칼럼 | 에이전틱 AI 시대에 맞춘 ‘DX 전략’ 개편이 필요하다

올바른 디지털 트랜스포메이션은 성장을 촉진하고 효율성을 높이며 경험을 개선하고 경쟁 우위를 확보한다. 궁극적인 목표는 기술, 데이터, AI가 고객 기대와 시장 기회를 급속히 바꿔내는 가운데, 기업의 비즈니스 모델을 진화시키는 것이다.

하지만 기술적 패러다임 전환과 여러 파괴적인 글로벌 요인으로 인해 CIO들이 고정된 DX 전략을 고수할 수 없는 상황이다. 2020년에는 팬데믹, 2022년에는 경기 침체 우려, 2024년에는 생성형 AI 시대를 감안해 전략을 재편해야 했다.

2년 전, 필자는 생성형 AI가 디지털 트랜스포메이션 우선순위에 미치는 영향에 대해 살펴봤다. 데이터 전략, 고객 지원 이니셔티브, AI 거버넌스에 초점을 맞췄다. 지난해에는 생성형 AI로부터 비즈니스 가치를 창출하는 방법에 대해 작성했다. 생산성 개선을 넘어서는 다른 혜택을 목표로 해야 한다는 주문이었다. 이 외에도 생성형 AI의 미래의 업무에 미치는 영향, 기초 AI 투자 식별, 비즈니스에 영향을 미치는 생성형 AI 기회 타겟팅에 초점을 맞춘 칼럼들도 있었다.

상기의 여러 칼럼에서 제시된 조언은 생성형 AI가 디지털 전략과 우선순위를 어떻게 변화시키는지에 초점을 맞춘 것들이었다. 이번에는 생성형 AI가 이러한 디지털 전략과 우선순위를 구현함에 있어 기업의 조직적 모델에 미치는 영향을 살펴본다.

TCS의 AI 및 데이터 비즈니스 유닛 책임자 시바 가네산은 인간을 에이전트형, 생성형, 예측형 AI 능력으로 강화하는 기업들이 다음의 변혁적 시대를 주도할 것으로 바라본다. “이러한 조직들은 지능적인 선택을 위한 아키텍처를 구축하고, 작업을 자동화하는 것이 아니라 인간을 강화하는 데 투자하며, 전체 가치 사슬을 변혁시키고 있다”라고 그는 설명했다.

CIO들은 에이전틱 AI와 기타 신흥 AI 역량이 지능형 조직을 만들어내는 데 어떻게 기여할 수 있는지 고민해야 한다. CIO들이 집중해야 할 3가지 분야는 고객 중심의 재강조, 비즈니스 참여 방식의 진화, 조직의 디지털 운영 모델 정교화다.

제품 디자인과 CX 프로세스의 재구상

모든 고객 경험(CX) 전략이 이제 전면적 개편을 필요로 한다고 표현해도 과언이 아니다. 에이전틱 AI가 상호작용의 최전선에서 활약하는 경험을 고객들이 기대할 것이기 때문이다. 소매, 미디어, 의료, 개인 금융 등 개인화가 서비스 차별화 요소인 B2C 산업이 이 패러다임 전환을 먼저 겪을 가능성이 크다.

챗미터(Chatmeter)의 존 마주르 CEO는 고객 상호작용에 AI를 활용함으로써 큰 기회가 있을 수 있다는 점을 강조했다. 예를 들어, 리뷰나 소셜 미디어 댓글 같은 비구조화 데이터를 포함한 고객 피드백을 분석함으로써 “AI는 조직이 피드백을 운영에 반영해 교육, 정책, 채용을 개선하는 데 도움을 줄 것”이라고 마주르는 설명했다.

또한 조직은 생성형 AI를 활용해 디자인 사고, 프로토타이핑, 파일럿 테스트, 테스트 프로세스를 한층 고도화할 수 있다. AI 에이전트는 디자인 프로세스를 가속화하고 더 많은 테스트 시나리오를 지원하며 고객 상호작용을 통합함으로써 더 유연하고 발전하는 프로세스를 가능하게 한다. 제약 산업의 경우라면 AI가 임상 시험 환자 모집과 커뮤니케이션을 개선하는 등 고객 파일럿 테스트에도 도움을 줄 수 있다.

헥사웨어(Hexaware)의 사티아지스 문다칼 CTO는 “우리가 제품을 설계하고 운영을 간소화하며 경험을 향상시키는 방식을 재편함에 있어 AI는 독특한 존재다. 다중 디자인 프로토타입을 신속하게 생성하고 광범위한 테스트 프로세스를 자동화함으로써 우리는 시장 출시 시간을 대폭 단축하고 개념에서 현실로 가는 여정을 가속화하고 있다”라고 전했다.

이제 CIO들은 R&D, 시장 조사, 디자인 사고, 고객 시범 운영에 대한 조직의 접근 방식을 혁신하기 위해 다기능 리더십 팀을 구성해야 한다. AI 에이전트는 이러한 각 분야에서 내부적 생산성 향상을 이끌겠지만, 전체 디자인 프로세스를 재고하는 조직이 더 큰 가치를 창출할 것이다.

애자일 변화 관리 가속화

애자일 방법론, 제품 기반 IT, 로우코드 개발 플랫폼, 시민 데이터 과학 등은 현업, 데이터, IT 팀들 혁신을 위해 협력하는 방식에 패러다임의 전환을 이끌어냈다. 이미 직원들은 LLM을 실험하고 에이전틱 AI와 업무를 적응시키는 방법을 탐색하고 있다. CIO들은 이러한 실험을 활용해 변화 관리 가속화를 전략적 디지털 트랜스포메이션 이니셔티브에 적용할 수 있다. 생성형 AI 실험을 작은 실질적인 변화와 연결하면 사람들의 사고방식을 반복적이고 피드백 중심의 실천으로 전환하는 데 도움이 된다.

베린트(Verint)의 롭 스쿠디어 CTO는 “많은 기업들이 비용이 많이 들고 시간이 오래 걸리며 업무에 큰 혼란을 초래하는 대규모 배포에 집중하고 있다. 하지만 영향력 있는 결과와 ROI 사례는 작업 수준에서의 작은 배포에서 발생하곤 한다”라고 말했다.

그는 이어 “예를 들어 고객 접점 센터에서 기업들은 AI 기반 전문 봇으로 단일 마이크로 워크플로우를 자동화하는 것만으로도 수백만 달러의 비용 절감이나 추가 매출 창출, 직원 및 고객 경험의 측정 가능한 개선을 달성하고 있다”라고 덧붙였다.

그러나 생성형 AI를 활용하는 워크플로우를 현업 부서에 적용하기란 쉽지 않을 수 있다. 조직적 커뮤니케이션이 부족하다면 그럴 가능성은 더욱 커진다. 각 부서와 팀들이 독립적으로 작업하기를 원할 수 있겠지만, CIO는 정보 중앙화 및 상향식 협업을 통해 변경 사항이 디지털 트랜스포메이션 목표와 일치하고 가속화되도록 조율할 필요가 있다.

퀵베이스(Quickbase)의 존 켄드리 CTO는 “변혁적인 사용 사례를 식별하는 것은 팀, 프로젝트, 전체 조직에 대한 전체적인 시각을 확보하는 능력에 달려 있다. 비즈니스 리더들은 데이터가 어디에 저장되어 있든 조직 전체에 걸쳐 일관되고 정확한 정보 시각을 필요로 한다. 각 팀, 프로젝트, 이해관계자에 대한 명확한 시각이 없으면 프로젝트를 지연시키고 의사결정을 어렵게 만드는 중복, 중첩, 생산성 격차를 식별할 수 없다”라고 강조했다.

독립적으로 작업하는 팀은 의도치 않게 회색 업무(gray work)를 생성할 수 있음을 감안해야 한다. 이는 프로젝트 진행과 영향력 있는 결정을 내리기 위해 필요한 정보를 찾는 데 소요되는 시간과 자원이다. CIO들은 팀과 함께 애자일 및 변화 관리를 촉진한 후, 애자일 PMO의 임무를 확장하여 커뮤니케이션 및 협업 격차를 해결할 수 있을 것이다.

디지털 운영 모델의 재구상

대부분의 CIO는 생성형 AI가 IT 부서가 혁신을 제공하고 IT 서비스를 관리하는 방식에 있어 중요한 진화를 가져온다는 점을 이미 인식하고 있다.

블랙와이어 랩스(Blackwire Labs)의 조시 레이 CEO는 “생성형 AI를 그저 또 다른 기술로 바라본다면 지나치게 단순한 시각이다. 이는 인간 지능을 지수적으로 증폭시키는 조직의 신경계다. 과거에는 프로세스 디지털화에 초점을 맞췄지만, 이제는 우리와 함께 생각하는 시스템을 구축해 데이터를 전략적 통찰로 전환하고 있다. 기술 스택을 관리하는 것이 아니라 인간과 AI가 협력해 이전에는 불가능했던 문제를 해결하는 인지 생태계를 설계하는 CIO들이 미래에 성공할 수 있을 것”이라고 말했다.

IT 서비스 관리(ITSM)는 생성형 AI의 잠재력 개방을 위한 좋은 출발점이다. 네트워크 운영 센터(NOC)와 사이트 신뢰성 엔지니어(SRE)는 AI옵스 플랫폼을 활용해 경고를 시간 관련 사고로 연결하고 평균 해결 시간(MTTR)을 개선하며 근본 원인 분석(RCA)을 수행해 왔다. 생성형 및 에이전틱 AI가 IT 운영의 더 많은 측면을 지원함에 따라 CIO들은 IT 운영을 더 프로액티브하고 혁신적인 이니셔티브와 재조정할 새로운 기회를 얻게 됐다.

피코(FICO)의 마이클 트르카이 CIO는 “내부적으로 고객 결과 개선과 엔지니어의 업무 부담을 줄이는 사용 사례에 집중하고 있다. 생성형 AI를 활용한 핫픽스 개발과 예측 AI를 통해 사고를 식별, 연관화, 라우팅하여 사고 대응을 개선하는 기회가 우리 비즈니스를 변혁시키고 있으며, 이는 고객 만족도, 매출 유지율, 엔지니어링 효율성 개선으로 이어지고 있다”라고 말했다.

개발 측면에서는 코드를 작성하는 코파일럿이 많은 주목을 받았다. 오늘날 데브옵스 팀은 20%에서 35%의 코드 추천을 수용하고 있다는 조사 결과도 있다. 하지만 코딩 작업에서 얻을 수 있는 혜택은 시작에 불과하다. AI 에이전트는 요구사항 정의, 테스트 케이스 작성, 문서 유지보수 등 소프트웨어 개발 라이프사이클 전반에 걸친 기능성을 갖추고 있다.

소나소스(SonarSource)의 안드레아 말라고디 CIO는 “AI의 잠재력을 코딩과 테스트를 넘어 평가해야 한다. 특히 요구사항 단계에 대해 그렇다. 역사적 데이터를 활용하는 잘 설계된 프롬프트와 함께 AI를 사용하면 팀은 견고한 요구사항을 빠르게 작성할 수 있으며, 이는 결국 배송 사이클 시간을 단축한다”라고 말했다.

AI가 능력을 발휘하는 세 번째 분야는 조직 설계, 팀 구성, 커뮤니케이션이다. 앱파이어(Appfire)의 에드 프레데리치 CTO는 “AI가 경력 코치와 멘토 역할을 수행해 직무 구조, 기업 목표, 개인의 강점을 분석해 직원들이 원하는 경력 경로를 안내할 수 있다. AI는 최적의 팀을 구성해 복잡한 문제를 해결하기 위해 적절한 기술 세트를 매칭하고, 메시지를 요약하거나 이메일 초안을 작성하며, 회의 일정을 조정하고 여행 예약을 처리하는 등 커뮤니케이션을 간소화해 생산성을 향상시킨다”라고 설명했다.

즉 생산성 향상에만 초점을 맞춘 CIO들은 조직 변혁의 더 큰 기회를 놓칠 수 있다. 기술이 빠르게 변화함에 따라 CIO들은 공급업체의 에이전틱 AI 기능 학습, 현재 AI 도구 사용 방식 검토, 조직의 디지털 운영 모델 개선에 시간을 투자해야 한다.
[email protected]