기고 | 생성형 AI 사용 사례, ‘혁신 워크숍’으로 포착하기

비즈니스 가치를 창출하는 기회를 파악하고 우선순위를 정하는 데 있어 생성형 AI라고 특별하지는 않다. 결국 비용 대비 이익과 우선순위를 정하는 작업이 핵심이다.

생성형 AI 워크숍의 장점

필자는 전 세계에서 공공 및 민간 부문을 대상으로 수백 건의 혁신 워크숍을 진행해왔으며, 그 중 상당수가 AI/ML, 데이터 및 분석에 초점을 맞춘 것이었다. 그간의 경험에서 이러한 디자인 기반 브레인스토밍 세션이 생성형 AI에도 효과적임을 확인할 수 있었다.

일반적은 워크숍 방법론은 다음과 같다. 조직 전체에서 10~25명이 참여하며, 2~4시간의 아이디어 도출 세션을 통해 아이디어를 도출하고 우선순위를 정하도록 안내한다. 여기에는 적절한 참가자 수, 적절한 시간, 적절한 투표 기준이라는 ‘골디락스’ 원칙이 있다.

사실 혁신 워크숍이나 브레인스토밍 세션을 운영하는 방법은 무수히 많다. 하지만 여기서는 특히 생성형 AI 사례 발굴에 효과가 좋았던 방법을 살펴한다. 다른 접근 방식이나 형식을 선택해도 일관성을 유지하는 한 무방하다.

일단 워크숍의 전반적인 목표와 목적을 공유하고, 프로젝트 스폰서의 설명을 들은 후 30분 동안 아이디어를 전자적으로 캡처하는 시간을 가진다. 이 시간 동안 참가자들은 대면, 가상 또는 혼합 환경에서 그룹 의사결정 지원 소프트웨어에 자신의 아이디어를 입력하고 서로의 아이디어에 대해 의견을 제시하고 이를 바탕으로 아이디어를 발전시킨다.

이후에는 각 참가자의 엘리베이터 피치(elevator pitches)를 1~2시간 동안 듣는데, 보통 아이디어당 1~2분 정도다. 이 단계에서 아이디어를 더 넓은 그룹과 공유하여 전반적인 이해 수준을 높이고 설명이 필요한 부분은 빠르게 토론한다.

이후 개별 투표를 진행한다. 마지막으로 30분 동안 각 참가자가 들은 내용을 바탕으로 모든 아이디어에 투표할 수 있도록 한다. 그런 다음 투표 결과와 결과를 미리 살펴보는 것으로 마무리한다. 그런 다음 세션이 끝나고 며칠 후에 요약본과 공식 결과물을 공유한다.

이 과정을 일관성 있고 반복 가능하게 만들기 위해 필자는 잘 정의되고 균형 잡힌 투표 기준을 사용함으로써 각 아이디어를 프로젝트 우선순위 매트릭스라고 하는 비용-편익 매트릭스에 배치하는 방법을 선호한다. 비즈니스 이익 측면에서는 전략적 적합성과 비즈니스 가치라는 두 가지 투표 기준을 사용한다. 구현 용이성 또는 비용 측면에서는 구현 및 유지 관리에 소요되는 시간과 비용, 프로젝트 위험과 복잡성이라는 두 가지 투표 기준을 사용한다.

각 항목은 1-3-5 척도로 점수를 매기고 합산하여 이후의 비용 편익 차트에 전체 점수를 표시하며, 비즈니스 편익은 Y축에, 구현 용이성은 X축에 표시한다.

이러한 접근 방식을 사용하면 투표 후 참가자는 자신의 아이디어가 어떻게 비교되는지 명확하게 확인할 수 있다. 전술적 기회인 경우, 오른쪽 위 사분면에는 빠른 성공(즉, 비즈니스 혜택이 높고 구현하기 쉬운)으로 표시되고, 보다 전략적인 기회인 경우, 왼쪽 위 사분면에는 필수(즉, 비즈니스 혜택은 높지만 구현하는 데 시간과 비용이 많이 들고 위험성이 높은)로 표시된다. 하지만 이 두 가지 유형의 기회는 모두 좋은 기회다. 당연한 말이지만 빠른 성공은 단기 구현 로드맵에, 필수 요소는 장기 구현 로드맵에 대응한다.

생성형 AI의 이점

이 접근 방식의 한 가지 분명한 장점은 합의 기반이라는 사실에 있다. 그룹 참여를 통해 서로의 아이디어를 제안하고 공유할 수 있을 뿐만 아니라 서로의 아이디어에 투표할 수 있다. 세션에 참석할 참가자를 신중하게 선택한다면 이 접근 방식은 리더십과 최종 사용자의 아이디어를 포착한다는 측면에서 하향식 및 상향식 철학을 모두 지원할 수 있다. 이러한 유형의 워크숍의 부수적인 이점 중 하나는 정기적으로 서로를 보지 않거나 일상적으로 소통하지 않는 팀원들을 한자리에 모아 아이디어를 교차 수분하고 다양한 관점을 도입할 수 있다는 것이다.

또 다른 장점은 추가 조사 및 분석을 위해 많은 아이디어를 신속하게 테이블 위에 올려놓을 수 있다는 것이다. 워크숍에서 우선순위를 정하는 방식은 세분화된 필터를 통해 빠르게 성공할 수 있는 아이디어와 꼭 필요한 아이디어를 식별하는 데 도움이 된다. 또 필요에 따라 각 아이디어에 대한 추가 분석을 수행하여 각 기회에 대한 심층적인 비즈니스 사례와 ROI를 도출할 수 있다. 일부 아이디어는 더 큰 프로젝트로 그룹화하여 향후 조사를 위해 보관하거나 필요에 따라 폐기할 수도 있다.

물론 많은 생성형 AI 사용 사례는 워크숍 이외의 공간에서 유기적으로 발생한다. 이러한 경우에는 누군가에게 기존 아이디어로 메모하도록 한 다음 그룹에서 같은 방식으로 우선순위를 정하여 비용 편익 매트릭스에 표시하도록 할 수 있다. 이렇게 하면 큰 그림과 이러한 아이디어가 어디에 적합한지 파악하는 데 도움이 된다. 또한 인접하거나 유사한 프로젝트를 식별하여 기존 프로젝트에 적용할 수도 있고, 그 반대의 경우도 마찬가지다.

한 세션에서 다루기에는 너무 많은 생성형 AI 사용 사례가 나온다면 워크숍을 부서 또는 사업부별로 나눠서 진행할 수도 있다. IT, 운영, 영업, 마케팅, 법무, 재무, HR 등의 영역을 나열할 수 있다. 그런 다음 최고 AI 책임자는 각 세션에서 얻은 결과를 바탕으로 기업 전반의 AI 전략과 실행 계획을 어떻게 지원할 수 있는지 확인할 수 있다.

생성형 AI는 다른 IT 기술과 많은 부분이 다르지만, 동일한 부분도 많다. 다른 신기술과 마찬가지로 거시적인 필터로 시작하여 구체적인 비즈니스 사례로 세분화하면 체계적으로 정리하고 전술적 기회와 전략적 기회 모두에 우선순위를 정할 수 있다.
[email protected]