AI로 경영하고 싶습니다.
데이터가 준비되어 있습니까.

[시리즈 리드] 성장하는 회사는 아홉 개의 문 앞에 선다고 우리는 생각합니다. 규모의 문, 신뢰의 문, 진화의 문 – ACRAS가 8년의 현장에서 정리한 ‘성장의 9관문’을 한 편씩 해부합니다. 이번 편은 진화의 문 – 요즘 모든 경영 회의에 올라오는 그 주제에서 시작합니다.

요즘 경영자들을 만나면 대화가 어디서 시작되든 결국 같은 곳에 도착합니다. AI입니다. 개발 조직은 이미 코드를 AI와 함께 쓰고 있고, 마케팅은 콘텐츠를 AI로 만들고 있습니다. 그래서 자연스럽게 다음 질문이 나옵니다 – “경영도 AI로 할 수 있지 않습니까. 우리 회사 숫자를 AI가 읽고, 리스크를 짚어주고, 다음 수를 제안하게 할 수 없습니까.”

할 수 있습니다. 그리고 그렇게 될 것입니다. 다만 우리는 이 질문을 받으면 반드시 하나를 되묻습니다. 데이터가 준비되어 있습니까.

AI 실패의 자리는 모델이 아니라, 모델 아래의 토대입니다.

AI는 어디에나 있는데, 성과는 왜 드문가

지금 기업의 AI에는 이상한 간극이 있습니다. 파일럿은 넘쳐나는데, 경영에 붙어 성과를 내는 AI는 드춥니다. BCG의 조사에 따르면 조직의 74%가 Pilot 단계에 머물러 전사 확산의 기회를 잡지 못하고 있고, 최근 조사들은 데이터 접근성과 품질 문제를 AI 활용의 최대 장애 요인(42%)으로 꼽습니다. 실패의 자리가 어디인지 주목할 필요가 있습니다 – 모델이 아니라, 모델 아래입니다.

현장에서 우리가 확인하는 원인은 세 가지로 수렴합니다.

• 첫째, 프로세스 표준의 부재 – 범용 AI 모델은 데이터를 읽을 수는 있습니다. 그러나 우리 회사가 실제로 어떻게 운영되는지 – 견적이 어떻게 수주가 되고, 수주가 어떻게 매출과 원가로 이어지는지 – 는 데이터가 아니라 프로세스에 담깁니다. 부서마다 일하는 방식이 다르면 데이터에는 맥락이 없고, 맥락 없는 데이터 위의 AI는 그럴듯한 답을 자신 있게 말하는 것 이상을 하지 못합니다.
• 둘째, 데이터 통합의 부재 – 많은 AI가 단절되고 노후화된 시스템 위에 ‘추가되는’ 형태로 구축됩니다. 영업의 매출과 재무의 매출이 다른 회사에서 AI에게 매출을 물으면, AI는 어느 쪽 숫자로 답해야 합니까. 데이터와 프로세스가 연결되지 않으면 AI의 효과는 그 단절의 폭만큼 정확히 제한됩니다.
• 셋째, 거버넌스의 부재 – 경영 정보는 정확성과 정합성이 생명입니다. 감사(Audit)할 수 없고, 통제(Control)할 수 없고, 추적(Trace)할 수 없는 AI는 경영에 지능을 더하는 것이 아니라 새로운 리스크를 더합니다. 챗봇의 오답은 다시 물으면 되지만, 결산과 의사결정에 스며든 오류는 회사의 숫자 전체를 의심하게 만듭니다.

셋의 공통점이 보이실 겁니다. 전부 AI 기술의 문제가 아니라 토대의 문제입니다. 기업형 AI는 AI 기술 자체가 아니라, 프로세스·데이터·거버넌스가 통합된 기반 위에서 성과를 만듭니다.

개발의 AI와 경영의 AI는 다릅니다

“개발팀은 이미 잘 쓰고 있는데 경영은 왜 안 됩니까”라는 질문을 자주 받습니다. 좋은 질문이고, 답은 데이터의 성격에 있습니다. 코드는 그 자체로 맥락이 완결된 텍스트입니다. 그러나 경영의 데이터는 다릅니다 – 같은 ‘매출’이라는 단어가 수주 시점·출고 시점·검수 시점 중 언제의 숫자인지, 어떤 회계기준의 숫자인지에 따라 다른 사실이 됩니다.

경영 정보에서 AI가 일하려면, 데이터에 그 맥락이 구조로 새겨져 있어야 합니다. 그리고 맥락을 데이터에 새기는 장치의 이름이 바로 표준 프로세스입니다. 이것이 AI 시대에 ERP 이야기를 다시 하게 되는 이유입니다. 유행이 지난 시스템 이야기가 아니라 – AI가 학습하고 판단할 경영 데이터가 태어나는 곳이 거기이기 때문입니다.

순서를 지킨 기업이 가장 빠릅니다

순서는 분명합니다. 표준 위에 토대, 그 위에 신뢰 데이터, 그 위에 AI.

먼저 우리 산업과 회사에 맞는 표준 프로세스 위에 운영의 토대를 세웁니다. 그 위에서 사업이 돌아가면, AI가 학습하기에 유효한 스케일의 데이터가 정합성 있게 쌓입니다. 그리고 그 위에서 AI가 경영 전반으로 확산됩니다 – 이 셋은 건너뛸 수 있는 단계가 아니라 쌓아야 하는 층입니다.

느려 보입니까. 우리의 관찰은 반대입니다. 토대 없이 AI로 직행한 회사는 파일럿마다 데이터 정리를 다시 하며 같은 자리를 돕니다. 순서를 지킨 회사는 한 번 세운 토대 위에서 파일럿이 곧 확산이 됩니다. 순서를 지킨 기업이, 시행착오 없이 가장 빠르게 자율형 기업(Autonomous Enterprise)이 됩니다.

예전에는 보이면 사람이 깨닫고 움직였습니다. 이제는 보이면 AI가 일합니다 – 정합성 있는 정보 위에서. 이 전환이 뜻하는 바는 명확합니다. 지금까지 가시성은 사람의 판단을 돕는 문제였지만, 이제는 AI라는 실행 주체의 작동 조건이 됐다는 것입니다.

AI-Ready는 소급되지 않습니다

한 가지가 이 문을 여느냐 마느냐를 가릅니다 – 시점입니다. 데이터는 생성되는 시점의 구조를 영원히 따라갑니다. 오늘 표준 없이 쌓인 3년 치 데이터는, 3년 뒤에 아무리 좋은 AI를 데려와도 맥락 없는 3년 치 데이터입니다. 정리해서 쓰면 되지 않느냐고들 하지만, 생성 시점에 새겨지지 않은 맥락은 사후에 복원되지 않습니다. 그래서 AI-Ready는 전형적인, 나중에 바꾸려면 재구축이 되는 결정입니다.

AI는 목적지가 아니라, 제대로 된 토대 위에 자연스럽게 따라오는 다음 단계입니다. 뒤집어 말하면 – 토대 없이는, AI는 오지 않습니다.

일곱 번째 문을 여는 질문

우리 회사가 이 문 앞의 어디쯤 서 있는지는 세 가지 질문으로 잴 수 있습니다. 우리 회사의 숫자는 하나의 원장에서 나오는가. 그 데이터에는 비즈니스 맥락 – 표준 프로세스 – 이 새겨져 있는가. AI가 내놓을 판단을 우리는 감사하고 추적할 수 있는가.

세 질문에 모두 예라고 답할 수 있다면, AI 확산은 프로젝트가 아니라 수순입니다. 아니라면, 지금 필요한 것은 AI 도입이 아니라 그 아래층의 설계입니다.

우리 회사의 AI-Ready 수준, 도입 전 진단으로 확인해 보세요. → ERP 도입 진단

태그