<책 속으로>

산업화 시대 기업의 3요소는 토지, 노동, 자본으로 분류했다. 기업은 3가지 유형자산을 최적으로 결합해 제품을 생산하고 수익을 창출했다. 그러나 1980년대 이후 정보혁명이 진전되고 산업이 고도화되면서 기술, 지식, 브랜드 등 무형자산의 중요성이 높아졌다. 21세기 디지털 시대 기업의 핵심 자산은 무형자산 중에서도 데이터와 알고리즘으로 진화하고 있다. 나아가 경계의 종말 현상은 가치 사슬에도 영향을 미치고 있다. 기업의 사업 모델, 상호간 협력 방식, ‘연구 개발-제조-유통’의 프로세스 전반에 걸친 융합과 재편이 일어나고 있다. 이러한 변화는 ‘센서-데이터-인공지능’으로 이어지는 연결 구조를 고리로 해서 물리적 세계와 디지털 세계를 연쇄적으로 순환하면서 확대 재생산된다.
_34쪽

인간의 신체가 외부 세균의 침입에 대항하기 위해 항체와 면역 시스템을 진화시킨 것과 마찬가지로, 인간이 만든 조직도 내부를 보호하기 위한 일종의 항체와 면역 시스템을 가지고 있다. 이런 배경에서 조직은 기존 질서에 변동을 가져오는 외부 자극에 본능적으로 거부반응을 일으키고 때로는 조직적 저항까지 일어난다. 이는 개인적 차원에서 변화로 인한 미래의 기대 이익은 모호한 반면 감수해야 하는 현재의 손실은 명확하기 때문이다.
조직의 리더가 변화를 시도하는 경우에도 ‘총론 찬성, 각론 반대’로 곤경에 처하는 경우가 비일비재한데, 일개 조직 구성원이 주장하는 변화는 사방팔방의 비난과 압력으로 질식사하는 것이 오히려 일반적이다.
_64쪽

고성능 컴퓨터를 사용한 최정상급 프로기사들이 패배한 이변의 원인은 인간과 기계가 협력하는 방식의 차이였다. 데이터를 분석하는 컴퓨터의 전술적 예리함과 창의적인 인간의 전략적 방향성이 상승효과를 만드는 협력 구조가 핵심이었다. 카스파로프는 이러한 시너지를 “컴퓨터는 모든 수에 대한 가능한 결과와 상대방의 응수를 탐색, 인간은 전술적 계산에 시간을 소모하는 대신 전략적 차원의 생각에 몰두할 수 있었다. 이런 조건 아래서는 인간의 창의력이 가장 중요했다.”라고 표현했다.
_113쪽

AI 매니저들이 실제 AI가 필요한 영역을 탐색해 발굴하고 검증하는 역할을 담당한다면 AI 엔지니어들은 이를 토대로 경쟁력 있는 AI 모델을 지속적으로 고도화하는 역할을 담당한다. 전통적인 AI 엔지니어 영역에 대한 교육과 AI 보편화 흐름에 맞는 시스템 활용 능력을 갖추도록 유도하는 2가지 형태의 교육이 필요하다.
기업의 상황에 따라 다를 수 있지만 AI 엔지니어의 경우 공학적인 지식이 요구되는 경우가 많다. 최근 AI 엔지니어의 역할을 수행할 수 있는 솔루션이 다수 개발되고 있다. AI 엔지니어를 충분히 확보하기가 힘들다면, AI 매니저가 쉽게 활용할 수 있는 솔루션을 채택하는 것도 유의미한 방법이다.
_147쪽

스티치 픽스의 별명은 패션계의 넷플릭스다. 홈 비디오 시장이 오프라인 대여에서 온라인 스트리밍으로 넘어가면서 급부상한 넷플릭스의 성공 요인은 시청자의 선호도 데이터에 기반한 추천 알고리즘이었다. 스티치 픽스는 넷플릭스의 핵심 인력이었던 에릭 콜슨을 2012년 영입해 정교한 알고리즘을 개발했다. 다만 넷플릭스는 철저히 기계적 알고리즘을 기반으로 콘텐츠를 추천하는 반면, 스티치 픽스는 AI가 선별한 후보군에서 패션 전문가가 최종 판단하는 차이가 있다. 정교한 데이터 분석 결과를 숙련된 인간의 감각으로 보완하는 협력 구조다.
_201쪽

요약하면 내부의 사업 경험과 외부의 AI 디지털 기술을 연결하는 방안이다. 이는 앞서 제시한 ‘기술보다 도메인 지식이 우선이다’와 동일한 맥락이다. 이미 범용화된 기술을 내부화하기 위해 시간과 노력을 낭비할 필요가 없다. 외부에서 조달한 기술과 내부에서 확보한 도메인 지식을 연결하면 신속하게 추진 역량을 확보해 시간을 단축할 수 있다. AI를 적용한 전술적 프로그램 추진으로 경험이 축적되고 전략적 디지털 피보팅의 방향성이 명확해지면 자연히 내부 역량이 커지고 외부 의존도도 줄어들게 된다.
_255쪽

프롤로그_디지털과 AI는 돌덩이도 금덩이로 만든다

1부 디지털 격변으로 펼쳐지는 새로운 지평

디지털 격변, 전개의 배경
코로나19 충격과 디지털 격변의 가속화 | 정보혁명과 디지털 전환의 2단계 전개 | 경계의 종말과 산업의 액체화 | 링컨의 특허와 디지털 시대의 핵심 자산 | 가치 창조 블랙박스의 변화 | DT, AI는 목적이 아닌 도구다

디지털 시대의 사업 모델 혁신 방향
디지털 사업 모델 혁신의 3단계 | 포뮬러 원 최강자 맥라렌 팀의 디지털 트윈 | 자동차 특이점과 DX 사업 모델 혁신 | 거대한 변화는 이해하기 어렵다

2부 디지털과 아날로그 융합의 기회

DT 전환에서 DX 융합으로 확장
아날로그 디지털의 경계선에서 분출되는 에너지 | DT에서 DX로 아날로그 디지털의 융합 구조 | 콘택트에서 언택트로 진화하는 문명과 기술 | 아날로그 트렌드 코쿠닝의 연장선 디지털 언택트 | 언택트와 콘택트가 융합되는 딥택트 | 아날로그 기업이 지향할 디지털 피보팅, 딥택트 | 디지털 시대 고객 이해의 통합적 접근 | 배달 음식의 UI와 UX에서 관찰되는 딥택트

AI는 디지털 피보팅 엔진
AI는 디지털 피보팅의 엔진 | AI는 프랑켄슈타인인가 마당쇠인가 | 아날로그 인간과 디지털 AI 협력이 미래다 | AI 실용화와 보편화의 시간적 지평 | 미국 NASA의 AI 인턴 | AI와 파일럿 공중전 대결의 시사점 | AI 선도자 아날로그 업력과는 별개

3부 기업의 AI 도입을 위한 현실적 접근

AI 도입을 위한 전략적 프로세스
AI 어려운 것은 쉽고 쉬운 것은 어렵다 | AI가 만병통치약은 아니다 | 미래 사업 전략의 필수 요소인 AI | AI 도입을 위한 실전 프로세스 | AI 전문가와 도메인 전문가의 역할 분담 | AI 팀과 현업 전문가 간 상호관계 설정 | 통합적 지능 도구로서의 AI

AI 도입을 위한 실무적 프로그램
누구나 5일이면 AI 프로젝트 기획이 가능하다 | 5일 동안 변화의 여정 | AI 도입 대상 영역의 선정

AI 도입을 위한 7가지 실무 지침
1. 이해하면 받아들이고 모르면 거부하게 된다 | 2. 도메인 전문가에게 AI 기본 교육을 시켜라 | 3. AI 도입에서 기술은 핵심이 아니다 | 4. 빅데이터는 필수 사항이 아니다 | 5. 막연한 코딩 교육은 효과 없다 | 6. 범용이 아닌 산업 특화를 지향하라 | 7. 작은 성공을 바탕으로 큰 영역으로 나아가라

4부 디지털 전환과 AI 도입 사례

해외 사례: 전략적 사업 전환 중심
AI 도입의 전략적 차원과 전술적 차원 | 도미노 피자, 디지털 고객 경험 혁신으로 극적 전환 | 펜더, 기타 제조에서 디지털 플랫폼 사업자로 | 스티치 픽스, AI 패션 큐레이팅으로 시장 판도 변화 | 맥코믹, 후추 유통에서 미각 데이터 기반 AI 기업으로 | 도레이, 데이터 연결과 AI로 B2B2C 제조 플랫폼 구축 | 뱅크오브아메리카, 데이터 분석 테크 기업을 지향 | 폰테라, AI 활용으로 우유 품질 최적화 및 생산 증가

국내 사례: 전술적 프로세스 혁신 중심
실제 수행 프로젝트를 중심으로 한 국내 사례 | SCM 수요예측: 식료품 생산 | 마케팅 가격 설정: 건설자재 생산 기업 | 영업 설비망 구성: 대단지 아파트 CCTV 설치 사업 | 원자재 시황 예측: 식음료품 사업 | 부실채권 발생 확률 예측: 전 기업 | HR 퇴사자 예측: 전자 부품 제조 | 일별 급식 수 예측: 케이터링 단체 급식

5부 기업의 생존을 위한 AI 디지털 전략 7

AI 디지털 기회를 잡는 기업의 전략적 접근
1. 빅데이터로 빅 씽크하라 | 2. 선택이 아닌 필수다 | 3. 전통적 아날로그 영역일수록 기회는 크다 | 4. 세부 전술로 시작해서 포괄 전략으로 확장하라 | 5. 기술은 필요조건 수용성은 충분조건 | 6. 외부 기술과 내부 경험을 연계하라 | 7. 조직 문화와 리더십의 피보팅을 병행하라

에필로그_AI, 기술을 버려야 산다