아자이 바살, 젠팩트 데이터 및 AI 글로벌 리더 – 인터뷰 시리즈

아자이 바살, 젠팩트의 데이터 및 AI 글로벌 리더는 20년 이상의 경험을 가진 베테랑 기술 및 전략 이사로서 인공 지능, 데이터 전략, 디지털 변환, 합병 및 인수, 기업 컨설팅 등을 담당했습니다. 현재 젠팩트에서 그는 기업들이 AI를 채택하고 보조적인 AI에서 더 자율적인, 운영에 내장된 시스템으로 전환하는 것을 지원하는 이니셔티브를 이끌고 있습니다. 젠팩트에 합류하기 전에 바살은 9년간 액센츄어에서 근무했으며, 소비자 산업을 위한 글로벌 데이터 및 AI 리드와 데이터 및 인사이트 센터의 글로벌 책임자 등을 역임했습니다. 그의 경력 동안 그는 운영 효율성, 수익 성장, 위험 완화 등을 통해 데이터에서 측정 가능한 비즈니스 가치를 창출하는 것을 지원하는 데 중점을 두었습니다.

젠팩트는 데이터, AI, 분석, 지능형 자동화, 운영 현대화를 전문으로 하는 글로벌 프로페셔널 서비스 및 디지털 변환 회사입니다. 원래 제너럴 일렉트릭 내에서 설립되어 독립 회사로 성장한 젠팩트는 현재 금융 서비스, 헬스케어, 제조, 소매, 소비재 등을 포함한 다양한 산업의 기업들을 지원합니다. 이 회사는 점점 더 AI 기반의 기업 변화를 중심으로 자리매김하고 있으며, 분석, 자동화, 도메인 전문 지식을 결합하여 비즈니스들이 워크플로를 현대화하고, 의사결정을 개선하고, 대규모 AI 시스템을 책임감 있게 배포하는 것을 지원합니다.

액센츄어에서 데이터 및 AI 전략을 산업 전반에 걸쳐 설계한 경험을 바탕으로 현재 젠팩트에서 활동하고 계신데, 이러한 경험은 기업들이 여전히 AI 투자에서 실제 가치를 추출하는 데 어려움을 겪는 이유에 대한 관점을 어떻게 형성하셨나요?

산업 전반에 걸쳐 작업한 가장 큰 교훈은 대부분의 조직이 기술이 약한 것이 아니라, 운영 모델이 자율적인 실행을 위해 설계되지 않았기 때문에 실패한다는 것입니다. 우리의 최근 연구에서도 이러한 점을 명확히 보여줍니다. 기업들은 AI를 적극적으로 채택하고 있지만, 많은 곳에서 아직도 자율적인 실행을 지원하는 운영 모델을 재설계하는 데 어려움을 겪고 있습니다. 이러한 격차는 많은 기업들이 아직도 거버넌스, 책임, 조직 준비도와 관련된 질문에 직면해 있음을 강조합니다.

또한 많은 조직이 올바른 측정 프레임워크를 마련하기 전에 빠르게 움직이고 있습니다. 71%의 임원은 에이전트 AI가 이전 기술물결보다 더 빠르게 ROI를 제공할 것이라고 믿지만, 67%는 여전히 이전 자동화 모델을 위해 구축된 생산성 지표에 의존합니다. 내 경험에 따르면, 성공적인 AI 채택은 단순히 모델을 배포하는 것이 아닙니다. 워크플로 재설계, 기술을 비즈니스 우선순위와 정렬시키고, 사람들이 역할이 자율적인 시스템과 함께 어떻게 진화하는지 이해하는 것을 포함합니다.

최근 보고서 자율성은 AI에 대한 신뢰를 필요로 한다는 대부분의 임원들이 에이전트 AI가 사업 운영을 근본적으로 변경할 것이라고 믿지만, 대부분의 시스템이 여전히 감독하에 있는 것을 보여줍니다. 믿음과 실행 사이의 가장 큰 불일치는 무엇인가?

불일치는 완전히 신뢰를 중심으로 있습니다. 임원들은 에이전트 AI가 작업을 어떻게 수행하는지에 대한 믿음을 가지고 있지만, 기술에 대한 믿음이 자동적으로 의사결정 권한을 넘겨주는 것에 대한 편안함으로 이어지지 않습니다. 우리의 연구에 따르면, 22%의 조직만이 도메인 수준 또는 광범위한 자율성을 허용하는 AI 시스템을 사용하는 데 편안함을 느낍니다.

대부분의 기업은 아직 AI를 보조 도구로서 사용하고 있으며, 추천, 요약, 워크플로우 지원 등에 사용합니다. 주저함은 AI 시스템이 운영, 고객, 컴플라이언스, 재정 결과에 영향을 미치는 방식으로 자율적으로 행동할 때 시작됩니다. 이러한 주저함은 많은 기업이 더 자율적인 운영 모델로 나아가면서도 인간이 승인 및 감독 과정에 긴밀하게 참여하는 것을 계속하도록 강요합니다.

많은 기업이 AI에 막대한 자금을 투자하지만, 의미 있는 수익을 보여주지 못하고 있습니다. AI 주도 가치를 측정하는 데 가장 일반적인 실수는 무엇인가?

주요한 실수는 많은 조직이 여전히 이전 자동화물결를 위해 설계된 생산성 지표를 사용하고 있다는 것입니다. 데이터에 따르면, 67%의 기업이 아직도 완전히 AI의 가치를 포착할 수 없는 생산성 기반 측정을 사용하고 있습니다. 이는 기대와 실제 가치 측정 사이에 실제 불일치를 생성합니다.

또 다른 문제는 많은 조직이 아직 AI 고유의 성공 지표를 정의하지 못했다는 것입니다. 소수의 기업만이 자율적인 워크플로우 완료, 축소된 에스컬레이션, 자율적인 예외 처리와 같은 것을 측정하고 있습니다. 기업들이 계속해서 비용 감소나 시간 절약에만 집중한다면, 에이전트 AI가 창출하도록 설계된 더 광범위한 운영 영향력을 놓칠 것입니다.

보고서는 조직 준비도가 기술 자체보다 더 큰 장벽임을 시사합니다. 기업들이 에이전트 AI의 전체 잠재력을 실현하기 위해 어떤 구조적 변경이 필요한가요?

조직은 책임, 워크플로우 소유권, 의사결정 방식이 비즈니스 전반에 걸쳐 어떻게 작동하는지 재고해야 합니다. 연구에서 가장 분명한 결론 중 하나는 조직 준비도가 기술 자체보다 더 큰 장벽이되고 있다는 것입니다. 실제로, 33%의 기업이 에이전트 통합을 위한 비즈니스 프로세스가 준비되지 않았다는 것을 채택의 주요 장벽으로 식별했습니다.

가장 많은 진도를 보이는 회사들은 워크플로우를 끝까지 재설계하여 자율적인 시스템이 명확한 경계와 감독 구조 내에서 작동할 수 있도록 합니다. 우리는 또한 44%의 기업이 에이전트 AI가 조직을 평탄화하고 시스템이 전통적으로 중간 관리가 처리하는 조정 작업을 흡수한다고 예상한다는 것을 발견했습니다. 직원들은 감독 책임, 개입 지점, 인간의 판단이 자율적인 환경에서 어떻게 적합한지에 대한 훨씬 더 큰 명확성을 필요로 합니다.

소수의 조직만이 AI 에이전트에 실제 자율성을 부여하는 데 편안함을 느낍니다. 기업들이 AI 시스템에 대한 의사결정 권한을 신뢰하는 데에는 무엇이 필요한가요?

AI 에이전트에 대한 신뢰는 궁극적으로 책임과 통제에 달려 있습니다. 기업들은 아직도 자율적인 시스템이 명확한 가드레일과 거버넌스 구조 내에서 작동할 수 있는지에 대한 확신이 필요합니다.

진도를 보이는 회사들은 시스템을 설계하여 에스컬레이션 경로, 개입 트리거, 거버넌스 컨트롤이 운영 모델에 직접 내장됩니다. 대부분의 기업은 비즈니스 컨텍스트와 위험 감수 능력에 따라 자율성을 점진적으로 부여하는 것입니다. 기업들이 성공적인 배포를 통해 신뢰를 얻을수록, 리더들은 의사결정 과정을 어떻게 하는지, 책임이 어디에 있는지, 인간의 감독이 어떻게 유지되는지 명확히 볼 수 있으므로 신뢰가 증가합니다.

기업들은 에이전트 AI를 빠르게 확대할 것으로 예상하지만, 여전히 생산성 지표에 의존하고 있습니다. 더 효과적인 AI 고유의 성과 지표는 어떤 모습이어야 하나요?

AI 고유의 지표는 실행 및 결과를 측정해야 합니다. 전통적인 생산성 측정은 사람들이 더 빠르게 일하는지에 중점을 두지만, 에이전트 AI는 시스템 자체가 운영 부담의 일부를 담당하기 시작합니다. 이는 많은 기업이 여전히 에이전트 AI를 이전 자동화물결를 위해 설계된 생산성 렌즈를 통해 측정하고 있기 때문에 중요합니다.

더 효과적인 측정은 자율적인 워크플로우 완료, 축소된 에스컬레이션, 빠른 의사결정 실행, 시스템이 인간의 개입 없이 예외를 어떻게 관리하는지에 대한 것입니다. 이러한 지표는 AI가 실제로 대규모에서 실행을 개선하는지에 대한 훨씬 더 명확한 그림을 제공합니다.

프로세스 재설계는 채택의 주요 장벽입니다. 왜 워크플로우 변환이 모델 성능보다 다음 AI 단계에서 더 중요할까요?

워크플로우 변환이 중요합니다. 왜냐하면 가장 발전된 AI 시스템도 깨진 또는 단편적인 프로세스 내에서 확장할 수 없기 때문입니다. 우리의 연구에 따르면, 33%의 기업이 프로세스 준비도를 에이전트 AI 채택의 주요 장벽으로 식별했습니다.

이 다음 단계가 다른 점은 에이전트 AI가 워크플로우 내에서 보조하는 것이 아니라 워크플로우 전반에 걸쳐 실행되도록 설계되었다는 것입니다. 기업들은 자율적인 실행을 위한 워크플로우를 재설계하여 의사결정 소유권을 명확히 하고, 불필요한 핸드오프를 제거하고, 워크플로우에 거버넌스를 직접 내장해야 합니다. 많은 방면에서 워크플로우 재설계는 이제 확장 가능한 AI 채택의 진정한 기초입니다.

보고서는 AI가 조직 구조를 평탄화하고 조정 작업이 자동화됨에 따라 리더십 역할과 중간 관리가 어떻게 진화할 것인지에 대해 언급합니다. 어떻게 보시나요?

에이전트 AI가 더 많은 조정 및 운영 감독 작업을 맡게됨에 따라 리더십 역할은 루틴 실행 관리에서 전략, 판단, 거버넌스에 대한 지도를 향해 이동할 가능성이 있습니다. 우리의 연구에 따르면, 많은 기업이 에이전트 AI가 조직 전반에 걸쳐 중간 관리의 계층을 감소시킬 것으로 예상합니다.

중간 관리는 전통적으로 의사결정을 라우팅하고 팀 간의 운영 연속성을 유지하는 데 주요한 역할을 했습니다. 자율적인 시스템이 이러한 활동을 더 많이 처리함에 따라 리더들은 예외 관리, 책임, 시스템이 비즈니스 목표와 일치하는지 확인하는 데 더 집중해야 할 것입니다. 인간의 리더십은 여전히 컨텍스트, 윤리, 판단이 가장 중요한 영역에서 더 중요해질 것입니다.

젠팩트는 에이전트 및 고급 기술 솔루션 회사로 자리매김하고 있습니다. 전통적인 컨설팅 또는 기술 회사와는 어떻게 다르게 에이전트 AI에 접근하고 계신가요?

젠팩트의 접근 방식은 실행 및 결과에 기반하고 있으며, 우리는 종종 “마지막 마일” 문제를 해결하는 것으로 설명합니다. 많은 조직이 이미 AI 모델이 통찰력을 생성하거나 생산성을 개선할 수 있다는 것을 입증했습니다. 그러나 실제 도전은 이러한 기능을 라이브 비즈니스 워크플로우에 내장하여 시스템이 측정 가능한 성과를 이끌어 낼 수 있도록 하는 것입니다. 이는 많은 AI 이니셔티브가 정체되는 곳입니다. 우리의 초점은 클라이언트가 마지막 마일의 실행을 통해 에이전트 AI를 운영화하는 데 도움을 주는 것입니다.

우리의 접근 방식을 차별화하는 것은 깊은 프로세스 전문 지식과 데이터, 기술, AI 능력의 결합입니다. 우리는 단순히 모델을 배포하거나 파일럿을 구축하는 것이 아닙니다. 우리는 워크플로우를 재설계하고, 운영에 거버넌스를 내장하고, 자율적인 실행을 위한 책임 구조를 구축하는 데 도움을 줍니다. 또한 우리는 에이전트 AI를 우리의 própria 운영에 내장했으므로, 실험에서 기업 전체에 걸친 영향으로 이동하는 데 필요한 것을 실제로 경험할 수 있습니다.

앞으로 에이전트 AI가 선도하는 기업과 후발 기업 사이의 격차를 넓히게 될까요? 기업들이 뒤처리지 않기 위해 지금 무엇을 해야 하나요?

예, 나는 격차가 넓어질 것이라고 믿습니다. 왜냐하면 에이전트 AI는 이전 기술물결보다 가치를 다르게 축적하기 때문입니다. 운영 모델을 재설계하고, 책임 프레임워크를 구축하며, 자율적인 시스템에 대한 신뢰를 구축하는 기업들은 운영상의 이점을 창출할 것입니다. 이는 경쟁사들이 복제하기 어려울 것입니다. 무엇이 놀라운 것은 이 변환이 얼마나 빠르게 발생하고 있는지입니다. 29%의 기업이 에이전트 AI를 다음 12개월 내에 사업 전반에 걸쳐 확대할 것으로 예상합니다.

경쟁력을 유지하려는 기업들에게 우선순위는 운영 모델을 자율적인 실행을 위해 준비하는 것입니다. 이는 워크플로우 재설계, 소유 구조 정의, AI 고유의 측정 프레임워크 구축, 워크포스 준비도 투자를 포함합니다. 이러한 기초를 먼저 구축하는 기업들은 아직도 AI를 단독 기술 이니셔티브로 접근하는 기업들보다 훨씬 더 잘 위치해 있을 것입니다.

인터뷰 감사합니다. 더 많은 정보를 원하는 독자는 젠팩트를 방문할 수 있습니다.