Kearney Insight

AI-powered Organizational Transformation

2024.08.21

 

 

1. 생성형 AI가 가져올 일의 미래


일의 미래

 

생성형 AI는 일의 세계를 급격하게 변화시키고 있음
 

Who will do the work
생성형 AI가 수행하는 업무의 비율이 25%에 이를 것으로 예상된다. AI는 단순 운영적 업무 뿐만 아니라, 전략적 업무에서도 부족한 노동력을 보완하는 데 중요한 역할을 할 것이다. 
이러한 변화 속에서 인간은 노동력 대체보다는 보완하는 방식으로 AI와 협력하게 될 것이다. AI와 원활히 협력하기 위해 기존 인력은 리스킬링이 필요하다.

 

What work will be done
생성형 AI는 2027년까지 비즈니스 업무의 약 40%를 자동화할 것으로 예상된다. 자동화될 업무에는 조립, 창고 관리, 물류, 고객 서비스, 연구, 텍스트 작업, 코딩 등이 포함된다. 문제 진단, 예측, 시나리오 개발과 같은 미래를 위한 전략적 활동에서도 점점 더 중요한 역할을 할 것이다. 
이러한 변화 속에서 인간은 AI와 자동화된 프로세스를 감독하고, 그 결과를 바탕으로 문제를 해결하며, 이를 전략 수립에 연계하는 역할을 담당하게 될 것이다.

 

 

"저는 OpenAI에서 일하면서 다가올 사회경제적 변화의 규모를 매일 실감하고 있습니다. 
사람처럼 생각과 학습을 할 수 있는 소프트웨어가 
현재 사람들이 하는 일을 점점 더 많이 수행하게 될 것입니다. 
이에 따라 노동으로부터 자본으로의 권력 이동이 더욱 가속화될 것입니다.
공공 정책이 이에 적절히 대응하지 않는다면, 
대부분의 사람들은 현재보다 더 나빠진 상황에 처하게 될 것입니다."

- Sam Altman, CEO OpenAI

 

 

AI 도입 준 비 수 

 

많은 기업이 아직 AI 도입에 충분히 준비되지 않은 것으로 나타남
생성형 AI의 대표적인 예인 ChatGPT는 다른 주요 플랫폼들과 비교했을 때 접근성과 사용 용이성 측면에서 가장 빠르게 채택되었다. 예를 들어, 넷플릭스는 3.5년, 트위터는 2년, 페이스북은 10개월, 스포티파이는 5개월, 인스타그램은 2.5개월이 걸린 데 비해, ChatGPT는 단 5일 만에 채택되었다.
그러나 기업들은 여전히 준비가 부족한 것으로 보인다. 리더의 79%는 조직이 AI를 충분히 활용할 수 있는 역량이 부족하다고 응답했다. 
이에 따라 기업의 AI 적응에 있어서 경영진의 역할이 중요해지고 있다. 리더의 86%는 (AI에 대한) 전략적 방향 수립만으로는 부족하다고 응답했다. 리더의 49%만이 AI 인프라, 외부 파트너십, 직원 업스킬링에 대한 투자 등 추가적인 조치를 취하고 있다고 응답했다.

 

AI 도입 시나리오

 

기업의 AI 도입에 대해 ‘대체’와 ‘증강’의 두 가지 시나리오를 그릴 수 있음
대체(Replacement)란 AI가 인간이 수행하던 특정 업무를 대신하는 것을 말한다. 세계 최초의 AI CEO인 Mika가 대표적이다. 
증강(Augmentation)이란 AI를 활용해 인간의 능력이나 경험을 향상하는 것을 뜻한다. 영화 아이언맨에 등장하는 AI 비서 Jarvis가 대표적인 예다. 

 

시나리오 ① Optimization Strategy
기업은 생산성 향상을 위해 AI를 활용한다. 사람들은 AI에 대해 두려움을 느끼며, AI가 인간의 잠재력을 제한할 수 있다고 우려한다. 기업은 AI를 활용해 비용 절감의 이점을 가진다.

 

시나리오 ② Transformation Strategy
기업은 차별화를 위해 AI를 활용한다. AI는 새로운 기회를 탐색하고 실험하는 데 중요한 도구로 활용되며, 인간의 잠재력을 강화한다. 이를 통해 기업은 지속 가능한 경쟁우위를 확보한다.


인간과 AI의 협업에 대한 실험

 

실험 결과, 인간과 AI의 협업을 통해 창의성과 생산성을 모두 높일 수 있었음
신용카드 영업 텔레마케팅에서 인간과 AI의 협업이 성과에 미치는 영향을 분석한 실험이다. AI는 리드 생성 업무를 자동화하고, 인간 직원은 상호작용이 필요하고 새로운 문제를 해결해야 하는 세일즈 설득 업무에 집중했다.
실험 결과, AI와 협업한 고숙련자(B 그룹)는 AI 없이 일한 고숙련자(A 그룹)보다  창의성과 판매율이 증가했다. AI와 협업한 저숙련자(D 그룹)도 AI 없이 작업한 저숙련자(C 그룹)보다 더 나은 성과를 보였으나, 고숙련자 그룹보다는 증가율이 낮았다.
이 실험은 AI 도입에 대한 직원의 인식에도 차이가 있음을 보여주었다. 고숙련자는 AI를 세일즈 설득 업무를 돕는 중요한 기회로 인식한 반면, 저숙련자는 AI에 대해 긴장감과 두려움을 느꼈고 효능감이 저하되기도 했다.

 

▶ AI와 인간 텔레마케터의 협업 실험 사례


2. AI-Powered Organizational Transformation, 어떻게 할 것인가?

 

AI-Powered OT의 고려 포인트

 

AI-Powered Organization을 실현하기 위해 기업은 다음 네 가지 영역에 걸쳐서 Transformation을 추진해야 함
네 가지 영역은 Work, Skill, Organization, Leadership이며, 아래 그림은 각 영역에 대한 핵심 질문을 포함하고 있다. 핵심 질문에 대한 답은 본 보고서의 가장 마지막 장에서 정리하고자 한다.

 

▶ AI-Powered Organizational Transformation Framework

 

1. Work: AI를 통해서 어떻게 업무 생산성 제고와 차별화를 달성할 것인가?

 

AI 기반 업무 혁신 과정

 

AI 기반 업무 혁신은 개인 업무 개선 차원에서 시작하여 단계적으로 확장 및 고도화됨
AI 기반의 업무 혁신을 통해 기업은 Efficiency(더욱 영향력 있는 업무를 할 수 있는 Capacity 확보), Effectiveness(프로세스 결과물의 품질 향상), Experience(차별화된 고객 경험을 통해 매출 성장)의 가치를 실현할 수 있다.
이러한 가치를 실현하기 위해, 기업은 개별 수준에서 시작하여 단계적으로 확장/고도화해야 한다. 첫째, 도입/학습 단계는 개인 업무 개선에 초점을 둔다. 이 단계에서 기업은 AI 범용 솔루션을 도입하고 그 유용성에 대한 인식을 높이는 활동을 실시한다. 둘째, 적용 단계는 간단한 Use case를 구현하는 데 중점을 둔다. 기업은 벤치마킹하거나 외부 솔루션을 도입하지만, 그 영향력은 아직 제한적이다. 셋째, 확장 단계는 복잡하거나 여러 가지 Use Case를 구현하는 데 주력한다. 이 단계부터 스케일업이 본격적으로 시작되며, 자사에 특화된 차별화된 Use Case가 개발된다. 넷째, 고도화 단계에서는 전사적 혁신 이니셔티브에 집중한다. 전사적으로 새로운 운영 모델을 개발하거나 도입한다. 

 

▶ AI 기반 업무 혁신의 단계

 

AI 기반 업무 혁신의 주안점은?

 

주안점  ① 단계별로 기본적인 AI 기회를 파악하고 적용하는 것부터 시작해야
AI가 어떤 문제를 해결할 수 있고 어떤 업무에 적용될 수 있는지를 명확히 이해하는 것이 중요하다. 다음은 B2B 비즈니스 솔루션의 각 단계에서 AI를 활용하는 방법에 대한 예시다.

 

▶ B2B 비즈니스 솔루션 사업 예시

 

주안점 ② AI 적용의 Impact를 고려하여 중점 영역을 선정하고 우선적으로 개선해야
모든 영역에 동일한 수준으로 AI를 적용하는 것은 비효율적일 수 있다. 따라서 AI가 각 업무에 미치는 영향력을 분석하여 우선하여 집중할 영역을 선정하는 것이 중요하다. 
다음은 기업의 전통적인 가치사슬과 함께 기술 개발, 인사관리, 기업 인프라 영역에 AI 적용이 미치는 영향을 분석한 예시이다. AI 적용의 영향력을 색상으로 표현되었으며, 색이 진할수록 AI가 해당 영역에 미치는 영향력이 크다는 것을 의미한다. 

 

▶ 업무 영역별 AI Impact 예시 (Non-Exhaustive)


주안점 ③ 팀원 개인 차원의 업무 개선을 넘어서, 핵심 프로세스 전반에 걸쳐서 AI를 통한 개선 기회를 탐색해야
AI를 업무 혁신에 활용하는 것은 단순히 개인이나 특정 팀의 효율성을 높이는 것에 그쳐서는 안 된다. 핵심 프로세스 전반에 걸쳐 AI를 적용하여 조직 전체의 경쟁력을 높일 수 있는 방법을 모색하는 것이 중요하다.
다음은 고객 경험 개선을 위한 프로세스를 시각적으로 보여주는 ‘To-Be Blueprint’이다. 여기서 AI는 조직의 전반적인 프로세스를 개선하고, 고객에게 더욱 향상된 경험을 제공하는 데 중요한 도구로 활용된다.

 

▶ To-Be Blueprint: 고객 경험 프로세스 예시

 

인간과 AI의 협업 설계 방안

 

방안 ① 인간과 AI의 강점 영역에 따라 역할을 배분하여 누가, 어떤 작업을, 어떻게 수행할지 결정해야
 

(생성형) AI를 효과적으로 적용하여 생산성 제고
AI는 데이터 분석, 리서치, 요약, 제안과 같은 다양한 업무를 자동화한다. 이러한 AI의 잠재력을 최대한 활용하기 위해 인간은 올바른 질문을 하고 적절한 배경 정보를 제공할 수 있어야 한다.

 

여전히 사람이 해야 할 일에 집중/차별화
단순하고 반복적인 업무를 AI가 대신함으로써, 인간은 그동안 집중하지 못했던 중요한 일에 더 많은 시간을 할애할 수 있다. 이를 통해 인간은 일의 본질을 깊이 탐구하고 협업 활동에 집중할 수 있다. 따라서 인간은 AI가 아무리 발전하더라도 인간만이 할 수 있는 Human Touch와 High-order Cognitive Skill이 필요한 영역을 개발해 차별화해야 한다. 

 

▶ 직무 별 인간과 AI의 협업 예시 (Non-Exhaustive)

 

방안 ② 인간과 AI 간의 유연한 협업을 보장하기 위해 ‘대화 설계’를 포함해야
대화 설계는 인간과 기술이 책임을 공유하고 AI를 정적인 도구가 아닌 동료로 대하며 AI와의 대화를 설계하는 새로운 접근 방식이다. 이는 AI와 인간 간의 상호작용을 촉진하여 AI가 지속해서 학습하고 발전할 수 있도록 지원한다. 협업 과정에서 AI가 점점 더 많은 책임을 맡을 수 있지만, 인간이 여전히 통제권을 유지한다. 
대화 설계 단계는 다음의 세 가지 단계로 구성된다. 

 

① 과업 정의 및 분석
프로세스나 워크플로우를 구성 요소 작업으로 세분화한 후, 각 작업의 복잡성, 위험도, 필요 역량을 평가한다. 이러한 평가를 바탕으로 각 작업을 인간과 AI에 적절히 할당한다.

 

② 대화 프로토콜 정의
AI와 인간이 어떻게 소통하고 협력할 것인지에 대한 개요를 작성한다. 이상 현상이나 전략적 의사 결정 과정에서 인간의 판단이 필요한 상황을 식별한다. 또한, AI가 논의의 출발점을 제공한 후, 인간의 Input이 필요한 부분을 구체적으로 파악한다.

 

③ 피드백 Loop 구현
AI와 인간이 지속해서 평가/조정해 나갈 수 있는 피드백 루프 메커니즘을 구현한다. 이 루프를 통해 AI는 인간으로부터 학습하여 더 유용한 콘텐츠를 생성할 수 있다. 예를 들어, 오류 보고, 성과 지표, 사용자 만족도 설문조사, 의사 결정 결과 등이 이러한 피드백 루프에 활용된다.

 

▶ 인간과 AI의 협업 프로세스 - Talent screening 예시

 

2. Skill: 어떤 Skill을 확보/개발해야 할 것인가? 지속적인 Reskilling 방안은?

 

필요 스킬의 변화

 

변화 ① AI 활용으로 절약된 시간은 ‘인간만의 강점 스킬’을 개발하는 데 집중적으로 투입해야
AI를 도입하기 전, 사람은 대부분의 시간을 운영 업무 처리에 소비했다. 그러다 보니  고부가가치 업무에 투입할 시간과 에너지가 제한적이었다.
AI 도입 이후, 기본적이고 반복적인 업무를 AI가 처리함으로써, 사람은 생각하고 학습하며 대화할 수 있는 시간을 확보할 수 있게 되었다. AI 활용으로 절약된 시간은 인간만의 강점 스킬을 개발하는 데 집중적으로 투입해야 한다. 어떤 스킬을 개발해야 하는지 구체적으로 살펴보면 다음과 같다.
첫째, AI를 잘 활용하기 위한 스킬(Need to play skills)이다. 여기에는 디지털 스킬과 깊고 폭넓은 도메인 지식이 포함된다. 둘째, AI가 할 수 없는 일을 잘하기 위한 스킬(Need to win skills)이다. 여기에는 전략적 사고와 문제 해결을 위한 고차원적인 인지 능력, 협상이나 영향력 발휘를 위한 대인관계 기술이 포함된다.

 

▶ AI 도입 이전과 이후의 시간 투입 비중 변화

 

변화 ② AI에서 가치를 실현하기 위해, 직원들은 기존 스킬을 활용하거나 새로운 스킬을 개발해야
다음은 인간이 주도하는 스킬, AI가 주도하는 스킬, 인간과 AI의 협력을 통해 발휘되는 스킬이 어떻게 조화를 이루는지를 시각적으로 보여준다.

 

▶ 인간 지능과 기계 지능 간의 미래 Skill Mix (Non-Exhaustive)

 

변화 ③ 자동화가 진행됨에 따라, 기술로 모방할 수 없는 인간적 요소의 중요성이 부각되면서 ‘소프트 스킬’의 중요성이 증대

 

Macro Trend 
고차원적 사고 능력과 사회·정서적 스킬에 대한 수요가 지속해서 증가하고 있다. 이는 특히 협업과 같은 영역에서 중요한 역할을 한다. 조사 대상자의 70%가 향후 5년간 가장 우선순위가 높은 10대 기술은 사회·정서적 스킬에 관련된 것이라고 응답했다.

 

Micro Trends
자동화가 발전하더라도 Human Touch가 여전히 필요하며, 사회·정서적 스킬의 중요성은 더욱 커지고 있다. 조사에 따르면, 사회·정서적 스킬에 대한 수요는 2030년까지 미국 전역에서 26%(유럽에서는 22%) 증가할 것으로 예상된다.
고차원적 사고를 요구하는 고숙련 직업의 고용이 증가하고 있다. 조사에 따르면, 2019년부터 2022년까지 전 세계적으로 고숙련 직업에서의 고용 증가에 대한 가중 평균이 8%를 기록했다.
소프트 스킬에 대한 온라인 교육의 인기가 점점 높아지고 있다. 조사에 따르면, 응답자의 50%가 리더십과 커뮤니케이션 스킬에 학습 시간의 대부분을 할애한다고 답했다.

 

Reskilling 방안

 

방안 ① 다양한 Use case에서 보여지듯이 AI는 L&D 분야에 활발히 도입되어 인적 역량 개발의 접근성, 형평성, 품질을 높이고 있음

 

Skill development
Skills Profile Building: 교육 및 훈련 기록을 바탕으로, 개인의 기술과 숙련도를 분석하여 맞춤형 스킬 프로필을 자동으로 구축한다. 
Skills Gaps Identification: 현재 보유한 스킬과 필요 스킬 간의 격차를 분석하여, 역량 개발 및 경력 목표 달성을 위해 어떤 스킬이 필요한지 식별한다. 
Personalized Learning Path: 식별된 스킬 격차를 해소하기 위해, 학습 자료와 개인 맞춤형 학습 경로를 자동으로 추천한다. 

 

Career Development
Career Interest Exploration: 개인의 관심사, 포부 등을 파악하고 시장의 요구를 분석하여 가장 흥미롭고 실현 가능한 경력 경로를 제안한다. 더불어 다양한 경력 옵션도 함께 제시한다.
Personalized Career Path: 개인의 스킬 프로필과 산업 동향을 바탕으로 맞춤형 경력 경로를 설계한다. 이를 통해 수직적 또는 수평적 경력 목표를 달성하도록 지원한다.

 

▶ 인간 지능과 기계 지능 간의 미래 Skill Mix (Non-Exhaustive)

 

방안 ② AI 기반 스킬 관리 생태계를 구축 
스킬 관리 생태계는 직원들이 자기주도적으로 전문 역량을 개발하고, 변화하는 환경에 효과적으로 대응할 수 있도록 지원한다. 스킬 관리 생태계를 구축하기 위해 고려해야 할 요소는 다음과 같다. 
자기주도적 전문 역량 개발 프로세스: 직원은 사내 직무 검색하고, 스킬 진단을 통해 현재 자신의 역량 수준을 파악한다. 그런 다음 필요한 스킬을 업데이트하고 개발한다. 이러한 과정은 On-Demand 방식으로 맞춤 제공된다. 
Skill & Learning Platform: 이 플랫폼에는 사내 직무/필요 스킬 정보, 스킬 진단 도구, Self-resume/스킬 관리, 스킬 개발 가이드, 교육, 정보, 전문가, 멘토 pool 등 다양한 기능이 포함되어 있다. 
AI-Powered Knowledge Factory: 이 시스템은 미래의 스킬 수요를 예측하고 스킬을 업데이트한다. 그리고 내/외부 전문가 네트워크와 협력하여 Best Practice를 발굴한다. 트렌드를 지속해서 모니터링하며 조직의 학습 콘텐츠를 소싱하고 개발한다. 

 

▶ 스킬 관리 생태계

 

3. Organization: 어떤 조직이 필요하며, 이를 어떻게 구성할 것인가?

필요한 AI 조직의 종류와 주요 역할

 

AI Council, AI COE Team 등 AI의 효과적 도입 및 활용을 위한 조직이 필요함
AI Council: AI 로드맵을 결정하고, 자원을 할당하며, 진행 상황을 조직의 목표에 맞게 조정한다.
AI Control Tower: AI 실행 계획을 수립한다. 데이터 관련 이슈를 관리하고, 조직 내에서 AI가 윤리적으로 사용될 수 있도록 감독한다.
AI “tech” Team: AI 모델 개발을 담당하며, 내부에서 개발하거나 외부에서 도입한다. 파일럿 프로젝트를 진행하고, 성공적인 모델은 조직 전체에 확산한다. 
AI COE Team: 새로운 AI 기반 프로세스를 도입하고, 현장에서 Best practice를 실행한다. 
AI Change Ambassadors: 조직의 변화 관리 과정을 비공식적으로 지원한다. 

 

▶ AI 조직 주요 역할

 

AI 조직 운영 방안

 

방안 ① 초기에는 AI COE Team이 Use Case의 우선순위를 정하고 실행을 전담. 이후 각 단위 조직에서 주도해야
 

중앙집중식
AI “tech” Team은 모든 AI Use case의 개발을 전담하고, 이를 현업 조직에 서비스 형태(as-a-service)로 제공한다. AI COE Team은 기업의 비전과 전략에 맞춰 Use case 도입의 우선순위를 정하고 중앙에서 관리한다. 중앙집중식의 이점은 조직 전체에서 일관된 실행이 가능하고, 비용 효율성을 극대화할 수 있다는 점이다. 하지만 현업 조직의 혁신을 제한할 수 있다는 단점이 있다.

 

분산형
AI “tech” Team은 기술적 인프라만 관리한다. 별도의 AI COE Team은 없으며, 각 현업 조직의 AI Portfolio Owner가 Use case 관리를 전담한다. 분산형의 장점은 유연성과 민첩성이다. 하지만 중복된 노력과 일관된 전략적 방향성을 유지하기 어렵다는 단점이 있다.

 

▶ AI Use Case Implementation / 관리 조직 대안

 

방안 ② AI Council을 구성하여 AI의 효과적이고 책임 있는 활용을 감독해야
AI Council의 역할은 크게 Governance와 Funding으로 구분할 수 있다. 첫째, Governance는 AI 솔루션 개발의 각 단계를 승인하고, 상업화 전에 Use Case의 우선순위를 정하는 것이다. 필요에 따라 외부 파트너와 인재를 발굴하는 역할도 한다. 둘째, Funding은 예산 오너십을 가지고 각 사업 부문에 대한 예산 배분을 담당하는 것이다.

 

▶ AI의 효과적인 활용을 위한 전략적, 전술적, 운영적 방안(Client example; Directional)

 

4. Leadership: 필요한 리더십을 어떻게 지속적으로 개발할 것인가?

 

현업 리더의 중요성과 역할

 

성공적인 조직혁신에 있어서 ‘현업 리더’의 역할이 재조명 받고 있으나, 이들에 대한 지원은 부족한 실정임
현업 리더는 조직의 전략 방향에 맞춰 실질적으로 일이 이루어지도록 하는 Enabler로서의 역할을 수행한다. 
성공적인 Transformation을 이룬 기업 중 73%가 현업 리더가 조직 변화 과정에 적극적으로 참여했다고 답한 반면, 비교 기업에서는 이 비율이 48%에 그쳤다1.  또한, 조직의 성공에 있어 People Manager의 역할이 결정적이라고 응답한 HR 임원의 비율이 92%에 달한다2.
그러나 현업 리더가 역할을 효과적으로 수행할 수 있도록 조직에서 충분한 지원을 제공하고 있다고 답한 관리자의 비율이 20%에 그쳤다1. 

 

성공적인 AI-Powered OT를 위해, 현업 리더는 업무/인력, 조직, 리더십 전반에 걸쳐 중요한 역할을 수행해야 함

 

업무/인력 관리
AI를 활용해 조직의 전략적 방향에 맞춰 효율성과 효과성을 최대화할 수 있도록 지원한다. 이를 위해 필요한 스킬을 규정하고, 구성원의 스킬 수준을 평가하며, 필요한 인재를 확보하여 적절하게 배치한다.

 

담당 조직 관리
AI 관련 조직의 효과성과 구성원의 Engagement 수준을 파악하여 조직 목표와의 Gap을 분석한다. 파악된 Gap의 해소를 위한 Intervention을 설계하고 실행하여 조직의 성공을 보장한다.

 

리더십 발휘
AI 조직 혁신에 맞는 리더십 역량과 스타일을 정의하고 이해한 후, 현재 수준을 진단하여 강점과 약점을 분석한다. 이를 바탕으로 강점을 강화하고 약점을 보완하기 위한 개발 방안을 수립하고 실천한다.

 

리더 역할 수행의 Challenges

 

AI-Powered Organizational Transformation을 이끄는 과정에서 현업 리더는 여러 가지 Challenges에 직면

 

업무/인력 관리에서의 Challenges 
리더는 신기술을 적용하여 개인별로 최적의 업무를 재설계해야 한다. 그리고 앞으로 필요한 스킬을 예측하고, 현장의 스킬 수준을 진단하여, 적절한 개발 방안을 마련해야 한다. 부서 내/부서 간의 직무와 인력 간에 최적의 Match를 찾아내야 한다.

 

담당 조직 관리에서의 Challenges
리더는 조직 진단 결과를 분석하여 원인을 파악한 다음, 조직 개발을 위해 적합한 Intervention 방안을 고안해야 한다. 

 

리더십 발휘에서의 Challenges
리더는 적합한 리더십 모델과 진단을 도출하고, 진단 결과를 분석해야 한다. 또한, 리더 개인의 개발을 위한 최적 방안을 구상해야 한다. 

 

▶ 리더 역할 수행에 있어서 Challenges

 

리더의 역할 수행 지원 체계

 

지원 체계 ① AI는 리더가 역할 수행 중 직면할 수 있는 Challenge를 극복하고 조직 혁신을 이끌 수 있도록 지원
예를 들어, AI는 개인화, 평가, 아이디어 생성, 인과관계 분석, 예측 등을 통해 리더의 역할 수행을 지원할 수 있다. 

 

▶ (생성형) AI를 통한 리더의 역할 수행 지원 예시

 

지원 체계 ② 리더 지원 체계는 지속 진화하고 있으며, 생성형 AI는 기존의 불완전한 리더 지원 체계를 Level-up 하는 기회를 제공
As-Was: 리더는 개인적인 감이나 관계에 의존하여 사람/조직 문제를 해결한다. 
As-Is: People Analytics를 일부 활용한다. 이벤트성으로 조직/인력 진단을 실시하지만, 처방이 단편적이거나 대안이 부족하다. 주로 과거 데이터와 경험에 의존하며, 소수의 HR/분석 전문가에게 의존하는 경향이 있다.
To-Be: 생성형 AI의 도입으로 실시간 및 빠른 주기의 진단이 가능해지며, 개인 맞춤형 대안을 수립할 수 있다. 예측과 탐색 중심의 접근이 이루어지고, 리더는 스스로 쉽게 분석하고 탐색할 수 있다.

 

지원 체계 ③ AI는 정형화된 분석 업무를 자동화하면서 챗봇 형태의 인터페이스를 통해 필요한 인사이트를 즉시 제공 
AI를 도입하면 리더는 조직 진단을 훨씬 더 빠르고 정확하게 수행할 수 있다. 예를 들어, 리더가 “우리 팀과 조직 구성원의 조직몰입도 수준과 그에 영향을 미치는 요인은 무엇인가?”라는 질문을 던진다고 가정해 보자. AI는 이 질문을 기반으로 조직 몰입도, 보상 만족도, 리더 만족도와 같은 핵심 지표들을 분석하고, 그 결과를 리더가 쉽게 이해할 수 있도록 시각적으로 제공한다. 나아가 리더는 챗봇을 통해 질문과 답변을 주고받으며 필요한 인사이트를 실시간으로 얻을 수 있다.

 

▶ 생성형 AI 기반의 조직 진단 예시

 

지원 체계 ④ 생성형 AI 기반 분석을 통해 빠른 결과뿐만 아니라 새로운 인사이트를 창출
생성형 AI가 인사이트 창출 프로세스에서 가지는 가치는 다음과 같다. 첫째, Democratization이다. 챗봇과 같은 인터페이스를 통해 데이터 기반 의사결정을 쉽게 내릴 수 있으므로, 의사결정 과정이 간소화되고 리더의 Empowerment가 증대된다. 둘째, Speed to Visibility다. AI는 질문을 분석하고 신속하게 응답하여 리더가 더욱 빠르게 의사결정을 내리고 대응할 수 있도록 돕는다. 셋째, Automated Insights이다. AI는 광범위한 데이터를 빠르게 분석하여 실시간으로 문제를 발견하고 Bias가 최소화된 인사이트를 일관되게 제공한다.

 

지원 체계 ⑤ 조직/구성원의 데이터를 다양한 분석 목적에 맞게 활용할 수 있도록 통합된 데이터 분석 플랫폼을 마련
예를 들어, 데이터 분석 플랫폼을 활용해 인재 유치 및 최적화, 노동 생산성 및 성과 관리, 직원 경험, DEI 및 급여 형평성, 직원 유지에 대해 분석할 수 있다. 

 

▶ 통합 데이터/분석 플랫폼(Non-exhaustive)

 

지원 체계 ⑥ AI 코치를 활용하여 리더에 대한 코칭뿐만 아니라, 직원에 대한 피드백/코칭을 효과적으로 수행할 수 있도록 지원
AI 코치는 리더의 행동을 시의적절하게 진단하고 코칭을 제공한다. 또한, 정교한 데이터 분석을 통해 리더가 팀을 효과적으로 이끌 수 있는 지침을 제공한다. 
결과적으로 Data-driven Insight와 리더의 Human Touch가 결합하여 더욱 효과적인 코칭을 가능하게 한다. 이는 리더가 데이터를 기반으로 보다 인사이트 있는 결정을 내릴 수 있도록 돕고, 이를 통해 팀의 성과를 극대화하는 데 기여한다.

 

 

3. 추진 Approach

 

AI-Powered Organizational Transformation Approach

 

접근 방식은 Think, Build, Scale, Govern의 네 가지 요소로 구성됨
첫째, Think에서는 ‘고객이 신뢰하는 선도적인 AI 기반 조직이 된다’와 같은 비전을 설정한다. 둘째, Build에서는 AI를 구축, 제공, 운영하기 위한 방안을 마련하고 실행한다. 셋째, Scale에서는 조직 내외의 프로세스에 AI를 통합한다. 넷째, Govern에서는 AI의 책임 있는 사용을 보장하는 활동을 한다. 마지막으로, Build, Scale, Govern 전반에 걸쳐 관련 데이터를 확보한다.

 

▶ AI-Powered Organizational Transformation Approach


4. AI-Powered Organizational Transformation 실행에 있어서 고려 포인트

 

  • 개인 차원의 업무 생산성 제고를 넘어선 ‘AI 활용 E2E 프로세스 혁신’ 추구
  • AI와 사람 각자의 ‘강점’에 기반한 협업 체계 설계
  • Higher cognitive skills & Interpersonal skills 개발
  • AI 기반으로 필요 스킬의 적시 개발 체계 구축
  • 조직 차원에서 AI의 효과적 도입/활용을 위한 AI COE 구성
  • AI의 책임 있는 활용을 위한 AI Council 구성
  • AI/데이터 기반으로 리더의 업무를 먼저 혁신하여 여력을 확보
  • AI/데이터 기반 도구를 적극 활용하여 리더십 상향 평준화