 활용하면 중간 관리자가 더 많은 역량을 확보할 수 있으므로 전략 중심의 업무나 인력 관리와 같은 더 가치 있는 리더십 업무에 집중할 수 있습니다.

조직의 인재 관리 관행에 혁신

생성형 AI의 등장은 특히 크리에이터와 기술 전문가와 관련하여 조직이 인재를 유치, 유지, 개발하는 접근 방식을 개선할 수 있는 기회를 제공합니다. HR 전문가들은 AI를 활용하여 지원자에게 개인화된 지원 이메일을 보내고 소외된 그룹의 지원자를 위한 구직 경험을 설계할 수 있으며, 연구에 따르면 이러한 작업을 통해 다양한 직무에 대한 지원자 수와 다양성을 크게 늘릴 수 있습니다. 또한 AI 애플리케이션은 기업이 신입사원과 멘토 및 코치를 매칭하여 온보딩 경험을 개선하고 인재의 역량을 강화하며 관리 업무를 간소화하는 데 도움이 될 수 있습니다.

시니어 리더의 리더십 변화

시니어 리더는 현재 생성형 AI를 신속하게 구현하는 동시에 향후 생성형 AI 기술 버전과 그 영향을 예측해야 하는 이중의 책임에 직면해 있습니다. 조직의 다른 누구보다도 생성형 AI의 전도사가 되어 조직 전반의 기술 개발과 도입을 장려해야 합니다. 즉, 다른 사업부 및 기술 리더와 협력하여 기술 인프라를 업데이트하기 위한 리소스를 할당하고, 애플리케이션을 프라이빗 클라우드 호스팅 환경으로 이전하는 등 생성형 AI 롤아웃을 촉진하는 데 필요한 중간 프로세스 단계를 수행해야 합니다. 실제로 고위 리더의 핵심 과제는 기술 리더와 비즈니스 부서 간의 연결을 강화할 수 있는 방법을 찾는 것입니다. 예를 들어 한 회사에서는 생성형 AI 파일럿에 대한 지속적인 토론에 전념하는 Slack 채널을 개설했습니다. 이러한 포럼을 통해 직원, 제품 개발자, 기타 비즈니스 및 기술 리더는 생성형 AI에 대한 경험, 일상 업무의 변화 여부 및 방법, 지금까지의 생성형 AI 여정에 대한 생각에 대한 이야기를 공유할 수 있습니다.

새로운 기술을 도입할 때와 마찬가지로, 고위 리더는 생성형 AI의 비즈니스 목표에 대해 명확하게 이야기하고, 일자리를 '대체하는 것이 아니라 보강하는' 생성형 AI의 역할에 대해 일찍 그리고 자주 소통해야 합니다. 또한 생성형 AI를 통해 기술, 재정, 문화 등 조직의 다양한 측면이 어떻게 재편될지에 대한 설득력 있는 그림을 그려야 합니다.

물론 고위급 리더가 기술을 이해하지 못하면 이러한 사례를 제시하고 팀을 생성형 AI 기반의 미래로 이끌기가 더 어려울 것입니다. 리더가 최신 정보를 계속 접할 수 있는 한 가지 방법은 AI 기술 및 애플리케이션의 발전에 대한 지속적인 전문 교육을 제공하는 포럼을 설립하는 것입니다. 또 다른 접근 방식은 계획 회의 중에 시간을 할애하여 "현재 생성형 AI에 대한 우리의 접근 방식이 다음 반복과 그 이후의 반복을 수용할 수 있을 만큼 유연할까?", "다음 생성형 AI에 어떤 프로세스 단계나 역할을 재창조할 수 있을까?" 등의 미래지향적인 질문을 고려하는 것입니다.

생성형 AI를 활용할 때

생성형 AI가 하루아침에 등장한 것처럼 보이지만, CEO와 기타 비즈니스 리더는 조직에 도입하는 데 지나치게 신중한 접근 방식을 취해서는 안 됩니다. 비즈니스 기회에 대한 편견을 버리고 과감하게 행동해야 할 때가 바로 지금입니다. 리더는 긴박감을 가지고 다음 세 단계를 동시에 수행함으로써 단순히 '따라잡기'를 넘어 조기에 이점을 확보하고 경쟁자보다 앞서 나갈 수 있습니다.

모두를 위한 생성형 AI 이해

고위급 리더는 생성형 AI와 관련 역량에 대한 깊은 이해를 바탕으로 조직의 나머지 구성원을 위해 기술을 이해하는 데 도움을 줄 수 있어야 합니다. 그런 다음, AI 모델 편향성이 나타날 수 있는 채용 및 채용 과정에서 AI 도구 사용에 관한 명확한 지침을 수립하는 등, AI에 대한 불확실성이 존재하는 경우 이를 관리하기 위한 메커니즘을 도입하는 데 도움을 줄 수 있습니다.

영향력이 큰 두 세 가지 사용 사례를 파악하고 즉시 시작

고위 경영진은 생성형 AI 파일럿에 대한 투자를 신중하게 고려하고, 재무 보고를 간소화하는 애플리케이션이든 신입사원의 온보딩을 개선하는 애플리케이션이든 확장성과 장기적 가치가 가장 큰 것으로 보이는 애플리케이션에 '과감하게' 투자해야 합니다. 이 심사 프로세스의 일환으로 고위 리더는 생성형 AI 파일럿 구현과 관련된 비즈니스 또는 업계 위험 또는 기회, 파일럿을 프로덕션으로 전환하여 직원의 일상적인 경험의 일부로 만드는 것이 얼마나 어려운지 또는 쉬운지를 고려해야 합니다. 이러한 검토가 완료되면 고위 리더는 그에 따라 리소스를 조정하고 생성형 AI 이니셔티브와 파일럿의 결과를 모니터링하고 측정하는 데 주의를 기울여야 합니다. 일부 AI 이니셔티브는 향후 12개월 내에 영향력을 발휘할 수 있는 반면, 다른 이니셔티브는 2~5년 내에 결과를 얻기 위해 지금 투자해야 할 수도 있다는 점을 기억하세요. 따라서 장기적인 목표는 직원의 빠른 숙련도 향상과 생성형 AI 및 기타 디지털 기능의 확장을 위한 지속 가능한 엔진을 구축하는 것이어야 합니다.

현재와 미래에 필요한 역할, 기술, 역량을 구축하는 데 전념

고위 리더는 직원들이 일상 업무에서 기술을 현명하고 성공적으로 사용할 수 있도록 직원들의 생성형AI 기술을 구축하는 데 전념해야 합니다. 이 과정은 한 번으로 끝나는 것이 아니므로 리더는 업무가 언제 어떻게 수행되는지, 누가 업무를 수행하는지, 일반적으로 업무에 걸리는 시간은 얼마나 되는지, 각 업무가 얼마나 중요한지 지속적으로 평가해야 합니다. 이 프로세스를 통해 리더는 현재와 미래의 인재 요구 사항을 더 잘 이해하고 인재를 재배치하고 스킬을 향상시키는 최선의 방법을 결정할 수 있습니다. 실제로 직원들은 계속 진화하는 생성형AI 도구를 관리하고 작업하는 방법을 배워야 하므로 업스킬링 프로그램의 중요성이 그 어느 때보다 커질 것입니다. 또한 리더는 생성형AI 자체가 이러한 업스킬링 프로그램을 위한 콘텐츠 제작과 자동화된 또는 개인화된 전달을 용이하게 할 수 있다는 점을 염두에 두어야 합니다.

이 글을 읽는 동안 생성형 AI 애플리케이션은 이미 그만큼 더 똑똑해졌습니다. 리더는 이러한 지능을 잘 활용할 수 있습니다. 생성형 AI의 가치 중 상당 부분은 조직별 사용 사례에 맞게 조정할 때 얻을 수 있지만, 생성형 AI를 성공적으로 통합하려면 실험과 반복이 필요합니다. 다른 사람의 실수로부터 배울 시간이 없습니다. 의도적으로 투자하세요. 손을 더럽히세요. 지금 시작하세요.