AI 지출과 잠재력 사이의 괴리

[힘힘]

AI 지출과 잠재력 사이의 괴리

직장에서의 슈퍼에이전시: 사람들이 AI의 잠재력을 최대한 발휘할 수 있도록 지원

2025년 1월 28일| 신고

에 의해한나 마이어 , 라레나 예, 마이클 추이, 그리고 로저 로버츠

공유하다

인쇄

다운로드

구하다

거의 모든 회사가 AI에 투자하지만, 1%만이 성숙기에 도달했다고 믿습니다. 저희 조사에 따르면 확장에 대한 가장 큰 장벽은 준비가 된 직원이 아니라 충분히 빠르게 방향을 잡지 못하는 리더입니다.

다운로드

직장에서의 슈퍼에이전시: 사람들이 AI의 잠재력을 최대한 발휘할 수 있도록 지원

전체 보고서(47페이지)

인공지능이 직장에 도입되어 , 19세기 산업혁명 당시 증기기관이 산업을 혁신했던 것처럼 엄청난 변화를 가져올 잠재력을 갖고 있습니다.1Anthropic, Cohere, Google, Meta, Mistral, OpenAI 등이 개발한 강력하고 유능한 대규모 언어 모델(LLM)을 통해 우리는 새로운 정보 기술 시대로 접어들었습니다. McKinsey 연구에 따르면 장기 AI 기회는 기업 사용 사례에서 추가된 생산성 성장 잠재력이 4조 4,000억 달러에 이릅니다.2

여기에 과제가 있습니다. AI의 장기적 잠재력은 크지만 단기적 수익은 불분명합니다. 향후 3년 동안 92%의 회사가 AI 투자를 늘릴 계획입니다. 하지만 거의 모든 회사가 AI에 투자하고 있지만, 리더의 1%만이 배포 스펙트럼에서 회사가 "성숙"하다고 말합니다. 즉, AI가 워크플로에 완전히 통합되어 상당한 비즈니스 성과를 창출한다는 의미입니다. 가장 큰 문제는 비즈니스 리더가 어떻게 자본을 배포하고 조직을 AI 성숙도에 더 가깝게 이끌 수 있는가입니다.

이 연구 보고서는 Reid Hoffman의 저서인 Superagency: What Could Possibly Go Right with Our AI Future에서 영감을 받아 작성되었습니다 .3비슷한 질문을 던집니다. 기업은 AI를 활용하여 인간의 행위를 확대하고 직장에서 새로운 수준의 창의성과 생산성을 확보할 수 있을까요? AI는 엄청나게 긍정적이고 파괴적인 변화를 가져올 수 있습니다. 이러한 변화에는 시간이 걸리겠지만 리더들은 낙담해서는 안 됩니다. 대신, 내일 경쟁력을 잃지 않기 위해 오늘 대담하게 전진해야 합니다. 주요 경제적, 기술적 변화의 역사를 보면 그러한 순간이 기업의 흥망성쇠를 좌우할 수 있습니다. 40년 전 인터넷이 탄생했습니다. 그 이후로 Alphabet, Amazon, Apple, Meta, Microsoft를 포함한 기업은 수조 달러의 시가총액을 달성했습니다. 훨씬 더 근본적으로, 인터넷은 업무의 해부학과 정보 접근성을 변화시켰습니다. 지금의 AI는 수년 전의 인터넷과 같습니다. 기업 리더의 위험은 너무 크게 생각하는 것이 아니라 너무 작게 생각하는 것입니다.

다가올 이벤트에 등록하세요

학업 성취도와 졸업률에서 남성을 앞지르고 있음에도 불구하고, 여성은 유리 천장을 두드리기도 전에 뒤처질 위험이 있습니다. 사실, 관리자로의 중요한 첫 승진 기회에서 여성의 승진 확률은 더 낮습니다. 100명의 남성 중 81명의 여성만이 승진합니다. 3월 11일에 출간된 새로운 책 "The Broken Rung"은 여성이 경력 경쟁의 장을 평준화하고 경험 자본을 극대화하는 데 도움이 됩니다.

3월 11일 화요일 오전 11시(EDT) / 오후 4시(CET)에 맥킨지 공동 저자인 콰일린 엘링루드, 라레이나 예, 마리아 델 마르 마르티네스와 함께 책 미리보기에 참여하세요.

여기에서 등록하세요

저희는 장애인이 저희 웹사이트에 동등하게 접근할 수 있도록 노력합니다. 이 콘텐츠에 대한 정보가 필요하시면 기꺼이 도와드리겠습니다. 다음 주소로 이메일을 보내주세요: McKinsey_Website_Accessibility@mckinsey.com

이 보고서는 기업의 AI 도입에 대한 기술 및 비즈니스 준비 상태를 살펴봅니다(사이드바 "설문 조사 정보" 참조). 결론적으로 직원들은 AI에 대한 준비가 되었다고 합니다. 성공에 대한 가장 큰 장벽은 리더십입니다.

공유하다

사이드바

설문조사에 대하여

1장에서는 지난 2년간 기술의 급속한 발전과 이것이 기업의 AI 도입에 미치는 영향을 살펴본다.

2장 에서는 직원과 리더의 태도와 인식을 탐구합니다. 저희의 연구에 따르면 직원들은 리더들이 상상하는 것보다 AI에 더 준비가 되어 있습니다. 사실, 그들은 이미 정기적으로 AI를 사용하고 있으며, 리더들이 깨닫는 것보다 3배 더 AI가 내년에 자신의 업무의 30%를 대체할 것이라고 믿을 가능성이 높으며, AI 기술을 습득하기를 간절히 원합니다. 그래도 직장에서 AI에 낙관적인 사람은 약간 과반수에 불과합니다. 소수(41%)는 더 불안해하며 추가 지원이 필요합니다. AI에 가장 익숙하고 종종 관리 역할을 하는 밀레니얼 세대가 변화를 강력히 옹호할 수 있는 곳입니다.

3장 에서는 AI 배포에서 속도와 안전성의 필요성을 살펴봅니다. 리더와 직원이 더 빠르게 움직이기를 원하지만, 신뢰와 안전성이 가장 큰 관심사입니다. 직원의 약 절반이 AI 부정확성과 사이버 보안 위험을 걱정합니다. 그럼에도 불구하고 직원들은 다른 조직에 비해 자사가 AI를 제대로 활용할 것이라는 확신을 더 많이 표현합니다. 대담하고 책임감 있는 결정을 내려서 그들이 옳다는 것을 증명해야 할 책임은 기업 리더에게 있습니다.

4장에서는 리더가 대담한 목표를 설정하지 않으면 기업이 AI 경쟁에서 어떻게 지위를 잃을 위험이 있는지 살펴봅니다. AI에 대한 과대 광고가 가라앉으면서 기업은 직원의 일상 업무에 힘을 실어주는 실용적인 애플리케이션에 더욱 집중해야 합니다. 이러한 애플리케이션은 경쟁적 참호를 만들고 측정 가능한 ROI를 생성할 수 있습니다. 산업, 기능 및 지역 전반에 걸쳐 전략적으로 투자하는 기업은 AI를 사용하여 증분적 가치를 창출하는 것을 넘어 혁신적 변화를 창출할 수 있습니다.

5장에서는 리더가 AI로 팀을 성공으로 이끌기 위해 무엇이 필요한지 살펴봅니다. 직장에서 AI의 과제는 기술적 과제가 아닙니다. 리더에게 팀을 정렬하고, AI 역풍에 대처하고, 변화를 위해 회사를 다시 배선할 것을 요구하는 비즈니스 과제입니다.

제1장: 증기 엔진만큼 강력한 혁신

2장: 직원들은 AI에 대비하고 있습니다. 이제 리더들이 나서야 합니다.

3장: 속도와 안전성 제공

4장: 더 큰 야망을 품다

제5장: 기술은 규모의 장벽이 아니다

결론: AI의 미래를 만나다

제1장

증기 기관만큼 강력한 혁신

기계가 육체 노동을 수행할 뿐만 아니라 생각하고, 배우고, 자율적인 결정을 내리는 세상을 상상해보세요. 이 세상에는 인간이 루프에 포함되어 사람과 기계를 초능력 상태로 통합하여 개인의 생산성과 창의성을 증가시킵니다(사이드바 "AI 초능력" 참조). 이것이 AI의 혁신적 잠재력이며, 인쇄기에서 자동차에 이르기까지 과거의 가장 큰 혁신을 능가할 수 있는 잠재적 영향을 가진 기술입니다. AI는 작업을 자동화할 뿐만 아니라 인지 기능을 자동화하여 한 단계 더 나아갑니다. 이전의 어떤 발명품과도 달리 AI 기반 소프트웨어는 적응, 계획, 안내, 심지어 결정을 내릴 수도 있습니다. 그렇기 때문에 AI는 사실상 모든 삶의 측면에서 전례 없는 경제 성장과 사회적 변화의 촉매제가 될 수 있습니다. AI는 기술과 서로 간의 상호 작용을 재구성할 것입니다.

과학적 발견과 기술 혁신은 인류 진보라는 성당의 돌과도 같습니다.

LinkedIn 및 Inflection AI의 공동 창립자이자 Greylock Partners의 파트너이자 저자인 Reid Hoffman

인터넷, 스마트폰, 클라우드 컴퓨팅을 포함한 많은 획기적인 기술은 우리의 생활과 업무 방식을 변화시켰습니다. AI는 정보에 대한 접근 이상을 제공하기 때문에 이러한 발명품과 차별화됩니다. 요약, 코드화, 추론, 대화 참여 및 선택이 가능합니다. AI는 기술 장벽을 낮추어 더 많은 사람들이 더 많은 분야에서 모든 언어로 언제든지 능숙하게 습득할 수 있도록 도와줍니다. AI는 사람들이 지식에 접근하고 사용하는 방식을 바꿀 수 있는 잠재력을 가지고 있습니다. 그 결과 더 효율적이고 효과적인 문제 해결이 가능해져 모든 사람에게 이로운 혁신이 가능해집니다.

공유하다

사이드바

AI 슈퍼 에이전시

지난 2년 동안 AI는 엄청난 발전을 이루었고, 더 낮은 비용과 더 큰 역량 접근성으로 인해 기업 수준의 도입이 가속화되었습니다. 많은 주목할 만한 AI 혁신이 등장했습니다(표 1). 예를 들어, 우리는 컨텍스트 윈도우 또는 LLM의 단기 메모리가 빠르게 확장되는 것을 보았습니다. 컨텍스트 윈도우가 클수록 LLM 이 한 번에 처리할 수 있는 정보가 많아집니다. 예를 들어, Google의 Gemini 1.5는 2024년 2월에 토큰 100만 개를 처리할 수 있었고, Gemini 1.5 Pro는 같은 해 6월까지 토큰 200만 개를 처리할 수 있었습니다.4전반적으로, 우리는 비즈니스에 있어서 차세대 영향을 주도할 5가지 큰 혁신을 보고 있습니다. 향상된 지능과 추론 기능, 에이전트 AI, 멀티모달리티, 개선된 하드웨어 혁신과 연산 능력, 그리고 투명성 향상입니다.

증거물 1

이미지 설명이 시작됩니다:

텍스트 기반 전시는 2022년과 2025년 사이에 선택된 프런티어 랩에서 나온 여러 세대 AI 대규모 언어 모델 또는 LLM의 역량 진화를 보여줍니다. 2022-2023년과 2025년 1월의 두 기간을 비교하는 표로 제시됩니다. Anthropic의 Claude, Google의 Gemini, Meta의 Llama, Microsoft의 Phi, OpenAI의 GPT의 5개 LLM 각각에 대해 전시는 각 기간의 역량 목록을 보여줍니다. 2022-2023년에 5개 플랫폼 모두 멀티모달 역량이 부족하여 주로 텍스트로만 기능했습니다. 예를 들어 Anthropic의 Claude는 문맥적 이해가 제한적이고 도구 사용도 없었습니다. 마찬가지로 Google의 Gemini는 실시간 데이터 통합이 제한적이고 개인화가 낮았습니다. Meta의 Llama 1은 공정한 추론을 보였지만 복잡한 대화에 어려움을 겪었고 API 액세스가 부족했습니다. Microsoft의 Phi-1은 코딩 작업에만 공정한 추론을 제공했고, 더 작은 데이터 세트에 집중적으로 학습했습니다. OpenAI의 GPT-3.5는 공정한 추론을 보여주었고, SAT에서는 좋은 점수를 받았지만 변호사 시험에서는 낮은 점수를 받았고, 복잡한 대화에서는 제한된 문맥적 이해를 보였지만, 텍스트 생성을 위한 표준 API 액세스를 제공했습니다.

2025년 1월에는 상당한 변화가 나타났습니다. Claude 3.5, Gemini 2.0 Flash, Llama 3.3, Phi-4, OpenAI의 모델 o1은 모두 텍스트, 오디오, 이미지를 통합하는 멀티모달 기능을 얻었습니다. 다단계 문제 해결 및 섬세한 분석이 가능한 고급 추론 기능은 대부분 플랫폼에서 일반화되었습니다. 긴 대화 중에 일관성을 유지하는 향상된 상황적 이해도 개선 사항으로 강조되었습니다. 또한 일부 플랫폼에는 실시간 데이터 통합 ​​및 고급 개인화 기능이 추가되었습니다. 마지막으로 여러 플랫폼에서 개선되거나 고급 API 액세스를 강조하여 모델 및 에이전트 개발 및 멀티모달 입력과 관련된 도구를 허용합니다. 출처: 회사 웹사이트 및 보도 자료. 이 이미지 설명은 Gen AI 도구인 Writer의 도움을 받아 완성되었습니다.

이미지 설명이 끝납니다.

지능과 추론력이 향상되고 있습니다

AI는 훨씬 더 지능화되고 있습니다. 한 가지 지표는 표준화된 시험에서 LLM의 성과입니다. 2022년에 도입된 OpenAI의 Chat GPT-3.5는 고등학교 수준 시험에서 강력한 성과를 보였습니다(예: SAT 수학에서 70번째 백분위수, SAT 언어 섹션에서 87번째 백분위수). 그러나 더 광범위한 추론에는 종종 어려움을 겪었습니다. 오늘날의 모델은 고급 학위를 소지한 사람들의 지능 수준에 가깝습니다. GPT-4는 통일 변호사 시험에 매우 쉽게 합격할 수 있어 시험 응시자 상위 10%에 속합니다.5그리고 미국 의사 면허 시험 문제의 90%에 정확하게 답할 수 있습니다.6

추론 기능의 출현은 AI의 다음 큰 도약을 나타냅니다. 추론은 복잡한 의사 결정에 대한 AI의 역량을 강화하여 모델이 기본적인 이해를 넘어 미묘한 이해와 목표를 달성하기 위한 단계별 계획을 수립할 수 있는 능력을 갖출 수 있도록 합니다. 기업의 경우 추론 모델을 미세 조정하고 도메인별 지식과 통합하여 더 정확하게 실행 가능한 통찰력을 제공할 수 있습니다. OpenAI의 o1이나 Google의 Gemini 2.0 Flash Thinking Mode와 같은 모델은 응답에서 추론할 수 있어 사용자에게 정보 검색 및 합성 엔진뿐만 아니라 상호 작용을 위한 인간과 같은 사고 파트너를 제공합니다.7

AI in Action: 대화형 학습 여정

Superagency 학습 경험 탐색

에이전트 AI는 자율적으로 행동합니다

저는 AI가 인류가 연구하고 있는 가장 심오한 기술이라고 늘 생각해 왔습니다. 불이나 전기나 우리가 과거에 해왔던 어떤 것보다 더 심오한 기술이죠.

순다르 피차이 알파벳 CEO

추론 능력이 점점 더 커지면서 모델이 자율적으로 조치를 취하고 워크플로 전반에 걸쳐 복잡한 작업을 완료할 수 있게 되었습니다. 이는 심오한 진전입니다. 예를 들어, 2023년에 AI 봇은 음성 메시지, 텍스트, 기술 사양을 포함한 방대한 양의 데이터를 종합하고 요약하여 고객 문의에 대한 답변을 제안함으로써 콜센터 담당자를 지원할 수 있습니다. 2025년에 AI 에이전트는 고객과 대화하고 그 후에 취할 조치를 계획할 수 있습니다. 예를 들어, 결제 처리, 사기 확인, 배송 작업 완료 등이 있습니다.

소프트웨어 회사는 핵심 제품에 에이전트 AI 기능을 내장하고 있습니다. 예를 들어, Salesforce의 Agentforce는 기존 플랫폼의 새로운 계층으로, 사용자가 제품 출시 시뮬레이션 및 마케팅 캠페인 조율과 같은 워크플로 전반에서 복잡한 작업을 처리하기 위해 자율 AI 에이전트를 쉽게 구축하고 배포할 수 있도록 합니다.8Salesforce의 공동 창립자이자 회장, CEO인 Marc Benioff는 이를 인간과 자동화된 에이전트가 협력하여 고객 결과를 달성하는 "디지털 인력"을 제공하는 것으로 설명했습니다.9

멀티모달리티는 텍스트, 오디오, 비디오를 하나로 모으는 것입니다.

오늘날의 AI 모델은 텍스트, 오디오, 비디오 전반에 걸쳐 더욱 진보적이고 다양한 데이터 처리 기능을 향해 진화하고 있습니다. 지난 2년 동안 우리는 각 모달리티의 품질이 향상되는 것을 보았습니다. 예를 들어, Google의 Gemini Live는 오디오 품질과 지연 시간을 개선했으며 이제 감정적 뉘앙스와 표현력이 풍부한 인간과 같은 대화를 제공할 수 있습니다.10또한, OpenAI가 Sora를 시연하여 텍스트를 비디오로 변환하는 기능을 보여줍니다.11

하드웨어 혁신으로 성능이 향상됩니다

하드웨어 혁신과 그로 인한 컴퓨팅 파워의 증가는 AI 성능을 지속적으로 향상시킵니다. 전문 칩은 더 빠르고, 더 크고, 더 다재다능한 모델을 허용합니다. 기업은 이제 높은 처리 능력이 필요한 AI 솔루션을 채택하여 실시간 애플리케이션과 확장성 기회를 제공할 수 있습니다. 예를 들어, 전자 상거래 회사는 고급 그래픽 처리 장치(GPU)와 텐서 처리 장치(TPU)를 활용하는 AI 기반 챗봇을 구현하여 고객 서비스를 크게 개선할 수 있습니다. 분산 클라우드 컴퓨팅을 사용하여 회사는 최대 트래픽 기간 동안 최적의 성능을 보장할 수 있습니다. 에지 하드웨어를 통합하여 회사는 손상된 제품 사진을 분석하여 보험 청구를 보다 정확하게 처리하는 모델을 배포할 수 있습니다.

투명성이 높아지고 있습니다

대부분의 혁신적인 기술과 마찬가지로 AI도 점진적으로 성장하다가 갑자기 등장합니다.

LinkedIn 및 Inflection AI의 공동 창립자이자 Greylock Partners의 파트너이자 저자인 Reid Hoffman

AI는 점차 덜 위험해지고 있지만, 여전히 더 큰 투명성과 설명 가능성이 부족합니다. 둘 다 AI 안전성을 개선하고 편향 가능성을 줄이는 데 중요하며, 이는 광범위한 기업 배포에 필수적입니다. 아직 갈 길이 멀지만, 새로운 모델과 반복이 빠르게 개선되고 있습니다. 스탠포드 대학의 기초 모델 연구 센터(CRFM)는 모델 성능에서 상당한 진전을 보고합니다. 1~100점 척도를 사용하는 투명성 지수에 따르면, Anthropic의 투명성 점수는 2023년 10월에서 2024년 5월 사이에 15포인트 증가하여 51점이 되었고 Amazon의 투명성 점수는 3배 이상 증가하여 41점이 되었습니다.12

LLM을 넘어 다른 형태의 AI와 머신 러닝(ML)이 설명 가능성을 개선하여 결과적 결정(예: 신용 위험 평가)을 지원하는 모델의 출력을 정보를 제공한 데이터로 추적할 수 있습니다. 이런 방식으로 중요한 시스템을 거의 일정하게 테스트하고 모니터링하여 모델 드리프트와 데이터 입력의 변화로 인해 발생하는 편향 및 기타 일상적인 피해를 방지할 수 있습니다. 이는 배포 전에 잘 보정된 시스템에서도 발생합니다.

이 모든 것은 오류를 탐지하고 규정 및 회사 정책을 준수하는 데 중요합니다. 회사는 설명 가능성 관행을 개선  하고 필요한 견제와 균형을 구축했지만, 성장하는 모델 역량에 발맞추기 위해 지속적으로 진화할 준비가 되어 있어야 합니다.

직장에서 AI 슈퍼에이전시를 달성하는 것은 단순히 기술을 마스터하는 것만이 아닙니다. 사람을 지원하고, 프로세스를 만들고, 거버넌스를 관리하는 것도 마찬가지입니다. 다음 장에서는 직장에서 AI를 배치하는 데 도움이 되는 비기술적 요소를 살펴봅니다.

2장

직원들은 AI에 대비하고 있습니다. 이제 리더들이 나서야 합니다.

조직을 AI 강국으로 만들 사람은 직원입니다. 그들은 기업 리더들이 상상하는 것보다 직장에서 AI를 받아들일 준비가 더 되어 있습니다. 그들은 AI 도구에 더 익숙하고, 더 많은 지원과 교육을 원하며, AI가 가까운 미래에 최소한 3분의 1의 업무를 대체할 것이라고 믿을 가능성이 더 큽니다. 이제 리더들이 나서야 합니다. 그들은 깨닫는 것보다 더 많은 허가 공간을 가지고 있으므로, 대담하게 행동하고 AI의 가치를 포착하는 것은 그들에게 달려 있습니다. 지금 당장.

사람들은 [AI]를 사용하여 놀라운 것을 만들고 있습니다. 만약 우리 각자가 10년 또는 20년 후에 무엇을 할 수 있는지 볼 수 있다면, 그것은 오늘날 우리를 놀라게 할 것입니다.

OpenAI의 공동 창립자이자 CEO인 Sam Altman

전환점을 넘어서

설문 조사에서 거의 모든 직원(94%)과 C-suite 리더(99%)가 Gen AI 도구에 대해 어느 정도 알고 있다고 보고했습니다. 그럼에도 불구하고 기업 리더들은 직원들이 Gen AI를 얼마나 광범위하게 사용하고 있는지 과소평가합니다. C-suite 리더들은 직원 중 4%만이 일상 업무의 최소 30%에 Gen AI를 사용한다고 추정하지만, 사실 그 비율은 직원들이 스스로 보고한 것보다 3배 더 높습니다(표 2). 그리고 리더의 20%만이 직원들이 1년 이내에 일상 업무의 30% 이상에 Gen AI를 사용할 것이라고 믿는 반면, 직원들은 그렇게 믿을 가능성이 두 배(47%) 더 높습니다(사이드바 "직장에서 AI를 사용하는 사람은 누구인가? 거의 모든 사람, 심지어 회의적인 직원도 포함").

좋은 소식은 우리 조사가 기업이 AI 도입을 가속화하고 AI 성숙도로 나아갈 수 있는 세 가지 방법을 제시한다는 것입니다.

증거물 2

이미지 설명이 시작됩니다:

이 전시는 미국 직원과 기업 리더가 일상 업무의 30% 이상에 Gen AI를 사용할 것으로 예상되는 타임라인을 두 개의 쌓인 막대 차트로 보여줍니다. 하나는 C-suite 응답자를 위한 것이고 다른 하나는 직원을 위한 것입니다. 세그먼트는 서로 다른 기간을 나타내는 다섯 가지 범주로 나뉩니다. 이미 사용 중, 1년 미만, 1-5년, 5년 이상, 예상하지 않음. 마지막 범주는 확실하지 않지만 포함됩니다. 차트에서 강조된 주요 발견 사항은 직원이 리더가 예상하는 것보다 오늘날 Gen AI를 사용할 가능성이 3배 더 높다는 것입니다(C-suite 응답자의 4%는 직원이 현재 일상 업무의 30% 이상에 Gen AI를 사용하고 있다고 추정하는 반면, 직원의 13%는 현재 사용하고 있다고 자체 보고합니다). C-suite의 경우, 16%는 직원들이 1년 이내에 일상 업무의 30% 이상에서 Gen AI를 사용하기 시작할 것으로 예상하고, 56%는 1~5년 이내에 그러한 도입을 예상하고, 11%는 5년 이상 내에 예상하며, 10%는 직원들이 업무의 30%에서 Gen AI를 사용할 것으로 예상하지 않습니다. C-suite 응답자의 3%는 확신하지 못합니다. 직원의 34%는 1년 이내에 업무의 30% 이상에서 Gen AI를 사용할 것으로 예상하고, 37%는 1~5년 이내에, 5%는 5년 이상 내에 사용할 것으로 예상하고, 7%는 이런 방식으로 사용할 것으로 예상하지 않습니다. 직원의 4%는 확신하지 못합니다. 출처: McKinsey US CxO 설문 조사, 2024년 10월~11월; McKinsey US 직원 설문 조사, 2024년 10월~11월. 이 이미지 설명은 Gen AI 도구인 Writer의 도움을 받아 작성되었습니다.

이미지 설명이 끝납니다.

리더는 직원에게 더 많은 투자를 할 수 있습니다.

공유하다

사이드바

직장에서 AI를 사용하는 사람은 누구? 거의 모든 사람, 심지어 회의적인 직원도

이 장의 시작 부분에서 언급했듯이, 직원들은 AI가 자신의 업무에 극적인 영향을 미칠 것으로 예상합니다. 이제 그들은 회사가 성공하는 데 도움이 되는 교육에 투자하기를 원합니다. 설문 조사에 참여한 직원의 거의 절반은 더 공식적인 교육을 원하며 AI 도입을 촉진하는 가장 좋은 방법이라고 믿습니다. 또한 베타 또는 파일럿 형태로 AI 도구에 대한 액세스를 원하며 재정적 보상 및 인정과 같은 인센티브가 도입을 개선할 수 있다고 지적합니다.

하지만 직원들은 필요한 교육과 지원을 받지 못하고 있습니다. 5분의 1 이상이 최소한의 지원이나 전혀 지원을 받지 못했다고 보고합니다(표 3). 미국 외 지역에서도 직원들은 더 많은 교육을 원합니다(사이드바 "교육에 대한 글로벌 관점" 참조).

증거물 3

이미지 설명이 시작됩니다:

전시의 첫 번째 섹션은 특정 회사 이니셔티브가 Gen AI 도구의 일상적인 사용을 증가시킬 것이라고 믿는 미국 직원의 비율을 보여주는 수평 막대 차트입니다. 조직의 공식적인 Gen AI 교육이 48%로 가장 높은 점수를 받았고, 그 다음으로 기존 워크플로와의 원활한 통합(45%), Gen AI 도구에 대한 액세스(41%), 인센티브 및 보상(40%)이 뒤를 이었습니다. Gen AI 사용이 인증 프로그램의 요구 사항(30%), Gen AI를 사용하라는 관리자의 명확한 지시(30%), 도구 개발에 참여하는 것(29%), Gen AI 사용과 연결된 OKR/KPI(22%)의 경우 비율이 더 낮았습니다.

두 번째 섹션은 조직에서 Gen AI 역량 구축에 대한 지원의 인식 수준을 보여주는 세그먼트화된 막대 차트의 쌓인 쌍으로, 현재와 3년 후를 비교합니다. 이 차트는 필요하지 않음, 없음/최소, 중간에서 상당한, 완전히 지원의 네 가지 지원 수준에 대한 응답 분포를 보여줍니다. 현재 직원의 6%는 조직에서 Gen AI에 대한 지원이 필요하지 않다고 보고하고, 22%는 전혀/최소한의 지원을 받는다고 보고하고, 44%는 적당히에서 상당한 지원을 받는다고 보고하고, 29%는 완전히 지원받는다고 보고합니다. 3년 후를 내다보면 이러한 비율은 상당히 바뀔 것으로 예상됩니다. Gen AI 지원이 필요하지 않은 것은 4%로 떨어지고, Gen AI 사용에 대한 전혀/최소한의 지원은 10%로 감소하고, Gen AI 사용에 대한 중간에서 상당한 지원은 56%로 증가하고, 완전히 지원되는 것은 31%로 증가합니다. 출처: McKinsey US 직원 설문 조사, 2024년 10월~11월. 이 이미지 설명은 Gen AI 도구인 Writer의 도움을 받아 작성되었습니다.

이미지 설명이 끝납니다.

사이드바

훈련에 대한 글로벌 관점

글로벌 AI 도입 추세에 대한 더 명확한 그림을 얻기 위해 호주, 인도, 뉴질랜드, 싱가포르, 영국의 5개국의 추세를 살펴보았습니다. 대체로 이러한 직원과 C-Suite 리더(이 보고서의 "국제적" 그룹)는 미국 동료들과 비슷한 AI 관점을 가지고 있습니다. 그러나 교육 주제를 포함한 일부 핵심 영역에서는 경험이 다릅니다.

많은 국제 직원들은 미국 직원들보다 훨씬 더 많은 지원을 받는다고 보고하지만, 불충분한 교육에 대해 우려하고 있습니다. 약 84%의 국제 직원들이 AI 기술을 배우기 위해 상당한 또는 완전한 조직적 지원을 받는다고 말하는데, 이는 미국 직원의 절반에 불과합니다. 국제 직원들은 또한 미국 직원보다 직장에서 Gen AI 도구를 개발하는 데 참여할 기회가 더 많으며, 피드백 제공, 베타 테스트, 특정 기능 요청과 같은 활동에서 최소 10% 포인트 차이가 있습니다(전시).

C-Suite 리더는 밀레니얼 세대가 길을 선도하도록 도울 수 있습니다.

35~44세의 많은 밀레니얼 세대가 회사의 관리자이자 팀 리더입니다. 저희 설문 조사에서 그들은 AI에 대한 가장 많은 경험과 열정을 가지고 있다고 스스로 보고했으며, 이는 그들을 변혁적 변화의 자연스러운 옹호자로 만듭니다. 밀레니얼 세대는 가장 적극적인 AI 사용자 세대입니다. 35~44세 직원의 약 62%가 AI에 대한 높은 수준의 전문성을 보고하는 반면, 18~24세 Z세대의 50%와 65세 이상 베이비붐 세대의 22%가 그렇습니다(표 4). 리더는 그러한 열정과 전문성을 활용하여 밀레니얼 세대가 AI 도입에서 중요한 역할을 하도록 도울 수 있습니다.

증거물 4

이미지 설명이 시작됩니다:

이 전시는 연령대별로 Gen AI에 대한 미국 직원의 감정을 보여주는 비례 면적 차트 그리드입니다. 각 행은 위에서 아래로 다른 감정을 나타냅니다. Gen AI에 대한 광범위한 친숙도를 가지고 있고, 직장에서 Gen AI를 편안하게 사용하고, Gen AI 도구에 대한 피드백을 제공하며, Gen AI 도구 설계에 참여하고 싶어합니다. 열은 연령대를 나타냅니다. 18-24, 25-34, 35-44, 45-54, 55-64, 65+. 데이터는 각 연령대 내에서 각 감정에 동의한 응답자의 백분율로 표시됩니다.

차트에 따르면 35~44세 연령대가 대부분 범주에서 가장 긍정적인 감정을 보입니다. 예를 들어, 이 연령대의 90%가 직장에서 Gen AI를 사용하는 데 편안함을 느낀다고 보고하며, 이는 이 지표에 대한 모든 연령대 중 가장 높은 비율입니다. 이 그룹은 또한 Gen AI에 대한 광범위한 친숙도를 보고하는 가장 높은 비율(62%)을 보입니다. 반면, 55~64세와 65세 이상 연령대는 4가지 지표 모두에서 지속적으로 낮은 비율을 보이며, 이 연령대의 직원 중 각각 26%와 22%만이 Gen AI에 대한 광범위한 친숙도를 보고했습니다. 18~24세, 25~34세, 45~54세 연령대는 일반적으로 35~44세 그룹보다 낮지만 55~64세와 65세 이상 연령대보다 높은 중간 수준의 긍정적인 감정을 보입니다. 출처: McKinsey US 직원 설문 조사, 2024년 10월~11월. 이 이미지 설명은 Gen AI 도구인 Writer의 도움을 받아 작성되었습니다.

이미지 설명이 끝납니다.

많은 밀레니얼 세대가 관리자이기 때문에, 그들은 팀이 더 능숙한 AI 사용자가 되도록 지원할 수 있습니다. 이는 회사가 AI 성숙도를 향해 나아가는 데 도움이 됩니다. 관리자의 3분의 2는 팀으로부터 일주일에 한 번 이상 AI 도구를 사용하는 방법에 대한 질문을 받고, 비슷한 비율의 사람들이 문제를 해결하기 위해 팀에 AI 도구를 추천한다고 말합니다(표 5).

증거물 5

이미지 설명이 시작됩니다:

이 전시는 미국 관리자 응답자와 Gen AI 도구에 대한 그들의 경험을 살펴봅니다. 이 전시는 두 개의 주요 섹션으로 구성되어 있습니다.

전시의 상단 섹션은 관리자가 직원으로부터 직장에서 신세대 AI 도구를 사용하는 것에 대한 문의 빈도를 살펴봅니다. 이는 응답자의 백분율을 보여주는 수평 막대 차트로 표현됩니다. 관리자의 5%는 분기별 문의 미만을 보고합니다. 5%는 분기별 문의를 보고합니다. 12%는 한 달에 한 번 문의를 보고합니다. 15%는 일주일에 한 번 보고합니다. 28%는 일주일에 몇 번 보고합니다. 9%는 하루에 한 번 보고합니다. 16%는 하루에 여러 번 보고합니다. 마지막으로 10%는 전혀 보고하지 않습니다.

두 번째 섹션에서는 팀원의 과제를 해결하기 위한 Gen AI 도구의 활용을 살펴봅니다. 이 섹션에서는 두 개의 도넛형 차트를 사용하며, 각각 응답자의 백분율을 보여줍니다. 첫 번째 도넛형 차트는 관리자의 68%가 지난달에 팀원의 과제를 해결하기 위해 Gen AI 도구를 추천했다고 보고했습니다. 두 번째 도넛형 차트는 Gen AI 도구를 추천한 관리자의 86%가 도구가 팀원의 과제를 해결하는 데 성공적이었다고 보고했습니다. 출처: McKinsey US 직원 설문 조사, 2024년 10월~11월. 이 이미지 설명은 Gen AI 도구인 Writer의 도움을 받아 완성되었습니다.

이미지 설명이 끝납니다.

리더는 허가 공간이 있으므로 더욱 대담해질 ​​수 있습니다.

많은 변화에서 직원들은 변화에 대한 준비가 되어 있지 않지만 AI는 다릅니다. 직원의 준비성과 친숙함이 높아서 기업 리더에게 행동할 수 있는 공간을 제공합니다. 리더는 직원들이 오늘날 AI를 어떻게 사용하고 있는지, 그리고 업무가 어떻게 변화될지 상상하는 것을 들을 수 있습니다. 또한 직원들에게 절실히 필요한 교육을 제공하고 관리자가 AI 사용 사례를 파일럿에서 스케일로 옮길 수 있도록 지원할 수 있습니다.

리더들이 이 순간을 맞이하는 것이 중요합니다. 이는 회사가 AI 성숙도에 도달할 가능성을 가속화하는 유일한 방법입니다. 하지만 민첩하게 움직여야 하며 그렇지 않으면 뒤처질 것입니다.

3장

속도와 안전을 제공하다

AI 기술은 기록적인 속도로 발전하고 있습니다. ChatGPT는 약 2년 전에 출시되었으며, OpenAI는 현재 주간 사용자 수가 3억 명을 넘어섰다고 보고합니다.13그리고 Fortune 500대 기업의 90% 이상이 이 기술을 사용하고 있습니다.14인터넷은 출시 후 10년 가까이 지나서야 2000년대 초반에야 이 수준의 사용에 도달했습니다.

첫 자동차가 도로에 나온 직후, 첫 번째 자동차 충돌 사고가 발생했습니다. 하지만 우리는 자동차를 금지하지 않았습니다. 우리는 속도 제한, 안전 기준, 면허 요건, 음주운전 법률 및 기타 도로 규칙을 채택했습니다.

마이크로소프트의 공동 창립자 빌 게이츠

대부분의 직원은 자신을 AI 낙관주의자라고 표현합니다. 줌머와 블루머는 직장의 59%를 차지합니다. 분석에서 덜 낙관적인 두 세그먼트 중 하나인 글럼머조차도 높은 수준의 Gen AI 친숙도를 보고하며, 4분의 1 이상이 내년에 AI를 더 많이 사용할 계획이라고 말했습니다.

기업 리더는 회사가 뒤처지지 않도록 하기 위해 이러한 속도와 낙관주의를 받아들여야 합니다. 그러나 모든 흥분과 초기 실험에도 불구하고, C-suite 리더의 47%는 조직이 Gen AI 도구를 너무 느리게 개발하고 출시하고 있다고 말하며, 지연의 주요 이유로 인재 기술 격차를 꼽았습니다(표 6).

증거 6

이미지 설명이 시작됩니다:

이 전시는 두 개의 분할된 막대 그래프 형태로 조직 내 차세대 AI 도구의 개발 및 출시 속도에 대한 미국 최고 경영진의 생각을 보여줍니다.

첫 번째 막대 그래프는 전반적인 속도 인식을 보여주는데, 응답자의 47%가 속도가 너무 느리다고 생각하는 반면, 45%는 적절하다고 생각하고, 9%는 너무 빠르다고 생각합니다. 두 번째 막대 그래프는 임원 조직에서 Gen AI 도구 개발 및 출시 속도가 느리다고 인식되는 주요 이유를 자세히 살펴보며, 개발이 너무 느리다고 응답한 사람들의 응답에 초점을 맞춥니다. 가장 두드러진 이유는 인재 기술 격차로, 이러한 응답의 46%를 차지합니다. 자원 제약이 그 뒤를 이었고, 응답자의 38%가 이를 핵심 요인으로 지적했습니다. 복잡한 승인 프로세스와 기술적 복잡성이 각각 응답의 8%를 차지했습니다. 출처: McKinsey US CxO 설문 조사, 2024년 10월-11월. 이 이미지 설명은 Gen AI 도구인 Writer의 도움을 받아 작성되었습니다.

이미지 설명이 끝납니다.

기업 리더들은 AI에 대한 투자를 늘려 속도에 대한 요구를 충족하려 하고 있습니다. 설문 조사에 참여한 임원 중 92%는 향후 3년 동안 AI에 대한 지출을 늘릴 것으로 예상하며, 55%는 현재 수준에서 최소 10% 이상 투자가 증가할 것으로 예상합니다. 하지만 더 이상 결과를 기대하지 않고 AI에 돈을 쓸 수는 없습니다. 기업이 초기 세대 AI의 스릴에서 벗어나면서 기업 리더들은 세대 AI 배포에서 ROI를 창출해야 하는 압박이 커지고 있습니다.

우리는 전환점에 있습니다. 초기 AI 열풍은 잦아들었을지 몰라도 기술은 가속화되고 있습니다. 미래의 성공을 위한 무대를 마련하려면 대담하고 목적의식 있는 전략이 필요합니다. 리더들은 첫 걸음을 내딛고 있습니다. 설문 조사에 참여한 임원의 4분의 1이 세대 AI 로드맵을 정의했고, 절반이 조금 넘는 사람들이 초안을 다듬고 있습니다(표 7). 기술이 이처럼 빠르게 변화함에 따라 모든 로드맵과 계획은 끊임없이 진화할 것입니다. 리더들에게 가장 중요한 것은 먼저 추구할 가치 있는 기회에 대한 명확한 선택을 내리는 것입니다. 그리고 그 가치를 제공하기 위해 동료, 팀, 파트너와 어떻게 협력할 것인지도 말입니다.

증거물 7

이미지 설명이 시작됩니다:

전시는 두 개의 수평 분할 막대 차트로 구성되어 있습니다. 첫 번째 차트는 정의된 Gen AI 로드맵이 있는 미국 C-Suite 응답자의 비율을 표시합니다. 21%는 현재 로드맵이 없지만 진행 중이라고 보고하고, 53%는 아직 개선 중인 로드맵이 있다고 표시하고, 25%는 포괄적인 로드맵이 이미 있다고 말합니다.

두 번째 막대 그래프는 미국 C-Suite 응답자가 Gen AI에 대한 수익 창출 사용 사례를 식별한 수준을 보여줍니다. 응답자의 1%는 아직 그러한 사용 사례를 식별하지 못했다고 표시한 반면, 10%는 최소한으로 식별했다고 보고했고, 38%는 부분적으로 식별했고, 39%는 대부분 식별했고, 12%는 그러한 사용 사례를 완전히 식별했다고 보고했습니다. 출처: McKinsey US CxO 설문 조사, 2024년 10월-11월. 이 이미지 설명은 Gen AI 도구인 Writer의 도움을 받아 완성되었습니다.

이미지 설명 끝

속도와 안전의 딜레마

진행 중인 문제에는 스패너가 있습니다. 규제와 안전은 종종 기회보다는 극복할 수 없는 과제로 여겨집니다. 리더들은 AI 투자를 늘리고 개발을 가속화하고 싶어하지만 직장에서 AI를 안전하게 만드는 방법에 대해 고심하고 있습니다. 데이터 보안, 환각, 편향된 출력 및 오용(예: 유해한 콘텐츠 생성 또는 사기 촉진)은 무시할 수 없는 과제입니다. 직원들은 AI의 안전 과제를 잘 알고 있습니다. 그들의 가장 큰 관심사는 사이버 보안, 개인 정보 보호 및 정확성입니다(표 8). 하지만 리더들이 이러한 우려 사항을 해결하고 동시에 빛의 속도로 전진하려면 무엇이 필요할까요?

증거물 8

이미지 설명이 시작됩니다:

이 전시는 일련의 비례적 영역 차트를 통해 세대 AI에 대한 우려를 가진 미국 직원의 비율을 보여줍니다.각각은 세대 AI와 관련된 특정 위험을 나타냅니다.각 차트의 크기는 해당 위험을 우려 사항으로 인용한 미국 직원의 비율을 나타냅니다.응답자의 51%가 사이버 보안 위험을 언급했고, 부정확성은 50%, 개인 정보 보호에 대한 우려는 43%였습니다.지적 재산권 침해는 응답자의 40%가 우려하는 사항이며, 그 다음으로 인력 대체(35%), 설명 가능성(34%), 형평성 및 공정성(30%)이 뒤따릅니다.덜 눈에 띄지만 여전히 중요한 우려 사항은 규정 준수 문제(28%), 국가 안보(24%), 조직 평판 손상(16%), 환경 영향(15%), 물리적 안전(14%), 정치적 안정성(13%)이었습니다.출처: McKinsey 미국 직원 설문 조사, 2024년 10월~11월.이 이미지 설명은 세대 AI 도구인 Writer의 도움을 받아 작성되었습니다.

이미지 설명이 끝납니다.

직원들은 기업 리더가 일을 올바르게 처리할 것이라고 믿습니다.

직원들은 AI가 자신의 업무의 상당 부분을 대체할 수 있는 위험과 가능성을 인정하지만, AI를 안전하고 윤리적으로 배포할 수 있는 고용주를 크게 신뢰합니다. 특히, 직원의 71%는 고용주가 AI를 개발할 때 윤리적으로 행동할 것이라고 신뢰합니다. 사실, 그들은 대학, 대형 기술 회사, 기술 스타트업보다 고용주를 더 신뢰합니다(표 9).

증거물 9

이미지 설명이 시작됩니다:

이 전시는 다양한 기관이 책임감 있고 안전하며 윤리적으로 Gen AI 도구를 배포할 수 있다고 매우 신뢰하는 미국 직원의 비율을 보여줍니다. 데이터는 고용주, ​​대학, 대형 기술 회사, 신생 기업 등 각각 다른 기관을 나타내는 4개의 별도 단위 차트로 표시됩니다. 각 단위 차트는 10x10 사각형 행렬로 구성됩니다. 각 그리드 내의 밝은 파란색 사각형의 수는 각 기관에 대한 높은 신뢰를 표현하는 직원의 비율을 나타냅니다. 나머지 사각형은 밝은 회색입니다. 고용주는 가장 높은 수준의 신뢰(71%)를 받고 그 다음으로 대학(67%), 대형 기술 회사(61%), 신생 기업(51%)입니다. 출처: McKinsey 미국 직원 설문 조사, 2024년 10월~11월. 이 이미지 설명은 Gen AI 도구인 Writer의 도움을 받아 완성되었습니다.

이미지 설명이 끝납니다.

우리의 조사에 따르면, 이는 직원들이 고용주가 일반적으로 옳은 일을 할 것이라고 더 높은 신뢰(73%)를 보이는 더 광범위한 추세와 일치합니다. 이는 정부(45%)를 포함한 다른 기관보다 더 높은 신뢰입니다. 이러한 신뢰는 리더들이 속도 대 안전 딜레마를 해결할 때 자신감을 가지고 행동하는 데 도움이 될 것입니다. 이러한 자신감은 미국 외 지역에서도 적용되지만, 다른 지역의 직원들은 규제에 대한 욕구가 더 클 수 있습니다(사이드바 "규제에 대한 글로벌 관점" 참조).

사이드바

규제에 대한 글로벌 관점

우리가 5개 지역(호주, 인도, 뉴질랜드, 싱가포르, 영국)에서 조사한 국제 C-suite 리더의 상당수가 더 큰 규제 감독을 선호하는 Gloomers입니다. 국제 C-suite 리더의 37~50%가 자신을 Gloomers라고 생각하는 반면, 미국에서는 31%입니다. 이는 미국 외의 많은 국가에서 상향식 규제가 더 많이 받아들여지기 때문일 수 있습니다. 조사에 참여한 글로벌 C-suite 리더 중 절반 이상이 윤리적 사용 및 데이터 개인 정보 보호 문제로 인해 직원들이 Gen AI를 도입하지 못하고 있다고 우려합니다.

그러나 우리의 연구에 따르면 규제에 대한 태도가 미국 이외 지역의 기업 리더들의 경제적 기대를 저해하지 않는 것으로 나타났습니다. 국제 임원의 절반 이상(미국 임원의 41% 대비)이 자사가 AI를 가장 먼저 도입하기를 원한다고 밝혔으며, 특히 인도와 싱가포르의 임원들은 강경한 입장을 보였습니다(전시). 국제 비즈니스 리더들이 AI를 가장 먼저 도입하고자 하는 욕구는 AI 도입에서 기대하는 수익으로 설명할 수 있습니다. 국제 C-suite 리더의 약 31%는 AI가 향후 3년 동안 10% 이상의 수익 증가를 가져올 것으로 예상한다고 말했으며, 미국 리더의 경우 17%에 불과했습니다. 인도 임원들이 가장 낙관적이며, 55%가 향후 3년 동안 10% 이상의 수익 증가를 예상했습니다.

Gen AI를 위한 위험 관리

이 기사가 당신에게 얼마나 관련성이 있고 유용한가요?

가장 인기 있는 통찰력

1. M&A 연례 보고서: 그 물결이 마침내 도착하는가?
2. 직장에서의 슈퍼에이전시: 사람들이 AI의 잠재력을 최대한 발휘할 수 있도록 지원
3. 기초부터 리더를 양성하다
4. 깨진 렁
5. AI가 전략 개발을 어떻게 변화시키고 있는가

Hoffman은 Superagency 에서 새로운 위험은 자연스럽게 새로운 역량과 함께 나타난다고 주장합니다. 즉, 위험은 관리해야 하지만 반드시 제거해야 하는 것은 아니라는 뜻입니다.15리더는 지적 재산권(IP) 침해, AI 기반 맬웨어, AI 도입 프로세스에서 발생하는 내부 위협과 같은 외부 위협에 대처해야 합니다. 적합한 목적의 위험 관리를 구축하는 첫 번째 단계는  각 회사의 사업에서 잠재적인 취약성을 식별하기 위한 포괄적인 평가를 시작하는 것입니다. 그런 다음 리더는 견고한 거버넌스 구조를 확립하고 실시간 모니터링 및 제어 메커니즘을 구현하며 지속적인 교육과 규제 요구 사항 준수를 보장할 수 있습니다.

강력한 제어 메커니즘 중 하나는 AI 안전성과 신뢰를 높일 수 있는 존중받는 제3자 벤치마킹입니다. 예를 들어 Stanford CRFM의 언어 모델에 대한 전체적 평가(HELM) 이니셔티브는 회사의 AI 시스템의 공정성, 책임성, 투명성 및 더 광범위한 사회적 영향을 평가하기 위한 포괄적인 벤치마크를 제공하며, Stanford의 연구자들이 협업한 MLCommons의 AILuminate 툴킷이 있습니다.16Data & Trust Alliance 같은 다른 조직은 대기업을 하나로 모아 기업 AI 모델에 더 많은 투명성을 제공하는 것을 목표로 하는 산업 간 메타데이터 표준을 만듭니다.

벤치마크는 신뢰를 구축하는 데 상당한 잠재력이 있지만, 설문 조사에 따르면 C-suite 리더의 39%만이 AI 시스템을 평가하는 데 벤치마크를 사용합니다. 게다가 리더가 벤치마크를 사용할 때는 운영 지표(예: 확장성, 안정성, 견고성 및 비용 효율성)와 성과 관련 지표(정확도, 정밀도, F1 점수, 지연 시간 및 처리량 포함)를 측정하기로 선택합니다. 이러한 벤치마킹 노력은 윤리 및 규정 준수 문제에 덜 집중하는 경향이 있습니다. 벤치마킹을 하는 C-suite 리더의 17%만이 공정성, 편향, 투명성, 개인 정보 보호 및 규제 문제를 측정하는 것이 가장 중요하다고 말합니다(표 10).

증거물 10

이미지 설명이 시작됩니다:

이 전시는 미국 최고 경영진 임원들 사이에서 세대 AI 도구에 대한 벤치마크 활용에 대한 데이터를 제시합니다. 이 전시는 두 부분으로 구성되어 있습니다. 첫 번째 부분은 응답자의 39%가 직원이 사용하는 세대 AI 도구에 대한 벤치마크 표준이 있음을 보여주는 원형 차트입니다. 이는 현재 상당수의 최고 경영진 임원들이 이러한 표준을 사용하고 있음을 나타냅니다. 전시의 두 번째 부분은 최고 경영진 응답자들이 가장 중요하다고 생각하는 벤치마크를 표시하는 수평 막대 차트입니다. 응답자의 41%가 성과 관련 벤치마크를 가장 중요하다고 생각합니다. 운영 벤치마크가 그 뒤를 따르며, 참가자의 35%가 언급했습니다. 윤리 및 규정 준수 벤치마크는 응답자의 17%가 선택한 낮은 우선순위인 반면, 다른 벤치마크는 응답자의 7%에 불과합니다. 이는 주목할 만한 불균형을 보여주는데, 최고 경영진 리더들이 윤리적 고려 사항을 벤치마킹하는 것보다 AI의 성과와 운영 측면을 벤치마킹하는 데 더 중점을 두고 있음을 시사합니다. 출처: McKinsey US CxO 설문 조사, 2024년 10월~11월. 이 이미지 설명은 Gen AI 도구인 Writer의 도움을 받아 완성되었습니다.

이미지 설명이 끝납니다.

운영 및 성과 지표에 초점을 맞추는 것은 즉각적인 기술 및 비즈니스 결과를 우선시하려는 이해할 만한 욕구를 반영합니다. 그러나 윤리적 고려 사항을 무시하면 리더에게 문제가 될 수 있습니다. 직원이 AI 시스템을 신뢰하지 않으면 수용할 가능성이 줄어듭니다. 벤치마크가 모든 위험을 제거하는 만병통치약은 아니며 AI 시스템이 완전히 효율적이고 윤리적이며 안전하다는 것을 보장할 수는 없지만 유용한 도구입니다.

AI 준비의 세 가지 범주(기술, 직원, 안전)에서 모두 뛰어난 회사조차도 반드시 확장하거나 기대하는 가치를 제공하지는 않습니다. 그럼에도 불구하고 리더는 큰 야망의 힘을 활용하여 AI로 회사를 변화시킬 수 있습니다. 다음 장에서는 그 방법을 살펴봅니다.

4장

더 큰 야망을 품다

AI에 투자한 대부분의 조직은 기대했던 수익을 얻지 못하고 있습니다. 그들은 AI의 완전한 경제적 잠재력을 얻지 못하고 있습니다. AI를 구축한 회사의 C-suite 리더의 약 절반은 이니셔티브가 아직 개발 중이거나 확장 중이라고 설명합니다(표 11). 그들은 더 나아갈 시간이 있었습니다. 저희 조사에 따르면 리더의 3분의 2 이상이 1년 전에 1세대 AI 사용 사례를 시작했습니다.

지금은 AI로부터 혜택을 얻어야 할 때이고, 경쟁자들은 그저 놀고 실험하고 있기를 바랄 때입니다.

스탠포드 대학 교수이자 스탠포드 인간 중심 인공지능 연구소(HAI) 디지털 경제 연구소 소장인 에릭 브린욜프슨

증거물 11

이미지 설명이 시작됩니다:

이 전시는 수평으로 쌓인 막대 그래프로, 성숙도 단계에 따라 Gen AI 출시를 설명하는 C-suite 응답자의 비율을 보여줍니다. 응답자의 8%는 조직이 직원 워크플로에 큰 영향을 미치지 않는 최소한의 Gen AI 이니셔티브가 특징인 초기 단계에 있다고 보고합니다. 상당히 많은 부분인 39%는 조직이 Gen AI 파일럿 프로젝트가 가치를 보이기 시작하는 신생 단계에 있다고 설명합니다. Gen AI 구현이 특정 워크플로를 변경하고 효율성을 높이는 개발 단계는 응답자의 31%를 차지합니다. 응답자의 22%는 조직을 확장 단계에 두고 Gen AI가 부서 전체에 확장되고 워크플로를 혁신하며 운영을 개선하고 있음을 나타냅니다. 마지막으로, C-suite 응답자의 1%만이 Gen AI 출시를 성숙하다고 설명하는데, 이는 Gen AI가 작업 수행 방식을 근본적으로 변경하고 상당한 비즈니스 성과를 창출하고 있음을 의미합니다. 이 전시는 반올림으로 인해 수치가 100%에 미치지 못할 수 있음을 강조합니다. 출처: McKinsey US CxO 설문 조사, 2024년 10월~11월. 이 이미지 설명은 Gen AI 도구인 Writer의 도움을 받아 완성되었습니다.

이미지 설명이 끝납니다.

조종사는 여러 가지 이유로 확장에 실패합니다. 일반적인 원인은 설계나 실행이 부족한 전략이지만, 대담한 야망이 부족한 것도 마찬가지로 치명적일 수 있습니다. 이 장에서는 산업 전반에 걸친 오늘날의 AI 투자를 지배하는 패턴을 살펴보고 더 큰 꿈을 꿀 수 있는 사람들을 기다리고 있는 잠재력을 제안합니다.

공유하다

사이드바

방법론

AI 투자는 산업별로 다릅니다

산업마다 AI 투자 패턴이 다릅니다. 지출 상위 25% 중에서 의료, 기술, 미디어 및 통신, 첨단 산업, 농업 분야의 기업이 선두를 달리고 있습니다(표 12). 금융 서비스, 에너지 및 자재, 소비재 및 소매, 하드웨어 엔지니어링 및 건설, 여행, 운송 및 물류 분야의 기업은 지출이 줄었습니다. 소비자 산업은 AI에서 두 번째로 높은 가치 실현 잠재력을 자랑하지만, 자체 보고된 Gen AI 매출 지출 비율을 기준으로 상위 사분위에 해당하는 응답자가 7%에 불과해 투자 의지가 가장 낮은 것으로 보입니다. 이러한 주저는 대량 시장 범주에서 산업의 평균 순이익률이 낮고, 따라서 비용이 많이 드는 조직 전체 기술 업그레이드를 채택하기 위한 신뢰 임계값이 더 높기 때문일 수 있습니다.

증거물 12

이미지 설명이 시작됩니다:

산점도 그래프는 기업의 Gen AI 지출이 해당 산업의 경제적 잠재력과 일치하지 않는 방식을 보여줍니다. 이 그래프는 Gen AI에서 높은 경제적 잠재력을 가진 몇몇 산업이 아직 이 기술에 상당한 지출을 하지 않는다는 것을 보여줍니다. 이는 전체 설문 응답자의 산업 점유율과 상위 사분위 Gen AI 지출의 산업 점유율 간의 관계를 보여줍니다. 두 축 모두에서 상위 값은 35%로 설정되었습니다. 각 원의 크기는 각 산업의 Gen AI에서 수십억 달러의 경제적 잠재력을 나타냅니다.

밝은 파란색 원은 상위 사분위의 Gen AI 지출 점유율이 전체 설문 조사 점유율보다 높은 산업을 나타냅니다. 여기에는 Gen AI에서 상당한 경제적 잠재력을 나타내는 큰 원이 있는 의료와 큰 경제적 잠재력을 나타내는 상당한 원이 있는 기술이 포함됩니다. 미디어 및 통신, 첨단 산업도 밝은 파란색으로 표시되어 Gen AI에서 강력한 경제적 잠재력을 보여주지만, 더 작은 원은 의료 및 기술보다 경제적 잠재력이 낮음을 나타냅니다. 농업은 작은 밝은 파란색 원으로 표시됩니다.

진한 회색 원은 상위 4분위의 Gen AI 지출 점유율이 전체 설문 조사 점유율보다 낮은 산업을 나타냅니다. 여기에는 큰 원이 높은 경제적 잠재력을 보여주는 금융 서비스가 포함됩니다. 에너지 및 자재, 소비재 및 소매, 하드웨어 엔지니어링 및 건설, 여행, 운송 및 물류는 다양한 크기의 겹치는 원으로 표시되어 다양한 경제적 잠재력을 암시합니다.

어떤 산업도 전체 설문 응답자 점유율에서 20%를 넘지 않습니다. 미디어 및 통신, 첨단 산업, 농업과 같은 일부 산업은 전체 설문 응답자의 약 5% 이하를 차지합니다. 상위 사분위 세대 AI 지출 점유율에서 높은 백분율을 기록한 산업에는 의료 및 기술이 포함됩니다.

출처: Gen AI의 경제적 잠재력: 다음 생산성 프런티어, 맥킨지. 이 이미지 설명은 Gen AI 도구인 Writer의 도움을 받아 완성되었습니다.

이미지 설명이 끝납니다.

일부 산업에서는 직원들이 조심스럽습니다.

공공 부문, 항공우주 및 방위, 반도체 산업의 직원들은 AI의 미래 개발에 대해 대체로 회의적입니다. 공공 부문과 항공우주 및 방위에서 직원의 20%만이 내년에 AI가 일상 업무에 상당한 영향을 미칠 것으로 예상하는 반면, 미디어 및 엔터테인먼트(65%)와 텔레콤(67%)에서는 약 3분의 2가 그렇게 예상합니다(표 13). 게다가, 우리 조사에 따르면 사회 부문 직원의 31%만이 고용주가 AI를 안전하게 개발할 것이라고 믿습니다. 이는 모든 산업에서 가장 낮은 신뢰도입니다. 산업 간 평균은 71%입니다.

증거물 13

저희는 장애인이 저희 웹사이트에 동등하게 접근할 수 있도록 노력합니다. 이 콘텐츠에 대한 정보가 필요하시면 기꺼이 도와드리겠습니다. 다음 주소로 이메일을 보내주세요: McKinsey_Website_Accessibility@mckinsey.com

이러한 분야에서 직원들이 AI에 대해 상대적으로 조심스러운 태도를 보이는 것은 엄격한 규제 감독, 구식 IT 시스템, 긴 승인 절차 등 외부적 제약으로 인한 단기적 과제를 반영한 ​​것일 가능성이 높습니다.

일부 기능에는 많은 여유가 있습니다

저희의 연구에 따르면 AI가 가장 큰 경제적 잠재력을 보이는 기능 분야는 직원들의 전망이 미온적인 분야이기도 합니다. 영업 및 마케팅, 소프트웨어 엔지니어링, 고객 서비스, R&D 분야의 직원들은 AI의 총 경제적 잠재력의 약 4분의 3을 차지하지만, 이러한 기능 분야의 직원들이 스스로 보고한 낙관적 태도는 중간 수준입니다(표 14). 이러한 기능에서 AI 프로젝트를 시범적으로 수행하여 직원들이 AI의 이점과 한계에 대해 더 현실적으로 생각하게 되었을 수도 있습니다. 아니면 경제적 잠재력 때문에 AI가 자신의 일자리를 대체할 수 있다는 우려를 갖게 되었을 수도 있습니다. 이유가 무엇이든 이러한 기능의 리더는 직원 ​​지원에 더 많이 투자하고 그러한 감정을 개선할 수 있는 변화 챔피언을 높이는 것을 고려할 수 있습니다.

전시물 14

이미지 설명이 시작됩니다:

이 전시는 산점도와 별도의 막대 차트로 구성되어 있으며, Gen AI의 잠재적 경제적 가치와 Gen AI에 대한 긍정적인 전망을 가진 직원의 비율 간의 관계를 사업 기능별로 분류하여 시각화합니다. 이 전시는 Gen AI에 대해 가장 낙관적인 직원이 있는 기능이 Gen AI에서 가장 큰 잠재적 경제적 가치를 가진 기능이 아니라는 것을 보여줍니다.

산점도는 영업 및 마케팅, 소프트웨어 엔지니어링, 고객 서비스, R&D, 법률, 위험 및 규정 준수, 운영, HR, 전략, 공급망, 재무, 조달 및 IT와 같은 비즈니스 기능을 표시합니다. 각 기능은 데이터 포인트로 표현되며, 수평 위치는 Gen AI에 대한 긍정적인 전망을 표현하는 직원의 비율을 나타내고 수직 위치는 해당 기능에서 Gen AI의 잠재적 경제적 가치를 수조 달러로 나타냅니다. 영업 및 마케팅은 가장 높은 잠재적 경제적 가치를 보이며 약 50%의 직원이 긍정적인 전망을 가지고 있습니다. 소프트웨어 엔지니어링은 Gen AI에서 두 번째로 높은 경제적 잠재력을 가진 기능이며, 이 기능의 직원 약 50%가 Gen AI에 대해 낙관적이라고 보고합니다. 고객 서비스와 R&D도 약 50%의 직원이 Gen AI에 대한 긍정적인 전망을 가지고 있지만 잠재적 경제적 가치는 훨씬 낮습니다. 운영, HR, 전략 및 IT와 같은 여러 기능이 낮은 잠재적 경제적 가치와 비슷하게 중간 수준의 직원 낙관주의와 함께 클러스터링됩니다. IT, 재무, 조달 부문 종사자들은 세대 AI에 대해 가장 낙관적이며, 약 70%의 직원이 긍정적인 감정을 보고했지만 이러한 기능은 세대 AI의 경제적 잠재력이 낮음을 나타냅니다.

인접한 막대 차트는 각 기능이 기여한 총 잠재적 경제적 가치의 점유율을 분석합니다. 영업 및 마케팅은 Gen AI의 총 잠재적 경제적 가치의 28%를 차지하고, 그 다음으로 소프트웨어 엔지니어링이 25%를 차지합니다. 고객 서비스는 11%, R&D는 9%를 기여합니다. 나머지 27%는 다른 기능에 기인합니다. 출처: McKinsey US CxO 설문 조사, 2024년 10월-11월. 이 이미지 설명은 Gen AI 도구인 Writer의 도움을 받아 완성되었습니다.

이미지 설명이 끝납니다.

Gen AI는 기업 전체 ROI를 제공하지 못했지만 이는 바뀔 수 있습니다.

모든 산업에서 설문 조사에 참여한 C급 임원들은 기업 전체 AI 투자에 대한 수익이 제한적이라고 보고했습니다. 매출이 5% 이상 증가했다고 응답한 사람은 19%에 불과했고, 39%는 1~5%의 적당한 증가를 보고했으며, 36%는 변화가 없다고 보고했습니다(표 15). 그리고 23%만이 AI가 비용에 유리한 변화를 가져올 것이라고 보고 있습니다.

증거물 15

이미지 설명이 시작됩니다:

이 전시에서 두 개의 분할 막대 차트는 미국 CxO가 세대 AI가 기업에 상당한 투자 수익을 제공했는지에 대한 인식을 표시하며, 세대 AI가 매출과 비용에 영향을 미쳤다고 생각하는지에 대한 세부 정보를 제공합니다. 데이터는 매출에 대한 막대 그래프와 비용에 대한 막대 그래프로 나뉘며, 각각은 다양한 수준의 변화를 보고하는 응답자의 백분율을 보여주는 쌓인 막대 차트로 표시됩니다.

수익 부문에서 응답자의 39%는 Gen AI가 1~5%의 수익 증가를 가져왔다고 보고했고, 12%는 6~10%의 증가를 보고했으며, 7%는 10% 이상의 수익 증가를 보고했습니다. 상당수인 36%는 수익에 변화가 없다고 보고했고, 소수(2%)는 감소했다고 보고했습니다. 추가로 3%는 Gen AI와 관련된 수익을 추적하지 않았고, 2%는 모른다고 답했습니다.

비용 섹션은 비슷한 세부 내용을 보여줍니다. 응답자의 상당수인 31%가 Gen AI로 인해 조직 비용이 변경되지 않았다고 보고했고, 그 다음으로 29%가 1~10% 증가했다고 보고했습니다. 또한 17%는 1~10%의 비용 감소를 보고했고, 6%는 11~19%의 감소를 보고했습니다. 10%의 더 적은 비율은 11~19%의 비용 증가를 나타내고, 4%는 20% 이상의 비용 증가를 보고했습니다. 수익 섹션과 유사하게, 응답자의 2%는 Gen AI와 관련된 비용 변화를 추적하지 않고 있으며, 3%는 모른다고 응답했습니다. 이 그림은 반올림으로 인해 수치가 100%가 되지 않을 수 있음을 강조합니다. 출처: McKinsey US CxO 설문 조사, 2024년 10월~11월. 이 이미지 설명은 Gen AI 도구인 Writer의 도움을 받아 작성되었습니다.

이미지 설명이 끝납니다.

그럼에도 불구하고, 회사 리더들은 앞으로 몇 년 동안 획득할 수 있는 가치에 대해 낙관적입니다. 임원의 87%가 향후 3년 내에 Gen AI로 인한 매출 성장을 기대하고 있으며, 약 절반은 그 기간 동안 매출이 5% 이상 증가할 수 있다고 말합니다(표 16). 이는 앞으로 몇 년 동안 많은 것이 더 나아질 수 있음을 시사합니다.

증거물 16

이미지 설명이 시작됩니다:

이 전시에서 세그먼트화된 막대 그래프는 C-Suite 임원들이 Gen AI가 향후 3년 동안 조직의 수익에 영향을 미칠 것으로 생각하는 정도와 Gen AI가 다양한 수준의 수익 변화를 가져올 것으로 예상하는 응답자의 비율을 보여줍니다. 막대 그래프는 응답자의 36%가 Gen AI가 수익을 1-5% 증가시킬 것으로 예상하고, 34%가 수익을 6-10% 증가시킬 것으로 예상하며, 17%가 수익을 10% 이상 증가시킬 것으로 예상한다는 것을 보여줍니다. 반면에 응답자의 10%는 Gen AI가 수익에 변화를 가져오지 않을 것으로 예상합니다. 응답자의 51%는 Gen AI가 수익을 5% 이상 증가시킬 것으로 예상합니다. Gen AI가 수익을 감소시킬 것으로 예상하는 응답자는 없으며, 3%는 현재 Gen AI와 관련된 수익 변화를 추적하지 않습니다. 출처: McKinsey US CxO 설문 조사, 2024년 10월~11월. 이 이미지 설명은 Gen AI 도구인 Writer의 도움을 받아 완성되었습니다.

이미지 설명이 끝납니다.

큰 야망은 큰 문제를 해결하는 데 도움이 될 수 있습니다.

매출 성장을 촉진하고 ROI를 개선하기 위해 기업 리더는 혁신적인 AI 가능성에 전념해야 할 수도 있습니다. AI에 대한 과대 광고가 가라앉고 초점이 가치로 옮겨감에 따라 경쟁 우위를 만들 수 있는 실용적인 응용 프로그램에 대한 관심이 높아지고 있습니다.

[AI를 통해] 미래에 대한 진정으로 고무적인 비전을 갖는 것이 중요하며, 단순히 화재 진압 계획만 갖는 것은 바람직하지 않습니다.

Anthropic의 공동 창립자이자 CEO인 Dario Amodei

회사가 이 변화에서 얼마나 진행되었는지 평가하기 위해 우리는 세 가지 범주의 AI 애플리케이션을 조사했습니다. 개인적 사용, 사업적 사용, 사회적 사용(사이드바 "개인 생활을 향상시킬 수 있는 AI의 잠재력" 참조). 우리는 우리의 작업에서 250개 이상의 애플리케이션을 매핑하고 공개적으로 공유한 사례를 통해 지역적 사용 사례에서 보다 보편적인 영향을 미치는 변환에 이르기까지 영향 수준의 스펙트럼을 이해했습니다. 우리의 결론은? 대부분 회사가 AI 여정의 초기 단계에 있다는 점을 감안할 때, 대부분의 AI 애플리케이션은 여전히 ​​파일럿 단계에 있는 지역적 사용 사례입니다(표 17).

전시물 17

이미지 설명이 시작됩니다:

이 텍스트 기반 전시는 Gen AI 사용 사례를 지역적 영향에서 보편적 영향에 이르기까지 영향 수준에 따라 분류하는 방법을 보여줍니다. 텍스트 표는 Gen AI 배포의 세 섹션, 즉 사용 사례, 도메인 및 변환을 보여줍니다. 각 섹션 내에서 Gen AI 애플리케이션의 예가 표시되며, 각 예의 주요 영향 유형이 개인적, 사업적 또는 사회적인지를 나타내는 색상 점이 있습니다. 사용 사례 섹션은 특정 작업 또는 직무를 자동화하여 생산성을 높이는 Gen AI 배포에 중점을 둡니다. 예를 들어 일상 정보에 대한 보다 스마트한 검색 수행(개인), 이벤트 계획(개인), 후보자 모집 성과 평가(사업), 계약 생성 가속화(사업), 고객 정보 더 빠르게 처리(사업), 맞춤형 판매 활동을 위한 고가치 소비자 식별(사업) 등이 있습니다. 이러한 Gen AI 사례는 모두 영향 스펙트럼의 보다 지역화된 쪽에 위치합니다.

도메인 섹션은 운영 영역에서 여러 역할을 재편하는 gen AI 애플리케이션을 보여줍니다. 이러한 모든 것은 주요 비즈니스 영향을 미치는 것으로 분류되며 데이터 기반 캠페인 개발 및 실행, 합성 고객 조사 수행, 실시간 공급망 모니터링 수행, 코딩 프로세스 가속화가 포함됩니다. 이러한 사용 사례는 보다 지역화된 영향 수준과 보다 보편적인 영향 수준 사이의 스펙트럼 중간에 있습니다.

마지막으로, 변형 섹션에서는 산업, 분야, 삶을 근본적으로 재편하는 사용 사례를 강조합니다. 이러한 사례는 영향 스펙트럼의 보다 보편적인 끝에 위치하며 재료 과학(비즈니스)에서 발견 및 제조 가속화, 자연 재해 예측 및 위기 관리 전략 지원(사회적), 비용과 시간을 줄여 약물 개발 가속화(사회적)를 포함합니다. 이 이미지 설명은 gen AI 도구인 Writer의 도움으로 완성되었습니다.

이미지 설명이 끝납니다.

많은 경우, 그것은 완벽하게 적절합니다. 그러나 산업을 혁신하고 변혁적 가치를 창출할 수 있는 AI 애플리케이션을 만드는 데는 그 이상의 것이 필요합니다. 제조 분야의 로봇공학, 재생 에너지 분야의 예측 AI, 생명 과학 분야의 약물 개발, 교육 분야의 개인화된 AI 튜터는 가장 큰 수익을 낼 수 있는 종류의 변혁적 노력입니다.17이것들은 반응적 사고방식에서 만들어진 것이 아닙니다. 영감을 주는 리더십, 독특한 미래 개념, 그리고 변혁적 영향에 대한 헌신의 결과입니다. 이는 산업을 혁신할 수 있는 AI 애플리케이션을 개발하는 데 필요한 종류의 용기입니다.

앞으로 수십 년 동안 엄청난 과학적 진보가 이루어질 것은 사람과 알고리즘의 협력 덕분입니다.

Google DeepMind의 공동 창립자이자 CEO인 Demis Hassabis

AI의 잠재력을 진정으로 활용하려면 기업은 더욱 획기적인 이니셔티브를 구상하고 구현하기 위해 스스로에게 도전해야 합니다. AI 시대의 성공은 기술 배포나 직원의 의지뿐만 아니라 비전을 가진 리더십에 달려 있습니다. 재료는 여기에 있습니다. 기술은 이미 매우 유능하고 빠르게 발전하고 있으며 직원은 리더가 생각하는 것보다 더 준비가 되어 있습니다. 리더는 직장에서 AI를 신속하게 배포할 수 있는 권한이 생각보다 많습니다. 이를 위해 리더는 체계적인 변화에 대한 야망을 넓혀 진정한 경쟁적 차별화의 토대를 마련해야 합니다. 회사가 AI에 대해 더욱 야심 차게 생각하고 싶다면 포트폴리오에서 변혁적 이니셔티브의 비중을 늘려야 합니다. 다음 장에서는 리더가 극복해야 하는 역풍과 이를 달성하는 방법을 살펴봅니다.

사이드바

AI는 우리의 개인 생활을 향상시킬 수 있는 잠재력을 가지고 있습니다.

비즈니스 맥락을 벗어나 개인은 개인 생활에서 AI를 점점 더 많이 사용하고 있습니다. 이전 연구에서 우리는 미국에서 77가지 개인 활동과 연령, 성별, 근무 상태에 따른 AI의 잠재적 영향을 분석했습니다. 개인은 여가, 수면, 피트니스를 포함한 특정 개인 활동을 자동화하려는 욕구가 제한적이지만, 데이터는 AI가 다른 기술과 결합되어 집안일이나 노동 집약적 작업을 도울 수 있는 상당한 기회를 보여줍니다. 이미 2024년에 우리 연구는 자동화될 수 있는 기술적 잠재력이 있는 그러한 일상 활동 중 약 1시간을 확인했습니다. 2030년까지 사용 사례가 확대되고 AI 안전성이 지속적으로 개선되면 하루에 최대 3시간까지 자동화 잠재력이 증가할 수 있습니다. 사람들이 AI 기반 도구(예: 운송을 위한 자율 주행차 또는 대화형 개인 금융 봇)를 사용하면 개인적 성취 활동이나 다른 방식으로 생산적으로 시간을 재활용할 수 있습니다.

인간 중심 설계를 사용하고 Gen AI의 "감성 지능" 잠재력을 활용하면 기본적인 효율성을 넘어서는 새로운 개인 AI 애플리케이션이 열리고 있습니다. 개인은 상담, 코칭 및 창의적 표현을 위해 대화형 및 추론형 AI 모델을 사용하기 시작했습니다. 예를 들어, 사람들은 대화형 AI를 조언 및 정서적 지원을 위해 사용하거나 언어적 단서만으로 예술적 비전을 실현합니다. 또한 AI 슈퍼에이전시가 사회를 발전시킬 것이라는 개념 외에도 AI는 민주화 세력이 될 잠재력이 있어 이전에는 비용이 많이 들거나 독점적이었던 경험(예: 애니메이션 생성, 커리어 코칭 또는 세무 조언)을 훨씬 더 많은 청중이 이용할 수 있습니다.

5장

기술은 규모의 장벽이 아닙니다

의심의 여지가 없습니다. AI는 희귀하고 엄청난 기회를 제공합니다. 거의 90%의 리더가 AI를 배포하면 향후 3년 동안 매출이 증가할 것으로 예상합니다. 하지만 그 성장을 확보하려면 기업 변혁이 필요하며, 기업은 이 분야에서 실적이 좋지 않습니다. 거의 70%의 변혁이 실패합니다 .

차세대 AI를 구축하면서 우리는 인간의 행위를 프리미엄으로, 그리고 제품의 중심에 두는 의식적인 디자인 선택을 했습니다. 처음으로 우리는 강력함과 동시에 힘을 실어주는 AI에 접근할 수 있게 되었습니다.

Microsoft의 회장 겸 CEO인 Satya Nadella

성공하는 소수의 기업에 포함되기 위해 C급 임원은 거울을 자신에게 돌려야 합니다. 그들은 리더십이 하는 중요한 역할을 받아들여야 합니다. 설문 조사에 참여한 C급 임원은 직원의 준비가 채택에 대한 장벽이라고 말할 가능성이 자신의 역할을 비난할 가능성보다 두 배 이상 높습니다. 하지만 앞서 언급했듯이 직원들은 자신이 상당히 준비가 되었다고 말합니다.

이 장에서는 리더들이 어떻게 주도권을 잡고 AI 기회가 기술 구현 이상을 요구한다는 사실을 인식하고 소유할 수 있는지 살펴봅니다. 이는 전략적 변화를 요구합니다. 기업들이 일련의 AI 역풍에 직면하고 있다는 것은 부인할 수 없습니다. 이러한 과제를 해결하기 위해 리더십 팀은 기업을 다시 배선하는 데 전념해야 합니다 .

실행을 지연시키는 운영상의 역풍

AI를 도입하는 기업은 여러 가지 운영적 역풍에 직면합니다. 저희 인터뷰와 조사에서 가장 어려운 다섯 가지가 드러났습니다. 리더십 정렬, 비용 불확실성 해결, 인력 계획, 공급망 종속성 관리, 설명 가능성에 대한 수요 충족입니다.

리더십 정렬은 어렵지만 중요한 첫 단계입니다.

전략 중심의 Gen AI 로드맵에 대한 고위 리더의 합의를 확보하는 것은 간단한 일이 아닙니다. 이 과제를 해결하는 핵심은 먼저 리더십 정렬을 지나치게 단순화하거나 가정할 수 없다는 것을 인식하는 것입니다. 이 프로세스에는 각기 다른 목표와 위험 감수성을 가질 수 있는 비즈니스 도메인 전반의 고위 리더의 지속적인 참여가 필요합니다. 리더는 가치가 어디에 있는지, AI가 이 가치를 어떻게 추진할 것인지, 위험을 어떻게 완화할 것인지 명확하게 정의해야 합니다. 그들은 성과 평가 및 투자 재조정을 위한 지표를 공동으로 수립해야 합니다. 정렬을 용이하게 하기 위해 Gen AI 가치 및 위험 리더를 임명하거나 전사적 리더십 및 오케스트레이션 기능을 제정할 수 있습니다. 이러한 조치는 비즈니스, 기술 및 위험 팀 간의 협업을 강화할 수 있습니다. 리더십을 정렬하는 것은 도전적이기는 하지만 AI 프로젝트가 분산되지 않고, 책임을 회피하고, 혁신적인 비즈니스 결과를 제공하는 데 중요한 단계입니다.

비용 불확실성으로 인해 기업이 ROI를 예측하기 어려움

많은 회사가 여전히 기술 공급업체에서 AI 솔루션을 "취득"할 수 있는지, 아니면 "형성"하고 사용자 지정해야 하는지 결정하고 있습니다. 이는 비용이 더 많이 들 수 있지만 경쟁사와의 차별화를 위한 잠재력을 제공합니다. 또한 리더는 AI 파일럿에 예산을 책정할 수 있지만, 대규모로 AI 애플리케이션을 구축하고 관리하는 데 드는 전체 비용은 여전히 ​​불확실합니다. 제한된 파일럿을 계획하는 것은 대부분의 직원에게 하루에 여러 번 도움이 되는 성숙한 솔루션의 비용을 평가하는 것과 매우 다릅니다. 이러한 요인은 어려운 트레이드오프로 이어집니다. 그러나 AI의 속도에 맞춰 움직이려면 기술 리더는 가속화된 의사 결정을 우선시해야 합니다.

인력 계획은 그 어느 때보다 더 어려워졌습니다.

여전히 관리해야 할 불확실성의 세계가 있습니다. 고용주는 어떤 유형의 기술을 가진 AI 전문가가 얼마나 필요할지, 그런 인재 벤치가 있는지, 얼마나 빨리 사람을 찾을 수 있는지, 그리고 그들이 들어온 후 수요가 많은 채용에 대해 어떻게 매력적인 고용주로 남을 수 있는지 모릅니다. 반면에 그들은 AI가 다른 기술에 대한 수요를 얼마나 빨리 억제하여 인력 재조정과 재교육이 필요할지 모릅니다.

공급망 종속성은 엄청난 혼란을 초래할 수 있습니다

취약한 공급망은 기업을 혼란과 기술적, 규제적, 법적 문제에 노출시킬 수 있습니다. AI 공급망은 글로벌하며, 중국, 유럽, 북미에 상당한 R&D가 집중되어 있고 반도체와 하드웨어 제조는 동아시아와 미국에 집중되어 있습니다. 오늘날의 지정학은 복잡합니다. 게다가, 많은 국가에 걸쳐 오픈소스 포럼에서 모델과 애플리케이션이 점점 더 많이 만들어지고 있습니다.

더 큰 설명 가능성에 대한 요구는 핵심 과제입니다.

안전한 AI 배포는 점점 더 필수적입니다. 그러나 대부분의 LLM은 특정 응답에 도달한 이유나 방법, 그리고 응답을 만드는 데 사용된 데이터를 공개하지 않는 블랙박스인 경우가 많습니다. AI 모델이 응답, 권장 사항, 결정 또는 조치에 대한 명확한 정당성을 제공할 수 없는 경우(예: 신용 카드 신청 거부로 이어진 특정 요인을 보여주는 경우) 중요한 작업에 신뢰할 수 없습니다.

이러한 AI 특유의 역풍은 강력하지만 해결할 수 있습니다. 기업들은 앞으로 나아가고 있습니다. 예를 들어, 동적 비용 계획을 사용하거나 NVIDIA 클러스터를 조달하여 필요할 것으로 예상되는 인프라를 확보하는 것을 고려할 수 있습니다.18최고 인사 책임자(CHRO)는 현재 인력의 기술을 향상시키고 일부 직원의 직무 전환을 지원하기 위한 교육 프로그램을 개발하고 있습니다. 하지만 지속적인 성공을 거두려면 그 이상이 필요합니다.

AI 가치를 포착하려면 리더는 회사를 재구성해야 합니다.

McKinsey의 Rewired  프레임워크에는 지속적인 디지털 전환을 안내하는 6가지 기본 요소가 포함되어 있습니다. 로드맵, 인재, 운영 모델, 기술, 데이터, 확장(표 18). 회사가 이 플레이북을 성공적으로 구현하면 자율성 문화를 육성하고, 현대 클라우드 관행을 활용하고, 학제 간 애자일 팀을 구성합니다.

전시물 18

이미지 설명이 시작됩니다:

텍스트 기반 전시는 기술-비즈니스 혁신을 위한 6가지 핵심 성공 요인을 개략적으로 설명하는 프레임워크입니다. "가치 창출의 조정된 실행을 위한 프레임워크"라는 제목의 그리드로 구성되어 있으며, 각각 다른 성공 요인을 나타내는 6개의 직사각형 섹션으로 더 나뉩니다. 포괄적인 섹션인 비즈니스 중심 디지털 로드맵은 조직이 고위 경영진을 조정하여 명확한 비전, 가치 제안 및 혁신 로드맵을 만들고 고객 경험과 경쟁력을 개선하는 것의 중요성에 초점을 맞춥니다. 다음 4개 섹션은 비즈니스-기술 혁신의 핵심 운영 측면을 나타내는 범주입니다. 인재는 실행하고 혁신할 수 있는 적절한 기술과 역량을 갖춘 직원을 보유하는 것의 중요성을 강조합니다. 운영 모델은 조직이 비즈니스, 기술 및 운영을 통합하여 가치 창출에 끊임없이 집중해야 할 필요성을 강조합니다. 기술은 혁신을 추진하기 위해 적절한 플랫폼, 솔루션 및 관행을 채택하여 기술을 효과적으로 사용하는 것의 중요성을 강조합니다. 마지막으로 데이터와 AI는 조직 내 사람들에게 고품질 데이터에 쉽게 액세스할 수 있도록 제공하고 AI 통찰력을 활용하여 고객 경험과 비즈니스 운영을 개선하는 것이 필수적인 이유에 초점을 맞춥니다. 4가지 범주 섹션을 뒷받침하는 마지막 섹션은 활성화 및 확장입니다. 이 섹션은 조직이 디지털 솔루션의 활성화 및 엔터프라이즈 확장을 보장하고, 동시에 변환의 진행 상황을 신중하게 관리하고 위험을 완화함으로써 가치 포착을 극대화해야 할 필요성을 강조합니다. 이 이미지 설명은 gen AI 도구인 Writer의 도움을 받아 완성되었습니다.

이미지 설명이 끝납니다.

이러한 6가지 요소는 보편적으로 적용 가능하지만 AI는 리더들이 해결해야 할 몇 가지 중요한 문제점을 가져왔습니다.

• 적응성. AI 기술은 너무나 빠르게 발전하고 있어서 조직은 경쟁에서 앞서 나가기 위해 새로운 모범 사례를 신속하게 채택해야 합니다. 모범 사례는 새로운 기술, 인재, 비즈니스 모델 또는 제품의 형태로 제공될 수 있습니다. 예를 들어, 모듈식 접근 방식은 미래 지향적인 기술 스택을 만드는 데 도움이 됩니다. 자연어가 통합의 매체가 되면서 AI 시스템은 더욱 호환되어 기업이 마찰 없이 모델과 도구를 교환, 업그레이드 및 통합할 수 있습니다. 이러한 모듈성 덕분에 기업은 공급업체에 얽매이지 않고 기술 스택을 끊임없이 재창조하지 않고도 새로운 AI 발전을 신속하게 활용할 수 있습니다.
• 연합 거버넌스 모델. 데이터와 모델을 관리하면 팀에 자율권을 부여하여 새로운 AI 도구를 개발하는 동시에 중앙에서 위험을 제어할 수 있습니다. 리더는 공정성, 안전성, 설명 가능성을 위해 모델과 출력을 모니터링하기 위한 정책 및 프로세스를 설정하는 것과 같이 위험도가 높거나 가시성이 높은 문제를 직접 감독할 수 있습니다. 그러나 방향을 설정하고 정확성, 속도, 확장성과 같은 성과 기반 기준을 측정하는 것을 포함하여 다른 모니터링을 사업부에 위임할 수 있습니다.
• 예산 민첩성. 모델 전반에 걸친 기술적 발전과 LLM, 소규모 언어 모델(SLM), 에이전트의 최적 조합을 큐레이팅할 수 있는 기회를 감안할 때, 기업 리더는 예산을 유연하게 유지해야 합니다. 이를 통해 기업은 비용과 성과를 위해 AI 배포를 동시에 최적화할 수 있습니다.
• AI 벤치마크. 이러한 도구는 다양한 AI 모델, 알고리즘 및 시스템의 성능을 정량적으로 평가, 비교 및 ​​개선하는 강력한 수단이 될 수 있습니다. 기술자들이 모여 표준화된 공개 벤치마크를 채택하고 더 많은 C급 임원이 윤리적 벤치마크를 포함하여 벤치마크를 사용하기 시작하면 모델 투명성과 책임이 개선되고 AI 채택이 증가할 것입니다. 심지어 회의적인 직원들 사이에서도 마찬가지입니다.
• AI 특정 기술 격차. 특히, 리더의 46%가 직원의 기술 격차를 AI 도입에 대한 상당한 장벽으로 지적합니다. 리더는 AI/ML 엔지니어, 데이터 과학자, AI 통합 전문가를 포함한 최고 수준의 인재를 유치하고 고용해야 합니다. 또한 기술자에게 매력적인 환경을 조성하는 데 전념해야 합니다. 예를 들어, 이는 실험할 충분한 시간을 제공하고, 최첨단 도구에 대한 액세스를 제공하고, 오픈 소스 커뮤니티에 참여할 수 있는 기회를 만들고, 협업 엔지니어링 문화를 촉진하는 것을 의미할 수 있습니다. 기존 직원의 기술 향상도 마찬가지로 중요합니다. McKinsey의 People and Organizational Performance Practice의 연구  에 따르면 기술 팀원에게 라이브러리 생성에 대한 부트캠프를 제공하는 동시에 특정 기능 팀에 신속한 엔지니어링 수업을 제공하는 등 특정 역할에 맞게 교육을 맞춤화하는 것의 중요성이 강조됩니다.19
• 인간 중심성. 공정성과 공평성을 보장하기 위해 비즈니스 리더는 AI 개발 프로세스 초기에 다양한 관점을 자주 통합하고 팀과 투명한 커뮤니케이션을 유지하는 것이 중요합니다. 현재 C-suite 리더의 절반 미만(48%)이 AI 도구의 초기 개발 단계, 특히 아이디어 창출 및 요구 사항 수집에 비기술 직원을 참여시킬 것이라고 말했습니다. Agile Pod와 인간 중심 개발 관행(예: 디자인 씽킹 및 인간 피드백을 통한 강화 학습(RLHF))은 리더와 개발자가 모든 사람이 사용하고 싶어하는 AI 솔루션을 만드는 데 도움이 될 것입니다. Agile Pod에서 기술 팀원은 HR, 영업 및 제품과 같은 비즈니스 기능 및 법률 및 규정 준수와 같은 지원 기능의 직원과 함께 앉습니다. 또한 리더는 새로운 기술 요구 사항과 직원 수 변화에 대해 솔직하게 말함으로써 AI가 잠재적인 일자리 손실에 미치는 영향에 대한 직원의 불안에 공감할 수 있습니다. 직원이 AI 애플리케이션에 대한 의견을 제공하고, 우려 사항을 표명하고, 아이디어를 공유할 수 있는 포럼은 투명하고 인간 중심적인 문화를 유지하는 데 가치가 있습니다.

결론

AI의 미래를 만나다

지난 2년 동안 AI가 발전한 속도는 놀랍습니다. 어떤 사람들은 그 속도에 AI를 인류에 대한 도전으로 보고 반응합니다. 하지만 리드 호프먼의 조언을 따르고 AI와 함께 무엇이 잘 될 수 있을지 상상해 보면 어떨까요 ? 리더들은 직장에서 AI 슈퍼에이전시를 위한 모든 조각이 제자리에 있다는 것을 깨닫게 될 것입니다.

어제로부터 배우고, 오늘을 살고, 내일을 희망하세요.

알베르트 아인슈타인, 이론 물리학자

그들은 직원들이 이미 AI를 사용하고 있고 더 많이 사용하고 싶어한다는 것을 알아차릴 수 있습니다. 그들은 밀레니얼 세대의 관리자가 동료들을 격려할 준비가 된 강력한 변화 챔피언이라는 것을 알게 될 수 있습니다. 리더들은 2030년까지 사라질 것으로 예상되는 9,200만 개의 일자리에 집중하는 대신, 예상되는 1억 7,000만 개의 새로운 일자리와 그에 필요한 새로운 기술을 계획할 수 있습니다.20

지금은 리더들이 대담한 AI 공약을 설정하고 직무 교육과 인간 중심 개발을 통해 직원의 요구를 충족할 때입니다. 리더와 직원이 함께 협력하여 하향식으로 비즈니스를 재구성함에 따라 AI는 생산성 향상 도구에서 변혁적인 초능력으로 진화할 수 있습니다. 즉, 인간의 행위를 증가시키는 효과적인 파트너입니다. 불확실성에 대한 두려움을 가능성에 대한 상상력으로 대체할 수 있는 리더는 기존 워크플로를 최적화하는 도구일 뿐만 아니라 더 큰 비즈니스와 인간의 과제를 해결하는 촉매로서 AI의 새로운 응용 분야를 발견할 것입니다. AI 실험의 초기 단계는 일상적인 작업을 자동화하는 것과 같은 좁은 사용 사례를 통해 기술적 타당성을 입증하는 데 중점을 두었습니다. 이제 지평이 바뀌었습니다. AI는 전례 없는 혁신을 실현하고 실제 가치를 제공하는 체계적 변화를 주도할 준비가 되었습니다.

공유하다

사이드바

어휘

이러한 더욱 야심찬 시대에 부응하기 위해 리더와 직원은 스스로에게 큰 질문을 던져야 합니다. 리더는 어떻게 전략적 우선순위를 정의하고 혼란 속에서 회사를 효과적으로 이끌어야 할까요? 직원은 어떻게 하면 직장에 AI 전환이 다가올 때 대비할 수 있을까요? 다음과 같은 질문이 회사의 AI 미래를 형성할 것입니다.

기업 리더를 위한:

• 당신의 전략이 충분히 야심적입니까? 당신은 당신의 사업 전체를 변화시키고 싶습니까? 어떻게 하면 전통적인 비용 센터를 가치 중심 기능으로 재구성할 수 있습니까? 어떻게 하면 AI에 투자하여 경쟁 우위를 얻을 수 있습니까?
• 귀하의 조직에서 성공적인 AI 도입은 어떤 모습일까요? 귀하의 투자가 원하는 ROI를 창출하는지 평가하기 위해 어떤 성공 지표를 사용할 것인가요?
• AI 네이티브 인력을 정의하는 기술은 무엇인가? 직원들이 직장에서 이러한 기술을 개발할 수 있는 기회를 어떻게 만들 수 있는가?

직원의 경우:

• 당신에게 AI 마스터리를 달성한다는 것은 무엇을 의미합니까? 연구, 계획, 브레인스토밍과 같은 개인 생산성 작업에 AI를 자신 있게 사용하는 것으로 확장됩니까?
• AI에 대한 이해를 어떻게 확장할 계획인가요? AI의 급속한 진화에 대해 계속 정보를 얻기 위해 어떤 뉴스 소스, 팟캐스트, 비디오 채널을 팔로우할 수 있나요?
• 어떻게 자신의 작업을 재고할 수 있을까요? 가장 혁신적인 아이디어 중 일부는 리더십에서 물려받은 것이 아니라 팀 내부에서 나오는 경우가 많습니다. 하향식 혁신을 추진하기 위해 작업을 어떻게 재설계하시겠습니까?

공유하다

사이드바

감사의 말

이러한 질문에 대한 쉬운 답은 없지만, 이를 가장 잘 해결하는 방법에 대한 합의가 이루어지고 있습니다. 예를 들어, 일부 회사는 AI 도입을 추진하기 위해 하향식과 상향식 접근 방식을 모두 사용합니다. 하향식 조치는 해커톤 및 학습 세션과 같은 이니셔티브를 통해 직원이 AI 도구를 실험하는 데 도움이 됩니다. 상향식 기술은 임원을 모아 사기 관리, 고객 경험 및 제품 테스트와 같은 주요 프로세스를 AI가 어떻게 개선할 수 있는지 근본적으로 재고합니다.

이런 종류의 행동은 기업이 AI 파일럿에서 AI 성숙으로 이동하고자 할 때 매우 중요합니다. 오늘날 기업 리더의 1%만이 회사가 성숙에 도달했다고 보고합니다. 향후 3년 동안 기술에 대한 투자가 증가함에 따라 리더는 그 비율을 크게 높여야 합니다. 그들은 신뢰, 안전 및 투명성을 보장하면서 AI 구현 속도를 높이기 위해 직원의 준비 상태를 최대한 활용해야 합니다. 목표는 간단합니다. 혁신을 주도하고 실제 비즈니스 가치를 창출하기 위해 Gen AI의 엄청난 잠재력을 포착하는 것입니다.