AI를 도입해 단기적인 비용 절감과 인력 감축을 단행하는 기업들은 장기적인 관점에서 엄청난 손실을 입게 될 것입니다. 진정한 경쟁력은 인력을 대체하는 것이 아니라, 기존 팀원들의 조직적 지식과 업무 맥락을 바탕으로 AI를 활용해 그들의 생산성과 업무 범위를 극대화할 때 발휘됩니다. 따라서 경영진은 '어디에 AI가 사람을 대체할 수 있는가'가 아니라 '어디에 AI가 직원들의 판단력을 필요로 하지 않는 단순 업무를 줄여 더 중요한 일에 집중하게 해줄 수 있는가'를 질문해야 합니다.
데이터 플랫폼 기업 도모(Domo)의 최고 디자인 책임자(CDO)는 기업들이 AI에 대한 '뒤처짐 불안감(FOMO)'과 조급함에 밀려 전략 없이 기술만 도입하고 있다고 비판했습니다. 공포 마케팅과 무분별한 사용(tokenmaxxing)은 실질적인 혁신이나 재무적 성과로 이어지지 않으며, AI를 목적이 아닌 '비즈니스 문제 해결을 위한 도구'로 접근해야 한다고 강조했습니다.
많은 조직이 소프트웨어 개발의 지연을 해결하기 위해 단순히 AI를 도입하거나 인력을 투입하려 하지만, 이는 근본 원인을 오해한 것입니다. 개발 지연의 진짜 원인은 하류(Downstream)의 코딩 작업이 아니라, 상류(Upstream)에서 발생하는 모호한 요구사항 정의와 문서화 문제에 있습니다. AI가 코드 생성 속도를 높여줄지는 몰라도, 정확한 요구사항을 명확히 '정의'하고 AI를 '관리'하는 작업은 여전히 인간의 몫이므로 전체 프로세스 속도가 마법처럼 단축되지는 않습니다.
기업 내 개개인의 AI 생산성 향상이 조직 전체의 성과로 자동으로 이어지지 않는 '지저분한 중간 단계(Messy middle)'의 문제를 다룹니다. 기존의 느린 변화 관리 프로세스로는 실무자들 사이에서 파편화되어 숨겨진 AI 활용법과 혁신을 제대로 포착하고 공유할 수 없습니다. 따라서 리더십, 실무자(Crowd), 그리고 연구개발 조직(Lab)이 긴밀하게 협력하여 개인의 학습을 조직적 자산으로 빠르게 전환하는 새로운 메커니즘이 필요합니다.
기업들이 본격적인 AI 도입을 시도하면서 직면한 가장 큰 과제는 '파편화된 데이터 인프라'입니다. 성공적인 엔터프라이즈 AI 구축을 위해서는 분절된 시스템을 벗어나 통합되고 엄격하게 관리되는 개방형 데이터 기반을 마련해야 합니다. 궁극적으로 기업은 AI를 단순한 혁신 프로젝트가 아닌 핵심 비즈니스 지표와 직결된 전략적 자산으로 활용해야 합니다.