기계가 모든 것을 다하게 될 때 무엇을 할 것인가? by 말콤 프랭크

[ 밑줄/연결 ]

 

디지털 경제의 다음 단계에 성공하는 사람은 새로운 기계를 만들 재주가 있는 이들이 아니라 그 기계로 무엇을 해야 하는지를 알아낸 사람들이 될 것이다.

 

3M은 원자재(raw Material), 새로운 기계(new Machine), 비즈니스 모델(business Model)의 세 가지를 뜻한다....가치를 창출하려면 세 가지가 통합되고 적절히 조정되어야 한다는 점만 알아두고 넘어가자.

ㅇ 원자재: 사물인터넷 기기와 모든 사람, 장소, 물건을 매개로 생성된 데이터

ㅇ 새로운 기계: 특정 비즈니스 프로세스나 고객 경험에 적합한 가치를 창출하기 위해 HW, 인공지능 SW, data, 인간의 능력을 결합한 지능 시스템

ㅇ 비즈니스 모델: 지능 시스템에 기반을 둔 서비스와 솔루션

 

3M을 조합롭게 갖춘 최적의 사례는 아마도 역사가 족히 100년은 넘는 기업들에서 나오게 될 것이다.

 

지능 시스템은 SW(알고리즘, 업무 규칙, 기계학습 코드, 예측 분석), HW(서버, 센서, 모바일 기기, 연결성), 데이터(맥락화되고 실시간으로 처리되는)

 

지능 시스템 = 학습하는 SW + 대규모 처리 능력 + 방대한 양의 데이터

 

인공지능은 학습 능력이 있는 기계에 초점을 맞춘 컴퓨터 과학이다.

 

---> 놀라운 단순하다. 고수는 단순하게 표현할 줄 안다는 점에 한 수 배운다.

 

생각하는 인공 지능의 세 가지 요소

(1) digital logic process

지능 시스템에서 획기적인 변화는 수작업으로 하던 프로세스 대부분이 자동화되었다는 점

(2) 기계 지능

알고리즘, 자동화 과정, 기계학습, 신경망 기술을 조합해서 '경험을 통한 학습'을 흉내 낸다

경험이란 다름이 아니라 다량의 데이터 세트를 의미함

(3) SW 생태계

수십 개의 도구와, 도구들을 연결해 주는 응용프로그램 인터페이스(API)가 하나의 생태계를 이룸

---> SW 생태계가 들어가 있다는 점이 놀랍다. 역시 핵심을 꽤뚫고 있는 전문가들이다. 우리 나라는 전통적으로 이 부분이 가장 약한 것 같다. 

---> 왜 약한가?에 대한 근래 탁월한 답은 아래 책에서 발견하게 되었다.

처음부터 끝까지 직접 만들어야 한다고 생각하지 마라.

---> '바퀴를 다시 발명하려 들지 마라'논 격언과 상통한다.

훌륭한 시스템이 있으면 데이터 과학자가 만 명이나 필요하지 않다.....데이터를 이해할 수 있게 분석하는 임무가 사용자에서 플랫폼으로 넘어가야 마땅하다는 사실을 인식하면서, "앞으로는 산더미처럼 쌓인 데이터를 손에 넣는 것만으로는 아무 소용이 없게 될 것이다."라고 말한다. 그렇게 되면 지능 시스템이 대단히 중요해진다.

---> 100% 그럴 것 같다. 

---> 그래서 이런 기업들이 점점 더 무서워 지는 것이다.

데이터에서 활용 가능한 통찰을 얻으려면 우연에 기대서는 안 되고 사업 전체 프로세스에 걸쳐 '데이터 공급망'을 수립하고 관리해야 가능하다.

데이터를 개량하거나 의미 있는 무언가로 바꾸는 중간 단계가 경쟁력 있는 주요 경쟁 영역이 될 것이다. 경쟁자들 간에 차이가 생기고 지속되는 것은 바로 이 중간 단계에서 생기는 일이다.

'구글 속도'는 말할 것도 없고 '구글 가격'과 경쟁하는 법을 배워야 할 처지다. 이런 측면에서 대부분의 산업 비즈니스 모델은 현재 너무 느리고, 너무 비싸고, 다루기가 어렵다.

---> 1000% 동의한다.

---> 어떻게 조직을 그대도 빠르고 유연하게 만들 수 있을까는? 

비즈니스 모델이란? 기업이 경쟁에 활용하는 프로세스 아키텍처와 이를 뒷받침하는 조직 모델을 뜻함.

 

1. 실패를 피하기: 디지털 변화에서 피해야 할 함정 네 가지

2. 앞서 나가기: 새로운 기계를 활용하는 방법 다섯 가지

 

(네 가지 함정 피하기)

1. '디지털 흉내 내기' vs '디지털화하기'의 함정

ㅇ 4세대 기계를 가져다가 3세대 비즈니스 모델에 구겨 넣는 경영자들도 대단히 많다.

ㅇ 단순히 디지털 솔루션을 산업 비즈니스 모델에 가져다 붙이는 이런 현상을 '디지털 흉내내기'라고 부름

ㅇ 기존의 비즈니스 모델을 재고하고, 재설계하고, 재건설한다는 의미다. 이것이 디지털화하기다.

ㅇ 디지털 원칙에 기초한 프로세스 flow와 재원 조직 구조를 갖추어야 한다.

---> 요즈음 모든 기업이 'AI First'를 외치면서 AI-All-In하는 모습이 이런 것 같다. 

---> 묻지도 따지지도 말고 그제는 '플랫폼' 외치던 사람들이 어제는 '4차 산업혁명'을 외쳤다가 오늘은 'AI'를 외친다. 

 

2. FANG의 함정

ㅇ 전통 있는 기존 기업들은 산업 리더에서 디지털과 산업을 혼합한 하이브리드 조직의 리더로 변신해야 함

ㅇ FANG이 제공하는 온라인 경험은 명확하고 단순하며 사용하기 쉽다. 완벽히 개별화되어 있어서, 개별 사용자에 맞게 만족스러운 경험을 제공함

ㅇ FANG은 데이터를 깊이 신뢰하는 기업문화가 있다. 기본적으로 데이터의 객관성에서 얻어지는 신뢰와 데이터가 제품, 사람, 성과에 대해 드러내는 바에 대한 신뢰를 모든 구성원이 공유하는 문화가 있다. vs 기존 기업들은 HIPO(연봉이 높은 사람의 의견을 따른다는 의미)문화가 있다. 사업적 절차가 규정을 중요시하는 문화도 있다. 

ㅇ 기존 기업들은 출발점이 달라서, 산업화 시대에 굳어진 프로세스, 제품, 문화가 이미 존재함.

 

3. '쓸데없는 일에 시간을 낭비하는' 함정

ㅇ 작게 시작해서 꾸려 가는 것이 최선

ㅇ 간단히 시행할 수 있는 프로세스를 찾아서 복잡하지 않은 디지털 기술을 적용하며 즉각적인 성공을 꾀하도록 함

ㅇ 거듭된 승리는 작은 군대를 천하무적으로 만든다.

ㅇ 전체 프로세스나 조직을 재구성해야 한다 --> 디지털 기술을 이용해서 경감시키거나 없앨 수 있는 Pain Point를 찾으라.

ㅇ 프로세스 중에서 시대에 뒤떨어진 병목 지점이나 급소에 집중하는 방법이 더 건전한 경영 성과를 낳았고, 고객과 납품업체, 협력사, 직원들의 업무 경험을 개선하는 방법이 최고의 운영 사례임을 확인할 수 있었다. 

 

 

4. 디지털 거부의 함정

ㅇ 해당 사업에 가득 채워지는 데이터의 양...

ㅇ 어떤 산업도 정보 폭발의 영향을 피해 갈 수 는 없다.

 

(새로운 기계에서 금을 캐내는 다섯 가지 방법)

 

1. 자동화(Automate)

ㅇ 보상금 청구 처리, 법률의 디스커버리, 서비스 데스크의 문제 처리, 네트워크 보안 관리, 고객 서비스와 지원의 상당 부분이 포함

ㅇ 특히 고객 관련 데이터를 얻을 가능성이 있는 모든 프로세스는 데이터 수집이라는 목적 하나만을 위해서라도 반드시 자동화해야 한다.

 

2. 헤일로(Halo)

ㅇ 어떤 멍청한 사물을 'smart'하게 바꿀 수 있을까? 터닌 날개의 성능처럼, 전에는 보이지 않던 것을 '볼 수 있게' 해줄 데이터에는 어떤 것들이 있을까?

ㅇ 일단 사물을 기계화해서 추적하기 시작하면 데이터 코드라는 눈에 안 보이는 헤일로가 사물 주위에 생기는데, 이 '디지털 쌍둥이'는 실제 물리적인 존재보다 더 깊은 통찰력과 더 많은 가치를 제공하는 경우가 많다.

 

3. 향상(Enhance)

ㅇ 직원의 생산성과 고객 만족도가 새로운 차원으로 상승하게 되는 활동에는 어떤 것이 있을까?

ㅇ 기업 임원이나 리더들이 해야 할 일은 새로 등장한 기술로 업그레이드할 수 있는 역할과 프로세스, 시스템, 경험을 찾고, 새로운 접근 방식과 사회 구조를 상상하는 것이다.

 

4. 풍요(Abundance)

ㅇ 저비용으로 생산되는 시장, 10배 낮은 가격으로 판매할 수 있을까? 

ㅇ 환자 한 명에서 생성되는 데이터는 하루 평균 5GB나 된다. 

 

5. 발견

ㅇ IT기업에는 유통기한이 지난 물건을 버리는 문화가 형성된 적이 없다.

 

"속도는 비즈니스의 새로운 화폐다. 결정을 내리기에 가장 위험한 장소는 바로 사무실 안이다."
- 세일스포스닷컴 CEO 마크 베니오프

 

[ 자평 ] IT에 관련한 책 중 손에 꼽을 수 있는 책이다. 

 

코그니전트(cognizant) 테크놀로지에 있는 분들이 쓴 (굳이 분류하자면) 4차 산업 혁명 관련한 책이다. 

이 회사는 IT분야의 컨설팅과 기술, 아웃소싱 서비스를 하는 나름 유명한 회사다. 

 

원서와 번역서 모두 2017년에 나왔다. 약 4년 전 책이지만 다시 읽어 봐도 상당히 잘 썼다.

코로나가 오기 전에 그렇게 많이 득실대던 국내 '4차 산업 혁명가'들은 요즈음 뭐 하나 모르겠다.