비제이 비제야산카르, Genpact의 글로벌 Agentic AI 책임자 – 인터뷰 시리즈

비제이 비제야산카르는 Genpact의 글로벌 에이전틱 AI 책임자로서, 기존의 인력 기반 모델에서 수익성이 더 높은 성과 기반 프레임워크로 기업 가치 창출 방식을 전환하는 데 초점을 맞춰 에이전틱 AI 솔루션의 글로벌 제품화를 이끌고 있습니다. 그는 고급 오케스트레이션 계층을 설계하는 AI 빌더와 자율 에이전트 기반 워크플로에 도메인 전문성을 접목하는 AI 실무자를 중심으로 조직 모델을 구축하며, Genpact가 기업 전반에서 AI를 확장하는 방식을 정립하는 데 기여하고 있습니다. Genpact에 합류하기 전에는 IBM에서 금융 서비스 부문 매니징 파트너, IBM Services North America CTO, GBS North America의 Cognitive, IoT, Analytics 및 Watson Health 총괄을 비롯한 고위 임원직을 맡았으며, 그보다 앞서 MongoDB (MDB )와 SAP에서도 임원으로 근무했습니다.

Genpact는 대기업이 프로세스 인텔리전스, 인공지능, 데이터, 디지털 전환을 통해 운영을 현대화하도록 지원하는 에이전틱 및 첨단 기술 솔루션 기업입니다. 재무·회계, 고객 관리, 위험·규정 준수, 소싱·조달, 공급망, 기술, 신뢰·안전 등의 분야에서 사업을 전개하며, 데이터 및 AI 서비스는 조직이 고급 분석, AI, 자율 에이전트를 활용해 복잡한 데이터를 측정 가능한 비즈니스 성과로 전환하도록 돕는 데 중점을 둡니다.

IBM, MongoDB, SAP를 거쳐 현재 글로벌 에이전틱 AI 책임자로 일하고 있는 Genpact에 이르기까지 20년 넘게 경력을 쌓으셨습니다. 빅데이터와 분석에서 오늘날의 에이전틱 AI 시스템으로 이어진 발전 과정을 돌아볼 때, 기업이 AI 전환에 접근하는 방식에 대한 관점을 가장 크게 형성한 교훈은 무엇입니까?

저는 같은 영화를 세 번 본 셈입니다. 빅데이터는 의사결정을 위한 만능 해법으로 여겨졌고, 클라우드는 조직의 민첩성을 즉시 실현해 줄 스위치로 여겨졌습니다. 이제는 에이전틱 AI가 운영 문제의 치료제로 떠올랐습니다. 매번 가치를 창출한 기업은 운영 모델, 프로세스, 사람에 집중했습니다. 반면 어려움을 겪은 기업들은 기술 자체를 전환으로 여겼고, 지금도 많은 기업이 그렇게 하고 있습니다.

에이전틱 AI가 근본적으로 다른 점은 그것이 놓인 위치입니다. 인사이트 계층이 아니라 실행 계층에 있습니다. 이전의 도구는 차트와 권고안을 만들었지만 에이전트는 직접 행동합니다. 부정확한 분석 대시보드가 잘못된 차트를 만들면 인간 분석가가 CEO의 책상에 올라가기 전에 잡아낼 수 있습니다. 그러나 잘못된 에이전트는 누구도 상황을 알아차리기 전에 대규모로 잘못된 거래를 실행합니다. 이는 위험의 성격을 완전히 바꾸며, 대부분의 기업이 이전에는 필요로 하지 않았던 수준의 운영 규율을 요구합니다. 저는 제 자신의 흥분부터 의심해야 한다는 것을 배웠습니다. 에이전틱 AI가 매력적이기 때문에 바로 그런 때일수록 속도를 늦추고 기반을 점검해야 합니다.

Genpact와 HFS Research가 발표한 새 보고서는 해결되지 않은 기업 부채 때문에 전 세계적으로 약 18조 달러의 잠재 가치가 묶여 있다고 추정합니다. 조사 결과에서 가장 놀라웠던 점은 무엇이며, 왜 그토록 많은 조직이 프로세스, 데이터, 기술, 인재 부채의 영향을 계속 과소평가한다고 보십니까?

눈을 뜨게 한 것은 비효율적인 프로세스, 파편화된 데이터, 노후 기술, 인력 준비 부족 뒤에 묶여 있는 가치가 수조 달러 단위라는 사실이었습니다.

총액보다 더 중요한 것은 문제의 구조입니다. 대부분의 리더는 이를 데이터 문제, 프로세스 문제, 기술 문제, 역량 문제처럼 서로 분리된 영역으로 보고 각각 독립적으로 다룹니다. 하지만 이들은 분리되어 있지 않습니다. 품질이 낮은 데이터는 사람들이 수작업 우회 방식을 만들도록 강요합니다. 그런 우회 방식은 프로세스를 복잡하게 만들고, 그 복잡성은 최고의 인재를 소진시키며 운영을 취약하게 만듭니다. AI 이니셔티브가 시작될 때쯤이면 이 모든 문제가 한꺼번에 부딪힙니다. 10년 전부터 비즈니스에 내재해 있던 실패의 책임을 AI가 떠안게 되는 것입니다. 기업 부채를 비용 부담이라고 말하지만, 더 정확히는 성장을 제약하는 요인입니다. 이러한 구분은 문제의 책임자가 누구인지, 해결의 가치가 얼마인지까지 바꾸므로 중요합니다.

보고서에 따르면 임원의 85%가 기업 부채가 AI 가치 실현을 제한한다고 봅니다. 기업이 AI에 계속 막대한 투자를 하면서도 투자 수익을 가로막는 기반 문제를 소홀히 하는 이유는 무엇이라고 생각하십니까?

AI는 눈에 보이고 기반은 눈에 보이지 않기 때문입니다. 모든 이사회는 AI 전략을 보고 싶어 하고 모든 CEO는 들려줄 이야기가 필요합니다. 반짝이는 새 모델을 배포하면 헤드라인이 되지만, 핵심 공급망 프로세스를 재설계하는 일은 마침내 성과가 나기 전까지 알아주는 사람도 없는 고된 작업입니다.

저는 조직이 모델을 고르는 데는 6개월을 쓰면서 그 모델이 개선해야 할 프로세스를 살피는 데는 6일만 쓰는 경우를 봤습니다. 순서가 거꾸로이며, 결국 힘든 방식으로 그 사실을 깨닫습니다. 병목은 거의 언제나 AI가 아닙니다. 일관성 없는 프로세스, 연결되지 않은 시스템, 수년간 아무도 책임지지 않은 데이터가 병목입니다. AI는 이런 문제를 해결하지 않고 더 빨리 드러냅니다. 인센티브 구조도 기반을 바로잡는 일에 보상하지 않습니다. 데이터 거버넌스를 정리하는 일에는 보여 줄 데모가 없습니다. 이를 묵묵히 수행하는 경영진은 건전한 운영이 시간이 지날수록 복리처럼 가치를 만든다는 데 베팅하지만, 대부분의 이사회는 이를 측정하지 않습니다.

이번 연구에서 데이터 부채는 AI의 가장 큰 장애물로 나타났습니다. 기업이 파편화되고 품질이 낮은 데이터 환경에서 벗어나 에이전틱 AI를 대규모로 지원할 수 있는 데이터 기반을 마련하려면 지금 어떤 실질적인 조치를 취해야 합니까?

대규모 하향식 거버넌스 프로그램부터 시작하려 하지 마십시오. 그것은 책임의 문제에 기술로 답하는 방식입니다. 대부분의 대기업에서는 비즈니스를 움직이는 정보의 정확성을 책임지는 사람이 없습니다.

실질적인 출발점은 가치가 높은 몇 가지 프로세스를 고른 뒤 역으로 추적하는 것입니다. 어떤 결정을 내려야 하는가? 그 결정에는 어떤 데이터가 필요한가? 그 데이터는 누가 책임지는가? 데이터는 얼마나 자주 틀리는가? 이 과정을 거치면 책임의 공백이 즉시 드러납니다. 에이전트는 소리 없이 실패하기 때문에 반드시 제대로 해야 합니다. 인간 분석가는 두 시스템의 정보가 다르면 이를 보고 판단을 내립니다. 에이전트는 상충하는 데이터 사이에서 결론을 내린 뒤 완전한 확신을 가지고 실행합니다. 조직의 부서마다 고객이나 거래를 다르게 정의한다면 에이전트는 잘못된 입력을 바탕으로 확신에 찬 결정을 내리고, 조직 안의 누구도 이를 발견하지 못합니다. 대부분의 조직이 아직 충분히 비용을 산정하지 못한 새로운 범주의 운영 위험입니다.

에이전트는 인간처럼 모호성을 다루지 못합니다. 에이전틱 솔루션의 성공이 모델의 지능보다 마련된 가드레일의 품질에 더 크게 좌우되는 이유도 여기에 있습니다.

“프로세스 인텔리전스 없이는 AI도 없다”고 주장하셨습니다. 조직이 복잡한 비즈니스 운영을 자동화하려 할 때 프로세스 재설계가 AI 모델 자체보다 더 중요한 경우가 많은 이유는 무엇입니까?

모델은 자신이 포함된 프로세스보다 더 잘 작동하지 않기 때문입니다. 조직은 눈에 보이는 혁신이 모델 선택에 있기 때문에 여기에 집착하지만, 가치는 프로세스에서 창출되거나 사라집니다.

워크플로에 중복 승인, 반복 작업, 불분명한 책임이 있으면 AI는 이를 고치지 않고 가속합니다. 더 빠르고 더 큰 규모로 잘못된 결과를 얻게 됩니다. 철저한 프로세스 재설계가 속도를 늦춘다고 생각하지만 현실은 정반대입니다. 잘못된 배포를 되돌리는 데 쓸 18개월을 아끼게 됩니다. 자동차로 비유하면, 바퀴 정렬이 틀어진 차에 최고의 엔진을 넣어도 계속 왼쪽으로 쏠립니다.

많은 조직이 AI 에이전트를 실험하지만 핵심 비즈니스 기능 전반에 성공적으로 배포한 곳은 상대적으로 적습니다. 파일럿을 넘어서는 기업과 개념 증명 단계에 머무는 기업을 가르는 것은 무엇입니까?

파일럿은 성공하도록 설계됩니다. 가장 좋은 프로세스, 가장 깨끗한 데이터, 가장 의욕적인 팀을 선택합니다. 규모를 확대한다는 것은 이런 조건이 하나도 없는 실제 환경과 맞닥뜨린다는 뜻입니다.

확장에 성공하는 조직은 처음부터 인위적인 조건을 만들지 않습니다. 실제 운영 문제를 선택하고 기술이 아니라 비즈니스 성과에 책임지는 담당자를 지정하며, 첫날부터 설계에 거버넌스를 포함합니다. 우리 고객은 미지급금 처리와 거래 모니터링 전반에서 에이전트를 프로덕션에 운영하고 있습니다. 생산성 수치도 나오지만 진짜 변화는 구조적입니다. 최종 상태는 사람이 이전에는 시간이 없어 못 하던 전략적 업무를 맡도록 해방되는 근본적으로 다른 워크플로입니다. 에이전트 확장은 소프트웨어가 아니라 리더십의 과제입니다.

보고서에 따르면 주요 기업 부채 문제를 성공적으로 해결한 기업은 6%뿐입니다. 이들은 무엇을 다르게 하고 있으며, 의미 있는 진전을 내지 못하는 기업에서는 어떤 공통 실수를 보십니까?

이들은 이를 IT 프로그램이 아니라 비즈니스 문제로 다룹니다. 경영진 후원과 측정 가능한 비즈니스 성과에 연결하고, 운영 건전성이 성장 전략과 별개가 아니라 바로 성장 전략임을 이해합니다.

나머지 94%는 증상을 쫓습니다. 프로세스 문제를 고치려고 도구를 배포하거나 잘못된 데이터를 보완하려 AI 이니셔티브를 시작합니다. 단기적인 상승 효과는 있지만 근본 문제는 남고 부채는 계속 누적됩니다. 악순환을 끊는 리더는 대부분의 경영진이 말하지 못하는 사실을 인정합니다. 이 프로세스는 15년 동안 망가져 있었고 우리는 그 실패 위에 전체 운영 모델을 구축했으므로, 이제 완전히 해체하고 처음부터 다시 만들겠다고 말합니다. 이런 인정은 불편하고 왜 더 일찍 고치지 않았느냐는 질문을 부릅니다. 하지만 그런 결정을 내리는 리더가 실제 진전을 만듭니다.

“AI 빌더”와 “AI 실무자”의 차이에 대해 말씀해 오셨습니다. 인간이 자율 에이전트와 점점 더 많이 협업하게 되면서 향후 5년간 기업 인력은 어떻게 발전하고, 어떤 역량이 가장 가치 있어질 것으로 보십니까?

가장 가치 있는 역량은 문제를 정의하는 법을 아는 것입니다. AI가 더 많은 실행을 담당할수록 결과의 품질은 질문의 품질과 결과물에 적용하는 판단의 질에 달려 있습니다. 겉으로는 맞아 보이지만 구조적으로 잘못된 것을 알아볼 수 있어야 합니다.

그 밖에는 세 가지를 꼽겠습니다. 첫째는 깊이 있는 도메인 지식입니다. 범용 AI 역량이 빠르게 상품화되면서 제너럴리스트의 영향력은 줄고 있습니다. 진정한 기능 전문성과 해당 맥락에서 AI를 적용하는 능력을 결합한 깊이 있는 도메인 전문가의 가치가 높아질 것입니다. 둘째는 예외 처리입니다. 에이전트가 막다른 상황에 놓이거나 자동화하기에는 금전적 위험이 너무 큰 경우 어떻게 해야 하는지 아는 사람이 필요하며, 여기에는 학습 데이터가 아닌 조직의 축적된 지혜가 요구됩니다. 셋째는 워크플로 설계입니다. 인간과 지능형 시스템이 각자 가장 잘하는 일을 맡도록 업무를 구성하고, 그 역할 분담을 바꿔야 할 때를 알아차리는 능력을 뜻합니다. 아직 업계에서 명칭이 정립되지는 않았지만 실제로 존재하며 현재 과소평가된 역량입니다.

AI가 일자리를 없앨 것인지 변화시킬 것인지를 두고 논쟁이 이어지고 있습니다. 많은 우려가 AI가 실제로 잘하는 일을 오해하는 데서 나온다고 주장하셨는데, 도입이 가속화될수록 인간의 전문성과 AI 에이전트의 관계는 어떻게 발전할 것으로 보십니까?

AI는 송장 처리, 거래 이상 징후 모니터링, 일상적인 커뮤니케이션 초안 작성처럼 명확히 정의되고 물량이 많으며 패턴에 의존하는 작업에 탁월합니다. 인간 팀이 따라갈 수 없는 속도와 규모로 이를 수행합니다. 하지만 AI는 현실 세계의 결과에 책임질 수 없고, 새로운 상황, 모호성, 복잡한 인간관계도 다루지 못합니다. 인간의 전문성이 계속 필수적인 이유입니다.

대부분의 직무는 단일 활동이 아니라 여러 작업의 집합이며, AI는 시간이 지남에 따라 실행 계층을 흡수할 것입니다. 그렇다고 사람이 필요 없어지는 것은 아니며, 사람이 가치를 만드는 지점이 바뀔 뿐입니다. 반복 업무가 자동화되면 전문성은 예외 상황 해결, 프로세스 재설계, 기술과 비즈니스 요구가 발전할 때 조직의 적응을 돕는 쪽으로 이동합니다. 일부 역할은 크게 바뀔 것이며, 리더는 사라지는 기존 업무를 맡았던 사람들이 새로 생기는 일에 접근할 수 있는지 살펴야 할 책임이 있습니다. 답은 거의 전적으로 조직이 교육과 전환에 관해 어떤 선택을 하느냐에 달려 있습니다. 이는 기술이 정하는 결과가 아니라 리더십의 결정입니다. 제가 가장 높이 평가하는 기업들은 어떤 역할이 어느 시기에 바뀌는지, 인간의 전문성이 어디에서 여전히 매우 가치 있는지, 현실적인 향후 경로가 무엇인지 팀에 솔직히 알립니다. 아직 대부분의 기업은 그런 대화를 하지 않고 있습니다.

앞으로 진정한 에이전틱 기업은 실제로 어떤 모습일까요? 5년 뒤 이 대화를 다시 나눈다면, 선도 기업의 비즈니스 운영, 조직 설계, AI 배포에서 어떤 변화가 표준으로 자리 잡아 있을 것으로 예상하십니까?

우리가 ‘디지털로 전환한다’는 말을 더 이상 하지 않듯, AI를 별도의 이니셔티브로 이야기하지 않게 될 것입니다. 그저 일이 이루어지는 방식이 될 것입니다.

저는 구조적 변화에 가장 관심이 많습니다. 오늘날 조직의 많은 계층은 정보를 이동시키기 어려웠기 때문에 존재합니다. 정보가 만들어진 곳에서 의사결정이 이뤄지는 곳까지 전달되어야 했기 때문에 승인 절차와 조정 역할이 있습니다. 에이전트는 그 거리를 없앱니다. 그렇게 되면 상당한 규모의 조정 인프라가 불필요해집니다. 이를 일찍 알아보고 조직을 재설계하는 기업은 시간이 흐를수록 누적되는 속도 우위를 얻게 됩니다.

AI를 구매하고 제공하는 방식도 바뀔 것입니다. 소프트웨어 기업은 제품을 만들지만 성과에 책임지지 않고, 서비스 기업은 성과에 책임지지만 확장 가능한 제품을 만드는 데 어려움을 겪습니다. 두 모델 모두 충분하지 않습니다. Genpact가 만드는 것은 특정 도메인에서 제품화한 AI를 성과의 형태로 제공하는 것입니다. 고객은 결과를 구매하고 우리는 그 결과에 책임집니다. 인센티브를 올바르게 맞추므로 이것이 표준이 될 것이라고 봅니다. 역량만 판매하는 공급업체는 그것이 고객 환경에서 작동하는지에 이해관계가 없습니다. 성과에 책임지는 공급업체는 모든 이해관계가 걸려 있습니다. 이 시대의 승자는 가장 정교한 AI 모델을 보유했느냐가 아니라 인간, 프로세스, 지능형 시스템 사이의 구조적 재설계를 얼마나 잘 해냈느냐로 결정될 것입니다. 우리는 아직 이 변화의 첫날에 서 있습니다.

좋은 인터뷰에 감사드립니다. 더 자세히 알고 싶은 독자는 Genpact를 방문해 보시기 바랍니다.