생성형 AI 비즈니스 전략, MIT 웨스터먼 교수의 4가지 AI 분류와 도입 원칙

핵심 메시지

• 웨스터먼의 법칙: 기술은 빠르게 변하지만 조직은 훨씬 느리게 변한다. 어려운 것은 기술 도입이 아니라 일하는 방식을 바꾸는 전환이다.
• 기술 자체는 가치가 0이며, 그 기술로 무엇을 하느냐가 가치를 만든다. AI 도입도 문제(비즈니스 과제)에서 출발해야 한다.
• AI는 규칙기반·통계(계량경제)·딥러닝·생성형의 4가지로 나눠 생각할 수 있고, 정확도·설명가능성·일관성 요구에 따라 알맞은 기법을 골라야 한다.
• 대부분의 좋은 해법은 생성형 AI 단독이 아니라 전통적 AI·기존 IT·사람과 프로세스의 조합이다.
• 거대한 전환을 한 번에 노리기보다 위험을 관리하며 작은 전환을 체계적으로 쌓아 올려야 한다.

쉽게 이해하기

MIT 슬론 경영대학원의 수석연구원 조지 웨스터먼 교수는 15년 전 '디지털 트랜스포메이션'이라는 말이 존재하기도 전에 이 주제를 연구한 인물이다. 그는 경영자가 의사결정을 내릴 때 쓸 수 있도록 생성형 AI를 최대한 명료하게, 그리고 덜 무섭게 설명하는 것을 강연의 목표로 삼는다.

그가 가장 강조하는 것은 '웨스터먼의 법칙'이다. 기술은 지수적으로 빠르게 변하지만 조직은 훨씬 느리게 변한다는 것이다. 그래서 진짜 어려운 문제는 기술을 도입하는 것이 아니라 일하는 방식 자체를 바꾸는 전환이며, 이는 기술 문제가 아니라 리더십 문제다. 에어버스와 홈디포 임원의 말을 빌려, 조직은 AI에 투자하는 것이 아니라 언제나 '비즈니스 문제'에 투자하는 것이라고 정리한다.

웨스터먼은 AI를 규칙기반(전문가 시스템), 계량경제·통계, 딥러닝, 생성형 AI의 네 가지로 나눈다. 전문가 시스템은 데이터 없이 전문가의 규칙으로 정확하고 일관된 답을 주지만 적응하지 못한다. 통계는 숫자 데이터에 강하고 저렴하다. 딥러닝은 라벨링된 데이터로 학습해 반복 가능한 결과를 내지만 설명이 어렵다. 생성형 AI는 '다음에 올 최적의 단어'를 확률적으로 생성하기에 창의적이지만 매번 답이 다르고 환각을 일으킨다.

생성형 AI를 조직에 안착시키는 열쇠는 우선순위 결정, 위험 관리, 역량 확보다. 거버넌스는 통제 중심의 하향식과 자율 중심의 분산식 사이에서 균형을 잡아야 한다. 소시에테 제네랄은 700개 활용 사례를 모아 몇 개만 먼저 실행하고 나머지는 공통 역량을 갖춘 뒤로 미뤘고, 시스코(식자재 유통)는 '먼저 사서 쓸 수 있는지, 통계로 값싸게 될지'를 따진 뒤에야 최첨단 기술을 검토했다.

인재와 문화의 준비도 핵심이다. 다니엘 록의 연구에 따르면 전체 직무의 46%가 업무의 절반을 AI로 대체당할 가능성이 있다. 웨스터먼은 AI가 사람을 대체하는 것이 아니라 인지 부담을 줄이고 학습을 돕는 도구가 될 수 있다고 본다. 광고회사 덴쓰의 사례처럼, 지루한 업무를 자동화해 창의적 인력이 창의성에 집중하게 하고 구성원을 도입 과정에 참여시키면 저항 대신 수용을 이끌어낼 수 있다.

주요 인사이트

• AI를 도입할 자리는 고객 경험, 운영, 비즈니스 모델, 직원 경험이라는 네 영역에서 찾을 수 있으며, 이는 기존 디지털 전환의 접근과 동일하다.
• 'AI는 지능적이지 않다'는 점을 잊지 말아야 한다. AI는 문맥을 이해하는 것이 아니라 학습한 공식을 실행할 뿐이므로, 사람이 틀리듯 AI도 틀린다는 전제 위에 통제 장치를 설계해야 한다.
• MNIST 숫자 인식 예처럼 딥러닝은 28×28 이미지를 784개 픽셀로 펼쳐 공간 관계를 버리고도 수만 번의 조정으로 정답에 수렴한다. 이는 '큰 수와 좋은 알고리즘의 마법'이지 직관적으로 설명되지 않는다.
• 학습 데이터의 편향은 곧 결과의 편향이다. 아마존이 남성 위주 데이터로 학습해 여성 지원자를 걸러낸 사례처럼, 데이터의 진실성과 일반화 가능성을 반드시 검증해야 한다.
• 전환은 '타이어 볼트 조이기'와 같다. 한 번에 세게 조이면 휠이 휘듯, 위험 관리 역량을 조금씩 키우며 작은 전환을 반복해 큰 전환으로 나아가야 한다.

자주 묻는 질문

관련 AI 소식