인터뷰
아자이 바살, 젠팩트 데이터·AI 글로벌 책임자 — 인터뷰 시리즈

핵심 포인트프로세스 재설계가 모델 성능이 아닌 에이전틱 AI 도입의 주요 장벽이다.
더 보기
- 프로세스 재설계가 모델 성능이 아닌 에이전틱 AI 도입의 주요 장벽이다.
- 자율 AI 시스템에 부적합한 생산성 지표를 여전히 사용하는 기업의 비율(%)이 존재한다.
- 오직 22%의 조직만이 도메인 수준 또는 광범위한 자율성을 가진 AI 시스템을 신뢰한다.
아자이 바살은 젠팩트의 데이터·AI 부문을 총괄하는 글로벌 책임자이자, 기술과 전략 분야에서 풍부한 경험을 쌓은 경영자입니다. 인공지능, 데이터 전략, 디지털 전환, 인수합병, 기업 컨설팅에 걸쳐 20년 이상의 경력을 보유하고 있습니다. 현재는 기업의 AI 활용 확대와 보조형 AI에서 더 자율적이고 실제 운영에 통합된 시스템으로의 전환을 돕는 사업을 이끌고 있습니다. 젠팩트에 합류하기 전에는 액센츄어에서 거의 9년간 근무하며 소비자 관련 산업의 데이터·AI 글로벌 책임자, Centre for Data & Insights 글로벌 책임자 등 여러 고위직을 맡았습니다. 그는 운영 효율 향상, 매출 성장, 위험 완화를 통해 조직이 데이터에서 측정 가능한 사업 가치를 얻도록 돕는 데 주력해 왔습니다. 아울러 다양한 산업에서 전략적 투자, 인수합병 사업, AI 기반 전환 프로그램도 이끌었습니다.
젠팩트는 전문 서비스와 디지털 전환을 제공하는 글로벌 기업으로, 대기업을 위한 데이터, AI, 분석, 지능형 자동화, 운영 현대화를 전문으로 합니다. 처음에는 제너럴 일렉트릭 (GE.TO ) 내부에서 설립되었다가 독립 기업이 되었으며, 현재 금융 서비스, 의료, 제조, 소매, 소비재 등 여러 산업의 조직에 서비스를 제공합니다. 젠팩트는 AI 기반 기업 전환을 점점 더 강조하고 있습니다. 분석, 자동화, 산업별 전문 지식을 결합해 기업의 업무 흐름 현대화, 의사결정 개선, 대규모 AI 시스템의 책임 있는 도입을 지원합니다.
현재 젠팩트에서 일하시기 전에는 액센츄어에서 오랫동안 여러 산업의 데이터·AI 전략을 수립하셨습니다. 이러한 경험은 기업이 아직도 AI 투자에서 실질적인 가치를 얻기 어려운 이유에 대한 관점에 어떤 영향을 주었나요?
여러 산업에서 일하며 얻은 가장 큰 교훈 중 하나는 대부분의 조직이 기술이 약해서 실패하는 것은 아니라는 점입니다. 실제 어려움은 자율적인 업무 수행을 전제로 설계되지 않은 운영 모델에 AI를 덧붙이려 하기 때문에 발생합니다. 저희의 최근 연구 결과도 이를 분명히 뒷받침합니다. 기업은 AI 도입에 적극적으로 나서고 있지만, 많은 기업이 대규모 자율 실행을 지원하는 데 필요한 운영 모델을 재설계하는 데 여전히 어려움을 겪고 있습니다. 이런 격차는 많은 기업이 아직도 관리·감독 체계, 책임 소재, 조직의 준비 상태에 관한 문제를 해결하는 중임을 보여 줍니다.
적절한 측정 체계를 갖추기 전에 빠르게 움직이는 조직도 있습니다. 경영진의 71%는 에이전트형 AI가 과거의 어떤 기술 발전 흐름보다도 빠르게 투자 수익을 가져올 것으로 믿지만, 67%는 여전히 이전 자동화 모델을 위해 만들어진 생산성 지표에 의존합니다. 제 경험상 성공적인 AI 도입은 결코 모델 배포만의 문제가 아닙니다. 업무 흐름을 재설계하고, 기술을 사업 우선순위에 맞추며, 점점 더 자율적인 시스템과 함께 자신의 역할이 어떻게 변하는지 사람들이 이해하도록 도와야 합니다.
최근 발표하신 보고서인 Autonomy Requires Trust in AI(자율성에는 AI에 대한 신뢰가 필요하다)는 대부분의 경영진이 에이전트형 AI가 기업 운영을 근본적으로 바꿀 것으로 믿지만, 대부분의 시스템은 여전히 감독 아래 있다고 설명합니다. 믿음과 실행 사이의 가장 큰 간극은 무엇인가요?
그 간극은 전적으로 신뢰에 관한 것입니다. 경영진은 에이전트형 AI가 일하는 방식을 바꿀 것이라고 분명히 믿습니다. 하지만 기술에 대한 믿음이 의사결정 권한을 넘겨도 안심할 수 있다는 뜻은 아닙니다. 저희 연구에서는 AI 시스템에 특정 업무 영역 안에서의 자율성이나 폭넓은 자율성을 부여해도 안심할 수 있다는 조직이 22%에 불과했습니다.
대부분의 기업은 여전히 추천, 요약, 업무 흐름 지원을 제공하는 보조 도구로는 AI를 안심하고 사용합니다. 주저하기 시작하는 시점은 AI 시스템이 운영, 고객, 규정 준수, 재무 성과에 영향을 미치는 방식으로 자율적으로 행동해야 할 때입니다. 이 때문에 많은 기업은 더 자율적인 운영 모델을 추진하면서도 승인과 감독 과정에 사람을 계속 깊이 관여시킵니다.
많은 기업이 AI에 대규모로 투자하지만 의미 있는 수익을 입증하지 못하고 있습니다. AI가 창출한 가치를 측정할 때 조직이 가장 흔히 저지르는 실수는 무엇인가요?
큰 실수 중 하나는 많은 조직이 여전히 이전 자동화 흐름에 맞춰 설계한 생산성 지표를 사용한다는 것입니다. 데이터에 따르면 기업의 67%가 적응력을 갖추고 의사결정에 따라 작동하는 시스템의 가치를 충분히 담아내지 못하는 생산성 중심 측정에 의존합니다. 이 때문에 기대와 실제 가치 측정 방식 사이에 간극이 생깁니다.
또 다른 문제는 많은 조직이 AI의 특성에 맞는 성공 지표를 아직 정의하지 않았다는 것입니다. 업무 흐름의 자율적 완료, 상위 단계로 판단을 넘겨야 하는 사례의 감소, 자율적인 예외 처리 등을 측정하는 기업은 소수에 불과합니다. 비용 절감이나 절약한 근무 시간에만 계속 집중하면 에이전트형 AI가 만들어 내도록 설계된 더 폭넓은 운영 효과를 놓치게 됩니다.
보고서는 조직의 준비 상태가 기술 자체보다 더 큰 장벽임을 시사합니다. 에이전트형 AI의 잠재력을 최대한 활용하려면 기업에 어떤 구체적인 구조 변화가 필요한가요?
조직은 기업 전반에서 책임 소재, 업무 흐름의 책임 주체, 의사결정이 어떻게 작동하는지 다시 생각해야 합니다. 연구에서 얻은 가장 분명한 결론 중 하나는 조직의 준비 상태가 기술 자체보다 더 큰 장벽이 되고 있다는 점입니다. 실제로 기업의 33%는 사업 프로세스가 에이전트형 AI 통합을 받아들일 준비가 되지 않았다는 점을 도입의 가장 큰 장애물로 꼽았습니다.
가장 큰 진전을 이루는 기업은 자율 시스템이 명확히 정해진 경계와 감독 구조 안에서 작동할 수 있도록 업무 흐름을 처음부터 끝까지 재설계하고 있습니다. 또 기업의 44%는 시스템이 전통적으로 중간관리자가 맡아 온 조정 업무를 흡수하면서 에이전트형 AI가 관리 계층을 줄일 것으로 예상했습니다. 직원에게는 감독 책임, 개입해야 하는 시점, 자율성이 높아지는 환경에서 사람의 판단이 맡을 역할을 훨씬 명확하게 알려 줄 필요가 있습니다.
AI 에이전트에 실질적인 자율성을 부여해도 안심할 수 있다는 조직은 소수입니다. 기업이 AI 시스템에 의사결정 권한을 맡길 만큼 신뢰하려면 무엇이 필요한가요?
에이전트형 AI에 대한 신뢰는 결국 책임 소재와 통제에 달려 있습니다. 기업이 의사결정 권한을 넘기는 데 여전히 신중한 이유는 경영진이 자율 시스템이 명확한 제약과 관리·감독 구조 안에서 작동할 수 있다는 확신을 원하기 때문입니다.
앞서가는 기업은 판단을 상위 단계로 넘기는 경로, 개입을 시작하는 조건, 관리·감독 통제 수단을 운영 모델에 직접 통합한 시스템을 설계합니다. 대부분의 조직은 단번에 완전한 자율성으로 넘어가는 대신, 사업 상황과 위험 감수 수준에 따라 단계적으로 자율성을 부여합니다. 성공적인 도입으로 자신감이 쌓이면 신뢰도 높아집니다. 경영진이 의사결정 과정, 책임 소재, 사람의 감독이 유지되는 방식을 명확히 볼 수 있기 때문입니다.
기업은 에이전트형 AI를 빠르게 확대할 것으로 예상하지만, 많은 곳이 여전히 낡은 생산성 지표에 의존합니다. AI의 특성에 맞는 더 효과적인 성과 지표는 어떤 모습이어야 할까요?
AI에 맞춘 지표는 단순한 활동량이 아니라 실행과 결과를 측정해야 합니다. 기존 생산성 지표는 사람이 더 빠르게 일하는지를 살핍니다. 그러나 에이전트형 AI에서는 시스템 자체가 운영 업무의 일부를 맡기 시작하므로 전제가 달라집니다. 이 점이 중요한 이유는 많은 조직이 아직도 자율 실행이 아니라 과거 자동화 흐름을 위해 설계된 생산성 관점으로 에이전트형 AI를 측정하기 때문입니다.
더 효과적인 지표는 업무 흐름의 자율적 완료, 상위 단계로 판단을 넘기는 비율의 감소, 결정의 신속한 실행, 제한적인 사람의 개입만으로 예외를 얼마나 효과적으로 처리하는지에 집중해야 합니다. 이런 지표는 AI가 대규모 실행을 실제로 개선하는지 훨씬 명확하게 보여 줍니다.
프로세스 재설계가 도입의 가장 큰 장벽이라고 강조하셨습니다. AI의 다음 단계에서 업무 흐름의 전환이 모델 성능보다 중요한 이유는 무엇인가요?
아무리 발전된 AI 시스템도 제대로 작동하지 않거나 분절된 프로세스 안에서는 효과적으로 규모를 확대할 수 없기 때문에 업무 흐름의 전환이 중요합니다. 저희 연구에서는 기업의 33%가 프로세스의 준비 상태를 에이전트형 AI 도입의 가장 큰 장벽으로 꼽았습니다.
다음 단계가 다른 이유는 에이전트형 AI가 업무 흐름 안에서 단순히 보조하는 것을 넘어 업무 흐름 전반에 걸쳐 일을 수행하도록 설계되었다는 점입니다. 조직은 의사결정 책임을 명확히 하고, 불필요한 업무 인계를 없애며, 관리·감독 체계를 업무 흐름에 직접 통합해 자율 실행을 중심으로 프로세스를 재설계해야 합니다. 여러 면에서 업무 흐름 재설계야말로 이제 대규모 AI 도입의 진정한 기반입니다.
보고서는 조정 업무가 자동화되면서 AI가 조직 계층을 줄일 것으로 봅니다. 그 결과 경영진과 중간관리자의 역할은 어떻게 바뀔까요?
에이전트형 AI가 더 많은 조정과 운영 감독 업무를 맡으면 경영진의 역할은 일상적인 실행 관리에서 전략, 판단, 관리·감독의 방향을 제시하는 쪽으로 이동할 가능성이 높습니다. 저희 연구에 따르면 많은 기업은 자율 시스템이 더 많은 운영 감독 책임을 맡을수록 에이전트형 AI가 조직 내 조정 계층을 줄일 것으로 예상합니다.
중간관리자는 전통적으로 의사결정을 적절한 담당자에게 연결하고 팀 간 운영 연속성을 유지하는 데 중요한 역할을 해 왔습니다. 자율 시스템이 이런 활동을 더 많이 맡기 시작하면 경영진은 예외 관리, 책임 소재, 시스템과 사업 목표의 일치 여부에 더 집중해야 합니다. 상황 이해, 윤리, 판단이 가장 중요한 분야에서는 사람의 리더십이 더욱 중요해질 것입니다.
젠팩트는 에이전트형 AI와 첨단 기술 솔루션을 제공하는 기업으로 자리매김하고 있습니다. 에이전트형 AI에 대한 접근 방식은 전통적인 컨설팅 또는 기술 기업과 어떻게 다른가요?
젠팩트의 접근은 실행과 결과, 그리고 저희가 흔히 AI 도입의 ‘마지막 단계’ 문제라고 부르는 과제의 해결에 기반합니다. 많은 조직이 이미 AI 모델이 통찰을 제공하거나 생산성을 개선할 수 있다는 점을 입증했습니다. 하지만 진짜 어려움은 이러한 능력을 실제 업무가 이루어지는 운영 중인 사업 프로세스에 통합하는 것입니다. 많은 AI 사업이 바로 여기서 정체됩니다. 저희는 고객이 실행의 마지막 단계까지 에이전트형 AI를 실무에 적용하도록 돕는 데 집중합니다. 이를 통해 시스템이 재무, 공급망, 고객 서비스 등 기업의 핵심 기능에서 측정 가능한 성과를 내도록 합니다.
저희의 차별점은 업무 프로세스에 대한 깊은 전문 지식과 데이터, 기술, AI 역량을 결합한다는 것입니다. 단순히 모델을 배포하거나 시범 사업을 만드는 데 그치지 않습니다. 업무 흐름을 재설계하고, 관리·감독 체계를 운영에 통합하며, 대규모 자율 실행에 필요한 책임 구조를 기업이 갖추도록 돕습니다. 저희도 자체 운영에 에이전트형 AI를 통합했기 때문에 실험에서 전사적인 효과로 나아가기 위해 무엇이 필요한지 실무 경험을 갖추고 있습니다.
앞으로 에이전트형 AI가 선도 기업과 뒤처지는 기업 간의 격차를 넓힐 것이라고 보시나요? 기업이 뒤처지지 않으려면 지금 무엇을 해야 할까요?
네, 격차는 더 벌어질 것이라고 봅니다. 에이전트형 AI는 이전 기술 발전 흐름과 다른 방식으로 가치를 누적하기 때문입니다. 업무 흐름을 성공적으로 재설계하고, 책임 체계를 세우며, 자율 시스템에 대한 신뢰를 구축한 조직은 경쟁사가 따라 하기 어려운 운영상 이점을 얻게 될 것입니다. 주목할 점은 이런 전환의 속도입니다. 기업의 29%는 향후 12개월 안에 에이전트형 AI가 기업 전체로 확대될 것으로 예상합니다.
경쟁력을 유지하려는 기업의 현재 우선순위는 자율 실행에 맞게 운영 모델을 준비하는 것이어야 합니다. 업무 흐름 재설계, 책임 구조 정의, AI의 특성에 맞는 측정 체계 구축, 직원의 준비 상태에 대한 투자가 포함됩니다. 이런 기반을 일찍 마련하는 조직은 AI를 여전히 별개의 기술 사업으로 접근하는 조직보다 훨씬 유리한 위치에 설 것입니다.
좋은 인터뷰에 감사드립니다. 자세한 내용은 젠팩트에서 확인하실 수 있습니다.












