PHOTOGRAPHER Jessica Eaton작품에 대해 | 제시카 이튼은 실험적인 방식으로 이미지를 제작하며, 스튜디오에서 흔히 볼 수 있는 소품들을 카메라에 여러 번 노출해 회화나 드로잉을 연상시키는 작품을 만들어 낸다.너무 많은 AI 파일럿을 중단하라회사 전체에 걸쳐 수많은 사용 사례를 테스트하기보다는 한 분야를 선택해 깊이 파고들어야 한다
내용 요약도전 과제 생성형 AI를 활용해 지속적인 경쟁우위를 확보하려면 두 가지 흔한 실행 오류를 피해야 한다. 관련 없는 사용 사례로 수많은 시범 운영을 시작하는 것과 즉각적인 ROI에만 집중하는 것이다.
해결 방안 깊고 좁은 전략, 즉 단일 기능이나 프로세스에 생성형 AI를 집중적으로 도입해 장기적 성과를 극대화하라. 이는 기존 강점을 활용하고 재창조를 촉진하며 확장 가능한 혁신으로 이어질 수 있다.
성과 깊고 좁은 AI를 도입하면 시간이 지나며 더 큰 ROI를 달성하고 경쟁사가 모방하기 어려운 경쟁력을 개발할 수 있다.
2023년 말 소비재 기업 레킷Reckitt의 경영진은 생성형 AI 도입을 검토하며 프레젠테이션 초안 작성부터 고객 지원, 조달 계약 최적화에 이르기까지 비즈니스 전반에 걸친 잠재적 활용 사례를 검토했다. 많은 사례가 시간 절감과 즉각적인 투자 수익을 약속했지만 서로 다른 업무에 적용되는 것이었다. 레킷 경영진은 생성형 AI가 절약해 줄 수 있는 시간에 만족했지만 이런 노력이 회사의 전략을 전환하거나 의미 있는 경쟁우위를 창출하지는 못할 것임을 알고 있었다. 그들은 단순한 효율성 개선이 아닌 더 극적인 변화를 기대하고 있었다.따라서 긍정적인 투자수익률
ROI을 창출할 수 있는 모든 AI 프로젝트를 승인하기보다는 단일 영역인 마케팅에 집중하기로 결정했다. 여기서 생성형 AI는 인사이트 도출, 콘텐츠 생성, 신제품 개발 등 서로 연결된 다양한 업무에 활용될 수 있었다. 이 업무들은 동일한 데이터, 고객, 시장 조사에서 추출한 정보를 활용하며 서로 연관돼 있었고, 한 업무의 결과가 다른 업무와 연결됐다. 예를 들어 실시간 소비자 인사이트는 우수한 제품 혁신과 더 나은 세분화로 이어진다. 더 빠르고 우수한 제품 혁신은 기업이 관련성 높은 제품을 시장에 출시하는 데 도움을 줘 충성도, 유지율, 추천도를 강화한다. 경영진은 마케팅 분야에만 집중하면 기업 성과가 큰 폭 개선될 수 있을 것이라고 믿었다.
레킷은 풍부한 고객 데이터와 예측 AI를 포함한 첨단기술에 능숙한 팀 등 마케팅 분야에 강점을 갖고 있었다. 마케팅 운영 개선에 초점을 맞춘 생성형 AI 도입은 해당 부서가 운영될 수 있는 새로운 방식을 발견하는 데 도움이 됐다. 단순히 몇 가지 개별 작업이 아닌 전체 마케팅 운영을 생성형 AI가 어떻게 개선할 수 있는지를 마케팅 팀이 배우면서, 팀은 기존 접근방식 전체를 근본적으로 재고하고 많은 프로세스를 재구성할 수 있게 됐다.
2년도 채 지나지 않아 레킷은 생성형 AI를 의도적으로 도입한 덕분에 제품 콘셉트를 기존보다 최대 60% 더 빠르게 생성할 수 있게 됐다고 밝혔다. 또한 생성형 AI 덕분에 브랜드 및 마케팅 커뮤니케이션 프로세스의 효율성이 30% 이상(프로세스에 따라 다름) 향상됐다고 평가했다. 이런 성과는 레킷이 단일 영역 내 상호 연결된 기능이나 작업군에 AI 실험 및 투자 노력을 집중하지 않았다면 불가능했을 것이다.
레킷의 경험은 중요한 교훈을 보여준다. 지속적인 경쟁우위를 확보하려면 기업은 두 가지의 흔한 생성형 AI 도입 실수를 피해야 한다. 첫째는 회사 전체에 걸쳐 일회성 사용 사례에 노력과 자원을 분산시키는 것이다. 둘째는 즉각적인 ROI에만 집중하는 것이다. 즉각적인 ROI를 기대할 수 있다는 강한 명분으로 서로 관련 없는 다양한 활용 사례들을 추진하는 접근방식은 흔히 ‘얕고 넓은
shallow and broad’ 배포라 불린다. 우리가 인터뷰한 많은 경영진은 무엇이 효과적인지 확인하기 위해 생성형 AI를 가능한 한 광범위하게 배포해야 한다고 믿는다고 말했다. 이 방식은 단기적인 비용 효율성을 가져올 순 있지만 경쟁우위를 제공할 가능성은 낮으며 기대만큼의 성과를 내지 못하는 경우가 많다.
이유는 다음과 같다. 회계, 공급망, 마케팅, 재무, 인사 등 서로 다른 부서의 몇 가지 프로세스를 각각 자동화한다고 가정해보겠다. 두 가지 문제가 발생한다. 첫째, 업무의 5~10%만 생성형 AI를 활용할 경우 경영진이 해당 기능을 완전히 개편할 동기가 부족하다. 둘째, 큰 목표 없이 실행 사례를 운영하면 종종 추진력 소진으로 이어진다. 실행 사례가 경쟁우위를 거의 제공하지 않거나 경쟁사가 쉽게 모방할 수 있을 때 직원들은 회의적이거나 환멸을 느낄 수 있다.(반면 레킷의 경우 시장 출시 속도를 높여 신제품을 선보여 매출 성장을 주도하는 것이 큰 목표였다.)
AI 도입에서 기업은 레킷의 사례, 즉 우리가 ‘깊고 좁은
deep and narrow’ 접근법이라 부르는 방식을 따라야 한다. 이는 특이한 전략이다. 2024년 BCG가 최고경영진 및 고위임원 1000명을 대상으로 실시한 설문조사에 따르면 소수의 핵심 분야에 집중해 깊이 있는 변혁을 추진하는 기업은 4%에 불과하다. 이를 실천하면 시간이 지나며 두 배의 ROI를 달성한다.
우리는 글로벌 브랜드를 대상으로 마케팅, 전략, 기술 분야에서 실무자, 교육자, 컨설턴트로 수십 년간 경험을 쌓아왔다. 2022년 생성형 AI가 시장에 등장한 이후 ‘깊고 좁은’ 접근법의 많은 장점을 확인했다. 이 접근법은 비즈니스의 특정 영역에서 업무 수행 방식을 근본적으로 재고하도록 요구한다. 경쟁우위를 활용해 생산성을 높인다. 또한 기업 문화에 고유한 새로운 업무 방식을 발견하도록 유도해 경쟁사가 모방하기 어렵게 만든다. 한 사업 영역에서 생성형 AI를 숙달하면 그 경험을 다른 분야로 확장 적용할 수 있다.
우리가 처음 ‘깊고 좁은 배포’ 개념을 제안했을 때 접근법이 직관적이지 않고 ‘얕고 넓은’ 방식보다 위험해 보인다고 많은 경영진이 우려했다. 얕고 넓은 배포가 잘못된 것은 아니다. 시간과 비용을 절약해주기 때문이다. 경영진들은 특히 조직의 AI 도입 의지와 준비 상태를 테스트하기 시작할 때 몇 가지 얕고 넓은 실험을 진행하는 데 편안함을 느껴야 한다. 하지만 단발성이고 연결되지 않은 사용 사례는 혁신적인 배포가 아니라는 점을 이해해야 한다. 또한 경영진은 프로세스 재구축에 필요한 상당한 투자에 대해 불안해 했으며 성공하려면 수백 개의 AI 프로젝트를 운영해야 한다는 통념에서 벗어나는 것을 두려워했다. 게다가 많은 경영진이 자사의 핵심 역량과 데이터 성숙도를 솔직하고 철저하게 평가하는 데 실패했는데, 이는 깊이 있게 접근할 분야를 결정하는 데 필수적인 단계다. 그들은 그 과정이 너무 어렵고 시간이 많이 든다고 생각했다. 그러나 시간이 지나면서 회의론자들도 깊이 있고 좁게 접근하는 것이 합리적인 이유를 깨닫게 됐다.
이 아티클에서는 왜 많은 기업이 생성형 AI 도입을 잘못 관리하는지 살펴본다. 이어서 이케아, 로레알 등의 사례를 통해 AI 배포를 위해 깊고 좁게 접근하기 위한 성공적인 가이드를 제시한다.
경영진은 몇 가지 얕고 광범위한 실험을 수행하는 데 익숙해져야 하지만 일회성 사용 사례가 혁신적인 배포가 아니라는 점을 이해해야 한다.
왜 깊고 좁게 접근해야 할까?리더들은 모든 사용 사례에 대해 구체적인 ROI 예측을 요구하는 경향이 있다. 즉각적인 ROI가 입증된 후에야 생성형 AI를 다른 곳에 배포해야 한다고 말한다. 그러나 이런 접근방식은 AI 도입이 실제로 어떻게 작동하는지에 대한 현실을 무시한다. ROI는 각 사용 사례마다 다른 속도와 규모로 누적된다. 생성형 AI를 효과적으로 도입한 것으로 판단되는 기업의 경우 그 영향이 나타나기까지 시간이 걸릴 수 있으며 단기적인 ROI만으로 성과를 측정해선 안 된다는 점을 기억하라.
얕고 넓은 접근과 비교해 깊고 좁은 구현은 많은 시간과 노력이 필요하다. 광범위한 변화 관리가 필요하기 때문에 여러 영역에서 동시에 수행하기는 매우 어렵다. 직원들에게 새로운 기술을 도입하고 업무 프로세스도 변화시켜야 하며 팀 구조와 업무 방식도 바뀌어야 한다. 물론 어떤 신기술 도입에도 학습과 업무 프로세스 적응이 필요하지만 깊이 있는 접근은 전면적인 변화와 업무 방식의 재구상을 요구한다.
깊고 좁은 구현은 단일 기능이나 종단간 프로세스에 집중할 수 있다. 세계 최대 화장품 기업 로레알은 레킷처럼 마케팅 기능 내에서 AI를 광범위하게 도입했다. 반면 애크미 은행(가명)은 모기지 프로세스 전체를 혁신하는 데 주력했다. 기존 프로세스는 매우 번거로웠다. 먼저 모기지 상담사가 대출자의 서류를 수집하고 대출 개시 시스템에 수동으로 데이터를 입력했다. 다음으로 대출 담당자가 서류를 확인하고 평가를 지원하기 위해 등기 조사 및 홍수 위험 증명서 등 추가 서류를 활용했다. 마지막으로 심사관이 대출자의 신용도를 평가하고 대출 조건을 설정했다. 현재 애크미 은행은 생성형 AI를 활용해 모든 모기지 서류 처리를 자동화했다. 또한 은행은 심사관을 위한 대화형 생성형 AI 인터페이스를 구축했다. 심사관은 시스템과 대화하며 예측 AI 모델 실행, 신청자 승인/거절 사유 설명 작성 등의 작업을 요청할 수 있다. 이 간편한 인터페이스를 통해 대출 담당자는 모델의 결정을 탐색할 수 있었고, 고객 상황에 대한 더 나은 정보를 제공하면 고객과 은행 모두에게 더 나은 결과가 나온다는 사실을 발견했다. 그 결과, 애크미 은행은 의사결정의 질과 속도, 고객 우려사항에 대한 대응력을 향상시켰다.
시작하는 방법생성형 AI를 도입하기 전에 기존 경쟁우위를 강화할 수 있는 전략적 영역을 파악해야 한다. 이를 위해 다음 4단계 프로세스를 권장한다.
1단계 가장 유망한 기회를 식별하라 생성형 AI는 다양한 용도로 활용 가능한 범용 기술이다. 회의 요약이나 프레젠테이션 제작 같은 사무 생산성 업무는 이 스펙트럼의 일상적 영역에 속한다. 반대편 끝에는 새로운 비즈니스 모델을 가능케 하거나 제품 및 서비스에 융합돼 고객 경험을 혁신하는 가치 창출 활동이 있다. 스펙트럼 중간에는 업무 프로세스나 기능을 종단적으로 재구상하는 ‘분야 재창조’가 있다.
사무 생산성은 일상적인 업무 처리 효율을 높이는 데 초점을 맞춘다. 경쟁우위를 창출하기는 어려울 것이다. AI를 활용한 새로운 비즈니스 모델 구축은 흥미로운 기회지만, AI를 쉽게 접목하기 어려운 제품(예-치약)을 판매하는 기업에는 어려울 수 있다. 기능과 프로세스를 아우르는 ‘도메인 재창조’는 거의 모든 기업에 기회가 될 수 있는 영역이다.
애크미 은행 사례로 돌아가 보자. 이 은행은 지역 최대 대출 기관 중 하나로 모기지 대출이 포트폴리오의 상당 부분을 차지한다. 저금리 환경에서도 모기지 금융은 높은 마진을 제공하므로 은행에 전략적으로 중요한 상품이다. 애크미 은행은 모기지 대출을 통해 고객 관계를 개선하고 다른 상품을 교차 판매했다. 팀은 프로세스의 핵심 단계를 매핑하고, 변경이 필요한 부분을 평가하며 중복을 제거했다. 팀은 더 효과적인 프로세스를 개발했고, 생성형 AI는 이를 더욱 빠르고 쉽게 만들었다.
생성형 AI를 구현하기 전에 그것이 가장 전략적으로 효과적인 분야를 파악하라. 기존 경쟁우위를 강화하는 데 기여해야 한다.
2단계 지속적인 경쟁우위 영역을 식별하라 AI를 심층적으로 도입할 때는 기존 경쟁력을 보호, 강화하거나 모방하기 어려운 새로운 우위를 창출하는 것이 목표여야 한다.
로레알은 생성형 AI로 새로운 경쟁우위를 창출했다. 430억 유로 규모의 프랑스 화장품 유통기업인 로레알은 최근 화장품 전문성과 강력한 생성형 AI 도구를 결합해 고객 상호작용을 재창조했다. CEO 니콜라 히에로니무스는 “로레알이 미용을 모두를 위한 것에서 개인을 위한 것으로 전환하며 미션을 개인화 중심으로 재정의했다”고 밝혔다. 어떻게 가능했을까? 로레알은 생성형 AI를 소비자 여정에 집중적으로 활용했다. 깊고 좁게 말이다. ‘뷰티 지니어스’ 챗봇은 각 사용자의 피부를 심층 진단한 후 고객에게 전문가 분석, 제품 추천, 맞춤형 루틴을 제공한다. 이는 로레알이 2015년부터 꾸준히 증강현실
AR 역량을 구축해왔고, 피부생물학에 관한 자사의 선진 연구를 활용할 수 있었기 때문에 가능했다. 로레알은 자체 분야 전문성과 방대한 고객 데이터에 기반해 생성형 AI 프로그램을 집중 운영했다. 뷰티 지니어스 출시로 소비자가 자신의 피부 상태를 쉽게 이해하고(진단), 조언을 얻으며, 적합한 제품을 선택하고, 친구들과 공유할 수 있는 새로운 소비자 여정을 구축했다. 또한 고객이 챗봇과 상호작용할 때마다 로레알은 더 가치 있는 데이터를 확보한다.
이 프로젝트는 성공적이었다. 뷰티 지니어스는 출시 6개월 만에 미국에서 40만 건 이상의 대화를 진행했다. 로레알은 뷰티 지니어스를 왓츠앱에 통합 중이며 이는 사용량 급증을 견인할 것으로 예상된다. 로레알의 전략은 뷰티 테크 서비스 다수를 제공하는 것이며 뷰티 지니어스는 그 핵심 구성 요소다. 가상 체험 서비스와 컴퓨터화된 메이크업 어플리케이터 ‘햅타
Hapta’ 등의 서비스들은 인공지능을 광범위하게 활용하며 1억1000만 회 이상 사용됐다. 동남아시아, 중동, 북아프리카 지역에서 뷰티 테크는 5000만 사용자의 전환율을 두 배로 높였다. 이 성공을 모방하려는 업체가 많이 등장하겠지만 로레알이 보유한 방대한 화장품 연구 역량을 따라잡을 순 없다.
이케아는 약간 다른 접근법을 취하고 있다. 생성형 AI를 활용해 자사의 강점을 확대하는 것이다. 저렴한 가구로 유명한 이케아는 인테리어 디자인 서비스도 제공한다. 그러나 고객에게 가격은 종종 장벽이 된다. 고액의 디자이너가 서비스를 제공해야 하기 때문이다. 이제 이케아는 생성형 AI를 활용해 디자인 서비스를 더 저렴하게 제공하려 한다. 초기 결과를 바탕으로 이케아의 프란체스코 마르조니 최고데이터·분석책임자는 전문 디자이너들이 생성형 AI로 10분 만에 디자인 프로젝트를 완성한 후 전문성을 발휘해 디자인을 개선할 수 있을 것으로 전망한다. 이는 일반적으로 방당 99달러의 비용이 들고 디자인 완성까지 며칠이 걸리는 컨설턴트 활용 방식과 비교했을 때 큰 변화다.
이 새로운 디자인 방식은 이케아의 기존 디자인 경쟁력을 강화한다. 이케아는 이미 세계 최대 규모의 인테리어 디자이너 커뮤니티를 보유하고 있으며 경쟁사보다 훨씬 많은 인테리어 디자인 프로젝트를 수행하고 있다. 이제 수천 건의 프로젝트에서 나온 고품질 데이터를 실시간으로 생성형 AI 모델에 공급할 수 있다. 전문성과 규모라는 두 가지 요소가 결합돼 이케아의 생성형 AI 시스템은 타사보다 더 빠르고 효과적으로 학습할 수 있을 것이다. 다른 가구 소매업체들이 동일한 품질과 가격으로 비슷한 서비스를 제공하긴 어려울 것이다.
3단계 올바른 순서를 선택하라 생성형 AI는 비용 효율성과 성장을 가능케 해 수익을 높일 수 있다. 효율성, 성장 또는 이 둘의 조합 중 무엇을 우선시해야 할까? 깊고 좁게 접근할 때는 단일 영역 내 비용 효율성 개선부터 시작하는 것이 현명한 선택이다. 일반적으로 매출 성장을 달성하는 것보다 비용 절감이 더 빠르기 때문이다.
레킷이 바로 그런 방식을 택했다. 레킷은 즉각적인 마케팅 효율성을 입증하기 위해 5개의 생성형 AI 시범 프로젝트를 선정했다. 예를 들어 한 실험에서는 생성형 AI가 미디어 캠페인 분석을 며칠이 아닌 몇 시간 만에 수행할 수 있음을 보여줬다. 이런 초기 성과는 경영진의 지지를 얻는 데 도움이 됐다. 리더들이 확신하자 레킷은 마케팅 분야에서 깊고 좁은 접근을 통해 효율성과 성장을 동시에 추진했다.
다음으로 레킷은 체계적인 배포 접근법을 채택했다. 전 세계 2000명 이상의 마케터가 수행하는 모든 업무를 분류했다. 설문조사와 일대일 인터뷰를 병행한 이 작업은 매우 까다로운 과정이었다. 이를 통해 300개의 개별 업무가 도출됐다. 마케팅 담당자들은 각 업무에 소요되는 예상 시간을 제공했다. 회사는 이후 두 축을 기준으로 각 업무를 분류했다. 바로 자동화 가능성 정도(적용 가능한 생성형 AI 유형 기준)와 회사에 대한 기회 규모(업무에 소요되는 시간 기준)다. 이 분석을 통해 팀은 생성형 AI 활용에 가장 적합한 약 100개 업무를 선별할 수 있었다. 팀 업무의 상당 부분이 이제 AI와 연계될 것이므로 레킷 경영진은 마케팅 부서의 업무 방식을 전면 재검토해야 한다는 점을 인지했다. 생성형 AI가 일상적인 업무를 처리하면서 인간 마케터들은 관리자가 수행하던 업무를 포함해 더 높은 수준의 업무를 맡게 됐다. 레킷은 생성형 AI 도입을 효율성 향상에 집중했는데, 이는 수익에 즉각적인 기여를 할 수 있었기 때문이다. 경영진이 이를 확인하자 일반적으로 달성 기간이 더 긴 성장 목표를 위한 생성형 AI 사용도 승인했다. 마케터들은 생성형 AI를 활용해 소비자 인사이트를 더 나은 제품 혁신과 더 빠른 출시로 전환하며 기업의 성장을 이끌어냈다.
깊고 좁은 접근법은 프로세스 변환에 더 집중해야 하며 직원들의 일상 업무에 더 큰 영향을 미치므로 얕고 넓은 접근법보다 관리적 부담이 더 크다. 변화 관리가 도전 과제의 70%를 차지한다. 데이터 완성도와 생성형 AI의 효과적 활용은 각각 20%, 10%에 불과하다. 초기의 성공을 기반으로 확장하고 처음 집중했던 부서를 넘어서는 단계로 나아갈 때 기업은 전면적인 변화 관리 계획에 대비해야 한다.
변화 관리가 도전 과제의 70%를 차지한다. 데이터 완성도와 생성형 AI의 효과적 활용은 각각 20%와 10%에 불과하다.
4단계 경쟁 환경을 모니터링하라 여러분이 경쟁우위를 강화하기 위해 생성형 AI를 활용하고 있는 것처럼 경쟁사들도 역시 그렇게 하고 있다. 스스로에게 물어보라. 주요 경쟁사가 생성형 AI를 사용해 우리 기업의 가치 있는 강점을 모방할 수 있을까? 상대 기업이 해당 역량에서 당신만큼 뛰어나지 않아도 된다. 문제를 일으키기 위해선 더 간단하고 저렴한 ‘충분히 괜찮은’ 솔루션만 제공하면 된다. 우위를 잃지 않으려면 로레알의 뷰티 지니어스처럼 기업과 경쟁사 간 격차를 확대하는 방식으로 생성형 AI를 도입해야 한다. 운영에 생성형 AI를 우선순위로 삼으면 업무 방식을 바꿀 기회가 드러난다. 그 기회를 잡아라.
우리는 아직 생성형 AI와 에이전트형 AI의 초기 단계에 있지만 이미 명확한 패턴이 드러나고 있다. 대부분의 기업은 조직 전반에 걸쳐 AI를 광범위하게 도입한다. 즉 얕고 넓은 접근법을 사용하며 몇몇 시범 운영이 의미 있는 가치를 창출하길 기대한다. 이런 노력 중 상당수는 ROI를 제공하기는 하지만 얕고 넓은 도입 방식은 쉽게 복제될 수 있기 때문에 그 영향력은 종종 제한적이고 일시적이다.
깊고 좁게 접근하는 것은 기업의 강점을 의도적으로 강화한다. 이케아, 로레알, 레킷 등의 기업들은 깊고 좁은 접근법을 활용해 기능이나 복잡한 종단간 프로세스를 개선했다. 그들은 AI 목표와 관련해 스스로에게 어려운 질문을 던졌다. 일부 경우에는 새로운 사업 분야를 창출하는 계기가 되기도 했다. 그리고 그 결과는 노력할 만한 가치가 있었다. BCG 연구에 따르면 깊고 좁은 접근법을 채택한 기업의 ROI는 얕고 넓은 배포 방식을 사용한 기업의 두 배에 달한다. 우리는 이 격차가 계속 확대될 것으로 전망한다.
고탐 챌라갈라(Goutam Challagalla)는 IMD의 지속가능 전략 및 마케팅 덴츠 그룹 석좌교수다.마웨시 칸(Mahwesh Khan)은 IMD 선임 고문이다.파브리스 보리유(Fabrice Beaulieu)는 레킷의 전 글로벌 최고마케팅책임자다.에디팅 최호진
Copyright Ⓒ 하버드비즈니스리뷰 코리아. All rights reserved. 무단 전재, 재배포 및 AI학습 이용 금지
