주요 콘텐츠 바로가기

시나리오로 살펴본 기업 내 생성형AI의 미래

회복력과 적응력 확보를 위한 전략

생성형 AI의 도입은 기업에 전례 없는 기회를 제공하는 동시에, 높은 불확실성과 복잡한 리스크를 동반합니다. 본 리포트는 딜로이트 통합연구센터가 지평선 탐색(Horizon Scanning) 방법론과 정량·정성 데이터를 바탕으로, 2027년까지 생성형 AI가 기업에 미칠 잠재적 영향과 진화 경로를 네 가지 시나리오로 제시한 전략적 분석 보고서입니다.

본 보고서는 기업 리더들이 AI의 불확실성을 보다 체계적으로 이해하고, 다양한 미래 환경에 대비할 수 있는 회복탄력성과 적응력을 갖춘 전략을 수립하는 데 실질적인 인사이트를 제공합니다. AI의 기술적 진보와 사회적 영향이 교차하는 지점에서, 조직은 단순한 기술 도입을 넘어 보다 지속 가능하고 신뢰 기반의 변화 관리 방안을 모색해야 할 시점에 와 있습니다.

들어가며

 

"기업의 생성형AI 전략은 높은 리스크와 불확실성을 동반한다. 본 보고서는 기업이 효과적인 생성형AI 전략을 효과적으로 수립하는 데 필요한 중요한 방향성을 제공한다."

기업들은 생성형AI에 대규모 투자를 하고 있다. 비즈니스 및 IT 리더의 약 80%는 향후 3년 이내에 차세대 AI가 산업에 중대한 변화를 일으킬 것으로 예상하고 있다. 차세대 AI에 대한 전 세계 민간 투자는 급증하여 2022년 약 30억 달러에서 2023년 250억 달러로 증가했으며, 2024년에는 약 400억 달러, 2027년에는 1,500억 달러 이상으로 계속해서 증가할 것으로 보인다. 경제학자들은 인구 고령화로 인해 향후 몇 년간 노동 참여 인력이 감소할 것이라고 예상하며, 이는 생산성 향상의 필요성을 더욱 부각시킨다. 10년 내에 인공지능이 인간 수준의 지능을 갖추거나, 5년 내에 디지털 트윈이 회의에 대신 참석하는 등 극적인 발전이 가능할 것이라는 예측이 나오고 있는 현 상황에서, 생성형AI의 잠재력은 상상력에 의해 무한히 확장될 수 있을 것으로 보인다.

대부분의 사람들은 누구에게도 뒤처지고 싶지 않은 세상에 살고 있다. 지난 5년간 '뒤처지는 것에 대한 두려움(FOMO, Fear Of Missing Out)’에 대한 온라인 언급은 60% 이상 증가했다. 이는 인공지능 세대에만 해당하는 현상은 아니지만, 모든 투자에는 불확실성이 따른다. 특히 인공지능의 발전이 기업에 미칠 영향에 대한 불확실성은 상당하다는 점을 반영한다. 성장과 기회에 대한 예측은 하나의 가능한 미래를 제시하지만, AI의 발전 속도가 둔화되고, 조직들이 AI 역량을 확장하고 성장시키는 데 있어 상당한 재정적 장벽에 직면할 수 있는 미래도 존재할 수 있는 것이다.

 

"기업의 리더는 회사 내 AI의 미래를 어떻게 이해하고, 다가오는 변화에 효과적으로 대응할 수 있는 최적의 전략을 개발할 수 있을까?"

이 질문을 탐구하기 위해 딜로이트 통합 연구 센터는 정량적 설문조사, 주제별 전문가 인터뷰, 그리고 생성형AI의 단기 및 중장기 동향을 파악하기 위해 고안된 독자적인 지평선 탐색 방법론(a proprietary horizon scanning initiative)을 바탕으로 기업과 관련된 생성형AI의 주요 불확실성에 대해 예측 분석을 수행했다. 이를 통해 현재부터 2027년 말까지 생성형AI의 진화 가능성과 기업에 미칠 잠재적 영향을 설명하는 네 가지 미래 시나리오를 개발했다. 각 시나리오는 생성형AI와 기업이 공존하고 상호 보완할 수 있는 다양한 가능성을 제시하며, 이에 따라 기업 전략, 정책 및 실무에 미칠 영향도 달라질 것으로 보인다.

이 시나리오 계획을 활용하여 불확실한 시장 역학을 분석함으로써, 기업은 다양한 미래 상황에서 전략을 테스트하고, 이를 통해 투자 결정을 강화할 수 있다. 이러한 시나리오는 리더에게 앞으로 일어날 일이나 해야 할 일을 제시하는 것이 아니라, 조직이 생성형AI와 관련된 리스크와 불확실성을 예측하고 관리하는 방법에 대해 깊이 고민하고 영감을 얻을 수 있도록 돕기 위한 것이다. 또한, 리더가 조직에 영향을 미칠 중요한 장기적 이슈를 식별하고, 보다 민첩하고 미래 지향적인 전략을 개발할 수 있도록 지원하는 데 목적이 있다. 이는 모든 가능한 시나리오를 포괄하는 관점이 아니라, 리더가 차세대 AI 전략을 구축하는 과정에서 기업과 관련될 가능성이 있는 특정 시나리오에 집중하는 방식으로 설계되었다. 조직은 다양한 상황에서 현재의 AI 전략과 투자가 시간이 지남에 따라 어떻게 전개될 수 있을지를 검토함으로써 잠재적인 위험과 기회를 파악하고, 보다 현명한 전략적 결정을 내릴 수 있을 것이다.

시나리오 구축: 생성형AI의 주요 불확실성 정의하기

 

본 연구는 '불확실성의 축(axes of uncertainty)'이라는 방법론을 사용하였고, 이는 불확실성이 큰 두 가지 변수와 영향력이 큰 두 가지 변수의 조합을 통해 네 가지 가능한 미래 시나리오를 정의하는 접근법이다. 비용, 규제, 생성형AI의 지속적인 발전 등 다양한 질문이 존재하지만, 이번 분석에서는 장기적인 구현 결과에 중점을 두었다. 딜로이트의 AI 분야 전문가들과의 정성적 인터뷰 및 현재 진행 중인 여러 글로벌 기업 설문조사에서 얻은 의견을 바탕으로 다음 두 가지 변수를 확인했다.

 

이해관계자 결과 (X축): 차세대 AI의 출시가 경제, 사회, 직장에 미치는 영향은 무엇일까? 

차세대 AI의 빠른 출시가 비즈니스와 사회의 전반적인 동반 성장을 이끌 것인지, 아니면 불균등한 성장을 초래할 것인지에 대한 쟁점이 있다. 조직이 차세대 AI 툴을 빠르게 도입하고 확장하면서 이러한 도구의 접근성을 높여 혁신을 촉진할 수 있다는 기대감과 함께, 일자리 손실과 불평등 심화에 대한 우려도 존재한다. 이러한 동향을 이해하면 장기적인 성장 기회를 파악하는 데 도움이 될 뿐만 아니라, 이해관계자의 신뢰, 직원의 기술 저하, 다가오는 규제의 영향 등과 관련된 잠재적 위험을 예측하는 데 유용할 수 있다.

 

성과 목표 달성 (Y축): 조직은 차세대 AI 이니셔티브를 통해 재무 및 운영 성과 개선을 실현할 수 있을까, 아니면 차세대 AI의 결과물이 투자 수익률 기대치를 충족하지 못할 뿐만 아니라 조직의 혼란과 성과 저하를 초래할까? 

많은 조직이 차세대 AI에 대한 높은 관심에도 불구하고, 중요한 비즈니스 목표에 부합하는 명확하고 가치 있는 활용 사례를 식별하거나 확장하는 데 어려움을 겪고 있다. 차세대 AI에 대한 노력을 확장하려는 조직은 이러한 AI 툴을 일상적인 업무 프로세스에 어떻게 효과적으로 통합할지에 대한 다양한 문제에 직면할 수 있다. 이러한 불확실성을 이해함으로써, 차세대 AI 툴이 기업에 부가 가치를 창출할 수 있도록 채택해야 할 서비스, 보호 장치 및 전략을 더 잘 파악할 수 있다.

이러한 변수를 기반으로 한 각 시나리오(그림 1)는 발생 가능한 미래를 탐색하고, 데이터, 전문가의 관점, 초기 변화 지표 등의 근거를 기반으로 분석을 진행한다. 또한, 각 시나리오는 현재 전략에 대한 중요한 시사점도 강조한다.

불과 몇 년 만에 거대 언어 모델(LLM)은 복잡한 프롬프트를 처리하고 상황에 맞는 출력을 생성하는 능력이 점점 더 정교해졌다. 도구 자체의 발전뿐만 아니라, 스마트 기기, 웨어러블 기기, 산업 장비 등에 내장되어 조직 전체에 자동화된 인텔리전스 계층을 구축하는 데 기여했다. 일부 직원들은 이러한 기술이 점점 더 과도하게 개입한다고 느끼지만, 이는 기업 가치를 높이는 데 큰 도움이 되고 있다. 많은 조직은 이러한 지능형 시스템을 사람이나 다른 에이전트와 협력하여 복잡하고 개방적인 개인 및 비즈니스 작업을 자동화할 수 있는 디지털 에이전트로 전환하기 시작했다. 기술 발전이 둔화될 조짐은 거의 보이지 않지만, 차세대 AI가 비즈니스에 미치는 영향은 매우 다양하다. 대부분의 산업에서 혁신에 조기에 공격적으로 투자한 조직은 효율성과 새로운 제품 역량을 확보하며 가격 우위와 시장 성장으로 이어졌다. 이로 인해 얼리 어답터들은 경쟁사보다 지속적인 우위를 점하고 있는 반면, 초기에 AI에 투자하지 않은 조직은 이를 따라잡기 위해 고군분투하고 있다.

그러나 가장 큰 승자는 경제 성장을 주도하는 소수의 하이퍼스케일러와 반도체 회사들로, 이들의 기반 모델과 기술 인프라가 경제 성장을 이끌고 있다. 사용자들은 이러한 툴을 선호하지만, 그 기능이 향상됨에 따라 운영 중심의 많은 역할들이 점차 불필요해지고 있다. 실업률은 증가하고 있으며, 경제학자들은 이러한 실업률 증가에 기여한 인공지능 세대의 역할에 대해 의견이 분분하지만, 취업자와 실업자 모두 일자리 손실과 근본적인 두려움, 재정적 불확실성에 대해 인공지능을 비난하는 경우가 점점 더 많아지고 있다. 

이러한 요인들은 경제에 대한 신뢰를 약화시킬 뿐만 아니라, 정치적 양극화와 대기업에 대한 신뢰를 더욱 손상시키는 데 기여하고 있다. 이와 같은 신뢰 상실은 막대한 비용을 초래할 수 있다. 연구에 따르면, 신뢰와 관련된 부정적인 사건이 발생하면 기업은 시가총액의 20~56%를 손실 위험이 있는 것으로 나타났다. 

기술의 고도화와 함께 더욱 강력해진 악의적인 글로벌 행위자들의 빈번한 디지털 공격에 따라 차세대 AI의 사용이 증가하면서 여론의 변화는 더욱 악화되고 있다. 아이러니하게도 이러한 신뢰의 약화는 더 개인화된 고객 서비스와 인간적인 상호작용에 대한 새로운 수요를 창출하고 있다.

영향: '비용을 동반한 성장' 시나리오의 미래 기회와 리스크

 

사람 (People)
 

기회

  • 대부분의 근로자는 점점 더 정교해지는 차세대 AI 기능 덕분에 더 만족스럽고 목적이 있는 업무에 집중할 수 있는 시간을 확보하게 된 점을 높이 평가하고 있다.
  • 직원들이 생산성 향상이나 창의적인 협업자로서의 혜택을 누릴 수 있도록 지원하는 조직은, 이를 실현하지 못한 조직에 비해 장기적인 이점을 얻을 수 있다.

리스크

  • 젊은 세대의 커리어 경로는 AI 세대의 영향을 덜 받는 직종과 업무로 이동할 가능성이 크다. 이로 인해 조직은 신기술 적응과 활용에 능숙하지만, 실행 가능한 초급 커리어 경로가 없는 젊은 직원들에게 접근하지 못할 위험에 처할 수 있다.
  • 효율성을 달성하기 위해 너무 이른 시일 내에 변화한 조직은 기존 인력의 신뢰를 되찾기 위해 노력하고 있으며, 많은 경우 기존 동료들이 수행하던 업무를 차세대 AI 툴에 의존하고 있다.
  • 직원들의 자율성이 감소하면서 조직은 혁신을 강화할 수 있는 기회를 놓칠 수 있다.

 

기술 (Technology)
 

기회

  • 산업 장비, 로봇 시스템 및 기타 엔터프라이즈 기술에 차세대 AI를 통합한 조직은 단순히 독립형 툴을 제공하는 것만으로는 얻을 수 없는 새로운 비즈니스 역량과 성장의 기회를 얻게 된다.
  • 품질 관리를 위해 인간이 에이전틱 AI와의 관계에서 주도권을 유지하고, 단순히 AI의 작동 과정에 관여하는 수준(“루프 안에” 있는 것)이 아니라 전체 과정을 적극적으로 통제하는 역할(“루프 제어”)을 맡는다면, 시간이 지남에 따라 복잡해질 수 있는 오류율을 줄이는 데 도움이 된다.

리스크

  • 차세대 AI에 대한 지속적인 성장과 투자는 새로운 대체 모델의 확산을 초래할 수 있으며, 이는 기존 아키텍처의 노후화로 이어질 가능성이 있다.
  • AI 세대가 소프트웨어 설계, 코드 개발, 고객 상호작용 등을 대신하면서 인간이 이해하고 관리하기 점점 더 어려워지는 불투명한 솔루션이 만들어지고 있다.
  • 벤더 종속, 지적 재산권 관리, 규제 압박과 같은 문제로 인해 기술 생태계의 복잡성이 급증할 수 있다.

 

문화 (Culture)
 

기회

  • 지속적인 학습, 기술 향상, 커리어 성장에 대한 강력한 문화를 가진 조직은 변화하는 환경에 더 잘 적응하면서 직원 사기에 미치는 부정적인 영향을 최소화할 수 있다.
  • 리더가 신뢰를 강화하고 더 큰 혁신과 변화 전략의 일환으로 AI 세대를 활용하는 데 집중하는 조직은 직원들이 기술 발전에 대한 두려움 대신 영감을 유지할 수 있도록 도울 수 있다.
  • 다양성, 형평성, 포용성(DEI)과 웰니스(wellness) 프로그램을 통해 직원들의 사기를 진작시키는 조직이 점점 더 많아지고 있다.

리스크

  • 산업 전반에 걸친 구조조정의 추세는 기업 문화에 영향을 미치며, 특히 비용 절감에만 집중해 온 기업에서 직원 이직을 초래할 수 있다.
  • 효율성 이상의 가치를 놓치면 상당한 기회 비용을 초래할 수 있다. 비용 절감에 중점을 둔 조직은 혁신에 어려움을 겪을 수 있다.

2027년까지 이 시나리오가 실현 가능성이 있는지 확인하는 방법

 

  • 차세대 AI 도입을 시작할 때, 조직 문화와 신뢰를 강화하는 노력과 함께 AI에 대한 투자를 병행해야 한다. 많은 조직이 단기적인 효율성 증대를 목표로 비용 절감을 우선시하는 경우가 많다. 이 과정에서 직원들의 신뢰와 업무 몰입도가 희생될 수 있다. 하지만 AI 도입 전략의 일환으로 신뢰를 구축하면, 조직의 사기를 저하시키는 영향을 최소화하면서 시간이 지남에 따라 더 강력한 성장 기반을 마련할 수 있다. 투명성을 강화하는 것은 신뢰 구축에 도움이 될 수 있다. 예를 들어, 특정 AI 툴이나 AI 에이전트의 결과에 대해 책임을 명확히 하는 방식 등이 도움이 될 수 있다.
  • 모든 수준에서 AI 역량을 민주화하고 AI 유창성(AI fluency) 및 교육을 강화해야 한다. 이를 통해 직원들이 조직의 AI 기반 미래의 일원이 되고 싶은 지 스스로 선택할 수 있도록 지원할 수 있다.
  • 기초 AI 활용 사례 개발을 촉진하고 지원해야 한다. 예를 들어, '프롬프터톤(promptathons)'과 같은 프로그램을 설계하여 여러 부서에서 차세대 AI의 채택을 장려하는 방식이 될 수 있다. 조직은 현지 인력을 활용하여 중요한 사용 사례를 발굴하고, 이를 확대할 수 있는 방안에 대해 논의하며, AI 도입 노력을 강화할 수 있다.
  • 조직의 창의성을 높이기 위해 인센티브를 강화하고 제공해야 한다. 혁신을 촉진하고, 기존의 틀에서 벗어난 사고에 대해 보상하며, 다양한 사고를 장려하는 새로운 방법에 집중한다. 예를 들어, 지속적인 다양성, 형평성, 포용성(DEI) 이니셔티브와 신경 포용(neuroinclusion) 프로그램 을 적극 활용하는 방식이 대안이 될 수 있다.
  • 조직의 다양한 수준에서 인력 계획 전략을 재검토해야 한다. 직원 가치 제안을 새롭게 정의하고, 다양한 직급과 경력 단계에 있는 직원들이 AI 도입의 영향을 받을 수 있다는 점을 고려하여, 조직이 인재를 유치하고 유지하는 방법을 점검한다. 특히 초기 경력 직원들은 세대별 AI 툴이 제공하는 기회를 가장 잘 활용할 수 있는 위치에 있지만, 신입 직원들에게는 오히려 기회가 줄어들 위험도 있다. 이러한 잠재적인 문제를 피하려면, 인재 전략을 명확히 정의하고, 직원들이 어떤 기술을 개발해야 하는지, 그리고 승진을 위해 어떤 경험과 전문성이 필요한지 등을 구체적으로 설정해야 한다.
  • 비전을 강화하고 직원의 신뢰를 구축하기 위해 경영진이 변화를 어떻게 전달할지 결정해야 한다. 신뢰를 높이기 위해 리더십은 조직의 기술에 대한 의지를 재확인하고, 기술이 회사의 목표를 어떻게 지원하는지 명확히 설명해야 한다. 또한, 기술의 이점에 대해 직원들에게 충분히 전달하는 한편, 단계별 AI 도입에 따른 잠재적인 위험과 이를 관리할 대응 계획을 투명하게 공유해야 한다.

차세대 AI에 대한 기대가 현실의 역량을 크게 초과하면서, 이 시나리오에서는 많은 기업들이 좌절감을 느낄 수 있다. 높은 기대와 막대한 투자에도 불구하고, 기업들은 차세대 AI를 통해 기대했던 혜택을 충분히 누리지 못하고 있으며, 이로 인해 기술 산업과 시장 전반에 침체가 발생하고 있다. 이러한 문제 중 하나는 차세대 AI 툴이 특이한 방식으로 개선되었다는 점을 꼽을 수 있다. 텍스트, 비디오, 이미지 등 기계가 생성한 결과물의 품질은 빠르게 향상되었지만, 환각(hallucination)이나 기타 정확도 오류는 훨씬 더 복잡하게 다루어야 할 문제로 드러났다.

조직들이 차세대 AI 툴을 신속하게 배포하고 확장함에 따라, 의사결정권자들은 고품질로 보이는 데이터와 분석이 종종 미묘한 오류와 잘못된 정보를 포함하고 있어 혼란을 겪게 된다. 특히, 이러한 문제는 예상되는 효율성 향상에 앞서 과도하게 인력을 감축한 조직에서 더욱 심각하게 나타나며, 결국 많은 조직에서 실업률 증가와 인력난을 초래하게 될 수 있다.

또한, 학습 데이터의 편견(bias)이 이러한 시스템의 결과와 분석에 반영되면서, 글로벌 비즈니스와 사회 전반에서 불평등이 지속되고 있다. 동시에 악의적인 사용자들은 차세대 AI의 기능을 활용해 허위 정보와 사이버 공격을 증가시킬 수 있다. 이러한 요소들을 종합적으로 고려해보면, 인공지능 세대뿐만 아니라 더 넓은 정보 환경에 대한 불신이 더욱 커지고 있다.

그럼에도 불구하고 모든 상황이 부정적인 것만은 아니다. 조직들이 차세대 AI에 대한 기대치를 재조정하면서, 이 툴이 단순히 효율성을 개선하는 데 그치지 않고 매출 성장과 혁신에 기여하는 명확한 사용 사례들을 파악하기 시작했다. 아이러니하게도, AI 구현에 대해 신중한 접근 방식을 취한 조직은 특히 고객 및 직원과의 협업을 강화함으로써 차세대 AI 전환이 이루어질 미래에서 보다 나은 위치에 있을 가능성이 크다.

영향: “버블 붕괴” 시나리오의 미래 기회와 위험

 
사람 (People)


기회

  • 큰 변화에 너무 성급하지 않게 대응한 기업과 산업으로 인재가 몰리고 있다. 이러한 기업들은 급격한 진로 수정이 덜 필요할 수 있어, 변화가 빠르게 일어나지 않는 안정적인 환경을 제공하는 직장으로 각광받고 있다.

위험

  • 비용 절감을 위해 빠르게 차세대 AI를 도입한 조직은 직원들의 불안감 증가, 만족도 저하, 외로움 증가 등의 위험에 직면할 수 있다. 이러한 변화가 급격하게 이루어지면 직원들은 불안감을 느끼고, 이는 조직 내 사기 저하로 이어질 수 있다.
  • 조직이 혁신을 촉진할 기회를 놓치고 비용 절감에만 집중할 경우, 기술적 후퇴 현상이 발생할 수 있다. 이로 인해 장기적으로 기술 경쟁력이 약화되고, 기업은 새로운 인재를 유치하는 데 어려움을 겪을 수 있다.

 

기술 (Technology)

 

기회 

  • 차세대 AI 솔루션의 느린 도입(rollout)을 수용한 조직은 데이터 관리, 플랫폼의 무결성, 사이버 보안 기술 역량을 강화할 수 있다. 이렇게 하면 외부 위험을 완화하고, 데이터 품질을 보장하며, 장기적인 인프라 복원력을 확보할 수 있다. 또한, 신중한 차세대 AI 롤아웃을 관리하는 데 매우 유리하다.
  • 조직은 이미 세대별 AI가 통합된 기술과 소프트웨어를 구매함으로써 생산성 향상과 효율성 증대라는 이점을 얻을 수 있다.
  • 조직은 프론티어 LLM이 아닌 특정 기능에 초점을 맞춘 소규모 언어 모델을 활용하여 비용을 절감하고, 리소스를 많이 소비하는 대규모 모델이 환경에 미치는 부정적인 영향을 줄일 수 있다.

위험

  • 악의적인 사용자의 역량이 빠르게 발전하면서 조직은 사이버 보호 조치에 더 많은 투자를 해야 할 필요성이 커질 수 있다. 또한, 규제의 불확실성으로 인해 지식 재산(IP) 관리 문제나 법적 대응에 어려움을 겪을 수 있다.
  • 챗봇 도입, 이미지 및 코드 생성 등 차세대 AI를 단기간에 급격히 도입하게 되면, 전반적인 소프트웨어 품질이 저하되고 새로운 수준의 기술 부재, 복잡성, 불투명성이 발생할 수 있다. 이로 인해 장기적으로 AI의 성과 개선 가능성에 대한 의구심이 제기될 수 있다.
  • LLM 학습에 과도한 합성 데이터를 사용하면 시간이 지남에 따라 모델 성능이 저하될 수 있다. 이는 차세대 AI가 기대에 미치지 못하는 부분을 보완하기 위해 사용자에게 더 많은 스트레스를 가중시킬 수 있다.

 

문화 (Culture)

 

기회

  • 신중한 품질 관리에 중점을 둔 조직 문화를 포함하여 기술 도입에 대한 신중한 접근 방식을 가진 조직은 고부가가치 사용 사례를 발굴하고 실수를 최소화하는 방식으로 차세대 AI 툴을 도입하여 최대한의 이점을 얻을 수 있다.

위험

  • 학습 데이터의 편향성은 불평등을 고착화하여 다양성, 형평성, 포용성(DEI) 프로그램의 효과를 약화시킬 수 있다.
  • FOMO(기회를 놓치지 않으려는 두려움)로 인해 가장 강력한 기술에만 집중하는 조직은, 조직의 목표를 달성하는 데 가장 유용하거나 목적에 맞게 설계된 툴이 아닌 '반짝 효과'를 쫓게 되어 더 큰 타격을 받을 수 있다.
 

2027년까지 이 시나리오가 실현 가능성이 있는지 확인하는 방법

 
  • 생성형AI의 품질은 이미 중요한 관심사다. 딜로이트의 2024년 2분기 ‘기업의 생성형AI 사용 현황’ 설문조사에 참여한 임원 중 1/3 이상이 생성형AI 툴 및 애플리케이션과 관련된 3대 리스크 중 하나로 '결과물에 대한 신뢰 부족'을 선택했다. 
  • 많은 기업이 아직 생성형AI의 ROI를 추적하지 못하고 있다. 딜로이트의 3분기 ‘기업의 생성형AI 사용 현황’ 설문조사 응답자 중 35%만이 생성g형AI 이니셔티브의 가치를 측정하고 전달하기 위해 ROI를 추적하고 있다고 답했다. 또한 업계 분석가들의 초기 피드백에 따르면 이러한 도구가 비용 대비 가치가 없을 수도 있다고 보고했다.
  • 조직은 규모를 확장할 때 AI 편향성이 위험하다는 것을 인식하고 있다. 면접 전형에서 세대별 AI 결과에 대한 여러 독립적인 테스트에 따르면 대규모로 편향성이 지속되는 것은 상당한 위험이다. 
  • 도입이 예상보다 오래 걸릴 수 있다. 이전의 경험에 따르면 신기술을 활용한 발전이 항상 선형적인 것은 아니다. 가상현실이나 자율주행차와 같은 기술은 개발 초기에 많은 잠재력을 보였지만, 예상보다 도입과 상용화가 훨씬 더 어려워졌다.
  • 정보 환경에 대한 신뢰는 계속해서 약화되고 있다. 사람들이 보고 듣는 내용을 신뢰할 수 있는 능력은 점점 더 떨어지고 있으며, 이는 특히 인위적으로 변경되거나 생성된 이미지인 딥페이크의 등장으로 더욱 두드러진다. 딥페이크는 2017년 말에 처음 등장했으나, 초기에는 가짜 이미지를 만드는 것이 어렵고 품질도 낮은 편이었다. 그러나 최근 몇 년 간 AI 기술의 발전으로 딥페이크 이미지의 품질이 크게 개선되었고, 이제는 실제와 거의 구별이 불가능한 수준에 이르렀다. 테스트 결과, 많은 사람들이 실제 얼굴과 AI가 생성한 얼굴을 구별하는 데 어려움을 겪고 있으며, 심지어 많은 사람들이 생성된 이미지에 더 긍정적인 반응을 보이는 것으로 나타났다.

전략: 이 시나리오에 대비하기 위해 고려해야 할 단계는 무엇일까?

 
  • 해결해야 할 가장 큰 비즈니스 문제에 차세대 AI 투자를 집중해야 한다. 조직이 현실적으로 가능한 것보다 더 빨리 혜택을 실현할 수 있기를 기대하면 기술 투자 성과가 저조할 가능성이 높고, 이는 조직 문화와 직원 사기에 부정적인 영향을 미칠 수 있다. 따라서, 차세대 AI 투자는 반드시 조직의 근본적인 비즈니스 요구사항과 신중하게 일치시켜야 한다. 이렇게 투자의 방향을 명확히 하면 향후 위험을 완화하고, 투자 효과를 극대화할 수 있는 더 나은 위치에 있을 수 있다.
  • 이 시나리오에서 조직은 인적 기술과 역량에 대한 투자가 부족할 뿐만 아니라, 장기적인 조직 지식과 문화도 잃게 될 위험이 있음을 인식해야 한다. 이러한 손실을 방지하기 위한 종합적인 계획을 세우는 것이 매우 중요하다. 특히 차세대 AI 투자가 예상보다 더 오랜 시간이 걸릴 경우, 장기적인 회복력을 확보하려면 인적 자원과 지식 관리에 대한 전략을 강화해야 한다. 이는 조직이 지속 가능하게 성장할 수 있는 기반을 마련하는 데 도움이 될 수 있다.

이 시나리오에서는 ‘최초’가 되는 것이 전략적으로 유리하지 않다는 점을 강조한다. 지난 3년 동안 차세대 AI와 관련된 거의 모든 유망한 기술 발전은 오히려 조직들이 그 속도를 따라잡으려 고군분투하게 했고, 업계는 결과적으로 반 발짝 뒤로 물러나게 되었다. AI 통합 경쟁과 경쟁사에 뒤처질까 봐 두려운 나머지, 많은 조직들이 충분한 테스트를 거치지 않은 채 AI 툴을 도입하고 확장했다. 이로 인해 세대 AI의 강점과 한계에 대해 혼란을 겪게 되었다. 초기 파일럿과 연구에서 나타난 생산성 향상 효과를 대규모로 재현하기 어려운 상황이 발생했으며, 많은 조직들이 예상보다 미미한 개선 효과를 얻어 투자에 대한 실망을 겪고 있다.

이러한 확장 문제는 개별 작업자의 역량을 강화하는 도구들이 오히려 더 큰 주의 집중 환경을 조성하는 방식에서 비롯된다. 예를 들어, 몇 개의 글머리 기호를 프레젠테이션으로 즉시 전환하거나, 우선순위가 낮은 회의에 가상 아바타를 보내는 것과 같은 기능은 개별 작업자의 생산성을 높일 수 있지만, 동시에 많은 작업자가 더 많은 양의 작업을 생산해야 한다는 압박감을 느끼게 만드는 문화를 조성할 수 있다. 

이러한 역학 관계는 결국 의사 결정자와 관리자에게 더 혼란스러운 정보 환경을 만들어, 조직 내 효율적인 의사결정을 방해할 수 있다.기업들은 빠른 기술 변화 속도와 느린 규제 및 입법 속도 사이의 불일치를 관리하는 데 어려움을 겪고 있다. 지난 3년 동안 이러한 규제 불확실성으로 인해, 고객 서비스 봇과 같은 유망한 AI 활용 사례들이 불분명한 위험과 책임 문제로 인해 제한을 받았다. 반면, 기술 도입 속도가 느려지면 잠재적인 일자리 손실이 완화되는 긍정적인 측면도 있긴 하다.

2027년 여름까지, AI에 대한 기술 투자와 프로세스 개선 및 업무 재설계에 대한 노력을 병행하며, 차세대 AI의 사용을 명확한 성과와 목표로 연결하는 데 중점을 둔 조직이 경쟁에서 우위를 점할 가능성이 높다. 차세대 AI에 대한 과대평가는 다소 줄어들었지만, 인간과 기계의 역량을 결합하는 접근 방식은 여전히 유망하다. LLM 및 SLM과 같은 다양한 모델의 지속적인 발전을 통해 새로운 기회를 창출할 수 있는 가능성은 점점 더 커지고 있다.

영향: “인간에 의존한 발전” 시나리오의 미래 기회와 위험
 
사람 (People) 
 

기회 

  • 개인의 업무 효율성이 개선된다고 해서 모두 조직 전체의 이익으로 이어지는 것은 아니다. 개인의 효율성을 개선하려는 노력과 프로세스 설계를 병행하는 조직은 사일로화 된 접근 방식을 취하는 조직에 비해 이점을 얻을 수 있다. 

위험

  • 세대별 AI 툴을 사용하여 바쁜 것처럼 보이게 하는 것은 많은 조직에서 직원의 잠재적 가치를 훼손하여 회사의 핵심 미션으로부터 소외감을 유발할 수 있다. 
  • 총체적이고 통합적인 성과 측정이 부족하면 차세대 AI 투자의 이점이 약화될 수 있다. 핵심 성과 지표를 개선하더라도 이러한 지표를 통합하는 전략이 수반되지 않으면 조직 수준에서 ROI가 제한적일 수 있다. 
  • 오류와 환각을 잡아내는 데 여전히 인력이 필요하며, 더 매력적이고 창의적인 작업보다는 기계가 생성한 결과물의 품질 관리에 점점 더 많은 시간을 소비하게 될 수 있다.

 

기술 (Technology)
 

기회

  • 차세대 AI의 발전을 독립적인 자동화 솔루션이 아닌, 전문가 성장을 위한 새로운 도구들의 집합으로 바라보면 인력의 가치를 최적화할 수 있다. 이를 통해 기존 인력의 역량을 더욱 강화하고, 기술을 보완적으로 활용하여 업무 효율성을 높일 수 있다.

위험

  • 코드/애플리케이션 개발, 데이터 및 모델링, 사이버 보안 등 품질 관련 문제가 급증하고, 대체 AI 기술의 발전으로 인해 조직은 차세대 AI 프로그램의 속도를 늦추거나 비즈니스 및 기술 전략을 재평가하게 될 수 있다. 이러한 문제는 기술적 불확실성을 증가시키고, 예기치 않은 리스크를 초래할 수 있다.
  • 기술 예산, IT 팀, 광범위한 데이터 및 플랫폼 현대화 노력만으로는 차세대 AI를 디지털 제품에 통합하려는 비즈니스의 수요를 충분히 따라잡을 수 없다. 이를 해결하기 위한 추가적인 자원과 전략적 접근이 필요하다.
  • 특히 데이터 및 지적 재산과 관련된 규제 불확실성은 잠재적으로 고부가가치 사용 사례에 AI 툴을 적용하는 데 제약을 두고, 혁신적인 기술 활용을 제한할 수 있다.

 

문화 (Culture)

 

기회

  • 기술 투자와 의도한 결과 및 주요 성과 지표(KPI)를 명확하게 연계하는 데 중점을 두는 조직은 경쟁 우위를 점할 수 있다. 이러한 조직은 차세대 AI 툴 사용을 포함한 직원들의 활동이 주요 비즈니스 성과와 일치하는지 확인하는 새로운 업무 활동 측정 방법을 개발하여, 기술 투자와 실질적인 성과를 효과적으로 연결할 수 있다.

위험

  • 조직이 기술 툴을 사용할 준비가 되기 전에 먼저 도입함으로써, 차세대 AI의 발전을 놓칠까 우려하고 있다. 이로 인해 기술 도입을 지나치게 서두르거나 준비되지 않은 채 진행되어, 예상보다 낮은 효과를 초래할 수 있다.
2027년까지 이 시나리오가 실현 가능성이 있는지 확인하는 방법
 
  • 잠재적인 재정적 위험은 이미 분명해지고 있다. 이미 기업들은 고객에게 잘못된 가격 정보를 제공하는 등의 실수와 같은 세대별 AI 오류로 인한 재정적 책임을 지고 있다. 
  • 확장이 어려울 수도 있다. 딜로이트의 2024년 3분기 ‘기업의 생성형AI 사용 현황’ 설문조사에서 응답자의 약 70%가 자신의 조직이 생성형AI 실험의 30% 이하만 실제 비즈니스로 적용됐다고 응답했다. 
  • ‘그림자 AI (Shadow AI) ’ 사용으로 인한 데이터 유출이 증가할 가능성이 높다. 최근 연구에 따르면 직장에서의 세대별 AI 사용의 상당 부분이 개인 계정에서 발생하고 있는 것으로 나타났다.

전략: 이 시나리오에 대비하기 위해 고려해야 할 단계는 무엇일까?

 

  • AI 세대의 노력에 대한 총체적인 평가를 작성해야 한다. 직원들이 AI 세대와 함께 일하는 법을 배우면서 직면하는 성공과 어려움을 더 잘 이해할 수 있는 피드백 메커니즘을 파악한다. 이러한 노력의 일환으로 새로운 운영 프로세스와 규범을 반영하기 위해 작업자 성과 기준을 어떻게 조정해야 하는지 결정하는 것이 중요하다. 그런 다음 조정된 기준을 측정하기 쉬운 결과물이 아닌 중요한 비즈니스 목표와 연결해야 한다. 이러한 전체적인 관점을 유지하려면 정확성과 더 큰 목표와의 연계성을 보장하기 위해 단순히 사람이 주도하는 것이 아니라 사람이 중심이 되어야 할 수도 있다. 
  • 조직 전체에서 평가가 투명하게 이루어지도록 하여 직원의 신뢰를 구축해야 한다. 이는 또한 조직 내에서 특정 AI 에이전트의 성과에 대한 책임이 누구에게 있는지 투명하게 밝히고, AI 에이전트를 담당하는 사람이 자신의 성과를 감독할 수 있는 시간과 자원을 확보하는 것을 의미한다. 
  • ‘두 가지’ 비전을 가지고 조직에서 차세대 AI의 미래를 준비해야 한다. 차세대 AI가 기업의 성장을 지원하려면 비즈니스 기회와 성장을 주도하는 다른 역량과 함께 핵심 역량이자 통합된 구성 요소로 자리매김해야 한다.
  • "적은 것이 더 많다(less is more)"는 사고방식을 채택해야 한다. 가능한 한 빨리 광범위한 채택을 추진하기보다는, 검증되고 전략적인 사용 사례에 집중하는 것이 중요하다. 급격한 확장을 지양하고, 안정성과 효과성이 입증된 영역에서 차세대 AI를 점진적으로 적용하며 결과를 축적해 나가는 방식이 더 효과적일 수 있다.
  • 새롭게 등장하고 변화하는 규제 환경을 지속적으로 평가해야 한다. 상충되는 규제 프레임워크가 국내 및 글로벌 간 비즈니스 활동에 미칠 수 있는 영향을 포함하여, 여러 지역에서 진화하는 규제의 영향을 지속적으로 이해하고 모니터링하는 것이 필수적이다. 이는 기업이 규제 리스크를 관리하고, 법적 요구사항을 준수하며, 글로벌 비즈니스 활동에 원활하게 대응할 수 있도록 하는 데 도움이 된다.

2027년까지 한 가지 분명한 것은 변화가 이제 막 시작되었다는 점이다. 불과 3년 동안 차세대 AI의 발전은 산업 전반으로 확산되며, 다양한 분야에서 새로운 창의적 혁신의 물결을 일으킬 것이다. 기업들은 로봇공학, 생물학, 머신러닝 등 다양한 과학과 기술 분야의 발전을 차세대 AI 툴의 생산적 역량과 결합하여, 경제 전반에 걸쳐 혁신과 성장을 촉진하고 있다. 이러한 협력적 혁신을 통해 과학, 기술, 비즈니스 분야의 각 전문가들이 차세대 AI의 발전으로부터 혜택을 누릴 수 있게 되었다.

이러한 광범위한 성장은 LLM의 지속적인 개선과 타겟팅된 소규모 언어 모델의 성장 등 기술의 발전과 인간의 독창성이 결합된 결과다. 초기 세대 AI의 도입은 많은 조직에서 시간과 자원을 성공적으로 확보하게 해주었으며, 이를 통해 인력은 더 복잡하고 창의적이며 고부가가치 업무에 집중할 수 있게 되었다. 이 과정에서 조직과 직원들은 감성 지능, 비판적 사고, 상상력 등 AI가 쉽게 복제할 수 없는 인간의 능력의 가치를 발견하게 되었다.

이처럼 인간의 역량과 기술에 초점을 맞추면, 조직은 업무 프로세스와 시스템을 조정하여 품질과 신뢰성과 관련된 문제를 최소화하면서 차세대 AI 툴의 이점을 효과적으로 활용할 수 있다. 모델을 맞춤화하고 미세 조정하려는 노력을 기울임으로써 조직은 환각과 오류율을 줄이는 동시에, 차세대 AI 툴의 결과물이 다양한 기능의 미묘한 요구 사항에 맞게 최적화되도록 보장할 수 있다.

이를 통해 실업률에 큰 영향을 미치지 않으면서도 생산성, 혁신, 매출 성장을 크게 향상시킬 수 있다. 근로자와 조직은 이러한 이점을 폭넓게 누리고 있지만, 변화의 속도와 적응에 대한 요구는 끊임없이 이어지고 있다. 많은 근로자와 비즈니스 리더는 업무 방식을 재창조하고 자신의 가치에 대한 새로운 이해를 개발해야 했으며, 특히 AI 세대가 가장 빠르게 발전한 마케팅과 소프트웨어 엔지니어링 같은 직군에서는 이러한 변화가 더욱 두드러졌다.

이러한 인력 적응 문제를 관리하는 것 외에도, 사이버 보안에 대한 투자가 부족한 조직을 공격하기 위해 정교한 멀티모달 딥페이크를 사용하는 악의적인 사용자들이 늘어나면서 조직은 보안 프로토콜을 지속적으로 업데이트해야 하는 보안 및 정보 문제에 직면하고 있다. 2027년 말에는 차세대 AI를 적용하고 통합해야 할 필요성이 더욱 가속화될 것이다. 1990년대 후반의 닷컴 붐이 훨씬 더 큰 변화의 시작이었던 것처럼, AI의 발전으로 인한 혁신은 훨씬 더 심오한 변화의 시작인 것으로 보인다.

영향: “순조로운 지속 발전”시나리오의 미래 기회와 위험

 

사람 (People)
 

기회

  • 조직은 AI 코칭을 통해 직원의 학습과 숙련도를 높일 수 있다. 기업 데이터를 기반으로 봇을 학습시켜 맞춤형 AI 코칭 툴을 개발하면, 실시간 지원과 피드백을 제공하여 직원들이 더 빠르게 성장할 수 있도록 도울 수 있다. 이를 통해 직원들은 더욱 효과적으로 역량을 향상시키고, 조직 전체의 성과를 높이는 데 기여할 수 있다.
  • 새로운 혁신, 실험, 제품 및 서비스 개발에 더 많은 인력을 집중할 수 있는 조직은 효율성만을 추구하는 조직보다 더 빠르고 지속 가능한 성장을 이룰 수 있다. 창의적이고 혁신적인 프로젝트에 인력을 배치함으로써, 경쟁력 있는 제품을 시장에 신속하게 출시하고, 변화하는 환경에 유연하게 대응할 수 있다.
  • 변화의 속도가 빨라지면서, 정규직 인력뿐만 아니라 기술, 업무, 외부 인력, 기술 습득을 통합적으로 계획하는 것이 더욱 중요해지고 있다. 인력 계획에 대한 보다 지속적이고 총체적인 접근 방식을 채택하는 조직은 변화하는 환경에 더 빠르게 적응하고 경쟁사보다 한 발 앞설 수 있다. 조직 내외부의 다양한 자원을 효율적으로 활용함으로써 빠르게 변하는 시장에서 유리한 위치를 점할 수 있다.

위험

  • 조직 내에서 큰 변화가 일어나면서 역할과 기술 요구사항이 변하는 가운데, 근로자들의 정신 건강 문제가 가속화되고 있다. 변화에 대한 압박과 적응 과정에서 발생하는 스트레스가 증가함에 따라, 직원들의 웰니스 프로그램을 더욱 확대하고 체계적으로 관리할 필요가 있다. 이를 통해 직원들이 변화를 긍정적으로 수용하고, 정신적인 부담을 덜어낼 수 있도록 지원하는 것이 중요하다.
  • AI 세대의 이점이 널리 퍼지고 있지만, 많은 근로자들이 업무가 생산성 향상에서 지능형 시스템의 결과물 관리로 전환되면서 정체성의 상실을 느끼고 있다. 특히 수년간 자신의 기술을 갈고 닦아온 장기 근속 전문직들은 AI의 발전에 의해 자신의 역할이 축소되는 것에 대한 불안을 느낄 수 있다. 이러한 변화는 직업적 자아를 형성해온 직원들에게 정신적 충격을 줄 수 있으며, 이에 대한 심리적 지원과 동기 부여가 필요하다.
  • 초기 경력 근로자들은 한때 ‘창의적인’ 분야로 여겨지던 직업들이 AI 세대의 영향을 받아 점차 기술적인 면에 더 많은 비중을 두게 되면서 직업 선택의 폭이 줄어든다고 느끼고 있다. 그들은 창의적이고 혁신적인 분야에 대한 매력을 잃고, AI가 더 많은 기술적 역할을 차지하는 현상에 대해 불확실성을 느낄 수 있다. 이는 새로운 세대가 직업에 대한 비전을 재정립하고, 자신이 꿈꾸는 경로에 대해 다시 생각하게 만드는 도전 과제가 될 수 있다.

 

기술 (Technology)
 

기회

  • 차세대 AI에 투자하는 기업은 이를 독립형 솔루션으로 간주하는 기업보다 시장 출시 속도, 생산성, 혁신 측면에서 더 큰 이점을 얻을 수 있다. 이러한 기업들은 차세대 AI를 제품 개발 및 서비스 혁신의 중요한 도구로 활용하여 경쟁 우위를 점할 수 있다.
  • 초기 AI 투자자들은 제한된 수의 클라우드 서버를 확보하고, 확장 가능한 혁신으로 시장을 선도할 가능성이 높다. 이러한 기업들은 사용하지 않는 컴퓨팅 용량을 다른 기업에 재판매하거나 프라이빗 모델을 제공하는 등의 비즈니스 기회를 활용할 수 있다. 이는 기술 혁신 생태계의 소유권을 확보하는 데 큰 이점을 제공할 수 있다.

위험

  • 멀티 에이전트 시스템은 기술 생태계에서 관리가 너무 복잡해져 시간이 지남에 따라 기술적 부채(technical debt)가 쌓일 가능성이 크다. 이러한 복잡성은 기술 개발 속도를 늦추고, 시스템의 유지 관리와 확장성 문제를 초래할 수 있다. 장기적으로 이러한 부채는 시스템의 효율성을 떨어뜨릴 수 있다.
  • 생성 모델의 대체 기술이 확산되면서, 최근 차세대 AI 투자에 대한 노후화 위험이 발생할 수 있다. 기업들이 새로운 기술을 지속적으로 도입하고 있지만, 이는 기존 기술이 빠르게 구식이 될 수 있다는 위험을 내포하고 있다. 이는 기업의 기술 투자 계획에 불확실성을 더할 수 있다.
  • 결합된 기술의 확산은 사이버 공격에 대한 새로운 위험을 초래하며, 비즈니스 연속성에 심각한 영향을 미칠 수 있다. AI 및 자동화 시스템이 더욱 복잡해지면서, 해커들은 이러한 시스템을 표적으로 삼을 가능성이 높아지고 있다. 이에 따라 조직은 더 강력한 사이버 보안 전략과 비즈니스 연속성 계획을 마련해야 할 필요성이 커질 수 있다.

 

문화 (Culture)
 

기회

  • 조직 문화를 강화하고 직원들이 소속감을 느끼게 하는 데 있어 경험은 여전히 중요한 요소다. 실무 교육, 견습, 신입 사원 온보딩 등의 경험을 잘 설계하고 파악할 수 있는 조직은 신뢰와 혁신을 기반으로 더 강력한 문화를 구축할 수 있다. 직원들이 자신의 역할과 조직의 목표에 부합한다고 느낄 때, 이는 조직의 장기적인 성공과 협력적인 분위기 형성에 긍정적인 영향을 미칠 수 있다.

위험

  • 차세대 AI의 사용 증가로 인해 정보의 검색 및 추출 능력이 대폭 향상되었다. 그 결과 많은 아이디어나 발명이 "명백"해져서 특허를 받기 어려워지거나 특허 프로세스가 약화될 수 있다. 이는 결국 인간의 연구와 혁신의 자유를 제한하고, 특히 신생 기업이나 연구자들이 새로운 아이디어로부터 혜택을 얻기 어려워지게 만든다. 이와 같은 상황은 장기적으로 혁신 문화의 지속 가능성을 약화시킬 수 있다.

2027년까지 이 시나리오가 실현 가능성이 있는지 확인하는 방법'

 

  • 차세대 AI의 발전은 자연어 처리와 음성 명령을 기반으로 한 기계와의 소통을 대폭 향상시키고 있다. 이러한 발전은 로봇 기반 모델에서 큰 성과를 보이고 있으며, 특히 기존의 시뮬레이션 훈련 방식으로는 어려운 작업을 성공적으로 수행하는 데 기여하고 있다. 이러한 기술이 확산되면, 다양한 산업 분야에서 AI의 역할이 더욱 확고해지고, 2027년까지 AI가 실용적이고 일상적인 업무에 점점 더 많이 사용되는 환경이 형성될 것으로 전망된다.
  • 기업들이 AI의 성숙도와 함께 감성 지능, 창의성 등 인간 중심의 기술에 대한 수요를 증가시키고 있다. 딜로이트의 2024년 2분기 설문조사에 따르면, 기업 임원 및 IT 리더의 절반 이상이 생성형AI 툴과 기능의 도입으로 인해 조직 내에서 인간적인 기술이 더 중요해질 것이라고 예측하고 있다. 이는 인간의 감성 지능이나 창의적인 능력이 AI가 대체하기 어려운 영역이기 때문에, AI 도입이 증가함에 따라 이러한 인간 친화적인 기술에 대한 수요가 더욱 강화될 것임을 시사한다. 2027년까지, 이러한 변화는 인력의 역할 재정의와 더불어 창의성, 감성 지능 등을 강화하는 데 집중하는 기업들이 주도하는 환경을 만들어낼 것으로 보인다.

 

전략: 이 시나리오에 대비하기 위해 고려해야 할 단계는 무엇일까?

 

  • AI 기술의 발전이 가속화됨에 따라, 다양한 경험을 가진 직원들은 자신의 역할 변화는 물론, 새로운 기술을 빠르게 습득하고 새로운 업무 방식을 채택해야 할 필요성이 커질 것으로 전망된다. 이를 위해 조직은 AI에 대한 비전과, AI가 어떻게 조직과 직원들의 성공을 지원할 수 있는지에 대해 명확히 공유해야 한다. 또한, 비즈니스 프로세스와 문화적 변화에 대한 준비가 중요하며, 이는 직원들이 변화에 성공적으로 적응할 수 있도록 돕는 데 큰 역할을 한다.
  • AI 혁명은 많은 혁신적인 기회를 가져오고 있으며, 이에 따라 조직은 시장 변화에 대응하기 위해 일시적인 계획을 넘어서 지속적인 인력 계획을 수립하는 것이 중요하다. 이러한 계획을 통해 조직은 직원들이 AI 에이전트와 협업하는 방식을 개선할 수 있는 학습 및 개발 기회를 적극적으로 발굴하고 제공할 수 있다.
  • 성과 관리의 투명성으로 직원들의 신뢰를 유지해야 한다. 조직의 지속적인 성장은 직원들이 회사의 차세대 AI 전략에 대해 신뢰를 갖고 있는 데 달려 있다. 이를 위해 직원들에게 기대하는 바를 명확히 전달하고, AI 에이전트를 통해 성과를 어떻게 달성할 수 있을지 구체적으로 제시하는 것이 중요하다.
  • 이해관계자 가치를 높여 성과 향상을 이끌어내야 한다. 조직은 모든 이해관계자, 특히 직원들에게 세대 AI가 제공하는 혜택이 어떻게 공정하게 분배될지를 평가해야 한다. 금전적인 혜택뿐만 아니라, AI 세대가 직원들의 사기와 웰빙에 미치는 긍정적인 영향을 어떻게 개선할 수 있는지에 대해서도 기회를 찾아야 한다.

 

What’s next? 이 시나리오를 활용하는 방법

 

  • 이 시나리오를 활용해 자체적인 세대별 AI 전략을 점검하고, 더 탄력적으로 만들기 위해 다음 질문들을 고려해 보아야 한다.
  • 지금까지 논의한 전략 중 여러 시나리오에서 조직에 도움이 될 수 있는 전략은 무엇일까? 예를 들어, 이니셔티브에 투명성을 강화하여 직원들의 신뢰를 높이는 것, 가능한 한 빨리 광범위한 도입을 추진하기보다는 가장 중요한 비즈니스 문제를 해결하는 검증된 전략적 사용 사례에 집중하는 것, 그리고 지속적인 학습 문화를 조성하여 기술과 지식의 침식을 방지하는 것 등은 기술, 비즈니스, 그리고 사회적 변화에 관계없이 조직의 문화와 운영 성과를 지원하는 중요한 전략이다.
  • 각 시나리오에서 성공할 가능성이 높은 차세대 AI 프로젝트는 무엇일까? 소규모 파일럿이든 대규모 프로젝트든, 이러한 이니셔티브는 투자와 노력을 가속화할 수 있는 기회를 제공할 수 있다. 현재 진행 중인 프로젝트 중 어떤 것들이 시나리오에 비춰 성공 가능성이 높은 지 평가해 보아야 한다.
  • 다양한 시나리오를 고려했을 때, 귀사의 전략에서 취약한 부분은 무엇일까? 한두 가지 시나리오에만 잘 대비한 전략은, 미래 상황이 현재 계획과 다르게 전개될 경우 예상했던 ROI를 달성하지 못할 수도 있다. 이러한 잠재적인 격차와 약점을 파악하고, 이를 보완하기 위한 방법을 고려하는 것이 중요하다.
  • 이러한 시나리오는 특정한 결과를 예측하는 것이 아니라, 다양한 불확실한 조건 속에서 조직이 차세대 AI 전략을 개발하는 데 도움을 주기 위해 설계되었다. 이 시나리오는 경영진이 사고방식을 확장하고, 불확실성이 큰 환경에서 더 큰 자신감을 가지고 리더십을 발휘할 수 있는 기회를 제공한다.

 

방법론

이 보고서의 조사 결과는 경영진과 IT 리더의 관점에서 산업 전반의 기업 도입 동향을 모니터링하는 딜로이트의 ‘2024 기업의 생성형AI 사용 현황’ 분기별 설문조사 및 인터뷰 시리즈에서 얻은 정성적, 정량적 데이터 소스를 결합하여 분석됐다. 새로운 현상과 혁신에 대한 인사이트를 도출하기 위해, 딜로이트 통합 연구 센터는 2024년 1월부터 생성형AI와 기업의 미래에 관한 독자적인 지평선 탐색 방법론을 토대로 연구를 지속적으로 진행하고 있다.

우리는 의사결정권자들이 불확실성이 큰 환경에서 보다 탄력적인 계획을 수립할 수 있도록 돕기 위해, 50년 이상 사용된 ‘불확실성 축’ 시나리오 계획 방법론을 활용했다. 이를 통해 중요한 불확실성에 대해 개별 분석을 수행한 후, 시나리오를 더욱 명확히 검증하기 위해 딜로이트의 생성형AI 리더, 부문별 전문가, 시나리오 기반 예측 분석가들과 일련의 인터뷰를 진행했다.

유용한 정보가 있으신가요?

의견을 보내 주셔서 감사합니다

Our Thinking