CFO의 새로운 경쟁력: AI가 워크포스 플래닝을 수익 엔진으로 바꾸는 방법

워크포스 플래닝은 종종 인사 문제로 간주되며, 올바른 사람을 올바른 역할에 배치하고, 경쟁적인 인사 우선순위를 해결하며, 각 팀의 헤드카운트 할당을 결정하는 방법입니다. 그러나 노동 비용이 총 비즈니스 비용의 70%를 차지하는 경우, CFO와 그 팀이 정기적으로 워크포스 플래닝에 참여하고, 헤드카운트를 단순히 비용 센터로 관리하는 것이 아니라, 수익 레버를 당길 수 있는 경우에 하단 라인이 이익을 얻습니다.

잘 수행된 워크포스 플래닝은 운영 비용을 줄이고 마진을 확대하고 궁극적으로 이익을 증가시킬 수 있습니다. AI의 사용은 이것에 큰 영향을 미칠 수 있습니다. 생성형 AI는 인력 예측의 신뢰성을 높이고, 에이전트 AI는 헤드카운트 증가를 불필요하게 만드는 전문 작업을 수행할 수 있습니다. 더욱이, CFO들은 그들의 작업에서 점점 더 많이 AI를 배치하고 있으며, 이러한 추세는 결합되어 AI 지원 워크포스 플래닝을 CFO의 새로운 경쟁력으로 만들었습니다. 이는 비즈니스에 대한 수익성 증가로 이어집니다.

GenAI: 높은 인사 비용에서 EBITDA 증가로

McKinsey는 보고했으며, AI 기반 예측 모델은 일부 비즈니스에서 인력 필요를 90% 이상 정확하게 예측할 수 있으며, 오버타임 비용을 15-20% 절감할 수 있다고 합니다.

워크포스 플래닝의 역할은 특히 블루칼라 서비스 산업에서 매우 중요하며, BSL이라는 물리적 보안 회사에서는 세계적인 고객인 Nike와 Amazon을 위한 수천 개의 사이트에 수만 명의 보안 경비원을派遣했습니다. 이 회사는 노동 집약적이고 시프트 기반의 비즈니스에서 흔히見하는 도전을 겪었습니다. 즉, 오버타임 급여와 비싼 즉시 하도급 비용의 지속적인 출혈이었습니다. 수요가 급증하거나 배치 격차가 발생하면 회사는 기존 직원이나 외부 하도급업체에게 프리미엄을 지불하는 경우가 많았습니다.

BSL은 더 정확하고 장기적인 AI 기반 워크포스 플래닝을 사용하기 시작했을 때, 오버타임 비용을 30% 줄이고 하도급 비용도 줄일 수 있었습니다. 이 회사는 직원과 고객 계약을 분석하고, 노동 법규를 알고리즘 제약 조건으로 변환하고, 여러 라운드의 속성 알고리즘을 수행하여 1년간의 롤링 인력 계획을 생성했습니다. 이전에는 회사가 1-3개월의 예측만 있는 인력 계획을 수주간에 걸쳐서 작성했습니다. 결과적으로, 이 회사는 EBITDA를 200 베이시스 포인트 증가시켰으며, 이는 대규모 오버타임과 하도급 비용 감소로 인해 마진이 확대되고 수익성이 향상되었습니다.

BSL과 다른 많은 경우에서, AI의 주요 역할은 직원을 감축하는 것이 아니었습니다. 생성형 AI 도구는 이직률을 감소시키고, 계획을 개선하고, 고객과 직원이 선호하는 스케줄을 구축하는 데 도움이 되었습니다. 예를 들어, 특정 위치에 배치된 보안 경비원의 수는 3명으로 제한되었으며, 이는 고객이 자신의 회사에 필요한 경비원 전문 지식을 유지하길 원하는 경우에 만족스러웠습니다. 오랜 통근이 필요한 시프트의 수를 줄이고, 근무 없는 주말을 均等하게 분배했습니다. 이러한 변경 사항은 직원의 삶의 질을 향상시키고 고객 만족도를 높이고, 회사의 장기적인 이익을 위해 직원 이직의 비용과 수고를 줄입니다.

Agentic AI: 헤드카운트 없이 확장

때때로, AI 지원 워크포스 플래닝은 회사가 헤드카운트를 증가시키지 않고도 비용 효율적으로 확장할 수 있도록 합니다. 예를 들어, Zendata Cybersecurity가 두바이 국제 금융 센터와 아부다비 글로벌 시장에서 통합 솔루션을 배포할 때, 회사는 빠르게 확장해야 했습니다. 수천 명의 새로운 고객을 위한 유연한 행정 및 기술 온보딩을 보장하고, 매 분기마다 의무적인 보안 감사를 수행해야 했습니다. 이러한 램프업을 위해 충분한 엔지니어를 고용하는 것은 비용이 많이 들고 어려웠을 것입니다. 전 세계 72%의 고용주는 필요한 기술 인력을 찾는 데 어려움을 겪고 있다고 보고했습니다.

대신, 사이버 보안 회사에서는 6주 만에 5,000명의 최종 사용자를 온보딩하기 위해 컨설턴트 AI 에이전트를 사용했습니다. 이 회사는 새로운 인력을 고용하거나 기존 팀에 추가적인 부담을 가하지 않고도 이를 수행할 수 있었습니다. 다른 에이전트는 Zendata가 매 분기마다 감사와 고객에게 개인화된 통찰력, 진단 및 액션 플랜을 제공할 수 있도록 했습니다. Zendata의 엔지니어가 매 분기마다 1주일을 감사에 소요하는 대신, 인간의 검토는 평균 1시간으로 줄었습니다. 이는 운영 워크로드를 낮추고 감사 프로세스를 가속화하며, 많은 새로운 고객을 위한 감사에 충분한 엔지니어를 확보하는 도전을 해결했습니다.

CFO가 알아야 할 것

이 예들의 공통점은 AI가 워크포스 결정에서 인간의 판단력을 감소시키고 있는 것이 아니라는 것입니다. 그것은 기존 워크포스 플래닝 솔루션에서 수익 유출을 일으키는 비효율성과 복잡성을 제거하고 있다는 것입니다.

생성형 AI는 수천 개의 계약을 분석하고, 수백 개의 규제적 제약 조건을 적용하고, 1년 동안 예측을 생성할 수 있습니다. 이는 인간 팀이 스프레드시트를 설정하는 데 걸리는 시간과 같습니다. 하단 라인은 AI가 비즈니스로 하여금 속도와 함께 확장하고, 리드 타임 없이 피크 충전을 흡수하고, 가격 경쟁력과 수익성을 개선할 수 있도록 허용한다는 것입니다. CFO들은 이것을 점점 더 많이 깨닫고 있으며, 오늘날 사용 가능한 도구를 사용하고 있으며, 결과는 수익 보고서에 나타나고 있습니다.