AI 활용과 AX의 등장
Digital Transformation (DX)라는 단어가 유행한 지 얼마 되지 않았는데, 벌써 AI Transformation(AX)이라는 단어가 나와 모두를 정신이 없게 만들고 있습니다. 어쩌면 이제는 Physical AI와 로봇이 유행하면서 2030년쯤에는 Robot Transformation (RX)라는 단어가 나올지도 모르겠습니다. AI 기술을 공부하고 도입할 방법을 찾는 게 일인 저로서는 ChatGPT가 출시된 뒤로는 매주 새로운 모델이 나오더니 작년에는 매주 새로운 서비스가 등장하고, 올해는 매주 새로운 개념과 응용 사례들이 쏟아져 나와서 정말이지 정신이 없을 지경입니다. 과거와는 달리 AI의 경우 기술의 접근성이 매우 낮아진 만큼, 도입의 필요성도 AI와 직접적인 연관이 없는 사람들도 활용하도록 여러 회사에서 권장하고 있어서 직접적인 관련이 없는 직무를 하는 사람들 입장에서는 더더욱 정신이 없을 것 같습니다.
지난 시간에는 개인의 관점에서 AI를 어떻게 활용하는 것이 좋을지에 대한 이야기를 했습니다. 이번 시간에는 조금 더 거시적인 관점에서 AI를 기업에 도입하는 이른바 AX에 대한 이야기를 하려고 합니다. 다가오는 미래에 대해서 어떻게 대처할지에 대해서 아직 격변의 시기여서 여러 학계, 산업계에서 확실하게 정리된 내용은 없지만, 적어도 AX가 왜 중요하고, 어떤 기업들은 성공적으로 도입하고 어떤 기업들은 실패했는지를 이야기해 보려고 합니다.
Business와 Management 분야 세계 상위 10% 이내에 드는 Industrial Marketing Management라는 저널에 게재된 논문에 따르면 [1], AI를 활용하는 것은 특히 신제품 개발(New Product Development, NPD)을 하는 데에 굉장히 높은 생산성을 발휘한다고 합니다. 그리고 맥킨지의 자료를 인용하여 [2], AI 도입이 여전히 세계적으로는 본격적으로 이루어지지 않았지만, 최근의 속도를 보면 2028~2029년에는 완전히 정점을 찍게 될 것이라고 합니다. 그래서 결론적으로는 최대한 빨리 AI를 기업에 도입하는 것이 성장성에 도움이 될 것이라고 합니다.
실패한 AX, 콜센터 직원 잘랐다가 다시 뽑다
재미있는 사례 하나만 이야기해 드리겠습니다. 클라나(Klarna)라는 스웨덴의 핀테크 업체는 세바스티안(Sebastian Siemiatkowski)이라는 창립자이자 CEO의 주도로 OpenAI와 대규모 협업을 하면서 2023년부터 고객 지원과 마케팅 부서 인력을 대폭 축소하면서 2024년에는 완전히 없애는 것을 목표로 매우 급진적인 변화를 일으켰습니다. 인건비가 급격하게 줄면서 당연히 회사의 상황은 좋아 보였습니다.
하지만 미국 경제 전문지 포춘(Fortune)에 따르면 올해 이 업체는 설문조사에서 AI가 대부분의 상담에서 고객들에게 매우 안 좋은 평가를 받아서 결국 사람을 다시 고용하고 있다고 밝혔습니다 [3]. 아마 한국 또한 ARS가 매우 대중화된 국가이기에 많은 사람들이 이미 문제가 무엇인지 알고 있을 것 같습니다. 고객 센터에 전화를 할 정도로 궁금한 점이 많은 고객들은 단순히 홈페이지에 공개된 정보 외에도 알고 싶은 내용이 많을 텐데 ARS는 말도 느리고, 별로 알고 싶지 않은 정보나 이미 아는 정보를 늘어놓고 있는 데다가, 상담원을 만나기까지 정말 많은 과정을 거쳐야 하기 때문에 사용자 경험(User Experience, UX) 관점에서는 굉장히 불만스러울 수밖에 없죠. 화가 나서 고객센터에 더 이상 전화하기를 포기하는 경우도 있는데, 설마 이탈한 것을 고객센터의 응답에 만족하고 종료한 것으로 안 것이나 한 것일지 더 많은 기업들이 AI를 적극적으로 도입하고 있죠.
그리고 분명 한국 기사에서 이 회사의 내용을 접했는데 지금은 한국 포털에서 검색이 되지 않아서 구글링을 통해 해외 기사 원문을 인용했는데, 무엇 때문인지 기사를 내리도록 한 모양입니다. AI의 현실을 직시하고 올바르게 도입하도록 노력해야 하는데 아쉬운 마음이 듭니다.
AX 반드시 (빨리) 해야 한다!
AI에 대해서 정확히 모르는 사람도 많고, 아직 많은 기업에서 준비가 되지 않은 것도 사실입니다. 2024년 말 시점에 AX를 도입한 기업이라면 위에서 언급한 논문에 따르면 Early Adopters로 분류될 정도니까요. 하지만 그럼에도 불구하고 매우 치열하게 AI를 도입해야 합니다. 많은 전문가들이 인류가 AI, 특히 LLM의 발전으로 인해 역대급으로 격변의 시기를 겪고 있고 발전이 점점 가속화되고 있다고 하는 데는 다 이유가 있습니다.
잘 알고 계시는 넷플릭스가 1991년에 출시되었을 때 백만 명의 사용자까지 3.5년이 걸렸습니다. 하지만 ChatGPT가 5일 만에 이 기록을 달성하면서 많은 사람들을 놀라게 했죠. 그런데 Threads는 물론 인스타에서 뜨는 힘도 있었겠지만 단 몇 시간 만에 백만 유저를 달성해 버렸습니다. 세상이 너무나 빠르게 변하고 있고, 기업들도 매우 치열하게 변화해야 하는 이유를 보여주는 단적인 사례입니다.
앞에서 클라나의 실패 사례를 보면서, “그래, 지켜보고 있다가 제대로 도입하는 게 낫지”라고 생각을 하면 이미 때는 늦었습니다. 클라나는 과연 실패했을까요? 클라나는 이런 실패를 하는 와중에 올해 무려 1억 명의 사용자를 달성했고, 미국에서는 30%의 사용자 수 성장을 하고 있습니다. 정말이지 어마어마한 속도로 발전하고 있습니다. 실패를 감수하면서라도 투자하고 도전해야 하는 이유는 미래를 위한 투자는 실패하더라도 결코 매몰 비용이 되지 않고, 성공을 위한 기업 리더들, 그리고 구성원들의 귀중한 경험이 되기 때문입니다.
광고 업계에서의 AX
여전히 많은 분야에서 AX를 성공하거나 실패하고 있고, 성공하더라도 치명적인 실수로 인해 엄청난 손실을 보는 경우가 많기 때문에 섣불리 말씀드리기 조심스럽습니다만, 마케팅/광고 업계에서도 당연히 AX는 활발하게 이루어져야 합니다. 하지만 분명 제조업과 같은 어느 정도 정형화된 프로세스가 있는 업계와는 다르게 접근할 필요가 있습니다. AI에게는 명확한 한계가 있습니다.
인지심리학과 뇌과학 분야에서는 뇌 가소성(neuroplasticity 혹은 brain plasticity)을 매우 중요하게 보고 있습니다. 뇌 가소성은 인간의 뇌가 무언가에 적응해서 학습하기도 하고, 중요도가 낮으면 잊어버리기도 하면서 병렬적으로 매우 많은 사고 과정을 거치는 것을 의미합니다. 뇌의 뉴런(neuron)이 복잡한 신경망(neural network)을 통해 여러 번 보면 학습하고 이해하는 구조에 착안해 딥러닝(deep-learning) 모델을 만들어 내고, 지금의 수많은 인공지능 발전의 토대를 만들었지만, 여전히 인공지능은 인간이 새로운 것에 빠르게 적응하고 잊어버리면서 유연하게 사고하는 능력을 가지고 있지 않기 때문입니다.
인공지능은 더 많이 학습되고, 인터넷에서 더 많이 언급된 것, 중요도가 높은 것 순으로 답변을 내놓을 수밖에 없습니다. 그렇기 때문에 마케팅/광고와 같이 창의적이고 기획 능력이 많이 필요한 분야에서는 당연히 유용하게 쓰는 것이 더 어려워 보일 수밖에 없습니다.
그럼 어떻게 해야 할까요? 힌트는 일론 머스크가 개발한 뉴럴링크라는 업체의 텔레파시에 있습니다. 인공지능이 인간이 한번 만들어낸 글 등의 산출물을 기반으로 학습을 한 것의 한계점을 극복하기 위해서 머리에 칩을 심어서 전자 기기와 상호 작용을 하도록 하는 것입니다. 학계에서는 이런 분야에 관심을 크게 갖고, 현재 이미 있는 Human-Computer Interaction(HCI)라는 분야에서 더 나아가 Brain-Computer Interaction/Interface(BCI)라는 새로운 분야를 개척하여 활발한 연구가 이루어지고 있기도 합니다.
그럼 마케터들의 뇌에 칩을 심으라는 뜻이냐구요…?
당연히 이런 극단적인 일을 벌일 수는 없죠~ 다만 비슷한 느낌으로 가져갈 수는 있습니다. 마케터들이 마치 뇌에 칩을 심은 것처럼 인공지능을 다루는 것에 익숙하게 되면 엄청나게 효율적으로 일을 해낼 수 있게 될 것이라는 것을 의미합니다. 사고하고, 기획하고, 아이디어를 계속해서 내뿜어 내면서 사람들과 소통하는 것은 인간이 그대로 하고, 자료를 수집하고, 분석하고, 구조화하고, 다듬는 일련의 작업들은 인공지능에게 맡겨서 최고의 효율을 내는 것이죠.
이미 영리한 자영업자들, 그리고 일을 잘하고 새로운 시대에 적응을 잘하는 사람들은 무한히 쓸 수 있을 것 같은 ChatGPT Pro 계정까지도 매일 같이 한계치에 다다를 정도로 사용하면서 자신의 생산성을 높이고 있습니다. 그렇기 때문에 광고 업계에서는 이런 점을 유념하여 구성원들이 AI에 노출되고, 긍정적으로 받아들일 수 있도록 적극적으로 지원하는 게 좋지 않을까 생각합니다.
AX 리스크. 조심스러운 도입은 필수!
그렇다고 섣불리 AI를 기업에 도입해서는 안 됩니다. 굳이 다른 기업들이 실패한 길을 따라갈 필요는 없겠죠. 앞서 말씀드린 사례처럼 고객센터를 전부 AI가 대답하도록 만든 것처럼 사용자의 불만을 야기하는 일도 발생할 수 있겠지만, 그보다 더 문제는 보안 문제입니다. AI는 Blackbox라는 특징을 가지고 있습니다. 딥러닝 시대가 도래하면서 복잡한 신경망이 어떻게 분석되고 처리되는지 도저히 사람이 일일이 계산할 수 없는 지경에 이르렀기 때문이죠. 그렇기 때문에 동시에 어떤 데이터가 어떻게 들어가서 처리되는지 모르게 되는 문제도 발생합니다. 그리고 최근의 AI 기술을 소수의 빅테크 기업들이 독주하고 있는 상태이기 때문에 웬만한 대기업이라고 하더라도 자체적인 AI를 개발하고 관리하는 것은 정말 쉬운 일이 아닙니다.
최근 팔란티어(Palantir)라는 기업에 대한 우려도 이 때문입니다. 팔란티어라는 기업은 불과 1년 전만 하더라도 많은 사람들이 알고 있는 기업이 아니었지만, 현재는 1년간 주가가 5배 이상 폭등하여 시가총액 10위 이내에 들어간 글로벌 AI 전문 기업입니다. 다양한 기업의 AX를 지원하면서 엄청난 효율성을 자랑하고 있지만, 내부 데이터를 줘야 하기 때문에 노하우를 모두 빼앗길 수 있다는 우려도 나오고 있습니다.
경쟁력 있는 기업일수록 노하우에 대한 우려는 더 큽니다. 엄청난 AI 칩 성능을 자랑하는 엔비디아에서 TSMC를 통해서 칩 생산하는 것을 선호하는 것도 TSMC가 선언한 ‘우리는 고객과 경쟁하지 않는다’라는 말처럼 칩 설계를 하지 않고 생산만 하기 때문입니다. 노하우를 뺏길 우려가 훨씬 적어지게 되는 것이죠. 우리나라에서도 소버린 AI(Sovereign AI)를 위해 막대한 예산을 쏟아붓고 있는 것도 이 때문입니다. 국내 기업들의 데이터가 팔란티어와 같은 해외 대기업에게 모두 새어 나간다면 우리나라의 산업 전반에 걸친 노하우가 해외로 빠져나가 국가가 경쟁력을 잃어버릴 수 있습니다.
그럼 어떻게 도입해야 할까요?
리스크를 줄이는 실질적인 AX
AI 경쟁에서 매우 안타깝게도 우리나라는 한참 뒤처져 있습니다. 중국과 미국은 막대한 자금을 들여서 AI 인재를 키우고 있고, 메타는 최근 수퍼인텔리전스 팀(Superintelligence Team)을 신설하여 엄청난 연봉을 주며 여러 빅테크 기업에서 인재들을 빼앗아 왔습니다. 웬만한 기업이 우리나라에서는 당장 이들을 뛰어넘을 AI 모델을 만들어내는 것은 사실상 불가한 상황이기 때문에, 저는 AX가 리스크를 줄이고도 제대로 되기 위해서 아래 세 가지 정도는 명확하게 가지고 가야 한다고 생각합니다.
1. 사람에 대한 이해
AI가 도입되면서 원천 기술 외 응용을 하는 분야에서는 대부분의 기술이나 지식의 장벽이 매우 낮아졌기 때문에 최근에는 오히려 사람에 대한 이해를 더욱 중요시하는 게 두드러지고, 많은 앱들이 사람들의 심리를 이해하고 사용자 경험을 높일 수 있는 UX/UI 설계의 수준이 매우 높아지고 있습니다. ChatGPT도 굉장히 많은 기능을 넣을 수 있음에도 불구하고 매우 심플하게 사람들이 유용하고 쉽게 쓰는 동시에 자유롭게 사용할 수 있도록 설계했죠. 아무리 기술이 뛰어나더라도 사람들이 사용하기 쉽고, 그들의 심리를 이해하고 만들지 않으면 안 된다는 것은 산업공학뿐만 아니라 제가 전공을 한 Human-Computer Interaction 등 여러 서비스 디자인 관련된 분야에서 증명된 부분입니다.
모든 기업이 만드는 서비스와 제품은 결국 사람이 사용하기 위한 것이기 때문에 작은 부분도 매우 중요하게 생각하면서 인지 심리학, 뇌과학 등 사람에 대한 이해를 기반으로 하는 AX를 해야 한다고 생각합니다. 개인적으로 마케팅 분야에서 이러한 부분을 매우 잘 담은 책은 한스 게오르크 호이젤의 ‘뇌, 마케팅의 비밀을 열다’라는 책이라고 생각하고, 클래식이라고 할 수 있는 로버트 치알디니의 ‘설득의 심리학’도 강력하게 추천합니다.
2. 업계 특성 기반의 문제 정의로 명확한 목표 및 프로세스 설계.
알버트 아인슈타인은 아래와 같은 명언을 남겼습니다.
“만약 나에게 문제를 해결하기 위해 한 시간이 주어진다면, 문제를 정의하는 데 55분을 쓰고, 나머지 5분 만을 해법을 찾는 데 쓰겠다.”
정말 온 시대를 꿰뚫는 통찰이라고 할 수 있을 것 같습니다. 제가 창업을 한 적이 있는데, 스타트업 교육을 가게 되면 제일 먼저 하는 것이 문제정의고, 이를 하기 위해서 고객 인터뷰들 정말 매우 고강도로 문제정의를 하기 위한 노력을 기울입니다. DX를 잘하는 기업들의 특징들은 바로 이것에 있습니다. 작지만 매우 중요한 무언가를 해결하기 위해서 고객을 정의하고 문제가 무엇인지를 파악하는 것입니다.
UX에서는 서비스 디자인 프로세스, Double diamond, User journey map 등을 활용하고, 스타트업에서는 Business model canvas, Agile process 등 정말 다양한 방법론들이 있지만 이런 것들을 하는 이유는 이걸 하면 무조건 성공해서가 아니고, 문제를 정의하기 위해서 최소한으로 지키고 구조화를 해야 할 요소들을 나름의 방식으로 정리한 것이라고 생각합니다. 따라서 AX를 정말로 제대로 하고자 한다면 기업에서 가지고 있는 진짜 문제를 정의하고, 이를 해결할 수 있는 범위를 명확히 해야만 문제를 해결할 수 있습니다.
3. 신뢰할 수 있는 협업 체계 구축
TSMC의 비즈니스 모델이 고객과 경쟁하지 않는 것이라고 하여 성공했다고 하고, 팔란티어가 뛰어난 기업임에도 노하우의 누수 때문에 위험할 수 있다는 말씀도 드렸습니다. AI 시대에는 정말이지 너무나도 모든 게 빠르게 진행되기 때문에 이런 과정이 더더욱 위험해졌습니다. 핵을 예로 들자면 옛날에는 기술자를 적국에 들키지 않고 빼 오고, 다시 매뉴얼을 정리하고, 핵을 개발하는 데 정말 많은 시간이 들었습니다. 오펜하이머를 보신 분들이라면 얼마나 고강도의 일인지 알 수 있었을 겁니다.
하지만 요즘 시대라면 핵을 개발하는 방법에 대한 매뉴얼 파일을 어딘가로 보낼 수만 있다면 이미 있는 기술자만으로도 빠르게 핵실험을 진행하면서 내재화를 해버릴 수 있게 될 것입니다(물론 이렇게 단순하지는 않겠지만, 예를 들어서요~). 그렇기 때문에 글로벌 AI 모델이 이미 잘 나와 있는데도 불구하고 국내 대기업 그룹들과 정부에서 그토록 AI 모델을 개발하기 위해서 때로는 좋은 소리를 듣지 못하더라도 갖은 힘을 쓰는 것입니다. 따라서 반드시 신뢰할 수 있는 협업 체계를 만들고 AX를 진행하는 것이 중요합니다. 진짜 문제를 해결하려면 기업의 노하우도 함께 데이터로 공유하게 될 텐데, 매우 긴밀한 비밀유지 및 협력 관련 협약은 필수입니다.
마치며
최근 몇 년간 AI에 대한 열풍이 불고 해외에서는 엄청나게 발전을 하는 와중에, 우리나라에서는 애초에 GPU가 없어서 연구를 하지 못한다는 기사들을 보고 AI 융합 관련 과학자로서 정말 가슴이 아프고 불안한 마음이 들었습니다. 저희 분야 많은 동료들도 펀딩이나 미래 문제로 해외로 가는 경우를 보았거든요. 하지만 최근에 적극적으로 투자가 이루어지고, 다시 IT 강국으로서 AI 강국으로 거듭날 수 있는 가능성이 보이고 있어서 매우 기쁘게 생각합니다. 부디 대한민국에서도 기업들이 선의의 경쟁을 통해 AX를 성공적으로 하고, 경제도 현재의 어려움을 딛고 활성화되기를 간절히 바라봅니다.
참고문헌
[1] Cooper, R. G. (2024). The AI transformation of product innovation. Industrial Marketing Management, 119, 62-74.
[2] Chui, M., Yee, L., Hall, B., Singla, A., & Sukharevsky, A. (2023). The state of AI in 2023: Generative AI’s breakoutyear McKinsey.
[3] Irina Ivanova. (2025). As Klarna flips from AI-first to hiring people again, a new landmark survey reveals most AI projects fail to deliver. https://fortune.com/2025/05/09/klarna-ai-humans-return-on-investment/
이충헌 박사의 AI 트렌드와 인사이트 2025.07
'애드이야기 > 이충헌 박사의 AI 트렌드와 인사이트' 카테고리의 다른 글
| LLM의 위험성, 잘 알고 예방해야 잘 활용할 수 있다. 정보의 쓰나미 시대! 양날의 검 ChatGPT. (1) | 2025.06.19 |
|---|---|
| AI로 손쉽게 트렌드/뉴스 조사하고, 요약 및 감정분석까지! (3) | 2025.05.23 |
