불확실한 시장에서 가장 중요한 기술 투자

2년 전, AI에 관한 대부분의 대화는 투자가 위험을 감수할 가치가 있는지에 초점이 맞춰져 있었습니다. 그 질문은 이미 해결되었습니다. 이제 더 어려운 질문은 자금을 어디에, 얼마나 배분해야 하는가입니다.

저는 중견 기업 리더와 사모펀드 운영자들 사이에서 이 현상이 지속적으로 나타나는 것을 보고 있습니다. 그들 대부분은 이미 파일럿 단계를 마치고 거의 모든 기능에서 무언가를 시도했습니다. 이제 차별화 요소는 그 파일럿 중 어느 것이 실제 비즈니스 운영에 통합되었는지, 그리고 어느 것이 일상 업무에 전혀 들어가지 못한 부수적인 프로젝트로 남았는지에 달려 있습니다.

최근 MIT Sloan Management Review에서는 다른 각도에서 같은 변화를 포착합니다: 수십 년간 기술에 투자했음에도 불구하고 많은 조직이 의미 있는 수익을 내지 못하고 있으며, 연구는 도구 자체보다 덜 눈에 보이는 요소, 즉 도구를 실제로 활용할 수 있는 인력과 학습 중심 문화가 핵심이라고 지적합니다. 저는 한 걸음 더 나아가서: 도구를 구매하는 것이 더 이상 어려운 부분이 아닙니다. 도구가 실제 가치를 창출하도록 하는 사람, 기술, 조직 역량을 구축하는 것이 현재 결정과 과제가 놓인 곳입니다.

왜 앞서 나가는 기업들은 더 많이가 아니라 다르게 지출하는가

기술 투자가 최신 플랫폼을 구매하는 것이라고 생각하는 오해가 커지고 있지만, 실제로는 드뭅니다. 조직은 예산 라인을 열기 전에 정확히 어떤 비즈니스 문제를 해결하려는지 알 때 성공합니다.이는 우리가 이전에 만든: 가장 정교한 도구조차도 그 밑에 있는 데이터 기반 없이는 의미 있는 영향을 제공하지 못합니다.

이는 우리가 직접 본 Esquire Depositions(그리드론 캐피털이 지원하는 법률 서비스 회사) 사례와 일치합니다. 이 회사는 새로운 플랫폼을 추가한 것이 아니라 수년간 팀별로 즉석에서 구축된 데이터를 중앙화하고 프로세스를 표준화함으로써 기업 가치가 10% 증가했습니다. 도구 자체보다 그것이 기반하고 있는 것이 더 중요합니다.

규모를 결정하기 위한 네 가지 기본 원칙

CEO나 운영 파트너와 나누는 모든 기술 대화는 결국 같은 선택에 직면합니다: 확대할지, 고칠지, 아니면 중단할지. 제 경험에 따르면 네 가지 요소가 그 세 결과를 구분합니다.

• 누군가가 책임을 진다. 모든 이니셔티브는 결과에 대한 책임자를 필요로 하며, 위원회나 순환 스폰서는 적합하지 않습니다.
• 그 밑의 데이터가 신뢰할 수 있다. AI와 자동화는 데이터를 먹여야만 효과적입니다. 일관성 없고 사일로된 데이터는 유망한 도구를 또 다른 회피 대상으로 만들 뿐입니다.
• 사람들이 일상적으로 사용한다. 플랫폼이 출시된다고 채택이 이루어지는 것이 아니라, 도구가 이미 사용되는 방식에 맞아떨어지거나, 누군가가 업무를 재설계할 때 채택이 이루어집니다.
• 결과가 측정 가능하고 구체적인 것에 연결된다. 수익, 비용, 사이클 타임, 고객 경험 등. 구축하기 전에 하나를 선택하세요, 구축 후가 아니라.

위 네 가지 기준에 모든 것을 적용하면 결정이 스스로 정리됩니다. 저는 이미 소유자가 있고, 신뢰할 수 있는 데이터와 실제 채택이 이루어진 이니셔티브를 확대할 것입니다. 진정한 문제를 해결하지만 일상 사용에서는 아직 투박한 것들은 계속 검토하고, 주로 열정이나 활동 지표, 아무도 의사결정에 활용하지 않은 대시보드에 의존하는 것들은 중단할 것입니다.

제거할 것과 보호할 것

같은 원칙이 예산 자체에도 양방향으로 적용됩니다.

절감 측면에서는: 소유자가 없는 파일럿, 세 개의 팀이 동일 업무를 위해 중복 구매한 도구, 아무도 로그인하지 않는 라이선스, 하위 시스템과 연결되지 않은 데이터 프로젝트 등. 이들은 단순히 비용을 낭비할 뿐만 아니라 다음 실질적인 이니셔티브를 늦추는 복잡성을 추가합니다. 이들 각각은 중단하기보다 계속 자금을 투입하기가 더 쉬워, 결국 쌓이게 됩니다.

보호 측면에서는:사이버 보안, 데이터 품질, 통합 작업, 실제로 비즈니스를 차별화하는 고객 대면 경험, 그리고 일상 운영에서 이미 가치를 창출하고 있는 AI 활용 사례가 포함됩니다. 교육도 이 목록에 포함됩니다. 이는 기업이 할 수 있는 가장 과소평가된 기술 투자 중 하나이며, 예산이 타이트해질 때 가장 쉽게 놓치는 부분이기도 합니다.

이는 새로운 AI 이니셔티브를 시작하는 것보다 조용한 투자입니다. “우리는 데이터 파이프라인을 고쳤다”는 보도자료는 스스로 쓰이지 않지만, 조용함이 작다는 의미는 아닙니다. 프로세스 자동화는 현재 많은 조용한 자금이 흐르는 곳이며, 명확한 ROI를 제공할 만큼 구체적이기 때문입니다. 우리는 내부 컴플라이언스 팀이 고객 통화의 30%를 수동으로 감사하던 것을 자동으로 전부 검토하도록 하는 워크플로를 설계·구축했습니다. 나머지 70%는 실제 노출 위험을 가지고 있었는데, 규제는 각 통화를 500달러에서 1,500달러 사이의 위반으로 간주합니다.

최근에 제공한 또 다른 자동화 프로젝트는 회계 firm’s 가장 낮은 마진, 가장 높은 볼륨의 서비스를 손상시키던 수동 데이터 입력을 없애고, 인력을 추가 고용 없이 더 높은 부가가치의 고객 업무에 투입할 수 있게 했습니다. 두 경우 모두 화려한 AI 제품 출시와는 무관했습니다. 각각은 단일, 구체적인 프로세스를 해결하고 비즈니스 전반에 걸쳐 확대되었으며, 이러한 목표 지향적인 해결책이 기업이 보는 가장 큰 ROI 중 일부를 형성합니다.

목적 있는 투자

불확실성은 경영진을 신중하게 만들며, 이는 합리적인 본능입니다. 현재 앞서 나가는 기업들은 여전히 공격적으로 투자하지만, 운영을 강화하고 의사결정을 날카롭게 하며, AI가 분기 말에 실제로 가시화할 수 있는 결과를 제공하도록 역량에 자원을 의도적으로 집중하고 있습니다.

앞으로 몇 년 동안 동료들을 능가할 기업들은 가장 큰 기술 예산을 가진 기업이 아닐 것이며, 이는 오늘날에도 사실이 아닙니다. 디지털 전환을 이끄는 과정에서 제 경험에 따르면, 실제 ROI는 두 가지에 달합니다: 투자가 가장 큰 가치를 창출하는 위치(비즈니스 운영 방식, 차별화 요소, 혹은 고객이 실제 체험하는 제품·서비스)와 초기 단계에서 측정 가능한 KPI를 정의해 영향력을 가시화하는 것. 이것이 진정한 수익을 비싼 잡음과 구분하는 원칙입니다.