급여만큼 신뢰가 걸린 업무는 드물다. 정형 데이터와 규정 준수가 핵심이라 AI에 가장 잘 맞는 업무지만, 작은 오류 하나가 직원의 신뢰를 곧바로 흔들 수 있어 가장 민감한 업무이기도 하다. “급여는 잘 돌아갈 때는 아무도 모르고, 잘못됐을 때만 다들 알아챈다”는 말처럼, 지급 한 번마다 회사와 직원의 신뢰가 시험대에 오른다. �鶹ԭ�� 조사*에 따르면 전 세계 직원의 38%가 급여 오류를 겪었고, 이들은 회사에 대한 신뢰가 13%, 급여 부서에 대한 신뢰가 17% 더 낮았다. 오류가 반복될수록 신뢰는 더 떨어졌다.

급여 담당자는 더 적은 인력으로 더 많은 일을 해내라는 압박을 받는다. 직원은 더 빠르고 유연한 급여를 원하고, 세법과 임금·휴가 규정은 지역마다 계속 바뀐다. 직원의 역할과 근무지, 보상이 끊임없이 달라지면서 수동 관리는 점점 어려워지고 오류 위험도 커진다. 이제 급여는 단순 행정이 아니라 직원 경험과 규정 준수, 사업 운영을 뒷받침하는 전략적 기반이다. 이런 복잡성이 급여의 다음 단계, ‘자율형 급여(Autonomous Payroll)’를 이끌어낸다.

복잡성의 시대, 신뢰를 확장하다

자율형 급여는 AI와 통합 데이터, 실시간 모니터링을 결합해 문제가 직원에게 영향을 주기 전에 미리 찾아내도록 돕는다. 목표는 사람을 빼내는 게 아니라 담당자가 더 가치 있는 일에 집중하도록 돕는 것이다. 직원의 49%는 AI가 실패했을 때 사람에게 확인받을 수 있다면 AI를 더 신뢰하겠다고 답했고, 43%는 사람의 재검토를 요청할 수 있다면 신뢰가 높아질 것이라고 답했다. AI 급여 에이전트와 상시 급여는 급여 준비 상태를 점검하고 이상 징후를 찾아내며, 문제가 커지기 전에 예외 상황을 먼저 해결하게 해준다. 이제 오류를 주기 끝에 찾는 대신 주기 내내 살펴보고 바로 해결할 수 있다. 다만 기술만으로는 부족하며, 시스템은 적절한 감독과 투명성, 책임 아래 움직여야 한다.

자동화에는 책임이 따른다

AI가 깊이 들어올수록 논의는 ‘도입’에서 ‘책임’으로 옮겨간다. 직원은 급여 계산이나 이상 감지처럼 계산 중심 업무에는 AI를 편하게 받아들이지만, 판단과 소통이 필요한 업무, 특히 분쟁의 최종 결정에는 사람을 원한다. 중요한 건 사람을 대체하는 게 아니라 AI가 가장 도움이 되는 곳에 쓰이면서도 신뢰와 판단이 필요한 곳에서 사람의 감독을 지키는 것이다. 결국 급여의 미래는 사람이냐 AI냐가 아니라, AI로 확장된 사람의 전문성이다.

자율형 HCM의 토대를 만들다

자율형 급여의 파급력은 급여 업무를 넘어선다. �鶹ԭ��는 이를 의 핵심 요소로 본다. 채용, 보상, 승진 같은 모든 조직적 변화가 결국 급여에 영향을 주기 때문에, 급여는 기업에서 가장 신뢰할 수 있는 인력 데이터 원천이다. 이 가능성을 실현하려면 HR·급여·근태 데이터가 하나로 통합된 기반이 필요하다. 단일한 데이터 원천이 있어야 복잡성이 줄고 정확성과 규정 준수가 강화되며, AI가 더 의미 있는 통찰을 내놓을 수 있다. 흩어진 시스템 위에 AI만 얹는다고 문제가 풀리지는 않는다.

미래를 이끄는 조직은 급여를 더 효율적으로 처리하는 데서 그치지 않고, 더 지능적이고 연결된 운영으로 직원과 사업을 함께 뒷받침할 전망이다. 급여가 제대로 돌아갈 때, 그것은 월급 지급을 넘어 회사에 대한 신뢰를 만들어낸다.

* 2026년 7월 정규직 1,576명 대상 글로벌 설문조사 데이터

The post 자율형 급여, 자동화가 아니라 책임이 핵심 appeared first on �鶹ԭ�� Korea 뉴스센터.

1등 조가 항상 진다

가 있다. 한 조정 코치가 힘센 선수 8명으로 1군을, 나머지로 2군을 만들었는데, 1군이 계속 졌다. 보트가 느려질 때마다 각자 더 세게 노를 저으니 박자가 흐트러지고 저항만 커졌다. 2군은 처음부터 호흡을 맞춰 저었다.

기업의 AI 도입도 비슷하다. 개인·팀 성과를 극대화하려다 조직 전체 성과를 갉아먹는 ‘서브옵티마이제이션(부분 최적화)’이 벌어진다. 에서 응답 기업의 88%가 AI를 정기적으로 쓰지만, 전체 영업이익 개선을 체감한 응답은 39%뿐이었다. 조직 전체 차원의 ‘고성과’ 기업은 6%뿐이다. 업무강도, 맥락, 예측이라는 세 축이 얽혀 있기 때문이다.

일이 줄지 않고 늘어난다

AI는 일을 줄여줄 것 같지만 실제론 늘린다. 에 따르면 AI를 많이 쓰는 직원일수록 시키지 않아도 더 빨리, 더 많이, 더 오래 일했다. 생산성이 오른 듯해도 실은 조용히 업무량이 쌓이는 ‘워크로드 크리프’다. 결과물은 쏟아지는데 소화는 여전히 사람 몫이라, 8차선 도로가 1차선 요금소로 좁아지는 꼴이다.

�鶹ԭ��는 이를 ‘더 많은 결과물’ 대신 ‘더 정확한 답’으로 푼다. “65인치 TV 재고가 떨어질 매장은 어디고, 옮길 재고는 어디 있나?”라고 물으면 통합 업무공간 Joule Work의 AI 에이전트가 시스템을 넘나들며 답을 찾고 필요하면 직접 행동한다. 직원은 앱을 오가는 대신 판단에 집중할 수 있다.

“AI는 일하는 방식, 지식이 흐르는 방식, 의사결정 방식 자체를 바꿔야 진짜 힘을 발휘한다. AI를 회사에 들여놓는 것과, AI로 회사 전체에 가치를 만드는 것은 다른 이야기다.”

플로리안 쿤츠케(Florian Kunzke), AI 전략 부문 글로벌 디렉터, �鶹ԭ��

정답인데 회사 사정은 모른다

대부분의 AI는 세상은 알아도 회사는 모른다. 거래 기록 같은 ‘시스템 지식’과 이메일·암묵적 룰 같은 ‘문서화되지 않은 지식(암묵지)’은 다르다. AI가 시스템 지식만 보면 답은 맞아도 회사 사정과는 어긋난다. “코코넛을 어디서 사나” 같은 질문도 조달·공급망·컴플라이언스를 넘나드는 지식이 필요하다.

는 이런 암묵지를 지속적으로 모아 사람과 AI 에이전트가 함께 쓰게 한다. 에 코코넛을 물으면 “브라질에서만 소싱, 다른 곳은 예외 승인 필요”처럼 실제 회사 규칙에 맞는 답이 나온다.

숫자 예측은 다른 문제다

기업의 의사결정은 결국 예측 문제이고, 예측은 정형 데이터에 달려 있다. LLM은 정형 데이터 예측엔 약하고, 전통 머신러닝은 답이 나오기까지 몇 주가 걸려 그땐 질문이 이미 바뀌어 있곤 한다.

�鶹ԭ��는 정형 데이터 전용 예측 모델 �鶹ԭ��-RPT-1.5와 TabPFN 3를 Joule Work, �鶹ԭ�� Business Data Cloud와 연결해 이 공백을 메운다. 전문가가 아니어도 “물량을 재배치해야 할까” 같은 질문에 실제 데이터 기반 답을 바로 받는다. 예측이 조직 전체가 쓰는 기능이 되는 것이다.

AI는 일하는 방식, 지식이 흐르는 방식, 의사결정 방식 자체를 바꿔야 진짜 힘을 발휘한다. Joule Work, �鶹ԭ�� Company Memory, �鶹ԭ��-RPT-1.5/TabPFN 3는 그 방향으로 가는 �鶹ԭ��의 답이다. AI를 회사에 들여놓는 것과, AI로 회사 전체에 가치를 만드는 것은 다른 이야기다.

플로리안 쿤츠케(Florian Kunzke)는 �鶹ԭ��의 AI 전략 부문 글로벌 디렉터입니다.

The post 개인의 AI, 회사의 AI가 되려면 appeared first on �鶹ԭ�� Korea 뉴스센터.

�鶹ԭ�� 고객사들은 오랫동안 같은 고민을 반복해 왔다. 낡은 �鶹ԭ�� ECC를 �鶹ԭ�� S/4HANA로 옮기는 일이 매번 비용이 크고 복잡하며 오래 걸린다는 것. 최근 한 에서는 에이전틱 AI로 더 빠르고 저렴하게, 고객사 스스로 더 많이 해낼 수 있게 전환을 다시 설계하자는 접근이 논의됐다. 참석자들은 이를 “디쇼어링”이라 불렀다.

“빠르게, 좋게, 저렴하게” 셋 다 될까

독립 �鶹ԭ�� 컨설팅사 창업자 스튜어트 브라운은 7년간 여러 기업의 ECC-S/4HANA 전환을 도와왔다. “과거 방식을 바꿔야만 미래를 바꿀 수 있다”는 그는, 셋 중 둘만 고를 수 있다는 통념에 맞서 NASA의 “더 빠르게, 더 좋게, 더 저렴하게” 철학을 든다. �鶹ԭ�� 비즈니스 트랜스포메이션 수석 부사장 란지트 파니커도 고객사들이 결국 더 빨리, 더 싸게, 더 많은 가치를 원한다고 말한다.

오프쇼어링을 넘어 디쇼어링으로

수십 년간 답은 인건비가 낮은 지역으로 업무를 옮기는 오프쇼어링이었다. 하지만 브라운은 오프쇼어·온쇼어 분산이 오히려 인수인계와 재작업, 조율 비용을 키운다고 지적한다. 에이전틱 AI는 그 일을 사람이 꼭 해야 하는지부터 묻는다. 브라운 팀이 전환 관련 약 180개 활동을 분석한 결과, AI로 비용을 약 60%까지 줄일 수 있었다. 명세 작성, 핏갭 분석, 커스텀 코드 분석처럼 고숙련 인력이 시간을 쏟는 작업이 특히 유망했다.

사람은 “마지막 1마일”을 맡는다

AI는 몇 시간 만에 “80% 완성본”을 만들어낼 수 있다고 브라운은 말한다. 다만 “결과물을 무조건 신뢰해선 안 된다”며, 숙련 인력의 역할이 처음부터 만드는 것에서 검토·보완으로 바뀐다고 설명한다. 목표는 완전 자동화가 아니라, 판단력과 검증처럼 경험이 가장 가치 있는 “마지막 1마일”에 전문성을 집중시키는 것이다.

“시스템 통합 파트너(SI)를 선정하기도 전에, 커스텀 코드의 표준화 계획을 세울 수 있다.”

스튜어트 브라운(Stuart Browne), 독립 �鶹ԭ�� 컨설팅사 Resulting IT 창업자

커스텀 코드, 가장 먼저 바뀔 영역

브라운이 이미 큰 변화를 본다는 분야는 커스텀 코드 분석이다. 예전엔 커스터마이징을 새 환경으로 옮긴 뒤 나중에 손보는 게 흔했다. 이제 AI는 전체 코드베이스를 분석해 기능 명세를 역으로 도출하고, 같은 요구사항을 �鶹ԭ�� 표준 기능만으로 충족할 수 있는지 판단한다. “SI를 선정하기도 전에 표준화 계획을 세울 수 있다”고 그는 말한다. 이미 비용을 지불한 표준 기능이 불필요한 커스터마이징을 대체할 수 있다는 뜻이다.

�鶹ԭ��, 전환 전 과정에 에이전트를 심다

파니커는 온쇼어·오프쇼어 구분이 의미를 잃고, 업무를 위치가 아닌 스킬 단위로 생각하게 될 것이라 전망한다. �鶹ԭ��는 시스템 분석, 데이터 관리, 커스텀 코드, 구성, 테스트, 롤아웃, 프로젝트 관리 전반에 에이전트를 구축 중이며, 이는 �鶹ԭ�� Business Technology Platform 위의 �鶹ԭ�� Cloud ALM과 고객별 지식 기반에 연결된다. �鶹ԭ��의 목표는 전환 작업량을 약 35% 줄이는 것이다.

테스트도 에이전트에게 맡길 수 있을까

보안·규제 요건이 많은 업종에선 테스트에 시간이 많이 든다. 파니커는 묻는다. “에이전트가 코드를 고칠 수 있다면, 테스트와 승인도 맡길 수 있을까?” 관건은 조직이 에이전트의 지식과 안전장치를 얼마나 신뢰하느냐다.

좋은 에이전트를 가르는 건 “맥락”

�鶹ԭ�� 프로젝트는 아키텍처 결정, 리스크 목록 등 방대한 고유 정보를 만든다. 브라운은 이 살아있는 지식과 AI를 연결하는 일이 핵심이라 본다. “정적인 LLM이 아니라 그 세계 자체와 대화할 수 있어야 한다”는 것. 그는 이 지점에서 성패가 갈릴 것이라고 말한다.

지식의 주도권도 바뀐다

가장 큰 변화는 기술이 아니라 “누가 전문성을 갖느냐”일 수 있다. �鶹ԭ�� 구현은 경험 많은 컨설턴트에 크게 의존해 왔고, 고객사는 지식 격차로 설계 결정에 이의를 제기하기 어려웠다. 브라운은 경험 6개월 차도 몇 주 만에 예전엔 몇 년 걸렸을 수준까지 오를 수 있다고 본다. 파니커도 AI가 전문가들을 좁은 직무 영역 밖으로 꺼내준다는 데 동의한다.

“왜 더 빨리 하면 안 되지”

�鶹ԭ�� 전환이 몇 년씩 걸리는 게 당연하다는 인식이 굳어져 있었다. 브라운과 파니커 모두 이제는 이 전제에 의문을 제기해야 한다고 말한다. 파니커는 “왜 더 빨리 하면 안 되는가”라고 묻는다. 브라운은 버튼 하나로 프로그램 전체가 완성된다는 뜻은 아니라면서도 “그런 세상은 이미 와 있다”고 말한다. 파니커의 메시지도 같다. “관망하지 말고 호기심을 갖고 뛰어들어라. 목표에 더 빨리 도달할수록 더 많은 가치를 만들 수 있다.”

팀 클라크(Tim Clark)는 �鶹ԭ��의 브랜드 저널리즘 수장입니다.

The post �鶹ԭ�� 전환, AI 에이전트로 비용 60% 줄일 수 있다 appeared first on �鶹ԭ�� Korea 뉴스센터.

NASA에게 문샷은 비유가 아니라 운영 방식이다. 인간을 다시 달로 보내고 심우주 거주 기반을 다지려면, 수천 명의 인력과 여러 정부 기관, 국제 파트너, 민간 기업, 고도로 복잡한 시스템이 정교하게 맞물려야 한다.

워싱턴 D.C.에서 열린 �鶹ԭ�� NOW 행사에서 NASA 유인우주비행 임무국 부국장 로리 글레이즈 박사는 아르테미스 프로그램의 운영 원칙을 공유했다. 우주 탐사를 넘어, 대규모 전환을 겪는 공공기관과 기업 모두에게 시사하는 바가 크다.

미션 하나하나가 모멘텀을 만든다

아르테미스는 각 미션이 다음 단계를 위한 역량과 지식을 축적하도록 설계됐다. 2022년 아르테미스 1호는 무인으로 SLS와 오리온 우주선을 시험했고, 2026년 4월 아르테미스 2호는 우주비행사 4명을 태우고 달 궤도를 돈 뒤 무사히 귀환했다. “각 시험비행은 다음 단계에 필요한 정보를 제공합니다.” 글레이즈의 말이다. NASA는 2027년 아르테미스 3호로 상용 착륙선과의 도킹을, 2028년 아르테미스 4호로 첫 유인 달 착륙을 목표로 한다. 미래 전체를 한 번에 설계할 필요는 없다. 각 이정표가 가설을 검증하고 위험을 낮추면 된다.

표준화가 가속의 여력을 만든다

NASA는 아르테미스 아키텍처 표준화를 우선순위로 삼는다. “반복적으로 해내야 하니 아키텍처를 표준화해야 합니다.” 표준화는 혁신을 막지 않는다. 오히려 혁신이 더 빠르게 움직일 안정적 기반이 된다. NASA는 �鶹ԭ�� 솔루션을 포함한 다양한 기술로 이 복잡성을 지원하지만, 기술의 가치는 사람·프로세스·정보·의사결정을 하나로 연결하는 데서 나온다.

복잡성일수록 더 빠르고 정확한 판단이 필요하다

발사체, 우주선, 착륙선, 통신, 물류, 예산, 계약사, 국제 파트너까지—아르테미스의 규모는 상상을 넘어선다. 각 요소는 저마다의 일정과 위험을 안고도 정확한 순간에 하나로 맞아떨어져야 한다. 글레이즈는 전문 인력을 계약사 곁에 배치해 문제를 더 빨리 발견·해결하도록 하고 있다고 밝혔다. 리더는 방대한 정보를 갖고도 통합된 시야는 부족한 경우가 많은데, 글레이즈는 이 지점을 AI가 가장 유망하게 기여할 영역으로 꼽았다.

“이런 일은 한 사람이 해낼 수 없습니다. 수천 명이 있어야 이런 놀라운 일을 이뤄낼 수 있습니다.”

로리 글레이즈 박사(Dr. Lori Glaze), NASA 유인우주비행 임무국 부국장

자율성은 인간의 역량을 확장할 때 빛난다

달과 화성 탐사차는 지형을 평가하고 경로를 고르며 위험을 피하는 일을 지구의 개입 없이 수행한다. 핵심은 사람을 배제하는 게 아니라, 기술이 더 큰 규모와 속도로 복잡성을 관리해 사람이 더 나은 결정을 내리게 돕는 데 있다. 자율형 기업(Autonomous Enterprise)도 같은 원리다.

파트너십이 야망을 역량으로 바꾼다

아르테미스는 어느 한 조직 혼자서는 해낼 수 없다. NASA는 정부 팀, 민간 우주기업, 항공우주 제조사, 각국 우주기관, 군 파트너를 하나로 묶는다. 이 생태계는 미션에 곁다리로 붙는 게 아니라 미션이 이뤄지는 방식 그 자체다.

신뢰가 궁극의 운영체제다

가장 중요한 리더십 조언을 묻자 글레이즈의 답은 간결했다. 똑똑한 사람들로 주변을 채우고 그들을 믿으라는 것. “이런 일은 한 사람이 해낼 수 없습니다. 수천 명이 있어야 이런 놀라운 일을 이뤄낼 수 있습니다.” 달 복귀든 기업의 전환이든 교훈은 같다. 사람과 데이터, 프로세스, 파트너가 함께 나아갈 때 가장 야심 찬 목표도 이루어진다.

Jamison Braun은 �鶹ԭ�� America의 미국 공공 서비스 부문 수석 부사장 겸 전무이사입니다.

The post 문샷은 비유가 아니다, NASA의 진짜 운영 원칙 appeared first on �鶹ԭ�� Korea 뉴스센터.

화려한 무대 뒤, 복잡한 글로벌 비즈니스

태양의 서커스는 중력을 거스르는 공연, 화려한 의상, 몰입감 있는 음악으로 관객에게 경이로움을 선사한다. 하지만 무대 뒤에는 그만큼 놀라운 글로벌 비즈니스 운영이 숨어 있다. 지금까지 90개국에서 3억 6,500만 명이 넘는 관객을 만난 태양의 서커스는 현재 38개 공연을 동시에 운영하며, 80개국 이상 출신 아티스트와 직원 4,000여 명이 함께한다.

공연 하나가 멕시코시티에서 런던, 다시 파리로 옮겨갈 때마다 새로운 법인, 세금 문제, 현지 규정, 여러 국적의 아티스트가 함께 움직인다. 태양의 서커스 IT 부문 부사장 필리프 라뤼미에르는 “사람들은 서커스 운영이 얼마나 복잡한지 잘 모른다”고 말한다.

이 복잡함은 매입채무(AP) 부서에서 특히 두드러진다. 매년 7만 건이 넘는 인보이스가 밀려드는데, 이 중 약 40%는 처리 현황을 묻는 단순 문의다. 담당자들은 여러 시스템을 뒤지며 이력을 확인하고, 지연 원인을 찾아 일일이 답장을 써야 했다. 반복적이고 지치는 일이었다. 라뤼미에르는 “‘대체 언제 돈을 받느냐’는 무례한 메일도 있다. 사기가 떨어지는 일”이라고 말한다.

AI로 풀 문제를 찾다

25년 넘게 �鶹ԭ��를 사용해 온 태양의 서커스에 �鶹ԭ�� AppHaus가 질문을 던졌다. 생성형 AI로 업무를 어떻게 개선할 수 있을까. 여러 부서가 함께한 워크숍에서, 처리량이 많고 자동화 효과가 뚜렷한 AP 부서가 첫 후보로 떠올랐다. AP 자동화는 업계 전반에서 가장 널리 쓰이는 AI 사례이기도 하다. 방향이 정해지자 태양의 서커스와 �鶹ԭ��는 곧바로 AI 솔루션 개발에 나섰다.

팀의 새 동료가 된 AI, 제나토

이렇게 탄생한 것이 다국어 AI 에이전트 ‘제나토(Genato)’다. 제나토는 AP 수신함을 스캔해 문의의 긴급도를 분석하고, 인보이스 번호를 추출해 �鶹ԭ�� 데이터와 연결한 뒤 처리 현황을 조회하고, 답변 초안까지 작성해 담당자 검토를 받는다. 라뤼미에르는 “처음엔 답변의 정확성이 걱정됐지만, 팀은 곧 제나토의 정보가 정확하다는 걸 확인했다”고 말한다.

“작게 시작하고, 사용자를 일찍부터 참여시키고, 기꺼이 실험하라. AI라는 기차는 이미 움직이고 있으니 올라타야 한다.“

필리프 라뤼미에르(Philippe Lalumière), 태양의 서커스(Cirque du Soleil) 정보기술부문장

다만 “AI는 강력한 도구지만 마법의 가루는 아니다. 실제로 해야 할 일이 많다”고 강조한다. 이 작업에는 적절한 커넥터 설계와 함께, 을 통한 시스템 통합이 뒤따랐다. 이 플랫폼은 �鶹ԭ�� 비즈니스 데이터 클라우드, 비즈니스 트랜스포메이션 매니지먼트 솔루션, �鶹ԭ�� 비즈니스 AI 등을 하나로 묶어 AI와 데이터, 프로세스, 거버넌스를 통합함으로써 고객이 지속 가능하고 비용 효율적인 AI를 구축·통합·확장·운영할 수 있게 돕는다.

숫자로 보는 변화

효과는 곧바로 나타났다. 우선순위 요청 처리 개선율 97.92%, AP 적체 25% 감소, 응답 속도 25% 단축이라는 성과로 이어졌고, 공급업체 만족도와 직원 사기도 함께 올라갔다. 라뤼미에르는 “이제 제나토를 팀의 가상 동료로 여긴다”고 말한다. 프로토타입이 실제 운영에 투입된 뒤 한 사용자는 “이제 이것 없이는 못 산다”며 강한 애착을 드러냈고, 지금은 가장 적극적인 홍보대사가 됐다.

다음 무대를 준비하며

태양의 서커스에게 AP 자동화는 시작일 뿐이다. 라뤼미에르는 “AI는 크고 아름다운 도구지만, 우선순위를 정하려면 여전히 사람의 판단이 필요하다”고 말한다. 그는 AI가 Joule 같은 개인 생산성 솔루션, 제나토 같은 비즈니스 프로세스 AI, 그리고 언젠가는 관객 경험 자체까지 세 단계로 확장될 것으로 본다.

AI를 시작하려는 이들에게 그는 이렇게 조언한다. “작게 시작하고, 사용자를 일찍부터 참여시키고, 기꺼이 실험하라. AI라는 기차는 이미 움직이고 있으니 올라타야 한다.” 오늘은 후방 업무를 바꾸고 있지만, 내일은 관객의 경험 자체를 새롭게 정의할지도 모른다.

시드 미스라(Sid Misra)는 �鶹ԭ�� Business AI Platform Technology Foundation 부문 CMO입니다.
Top image courtesy of Cirque du Soleil.

The post 태양의 서커스, 뒷무대엔 AI 동료가 있다 appeared first on �鶹ԭ�� Korea 뉴스센터.

AI 활용사례를 찾던 시절은 끝났다. 기업들은 이제 AI를 업무 프로세스 안에 심고, 성과로 증명하며, �鶹ԭ��가 말하는 ‘‘을 향해 움직이고 있다. 기록하던 시스템이 이제 함께 일하는 시스템이 되어가는 이유는 무엇일까?

글쓴이: 얀 길그(Jan Gilg), 번역: 클로드(Claude)

기업들이 AI를 도입하는 이유가 달라지고 있다. “어디에 쓸 수 있을까”를 묻던 시절은 지나갔고, 이제는 “AI가 업무의 중심에 들어오면 무엇이 바뀌는가”를 묻는다. �鶹ԭ�� 고객성공 및 미주지역 사장 얀 길그(Jan Gilg)는 최근 전 세계 고객들과 나눈 대화에서 공통적으로 나타나는 세 가지 흐름을 짚었다.

AI 활용사례에서 지능형 업무 프로세스로

초기 AI 도입은 눈에 띄는 성과를 증명하는 데 집중됐다. 그 작업이 끝난 건 아니지만, 이제는 그 성과를 매일 쓰는 업무 프로세스 안으로 녹여내는 단계로 넘어가고 있다. 브라질의 인재 채용·관리 기업 HR Path Brazil은 에 을 붙여 반복적인 인사 문의를 자동으로 처리한다. 그 결과 표준 HR 문의가 7% 줄었고, 매주 두 시간의 HR 업무 부담이 사라졌다. AI가 특정 업무에 쓰이는 도구를 넘어, 업무 자체에 스며드는 사례다.

AI를 얼마나 쓰는지가 아니라, 무엇을 만들어내는지로

최근 발표된 옥스퍼드 이코노믹스 조사에 따르면, 기업들은 올해 AI 투자에서 평균 21%의 수익률을 기대하며, 2년 뒤에는 이 수치가 38%까지 오를 것으로 내다본다. 특히 에이전틱 AI의 기대 수익률은 2년 뒤 평균 1,760만 달러로, 지난해 추정치(430만 달러)의 네 배를 넘어선다.

실제로 같은 조사에서 기업의 69%가 현재 AI 투자수익률에 만족한다고 답했는데, 이는 지난해(64%)보다 늘어난 수치다. 이제 기업들은 기술 도입 자체보다 “주기가 짧아졌는가”, “의사결정이 나아졌는가”, “직원이 더 가치 있는 일에 집중하는가”를 묻는다. 기술을 도입했다는 사실보다, 사업이 실제로 얼마나 나아졌는가로 대화의 중심이 옮겨간 셈이다.

기록하는 시스템에서 함께 일하는 시스템으로

지금까지 전사적 소프트웨어는 거래를 기록하고 절차를 표준화하는 데 머물렀다. 이제는 변화를 미리 감지하고, 행동을 제안하며, 부서 간 업무를 조율하고, 사람의 감독 아래 실제 의사결정 일부를 수행하기 시작했다. 재무, 공급망, 조달, 인사, 고객 업무를 일일이 연결해 다음 행동을 정하던 방식에서, 지능형 시스템이 맥락을 제공하고 추천하며 실행을 돕는 방식으로 옮겨가는 것이다.

사람은 여전히 의사결정의 중심에 있지만, 소프트웨어는 이제 결과만 기록하는 존재가 아니라 업무에 함께 참여하는 존재가 되고 있다. �鶹ԭ��는 이 새로운 운영 모델을 ““이라 부른다.

길그는 오늘의 AI 프로젝트들을 훗날 클라우드 전환 초기와 같은 시선으로 돌아보게 될 것이라고 말한다. 목적지가 아니라, 끊임없이 새로워지는 운영 방식의 토대라는 뜻이다. 결국 가장 앞서 나가는 조직은 AI 활용사례를 가장 많이 쌓은 곳이 아니라, 그 성과를 발판 삼아 업무 방식 자체를 다시 설계하는 곳이 될 것이다.

• 원문: The Pattern Emerging Across AI Transformations, Corporate Blog, �鶹ԭ�� News Center

The post 성공하는 AI 전환에는 공식이 있다 appeared first on �鶹ԭ�� Korea 뉴스센터.

AI 투자는 찔끔 늘었는데 ROI는 급등했다. �鶹ԭ��가 전 세계 2,600명의 기업 리더를 조사해 밝혀낸 열풍의 실체와, 절반 넘는 기업이 여전히 준비 안 된 거버넌스라는 시한폭탄까지 짚어봤다.

글쓴이: 폴 톰슨(Paul Thomson), 번역: 클로드(Claude)

AI 투자, 드디어 돈값 하기 시작했다

에스에이피(�鶹ԭ��)와 옥스포드에코노믹스(Oxford Economics)가 전 세계 리더 2,600명을 조사한 ‘‘ 결과가 나왔다. 결론은 하나, AI에 쓴 돈이 이제 진짜 성과로 돌아오고 있다는 것이다.

올해 기업 평균 AI 투자액은 2,800만 달러로 작년보다 소폭 늘었을 뿐인데, ROI는 확 뛰었다. 올해 기대 ROI는 21%(630만 달러)로 작년 16%에서 껑충 뛰었고, 2년 뒤엔 38%(1,590만 달러)까지 오를 전망이다.

이 성장의 주인공은 에이전틱 AI다. 2년 후 에이전틱 AI의 평균 ROI는 1,760만 달러로, 작년 예상치(430만 달러)의 4배가 넘는다.

�鶹ԭ�� AI 전략 총괄 숀 캐스크(Sean Kask)는 말한다. “AI는 이제 실험이 아니라 실행 단계입니다. 성과가 보이기 시작했죠. 하지만 맥락 없는 AI는 잘해야 헛수고, 최악엔 리스크가 됩니다.”

성숙해지는 AI, 그런데 아직 불안하다

전 세계 AI 투자는 작년 2,670만 달러에서 소폭 늘었지만, 나라별 온도차는 크다. 브라질·영국·호주·독일은 투자를 늘렸고, 중국·인도는 오히려 줄였다.

기업 업무의 30%가 이미 AI 도움을 받고 있고, 2년 후엔 48%까지 늘어날 전망이다. 전략적 AI 투자도 거의 두 배(17%)로 늘었지만, ‘일단 해보자’식 산발적 접근이 여전히 41%로 가장 많다.

리더십도 문제다. AI 전담 리더를 둔 기업 46%, 명확한 개발 프레임워크를 가진 기업 52%, AI 교육을 제공하는 기업은 41%뿐이다.

그럼에도 69%는 지금 AI ROI에 만족한다. 다만 3분의 2 이상은 AI가 아직 잠재력을 다 발휘 못했다고 본다. 83%가 에이전틱 AI의 변화 잠재력을 높게 보지만, “완전히 준비됐다”는 기업은 3%뿐이다.

데이터, 사람, 거버넌스라는 세 개의 벽

가장 큰 걸림돌은 데이터 품질이다. 73%가 불완전한 데이터로 어려움을 겪고, 79%는 낮은 품질의 AI 결과물 때문에 재작업이나 지연을 겪었다.

사람 문제도 크다. 78%는 리스킬링이 AI 발전 속도를 못 따라간다고 느끼고, ‘섀도우 AI’는 69%가 최소 가끔 겪는다고 답했다.

캐스크는 짚는다. “다음 단계는 AI를 실제 데이터·프로세스에 깊이 연결하는 것입니다. 다만 AI 가치는 생각보다 측정하기 어렵고, 리스크는 거버넌스보다 빠르게 움직입니다.”

거버넌스가 “완전히 됐다”는 기업은 12%뿐. 휴먼인더루프가 없는 기업이 38%, 권한·접근 통제가 없는 기업이 37%, 에이전트 목록조차 없는 기업이 56%다. 69%는 자신들이 거버넌스보다 빠르게 에이전트를 도입 중이라 느낀다.

결국 답은 자율형 기업

캐스크는 결론짓는다. “AI의 진짜 가치를 얻는 건 쉽지 않습니다. 완전히 새로운 접근이 필요하니까요. AI를 실제 데이터·프로세스에 연결하고, 신뢰할 결과를 낼 맥락과 거버넌스를 갖춰야 합니다. 우리는 이걸 ‘자율형 기업(Autonomous Enterprise)‘이라 부릅니다. 기술이 아니라 사람의 문제예요. 에이전트와 프로세스, 사람이 하나로 움직여야 진짜 가치가 나옵니다.”

• 원문: Business Value of AI Is Spiking, Driven by Increased Adoption and Agentic Expectations, �鶹ԭ�� Finds, Features, �鶹ԭ�� News Center

The post �鶹ԭ�� 조사, AI 이제 돈값 한다 appeared first on �鶹ԭ�� Korea 뉴스센터.

AI를 빨리, 많이 쓰는 게 정답일까. 구글 클라우드 는 AI를 비판적 사고의 파트너로 삼고, 가드레일과 지표로 비결정성을 관리하며, 인간다운 판단을 코드화하되 결국 해결책이 아닌 문제와 사랑에 빠지라고 조언한다.

글쓴이: 로라 마우드(Laura Marwood), 번역: 클로드(Claude)

AI 열풍 속에서 놓치기 쉬운 질문

요즘 AI를 둘러싼 이야기는 넘쳐난다. 새로운 툴, 새로운 모델, 새로운 약속들이 매일 쏟아진다. 대화의 대부분은 ‘속도’에 맞춰져 있다. AI가 글을 더 빨리 쓰게 해주고, 코드를 더 빨리 짜게 해주고, 결과물을 더 빨리 만들어낸다는 이야기다. 물론 중요한 부분이다. 하지만 최근 구글 클라우드의 리드 개발자 옹호자 케이시 웨스트와 나눈 대화는 조금 다른 질문을 던지게 했다. AI의 진짜 가치는 우리를 더 빠르게 만드는 데 있는 게 아니라, 더 잘 생각하게 만드는 데 있는 건 아닐까?

생산성 도구를 넘어, ‘비판적 사고의 파트너’로

웨스트는 AI를 단순히 생산성이나 속도를 위한 도구로만 쓰는 건 낮은 단계의 활용이라고 말한다. 진짜 강력한 활용법은 AI를 ‘비판적 사고의 파트너’로 대하는 데 있다. 그는 AI에게 단순히 답을 구하는 대신, 자신의 논리를 비판하게 하거나 미처 생각하지 못한 질문을 던지도록 구체적으로 지시해보라고 권한다. 이렇게 하면 AI는 판단을 대신하는 존재가 아니라, 판단을 더 날카롭게 벼려주는 유용한 마찰이 된다. 결과물의 양이 아니라 질문의 질이 달라지는 셈이다.

기업 AI 도입의 관건: 가드레일과 지표 설계

기업 환경에서 AI를 도입할 때는 이야기가 조금 더 복잡해진다. AI 특유의 창의성과 비결정성(non-determinism)은 강력한 무기이지만, 동시에 관리해야 할 대상이다. 웨스트는 이 지점에서 품질 관리가 필수적이라고 강조한다. 시스템의 안전성과 품질을 보장할 가드레일과 평가 지표를 직접 설계할 수 있는 능력이야말로 현대 엔지니어링 조직의 성패를 가른다는 것이다.

결정론에서 ‘인간다운 판단’의 코드화로

이 변화는 개발자의 역할 자체를 바꿔놓는다. 과거의 비즈니스 시스템은 정해진 로직대로 결과가 나오는 결정론적 시스템이었다. 반면 지금의 AI는 인간이 정보를 바탕으로 판단을 내리는 방식과 비슷하게, 복합적인 상황 속에서 추론하고 결정하도록 요구받는다. 사람이 수작업으로 처리하던 복잡한 비즈니스 프로세스를 AI로 자동화하는 일은 단순한 코드 작성을 넘어, 인간의 사고방식과 추론 과정을 논리적으로 ‘코드화’하는 고도로 창의적인 작업이다. AI가 내리는 ‘인간다운 결정’이란 AI가 사람처럼 생각한다는 뜻이 아니라, 인간의 복잡한 의사결정 과정을 이해하고 이를 자동화된 환경에 적용해 의미 있는 가치를 만들어내는 전략적 시도에 가깝다.

결국 남는 건 문제와 사랑에 빠지는 태도

웨스트가 개발자들에게 건넨 조언은 단순했다. 그리고 어떤 특정 툴이나 프레임워크보다 오래갈 조언이었다. “해결책이 아니라 문제와 사랑에 빠져라.” 지금 의존하는 프레임워크, 기술, 프로그래밍 언어는 놀라울 만큼 빠르게 변할 것이다. 특정 기술 스택에 매몰되면 변화하는 환경에서 쉽게 도태된다. 반면 문제를 깊이 이해하고, 호기심을 잃지 않고, 판단력을 갖고 AI를 활용하는 전략적 사고방식은 오래도록 가치를 지닌다.

Click the button below to load the content from YouTube.

Always allow YouTube

AI를 둘러싼 이야기가 이토록 숨 가쁘게 느껴지는 지금, 이런 태도가 오히려 도움이 된다. 맹목적인 열광도, 막연한 두려움도 아닌 호기심과 절제로 이 순간을 대하는 태도 말이다. 관건은 AI로 얼마나 더 많이 만들어내느냐가 아니라, AI를 잘 활용했을 때 우리의 생각과 판단이 얼마나 더 나아지느냐다. 결국 좋은 질문을 던질 줄 아는 사람만이, 좋은 답을 얻는 시대가 오고 있다.

• 원문: Fall in Love with the Problem, Not the Solution: Rethinking AI for Real Impact, Features, �鶹ԭ�� News Center

The post AI에게 답을 맡기지 말고, 질문을 맡겨라 appeared first on �鶹ԭ�� Korea 뉴스센터.

기업의 의사결정 중 절반 이상이 여전히 며칠씩 걸린다. �鶹ԭ��가 그리는 은 이 시간을 순간으로 줄인다. 프로세스 지식, 데이터, 거버넌스라는 세 원칙 위에서 재무부터 산업별 AI까지, 결정의 속도가 어떻게 달라지는지 들여다본다.

글쓴이: 에릭 반 로섬(Eric van Rossum), 번역: 클로드(Claude)

오늘날 기업 리더들은 점점 예측하기 어려운 환경에서 더 빠르고 정확한 결정을 내려야 합니다. 수요는 순식간에 바뀌고, 공급망은 언제든 흔들리며, 비용과 마진 압박도 계속됩니다. 그런데 이런 결정들은 한 부서만의 일이 아니라 여러 기능을 가로지르며 이루어집니다.

문제는 분명합니다. 기회를 놓치지 않으면서도 공급, 마진, 고객 신뢰를 지키려면 어떻게 빠르게 움직여야 할까요? 흩어진 시스템에서 데이터를 모으고 의견을 맞춰 결정을 내리기까지는 너무 많은 시간과 수작업이 듭니다. 그렇게 결정을 내리고 나면 상황은 이미 또 바뀌어 있죠.

그래서 �鶹ԭ��는 Sapphire 행사에서 ‘자율형 기업(Autonomous Enterprise)’ 개념을 제시했습니다. 변화를 더 빨리 감지하고, 그 영향을 비즈니스 전체 관점에서 이해하고, 대응을 조율하면서도 중요한 결정의 주도권은 사람에게 남겨두는 것이 핵심입니다.

자율성, 새로운 차원으로

끊임없는 인텔리전스, 실시간 맥락 기반의 결정, 따로 움직이던 조직이 하나의 연결된 시스템으로 작동하는 것. 이것이 자율형 기업이 그리는 변화입니다. 이를 떠받치는 세 가지 원칙도 제시됐습니다. 첫째는 ‘프로세스 지식‘, 비즈니스가 실제로 어떻게 돌아가는지에 대한 깊은 이해입니다. 둘째는 ‘비즈니스 데이터‘, AI가 제대로 일할 수 있게 풍부하고 맥락이 살아있는 데이터를 갖추는 것입니다. 셋째는 ‘거버넌스‘, 모든 과정이 투명하고 추적 가능하며 정책 안에서 이루어지도록 지탱하는 기반입니다. AI의 모든 행동은 기록으로 남고, 책임이 필요한 예외에는 언제나 사람의 판단이 개입합니다.

비즈니스 전반을 잇는 인텔리전스

중심에는 가 있습니다. Joule이 비즈니스로 들어가는 단일 창구가 되고, 재무, 공급망, 구매, 인사, 고객경험 같은 핵심 영역이 그 안에서 서로 연결됩니다. 사람은 우선순위와 정책, 가드레일을 정하고, 어시스턴트는 맥락을 이해해 업무를 조율하며, 에이전트는 신호를 감지해 작업을 실행합니다. IDC 조사에 따르면 기업 의사결정의 절반 이상이 결정까지 1~7일 걸립니다. �鶹ԭ��가 좁히려는 간극이 바로 이 부분, ‘며칠’을 ‘순간’으로 바꾸는 일입니다.

자율형 재무가 보여주는 변화

는 이 변화를 가장 잘 보여주는 예입니다. 여전히 많은 재무 조직이 수작업과 파편화된 데이터, 느린 처리 속도에 발목 잡혀 있습니다. 자율형 재무에서는 계획, 매출 관리, 자금, 결산, 컴플라이언스, 세무까지 전 과정에서 전문화된 에이전트들이 백그라운드에서 끊임없이 일합니다. 청구가 빨라지면 자금 흐름이 또렷해지고, 이는 더 정확한 계획과 더 과감한 경영 판단으로 이어집니다. 재무팀은 숫자를 좇는 대신 미래를 그리는 데 시간을 씁니다.

산업 AI, 깊이를 더하다

같은 공급망 문제라도 제약, 제조, 농업, 유통, 에너지마다 규칙과 데이터, 가치사슬이 전혀 다르기 때문입니다. �鶹ԭ��는 일반 AI에 비즈니스를 가르치는 방식이 아니라, 수십 년간 쌓은 산업별 노하우를 AI에 그대로 심어 넣는 방식을 택했습니다.

나아갈 길

결국 핵심은 AI가 업무 하나에 머무르지 않고, 기업 전체에서 끊임없이 감지하고 추론하고 행동하고 배우도록 돕는 것입니다. 그 과정에서 사람은 여전히 운전대를 잡고 있습니다. 완벽한 시스템을 기다릴 필요는 없습니다. 지금 가진 환경 위에서 한 걸음씩 시작하면 됩니다. 이것이 자율형 기업으로 가는 여정의 시작입니다.

• 원문: The Autonomous Enterprise: Better Decisions in Motion, Corporate Blog, �鶹ԭ�� News Center

The post 며칠 걸리던 결정을 순간으로, �鶹ԭ��가 말하는 자율형 기업 appeared first on �鶹ԭ�� Korea 뉴스센터.

더 똑똑한 모델이 아니라, 기업을 더 깊이 아는 AI가 진짜 승부를 가릅니다. �鶹ԭ��가 그리는 ‘‘의 시대에는, AI가 프로세스와 권한, 데이터까지 이해하고 사람과 함께 신뢰할 수 있는 답을 만들어냅니다.

글쓴이: 크리스천 클라인(Christian Klein), 번역: 클로드(Claude)

모델 경쟁을 넘어서 — 진짜 격차는 ‘컨텍스트’다

지금 많은 기업이 AI를 실험하고 있습니다. 인상적인 데모와 성공적인 파일럿도 있지만, AI가 회사 전체를 바꿨다고 말할 수 있는 곳은 드뭅니다. 그 차이를 만드는 건 모델 성능이 아니라 ‘컨텍스트’ — AI가 기업이 실제로 어떻게 돌아가는지 이해하는 능력입니다.

요즘 AI 논의는 어떤 모델이 가장 뛰어난지에 쏠려 있지만, 진짜 문제는 다른 곳에 있습니다. 기업은 여러 팀과 정책, 승인, 권한이 얽힌 워크플로우로 움직입니다. 모델은 답을 만들고 에이전트는 작업을 끝내지만, 누가 권한이 있는지, 어떤 규칙이 적용되는지에 대한 이해 없이는 AI가 약속을 지킬 수 없습니다.

자율형 기업(Autonomous Enterprise), 새로운 시대의 청사진

깊은 비즈니스 컨텍스트를 갖춘 소프트웨어의 가치가 점점 높아지고 있습니다. AI 에이전트가 엔드투엔드 프로세스를 이해하면, 개별 작업을 자동화하는 데 머물지 않고 프로세스 전체를 운영할 수 있습니다. 이것이 바로 ‘자율형 기업’ — 실행 시스템에서 추론하고 결정하고 행동하는 시스템으로의 전환입니다. 직원들은 반복적인 조율 업무에서 벗어나 더 높은 가치의 판단과 전략에 집중할 수 있습니다.

�鶹ԭ��의 50년 자산과 Joule — 컨텍스트가 신뢰할 수 있는 답이 되는 과정

�鶹ԭ��는 50년 넘게 기업의 핵심 프로세스를 지원해왔습니다. �鶹ԭ�� 시스템은 데이터를 저장하는 것을 넘어 기업이 실제로 운영되는 방식 — 프로세스, 규칙, 결정 — 을 담고 있습니다. ERP는 기업의 기억이자 두뇌입니다. 새로운 은 데이터·프로세스·거버넌스를 AI를 위한 통합 컨텍스트로 묶습니다. Joule이 그 위에서 사람과 AI를 잇는 인터랙션 레이어 역할을 합니다. Joule Assistant는 사용자와 협업하고, 는 워크플로우를 끝까지 실행합니다.

예를 들어 “최신 파이프라인과 공급망 데이터로 연간 재무 전망이 어떻게 바뀔지 보여줘”라는 질문을 받으면, 시스템은 먼저 올바른 프로세스를 찾고, 조직별 설정을 이해한 뒤, 수백만 데이터 필드 중 정확한 데이터를 선택합니다. 마지막으로 신원과 권한, 접근 통제를 검증해 결과의 신뢰성을 보장합니다.

기술보다 먼저, 변화관리가 답이다

이런 수준에 도달하려면 챗봇을 추가하거나 기존 시스템에 AI를 얹는 것만으론 부족합니다. 많은 기업은 여전히 파편화된 시스템과 분산된 데이터를 안고 있어, AI를 그냥 덧붙이면 비효율과 위험이 오히려 커집니다. 프로세스와 데이터, 인프라가 함께 작동하는 방식, 인간과 AI의 역할 분담을 다시 설계해야 합니다. 직원 재교육, 프로세스 재설계, 시스템 현대화가 함께 가야 하며, 이를 위해 �鶹ԭ��는 새로운 AI 기반 RISE·GROW 오퍼링과 서비스 모델 재정비를 추진하고 있습니다.

새 시대의 시작, 그리고 �鶹ԭ��의 자리

새로운 시대는 지능이 운영과 분리되지 않고 그 안에 내재되는 시대입니다. 앞서가는 기업은 가장 뛰어난 모델을 가진 기업이 아니라, 컨텍스트와 거버넌스, 신뢰를 갖춰 AI를 실제 비즈니스 운영에 연결한 기업입니다. 자율형 기업의 시대가 시작되고 있고, �鶹ԭ��는 이를 실현할 가장 좋은 위치에 있습니다.

• 원문: , , LinkedIn

The post AI 시대, 모델 경쟁은 끝났다, 이제는 컨텍스트다 appeared first on �鶹ԭ�� Korea 뉴스센터.