AI, 단순한 도구를 넘어 ‘업무 역량’을 갖춘 동료로 진화한다
OpenAI가 컨설턴트와 투자 은행가의 실제 업무 데이터를 활용해 AI 모델을 훈련시키는 것은 단순한 기술 실험을 넘어선 의미를 지닙니다. 이는 AI가 범용적인 도구에서 특정 분야의 전문성을 갖춘 ‘업무 역량’을 가진 동료로 재정립되고 있음을 보여주는 신호입니다. 즉, AI가 이제 단순히 정보를 처리하고 분석하는 것을 넘어, 실제 업무 프로세스에 통합되어 실질적인 결과물을 만들어내는 역할을 수행하게 될 것임을 의미합니다.
컨설팅 및 금융 분야 특화 AI 모델 개발
OpenAI는 McKinsey, Bain, BCG 등 주요 컨설팅 회사 출신의 컨설턴트들을 고용하여 컨설팅 업계의 입문 수준 업무를 AI 모델이 학습하도록 하는 ‘Argentum’ 프로젝트를 진행하고 있습니다. 또한, JP Morgan Chase, Morgan Stanley, Goldman Sachs 등 투자 은행 출신의 투자 은행가들을 통해 금융 모델 구축 방법을 AI에 학습시키는 ‘Mercury’ 프로젝트도 진행 중입니다. 이러한 프로젝트들은 AI가 특정 분야의 전문 지식을 습득하고, 실제 업무에 필요한 역량을 갖추도록 하는 데 초점을 맞추고 있습니다.
PoC 단계에 머무르는 AI 프로젝트의 한계 극복
많은 기업들이 AI 프로젝트를 PoC(Proof of Concept, 개념 증명) 단계에서 벗어나지 못하고 있습니다. Forrester의 분석에 따르면, 기업의 60%가 PoC 단계에 머무르고 있으며, 실제로 긍정적이고 실질적인 영향을 창출하는 기업은 15%에 불과합니다. 이는 AI 에이전트 모델이 비즈니스 워크플로우에 제대로 통합되지 못하고, AI가 생성하는 인사이트가 실제 액션으로 이어지지 못하는 ‘액션 갭(Action Gap)’ 때문입니다. OpenAI의 이러한 시도는 이러한 액션 갭을 줄이고, AI가 실제 비즈니스 가치를 창출하도록 돕기 위한 노력의 일환입니다.
AI 에이전트 도입, 기술적인 문제보다 조직적인 변화가 중요
AI 에이전트를 도입하는 데 있어서 가장 큰 어려움은 기술적인 개발이나 API 호출, 클라우드 사용 비용이 아닙니다. 서비스 회사들은 AI 에이전트 라이선스 비용 1달러당, 조직들이 실제로 AI를 규모에 맞게 실행하기 위해 5달러에 가까운 서비스 비용을 지출하고 있다고 말합니다. 이는 AI 도입이 단순한 기술 도입이 아닌, 조직 전체의 변화를 요구하는 문제임을 시사합니다. Forrester는 이러한 변화에 맞춰 ‘에이전트 경험(AX)’ 프로그램을 정의하고, 지식 큐레이션, 변화 관리, 비판적 사고, 상호 작용 기술, 에이전트 감독 등 5가지 핵심 역량에 대한 교육을 강조하고 있습니다.
AI 프로젝트 성공, 능력보다 구조가 중요
AI 프로젝트의 성공은 AI의 능력 자체보다, AI를 어떻게 활용하고 관리할 수 있는 구조를 갖추는 데 달려있습니다. Greyhound Research의 사례에서 볼 수 있듯이, 겉으로는 성공적으로 보이는 AI 프로젝트도 규정 준수 문제나 주니어 스태프의 역할 혼란 등 예상치 못한 문제에 직면할 수 있습니다. 따라서, AI 프로젝트를 성공적으로 이끌기 위해서는 법률, 리스크, 기술 리더들이 함께 참여하여 AI 결과물을 전체적으로 관리하고, AI 활용 교육 모델을 AI 사용 방법이 아닌 감독 방법에 초점을 맞춰야 합니다.
맺음말
OpenAI의 컨설턴트 및 투자 은행가 데이터 활용은 AI가 단순한 챗봇을 넘어 실제 비즈니스 워크플로우에 깊숙이 통합될 수 있음을 보여주는 중요한 신호입니다. AI 도입은 기술적인 문제가 아닌 조직적인 변화를 수반하며, 성공적인 AI 활용을 위해서는 명확한 구조와 관리 체계를 구축하는 것이 필수적입니다.
