MIT Tech Review • 26일 전

AI로 달성하는 운영 혁신

IMP

6/10

핵심 요약

린 식스 시그마와 비즈니스 프로세스 관리(BPM) 같은 기존 프로세스 혁신 기법에 인공지능(AI)을 융합하려는 기업의 투자가 급증하고 있습니다. 하지만 AI의 잠재력을 온전히 실현하려면, 데이터 기반의 의사결정과 확립된 프로세스 관리 역량이라는 탄탄한 기반이 먼저 갖춰져야 합니다. 즉, 기존 프로세스 혁신 기반이 있어야 AI가 진정한 시너지를 낼 수 있습니다.

번역된 본문

본문: 후원 (Teleperformance와 함께 함)

린 식스 시그마(Lean Six Sigma)와 비즈니스 프로세스 관리(BPM) 같은 프레임워크는 복잡하고 혼란스러운 운영 환경에 질서를 부여하는 체계적인 방법을 제공하여 혼돈 속에서 명확성을 약속했기 때문에 처음에는 큰 인기를 끌었습니다. 린 식스 시그마는 통계적 엄격함과 품질 관리를 강조했고, BPM은 부서 간 업무가 어떻게 흘러가야 하는지에 대한 종단 간(end-to-end) 지도를 만들었습니다. 두 방식 모두 측정, 분석, 책임감의 습관을 일상적인 기업 문화에 반복적으로 내재화하는 방법을 제공했습니다.

[보고서 다운로드]

하지만 오늘날 기업들이 기존의 프로세스 우수성 방법론에 AI를 접목하려 함에 따라, 이러한 검증된 방식들은 진화하고 있습니다. 일부 추정에 따르면 AI 기반 프로세스 최적화 시장은 향후 10년 내에 1,130억 달러를 초과할 것으로 전망됩니다. 한 연구에 따르면 88%의 비즈니스 리더가 향후 12~18개월 이내에 AI가 접목된 프로세스 지능에 대한 투자를 늘릴 것으로 예상했습니다.

하지만 올바른 기반이 없다면 이러한 투자의 상당수는 잠재력을 온전히 발휘하지 못할 수 있습니다. 이미 체계적으로 운영되는 기업은 유리한 위치에 있습니다. 불안정한 기반 위에 억지로 끼워 맞추는 대신, 새로운 도구를 검증된 시스템에 통합할 수 있기 때문입니다. 성숙한 프로세스 관리 역량을 갖춘 조직은 또한 AI에 대한 야심을 실질적인 성과로 전환할 위치에 있습니다. 이미 데이터 기반 의사결정과 프로세스 원칙에 익숙하기 때문인데, 이는 AI 시스템이 가치를 창출하는 데 필요한 정확한 문화적 기반입니다.

간단히 말해, AI는 프로세스 혁신을 가속화할 수 있지만, 기존 프로세스가 혁신되어 있어야 AI가 진정으로 영향력을 발휘할 수 있습니다. 더 이상 기술과 프로세스는 분리된 수단이 아니며, 이 둘을 하나로 결합하는 조직만이 양쪽의 가치를 모두 실현할 수 있습니다.

[전체 보고서 다운로드]

이 콘텐츠는 MIT 테크놀로지 리뷰의 맞춤형 콘텐츠 부서인 Insights에서 제작했습니다. MIT 테크놀로지 리뷰의 편집진이 작성한 것이 아닙니다. 인간 작가, 편집자, 분석가 및 일러스트레이터에 의해 조사, 디자인 및 작성되었습니다. 여기에는 설문조사 작성 및 데이터 수집이 포함됩니다. 사용되었을 수 있는 AI 도구는 철저한 인간 검토를 거친 보조 제작 과정으로만 제한되었습니다.

[심층 분석]

인공지능

스타트업, LLM 발목을 잡는 병목 현상을 돌파했다고 주장하다 Subquadratic이 새로운 모델에 대한 자세한 내용을 공유했습니다. 하지만 여전히 회의적인 시각도 있습니다. - Will Douglas Heaven 기자
AI 일자리 대체 공포에 대한 현실 점검 노동 시장에 미치는 인공지능의 영향에 대해 숫자는 실제로 무엇을 말하고 있을까요? 그 답은 여러분을 놀라게 할 수도 있습니다. - David Rotman 기자
안스로픽의 코드 위드 클로드(Code with Claude), 소프트웨어 코딩의 미래를 보여주다 좋든 싫든 클로드 코드와 같은 도구가 개선되면서 점점 더 많은 개발자가 코딩 작업을 기꺼이 이들에게 넘기고 있습니다. 소프트웨어가 만들어지는 방식이 영원히 바뀌었습니다. - Will Douglas Heaven 기자
AI 챗봇, 사람들의 실제 전화번호를 무단으로 제공하다 사람들이 자신의 개인 연락처 정보가 구글 AI에 의해 노출되었다고 보고하고 있으며, 이를 막을 쉬운 방법은 현재로서는 없어 보입니다. - Eileen Guo 기자

연결 유지 (일러스트레이션: Rose Wong) MIT 테크놀로지 리뷰의 최신 소식을 받아보세요. 특별한 제안, 주요 기사, 예정된 이벤트 등을 확인해 보세요. 이메일을 입력하세요. 개인정보 처리방침. 이메일 제출해 주셔서 감사합니다! 더 많은 뉴스레터 탐색. 문제가 발생한 것 같습니다. 환경설정을 저장하는 데 문제가 있습니다. 이 페이지를 새로 고침하고 한 번 더 업데이트해 보세요. 계속해서 이 메시지가 표시되면, 받고 싶은 뉴스레터 목록을 customer-service@technologyreview.com으로 보내주세요.

원문 보기

원문 보기 (영어)

Sponsored In association with Teleperformance Frameworks like Lean Six Sigma and business process management (BPM) first gained traction because they promised clarity in the chaos—a structured way to bring order to messy, sprawling operations. Lean Six Sigma emphasized statistical rigor and quality control; BPM created end-to-end maps of how work should flow across departments. Both offered a repeatable way to embed habits of measurement, analysis, and accountability into day-to-day company culture. DOWNLOAD THE REPORT But today, those time-tested playbooks are evolving as companies seek to embed AI into established process excellence methodologies. By some estimates, the market for AI-powered process optimization is projected to exceed $113 billion within the next decade. In one study, a full 88% of business leaders anticipated increasing investments into AI-infused process intelligence in the next 12 to 18 months. Yet without the right foundations, many of those investments may not fully deliver on their potential. Companies that already operate with discipline have an edge. They can channel new tools into proven systems rather than bolting them onto shaky foundations. Organizations with mature process disciplines are also better positioned to translate AI ambition into real outcomes, as they are already accustomed to data-driven decision-making and process discipline—precisely the cultural foundation AI systems need to deliver value. Simply put: AI can accelerate process excellence, but existing process excellence is what makes AI truly impactful. Technology and process are no longer separate levers, and only organizations that pull them together stand to realize the full value of both. Download the full report. This content was produced by Insights, the custom content arm of MIT Technology Review. It was not written by MIT Technology Review’s editorial staff. It was researched, designed, and written by human writers, editors, analysts, and illustrators. This includes the writing of surveys and collection of data for surveys. AI tools that may have been used were limited to secondary production processes that passed thorough human review. Deep Dive Artificial intelligence A startup claims it broke through a bottleneck that’s holding back LLMs Subquadratic has now shared more details about its new model. But some are still skeptical. By Will Douglas Heaven archive page A reality check on the AI jobs hysteria What do the numbers really say about the impact of artificial intelligence on the labor market? The answer might surprise you. By David Rotman archive page Anthropic’s Code with Claude showed off coding’s future—whether you like it or not As tools like Claude Code get better, more and more developers are happy to hand off coding tasks to them. The way software gets built has changed for good. By Will Douglas Heaven archive page AI chatbots are giving out people’s real phone numbers People report that their personal contact info was surfaced by Google AI—and there’s apparently no easy way to prevent it. By Eileen Guo archive page Stay connected Illustration by Rose Wong Get the latest updates from MIT Technology Review Discover special offers, top stories, upcoming events, and more. Enter your email Privacy Policy Thank you for submitting your email! Explore more newsletters It looks like something went wrong. We’re having trouble saving your preferences. Try refreshing this page and updating them one more time. If you continue to get this message, reach out to us at customer-service@technologyreview.com with a list of newsletters you’d like to receive.

운영 혁신 AI 도입 비즈니스 프로세스 관리 린 식스 시그마 데이터 기반 의사결정