QBurst의 CEO인 아룬 쿠마르 람찬드란과의 인터뷰 시리즈

아룬 쿠마르 람찬드란QBurst의 CEO인 그는 글로벌 컨설팅, 대규모 계약 영업, 손익 관리, 기업 혁신 등 25년 이상의 리더십 경험을 보유한 기술 및 서비스 분야 베테랑 임원입니다. 2025년 4월 CEO로 취임한 그는 AI 기반 기술 서비스 및 디지털 엔지니어링 기업으로서 QBurst의 전략을 수립하는 동시에 사업 전반을 이끌고 있습니다. QBurst에 합류하기 전에는 Hexaware Technologies(사장 및 GenAI 컨설팅 리더십 포함), Capgemini/Sogeti(고객 및 영업 담당 임원), Infosys 및 Virtusa에서 고위직을 역임하며 사업 부문 구축 및 확장, 주요 전략 프로그램 주도, 다양한 지역 및 산업 분야에서의 성장 견인 등의 성과를 거두었습니다.

Q버스트 이 회사는 "높은 AI-Q"를 핵심 가치로 삼는 글로벌 디지털 엔지니어링 파트너로서, AI 기반 솔루션 제공과 응용 AI 및 데이터 기반 접근 방식을 결합하여 기업의 디지털 혁신, 구축 및 확장을 지원합니다. 엔드투엔드 디지털 경험 엔지니어링, 현대화 및 제품 엔지니어링에 중점을 두고 있으며, 구성 가능한 디지털 플랫폼, 대화형 및 고객 경험 솔루션, AI 기반 데이터 인프라 구축과 같은 프로젝트를 통해 생산성 향상, 납기 단축, 고객 경험 강화 등 측정 가능한 성과를 창출하도록 지원합니다. 이 회사는 전 세계 다양한 고객 기반을 대상으로 서비스를 제공하고 있습니다.

Hexaware, Capgemini, Infosys 등 여러 글로벌 기업에서 오랜 기간 리더십 경력을 쌓으신 후 QBurst의 CEO 자리를 맡게 되셨습니다. QBurst가 성장하는 이 시점에 합류하게 된 계기는 무엇이며, 당신의 경력이 회사를 이끌어 나가고자 하는 방향에 어떤 영향을 미쳤습니까?

QBurst에 합류하기로 한 결정은 기회와 잠재력이 한데 어우러진 결과였습니다. 제가 QBurst에 매료된 이유는 회사의 고유한 강점과 독특한 시장 기회가 결합된 점 때문이었습니다. QBurst의 기업가 정신과 최첨단 기술을 활용하여 까다로운 고객의 요구를 충족시키는 성공 사례는 저에게 깊은 인상을 주었고 동시에 흥미를 불러일으켰습니다.

기술, 산업, 규제 전반에 걸쳐 파괴적인 변화와 급변하는 환경이 융합되는 가운데, QBurst와 같이 집중적이고 차별화된 기업은 경쟁에서 앞서나가 인공지능 기반의 미래를 위한 새로운 기술 및 엔지니어링 서비스 기업과 제공 모델을 구축할 수 있는 일생일대의 기회를 맞이하고 있습니다.

다양한 산업 분야에서 25년 이상 기술 기반 혁신을 주도해 오신 경험을 바탕으로, AI 기반 서비스 플랫폼 확장에 대한 현재 사고방식에 어떤 영향을 미치셨나요?

저는 기술의 주요 혁신과 도입은 과대광고 주기가 끝나고 기업 차원에서 실제 비즈니스 문제가 해결되기 시작한 후에 일어난다는 것을 관찰했습니다. AI 기반 서비스 플랫폼의 확장과 관련하여 특히 세 가지 사항을 강조하고 싶습니다.

1. "개념 증명 단계(PoC 단계)" 통과하기

오늘날 가장 큰 과제는 개념 증명(PoC) 단계를 넘어서는 것입니다. 규모 확장을 위해서는 사고방식의 전환이 필요합니다. 우리는 단순히 AI를 개발하는 것이 아니라, 실제 운영 환경에 적용 가능한 솔루션을 제공합니다. QBurst는 고객이 PoC 단계를 넘어 성장할 수 있도록 민첩성에 집중합니다. 즉, 과거의 기술에 얽매이지 않고 더 넓은 컨텍스트 범위를 가진 새로운 모델을 도입하는 데 주력합니다.

2. 탄탄한 기반 없이는 인공지능도 없다

2009년 모바일 초창기부터 클라우드 혁명에 이르기까지 모든 기술 주기를 거치면서 제가 깨달은 교훈은 혼돈을 자동화할 수 없다는 것입니다. AI는 입력되는 데이터만큼만 강력합니다. QBurst는 디지털 현대화와 고급 데이터 엔지니어링, 즉 "지루하지만 필수적인" 작업을 수행함으로써 성장을 견인하고 있습니다.

3. '높은 AI-Q' 비전

이러한 변화를 주도하기 위해 QBurst는 '고수준 AI-Q' 기업으로 거듭났습니다. 이는 모든 핵심 서비스에 생성형 AI와 에이전트형 AI를 통합하여 AI 기반 기업 혁신을 추진한다는 것을 의미합니다. QBurst에서 AI는 부가적인 기능이 아니라 전략 및 서비스 제공의 핵심 기반입니다. 맞춤형 머신러닝 모델과 지능형 자동화를 결합하여 비즈니스 성장에 맞춰 AI의 지능도 함께 확장되도록 합니다.

저희는 안드로이드 초창기부터 선두주자였으며, 이러한 선제적인 정신을 바탕으로 AI 시대를 선도하고 있습니다. QBurst는 단순히 기술 중심 기업이 아니라, 고객 만족을 최우선으로 하는 결과 중심의 파트너입니다.

QBurst의 핵심 프레임워크로 '높은 AI-Q'를 강조하셨습니다. 기업 리더들은 이 개념을 어떻게 해석해야 하며, 현재 AI 환경에서 이것이 중요한 차별화 요소가 되는 이유는 무엇일까요?

QBurst의 "고도 AI-Q" 여정은 의식적인 결정입니다. AI 기반 SDLC를 통해 운영 계층에서는 빠르게 움직이고, 관리형 에이전트를 통해 전략 계층에서는 과감한 행보를 보이는 것입니다. 무엇보다 중요한 것은 기업 전체의 문화, 가치, 그리고 인적 역량이라는 근본적인 변화를 느리지만 탄탄하게 다지는 것입니다.

인공지능에는 위험과 우려가 존재하지만, 안전하게 구현된다면 풍요와 혁신을 창출할 수 있습니다. 기업은 생산성 향상뿐 아니라 성장과 혁신 측면에서도 가치를 얻게 될 것입니다.

실행 관점에서 볼 때, 우리는 AI 기반 SDLC 프레임워크를 통해 이러한 변화를 매일 목격하고 있습니다. 이는 혁신의 "방법"이며, 사용자 스토리 생성부터 자체 복구 테스트 스크립트에 이르기까지 개발의 모든 단계에 AI를 통합했습니다. 결과는 이미 입증되었습니다.

• 시장 출시 기간: 개발 및 테스트 주기의 상당한 단축.
• 품질: 출시 후 결함 발생률이 25~35%라는 놀라운 감소 효과를 보였습니다.
• 효율성: 전반적인 서비스 제공 속도가 20~30% 꾸준히 향상됩니다.

전략적 영역은 단순히 부분 최적화를 넘어 전체 생태계를 최적화하는 단계입니다. 이를 위해 솔루션의 핵심 요소에 대한 재고가 필요했고, 그 결과 엔터프라이즈 에이전트형 AI와 관리형 서비스를 결합한 관리형 에이전트가 탄생했습니다. 고객은 AI 에이전트가 프런트엔드 및 백엔드 작업, 워크플로, 운영을 처리하여 효율성과 지속적인 혁신을 동시에 실현할 수 있습니다. 우리는 단순히 서비스를 제공하는 것이 아니라, 원활한 가치 네트워크를 구축하고 있습니다.

많은 기업들이 이른바 "AI 부채"를 쌓아가고 있습니다. 이는 확장성이 떨어지거나 가치를 창출하지 못하는 GenAI 파일럿 프로젝트에 상당한 비용을 투자하는 현상을 말합니다. 이러한 문제의 근본 원인은 무엇이며, 기업들이 이 악순환에서 벗어나려면 어떻게 해야 할까요?     

기업들은 차세대 AI 투자가 시범 사업 단계에서 멈추고 실질적인 비즈니스 가치로 이어지지 못할 때 "AI 부채"를 쌓게 됩니다. 근본적인 원인은 우리가 "개조 함정"이라고 부르는 것, 즉 AI 기반 워크플로우를 지원하도록 설계되지 않은 기존 시스템에 차세대 AI 기능을 억지로 끼워 넣으려는 시도에 있습니다. 이러한 환경에서는 데이터, 아키텍처, 거버넌스가 제대로 갖춰져 있지 않아 시범 사업이 중단되거나 규모 확장에 실패하게 됩니다.

이러한 문제는 기본적인 준비 부족으로 더욱 악화됩니다. 많은 조직들이 데이터 전략, 데이터 엔지니어링 및 거버넌스에 대한 필수적인 투자를 소홀히 한 채 실험에 급급합니다. 현대화된 데이터 기반과 명확한 통제 체계가 없다면, GenAI 이니셔티브는 기업 역량으로 발전하기보다는 단편적인 개념 증명에 그칠 것입니다.

이러한 패턴을 깨려면 AI 우선 설계로의 전환이 필요합니다. 조직은 AI를 어디에 추가할 수 있을지 묻는 대신, 아키텍처, 데이터 흐름 및 거버넌스를 조정하여 지능형 자동화를 대규모로 지원함으로써 처음부터 AI 결과를 염두에 두고 시스템을 설계해야 합니다.

실질적으로 이는 데이터 엔지니어링에서 시작됩니다. 견고하고 체계적인 데이터 파이프라인과 모델을 사전에 구축하면 GenAI가 지속 가능한 규모로 확장할 수 있는 기반이 마련됩니다. 기반이 튼튼하면 AI는 실험 단계를 넘어 실질적인 영향력을 발휘할 수 있습니다. 따라서 AI 부채는 장기적인 가치 창출로 이어집니다.

기존의 시간 및 자재 기반 계약 모델은 AI 기반 효율성의 현실과 부합하지 않는다는 인식이 점차 확산되고 있습니다. 이러한 모델이 시대에 뒤떨어지는 이유는 무엇이며, "관리형 에이전트" 또는 "서비스형 소프트웨어"와 같은 접근 방식은 기업 IT에 더욱 지속 가능한 해결책을 제시할 수 있을까요?     

전통적인 시간당 비용 청구 모델은 자원이 부족했던 시대, 즉 가치가 인간의 노력에 직접적으로 연결되던 시대에 맞춰 구축되었습니다. 하지만 인공지능 시대에는 이러한 가정이 더 이상 유효하지 않습니다. 지능과 실행력이 풍부해짐에 따라 가치는 노력에서 결과로 이동합니다. 인공지능은 시간당 비용 청구 방식의 논리를 근본적으로 뒤흔듭니다.

이러한 이유로 업계는 성과 기반 모델로 나아가고 있습니다. 사람의 개입 없이 해결된 티켓 수나 AI가 처음부터 끝까지 완료한 워크플로우와 같은 지표는 명확하고 측정 가능한 가치를 제공합니다. 이러한 모델은 역량을 노동력이 아닌 소프트웨어로 취급하며, 이를 "서비스형 소프트웨어(Service-as-Software)"라고 설명할 수 있습니다.

관리형 에이전트 및 서비스형 소프트웨어(SaaS)와 같은 접근 방식은 보다 지속 가능한 해결책을 제시합니다. 이러한 방식은 투입된 노력에 대한 비용 지불에서 지능적인 결과에 대한 비용 지불로 초점을 전환하여 예측 가능한 비용, 지속적인 개선, 그리고 자동화로 인한 이익 공유를 가능하게 합니다. 관리형 에이전트는 인간 엔지니어와 AI 에이전트가 비즈니스 목표를 향해 협력할 수 있도록 지원하며, 서비스형 소프트웨어는 투입된 시간이 아닌 결과물을 통해 가치를 측정할 수 있도록 합니다.

인공지능이 주도하는 세상에서 가장 적합한 상업 모델은 노력보다는 결과에 보상을 주는 모델이며, 이는 기업과 서비스 제공업체 모두에게 윈윈(win-win)을 가져다줍니다.

귀사의 'High AI-Q' 방법론은 AI 준비 상태를 위한 세 가지 핵심 요소로 인재, 애플리케이션, 영향력을 중점적으로 다룹니다. CIO들은 GenAI 이니셔티브를 확장하기 전에 이러한 요소들에 대한 성숙도를 어떻게 평가할 수 있을까요?

GenAI를 확장하기 전에 CIO는 기술 스택뿐만 아니라 인재, 애플리케이션, 영향력이라는 세 가지 '높은 AI-Q' 계층 전반에 걸쳐 성숙도를 명확하게 파악해야 합니다.

인재 관리 측면에서 성숙도는 인력 준비 상태를 의미합니다. CIO는 AI 기술, 변화에 대한 개방성, 그리고 직원들이 안전한 실험을 가능하게 하는 LLM(Learning Leadership Management)에 대한 안전하고 관리된 접근 권한을 갖고 있는지 여부를 평가해야 합니다.

응용 프로그램 계층에서는 데이터 품질, 아키텍처, 보안, LLM 접근 및 AI 개발 관행 전반에 걸친 정책 및 가이드라인의 성숙도와 같은 데이터 및 거버넌스의 기본 사항에 중점을 둡니다.

영향력 측면에서 CIO는 투입 노력 대비 비즈니스 가치를 기준으로 사용 사례를 평가해야 합니다. 적은 노력으로 높은 효과를 낼 수 있는 기회를 파악하면 초기 성공을 거두고 GenAI 확장을 위한 반복적인 접근 방식을 지원할 수 있습니다.

기존 아키텍처를 사용하는 조직의 경우, 에이전트 기반 워크플로 및 AI 기반 제공 모델을 준비하기 위해 필요한 기본적인 현대화 단계는 무엇일까요?

다음은 조직이 에이전트 기반 워크플로로 전환할 때 준비할 수 있는 세 가지 단계입니다.

1. 데이터 기반 현대화 우선순위 지정: 기존 아키텍처를 사용하는 조직의 경우, 가장 먼저 해야 할 일은 사일로화된 데이터에 대한 메타데이터, 데이터 계보 및 데이터 품질 지표를 활용할 수 있도록 데이터 기반을 현대화하는 것입니다. 이를 통해 담당자는 맥락이 풍부하고 설명 가능한 데이터를 확보할 수 있습니다. GenAI 기반 도구의 도입으로 이러한 현대화 작업이 더욱 빠르고 간편해졌습니다. 기존 아키텍처에서도 GenAI를 사용할 수는 있지만, 의미 있는 결과를 얻기 위한 토큰 요구 사항이 매우 높아질 수 있습니다.

2. 기업 지식 계층 구축: 시스템을 현대화하지 않은 조직은 문서화되지 않은 채 축적된 지식이 많을 것입니다. 시스템 내에 일시적으로 축적된 이러한 지식을 체계적으로 관리할 수 있는 지식 계층을 구축하는 것이 두 번째로 중요한 과제입니다. 이는 많은 조직의 AI 도입 여정에서 누락된 핵심 요소입니다.

3. 에이전트 경계 및 작업 방식 정의: 세 번째 단계는 에이전트가 조직에서 현재 시행 중인 모든 모범 사례 및 보안 규정을 준수하도록 하는 것입니다. 거버넌스 프레임워크, 보안 정책 및 관찰 가능성 프레임워크를 통해 에이전트는 조직의 경계 및 확립된 작업 방식 내에서 효과적으로 사고하고 행동할 수 있습니다.

AI 대비를 위해 도구 외에 데이터, 프로세스, 거버넌스 및 팀 역량 측면에서 무엇이 필요할까요?

AI 도입 준비는 단순히 적절한 도구를 선택하는 것 이상의 의미를 지닙니다. 실제로 AI 도입의 성공 여부는 조직이 암묵적인 프로세스, 의사 결정 논리, 핵심 관계 등 직원들의 머릿속에만 존재하는 핵심 지식을 얼마나 잘 포착하느냐에 달려 있습니다. 이러한 지식은 AI 시스템이 단순히 데이터를 처리하는 데 그치지 않고 추론할 수 있도록 자연어로 문서화되어야 합니다.

데이터 준비 상태 또한 매우 중요하지만, 품질만으로는 충분하지 않습니다. 진정한 성공을 좌우하는 것은 데이터의 맥락, 출처, 의미를 포함하는 메타데이터입니다. 이러한 메타데이터가 없으면 아무리 정교한 모델이라도 피상적이거나 신뢰할 수 없는 결과를 도출할 수 없습니다.

기업의 AI 도입이 소비자 AI에 비해 뒤처지는 데에는 이유가 있습니다. 바로 거버넌스, 보안 및 규정 준수가 필수 불가결한 요소이기 때문입니다. 이는 회피해야 할 장애물이 아니라, 구축 과정에서 반드시 고려해야 할 필수 요건입니다. 조직은 AI 결과물이 안전하고, 반복 가능하며, 정확하도록 보장하기 위해 가드레일, GenAI 관찰 가능성, 설명 가능성, 그리고 인간 참여 워크플로를 포함하는 신뢰 프레임워크를 구축해야 합니다.

마지막으로, 팀은 AI에 대한 직관력을 키워야 합니다. 준비 태세란 직원들이 AI 활용 능력을 향상시켜 효과적으로 질문을 던지고, 결과를 검증하고, 출력을 감사하는 방법을 알도록 하는 것을 의미하며, 단순히 "블랙박스"를 맹목적으로 신뢰해서는 안 됩니다. AI는 인간이 지속적으로 참여할 때 가장 효과적으로 작동합니다.

기술 서비스 분야는 기존 업체들로 포화 상태입니다. 기업 변혁 프로젝트 수주 경쟁에서 QBurst의 가장 강력한 차별점은 무엇이라고 생각하십니까?

QBurst는 심도 있는 엔지니어링 전문 지식과 훨씬 작은 규모의 혁신 주도 기업의 민첩성을 결합하여 경쟁이 치열한 기술 서비스 시장에서 차별화를 꾀하고 있습니다.

우리의 경쟁력은 다음 다섯 가지 핵심 요소에 의해 정의됩니다.

1. 엔지니어링 전문성과 디자인 사고방식을 결합했습니다. 단순히 코드만 작성하는 것이 아니라, 사용자 중심의 종합적인 솔루션을 통해 비즈니스 문제를 해결합니다.

2. 민첩성과 책임감 – 우리는 규모 확장에 능하면서도 고객 한 분 한 분에게 세심한 관심을 기울일 만큼 효율적입니다. 빠른 변화에 대한 유연성과 적응력은 고객들이 인정해 주신 부분입니다. 우리 팀은 고객 성공에 대한 진정한 책임감을 가지고 있으며, 최고 경영진에 이르기까지 책임감 있는 업무 수행을 보장합니다.

3. 문화적 이해도: 일본의 LINE 미니 앱이든 미국의 대형 슈퍼마켓 체인을 위한 통합 가격 책정 시스템이든, 우리는 기술뿐만 아니라 사용자 경험까지 각 시장에 맞춰 제공합니다.

4. AI 우선 비전 – 우리는 AI를 단순한 유행어가 아닌, 역량을 극대화하는 도구로 활용하여 서비스 제공, 운영 및 고객 솔루션에 통합하고 있습니다.

5. 혁신과 실험의 문화 – 저희 리더들은 기술에 정통하며 최신 기술을 활용하여 고객 문제를 해결하는 것을 즐깁니다. 저희는 실패를 두려워하지 않으며, 스타트업과 같은 접근 방식을 통해 많은 경우 고객에게 의미 있는 영향을 미쳐왔습니다.

우리는 스스로를 혁신하는 것을 두려워하지 않습니다. 기업 고객을 위해 성과 기반 모델, 구성 가능한 제공 프레임워크, 공동 혁신 연구소 등을 실험하고 있습니다.

향후 3~5년을 내다볼 때, 에이전트 기반 워크플로우와 AI 기반 조직의 등장으로 기업 IT 운영 모델은 어떻게 진화할 것으로 예상하시며, 리더들은 지금 무엇을 준비해야 할까요?

차세대 혁신은 강력한 AI 역량과 사려 깊은 제어, 감독 및 신뢰 시스템을 결합할 수 있는 기업의 몫이 될 것입니다. 바로 이러한 이유로 기업용 에이전트 프레임워크에 대한 논의가 매우 중요하고 시급하게 느껴집니다.

제가 얻은 주요 통찰은 다음과 같습니다.

• AI 데이터센터 건설은 둔화되는 것이 아니라 가속화되고 있으며, 데이터센터 업계의 분위기는 매우 낙관적이며 용량, 수요 및 투자가 모두 급증하고 있습니다.
• 기업 AI 도입은 소비자 AI보다 더디게 진행될 것입니다. (조직 데이터는 흔히 정돈되지 않고 파편화되어 있으며, 정제되고 중앙 집중화된 형태가 아니라 여러 시스템에 분산되어 있습니다. 현재의 모델은 각 조직의 고유한 맥락에 맞게 조정하지 않으면 매우 특정한 기업 상황과 기능에 필요한 정확도를 아직 확보하지 못하고 있습니다. 진정한 가치를 창출하려면 특히 특정 워크플로 및 사용 사례의 "마지막 단계"에서 기업 고유의 데이터를 기반으로 모델을 학습하고 미세 조정해야 합니다.)
• 진정한 자율 에이전트가 기업 환경에서 성공적으로 자리 잡기 위해서는 더 큰 과제가 남아 있습니다. 바로 직원들이 안정적으로 업무를 수행하고 규모를 확장할 수 있도록 지원하는, 직원에게 존재하는 것과 같은 감독 구조, 승인 체계, 안전장치를 구축하는 것입니다.

지도자들은 다음 사항들을 염두에 두고 준비해야 합니다.

• 상담원들은 신입 사원처럼 명확하게 정의된 업무 범위, 구체적인 감독, 그리고 조직의 명문화된 규칙과 암묵적인 규칙을 "배우는" 동안 발생할 수 있는 실수를 방지하는 메커니즘을 갖추어야 합니다.
• 에이전트들이 등록하고, 쓰기 권한을 얻고, 감독 에이전트들이 에이전트들의 활동을 모니터링할 수 있는 "에이전트 버스" 또는 조정 계층이 필요합니다.
• 인간 조직을 견고하게 만드는 견제와 균형 장치를 재현하는 것은 에이전트 기반 기업 환경에서 안전하고 정확하며 신뢰할 수 있는 실행을 달성하는 데 매우 중요할 것입니다.
• 인간과 AI 간의 인터페이스 및 협업 방식이 에이전트 시스템 및 프레임워크에 따라 변화함에 따라, 인재 관리 및 재교육 또한 중요한 측면입니다.
• 가장 흥미로운 분야는 현재 존재하는 수준을 뛰어넘는 고급 엔터프라이즈 에이전트 프레임워크의 등장입니다. 이러한 프레임워크는 탄탄한 도메인 이해와 솔루션이 결합될 때 이러한 비전을 실용적이고 확장 가능한 현실로 구현할 수 있습니다.

훌륭한 인터뷰 감사합니다. 자세한 내용을 알고 싶은 독자는 방문하세요. Q버스트.