CIO는 AI 작업을 IT에서 회계 처리하기 위한 더 나은 방법이 필요합니다

지난 2년 동안, CIO는 IT에서 AI에 대해 간단한 목표를 가지고 있었습니다: 조직에 도입하고, 팀이 실험하도록 하며, 서비스 제공을 어디서 개선할 수 있는지 확인하는 것.

IT 조직은 라이선스를 구매하고, 파일럿을 실행하며, 이미 과도하게 복잡한 소프트웨어 스택 전반에 AI 기능을 추가했습니다. 팀이 AI가 무엇을 할 수 있는지 아직 파악 중일 때는 타당한 접근이었습니다. 이제 그 지출이 실제 예산에 포함되면서, 그리고 CFO는 회사가 비용 대비 무엇을 얻고 있는지 알고 싶어합니다.

문제는 CIO가 AI를 측정하기 위해 사용하는 많은 수치가 그 질문에 답하지 못한다는 것입니다. CIO는 몇 명의 직원이 AI를 사용하고, 얼마나 자주 사용하며, 얼마나 시간을 절약했다고 말하는지를 보여줄 수 있습니다. 재무팀은 회사가 비용을 절감했는지, 더 많은 작업을 수행했는지, 혹은 추가 인력을 채용하지 않았는지를 알고 싶어합니다.

주당 직원 5시간을 절약하는 것은 가치 있어 보이지만, 그 5시간이 어떻게 사용됐는지는 여전히 알아야 합니다. 직원이 더 많은 작업을 처리하거나, 팀이 추가 인력을 고용하지 않고도 증가하는 업무량을 지원할 수 있다면, 회사는 재무적 결과를 확인할 수 있습니다. 다른 것이 변하지 않으면, 시간 절감 효과가 예산에 반영되지 않을 수도 있습니다.

기업이 AI에 더 많은 비용을 지출함에 따라, CIO는 AI가 수행하는 작업과 그 작업의 비용에 대해 훨씬 구체적으로 파악해야 합니다.

절감된 시간은 반드시 비용 절감으로 이어지는 것은 아니다

많은 AI ROI 계산은 시간을 기준으로 시작합니다 — 예를 들어, AI가 직원에게 하루에 30분을 절약해 준다면, 회사는 그 분을 수천 명의 직원에 곱해 매우 큰 수치를 도출할 수 있습니다.

하지만 비즈니스 프로세스는 그렇게 깔끔하게 작동하는 경우는 드뭅니다. 작업은 한 사람에서 다른 사람으로 이동하고, 승인 대기와 대기열에 머무릅니다. AI가 프로세스의 한 부분에서 10분을 절약했더라도 그 작업이 다른 사람에게 전달되기까지 6시간을 기다린다면, 회사는 실제로 10분의 유용한 용량을 얻은 것이 아닙니다.

CIO에게 보다 유용한 질문은 AI가 서비스 자체의 성능을 변화시키는가 여부입니다. 접근 요청이 대기열을 더 빨리 통과하거나, 처리해야 할 티켓 수가 감소하거나, 요청당 비용이 감소한다면, IT는 이미 추적하고 있는 동일한 운영 지표를 사용해 결과를 측정할 수 있습니다.

Aviva는 좋은 사례입니다. 이 보험사는 청구 업무 변경의 일환으로 80개가 넘는 AI 모델을 사용했으며, 책임 평가 시간을 23일 단축하고 불만을 65% 감소시켰다고 보고했습니다. 이러한 수치는 경영진에게 운영에서 무엇이 변했는지를 알려주고, 재무팀에 측정 가능한 지표를 제공합니다.

CIO는 AI 투자에도 동일한 사고 방식을 적용해야 합니다. 파일럿을 확대하기 전에, 어떤 비즈니스 영역을 변화시킬 것으로 기대하는지, 그리고 그 변화가 일어나기 위해 AI가 얼마나 많은 작업을 수행해야 하는지를 알아야 합니다.

AI가 수행하는 작업을 시작점으로 삼는 것이 더 바람직합니다

일반적인 IT 접근 요청을 생각해 보십시오. 코파일럿은 티켓을 요약하고 응답 초안을 작성할 수 있지만, IT 담당자는 회사 정책을 확인하고, 요청자를 검증하며, 승인을 얻고, 권한을 변경하고, 요청을 종료합니다.

코파일럿이 직원에게 몇 분 정도를 절약해 줄 수는 있지만, 대부분의 작업은 여전히 직원에게 귀속됩니다.

이제 회사 정책에 따라 요청을 검토하고, 누락된 정보를 수집하며, 승인을 위해 요청을 라우팅하고, 승인을 받으면 변경을 수행하는 AI 시스템을 생각해 보십시오. IT는 AI 시스템이 처리한 요청 수, 직원이 개입해야 하는 빈도, 각 요청이 여전히 요구하는 인간 작업량을 확인할 수 있습니다.

이는 CIO에게 AI를 회계 처리하는 훨씬 명확한 방법을 제공합니다. 기술이 절약한 분을 추정하는 대신, AI가 완료한 작업량과 그 작업을 완료하는 데 든 비용을 측정할 수 있습니다.

동일한 접근 방식은 직원 온보딩, 내부 지원 및 사고 대응. 중요한 부분은 회사가 이미 이해하고 측정 방법을 알고 있는 작업에 AI에게 책임을 부여하는 것입니다.

하지만 인간 작업도 함께 계산해야 합니다

AI 시스템이 1,000개의 온보딩 요청을 시작하고 그 중 600개에 직원이 개입해야 할 수도 있습니다. 모든 1,000건을 자동화되었다고 부르면, 경영진에게 AI가 실제로 처리한 작업량에 대한 잘못된 인식을 주게 됩니다.

이러한 개입에는 비용이 듭니다. 에이전트가 요청을 몇 분 동안 처리하고 이를 직원에게 넘겨 직원이 추가로 20분을 소요해 마무리한다면, 그 20분은 프로세스 비용에 포함되어야 합니다.

즉, IT는 각 작업 중에 발생한 일에 대한 기록. AI가 수행한 작업, 접근한 시스템, 승인 필요 여부, 직원이 개입한 시점 및 작업이 실제로 완료되었는지를 알아야 합니다. 이러한 기록은 평균 해결 시간과 같은 전통적인 서비스 데스크 지표에 활용될 수 있으며, 동시에 AI에 특화된 개입 비율 및 완료된 작업당 비용과 같은 중요한 지표를 추가합니다.

보안 팀은 문제가 발생했을 때도 거의 동일한 정보를 필요로 합니다. AI 시스템이 잘못된 권한을 변경하거나 취해서는 안 되는 행동을 수행하면, 그들은 무슨 일이 일었는지 재구성하고 이유를 이해해야 합니다.

그 기록을 유지하면 CIO는 투자 양쪽을 측정할 수 있는 방법을 얻게 됩니다. AI 운영 비용과 여전히 필요로 하는 인간 노동, 즉 감독 및 작업 완료에 필요한 비용을 확인할 수 있습니다.

AI가 부여받는 책임 수준이 경제성에 미치는 영향

CIO는 AI에 부여할 권한의 정도도 결정해야 합니다.

권한이 제한된 AI 시스템은 많은 행동에 대해 직원의 승인이 필요할 수 있습니다. 이는 사람을 관여하게 하지만, 동시에 기업이 더 많은 인적 노동 비용을 계속 지불한다는 의미이기도 합니다.

시스템에 더 많은 권한을 부여하면 AI가 스스로 더 많은 작업을 완료할 수 있게 되지만, 그만큼 IT가 관리해야 할 위험도 커집니다. 계정을 생성하거나 권한을 변경할 수 있는 시스템은 직원에게 권고만 하는 시스템보다 실수 시 더 큰 피해를 초래할 수 있습니다. 또한 에이전트가 루프에 갇히거나 동일한 작업을 반복 시도하거나 지시가 모호해 과도한 컴퓨팅 자원을 소모할 경우 비용이 예상치 못하게 상승할 수 있습니다. 이러한 실패 역시 경제성에 포함됩니다.

기업은 작업 종류에 따라 그 경계를 다르게 설정합니다. ROI 계산에서 중요한 것은 그 경계가 어디에 위치하는지와 얼마나 많은 인간 개입을 발생시키는지를 아는 것입니다.

AI 시스템이 프로세스의 90%를 안전하게 완료할 수 있다면, 매 단계마다 직원이 필요하도록 하는 시스템과는 경제성이 크게 달라질 수 있습니다.

이미 비용이 발생하는 작업부터 시작하기

다음 AI 투자 라운드를 계획하는 CIO는 이미 상당한 시간이나 인력을 소모하는 작업부터 시작해야 합니다.

접근 요청, 직원 온보딩, 사고 대응 및 내부 지원은 모두 IT가 측정할 수 있는 구체적인 지표를 제공합니다. 기업은 이미 처리하는 요청 수, 요구되는 직원 시간, 작업이 자주 지연되는 지점을 대략 파악하고 있습니다.

그 다음 IT는 AI가 안전하게 처리할 수 있는 부분과 여전히 직원이 개입해야 하는 부분을 판단할 수 있습니다. 이를 바탕으로 투자를 통해 달성하고자 하는 목표를 설정할 수 있습니다.

예를 들어 팀이 인력을 추가 채용하지 않고 티켓을 30% 더 처리하고 싶을 수도 있고, 각 접근 요청의 비용을 낮추고 싶을 수도 있습니다. 혹은 직원들이 일상적인 지원 업무에 소요되는 시간을 줄여 현재 백로그에 쌓여 있는 작업을 처리하도록 하고 싶을 수도 있습니다. AI를 활용한 작업 완료 전체 비용(인간 개입 비용 포함)을 파악하면 해당 작업에 대한 목표 비용을 설정하고 자동화가 실제로 가치가 있는지 판단할 수 있습니다.

AI가 작업을 수행하기 시작하면 CIO는 기대했던 결과와 실제 결과를 비교할 수 있습니다. AI가 완료한 작업량, 사람이 개입해야 했던 빈도, 전체 프로세스 비용을 확인할 수 있습니다.

이를 통해 CIO는 재무 부서와 AI 지출에 대해 훨씬 간단히 논의할 수 있습니다. 수천 분의 절감 시간을 금액으로 환산하려 애쓰는 대신, AI가 처리한 작업, 여전히 필요했던 인간 노동량, 그리고 해당 작업을 수행하는 데 기업이 더 적은 비용을 지출했는지를 보여줄 수 있습니다.