AI는 늘었는데, 가치는 제자리다

AI는 비즈니스 역사상 가장 빠르게 퍼진 기술 중 하나입니다. 하지만 AI가 만드는 가치까지 그만큼 커진 것은 아닙니다. �鶹ԭ��가 옥스포드 이코노믹스(Oxford Economics)와 함께 진행한 최신 글로벌 연구에 따르면, 기업들은 이미 전체 업무의 약 25%에 AI를 활용하고 있습니다. 그런데 AI를 중심으로 비즈니스 자체를 근본적으로 바꾼 기업은 9%에 그쳤습니다. 도입 속도는 빠른데, AI를 회사가 일하는 방식 안에 녹여낸 곳은 많지 않다는 뜻입니다.

가장 큰 걸림돌은 기술이 아니라 준비태세

그렇다면 왜 많은 AI 프로젝트가 중간에 멈출까요? 연구의 결론은 분명합니다. 가장 큰 걸림돌은 더 이상 AI 기술이 아니라 비즈니스 준비태세입니다. 많은 기업이 개별 애플리케이션에 AI를 붙이는 데까지는 왔지만, AI를 데이터, 프로세스, 거버넌스와 연결해 전사적 가치를 만든 기업은 훨씬 적습니다. 파일럿은 잘 돌아가는데 확산이 안 되는 이유입니다. �鶹ԭ��가 말하는 은 데이터, 프로세스, 거버넌스 위에 세운 AI입니다. 핵심 업무 프로세스는 “거의 맞는” 수준으로는 안 되기 때문입니다.

“AI는 고객이 누구인지, 어떤 계약이 적용되는지, 재고가 얼마나 있는지, 어떤 승인 정책이 있는지, 어떤 규제 요건을 충족해야 하는지 등 비즈니스가 실제로 돌아가는 방식에 뿌리를 둘 때에만 현명한 비즈니스 판단을 뒷받침할 수 있습니다.”

하비에르 나바로, SEIDOR, �鶹ԭ�� 글로벌 총괄

파트너들이 현장에서 느끼는 변화

컨설팅 파트너들의 이야기도 같은 방향입니다. 액센츄어 엣지(Accenture Edge)의 DK 신하 CEO는 고객들이 이제 AI를 어떻게 도입하느냐보다, 빠르게 확장해 최대한의 가치를 얻으면서 위험은 줄이는 방법을 묻는다고 전했습니다. SEIDOR의 �鶹ԭ�� 글로벌 총괄 하비에르 나바로는 AI가 제대로 판단하려면 고객이 누구인지, 어떤 계약이 적용되는지, 재고가 얼마나 있는지, 어떤 승인 정책과 규제를 따라야 하는지 같은 비즈니스 맥락 위에 서 있어야 한다고 강조했습니다. 일반 AI가 자연어를 안다면, 기업용 AI는 우리 비즈니스의 언어를 알아야 한다는 설명입니다.

중견 고속 성장 기업에 열린 기회

이 기회가 가장 큰 곳은 중견 고속 성장 기업입니다. 대기업만큼 규모가 있어 AI로 의미 있는 가치를 만들 수 있고, 동시에 더 빠르게 움직일 민첩성도 있습니다. 연결할 시스템이 적고, 의사결정 단계가 짧고, 기술 부채도 적습니다. 그래서 자율형 기업 역량을 수년이 아닌 수주 만에 적용하고, 훨씬 빨리 투자 대비 성과를 볼 수 있습니다.

“중앙 데이터 기반이 모든 프로젝트에서 지속적으로 학습하기 때문에, 지식은 시간이 갈수록 복리로 쌓입니다.”

후루야 지로, 프리덤 컨설팅(Freedom Consulting), CEO

컨설턴트 의존에서 고객 주도로

다만 변혁을 진행하는 방식도 달라져야 합니다. 가장 어려운 일은 AI 기술 구현이 아니라, 컨설턴트 의존을 줄이고 고객에게 주도권을 넘기도록 운영 모델을 다시 설계하는 것입니다. 그래서 고객 역량 강화 우선, 고객 주도권, AI 기반 지속적 학습이라는 세 원칙을 세웠습니다. 프리덤 컨설팅(Freedom Consulting)의 후루야 지로 CEO는 고객에게는 실시간 가이드를, 컨설턴트에게는 �鶹ԭ�� Joule for Consultants 같은 도구를, 그 아래에는 모든 프로젝트에서 배우는 중앙 데이터 기반을 제공한다고 설명했습니다. 여기에 �鶹ԭ�� GROW Fast 방법론을 더해 6주 단위 웨이브로 가동을 이어가며 역량이 고객 조직에 남도록 한다는 것입니다.

“고객과의 대화가 근본적으로 달라졌습니다. 이제 고객들은 AI를 어떻게 도입할지가 아니라, 어떻게 빠르게 활용하고 확장해 최대한의 비즈니스 가치를 얻으면서 위험은 최소화할지를 요구합니다.”

DK 신하, 액센츄어 엣지(Accenture Edge), CEO

기술이 아니라 트랜스포메이션, 그리고 생태계

결국 기술만으로는 자율형 기업이 될 수 없습니다. 필요한 것은 비즈니스 트랜스포메이션입니다. �鶹ԭ��가 신뢰할 수 있는 플랫폼을 제공한다면, 파트너 생태계는 산업 전문성과 변화 관리 역량으로 이를 측정 가능한 성과로 바꿉니다. �鶹ԭ��는 AI 어시스턴트와 에이전트 도입을 앞당기기 위해 1억 유로 규모의 파트너 펀드도 마련했습니다. AI의 첫 장이 사람이 더 빨리 일하도록 돕는 것이었다면, 다음 장은 기업이 더 똑똑하게 생각하고 결정하고 운영하도록 돕는 것입니다.

산티나 프란치(Santina Franchi)는 �鶹ԭ�� Corporate Segment 사장입니다.

The post �鶹ԭ�� 연구가 짚은 AI의 병목, 기술이 아닌 준비태세 appeared first on �鶹ԭ�� Korea 뉴스센터.

너도나도 AI 도입, 그런데 성과는 왜 이럴까

이제 AI를 도입해야 하나 말아야 하나를 고민하는 기업은 없다. 문제는 그다음이다. �鶹ԭ�� SuccessFactors에서 HCM Value Advisor로 일하는 송일석 파트너는 발표에서 성격이 다른 두 숫자를 나란히 보여줬다. HR에 AI를 도입해 채용 기간과 행정 업무 시간을 줄였다는 효율화 성과가 한쪽에 있다면, 반대쪽에는 HR 리더의 88%가 AI로 의미 있는 비즈니스 가치를 만들지 못했다고 답했고, 실제로 의미 있는 가치를 낸 기업은 5%에 불과하다는 조사가 있다. 특정 영역의 효율은 개선됐지만, 그것이 진짜 비즈니스 가치로는 아직 이어지지 못하고 있다는 뜻이다.

효율은 왜 성과로 이어지지 않을까

이유는 두 가지다. 첫째, AI가 벌어준 시간이 그냥 새어 나간다. �鶹ԭ�� 리서치에 따르면 직원들은 AI로 하루 평균 75분을 절감하지만, 대부분 그 시간에 하던 업무를 계속한다. 46%는 이 시간을 회사가 아닌 자기 시간으로 여겨 쉬거나 개인적인 일에 써버린다. 둘째, AI로 얻은 효율이 다른 중요한 가치를 갉아먹는다. 스웨덴의 한 핀테크 기업은 AI 챗봇을 도입하며 상담 직원 700명을 내보냈다. 비용과 응답 속도는 크게 개선됐지만, 챗봇의 응답 품질과 감정적 교류 부족에 고객 불만이 폭주해 결국 인간 상담 직원을 다시 채용했다. 표면적인 절감에 집중하다 고객 신뢰라는 더 중요한 가치를 놓친 사례다.

“결국 우리가 성공적으로 AI 전환을 이룩하기 위해서는 기술이 아니라 일과 조직의 설계 역량, 즉 HR의 역량에 성공 여부가 달려있다.”

송일석, HCM Value Advisor, �鶹ԭ�� SuccessFactors

AI 에이전트 시대, 재설계는 선택이 아니다

과거의 AI는 직원의 업무를 돕는 도구였지만, 스스로 판단하고 행동하는 AI 에이전트는 일의 또 다른 주체다. 어떤 업무를 AI에게, 어떤 업무를 사람에게 맡기고 언제 개입할지 반드시 설계해야 한다. 실제로 AI 도입 후 팀원 관리·문제 해결·신규 스킬 학습은 늘고 반복적 행정 업무나 리포트 작성은 줄었지만, 절반이 넘는 직원이 이 변화를 “그냥 스스로 그렇게 됐다”고 답한다. 의도 없이 일이 변하면 관리자는 직원이 무엇을 하는지 시야를 잃고, 책임 소재가 불분명해지며 번아웃과 보안 이슈로 이어질 수 있다. 이른바 ‘업무의 표류’다.

HR이 해야 할 세 가지 – 여유 재배치, 감정 수용성, 일의 재설계

그래서 HR이 나서야 한다. 첫째, AI로 확보한 여유를 가치 있는 곳으로 재배치해야 한다. 어떤 업무에 AI를 얼마나 적용하고 어떤 업무는 보호할지 정한 뒤, 생긴 캐파시티를 반복 업무가 아니라 전략적 업무나 미뤄둔 혁신 과제로 돌려야 한다. AI가 할 수 있는 건 다 맡기는 ‘AI 맥시멀리스트’보다, AI와 인간의 잠재력을 함께 고려하는 ‘공생적 전략가’를 택한 조직에서 직원 몰입도와 성과가 함께 오른다.

둘째, 직원의 감정 수용성을 확보해야 한다. AI가 내 일을 대체할 것 같다는 응답이 10%포인트 오를 때마다 일자리 불안감은 25%씩 커진다. 기대가 클수록 불안도 커진다는 뜻이다. 경영진이 이 감정과 불안 관리를 우선순위로 두고 변화의 이유와 성공의 모습을 구체적으로 커뮤니케이션해야 한다. 무엇보다 AI 리터러시가 수용성을 결정하는 가장 중요한 요인이었다. 조직도에 AI를 사람처럼 표기하면 대체의 신호로 읽혀 몰입도가 15% 떨어진다. AI는 도구와 동료의 중간인 ‘툴메이트’로, 이름도 사람 이름이 아니라 ‘어시스턴트’나 ‘코파일럿’처럼 건조하게 붙이는 게 낫다.

셋째, 일 자체를 다시 설계해야 한다. 직무 단위가 아니라 업무 단위로 접근해 AI와 사람의 역할을 나누고 필요한 스킬을 매핑해야 한다. 이렇게 쌓인 업무가 결국 새 직무로 묶이는데, 이때 과업의 다양성이나 커리어 패스 같은 ‘좋은 직무의 조건’을 의도적으로 넣어야 한다. AI 결과물을 무비판적으로 받아들이지 않도록 ‘인지 과속방지턱’을 넣고, 중요한 결정은 사람이 승인하는 휴먼 인 더 루프도 필요하다. 판단 중심인지 규칙 중심인지, 데이터가 명확한지, 감정적 신뢰가 필요한지 등 여섯 가지 기준으로 업무를 나눠야 한다.

HR IT 솔루션도 뒷받침돼야 한다

통합된 데이터 기반, 프로세스에 내재화된 AI 에이전트, 스킬 기반 인사 프레임워크, 휴먼 인 더 루프, 지속적인 진화가 핵심이다. �鶹ԭ�� SuccessFactors는 HR 전 영역을 통합한 HR Suite, 스킬 기반 프레임워크인 Talent Intelligence Hub, AI 에이전트 중심의 비전으로 이를 구현하며, ‘관련성’, ‘신뢰성’, ‘책임성’ 3대 원칙 아래 연 2회 대규모 업데이트를 제공한다.

결국 HR의 설계력이 성공을 가른다

AI는 단순한 도구가 아니라 일의 미래를 바꾸는 디스럽터다. 사람, 일, 조직을 다시 연결해 근본적으로 재설계하는 일이 필요하고, 이를 가장 잘할 수 있는 조직이 바로 HR이다. AI 전환의 성공 여부는 기술이 아니라 일과 조직을 설계하는 HR의 역량에 달려 있다.

송일석 파트너는 �鶹ԭ�� SuccessFactors 소속 HCM Value Advisor입니다.

The post AI 전환의 성공, 결국 HR의 설계력에 달려있다 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.

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.

컨테이너가 어디로 사라졌는지 알 길이 없던 시절이 있었다. 하팍로이드가 200만 개 컨테이너에 추적 장치를 달고, �鶹ԭ��가 그 데이터를 로 끌어오면서 상황이 달라졌다. 이제 질문은 “어디 있나”가 아니라 “그래서 어떻게 할까”다.

글쓴이: 크리스토프 릭센펠트(Christoph Lixenfeld), 번역: 클로드(Claude)

컨테이너가 말을 걸어올 때: 하팍로이드와 �鶹ԭ��의 공급망 새 지도

카스텐 슈미트는 한동안 익숙한 무력감에 시달렸다. 함부르크 항을 떠난 컨테이너가 뮌헨에 제때 도착하지 않으면, 그가 알 수 있는 건 딱 거기까지였다. “선적됐다”는 사실과 “도착 예정”이라는 계획 사이, 그 컨테이너가 실제로 어디를 지나고 있는지는 깜깜한 어둠 속이었다. 세계 5위 해운사인 하팍로이드에서 라이브 포지션 및 트랙 앤 트레이스 도구를 총괄하는 그에게, 이 공백은 단순한 불편이 아니라 업계 전체가 안고 있는 구조적 결함이었다.

그 결함이 얼마나 치명적인지를 모두에게 각인시킨 건 코로나19였다. �鶹ԭ�� SE의 디지털 채택 최고 전문가 스벤 요크 폴은 그 시기를 이렇게 회고한다. “심각한 지연이 반복되면서, 물류 프로세스가 훨씬 더 투명해져야 한다는 걸 절감했습니다.” 팬데믹은 전 세계 공급망을 뒤흔들었고, 그 여파가 채 가시기도 전에 이번엔 호르무즈 해협의 지정학적 긴장이 해상 운송을 다시 압박하기 시작했다. 기업들이 택할 수 있는 방어책은 사실상 하나뿐이었다. 재고를 넉넉히, 아니 넘치도록 쌓아두는 것. 그러나 그 안전판은 곧바로 비용이라는 청구서로 돌아왔다.

어둠 속의 컨테이너에 불을 켜다

슈미트의 팀이 택한 해법은 단순하면서도 근본적이었다. 모든 드라이 컨테이너에 위치 정보를 실시간으로 쏘아 올리는 IoT 장치를 다는 것. “팬데믹 이후 우리는 이렇게 결정했습니다. 2024년 중반까지 전체 선단의 90%에 장치를 장착했죠.” 그 결과 하팍로이드는 전 세계 200만 개 이상의 컨테이너를 추적할 수 있게 됐고, 육상에서는 15분마다, 해상에서는 6시간마다 위치 데이터를 갱신해 고객에게 실시간으로 전달하기 시작했다. 더 이상 “선적됐다”는 말과 “도착했다”는 말 사이의 침묵은 없었다.

하지만 데이터가 아무리 정교해도, 그것이 갇혀 있는 창고 안에서는 힘을 발휘하지 못한다. 이 지점에서 폴과 슈미트의 이야기가 만난다. 두 사람은 하팍로이드에서 진행된 �鶹ԭ�� 전환 프로젝트를 계기로 자주 마주치게 됐고, 대화를 거듭할수록 같은 결론에 도달했다. 위치 데이터의 진짜 잠재력은 별도의 조회 화면이 아니라, 기업이 실제로 생산과 업무를 관리하는 시스템 안에서 발휘된다는 것이었다. “중간재가 정확히 언제 도착할지, 며칠이나 늦어질지 안다면 이후 생산 단계를 정밀하게 계획할 수 있습니다.” 폴의 말이다. 그렇게 두 사람은 하팍로이드의 위치 데이터를 시스템으로 끌어오는 작업을 함께 구상하기 시작했다.

항구에서 생산 라인까지, 데이터가 흐르는 길

그 구상은 지금 클라우드 솔루션으로 구현되어 있다. 이 솔루션은 공급망 전 구간에 걸쳐 실시간 배송 정보를 투명하게 제공할 뿐 아니라, 그 데이터를 기업의 백엔드 시스템에 네이티브하게 심어 넣는다. 예를 들어 안에 컨테이너의 현재 위치를 알려주는 자동 알림을 직접 통합할 수 있게 되는 식이다. 여기에 화주와 물류 서비스 제공업체, 운송사를 매끄럽게 연결하는 클라우드 협업 플랫폼 까지 더해지면서, 데이터는 단순한 가시성 확보를 넘어 공급망 보안을 높이고 원산지부터 완제품까지의 추적을 통해 짶�속가��성까지 뒷받침하게 됐다.

이 변화의 수혜자는 한둘이 아니다. 슈미트는 그 목록을 이렇게 짚는다. “물류 관리자들이 가장 직접적인 혜택을 봅니다. 컨테이너가 어디 있고 언제 도착할지 정확히 알아야 하니까요.” 그 뒤를 창고 계획 담당자들이 잇는다. 재고를 너무 낮추지도, 그렇다고 불필요하게 쌓아두지도 않는 그 아슬아슬한 균형점을 이제는 데이터로 찾을 수 있게 됐다. 운송사들은 경로를 더 효율적으로 짤 수 있게 됐고, 나아가 이 데이터는 결제 프로세스를 간소화하는 데까지 손을 뻗고 있다.

혼란이 증명한 것

이론이 현실의 시험대에 오른 건 최근 중동의 갈등이 격화되면서였다. “엄청난 수의 컨테이너가 페르시아만에서 사우디아라비아를 가로질러 홍해의 제다 항까지 운송된 뒤, 그곳에서 다시 선적되고 있습니다.” 슈미트가 설명한다. “우리 추적 솔루션 덕분에 저는 제가 택한 육상 경로와 컨테이너의 현재 위치를 끊임없이 확인할 수 있습니다.”

그러나 실시간 위치를 아는 것과, 막상 컨테이너가 발이 묶였을 때 대응하는 것은 다른 차원의 문제였다. 페르시아만에 15,000개의 컨테이너가 발이 묶이자, 평소처럼 전화로 들어오는 문의만으로는 도저히 감당이 되지 않았다. 하팍로이드는 예약 여부와 상관없이 모든 고객에게 라이브 포지셔닝 서비스를 전면 개방하는 승부수를 던졌다. 예상치 못한 위기 대응에서 나온 이 결정은, 뜻밖에도 앞으로 나아갈 방향을 스스로 증명해 보였다. “이 해결책이 앞으로 고객들의 프로세스는 물론 우리 자신의 프로세스까지 얼마나 단순화할 수 있는지, 그 잠재력을 보여줬습니다.”

다음 질문은 “어디에 있나”가 아니라 “그래서 어떻게 할까”

두 사람이 그리는 다음 단계는 위치를 아는 것에서 한 걸음 더 나아간다. 폴은 이렇게 그림을 그린다. “앞으로 �鶹ԭ�� 사용자들은 배송이 지연될 때 어떤 선택지가 있는지, 어떤 대체 운송 수단을 쓸 수 있는지를 소프트웨어에 직접 물어볼 수 있게 될 겁니다.” 슈미트는 구체적인 시나리오로 이를 뒷받침한다. 선박이 지연돼 예정된 철도 연결편을 놓쳤다면, 시스템이 예측 서비스를 통해 트럭을 통한 후속 운송이 가능한지, 그렇다면 여정이 얼마나 더 걸릴지를 곧바로 알려주는 식이다. 여기에 �鶹ԭ�� 클라우드 포트폴리오의 대표 AI 브랜드인 이 결합되면서, 사용자는 AI에게 구체적인 행동 방안을 제안해달라고 요청할 수 있게 된다.

슈미트는 마지막으로 이 모든 노력의 본질을 담담하게 정리한다. “장거리로, 특히 해상으로 상품을 운송할 때 지연을 완전히 배제할 수는 없습니다. 하지만 우리가 할 수 있는 건, 통제할 수 없는 일이 벌어졌을 때 느끼는 그 무력감과 아무것도 할 수 없다는 느낌을 없애주는 것입니다.”

• 원문: Connecting Cargo: How Live Positioning Is Streamlining Supply Chains,��Features,���鶹ԭ�� News Center

The post 컨테이너가 “어디 있나”를 넘어 “그래서 어떻게 할까”로 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.

AI 도구를 빨리 도입하는 것보다 중요한 건 ‘신뢰’다. Sapphire에서 공개한 는 흩어진 시스템과 반복 업무에서 사용자를 해방시키는 완전히 새로운 워크스페이스. 시대, �鶹ԭ�� 디자인팀이 그리는 일의 미래를 들여다본다.

글쓴이: 애린 보믹(Arin Bhowmick) �鶹ԭ�� 최고 디자인 책임자, 번역: 클로드(Claude)

AI 경쟁이 아니라, 신뢰의 문제

기업용 소프트웨어 시장은 지금 선택의 기로에 서 있다. AI를 빠르게 도입하지 않으면 뒤처진다는 위기감이 팽배하지만, 정작 기업 규모에서 진짜 ROI를 만드는 것은 ‘얼마나 빨리’가 아니라 ‘얼마나 신뢰할 수 있는가’다. �鶹ԭ��는 최근 Sapphire 행사에서 이 질문에 대한 답으로 Joule Work를 공개했다. AI와 협업해 업무 전체를 처리하는, 완전히 새로운 방식의 워크스페이스다.

자율형 기업, 일하는 방식의 중심이 바뀐다

Joule Work는 사용자의 의도를 먼저 읽는다. 필요한 인사이트를 스스로 찾아 보여주고, 반복 업무는 자동으로 처리하며, 여러 시스템에 흩어진 AI 에이전트들을 하나로 조율한다. 여기서 �鶹ԭ��가 강조하는 원칙은 명확하다. 좋은 디자인은 AI를 쓰기 쉽게 만드는 데서 그치지 않고, 잘못 쓰기 어렵게 만들어야 한다는 것. 이미 검증된 보안·거버넌스 체계 위에 세워진 만큼, 사용성과 책임감이 동시에 작동하는 구조다.

일관성을 넘어 ‘맥락’을 설계하다

기존의 디자인 시스템은 정적인 화면에 통일된 규칙을 적용하는 방식이었다. 하지만 AI 시대의 UI는 매번 다른 요청에 맞춰 즉석에서 만들어져야 한다. �鶹ԭ��는 이를 위해 을 새롭게 선보였다. AI를 위한 일종의 내비게이션 시스템처럼, 어떤 질문이 들어와도 그 맥락에 맞는 화면을 그때그때 구성해낸다. AI 에이전트가 여러 업무 영역을 오가며 일해도, 비즈니스 규정과 접근성 기준을 벗어나지 않도록 지켜주는 것이 이 시스템의 역할이다.

사람들이 정말 쓰고 싶어지는 AI

아무리 강력한 기술도 사람이 믿고 쓰지 않으면 무용지물이다. �鶹ԭ�� 디자인팀이 주목한 지점도 여기다. 자연어로 AI 에이전트를 부르는 것에서 나아가, Joule Studio를 통해 사용자가 직접 자신만의 AI를 만들 수 있도록 문턱을 낮췄다. 복잡한 코딩 없이도 필요에 맞게 기능을 확장할 수 있어, AI가 ‘전문가의 도구’에서 ‘모두의 도구’로 바뀌고 있다.

Joule Work가 여는 새로운 인간의 강점

�鶹ԭ��는 이번 변화를 ‘앱 중심’에서 ‘하나의 통합 공간’으로의 전환이라 설명한다. �鶹ԭ�� 시스템은 물론 외부 시스템까지 아우르는 단일 워크스페이스 안에서, 여러 시스템을 오가며 반복하던 수작업과 데이터 대조 작업이 사라진다. 대화형 인터페이스, 상황에 맞춰 스스로 구성되는 업무 공간, 그리고 개발자가 에이전트를 직접 만들고 배포하는 기능까지, Joule Work는 이 모든 것을 하나로 묶는다. 결국 기술이 사람의 자리를 대신하는 것이 아니라, 사람이 더 사람다운 일에 집중할 수 있게 돕는 것. 이것이 �鶹ԭ��가 그리는 자율형 기업의 진짜 모습이다.

• 원문: , , �鶹ԭ��

The post 좋은 AI는 잘못 쓰기 어렵다: �鶹ԭ��의 자율형 기업 디자인 원칙 appeared first on �鶹ԭ�� Korea 뉴스센터.