성공적인 에이전틱 AI 도입을 위한 인적 변화 관리 전략

핵심 인사이트

• AI 도입 성공의 핵심, '사람'에 집중: 에이전틱 AI 도입은 기술적 완성도만큼이나 조직 구성원의 변화 수용성이 중요합니다.
• 맞춤형 변화 관리 전략으로 불안감 해소: AI 도입으로 인한 역할 변화 및 불안감을 해소하기 위해, 책임 구조 기반의 인적 세그먼트 정의와 맞춤형 변화 관리 방안을 수립합니다.
• AI 혁신과 고객 경험 극대화: 사람 중심의 변화 관리를 통해 AI 기술을 효과적으로 활용하고, 궁극적으로 고객 경험 혁신 및 비즈니스 성과 향상을 이끌어내는 방법을 제시합니다.

AI 에이전트 전략이 비즈니스 성과로 이어지려면, 특정 임직원 세그먼트의 특성에 맞춘 변화 관리 프랙티스를 초기에 도입해야 합니다. 그러나 많은 IT 리더가 디지털 전환 과정에서 변화 관리 프로그램을 제대로 구축하지 못하고 있습니다. 임직원의 참여가 비즈니스 성과 달성의 핵심임에도, 변화 관리를 사후 단계로 미루는 것이 큰 실수입니다.

AI 에이전트를 도입하면 변화 리더십의 중요성이 두 배로 커지고, 전환 과정에서 행동 변화를 이끌어내지 못할 경우 실패의 위험도 함께 커집니다. AI 얼리어댑터가 몰래 AI 에이전트를 마음대로 사용하고, 다른 직원은 AI 에이전트가 일자리를 뺏을까 불안해 한다면, 인력은 변화의 걸림돌이 될 수 있습니다.

최근 연구에 따르면, AI 변화 리더십 프로그램에는 여전히 큰 공백이 존재합니다. MIT 보고서에 따르면, 전체 조직의 95%가 AI 투자에서 아무런 수익을 얻지 못하고 있으며, AWS 보고서는 단 14%만이 변화 관리 전략을 갖추고 있다고 밝혔습니다.

Enthought의 COO Michael Connell은 “아무리 뛰어난 기술이라도 아무도 사용하지 않으면 가치가 제로이다. 도입은 마지막이자 가장 중요한 과정이다”라고 강조했습니다. Connell은 “리더는 기술 구축에 예산을 배정하듯 변화 관리에도 동일한 수준으로 투자해야 하며, 기술의 실제 사용자를 애자일 개발 과정 초기에 참여시켜 지속적으로 의견을 반영해야 한다”고 조언했습니다.

AI 혁신 속도에 맞춘 변화 관리 리드

IT 리더는 AI 에이전트 도입이 단선적이지 않으며, 여러 변화 관리 노력이 병렬적으로 진행돼야 한다는 점을 인식해야 합니다. 생성형 AI 기술의 빠른 발전으로 몇 달 전까지만 해도 어렵거나 비용이 높았던 구현이 이제는 더 쉽고 저렴해지고 있습니다. 하지만 AI 전략을 둘러싼 조직 내 조율, 강력한 거버넌스 체계 구축, 실험 영역 선정, 파일럿에서 프로덕션 환경으로의 전환은 여전히 어려운 과제입니다.

가장 먼저 착수할 일 중 하나는 용어의 일관성을 맞추는 것입니다. 주요 SaaS 및 보안 업체의 AI 에이전트를 검토한 결과, ‘AI 에이전트’라는 용어는 직원과 고객 경험을 지원하는 업무 도구부터 워크플로우 내에 자연어 처리와 추론 기능을 내장한 AI 모델까지 포괄적으로 정의합니다. 많은 AI 에이전트가 단일 직무 기능을 지원하지만, 역량의 수준은 크게 다릅니다. 대부분 AI 에이전트는 완전 자율형이 아니며, 에이전트 간 워크플로우 자동화에도 완전히 통합돼 있지 않습니다. 다만 정교함은 빠르게 발전하고 있습니다.

AI 책임 기반의 인적 세그먼트 정의

IT 리더의 첫 번째 목표는 AI 투자에서 도입까지의 책임 구조에 따라 조직을 나누는 것입니다. 주요 세그먼트는 다음과 같습니다.

• 전략 조율, 비즈니스 목표 설정, 투자 우선순위 결정에 참여하는 경영진
• 리스크 관리, 정보보안, 데이터 거버넌스 등 AI 거버넌스 프레임워크를 발전시키는 컴플라이언스 책임자
• 각 운영 부문에서 AI 에이전트의 정확성을 검증하고, 필요한 지식을 제공하는 분야별 전문가
• AI 에이전트를 실제 업무에 활용하며, 단순 생산성 향상을 넘어 전략적 가치를 창출하는 최종 사용자
• AI 기술 업체별로 AI 에이전트를 평가하고 독자적 에이전트를 개발하는 애자일 혁신팀

이런 세그먼트를 통해 리더는 직원의 역할과 참여 방식에 맞춰 변화 관리 프로그램을 정밀하게 설계할 수 있습니다.

경영진을 전략적 우선순위에 배치

AI에 대한 과열된 관심 속에서 많은 IT 리더는 여러 임원과 부서장이 AI 전략과 투자에서 주도권을 쥐려는 경쟁에 직면하고 있습니다. 그러나 IT 리더에게 AI는 처음 하는 혁신 프로젝트가 아니며, 모든 요구를 수용하려다가는 자원이 분산돼 성과가 미미해진다는 사실을 잘 알고 있습니다.

Zapier의 최고 인사 책임자 Brandon Sammut는 “기존 목표를 강화할 수 있는 2~3개의 기회에 AI 에이전트 전략을 집중하라. 이렇게 하면 AI 에이전트가 회사의 핵심에 자리 잡게 되고, 많은 기술 혁신이 겪는 ‘곁가지 프로젝트’의 함정을 피할 수 있다”고 조언했습니다. 또한 “‘왜’와 ‘왜 지금인가’를 명확히 정의해 조직 문화의 기반을 다져야 한다. 새로운 기술을 도입하는 것은 조직의 건전성을 시험하는 리트머스 시험지와 같다”고 강조했습니다.

IT 리더는 ‘경영진이 몇 가지 전략적 우선순위에 맞추도록 이끄는 유일한 변화 리더가 될 수 없다’는 점을 인식해야 합니다. 세계적 수준의 IT 조직을 이끄는 IT 리더는 경영진 관계 구축을 핵심 역량으로 삼고 있습니다. 각 부문 리더와 정기적으로 소통하고 기회를 포착하기 위한 경청 능력을 키우며, 가장 잠재력이 큰 비전의 초안을 만듭니다. 이런 과정이 AI 전략을 발전시키고, 변화 리더는 소통 역량을 강화해 경영진의 공감과 동의를 끌어냅니다.

실험 이전에 AI 거버넌스 확립

혁신 기술이 등장할 때마다 혁신, 배포, 경쟁우위를 확보하려는 속도가 리스크 완화, 정책 수립, 보안 장치 마련 속도를 앞지릅니다. IT 리더는 혁신과 실험을 위축시키지 않으면서도 컴플라이언스 책임자와 AI 거버넌스를 전면에 내세우는 어려운 임무를 안고 있습니다.

Trustwise의 사장 겸 COO Kamal Anand는 “AI 에이전트를 서둘러 배포하는 조직은 프로토타입 성공과 프로덕션 준비가 시스템 간의 격차를 종종 간과한다. 기존의 안전 통제가 추론형 에이전트에 제대로 작동하지 않기 때문이다”라고 설명했습니다. Anand는 “조직에 부족한 요소는 신뢰 프레임워크 내장, 실시간 거버넌스 도구, 에너지 효율적 인프라, 정적 AI 모델이 아닌 동적 에이전트 행동을 이해하는 숙련된 전문가이다”라고 덧붙였습니다.

거버넌스팀은 AI 에이전트의 의사결정 권한에 대한 리스크 프레임워크와 그 권고의 품질을 평가할 수 있는 지표도 마련해야 합니다.

Lasso Security의 CEO Elad Schulman은 “IT 리더는 AI 에이전트가 독립적으로 수행할 수 있는 업무와 인간의 감독이 필요한 업무를 명확히 정의해야 한다. 특히 민감한 데이터나 핵심 운영을 다룰 때는 더욱 그렇다”라며, “AI 에이전트가 완전한 권한을 가지고 프로덕션 환경에 투입되기 전에 반드시 보안 평가, 적대적 테스트, 샌드박스 검증을 거쳐야 한다”고 강조했습니다.

IT 리더는 변화의 촉진자로서 먼저 컴플라이언스 리더와 협력해 핵심 리스크에 맞는 안전장치를 우선순위로 설정해야 합니다. 이후 조직 전체가 허용된 AI 도구, 기업 데이터 세트의 적절한 활용 방법, 기타 AI 관련 준수 정책을 명확히 이해하도록 커뮤니케이션 전략을 주도해야 합니다.

AI를 수용하는 전문가 육성

신규 직원이 내부 지식 독점이나 문서화되지 않은 예외 규칙 때문에 기여하기 어려운 조직이라면, 분야별 전문가가 협조하지 않거나 지식을 공유하지 않는 경우 AI 에이전트를 도입하는 일은 훨씬 더 어렵습니다.

LatentView의 생성형 AI 역량개발 및 마케팅 분석 부문 부사장 Boobesh Ramadurai는 “조직의 프로세스가 집단 지식, 흩어진 데이터, 수작업 의사결정에 의존하고 있다면 AI 에이전트는 멈출 수밖에 없다”고 지적했습니다. Ramadurai는 “업무 로직을 체계화해 에이전트가 따를 수 있도록 메타데이터 표준화, 확장 규칙 정의, 시스템 연결을 추진하라”고 권고했습니다. 또 “팀의 역량을 실행 중심에서 조율 중심으로 전환하고, 애널리스트가 실시간 피드백 루프를 설계할 수 있도록 재교육해야 한다”고 덧붙였습니다.

AI 에이전트는 언어와 추론 모델을 갖추고 있지만, 그 응답과 제안은 비결정적(non-deterministic)입니다. 따라서 테스트 과정에서 분야별 전문가는 에이전트의 성능을 검토·검증하고, 오류 원인을 설명하며, 개선 방향을 제시해야 합니다.

Pendo의 제품 담당 현장 부사장 Dave Killeen은 “AI 에이전트는 항상 지시한 대로 움직이지 않는다. 데이터 패턴을 근거로 스스로 판단하기 시작하면 더욱 그렇다”라며, “팀은 에이전트가 실제 워크플로우와 어떻게 상호작용하는지 이해해야 하며, 결과가 기대와 어긋날 때 이를 신속히 감지하고 개입할 수 있는 명확한 절차를 갖춰야 한다”고 강조했습니다.

분야별 전문가는 AI 에이전트의 책임성과 신뢰성을 확보하는 핵심 역할을 맡습니다. IT 리더는 인사팀과 협력해 AI를 적극 수용하고 프로그램 성공에 기여한 전문가에게 명확한 성과 목표와 인센티브를 부여해야 합니다.

최종 사용자에게 학습 기회 제공

ThoughtSpot의 최고 데이터 및 AI 전략 책임자 Cindi Howson은 “직원은 지금 AI가 자신의 일자리를 대체할까 두려워하고 있습니다. 리더가 가장 먼저 해야 할 일은 이런 불안을 해소하고, AI 활용 역량을 포함한 재교육 계획을 제시하는 것입니다. 현재 미국인의 88%가 AI 활용 역량에서 낙제점을 받고 있다”고 말했습니다.

IT 리더의 변화 관리 프로그램은 직원의 AI 관련 불안을 최우선으로 다뤄야 합니다. 특히 직원이 AI 에이전트를 직접 사용하는 부서에서는 직무와 숙련도별로 맞춤형 커뮤니케이션과 프로그램을 설계해야 합니다.

Quadient의 CEO Geoffrey Godet는 “AI가 일자리를 변화시키고 있으며, 가장 큰 영향을 받는 건 사실상 초급직입니다. 하지만 간과되는 점은 AI가 사람보다 먼저 ‘업무’ 자체를 대체한다는 것입니다. 이로써 역할을 더 스마트하게 재설계할 수 있다”라고 설명했습니다. Godet는 “미래에 살아남는 기업은 재교육과 인간-AI 협업에 투자하는 기업입니다. 그 속에서 창의성, 조직 문화, 장기적 가치가 열린다”라고 강조했습니다.

기술 중심의 교육이 가장 먼저 떠오르겠지만, IT 리더가 학습 프로그램을 운영할 수 있는 방식은 그 뿐만이 아니다. Howson은 “좋은 질문을 던지는 능력, 프롬프트 작성법, 환각에 대한 이해, 비판적 사고력 같은 역량도 지속적으로 다듬어야 한다”라고 말했습니다.

AI 역량이 고도화될수록 ‘평생 학습’을 장려하는 조직 문화를 조성하는 것이 중요합니다. 리더는 직무나 역할 전환 시점에만 국한된 교육이 아니라, 지속적 학습 기회를 마련해야 합니다. 그렇지 않으면 직원이 이를 ‘변화 압박의 일환’으로 인식해 불신으로 이어질 수 있습니다.

혁신을 고객 경험 중심의 AI에 집중

기업용 SaaS 플랫폼은 대부분 에이전틱 AI 기능을 통합하고 있습니다. 인사관리 에이전트는 관리자의 성과 평가를 돕고, 공급망 에이전트는 글로벌 혼란 상황에서 조치를 취하며, 직원 경험 에이전트는 회의 후속 조치를 처리합니다. IT 리더가 직원용 워크플로우 AI 에이전트를 평가할 때 핵심 기준은 ‘에이전트가 접하는 기업 데이터가 더 스마트한 의사결정과 빠른 실행으로 이어지는가’입니다.

앞으로 진정한 혁신은 고객 경험에 AI 에이전트를 결합하는 데서 나옵니다. 의료 분야에서는 환자 경험을 개선하는 헬스케어 에이전트, 금융 서비스에서는 투자 상담을 지원하는 금융 에이전트, 유통 분야에서는 쇼핑 경험을 향상시키는 리테일 에이전트가 등장할 것으로 예상합니다.

하지만 실험에서 실제 프로덕션 배포로 이어지려면 혁신팀과 현장팀 간 협력이 강화돼야 합니다. MelodyArc의 최고 고객 책임자 Ashley Moser는 “AI를 직접 사용하는 현장팀은 조직 내 AI 도입 방향에 실질적 영향력을 갖게 된다. 리더는 이들이 AI를 활용하도록 흥미를 유도하고, 고객의 실제 요구를 반영할 수 있도록 피드백을 수집해야 한다. 이들 팀은 이미 고객 인사이트를 직접 보유하고 있기 때문이다”라고 설명했습니다.

제품 중심 IT 조직은 워터폴 방식보다 애자일 개발 프로세스에서 고객 의견을 훨씬 잘 반영해 왔습니다. AI 에이전트를 개발할 때는 더 많은 직군과 부서의 협업이 필요하므로, IT 리더는 이에 맞춰 프로젝트 수준을 한 단계 높여야 합니다.

AI 에이전트를 도입할 때 역설적으로 가장 중요한 성공 요인은 ‘사람의 변화를 이끄는 능력’입니다. AI 에이전트는 기술이지만, 변화 관리 프랙티스를 초기에 마련하고 임직원 세그먼트별로 세밀하게 적용하지 않으면 많은 AI 프로젝트는 결국 비즈니스 성과를 내지 못합니다.

FAQ

▶   해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 기고자에게 저작권이 있습니다.
▶   해당 콘텐츠는 사전 동의 없이 2차 가공 및 영리적인 이용을 금하고 있습니다.