AI 도입만으로 경영성과 못 낸다…조직 운영체계 함께 바꿔야

[산업일보]
기업의 인공지능(AI) 도입이 빠르게 확산하고 있지만, 기술 활용이 곧바로 경영성과 개선으로 이어지는 것은 아니다. AI를 업무에 적용하는 데 그치지 않고 전략과 조직 구조, 업무 절차, 인력 운영과 역량 개발을 함께 바꿔야 투자 효과를 실현할 수 있다는 분석이 나왔다.

포스코경영연구원 권보경 수석연구원은 10월 29일 발표한 이슈리포트 ‘AI 도입을 경영성과로 바꾸는 조직의 조건’에서 맥킨지 7S 모델을 활용해 AI 경영혁신의 성공과 실패 요인을 분석했다. 보고서는 AI 기술이나 데이터 인프라의 수준뿐 아니라 조직을 구성하는 요소들이 같은 방향으로 작동하는지 살펴야 한다고 강조했다.

보고서가 제시한 맥킨지의 2025년 글로벌 조사에 따르면 응답 기업의 88%는 최소 한 개 사업 기능에서 AI를 정기적으로 사용한다고 답했다. 반면 AI가 전사 이자·세전이익(EBIT)에 영향을 미쳤다고 보고한 비중은 39%였으며, 전사적으로 AI를 완전히 확산했다고 답한 기업은 7%에 그쳤다.

다만 88%와 39%는 서로 다른 조사 항목의 응답 비중으로, AI 활용 기업 중 실제 성과를 창출한 기업의 비율을 의미하지는 않는다. 보고서는 AI 활용의 확산과 재무적 효과의 실현 수준을 구분해 관리해야 한다고 설명했다.eltldl

성과가 제한되는 원인으로는 개인 단위의 생산성 향상이 조직 전체의 업무 개선으로 이어지지 않는 문제가 꼽혔다. AI로 문서 작성이나 자료 분석 시간이 줄어도 검토와 승인, 부서 간 전달 절차가 그대로라면 절감한 시간이 다른 업무나 재작업에 흡수될 수 있다.

권 수석연구원은 이러한 문제를 진단하는 틀로 맥킨지 7S 모델을 제시했다. 7S는 전략(Strategy), 구조(Structure), 시스템(Systems)의 하드 S와 공유가치(Shared Values), 리더십(Style), 구성원(Staff), 역량(Skills)의 소프트 S로 조직을 분석하는 모델이다.

그는 보고서에서 “핵심은 일곱 요소를 개별적으로 관리하는 것이 아니라 서로 일관된 방향으로 작동하도록 조정하는 데 있다”며 “AI를 도입하더라도 과제 선정과 의사결정 권한, 평가 및 예산 규정이 기존 방식에 머물면 현장은 이전 업무 방식으로 회귀할 수 있다”고 설명했다.

이에 따라 보고서는 AI 투자를 기술 중심의 과제 발굴에서 사업 가치 중심의 투자로 전환해야 한다고 제언했다. 제품 수율과 불량 재작업, 에너지 원단위, 조달 비용 등 기업의 실적에 영향을 미치는 지표를 먼저 정하고, 이를 개선할 수 있는 핵심 의사결정을 우선 선정해야 한다는 것이다.

사람과 AI의 역할을 구분하는 책임체계도 필요하다. AI가 업무를 실행하더라도 결과에 대한 책임은 조직에 남기 때문이다. 위험이 낮은 정보 분류 업무는 사전에 정한 범위에서 자동 처리할 수 있지만, 품질 판정이나 안전과 관련된 결정은 담당자의 확인과 승인을 거치도록 위험 수준에 따라 권한을 설계해야 한다. AI의 실행 범위와 함께 감독 책임자, 승인권자, 비상 중지 권한도 명확히 해야 한다.

업무 시스템 역시 AI 배포에서 끝나서는 안 된다고 보고서는 언급했다. 업무 흐름과 결재, 평가, 예산, 보안, 품질 관리 절차가 실제로 바뀌어야 한다. 처리시간뿐 아니라 승인 대기시간, 반려 비율, 재작업, 오류 처리비용과 AI 결과를 감시하는 데 투입되는 시간까지 측정해야 실질적인 효과를 판단할 수 있다. 사용량이나 시간 절감만으로 성과를 평가하면 AI 도입 이후 늘어난 검증 업무와 현장 부담을 놓칠 수 있다는 지적이다.

구성원의 신뢰와 역량 축적도 AI 전환 과정에서 고려해야 할 요소다. 보고서는 AI 도입 목적과 활용 범위, 고용 및 직무 변화 원칙을 구체적으로 공유하고 현장 작업자를 업무 재설계 과정에 참여시켜야 한다고 제안했다. 경영진 역시 AI 활용을 독려하는 데 그치지 않고 실제 성과와 오류, 실패 사례를 확인해 과제를 조정해야 한다.

특히 AI가 기초 업무를 자동화하면 신입 직원이 실무 경험을 쌓을 기회가 줄어들 수 있다는 점에 주목했다. 숙련자가 AI의 판단을 수정한 이유와 예외 상황에 대응한 경험을 조직의 지식 자산으로 축적하고, 신입 직원에게는 실전 문제 해결과 멘토링 기회를 제공해야 한다는 것이다. AI 감독과 검증에 필요한 업무시간을 인력계획과 평가에 반영하는 방안도 제시했다.

권 수석연구원은 국내 기업, 특히 제조기업이 생산성뿐 아니라 품질·안전·숙련의 지속가능성을 함께 고려해 AI 전환을 설계해야 한다고 강조했다.

그는 “손익과 고객가치에 영향을 미치는 핵심 의사결정 과제 3~5개를 선정하고, 부서 간 업무 흐름을 재설계하며, 위험 수준에 따른 AI 자율 범위와 인간의 책임을 명문화해야 한다”고 언급한 뒤 “숙련자의 판단과 현장의 오류 수정 기록을 조직의 지식 자산으로 관리하고 보상하는 체계도 필요하다”고 보고서를 통해 제언했다.