맥킨지 조사서 AI 중심으로 운영 모델 근본 재설계한 기업은 21%
핵심 요약
- 솔브드 그룹의 루보슬라바 우람은 AI가 불명확한 책임과 상충하는 성과 목표 등 조직 부채를 드러낸다고 지적했다. 업무 전반의 책임자와 데이터 기준, 결정 권한을 정비하자고 제안했다.
인공지능(AI) 도입 과정에서 기업이 해결해야 할 숨은 비용으로 ‘조직 부채’가 지목됐다. 알리안츠 그룹(Allianz Group) 자회사 솔브드 그룹(Solvd Group)의 루보슬라바 우람 최고운영책임자(COO) 겸 최고기술책임자(CTO)는 11월 17일 포브스(Forbes) 기고에서 AI 전환을 기술 도입뿐 아니라 책임·데이터·의사결정 체계를 정비하는 계기로 삼아야 한다고 제안했다.
우람이 설명한 조직 부채는 불명확한 책임, 중복 절차, 충돌하는 성과 목표, 일관성 없는 데이터, 여러 조직 계층의 조율을 거쳐야 하는 결정이 쌓이면서 발생한다. 기업은 그동안 숙련된 직원의 경험과 비공식 관계로 이런 빈틈을 메워왔다. 예외 처리는 다른 팀의 동료에게 묻고, 시스템마다 다른 수치 가운데 믿을 값을 골라내며, 공동 책임 업무의 최종 결정권자가 누구인지 경험으로 판단하는 식이다. AI 에이전트가 같은 업무를 수행하려면 신뢰할 정보와 따라야 할 절차, 예외 승인권자와 책임자가 명시돼야 한다.
기고문이 인용한 맥킨지(McKinsey)의 2026년 7월 분석 ‘The Operating Model Advantage’에 따르면 조사 대상 기업 중 AI를 중심으로 운영 모델을 근본적으로 재설계한 비율은 21%에 그쳤다. 우람은 운영 방식이 거의 바뀌지 않은 조직에 갈수록 정교한 기술을 도입하고 있다고 지적했다. 특히 데이터 품질과 결정 권한, 서로 충돌하는 핵심성과지표(KPI)에서 누적된 조직 부채가 드러난다고 봤다.
데이터 품질은 기술뿐 아니라 관리 책임의 문제와 연결된다. 피더블유씨(PwC)의 ‘2026 Digital Trends in Operations Survey’에서는 조사에 참여한 운영 부문 리더의 87%가 낮은 데이터 품질이 디지털 과제로 얻는 가치에 영향을 준다고 답했다. 우람은 부서마다 데이터 정의가 다르고 전체 업무 과정의 품질을 책임지는 주체가 없으면, 데이터 처리 체계나 플랫폼을 개선해도 문제가 되풀이될 수 있다고 설명했다. 데이터의 업무상 의미와 품질, 유지·관리 책임을 함께 정해야 AI에 적합한 상태를 유지할 수 있다는 주장이다.
AI가 분석과 제안을 넘어 실제 업무상 결정을 실행할수록 권한과 책임의 경계도 중요해진다. 아이비엠(IBM)이 기술 임원을 대상으로 실시한 2026년 6월 조사에서는 응답한 최고정보책임자(CIO)와 CTO의 약 3분의 2가 자신이 완전히 통제하지 못하는 AI 시스템에 대해 책임을 지고 있다고 답했다. 우람은 AI에 권한을 부여하는 주체, 사람이 맡아야 할 결정, 자동 실행을 번복할 권한, 결과에 대한 책임을 명확히 해야 한다고 지적했다.
성과 목표 간 충돌 역시 자동화로 커질 수 있다. 같은 고객 업무에서도 운영 부서는 처리 속도, 재무 부서는 비용 절감, 고객 서비스 부서는 만족도를 우선할 수 있다. 관리자는 이런 목표의 균형을 조율하지만, 우선순위가 불명확한 상태에서 AI가 빠르게 최적화하면 처리 시간을 줄이면서 재작업을 늘리거나 당장 비용을 아끼면서 이후 더 큰 비용을 초래할 수 있다. 우람은 AI가 측정하도록 지정한 대상을 최적화할 수 있는 만큼, 무엇을 최적화할지는 경영진이 결정해야 한다고 강조했다.
우람은 AI를 도입하기 전에 조직 전체를 수년간 재설계하기보다, 중요한 업무 하나를 처음부터 끝까지 살펴 네 가지를 정비하자고 제안했다. 여러 부서가 실행에 참여하더라도 전체 업무 성과를 책임질 담당자를 한 명 정하고, 데이터 정의와 신뢰할 기준 정보원 및 정보 유지 책임에 합의해야 한다. AI가 지원할 결정과 직접 실행할 행동, 사람의 판단이나 승인이 필요한 지점도 구분해야 한다. 성과는 개별 활동의 생산성보다 고객이나 운영 전반의 최종 결과로 평가하고, 이후 자동화할 업무와 에이전트 도입 방식을 정하자는 접근이다.
우람은 기업이 추가 조율과 관리 계층, 수작업 개입, 숙련 직원에게 의존해 조직의 복잡성을 감당해왔으며 그 비용이 기술 예산에는 드러나지 않을 수 있다고 짚었다. 가장 가치 있는 AI 전환은 업무를 가장 많이 자동화하는 데 그치지 않고 불필요한 업무 인계를 없애고 충돌하는 책임을 정리해 더 나은 결정을 가능하게 할 수 있다고 봤다. AI가 기존 조직 안에서 작동하도록 만드는 방법과 함께, AI가 효과적으로 일하도록 조직에서 무엇을 바꿔야 하는지 물어야 한다는 제언이다.
