AI 성공은 더 많은 AI 도구가 아닌 더 나은 워크플로우에 달려 있다

저는 일반적인 목적의 AI 도구를 테스트했지만 영향과 측정을 식별하기 위해 어려움을 겪는 금융 기관에서 일관된 패턴을 발견했습니다. 리더십은 투자하기로 결정하고 팀 전체에 구현한 다음 영향에 대해 기다립니다. 몇 개월 후에 혼란이 발생합니다. 결과는 명확하지 않으며, 프로세스는 개선되지 않으며, 채택은 지연되고, 숫자는 변경되지 않습니다. ROI는 명확하지 않습니다. 그리고 그들은 도구를 문제로 지적하지만, 현실은 일반적인 생산성 향상을 위한 일반 도구를 구현할 때 의미 있는 방식으로 ROI를 결정할 수 없습니다.

은행과 신용협동조합을 만나 AI를 이야기할 때면, 나는 AI로 해결하려는 문제가 정확히 무엇인지 파고들려 한다. 답변은 문제를 먼저 정의하기보다 도구를 먼저 도입하는 접근을 드러내는 경우가 많다. 기술을 제공받고 생산성을 높이라는 요구를 받지만, 어떤 업무 흐름이 원활하지 않은지, 병목은 어디인지, 해당 기관이 성공을 어떤 지표로 평가할지 시간을 들여 살피는 사람은 없다. 이런 식별과 판단을 거쳐야 AI가 그 일에 적합한 도구인지 분명해지고, 기술과 최적화하려는 업무 흐름 사이의 불일치도 줄일 수 있다.

일반적인 목적의 AI가 문제인 이유

특정 업무 흐름에 통합하지 않은 채 범용 AI 도구를 추가하면 부담만 늘어난다. 직원은 새로운 도구를 배우고 어디에 어떻게 쓸지 판단하며, 여러 시스템을 오가면서 맥락을 모은 뒤 결과를 종합해 결정을 내려야 한다. 전체 상황을 파악하려고 플랫폼과 시스템 사이를 계속 오가는 이른바 ‘회전의자 효과’도 커진다.

반면 특정 업무 흐름에 맞춰 설계한 AI 도구는 새로운 습관이나 시스템을 요구하는 대신 직원이 이미 일하는 환경에 들어간다. 목적에 맞게 만들어졌기 때문에 업무의 세부 맥락을 이해하고 관련 데이터에 접근하며, 가능한 일과 불가능한 일을 구분한다.

목표는 ROI와 채택이지만 변경 관리 계획이나 예산이 없으면, “하나 더 배우는 도구”와 “워크플로우의 목적적인 추가”의 차이는 결과를 보는지 보지 못하는 차이입니다.

실제 적용 사례

익숙한 사례를 보자. 평소보다 큰 금액을 송금하려는 계좌 소유자가 한도 때문에 거래가 막힐지 문의해 고객상담원에게 연결된다. AI 도구가 업무에 통합돼 있지 않다면 상담원은 여러 시스템을 오가야 한다. 하나에서 최근 거래를 확인하고, 다른 곳에서 한도를 살피며, 필요하면 세 번째 시스템에서 조정을 요청하고 정책도 검토해 허용되는 범위를 확인한다. 그동안 고객은 통화 대기 상태에 머무르며, 때로는 30분까지 걸린다.

AI가 워크플로우에 내장된 경우, 동일한 작업은 10초 정도로 수행할 수 있습니다. 관련 거래 세부 정보가 즉시 표시되고, 한도는 비교되고, 정책과 일치하는 조정이 수행되며, 모든 것이 한 곳에서 볼 수 있습니다. 고객 서비스 대표와 계좌 소유자 사이에 관계가 형성되고, 기관은 30분을 더 의미 있는 작업에 할애할 수 있습니다. 차이는 고객 및 회원 경험에 직접적인 영향을 미치는 일일 워크플로우 내에서 정량화할 수 있는 향상입니다.

측정 가능한 결과를 위한 기초

목적적인 AI는 성공을 정량화하고 측정하는 능력을 단순화합니다. 왜냐하면 그것은 식별되고 측정되고 최적화할 기회로 선택된 워크플로우를 위해 구축되기 때문입니다. 이는 기준이 이미 존재한다는 것을 의미하며, AI 도구를 구현한 후에 기준에 대해 측정할 수 있습니다. 이것은 중요합니다. AI는 비싸기 때문입니다. 사용 비용은 지속적이며 정당화되어야 합니다. 측정 가능한 개선 사항을 명확하게 전달하는 능력은 예산이 승인되고 계산되도록 보장하는 데 중요합니다.

지역 기관의 경쟁 우위

나는 여러 지역 금융기관과 긴밀히 일한다. 이들에게는 자주 간과되는 강점이 있다. 이 은행과 신용협동조합은 고객과 조합원을 개인적으로 알고 있다. 자신들의 운영이 가진 고유한 세부 사항을 이해하며, 업무 흐름이 어디서 끊기는지, 병목과 불일치가 어디에 있는지 빠르게 짚어낼 수 있다. 이런 가까운 관계는 중요하다. 목적적인 AI가 신중하게 구현될 때, 종종 즉각적인 영향이 있습니다. 팀은 더 일관되게 나타나고, 더 잘 교육되고, 기관의 지식이 전체 조직에서 액세스하고 구축할 수 있는 것이 됩니다.

AI가 실제 고객 문제를 해결하고 반복적인 것을 자동화하기 시작하면, 20명의 팀이 35명의 팀과 동일한 출력과 일관성을 제공할 수 있습니다. 고객과 회원의 경험은 개선되고, 직원들은 시간을 되찾아 판단, 친절, 그리고 지역 기관을 구별하는 공감을 집중할 수 있습니다.

시작 방법

AI 투자가 압도적이면, 도구가 아닌 문제부터 시작하세요. 팀과 함께 앉아 그들의 도전 과제가 무엇인지, 그리고 그들의 작업 경험을 개선할 기회가 어디에 있는지 배우세요. 마찰이 어디에 있는지, 무엇이 더 많은 출력을 필요로 하는지, 그리고 무엇이 끊임없이 발견하기 어려운지 이해하세요. 답변은 AI가 실제 가치를 창출할 수 있는 곳을 알려줄 것입니다.

AI와 가장 많은 진도를 내고 있는 금융 기관은 가장 빠르게 움직인 것이 아니라, 목적을 가지고 구축한 것입니다.

원문 기사의 출처: reuters.com [1]