AI와 현실적인 문제 해결: 평균의 함정에 빠지지 말자.

오랜만에 매우 현실적이고 실용적인 AI 전환 동영상을 봤네요. DX사의 CTO인 Laura Tacho(https://lauratacho.com/)님 발표입니다. 마음에 들어서 주요 메시지만 정리해서 공유해 봅니다.

• AX가 성공하려면 구체적인 목표 설정 및 측정, 실제 고객의 문제 해결에 집중하는 체계적인 접근이 필수다. AI가 모든 문제를 해결해주는 만능열쇠는 아니며, 현실적인 문제해결과 균형이 맞아야 한다.
• 실용주의와 데이터기반 접근 방식으로 균형을 잡아야 한다.
• AI의 영향력은 조직마다 매우 다르다. AI는 불택선악하는, 경험의 증폭기. 따라서 평균 생산성 향상이 **%라고 해도 우리 조직에서는 -**%일 수 있다. average doesn’t mean typical. 조직의 문제와 문화에 따라 극명하게 달라지는 도입 효과.
• 대체로 클라우드 전환, 애자일 전환에 실패한 조직은 AI전환도 실패할 가능성 높다. 
• 개별 작업의 AI 적용은 생산성 향상에 매우 제한적인 영향. 결국 조직 차원의 접근으로 조직의 성과를 이끌어 내야 한다.
• DevEx 개선에서도 실제로 AI 적용이후 회의가 준다거나 CI 대기시간이 단축되는 등의 시스템 수준의 문제 해결에 활용되어야 한다. 92.6%의 개발자가 AI를 사용하고 있으며, 주당 4시간 정도를 절약해 준다.(대략 10% 생산성 증진). 온보딩이 줄고 있다.
• 올해는 에이전트간 합의를 어떤 식으로 해결할 것인지가 큰 과제일 것이다.
• AI의 경이로움만으로 지속가능하지 않다.

 

클라우드를 쓰는 것과 클라우드 전환은 전혀 다른 것이라 생각합니다. 이른바 벤치마크의 문제인데. 겉으로 드러나는 프로세스만 우리 조직에 이식한다고 해서 우리가 벤치마크한 조직 수준까지 올라갈 수는 없습니다. 결국 그러한 프로세스를 갖추게 된 문제의식과 해결을 위한 접근 방식을 벤치마킹해야 한다고 여러 컨설턴트나 책에서 언급을 하고 있는데요. AI도 그런 느낌이 있습니다. 우리가 흔히 내재화라는 표현을 쓰는데, 자기 것으로 소화시키지 않으면 어떤 기술이든 전환에 실패하는 것 같아요. 특히 AI는 선과 악을 선택하지 않고 무조건적으로 경험을 증폭하기 때문에 기존 기술보다는 전환에 실패했을 경우 손실도 더 커진다고 봅니다.

 

이를 해결할 방법은 Laura의 발표에서도 언급되고, <스마트팩토리를 경영하라> 책에서 언급한 것처럼 정확한 전환 목표, 문제 기술, 해결되었는지 판단하는 기준/척도를 마련하고 시작하는 것이라 생각합니다.

.