AI는 비서가 아닙니다
— 권력 구조를 바꾸는 도구입니다
사일로 파괴와 암묵지 자산화, 임원이 AI를 바라보는 두 가지 전략 프레임
왜 지금 AI인가
경쟁이 아닌 생존의 문제 — AI 전환의 본질을 다시 묻습니다
여러분은 지금 어떤 방식으로 데이터를 활용하고 계신가요? 본부 내 중요한 의사결정에 필요한 데이터를 얻는 데 얼마나 걸리나요? 대부분의 경우, 이 흐름은 다음과 같습니다.
방사선과 의사의 교훈
AI 도입 초기, 많은 사람들은 "방사선과 의사가 AI에 의해 대체될 것"이라 예측했습니다. 실제로는 어떻게 됐을까요?
AI가 영상 판독을 대신하면 방사선과 의사는 불필요해진다.
- 직업 소멸 위기론 확산
- 의대 방사선과 지원자 감소
- "AI에 대체될 직업 1위" 선정
방사선과 의사는 해고되지 않았다. 오히려 역할이 더 커졌다.
- 1인당 하루 판독 건수 3배 이상 증가
- 희귀 질환 진단 정확도 대폭 향상
- AI가 걸러준 덕에 더 복잡한 케이스에 집중
데이터 병목의 파괴
AI가 파괴하는 것은 일자리가 아니라 정보 비대칭입니다
조직 내 데이터 독점 구조
지금 여러분의 조직에서 데이터는 누가 보유하고 있나요? 대부분의 대기업에서 데이터는 특정 부서(데이터팀, IT팀)에 집중되어 있고, 임원은 이 데이터에 접근하기 위해 항상 "중간 번역자"를 거쳐야 합니다.
데이터 중앙집권
SQL을 모르는 임원은 데이터팀의 도움 없이는 데이터를 볼 수 없다. 분석 요청 → 대기 → 수령 → 재요청의 악순환.
데이터 민주화
자연어로 질문하면 AI가 즉시 분석한다. "지난달 편의점 상위 100개 점포의 도시락 매출 추이 보여줘" — 30초면 충분.
사일로 파괴와 리더십의 재정의
Task에서 Role로 — AI 시대 임원의 새로운 정체성
GS리테일의 사일로 현실
GS리테일은 편의점(GS25), 슈퍼마켓(GS더프레시), 홈쇼핑(GS샵)이라는 세 개의 큰 채널을 운영합니다. 각 채널은 강력한 경쟁력을 갖추고 있지만, 채널 간 데이터는 단절되어 있습니다.
| 채널 | 보유 데이터 강점 | 현재 단절 상황 |
|---|---|---|
| GS25 편의점 | 1만 8천 개 점포의 시간대별 구매 패턴, 도시락/즉석식품 선호도 | GS샵 고객과 GS25 고객이 같은 사람인지 파악 불가 |
| GS더프레시 | 신선식품 장보기 주기, 가족 단위 구매 데이터 | 편의점 충동구매 패턴과 연결 안 됨 |
| GS샵 | 고가 상품 구매 의향, 라이프스타일 패턴 | 오프라인 채널 데이터와 완전히 분리 |
AI: 사일로를 허무는 권력 이동
AI가 도입되면 이 단절된 데이터들이 연결되기 시작합니다. 더 중요한 것은, 이 데이터를 활용하는 권한이 특정 부서에서 현장 의사결정자(임원, 팀장)에게로 이동한다는 점입니다.
데이터팀 독점
SQL, Python을 아는 분석가만이 데이터에 접근 가능. 임원은 분석 결과를 기다리는 수동적 수요자.
임원 직접 접근
자연어 질의로 임원이 실시간 데이터 탐색. "지난 분기 대비 GS25 도시락 매출 하락 원인은?" — 직접 분석.
정보 권력 재편
데이터를 보유한 사람이 아닌, 올바른 질문을 던지는 사람이 조직의 의사결정 주도권을 갖는 시대.
Task vs Role — 임원의 캘린더를 재설계하라
AI에게 던져야 할 것과 끝까지 지켜야 할 것의 경계
여러분의 하루 업무 시간 중 AI에게 완전히 위임할 수 있는 것과, 반드시 여러분이 직접 해야 하는 것을 명확히 구분해보겠습니다.
정보 처리와 분석의 영역
- 경쟁사 동향 리포트 작성
- 내부 보고서 초안 작성
- 데이터 기반 트렌드 분석
- 회의록 요약 및 Action Item 추출
- 규정/정책 문서 검색 및 해석
- KPI 대시보드 데이터 집계
- 이메일/공문 초안 작성
→ 반복적이고 정보 처리 중심의 업무는 AI에게
판단과 관계의 영역
- 최종 전략 방향 결정
- 조직 문화 형성과 가치관 전파
- 핵심 파트너사와의 신뢰 구축
- 위기 상황에서의 리더십 발휘
- 팀원의 성장과 동기 부여
- 윤리적 판단이 필요한 의사결정
- 이해관계자 조율과 설득
→ 인간의 판단, 경험, 공감이 필요한 것은 임원이
임원 캘린더 재설계: 실전 사례
AI 전환 전과 후, 임원의 하루가 어떻게 달라지는지 구체적으로 살펴봅니다.
| 시간 | Before (AI 없이) | After (AI 활용) |
|---|---|---|
| 오전 8시 | 경쟁사 뉴스 직접 검색 (30분) | AI가 요약한 경쟁사 동향 5분 리뷰 |
| 오전 10시 | 주간 KPI 보고서 데이터 확인 요청 (분석팀 대기) | 자연어로 KPI 즉시 조회 및 이상 원인 파악 |
| 오후 2시 | 보고서 초안 검토 및 수정 (2시간) | AI 초안 기반 전략적 방향 수정 (30분) |
| 오후 4시 | 회의록 작성 및 공유 (1시간) | AI가 자동 요약 — 임원은 핵심 결정사항만 확인 |
| 절약 시간 | — | 하루 3시간 이상 확보 → 전략 사고와 관계 구축에 재투자 |
현장 암묵지의 자산화
퇴사하면 사라지는 베테랑의 직관을 조직의 영구 자산으로
베테랑의 직관, 왜 사라지는가
모든 조직에는 오랜 경험에서 나온 암묵지(Tacit Knowledge)가 있습니다. 이것은 매뉴얼에 적히지 않고, 교육으로 전달되지 않으며, 오직 "몸으로 익힌" 사람의 머릿속에만 존재합니다.
베테랑 MD의 상품 소싱 감각
"이 상품은 요즘 소비자 트렌드랑 맞아. 봄에 런칭하면 뜰 것 같아." — 10년 이상의 경험에서 나오는 직관. 후배 MD에게 전달하기 매우 어렵다.
우수 점포 개발자의 상권 분석 직관
"이 골목은 겉보기엔 유동인구가 적어 보이지만, 아침 출근 시간대에 직장인들이 몰린다." — 수십 년 현장을 돌아다닌 사람만이 아는 감각.
AI로 암묵지를 자산화하는 방법
암묵지를 AI 자산으로 만드는 것은 생각보다 어렵지 않습니다. 핵심은 베테랑이 "말하는 것"을 AI가 "학습하는 것"으로 전환하는 구조를 만드는 것입니다.
GS리테일에 투영: 어디서 시작할 것인가
GS리테일에는 자산화할 암묵지가 풍부합니다. 어느 부분부터 시작할지 전략적으로 판단해야 합니다.
| 암묵지 유형 | 보유 주체 | AI 자산화 방식 | 예상 효과 |
|---|---|---|---|
| MD 상품 소싱 감각 | 10년+ 베테랑 MD | 소싱 의사결정 로그 학습 → AI 소싱 추천 엔진 | 신입 MD 온보딩 속도 3배, 소싱 실패율 감소 |
| 점포 개발자 상권 분석 | 베테랑 점포 개발자 | 입지 결정 이력 + 성과 데이터 학습 → AI 입지 평가 모델 | 신규 출점 성공률 향상, 개발자 1인당 검토 물량 증가 |
| 점주 지도 방식 | 우수 슈퍼바이저 | 점주 상담 스크립트 + 매출 개선 결과 학습 → AI 코칭 보조 | 신규 SV의 조기 성과 창출, 베스트 프랙티스 확산 |
| 계절 상품 발주 직관 | 경험 많은 점주/바이어 | 발주 패턴 + 날씨/이벤트 데이터 학습 → AI 발주 추천 | 재고 폐기율 감소, 품절 손실 최소화 |
타사 성공 사례
이미 시작한 기업들이 무엇을 얻었는지 살펴봅니다
LG전자 '찾다(CHATDA)' — 내부 데이터를 고객 분석 자산으로
문제: LG전자는 방대한 내부 데이터(제품 사양, AS 이력, 고객 피드백, 설계 문서)를 보유하고 있었지만, 이 데이터에 메타데이터(설명 태그)가 없어 검색도, 분석도 어려운 상태였습니다. 데이터는 있지만 찾을 수 없는 "데이터 무덤" 상태.
- 내부 문서 10만 건, 메타데이터 부재
- 원하는 데이터 찾는 데 평균 2시간
- 부서 간 동일 데이터 중복 생성
- 분석가들이 데이터 수집에 시간 70% 소비
- AI가 모든 문서에 메타데이터 자동 입력
- 자연어 검색으로 원하는 데이터 30초 내 도달
- 단일 진실의 원천(Single Source of Truth) 구축
- 분석가들이 실제 분석에 80% 시간 투입 가능
GS리테일 시사점: GS리테일의 상품 데이터, 점포 운영 데이터, 고객 구매 데이터는 시스템별로 분산되어 있습니다. LG전자의 CHATDA 방식처럼, AI로 이 데이터들에 통합 메타데이터를 부여하면 채널 간 사일로를 허물 수 있습니다.
HD현대 '에이전트' — 조선소 현장의 다국적 협업 장벽 돌파
문제: HD현대 조선소에는 한국인, 외국인 근로자가 함께 일합니다. 설계 도면, 작업 지시서, 안전 규정이 한국어로만 존재하여, 외국인 근로자들이 핵심 정보에 접근하지 못하는 병목이 발생했습니다. 이것은 생산성 문제이자 안전 문제였습니다.
다국어 실시간 번역 + 설명
수십 년 된 설계 엔지니어의 노하우가 담긴 도면을, AI가 다국어로 즉시 번역하고 설명합니다. 베트남어, 인도네시아어로도 복잡한 조선 기술 지식에 접근 가능.
현장 암묵지의 언어 장벽 제거
설계 전문가가 직접 현장에 가서 설명하던 시간을 AI가 대체. 경험 많은 엔지니어의 노하우가 언어와 관계없이 전체 현장에 확산.
GS리테일 시사점: GS리테일의 점포 운영 노하우, 상품 배치 가이드, 고객 서비스 스크립트는 대부분 텍스트 매뉴얼로만 존재합니다. HD현대 방식처럼, 이 지식을 AI 에이전트화하면 신규 점주, 아르바이트생도 즉시 베테랑 수준의 가이드를 받을 수 있습니다.
1금융권 — 망분리 규제 속 AI 헬프데스크 구축
문제: 금융권은 강력한 망분리 규제로 인해 외부 AI 서비스(ChatGPT 등)를 사용할 수 없습니다. 게다가 대출 규정집은 수천 페이지에 달해, 창구 직원이 고객 질문에 즉시 답하기 어렵습니다. "잠깐만요, 규정 확인하고 답변드리겠습니다"라는 말이 일상화된 상황.
- 대출 규정집 3,000페이지, 연 수차례 개정
- 창구 직원의 규정 검색 시간: 평균 5분/건
- 고객 대기 불만, 직원 스트레스 증가
- 망분리로 외부 AI 사용 불가
- 내부 서버에 AI 구축 (규제 준수)
- 규정집 전체를 AI가 학습
- 창구 직원이 자연어로 질문 → 즉시 답변
- 규정 업데이트 시 AI 자동 반영
GS리테일 시사점: GS리테일의 점포 운영 정책, 상품 취급 규정, 고객 응대 가이드는 방대하고 자주 바뀝니다. 금융권 방식처럼 이 문서들을 AI가 학습하면, 어떤 점주도 어떤 직원도 즉시 정확한 답변을 받을 수 있습니다.
임원진에게 던지는 3가지 질문
특강 후 각 본부가 가져가야 할 실전 과제
이 3가지 질문은 단순한 토론 주제가 아닙니다. 각 본부의 AI 전환 준비도를 진단하고, 우선순위를 결정하기 위한 실전 도구입니다. 솔직하게 답변할수록, 행동으로 이어질 수 있습니다.
데이터 준비도 — 우리 본부의 데이터 현실
질문: 우리 본부에서 AI가 즉각 분석할 수 있게 '잘 정리된 데이터'와 '가장 엉망인 데이터'는 무엇인가?
AI 즉시 활용 가능
정형화되어 있고, 최신 상태이며, 접근이 용이한 데이터. 이 데이터부터 AI를 붙여 빠른 성과를 만들어야 합니다.
AI 전에 정리 필요
흩어져 있거나, 오래됐거나, 형식이 일관되지 않은 데이터. AI 도입보다 데이터 정비가 먼저입니다.
역할 재정의 — 나의 캘린더를 분해하라
질문: 내 업무 시간 중 AI에게 완전히 던져버려야 할 'Task'와 내가 목숨 걸고 지켜야 할 'Role'은 무엇인가?
| 업무 유형 | AI에게 Task로 | 임원 Role로 유지 |
|---|---|---|
| 보고서 작성 | 데이터 수집, 초안 작성, 시각화 | 전략적 방향 판단, 최종 메시지 결정 |
| 시장 분석 | 경쟁사 모니터링, 트렌드 요약 | 당사 전략에 대한 시사점 판단 |
| 채용/평가 | 이력서 스크리닝, 기준 점수 산정 | 최종 합격 결정, 팀 문화 적합성 판단 |
| 파트너 협상 | 조건 비교 분석, 계약서 초안 | 신뢰 기반 관계 구축, 최종 협상 결정 |
사일로 진단 — 데이터 공유의 장벽
질문: 본부 내 부서 간 데이터 공유를 가로막는 가장 큰 장벽은 무엇인가?
시스템 단절
각 부서가 다른 시스템(ERP, CRM, SCM)을 사용해 데이터 형식이 달라 통합이 어렵다.
데이터 소유권 갈등
"이건 우리 부서 데이터야" — 데이터를 공유하면 경쟁 부서에 유리하다는 인식. 인센티브 구조의 문제.
정보 공유 기피
정보를 독점해야 권력이 유지된다는 암묵적 문화. 위에서 먼저 데이터 공유를 솔선수범해야 변한다.
오늘 특강에서 가져가야 할 것들
"AI는 보고서 작성 비서가 아닙니다.
데이터 병목을 파괴하는 권력 이동의 도구입니다."
임원 여러분이 AI를 쓰기 시작하면, 조직 전체가 따라옵니다.
변화는 항상 위에서 시작됩니다.
오늘 배운 2가지 전략 프레임
사일로 파괴와 리더십 재정의
AI는 데이터 병목과 부서 간 장벽을 허뭅니다. 임원은 Task를 AI에게 넘기고, 진짜 Role인 판단·관계·문화에 집중해야 합니다.
현장 암묵지의 자산화
베테랑이 떠나도 그 지식은 남아야 합니다. AI로 암묵지를 자산화하면 조직의 지적 자본이 영구적으로 쌓입니다.
다음 주까지 각 본부 실행 과제
- 본부 내 "가장 잘 정리된 데이터"와 "가장 엉망인 데이터" 각 1개씩 파악하기
- 지난 주 캘린더를 보며 Task vs Role 분류해보기 (개인 숙제)
- 본부 내 암묵지를 가진 베테랑 1명 파악하고, AI 자산화 가능성 논의하기
- 부서 간 데이터 공유의 장벽 1개 식별하고, 제거 방안 검토하기
- AI를 직접 사용해보기 (Claude, ChatGPT 등 — 업무 관련 가상 데이터로 시작)
특강 관련 자주 묻는 질문 (FAQ)
| 질문 | 답변 |
|---|---|
| AI가 임원의 자리를 빼앗을까요? | AI는 판단하지 못합니다. 임원의 핵심 가치인 전략적 판단, 이해관계자 조율, 조직 문화 형성은 AI가 할 수 없습니다. 다만, AI를 활용하는 임원과 그렇지 않은 임원 사이의 생산성 격차는 급격히 커질 것입니다. |
| 우리 회사 데이터를 AI에게 넣어도 안전한가요? | 외부 AI 서비스(ChatGPT, Claude 등)에는 기밀 정보나 개인정보를 입력하면 안 됩니다. 대신 비식별화된 가상 데이터로 먼저 익히고, 내부 AI 구축(온프레미스)은 IT/보안팀과 협의해 진행하세요. |
| 어디서부터 시작해야 할까요? | 가장 쉽고 임팩트 있는 Task 하나를 골라 시작하세요. "경쟁사 뉴스 요약", "주간 보고서 초안" 같은 것도 충분합니다. 작은 성공이 조직 변화의 출발점이 됩니다. |
| 직원들이 AI 도입을 두려워하면? | 두려움은 이해의 부재에서 옵니다. 임원이 먼저 AI를 사용하고, 그 경험을 공유하는 것이 가장 효과적인 변화 관리입니다. "내가 써봤는데, 이런 데 쓰면 정말 편하더라"는 한 마디가 천 마디 공문보다 강력합니다. |