칼럼 | 이제는 수익을 고민할 때··· 생성형 AI의 비즈니스 가치를 높이는 팁 5가지

IT 리더는 생성형 AI 전략에의 투자를 늘리기 위해 현재의 AI 열풍을 이용할 수 있다. 하지만 가트너는 생성형 AI에 대한 부풀려진 기대가 이미 정점에 달해 ‘환멸 단계’가 머지않았다고 밝혔다.

그렇다고 해서 투자가 급격히 줄 것이라는 의미는 아니다. 워튼(Warton)의 생성형 AI 초기 연구 보고서에 따르면 기업의 72%는 생성형 AI 예산 증가세가 둔화하기까지 2~5년이 소요될 것이라고 예상했다. CIO가 AI 투자 가치를 입증할 시간적 여유가 있다는 의미다. 단 무한한 여유는 아니다.

AI의 ROI를 입증하기 어려운 만큼, 서둘러 달성하려면 비용이 많이 들 수 있다. 액센추어(Accenture)에 따르면 비즈니스 프로세스의 자동화를 위해 현대화된 데이터 기반과 엔드-투-엔드 플랫폼 통합을 모두 갖춘 ‘혁신 준비 완료’ 상태의 기업은 16%에 불과했다. 혁신 준비 기업은 경쟁사 대비 2.5배 높은 매출 성장률과 2.4배 높은 생산성 향상을 보였다. 액센추어는 CIO가 AI 전략에 지속적으로 투자하도록 동기를 부여해야 하는 이유라고 설명했다.

초기 생성형 AI의 성과는 주로 생산성 향상에 집중됐다. 예를 들어 마이크로소프트와 액센추어의 연구 결과에 따르면 깃허브 코파일럿(GitHub Copilot)의 코드 생성 기능을 사용하는 개발자는 작업 완료율이 26% 증가한 것으로 나타났다.

하지만 생성형 AI의 성과가 생산성 향상에 그친다면 CIO는 장기적인 예산 증액과 새로운 기능 실험을 정당화하는 데 어려움을 겪을 수 있다. 따라서 CIO는 여러 비즈니스 리더와 협력해 생성형 AI가 전략적 영향을 발휘하고 수익과 직결되는 영역을 파악해야 한다. 그리고 이를 수치화할 수 있도록 지원해야 한다. CIO가 고려해야 할 5가지 팁을 소개한다.

주요 비즈니스 목표에 부합하는 지표 설정

모든 부서는 매출 증대, 고객 만족도 향상, 기타 전략적 목표 달성을 위한 핵심 운영 지표를 갖고 있다. CIO는 기본으로 돌아가 생성형 AI 투자를 통해 개선될 지표에 집중하고, 목표와 기간을 예상해야 한다.

AWS의 기술 디렉터인 샤운 난디는 “생성형 AI로 개선하고자 하는 사항과 문제점, 기회에 대해 명확하고 측정 가능한 지표를 설정해야 한다. 콜센터의 실제 상담 요청 비율 감소, 식품 유통업체의 주문 처리 시간 단축, 전문 서비스 기업의 신입 직원 온보딩 시간 단축, 항공사의 고객 커뮤니케이션 개인화, 미디어 기업의 실시간 언어 번역 등 성공의 모습은 다양할 수 있다”라고 말했다.

플로우엑스AI(FlowX.AI)의 AI 책임자인 보그단 라두타는 “생성형 AI는 효율성, 통찰력, 혁신에 큰 잠재력을 가지고 있지만, 실제 이점을 정확히 파악하고 측정하는 것이 매우 중요하다”라고 언급했다.

라두타는 다음과 같은 지표를 고려할 것을 제안했다.

생성형 AI가 효율성과 자동화를 목표로 할 때 비용 절감과 생산성 향상
대규모 데이터 세트 분석에 생성형 AI를 활용할 때 더 빠르고 정확한 의사결정
생성형 AI가 새로운 아이디어와 프로토타입을 생성해 제품 혁신을 주도할 때 출시 기간과 매출

영업팀과 협업해 매출 관련 효율성 향상

CIO는 영업팀과 협업해 생성형 AI가 매출 증대에 도움이 될 영역을 파악해야 한다. 예를 들어 내부 영업 담당자가 AI를 활용해 통화량을 늘리고 이상적인 잠재 고객을 타겟팅한다면 거래 성사율을 높일 수 있다.

아이세라(Aisera)의 CEO인 아비 마헤쉬와리는 “생성형 AI는 영업에 많은 이점을 제공하며, 그 영향력을 평가하는 주요 지표에는 전환율, 영업 주기 길이, 평균 거래 규모, 성공률, 리드 볼륨 등이 있다”라고 설명했다.

이런 맥락에서 AI 에이전트는 가능성을 보여주고 있다. CRM 벤더는 영업팀과 담당자를 위한 AI 에이전트 및 어시스턴트를 출시하고 있다. 이는 효율성을 높이고 데이터 기반 관행을 촉진하는 데 유용할 수 있다. 세일즈포스(Salesforce)는 최근 인바운드 잠재 고객과 소통하고 영업 담당자를 코칭하는 2가지 자율 AI 영업 에이전트를 출시했다. 공(Gong)의 콜 스포트라이트는 고객 대화를 분석해 문제점, 결과, 영업 담당자의 다음 단계를 제시한다. 조호(Zoho)의 영업 어시스턴트인 지아(Zia)는 거래 성사 확률을 예측하고, 어떤 제품을 누가 판매해야 하는지 추천하며 고객 커뮤니케이션을 개선한다.

CIO는 영업 리더와 소통해 영업 지표의 실적이 저조한 영역과 AI를 기반으로 개선해 매출을 높일 영역을 파악해야 한다. 비디야드(Vidyard)의 COO인 조나단 리스터는 “성공적인 영업은 항상 양과 질에 달려 있다. 생성형 AI는 이를 촉진할 잠재력을 가지고 있다”라고 언급했다.

데이터 전략을 조정해 마케팅 이니셔티브 지원

영업 지표 개선에 AI를 활용하면 생산성 향상이 단기적으로 재무 성과에 어떤 영향을 미치는지 확인할 수 있다. 그다음 영역은 마케팅 부서의 데이터 품질을 개선하고 시스템을 통합한 다음, 이런 변화가 마케팅 지표에 미치는 영향을 추적하는 것이다.

글래스박스(Glassbox)의 CMO 미셸 스즈키는 “오늘날 마케팅 기술의 범위를 고려하면 데이터는 핵심에 있다. CIO와 CMO는 원활한 시스템 통합과 데이터 공유를 보장해 인사이트와 의사 결정을 개선하기 위해 협력해야 한다”라고 조언했다.

생성형 AI가 매출에 미치는 영향을 극대화하려면 CIO는 데이터 거버넌스 우선순위를 검토하고 위험 관리 목표를 넘어서는 선제적 데이터 거버넌스와 데이터옵스 관행을 도입해야 한다. 데이터 품질을 개선하고 새로운 데이터 소스를 통합해 고객 및 잠재 고객 데이터를 강화하는 작업은 마케팅과 영업에 AI를 활용하는 데 필수적이다.

예를 들어, 많은 조직이 고객 데이터를 집중적으로 관리해 왔지만 생성형 AI는 비정형 데이터 소스에서 패턴과 신호를 찾는 역량을 크게 향상시킬 수 있다.

테라데이타(Teradata)의 CMO 재클린 우즈는 “AI와 대규모 언어 모델은 소셜 미디어와 리뷰 같은 다양한 채널에서 수백만 개의 데이터 포인트를 처리하여 피드백을 분석할 수 있다. 불만 사항 파악 외에도 마케팅팀은 AI를 통해 고객 정서를 긍정, 부정, 중립으로 분류하고 트렌드, 반복되는 주제, 계절적 패턴을 발견할 수 있다. 이런 인사이트는 기업이 고객 충성도를 높이는 데 도움이 될 수 있으며, 경쟁사에 대한 소비자의 견해까지도 얻을 수 있다”라고 말했다.

컴퍼니서치(Company Search Inc.)의 공동 설립자이자 COO인 폴 보인턴은 AI가 고객 선호도 보고서, 최신 뉴스, 법률 기록, 소유권과 계열사를 연결하는 데이터 등 다양한 출처의 비정형 데이터를 결합해 마케팅을 크게 개선할 수 있다고 설명했다. 그는 “여러 데이터 세그먼트를 결합하면 리드 스코어링, 매출 예측, 이탈 예측, 더 나은 분석을 위한 추천이 가능하다”라고 언급했다.

영업과 마케팅이 생성형 AI에서 비즈니스 가치를 창출하도록 지원하려면 CIO는 다음을 수행해야 한다.
데이터 인사이트의 정확성, 완전성, 적시성을 높이기 위해 고객 상호작용 관련 데이터 품질을 중앙 집중화하고 개선
마케팅 콘텐츠 캠페인 개인화를 위한 생성형 AI 활용 사례를 개발해 고객 유지율과 잠재 고객 전환율 개선
다양한 기능을 순차적으로 실험하는 대신 몇 가지 유망한 방식을 채택하고 모범 사례를 공유해 마케팅과 영업의 변화 관리 촉진

콜센터와 서비스 운영 개선

콜센터, 고객 서비스 부서, IT 서비스 데스크 등의 지원 서비스는 서비스 티켓, 지식 베이스, CRM 및 HCMS 플랫폼의 사용자 프로필 정보 형태로 상당한 양의 데이터를 보유한다. 이런 영역에 적용된 생성형 AI는 고객 또는 직원 만족도를 개선하고, 비용을 절감하며 서비스 데스크 직원의 직무 만족도를 높일 수 있다.

매니지엔진(ManageEngine)의 AI 연구 디렉터인 람 라마무르시는 “지원 기능에서 생성형 AI는 신속하고 상황에 맞는 응답을 생성해 쿼리를 지능적으로 라우팅하고, 평균 처리 시간을 줄이며, 해결율을 개선함으로써 콜센터 운영을 돕는다. IT 서비스 관리에서 AI 기반 지식 그래프는 문제 진단과 선제적 해결을 제공해 다운타임을 줄인다”라고 설명했다.

액셀데이터(Acceldata)의 공동 설립자이자 CTO인 아쉬윈 라지바는 CIO가 부서장과 협력하여 생성형 AI 사용 사례를 개발하고 “고객 지원에서 순추천 지수와 해결 시간을 추적해 충성도와 효율성에 대한 AI의 영향력을 수치화할 것”을 권장했다. 그는 “HR에서는 채용 소요 시간과 지원자 자질을 측정해 AI 기반 채용이 비즈니스 목표에 부합하는지 확인해야 한다. 데이터 품질, 최신성, 일관성과 같은 관찰 가능성 지표는 AI 기반 결과의 신뢰성과 정확성을 높이는 데 필수적인 인사이트를 제공한다”라고 설명했다.

서비스 데스크의 효율성과 사용자 만족도를 개선할 수 있는 생성형 AI 기능은 다음과 같다.

사용자가 서비스 요청 없이 문제를 해결하도록 돕는 AI 에이전트와 챗봇
서비스 데스크 직원이 티켓을 분석하고 최종 사용자 문의에 더 빠르고 정확한 응답을 제공하는 데 사용할 수 있는 AI 에이전트와 어시스턴트
최종 사용자 커뮤니케이션을 개선할 수 있는 요약, 콘텐츠 생성, 언어 번역 도구

현재 애피언, 아틀라시안, 시스코, 포어소트, IBM, 이반티, 페가, 세일즈포스, SAP, 서비스 나우, 워크데이, 조호 등 많은 기업이 서비스 지향 AI 에이전트를 출시했다. 에이전트를 검토한 결과 경쟁력 있는 여러 AI 기능을 발견했다. 예를 들어 시스코 웹엑스 AI 에이전트는 콜센터용 음성 기반 시스템으로 고객 문제를 듣고 자연스러운 음성으로 응답한다. 워크데이 리크루터 에이전트는 잠재적 지원자를 사전에 발굴하고, 아웃리치를 자동화하며 공석에 적합한 사내 우수 인재를 추천한다. CIO는 부서장이 장기간에 걸쳐 이 기능들의 비즈니스 가치를 측정할 방법을 마련하도록 지원해야 한다.

직원 경험 측정

IT 리더는 생성형 AI가 직원의 직무 만족도와 전반적인 복지에 미치는 영향도 살펴봐야 한다. 딜로이트(Deloitte)의 기업 내 생성형 AI 현황 보고서에 따르면, 생성형 AI를 도입할 때 인재 문제를 고려할 준비가 잘 된 조직은 20%에 불과했다. 반면 기술 인프라의 경우 45%, 데이터 관리는 41% 수준이었다.

이 데이터는 많은 조직의 변화 관리 노력이 기술 도입 속도에 뒤처지고 있음을 시사한다. CIO는 현실적인 기대치를 설정하고, 기능을 점진적으로 도입하며, AI를 구현하는 팀이 적극적으로 경청할 수 있도록 교육하는 등 전략을 추진해야 한다. 그런 다음 CIO는 여러 역할, 부서, 지역에 걸쳐 직원 경험에 대한 신기술의 영향을 측정하고, 그에 따라 변화 관리 프로그램을 조정해야 한다.

아쿠안트(Aquant)의 공동 설립자인 아사프 멜로치나는 비즈니스 가치 창출이 우선순위일 수 있지만, AI가 직원 복지에 미치는 영향을 우려했다. 그는 “생성형 AI는 직원 생산성을 크게 높이지만, 이는 업무량 과중으로 이어질 수 있다. AI 기술이 산업 전반의 업무 방식을 혁신하면서, 직원의 정신 건강 관리 프로그램에도 도입되기 시작했다. AI 주도의 효율성 향상으로 인한 번아웃 현상을 해소하기 위해서다”라고 설명했다.

AI에의 기대가 과장돼 있는 지금, CIO는 생성형 AI가 장단기 비즈니스 가치를 제공할 수 있는 영역을 파악해야 한다. 부서장 및 직원과 협력해 현명하게 이를 도입하고, 영향력을 측정하기 위해 나서야 할 때다.
[email protected]