AI 피보팅

AI 피보팅



김경준, 손진호 지음

원앤원북스 / 2021년 7월 / 267쪽 / 17,000원





디지털 격변으로 펼쳐지는 새로운 지평



디지털 격변, 전개의 배경

코로나19 충격과 디지털 격변의 가속화: 코로나19 방역으로 인한 자가 격리 및 이동 제한으로 디지털 시대로의 전환이 가속화되었고, 소비자의 온라인 의존도가 높아지면서 데이터 공유 또한 활성화되어 기술 발전을 가속화시키고 있다. 아울러 디지털 시대에 부응하는 기업의 옴니채널 전략 및 디지털 트랜스포메이션(DT)은 필수 불가결한 선택이 될 전망이다. 요지는 코로나19로 인해 디지털 전환이 가속화된다는 점이고, 이는 코로나 19 이후 지금까지 우리가 경험하고 있는 변화다.

정보혁명과 디지털 전환의 2단계 전개: 정보혁명이 우리나라에서는 1980년대 중반부터 컴퓨터와 휴대폰이 일반에게 보급되면서 체감되기 시작했고, 사회경제 전반의 문명적 변화인 정보혁명의 광범위한 개념을, 기업들은 산업구조 변화와 미래 전략 방향성의 실질적 차원에서 규정할 필요가 있었다. 이러한 측면에서 정보혁명은 ‘정보산업의 태동 및 기존 산업의 정보화 혁신’으로 정의되었다.

정보혁명의 1단계에서는 컴퓨터, 휴대폰, 반도체, 초고속 통신 장비 등 정보산업이 태동하고, 2단계에서는 정보 기술의 확산으로 기존 산업의 정보화 혁신이 진행된다. 한편 기업 전략 관점에서 정보산업 태동기에는 미래지향적 사업 포트폴리오 재편이 핵심 과제이고, 확산기에는 기존사업에 정보 기술을 접목하는 경영 혁신이 부각된다. 실제로 태동기에 정보산업으로 진출을 성공한 기업은 비약적으로 성장했고, 확산기에는 이메일, 그룹웨어, BPR(업무 재설계)등이 기업 운영의 근간으로 도입되었다.

이러한 관점을 18세기 중반의 산업혁명에 대입해도 맥락은 동일하다. 증기기관의 개념적 시제품은 1663년에 출현했지만, 상업용은 1776년 제임스와트가 발명했다. 1단계로 증기기관 및 관련한 부품 산업이 성장하고, 2단계로 증기기관이 기존 산업으로 확산되면서 산업혁명이 본격적으로 전개된다.

오늘날의 디지털 격변도 유사한 양상이다. 1단계로 인공지능, 빅데이터 분석, 클라우드 등의 디지털 산업이 태동하고 성장하고, 2단계로 기존 산업으로 확산되는 흐름이다. 그런데 이런 디지털 기술 확산의 속도는 산업마다 차이를 보인다. 초기에는 인접 산업인 통신, 미디어 등으로 전파되었다가 점차 유통, 물류, 금융, 제조 분야로 범위를 넓혔다. 이런 측면에서 2020년을 결산한다면 디지털 격변의 2단계가 본격적으로 개막하면서, 아날로그 질서가 디지털 패러다임으로 전환되는 변곡점으로 평가된다.

산업 전반적으로 기존 오프라인 아날로그 사업자들이 정체하고, 신생 온라인 디지털 사업자들이 대거 약진했다. 또한 전형적인 아날로그 생활 밀착형 사업인 음식, 식재료, 세탁 부문까지도 디지털 격변이 급속하게 진행되었다. 그 결과 자영업 수준의 소규모 식당과 재래시장의 가게조차 플랫폼을 경유한 온라인 매출에 따라 명암이 교차했다. 나아가 코로나19 방역을 위한 대면 접촉 제한으로 원격 교육, 재택근무 등이 강제로 시행되면서, 공교육, 공공 서비스 등 자생적 변화와는 상대적으로 거리가 있던 부문도 디지털 격변의 영향권에 편입되고 있다. 아무튼 2020년을 기점으로 디지털 격변은 기업의 전략적 차원에서 선택이 아니라 필수이고, 방향이 아니라 속도의 차원으로 전환되었다. 따라서 기업의 규모와 업종을 불문하고, 각자의 입장에서 신속하게 현실적 대응 방안을 수립하고, 내ㆍ외부의 가용한 자원을 총동원해 디지털 격변의 물결에 합류해야만 미래 생존이 가능하게 된다.

디지털 시대의 사업 모델 혁신 방향

디지털 사업 모델 혁신의 3단계: 아날로그 시대의 물리적 생산과 소비의 패러다임이 디지털 시대에는 사이버 개념으로 바뀌었고, 데이터와 알고리즘이 핵심 자산이 되었다. 그리고 최근 급속하게 발전한 AI(인공지능)가 알고리즘에 적용되면서 이러한 변화가 가속화되고 있다. 이는 시장구조, 사업 모델, 프로세스에 이르는 격변으로 발생하는 산업 주도권의 재편으로 이어지면서, 기업 혁신은 제품, 프로세스, 사업 모델의 3가지 차원으로 전개되고 있다. 보다 구체적으로 설명하면, 디지털 관점에서 제품과 서비스를 재정의하고 새로운 관점에서 제품과 서비스를 개발하는 혁신, 그리고 데이터와 알고리즘을 가치 사슬 전반에 적용해 효율성을 높이는 프로세스 혁신, 그리고 또 기존 아날로그 사업 모델에 디지털 기술을 접목해 디지털 시대의 사업 모델을 창출하는 혁신 등 3가지 차원으로 전개되고 있다.



디지털과 아날로그 융합의 기회



전환에서 DX 융합으로 확장

아날로그 디지털의 경계선에서 분출되는 에너지: 산업구조 변화의 관점에서 2020년은 아날로그 질서가 디지털 패러다임으로 전환되는 변곡점이었다. 방역을 위해 도입된 비대면, 언택트가 일상생활 전반으로 확산되면서 교육, 의료, 공공 부문 등 그나마 기존 아날로그 질서가 지배하던 영역들도 급속한 변화를 겪기 시작했다. 이러한 흐름의 연장선에서 2021년부터는 아날로그와 디지털이라는 서로 다른 세계가 교차하는 확장된 경계선에서 에너지가 분출되는 격변이 본격적으로 진행될 전망이다.

흔히 디지털 전환의 과정을 아날로그 산업의 쇠퇴와 디지털 산업의 약진이라는 구도로 접근하지만, 실제로는 일방향이 아니라 쌍방향으로 진행된다. 디지털 전환에서 소위 구글, 아마존, 페이스북 등 기술 기업의 급성장은 1단계에서 가장 두드러지는 현상이다. 그러나 2단계에서는 기존 아날로그 질서에 소속되었던 전통적 산업과 기업들이 디지털 기술과 접목되어 사업 모델을 재정립하는 흐름이 확산된다. 현재 우리나라에서도 생활 밀착형 전통적 아날로그 서비스 산업인 세탁, 식당, 음식 배달, 주차장, 정육점 등 다양한 영역에서 디지털 기술을 활용해 고객 가치를 높이면서 사업을 확장시키는 사례는 비일비재하게 찾아볼 수 있다. 나아가 기존 아날로그 기업들이 보유한 유ㆍ무형의 자산을 활용한 디지털 혁신으로 신생 기술 기업들의 도전을 극복하고 재도약에 성공하는 사례도 속출할 예상이다.

DT에서 DX로 아날로그 디지털의 융합 구조: 2021년은 아날로그와 디지털이 본격적으로 융합되고 재구성되는 기간으로 예상된다. 2020년까지 디지털 전환을 지칭하던 ‘DT(Digital Transformation)’에 뒤이어 최근 사용 빈도가 높아진 ‘DX(Digital eXchange)’라는 용어가 이러한 변화를 나타낸다. 비록 미세한 차이지만 DT는 ‘디지털 기술에 기반한 일방향 혁신’이 중점이라면, DX는 ‘신생 디지털과 기존 아날로그 영역 간의 쌍방향 교류를 통한 융합적 혁신’에 방점을 두고 있다는 점에서 구분된다.

아날로그 기업이 지향할 디지털 피보팅, 딥택트: 스타트업은 당초 구상했던 사업이 실행 단계에서 시장 반응이 기대 수준에 미달하면 피보팅(Pivoting, 농구에서 공을 잡은 선수가 상대 선수를 피하기 위해 한 발은 그대로 두고 다른 발을 움직여 방향을 전환하는 동작)을 통해 사업 방향을 재정립해야 한다. 마찬가지로 현재 사업 모델에서 한계를 느끼는 기존 아날로그 기업도 ‘디지털 피보팅(Digital Pivoting)’으로 사업 방향을 재정립해야 한다. 아날로그 기업에게 디지털 전환은 필수적이다. 그러나 디지털 기업을 그대로 따라가기는 어렵다. 사업 모델, 인력 구조, 기술적 기반 등이 모두 다르기 때문이다. 따라서 자신만의 디지털 전환 전략이 필요하다. 아날로그 시대에 축적된 역량과 자산을 디지털 기술을 접목시켜 고유한 전략 방향을 수립해야 한다. 미국의 대형 할인점 월마트는 이런 점에서 벤치마킹의 대상이다. 월마트는 1985년 업계 최초로 인공위성을 이용한 통신망을 구축해 창고 재고, 트럭 운송, 판매 정보를 연동하는 시스템 혁신으로 독보적 경쟁력을 확보했다.

난공불락으로 여겨지던 월마트의 입지는 온라인 쇼핑의 등장으로 흔들리기 시작했다. 1990년대 등장한 온라인 쇼핑은 당초 주변부의 틈새 사업자 정도로 취급받았으나, 2007년 스마트폰이 등장하면서 판도가 뒤집히기 시작했다. 디지털 채널로 수집한 고객 정보를 활용한 마케팅, 첨단 물류망을 활용한 신속한 배송, 편리한 결제 서비스가 결합된 결과였다. 결국 오프라인 사업자들은 핵심 자산인 점포망의 전략적 가치가 퇴색하면서 경쟁력을 상실했다. 특히 1994년 창립된 아마존이 2000년대 중반부터 급성장하면서 많은 전문가들은 월마트의 몰락을 예상했다. 중저가 위주의 판매 품목에서 온라인 사업자와 차별화가 어렵고, 거대 기업일수록 변신도 쉽지 않기 때문이었다.

그러나 JC페니, 시어스, 카슨스 등 여타 오프라인 유통 강자들이 연이어 파산하는 와중에서 월마트는 2019년에도 매출과 이익이 모두 증가했다. 급기야 2020년 5월에는 이베이를 누르고 미국 온라인 판매 2위로 올라섰다. 이러한 변화는 2014년 취임한 더그 맥밀런이 표방한 ‘디지털 퍼스트’ 전략에서 출발했다. 전략 실행의 핵심은 ‘신속한 투자 포트폴리오 재편’과 ‘One 월마트 옴니채널’이었다.

그는 관성적으로 진행하던 오프라인 투자를 대폭 감축하고 디지털 부문에 집중했다. 2015년 월마트 미국 법인의 총 투자비 82억 달러 중 50%가 신규 점포 개설 비용이었지만, 2020년에는 1%로 급감했다. 반면 2020년에는 총 투자비 79억 달러 중 71%인 56억 달러를 온라인 부문과 공급망 고도화에 투입했다. 그리고 급변하는 상황에 내부 역량만으로 대응하기 어렵다는 판단에서 2016년 제트닷컴, 2017년 슈바이 등 디지털 기업들을 적극적으로 인수 합병하여, 단기간에 디지털 분야의 전문 인력, 핵심 기술, 밀레니얼 고객을 확보하면서 내부적으로 디지털 전환에 대한 분명한 방향성을 공유했다.

‘One 월마트 옴니채널’의 개념은 ‘아마존에는 없고 월마트에는 있는 강점’의 추구였는데, 아마존을 따라가서는 한계가 있음을 판단하고 월마트의 오프라인 점포와 온라인 서비스의 연계로 접근했다. 미국 인구의 90%가 월마트 주변 10마일 이내에 거주하는 여건에서 매장들은 디지털 기지로 재구축되었다. ‘온라인 주문 후 매장 수령(Click&Collect)’ ‘생필품 2시간 배달’ ‘전 직원 퇴근배송제’ 등이 주효했다. 맥밀런 월마트 CEO는 고객이 쇼핑 방법, 채널과 상관없이 구매하듯이, 월마트도 온라인과 오프라인을 구분하지 않는 통합적 관점에서 사업 모델 혁신에 접근하는 전략을 일관되게 추진하고 있다.

AI는 디지털 피보팅 엔진

AI는 디지털 피보팅의 엔진: 코로나19를 거치면서 디지털 온라인의 확산이 가속화되고 기존 아날로그 오프라인의 산업 주도권이 급격히 약화되었다. 디지털 온라인은 데이터의 신속한 처리와 반응, 네트워크 효과의 범위에서 우위를 확보해왔으나, AI가 실용화되면서 데이터 기반의 고객 행동 분석, 고객 식별, 맞춤형 제안, AS에 이르는 전 과정의 정확성까지 높아졌다. 아날로그 기업들도 기존의 내부 프로세스를 데이터와 AI 기반으로 신속하게 전환하고 있다. 향후 AI는 모든 기업들의 사업에서 자동차의 엔진과 같은 역할로 발전할 예상이다. AI는 경영 정보는 물론 기업 활동과 관련해 통합된 모든 데이터를 분석하고 의사 결정을 지원하는 핵심이자 기초 체력이 될 예상이다. 참고로 아날로그 시대에도 의사 결정은 데이터와 정보에 기반했지만, 그 자체는 인간들의 고유한 영역이었다. 그러나 인간은 나름의 경험에 기초해 정보를 분석하고 최선으로 의사 결정을 내려도 각자의 휴리스틱 오류인 편견의 한계를 벗어나기 어렵다. 특히 데이터의 양이 많고 신속하게 의사 결정을 내려야 하는 경우는 관행이나 직관에 의존했다. 이 과정에서 오류와 비효율이 발생하게 마련이다. AI는 이러한 부분을 보완한다.



기업의 AI 도입을 위한 현실적 접근



AI 도입을 위한 전략적 프로세스

AI 도입을 위한 실전 프로세스: 많은 기업인이 AI 기술의 잠재력을 높게 평가하면서도 실제 AI를 활용해 사업 구조를 혁신하는 데 어려움을 겪고 있는 가장 큰 이유는 AI 기술 자체가 가진 어려움과 관련이 있다. 참고로 기업들이 AI를 적극 활용해 사업 구조를 혁신하기 위한 5단계 절차는 다음과 같다.

① 효율적인 AI 매니지먼트 인력 양성 - AI 도입을 위해서는 비즈니스 영역 탐색, 목표 수립, 데이터 수집 및 적재, AI PoC(Proof of Concept) 모델 개발, 상용화 모델 개발 등 총 5가지 프로세스를 거쳐야 한다. 그런데 대부분의 사람은 이 5가지 프로세스 대부분을 고도의 공학적 지식과 코딩 능력을 갖춘 AI 전문가가 주도해야 한다고 생각한다. 하지만 더 큰 성과를 내기 위해서는 이 5가지 과정 중 무려 4개 과정은 사업에 대한 높은 이해도를 갖고 있는 일반 경영 관리자들이 주도해야 한다. 마지막 상용화 모델 개발만 엔지니어들이 주도하는 게 바람직하다.

한편 대부분의 기업은 파일럿 프로젝트를 추진할 수 있는 인력이 존재하지 않는다고 상황을 진단하곤 하는데, 이는 잘못된 생각이다. AI를 쉽게 활용할 수 있는 툴을 활용하면, 코딩에 대한 지식이 전무한 경영 관리자들, 심지어 철학이나 예술을 전공한 사람들도 약 30시간 정도의 교육만으로도 얼마든지 가설을 세우고 데이터를 모아 AI PoC 모델을 개발할 수 있고, 이런 역할을 할 수 있는 사람이 바로 AI 매니지먼트 인력이다. 이 인력들은 AI 관점에서 기업에 큰 의미를 주는 파일럿 프로젝트를 수행할 수 있는 역량을 갖추고 있으며, 데이터 수집, 수행, 운영, 관리 등의 과정을 총괄할 수 있다.

② 비즈니스 이해를 바탕으로 파일럿 프로젝트 실시 - AI 매니지먼트 인력 양성 프로세스를 통해 산업 이해도가 높은 현업 인력들이 AI 매니저 역할을 수행하게 되었다면, 파일럿 프로젝트를 추진할 수 있는 동력이 생긴다. AI 매니저는 현업에서 주어진 데이터와 투입 가능한 인적 자원을 바탕으로 기술적으로 달성 가능한 프로젝트를 기획하고 진행해야 한다. AI 매니지먼트 인력을 양성하는 시점부터 최초의 AI 파일럿 프로젝트가 도출될 때까지의 기간은 6개월 이내로 제한하는 게 바람직하다. 이 이상 길어지면 조직 내에서 AI에 대한 회의론이 확산될 수 있다.

③ 경영진(임원) 및 AI 엔지니어 교육 실시 - 파일럿 프로젝트를 통해 AI가 기업의 경쟁력을 높일 수 있다는 것을 증명했다면, 기업 내부에서는 모멘텀(성장 동력)을 확보했다고 볼 수 있는데, 이 모멘텀을 바탕으로 AI 도입이 확산되기 위해서는 두 그룹에 대한 교육이 필요하다. 우선 AI에 대한 경영진의 이해도가 높아질수록 AI의 품질 자체가 달라진다는 점에서 경영진 교육이 필요한데, 경영진 교육은 AI가 기업에서 어떻게 활용될 수 있는지를 명확히 이해하며, 이에 따른 전략을 개발하는 것을 목표로 한다. 그리고 AI 엔지니어를 대상으로 한 교육은 AI 파일럿 프로젝트가 유효함을 AI 매니저로부터 증명 받은 이후부터 시작되는데, AI 상용화 모델을 만드는 역량을 갖추도록 유도하는 게 목적이다. AI 매니저들이 AI가 필요한 영역을 탐색해 발굴하고 검증하는 역할을 담당한다면, AI 엔지니어들은 이를 토대로 경쟁력 있는 AI 모델을 지속적으로 고도화하는 역할을 담당하는데, 전통적인 AI 엔지니어 영역에 대한 교육과 AI 보편화 흐름에 맞는 시스템 활용 능력을 갖추도록 유도하는 교육이 필요하다.