KMS Technology CEO Jason Wojahn – 인터뷰 시리즈

Jason Wojahn은 KMS Technology의 CEO로, 기업 기술 서비스 기업을 구축하고 성장시킨 경험이 약 30년에 이른다. Cognizant에 인수되기 전까지 Thirdera를 공동 창업해 이끌었으며, 그에 앞서 Accenture의 글로벌 ServiceNow 사업을 이끌고 Cloud Sherpas와 IBM Global Services에서 리더십 직책을 맡았다. 그의 업무는 기업 혁신과 운영 모델, AI의 발전을 측정 가능한 비즈니스 성과로 전환하는 데 중점을 둔다.

KMS Technology는 기업이 소프트웨어를 구축하고 애플리케이션을 현대화하며 데이터 기반을 강화하고 AI를 실제 운영 환경에 배포하도록 지원하는 디지털 엔지니어링·데이터·AI 기업이다. 기술 컨설팅, 제품 엔지니어링, 데이터 엔지니어링, 지능형 워크플로 자동화 서비스를 제공한다. 이번 인터뷰에서 Wojahn은 ‘실행 경제’, AI 파일럿과 실제 운영 사이의 간극, 에이전트의 의사결정 권한, 그리고 기업이 엔드투엔드 성과를 통해 진척도를 측정하는 방법을 논한다.

Navigis를 성장시키고 Accenture의 글로벌 ServiceNow 사업을 이끈 일부터 Thirdera를 구축하고 현재 KMS Technology의 CEO로 재직하는 일까지, 30년 동안 기업 기술 조직을 구축하고 성장시켜 오셨습니다. 이러한 경험은 기업 혁신에 대한 관점을 어떻게 형성했으며, 조직이 AI 네이티브 기업으로 거듭나도록 돕는 과제에 어떤 매력을 느끼셨나요?

IBM Global Services에서 경력을 시작해 대기업 고객을 위한 서비스 제공을 총괄했습니다. 그다음에는 Navigis, Cloud Sherpas, Accenture, Thirdera, Cognizant에서 일했으며, 그 경력의 거의 전부가 ServiceNow 생태계에서 이루어졌습니다.

계속해서 목격한 흐름이 있습니다. 새로운 플랫폼이 등장할 때마다 혁신을 약속했지만, 승패를 가르는 요인은 좀처럼 기술이 아니었습니다. 실제로 업무가 조직 내에서 흘러가는 방식을 바꾼 기업이 승리했습니다.

ServiceNow에서 일한 경험을 통해 대시보드가 아니라 워크플로에 가치가 있다는 점을 배웠습니다. 지난 30년 동안 기업용 소프트웨어는 무슨 일이 일어나고 있는지 알려주는 데는 매우 능숙해졌습니다. 하지만 그 상황에 대처하는 일에는 훨씬 서툴렀습니다. 사람들은 그 간극을 메웠습니다. 보수를 받지 않는 통합팀처럼 한 시스템에서 다음 시스템으로 업무를 옮기는 역할을 맡게 된 것입니다.

AI는 이 상황을 바꿉니다. 지능은 점점 풍부해지고 있습니다. 이제 부족한 것은 이를 조율된 행동으로 바꾸는 능력입니다. 바로 그 점 때문에 KMS에 합류했습니다. 업무를 추적하는 데 그치지 않고 실제로 수행하는 시스템을 구축할 엔지니어링 역량이 있고, AI를 활용하는 수준을 넘어 AI 네이티브 기업으로 거듭날 기회가 있기 때문입니다.

많은 기업이 파일럿 프로그램을 통해 AI의 잠재력을 성공적으로 입증했지만, 초기 성과를 실제 운영 규모의 가치로 연결하는 데 어려움을 겪습니다. 실험 단계를 넘어설 때 조직이 가장 흔히 마주하는 장애물은 무엇이며, 기술의 효용이 입증된 뒤에야 이런 어려움이 나타나는 경우가 많은 이유는 무엇인가요?

파일럿은 모델이 작동한다는 것을 입증합니다. 실제 운영은 조직이 제대로 작동하는지를 입증합니다.

두 가지는 전혀 다른 시험입니다. 파일럿은 정제된 데이터와 신중하게 선별된 데이터, 의욕적인 후원자, 그리고 모든 빈틈을 우회해 해결하는 소규모 팀을 바탕으로 진행됩니다. 어려운 문제를 피하도록 설계된 것입니다.

실제 운영에서는 그런 문제를 피할 수 없습니다. 이제 에이전트는 한 곳이 아니라 다섯 개의 시스템에 접근해야 합니다. 에이전트가 잘못된 판단을 내렸을 때 결과에 책임질 사람을 정하고, 에이전트가 승인할 수 있는 범위를 결정하고, 매일 운영하는 데 드는 비용을 부담해야 합니다.

그래서 기술의 효용이 입증된 뒤에야 이런 어려움이 드러납니다. 애초에 기술 문제가 아니었기 때문입니다. 데이터, 통합, 책임 소재, 권한에 관한 문제이며, 파일럿은 그 모든 문제를 우회하도록 설계됐습니다.

해결책은 파일럿을 시연으로 취급하지 않는 것입니다. 파일럿을 실제 운영의 1단계로 보세요. 중요한 워크플로를 선택하고, 실제 시스템에 연결하고, 책임자를 지정하고, 첫날부터 에이전트가 내릴 수 있는 결정을 정하세요. 시작은 더디지만 확장은 훨씬 빨라집니다.

조직이 지능을 조율된 행동으로 전환하는 능력이 점점 더 경쟁 우위를 좌우하는 ‘실행 경제’로의 전환을 말씀하셨습니다. 이 개념은 실제로 어떤 의미이며, 기업의 AI 투자 방식은 어떻게 달라져야 하나요?

모든 업무는 정보, 인사이트, 의사결정, 실행이라는 동일한 과정을 거칩니다.

기업용 소프트웨어는 수십 년 동안 앞의 두 단계에 집중했고, AI는 앞의 세 단계를 빠르게 개선하고 있습니다. 대부분의 조직이 여전히 막혀 있는 단계는 실행이며, 경쟁 우위가 옮겨가고 있는 곳도 바로 이 단계입니다.

실행 경제에서 지능은 더 이상 부족한 자원이 아닙니다. 일을 끝내는 능력이 부족한 자원입니다. 두 기업이 같은 모델과 같은 데이터, 같은 인사이트를 보유할 수 있습니다. 승자는 명확한 권한과 감사 추적을 바탕으로 그 인사이트를 조율된 행동으로 전환하는 기업입니다.

이 관점은 투자 방식도 바꿉니다. 오늘날 대부분의 AI 예산은 코파일럿, 어시스턴트, 향상된 검색 같은 도구에 쓰입니다. 이런 도구는 개인의 업무 속도를 높입니다. 하지만 AI가 10분 만에 작성한 제안서도 승인을 기다리느라 사흘을 보낼 수 있습니다. 개별 업무가 빨라진다고 성과까지 빨라지는 것은 아닙니다.

그러므로 도구가 아니라 워크플로에 투자하고, 질문부터 바꾸세요. “직원의 생산성을 20% 높이려면 어떻게 해야 할까?”가 아니라 “더는 사람의 조율이 필요하지 않도록 바꿀 수 있는 업무는 무엇일까?”라고 물어야 합니다.

AI가 직원의 개별 업무를 돕는 수준에서 전체 업무 흐름을 자율적으로 실행하는 수준으로 발전함에 따라, 조직은 기존 프로세스와 의사결정 구조, 책임 체계를 어떻게 재고해야 할까요?

대부분의 기업 프로세스는 인간의 한계를 고려해 만들어졌습니다. 정보가 느리게 전달되다 보니 회의를 만들었고, 의사결정에 감독이 필요해 승인 절차를 여러 단계로 만들었습니다. 우리가 프로세스라고 부르는 것의 상당 부분은 사실 사람 간의 업무 인계입니다.

현재 방식 그대로 자동화하면 조직도를 자동화하는 셈입니다. 업무 인계는 빨라지지만, 인계 횟수가 줄지는 않습니다.

재검토는 업무가 아니라 의사결정에서 시작해야 합니다. 각 업무 흐름에 어떤 의사결정이 포함되는지 살펴보세요. 에이전트가 권고할 수 있는 것은 무엇인가요? 무엇을 결정할 수 있나요? 무엇을 자율적으로 실행할 수 있나요? 어떤 경우에 사람이 개입해야 하나요?

권한은 전체 업무 흐름이 아니라 의사결정에 부여해야 합니다. 에이전트가 송장 대조 업무를 전적으로 맡을 수 있더라도, 정해진 한도를 초과하는 결제는 사람이 승인해야 할 수 있습니다.

책임이 사라지는 것은 아닙니다. 오히려 더 명확해집니다. 사람과 에이전트는 실행을 공동으로 책임집니다. 에이전트가 업무를 수행하고, 사람은 권한을 정하고 예외를 처리하며 결과에 책임을 집니다. 모든 에이전트에는 지정된 책임자가 있어야 하며, 모든 작업은 추적할 수 있어야 하고 가능한 경우 되돌릴 수 있어야 합니다.

리더십의 역할은 업무를 조율하는 것에서 업무를 실행하는 시스템을 설계하는 것으로 바뀝니다.

KMS Technology에서는 전통적인 디지털 엔지니어링을 AI 네이티브 기업 실행 체계로 전환하는 데 주력하고 있습니다. 이 전환은 내부적으로 어떤 모습이며, 측정 가능한 비즈니스 성과를 내기 위해 AI와 데이터 플랫폼, 지능형 업무 흐름 오케스트레이션을 어떻게 통합하고 있나요?

우리는 먼저 우리 자신에게 같은 접근 방식을 적용하고 있습니다. KMS는 디지털 엔지니어링 기업으로 성장했습니다. 우리의 다음 단계는 AI 네이티브 기업 실행 체계입니다. 사람과 에이전트가 실행을 공동으로 책임지는 가운데 구축하고, 현대화하고, 운영하는 것입니다. 성과는 시간과 노력의 측면에서 나타납니다.

구축. Evergreen Telehealth는 에이전트형 AI와 의료 데이터 표준 FHIR을 기반으로 한 원격의료 플랫폼을 원했지만, 당시 시장에는 그런 플랫폼이 없었습니다. 요구사항 정의부터 설계, 구축, 테스트까지 Claude를 접목한 AI 네이티브 방식으로 작업해 우리 팀과 Evergreen의 엔지니어들은 핵심 플랫폼을 구상 단계에서 프로덕션 단계까지 근무일 기준 75일 만에 완성했습니다. 여기에는 앱 3개(웹, iOS, Android), 운영 중인 연동 4개(EHR, 신원 확인, 결제, 약국)와 프로덕션 환경에서 작동하는 에이전트 2개가 포함됐습니다. 이 모델은 사람이 주도하고 AI가 속도를 높이는 방식이었습니다. 에이전트는 사용자 스토리 초안을 작성하고, 코드를 생성하고, 테스트를 실행했습니다. 엔지니어는 아키텍처와 임상 데이터 매핑, 그리고 중요한 모든 의사결정을 책임졌습니다.

현대화. 또 다른 사례로, 해양 소프트웨어 회사가 20년 넘게 온프레미스에서 운영해 온 플랫폼을 교체해야 했습니다. 투자자들이 진척을 확인하기 전에 장기간에 걸친 기존 방식의 재개발을 진행하기는 어려웠기에, 우리는 기간을 6주로 한정해 에이전트형 개발을 수행했습니다. 고객의 요구사항을 맥락 정보로 입력해 에이전트가 단순히 코드를 생성하는 데 그치지 않고 명세에 맞춰 개발하도록 했습니다. 팀은 팀 전체 투입 시간 약 800시간으로 MVP 범위의 35~45%를 완성했습니다. 당초 추산은 6,000~8,000시간이었습니다. 에이전트는 코드를 작성하고 단위 테스트를 5,000개 넘게 작성했습니다. 엔지니어는 안전장치를 마련하고 품질을 판단했습니다.

운영. 이후 Evergreen은 사업 전반으로 에이전트 아키텍처를 확장했습니다. 감독 에이전트가 시스템을 모니터링하고, 사람도 과정에 참여해 평가하고 수정합니다.

우리는 단지 코드를 더 빠르게 작성하는 것이 아닙니다. 팀이 실행할 수 있는 업무의 양 자체를 바꾸고 있습니다.

세 가지 사례 모두에서 사람과 에이전트는 실행을 공동으로 책임집니다. 에이전트는 반복적인 업무를 처리합니다. 우리 엔지니어와 고객사 팀은 의사결정과 예외, 결과를 책임집니다.

이러한 변화는 더 큰 납품 역량을 확보하게 해줍니다. 이것이 AI 네이티브 방식의 딜리버리와 AI 지원 방식의 딜리버리의 차이입니다.

기업용 AI 시스템은 점점 더 파편화된 레거시 애플리케이션과 클라우드 플랫폼, 데이터 환경 전반의 정보에 접근해야 합니다. 이러한 시스템을 연결하는 일은 얼마나 큰 과제이며, AI 기반 업무 흐름을 대규모로 도입하기 전에 조직은 어떤 아키텍처 기반을 마련해야 할까요?

이것이 핵심 과제입니다. 대부분의 기업이 겪는 문제는 AI가 아닙니다. AI로 인해 더는 외면할 수 없게 된 파편화 문제입니다.

오늘날 업무가 어떻게 처리되는지 살펴보세요. 누군가는 한 애플리케이션에서 정보를 찾고, 다른 애플리케이션에서 승인을 진행한 뒤, 그 결과를 세 번째 애플리케이션에 복사합니다. 사람은 시스템을 연결하는 역할을 합니다. 에이전트가 이런 업무를 하려면 해당 시스템에 접근하고, 맥락을 이해하며, 적절한 권한으로 작업을 수행할 수 있어야 합니다.

따라서 기반은 모델보다 중요합니다. 우선 마련해야 할 것은 네 가지입니다.

• 에이전트에 신뢰할 수 있는 맥락 정보를 제공하는 현대적인 데이터 아키텍처
• 에이전트가 시스템에서 정보를 읽는 데 그치지 않고 여러 시스템에 걸쳐 작업할 수 있도록 하는 통합 계층
• 사람뿐 아니라 에이전트도 고려해 설계한 신원 및 권한 체계
• 모든 에이전트가 무엇을 했고 왜 그렇게 했는지 확인할 수 있도록 하는 모니터링

기술 스택도 점점 간결해지고 있습니다. 데이터 플랫폼은 운영 기능을 갖추고, 워크플로 플랫폼은 지능화되며, 애플리케이션은 헤드리스 방식으로 바뀌고 있습니다. 워크플로가 기술 스택 전반을 넘나들 수 있다면, 사용자가 직접 그럴 필요가 있을까요?

완벽한 아키텍처를 기다리지 마세요. 중요한 워크플로 하나를 정하고, 그 워크플로가 영향을 미치는 요소를 현대화하세요. 그런 다음 다음 워크플로로 넘어가면 됩니다.

AI 에이전트가 비즈니스 운영 전반에서 의사결정을 내리고 작업을 실행하기 시작하면 거버넌스, 책임 소재, 인간의 감독에 관한 문제가 더욱 중요해집니다. 기업은 어떤 결정을 AI에 맡길 수 있고 어떤 결정은 사람의 통제 아래 두어야 하는지 어떻게 판단해야 할까요?

저라면 질문부터 바꾸겠습니다. “AI가 이 일을 할 수 있는가?”라는 질문에 대한 답은 점점 더 그렇다는 쪽으로 기울고 있습니다. 더 나은 질문은 “누가 AI에 행동할 권한을 부여했는가?”입니다.

역량과 접근 권한이 곧 권한을 뜻하지는 않습니다. 에이전트가 환불을 승인하고, 생산 일정을 바꾸거나, 지출을 확정할 수 있다면 누군가는 그 경계를 정해야 합니다.

실용적인 판단 기준은 비용과 되돌릴 수 있는지 여부입니다. 거래량이 많고 규칙에 따라 처리되며 쉽게 취소할 수 있는 결정은 위임하기에 적합합니다. 영향이 크거나 되돌릴 수 없거나 고객과의 관계를 좌우하는 결정은 사람이 맡아야 합니다.

위임은 단계적으로 이루어져야 합니다. 처음에는 에이전트가 권고하고 사람이 승인하도록 하세요. 근거가 쌓이면 사람이 모든 작업을 일일이 승인하는 단계에서 벗어나 시스템을 감독하고 예외 상황을 처리하도록 역할을 바꿔야 합니다.

목표는 모든 과정에 사람이 개입하는 것이 아닙니다. 적절한 과정에 사람이 개입하는 것입니다. 데이터는 맥락을 제공하고, 모델은 추론하며, 에이전트는 실행합니다. 사람은 권한을 정하고 그 결과에 책임을 집니다.

Accenture와 Cognizant에서 대규모 엔터프라이즈 플랫폼 사업을 이끌며 글로벌 조직 전반의 기술, 인력, 프로세스를 조율해 운영을 확장해 오셨습니다. 그 경험에서 얻은 교훈 가운데 오늘날 AI 전환에 적용할 수 있는 것은 무엇인가요? 특히 조직의 저항이나 낡은 운영 모델이 기술 자체보다 더 큰 장애물이 될 때는 어떤 교훈이 유효할까요?

무엇보다도 통합 경험에서 많은 것을 배웠습니다. Cloud Sherpas, Accenture, 그리고 이후 Cognizant에서 여러 조직을 하나로 합치는 일을 수년간 맡았습니다. 서로 다른 문화, 딜리버리 모델, 인센티브, 지역을 아우르는 조직이 하나의 플랫폼 사업처럼 운영되도록 해야 했습니다.

기술이 걸림돌인 경우는 드물었습니다. 걸림돌은 운영 모델이었습니다.

AI 전환에도 그대로 적용되는 교훈은 세 가지입니다.

첫째, 저항에는 대개 합리적인 이유가 있습니다. 사람들은 자신이 평가받는 기준을 지키려 합니다. 여전히 팀을 투입 시간, 인원수, 활동량으로 평가하면서 에이전트를 도입하면 변화를 이끄는 대신 형식적인 준수만 얻을 것입니다. 평가 기준을 바꾸면 행동도 달라집니다.

둘째, 의사결정 권한을 명확히 해야 합니다. 모든 통합 과정에서 가장 어려운 논의는 누가 무엇을 결정하는가에 관한 것이었습니다. AI는 그 질문을 피할 수 없게 만듭니다. 이제 의사결정자 중 일부는 더 이상 사람이 아니기 때문입니다.

셋째, 무엇이 그대로 유지되는지 분명히 알려야 합니다. 사람들은 변화의 이유를 이해하고 바뀌지 않는 것이 무엇인지 알 때 변화를 더 잘 받아들입니다.

AI 전환은 기술이 수반되는 운영 모델의 변화입니다. 이를 단순한 소프트웨어 배포로 여기는 리더는 실망하게 될 것입니다.

전통적으로 AI의 성공을 평가하는 지표에는 도입률, 생산성 향상, 절감한 시간 등이 자주 포함됩니다. AI가 실제로 비즈니스 실행력을 높이고 있는지 판단하려면 경영진은 어떤 지표를 우선시해야 할까요? 또한 조직은 점진적인 효율성 향상과 의미 있는 운영 혁신을 어떻게 구분할 수 있을까요?

도입률과 절감한 시간은 투입 지표입니다. 사람들이 도구를 사용하고 있다는 사실은 알려주지만, 비즈니스가 더 빨라졌는지는 보여주지 않습니다.

엔지니어가 두 시간을 절약해도 검토를 기다리느라 출시가 여전히 일주일 지연된다면 고객 입장에서는 달라진 것이 없습니다. 작업 속도가 빨라졌다고 결과까지 빨라지는 것은 아닙니다.

저라면 다음 세 가지 유형의 지표를 우선시하겠습니다.

• 필요가 결과로 이어지기까지 걸리는 시간: 요청이 처음부터 끝까지 처리되어 결과가 나오기까지 걸리는 시간.
• 업무가 지체되는 지점: 의사결정에 걸리는 시간, 업무 인계, 팀 사이의 대기열.
• 조율 없이 진행되는 업무: 사람들이 판단과 예외 처리에 집중하는 동안, 사람의 조율 없이 진행되는 워크플로의 비중.

그런 다음 이 지표를 서비스 제공 비용, 품질, 매출과 연결해야 합니다.

혁신 여부를 판단하는 기준은 간단합니다. 작업이 빨라졌나요, 아니면 워크플로의 구조가 바뀌었나요? 점진적인 개선은 같은 프로세스를 더 빠르게 만듭니다. 혁신은 더 이상 필요하지 않은 단계, 업무 인계, 승인 절차를 없앱니다.

필요가 결과로 이어지기까지 걸리는 시간을 측정하세요. 업무가 어디에서 지체되는지 찾으세요. 그리고 지체의 원인을 바꾸세요.

앞으로 3~5년 동안 AI, 엔터프라이즈 소프트웨어, 인간 근로자의 관계는 어떻게 변화할 것으로 보시나요? AI 네이티브 시스템이 기존 엔터프라이즈 워크플로를 근본적으로 대체하는 미래를 예상하시나요? 기업 리더들은 그러한 전환에 대비해 지금 무엇을 해야 할까요?

30년 동안 엔터프라이즈 소프트웨어는 우리에게 무슨 일이 일어나고 있는지 알려줬습니다. 앞으로 3~5년 동안에는 점점 더 많은 일을 직접 처리하게 될 것입니다.

AI가 대체할 것은 조율 업무입니다. 대부분의 사람이 하루 중 많은 시간을 들이는 재촉하고, 복사하고, 인계하고, 후속 조치를 하는 일 말입니다. 사람들은 판단과 예외 상황 처리, 관계 형성, 결과에 대한 책임을 맡는 일에 집중하게 됩니다. 이는 인간의 전문성을 더 잘 활용하는 방식이지만, 새로운 역량이 필요하며 리더들은 이를 의도적으로 키워야 합니다.

리더들은 지금 무엇을 해야 할까요? 중요한 업무 흐름 하나를 정해 그 안의 의사결정을 파악하세요. 이를 뒷받침하는 데이터를 정비하세요. 에이전트가 어떤 결정을 내릴 수 있는지 정하고, 결과에 책임을 질 사람을 지정하세요. 그런 다음 다음 업무 흐름으로 넘어가세요.

AI를 도구로 여기는 기업은 효율성을 얻을 것입니다. AI를 중심으로 조직을 재편하는 기업은 더 큰 지렛대 효과를 얻을 것입니다. AI는 전략이 아닙니다. 중요한 것은 실행입니다.

훌륭한 인터뷰에 감사드립니다. AI 네이티브 방식의 엔터프라이즈 실행, 지능형 워크플로, AI 파일럿에서 실제 운영으로의 전환에 대해 자세히 알아보고 싶은 독자라면 KMS Technology를 방문해 보시기 바랍니다.